Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca»Unità di ricerca
INIZIO_TESTO_DA_INDICIZZARE

UNITA' DI RICERCA

italiano - english
Bibliografia
[1] The cellml modeling language. 2000.
[2] Spad signaling pathway database. 2000.
[3] The systems biology workbench software. 2000.
[6] T. Akutsu, S. Miyano, and S. Kuhara. Algorithms for identifying boolean networks and related biological networks based on matrix multiplication and fingerprint function. Journal of Computational Biology, 7(3):331-343, 2000.
[7] T. Akutsu, S. Miyano, and S. Kuhara. Algorithms for inferring qualitative models of biological networks. In PSB, volume 5, pages 293-304, Singapore, 2000. World Scientific Press.
[10] R. Alves and M. A. Savageau. Extending the method of mathematically controlled comparison to include numerical comparisons. Bioinformatics, 16(9):786-798, 2000.
[12] A. Arkin, J. Ross, and H.H. McAdams. Stochastic kinetic analysis of developmental pathway bifurcation in phage lambda-infected escherichia coli cells. Genetics, 149:1633-1648, 1998.
[13] G. D. Bader, I. Donaldson, C. Wolting, B. F. Ouellette, T. Pawson, and C. W. Hogue. Bind-the biomolecular interaction network database. Nucleic Acids Research, 29(1):242-245, 2001.
[15] U. S. Bhalla and R. Iyengar. Emergent properties of networks of biological signaling pathways. Science, 283(5400):381-387, 1999.
[28] P. Dhaeseleer, S. Liang, and R. Somogyi. Genetic network inference: from co-expression clustering to reverse engineering. Bioinformatics, 16(8):707-726, 2000.
[29] K. Eilbeck, A. Brass, N. Paton, and C. Hodgman. Interact: an object oriented protein-protein interaction database. In Intelligent Systems for Molecular Biology, volume 7, pages 87-94, Palo Alto, 1999. AAAI Press.
[30] Z. Eker, M. Knapp, K. Laderoute, P. Lincoln, J. Meseguer, and K. Sonmez. Pathway logic: Simbolic analysis of biological signaling. In PSB, volume 7, Singapore, 2002. World Scientific Press.
[32] A. Finney, H. Sauro, M. Hucka, and H.Bolouri. An xml-based model description language for systems biology simulations. Technical report, California Institute of Technology, September 2000. Technical report.
[34] P. J. E. Goss and J. Peccoud. Quantitative modeling of stochastic systems in molecular biology by using stochastic petri nets. Proceedings of the National Academy of Sciences USA, 95(12):6750-6755, 1998.
[35] P. J. E. Goss and J. Peccoud. Analysis of the stabilizing effect of rom on the genetic network controlling cole1 plasmid replication. In PSB, volume 4, pages 65-76, Singapore, 1999. World Scientific Press.
[36] R. Hofestadt and S. Thelen. Quantitative modeling of biochemical networks. In Silico Biology, 1(1):39-53, 1998.
[37] M. Holcombe and A. Bell. Computational models of immunological pathways. In M. Holcombe and R. Paton, editors, Information Processing in Cells and Tissues: Proceeding of IPCAT '97, pages 213-226, New York, 1998. Plenum Press.
[38] T. Igarashi and T. Kaminuma. Development of a cell signalling networks database. In PSB '97, pages 187-197, Singapore, 1997. World Scientific Press.
[39] N. Kam, I.R. Cohen, and D. Harel. The immune system as a reactive system: Modeling t cell activation with statecharts. In Proc. Symposia on Human-Centric Computing Languages and Environments, pages 15-22. IEEE Computer Society Press, 2001.
[40] N. Kam, D. Harel, and I.R. Cohen. Modeling biological reactivity: Statecharts vs. boolean logic. In Proc. 2nd International Conference on Systems Biology, Pasadena, CA, 2001.
[41] P. D. Karp, M. Krummenacker, S. Paley, and J. Wagg. Integrated pathway/genome databases and their role in drug discovery. Trends in Biotechnology, 17(7):275-281, 1999.
[42] T. Kazic. Semiotes: a semantics for sharing. Bioinformatics, 16(12):1129-1144, 2000.
[43] F. A. Kolpakov, E. A. Ananko, G. B. Kolesov, and N. A. Kolchanov. Genenet: a gene network database and its automated visualization. Bioinformatics, 14(8):529-537, 1998.
[44] R. Kuffner, R. Zimmer, and T. Lengauer. Pathway analysis in metabolic databases via differential metabolic display. Bioinformatics, 16(9):825-836, 2000.
[46] K.M. Kyoda, M. Muraki, and H. Kitano. Construction of a generalized simulator for multi-cellular organisms and its application to smad signal transduction. In PSB, volume 5, pages 317-328, Singapore, 2000. World Scientific Press.
[48] H. Matsuno, A. Doi, M. Nagasaki, and S. Miyano. Hybrid petri net representation of gene regulatory network. In PSB, volume 5, pages 341-352, Singapore, 2000. World Scientific Press.
[49] H. H. McAdams and A. Arkin. Stochastic mechanisms in gene expression. Proceedings of the National Academy of Sciences USA, 94(3):814-819, 1997.
[50] H. H. McAdams and L. Shapiro. Circuit simulation of genetic networks. Science, 269(5224):650-656, 1995.
[51] L. Mendoza, D. Thieffry, and E. R. Alvarez-Buylla. Genetic control of flower morphogenesis in arabidopsis thaliana: a logical analysis. Bioinformatics, 15(7-8):593-606, 1999.
[57] H. Ogata, S. Goto, K. Sato, W. Fujibuchi, H. Bono, and M. Kanehisa. Kegg: Kyoto encyclopedia of genes and genomes. Nucleic Acids Research, 27(1):29-34, 2000.
[64] M. G. Samsonova and V. N. Serov. Network: an interactive interface to the tools for analysis of genetic network structure and dynamics. In PSB, volume 4, pages 102-111, Singapore, 1999. World Scientific Press.
[65] C. Sanchez, C. Lachaize, F. Janody, B. Bellon, L. Roder, J. Euzenat, F. Rechenmann F, and B. Jacq. Grasping at molecular interactions and genetic networks in drosophila melanogaster using flynets, an internet database. Nucleic Acids Research, 27(1):89-94, 1999.
[66] L. Sanchez, J. van Helden, and D. Thieffry. Establishement of the dorso-ventral pattern during embryonic development of drosophila melanogasater: a logical analysis. Journal of Theoretical Biology, 189(4):377-389, 1997.
[67] H. M. Sauro. Scamp: a general-purpose simulator and metabolic control analysis program. Computer Applications in Bioscience, 9(4):441-450, 1993.
[68] S. Schuster, D. A. Fell, and T. Dandekar. A general definition of metabolic pathways useful for systematic organization and analysis of complex metabolic networks. Nature Biotechnology, 18(3):326-332, 2000.
[69] E. Selkov, Y. Grechkin, N. Mikhailova, and E. Selkov. Mpw: the metabolic pathways database. Nucleic Acids Research, 26(1):43-45, 1998.
[72] Z. Szallasi. Genetic network analysis in light of massively parallel biological data. In PSB, volume 4, pages 5-16, Singapore, 1999. World Scientific Press.
[73] