ABCDEFGHIJKLMNOPQRSTU
1
UnidadTemas (teoría)LecturasPráctica computacionalHipervínculo a la prácticaTake home message de la semanaMaterial de apoyo (libro de texto)videos teoríavideos prácticavideos de un ejemplo; aplicado (ponencia relacionada)
2
0 (introducción)organización (presentación de profes y alumnos; dinámica de la clase; Mendeley / GitHub / canal de youtube) / introducción / dinámica / bio de sistemas: ¿para qué? / equipos para prácticas Lazebnik I. Can a biologist fix a radio, or what I learned while studying apoptosis. Biochemistry 2003;12:166–71.(1) protopráctica: Intro muy suave a R* [tipos de estructuras; loops; funciones; usar paquetes; cómo indexar ; graficar; "hola mundo....."] (2) google collab [subir los viernes--> práctica resuelta (siempre que sea posible; no para cómputo simbólico --> Python), repositiorios de githubintro a R(1) conocer al grupo, la dinámica de trabajo. (2) bio de sistemas: ¿para qué? (3) Básicos de programaciónhttps://youtu.be/qNeEWxIGubsIntro a GitHub (Clase de Juan Manuel) https://youtu.be/ji1uve-bFvkCrash course de bio de sistemas para posgrado (en 3h) https://youtu.be/e1GYmuzrKkE
3
1: Modelos booleanos para analizar redes de regulación genética y comunidades ecológicasconceptos básicos / intro a redes booleanas i. Construcción de modelos dinámicos con redes booleanas Robustez vs plasticidad en redes booleanas
ii. Espacios fase, atractores en redes booleanas		Ensamblaje de comunidades: Campbell C, Yang S, Albert R, Shea K. A network model for plant-pollinator community assembly. Proc Natl Acad Sci U S A 2011;108:197–202.(1) Para explicar: Intro a Boolet (2) Para evaluar: PRACTICA 1 Comunidades ecológicas con redes booleanas 1 comunidades ecologicas con redes booleanas bases matemáticas y computacionales (función, derivada, …) / escribir un modelo booleano, atractor, cuenca de atracciónÁlvarez-Buylla Roces, M.E., Martínez-García, J.C., Dávila-Velderrain, J., Domínguez-Hüttinger, E., Martínez-Sánchez, M.E., 2018. Modeling Methods for Medical Systems Biology. Springer. https://doi.org/10.1007/978-3-319-89354-9https://youtu.be/rvc4Id6ADEE; https://youtu.be/4Z5LFd751VY; https://youtu.be/V1SDsxpUhwc
4
NAFenotipos como atractores: Martinez-Sanchez ME, Mendoza L, Villarreal C, Alvarez-Buylla ER. A Minimal Regulatory Network of Extrinsic and Intrinsic Factors Recovers Observed Patterns of CD4+ T Cell Differentiation and Plasticity. PLoS Comput Biol 2015;11:1–23.Práctica 2: plasticidad celular con redes booleanas2 plasticidad celular con redes booleanasrobustez / estabilidad / plasticidadÁlvarez-Buylla Roces, M.E., Martínez-García, J.C., Dávila-Velderrain, J., Domínguez-Hüttinger, E., Martínez-Sánchez, M.E., 2018. Modeling Methods for Medical Systems Biology. Springer. https://doi.org/10.1007/978-3-319-89354-9
5
Modelos deterministas vs estocásticos. Multiestabilidad en un marco no determinsta: Brincos entre atractoresÁlvarez-Buylla, E.R., Chaos, Á., Aldana, M., Benítez, M., Cortes-Poza, Y., Espinosa-Soto, C., Hartasánchez, D. a., Lotto, R.B., Malkin, D., Escalera Santos, G.J., Padilla-Longoria, P., 2008. Floral morphogenesis: Stochastic explorations of a gene network epigenetic landscape. PLoS One 3. https://doi.org/10.1371/journal.pone.0003626práctica 3 - simular dinámicamente redes booleanas estocásticas usando la red de Arabidopsis thaliana3 redes booleanas estocasticasmodelos booleanos estocásticosÁlvarez-Buylla Roces, M.E., Martínez-García, J.C., Dávila-Velderrain, J., Domínguez-Hüttinger, E., Martínez-Sánchez, M.E., 2018. Modeling Methods for Medical Systems Biology. Springer. https://doi.org/10.1007/978-3-319-89354-9https://www.youtube.com/watch?v=w3yc8bDlvzw&feature=youtu.be
6
Repaso / dudas Modelos multi nivel y multi-escala: A generalizable data-driven multicellular model of pancreatic ductal adenocarcinoma. Gigascience 2020;9:1–15.examen 1 redes boleanas (escrito) - en R; en horario de clase (a libro abierto, individual)NANA
7
Ecuaciones diferenciales ordinariasIntro a las ecuaciones diferenciales. Construcción de modelos continuos: ley de acción de masas. Ver los primeros ejemplos. --> Dipositiva y referir al collab (practicas-computacionales-con-R/ejemplo_de_juguete.ipynb at main · sysbio-unam/practicas-computacionales-con-R (github.com)); ejemplos de juguete en google collab; depredador presa / dímero / crecimiento logístico / "muerte" (1) Lopatkin AJ, Collins JJ. Predictive biology: modelling, understanding and harnessing microbial complexity. Nat Rev Microbiol 2020; (2) Tyson, J.J., Chen, K.C., Novak, B., 2003. Sniffers, buzzers, toggles and blinkers: dynamics of regulatory and signaling pathways in the cell. Curr. Opin. Cell Biol. 15, 221–231. https://doi.org/10.1016/S0955-0674(03)00017-6 (3) Chen, Z., Elowitz, M.B., 2021. Programmable protein circuit design. Cell 1–18. https://doi.org/10.1016/j.cell.2021.03.007(1) protopráctica (para explicar): recordatorio de la construcción de modelo a partir de una red: (a) descripción de fenómeno, (b) construir la red, (c) escribir las ecuaciones [ver ejemplo de juguete anexo] (2) PRÁCTICA 4 proponer un modelo con ecuaciones diferenciales (en "cuaderno digital / collaborativo: paint");(a) explicar el fenómeno, (b) la red (gráfica) y (c) el sistema de ecuaciones. [de ser posible, es decir, si da tiempo, en el salón de clase]. MODELO LO MÁS SENCILLO POSIBLE pero de interés para los integrantes del equipo (van a seguir trabajando con esto), 2-3 variables.--> "se queda de tarea incorporar las correcciones que se hagan en clase, y entregar el lunes una versión en limpioejemplos de jugueteentender qué es una ecuación diferencial, y qué se le pregunta. construir un modelo matemático de un sistema biológico;Álvarez-Buylla Roces, M.E., Martínez-García, J.C., Dávila-Velderrain, J., Domínguez-Hüttinger, E., Martínez-Sánchez, M.E., 2018. Modeling Methods for Medical Systems Biology. Springer. https://doi.org/10.1007/978-3-319-89354-9https://youtu.be/YBt7rWtt0qw
8
Puntos de equilibrio: Motivos regulatorios; ecuación de Hill... Michaelis menten. saturación, ultra-sensibilidad,(1) Yu RC, Pesce CG, Colman-lerner A, Lok L, Pincus D, Serra E, et al. Negative feedback that improves information transmission in yeast signalling. Nature 2008;456:755–61. (2). Ferrell JE, Ha SH. Ultrasensitivity part II: Multisite phosphorylation, stoichiometric inhibitors, and positive feedback. Trends Biochem Sci 2014;39:556–69.(1) Para explicar: mostrar ecuación de Hill /michaelis menten en collab / papel y lápiz: Ecuaciones de Michaelis – Menten, ecuación de Hill, ultrasensibilidad, para diferentes coeficientes de Hill; Ejemplo de cómo se obtienen de manera simbólica los puntos de equilibrio de un sistema de EDos, usando Python (2) Práctica 5: motivo de adaptación perfecta (Tyson et al 2003): graficar el punto de equilibrio estable vs. input. A MANO (cuaderno digital / paint... NO con la compu) ¿ qué notan? [hint se puede resolver en 3 min)modelos en colab(combinar aproximaciones simbólicas y numéricas; integrar una ode, aproximar los equilibriosUri Alon (2006): An Introduction to Systems Biology: Design Principles
of Biological Circuits (Chapman & Hall/CRC Mathematical and Computational
Biology) 1st Edition. Chapman & Hall/CRC Mathematical and Computational
Biology : apéndice A
9
Integración numérica y optimización paramétricaMa W, Trusina A, El-Samad H, Lim W a, Tang C. Defining network topologies that can achieve biochemical adaptation. Cell 2009;138:760–73(1) Explicar : intro a grind: declarar modelo, integrar numéricamente, cambiar parámetros y condiciones iniciales, optimizar (mostrar el ejemplo del dímero) (2) práctica 6: adaptación perfecta; simular transitorio (integración numérica) y compararlo con el valor Estacionario (continuación de práctica 5) y ajustar datos experimentales de dr. Porfirio nava 6 adaptacion perfectaBorrelli, R., Coleman, C., 2004. Differential Equations: A Modeling Perspective. John Wiley and Sons (Notas azules en el libro de Elisa); Sánchez-Garduño Faustino y Gutiérrez-Sánchez, José Luis, Matemáticas para las ciencias naturales, Sociedad Matemática Mexicana, 1998, VII, 590 p.p., Serie: Aportaciones Matemáticas, ISBN: 968-36-5769-9 (páginas 275 - 278)https://youtu.be/v-081vU8qlM
10
multiestabilidad, análisis de bifurcacionesAngeli D, Ferrell JE, Sontag ED. Detection of multistability, bifurcations, and hysteresis in a large class of biological positive-feedback systems. PNAS (1) Explicación de grind: resolver los puntos de equilibrio de forma numérica y evaluar su estabilidad (newton / continue) ; (2) Práctica 7: interruptor biestable con ODEs (Angeli)7 interruptor biestable con ODEsStrogatz, S.H., 2000. Nonlinear dynamics and chaos (notas rosas en el libro de Elisa);(1) https://youtu.be/dp_wMjcol5o (2) https://youtu.be/1VEcGWOFQTU (3) https://youtu.be/-XK18DHftoQPonencia del Dr Pablo Aguirre, Congreso nacional de la SMM 2020: https://www.youtube.com/watch?v=JT0s5FEBmac&feature=youtu.be
11
NATiemann C a, Vanlier J, Hilbers PA, van Riel NA. Parameter adaptations during phenotype transitions in progressive diseases. BMC Syst Biol 2011;5:174.(1) Explicación (EJM): (a) mostrar la app, (b) mostrar el ejemplo de análisis de sensibilidad de lotka volterra (2) práctica 8: Optimización paramétrica y análisis de sensibilidad de un modelo de Juan manuelapp para optimizaciónSaber correr e interpetar estos análisis; definir la salida del sistema; verificar que los parámetros más sensibles efectivamente induzcan cambios cualitativos
12
Proyecto de investigación en equipo; en horario de clase para resolver dudas(1) repasar diferencia entre resultados analiticos (generales) y numércos
(dependientes de valores específicos de parámetros)
(2) para el ajuste de modelo fijarse primero en los comportamientos cualitativos a reproducir
(3) todo término negativo debe ser explicitamente dependiente de la variable que afecta
(no puede degradarse o transformarse lo que no está)
(4) puntos de equilibio de sistema: enfocarse en ceroclinas
(5) repasar bifurcaciones: strogatz, notas rosas; profundidad de la cuenca
13
Unidad 3: Modelos estocásticos para predecir catástrofes biológicas (extinción, progresión de enfermedades, cambio fenotípico). i. Construcción de modelos estocásticos: conceptos y definiciones - parte 1: modelos sencillos (lineales)Wilkinson DJ. Stochastic modelling for quantitative description of heterogeneous biological systems. Nat Rev Genet 2009;10:122–33(1) Protopáctica: con el modelo más sencillo ("GFP") (a) explicar euler maruyama con grind (after); (b) explicar Gillespie con SSA librery (2) Práctica 9: Simular Motivo de adaptación perfecta con ruido extríns. y con intrins (gillespie y euler maruyama); comparar promedio dinámico con la solución determinista de la ODE (en función del número de iteraciones; ley de los grandes números) 9 simulaciones de odes con ruido intrinseco y extrinseco
14
ruido en sistemas multiestables: MFPT, flickering, etc.Scheffer M, Bascompte J, Brock WA, Brovkin V, Carpenter SR, Dakos V, et al. Early-warning signals for critical transitions. Nature 2009;461:53–9. Práctica 10: Señales de alerta temprana estocásticas en sistemas biológicos bifurcantes (modelo de Angeli)10 señales de alerta temprana estocasticas en sistemasSimulación de un Modelo con ruido aditivo: una manera de generar datos sintéticoshttps://www.youtube.com/watch?v=oKuFqjmmHtM
15
Unidad 4 Modelos híbridos para representar procesos biológicos a diferentes escalas temporales.Análisis cualitativo de comportamientos en equilibrio de modelos matemáticos de sistemas biológicos suaves a trozos: análisis de puntos focales \Diapositivas, notas y ejercicios resueltos\Modelos_híbridos_EDH.pptDominguez-Hüttinger E, Christodoulides P, Miyauchi K, Irvine AD, Okada-Hatakeyama M, Kubo M, et al. Mathematical modeling of atopic dermatitis reveals “double-switch” mechanisms underlying 4 common disease phenotypes. J Allergy Clin Immunol 2017;139:1861–72.Práctica 11: Práctica sistemas híbridos (parte 1) práctica Practica_Sistemas_Suaves_a_trozoslinkhttps://youtu.be/FrBVG85f7W4
16
Integración numérica de modelos matemáticos suaves a trozos: Funciones localizadores de eventosTanaka, G., Tsumoto, K., Tsuji, S., Aihara, K., 2008. Bifurcation analysis on a hybrid systems model of intermittent hormonal therapy for prostate cancer. Phys. D Nonlinear Phenom. 237, 2616–2627. https://doi.org/10.1016/j.physd.2008.03.044Práctica 12: sistemas híbridos (parte 2)
17
sobre el uso y abuso de metáforas en biologíadiscusión del artículo: Nicholson DJ. Is the cell really a machine? J Theor Biol 2019;477:108–26. OJO : ARTÍCULO EN LUNES Participación con la Maestra en Sociología de la Ciencia: Sylvia Sosa Fuentesexamen final (teórico / ensayo; individual):D
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100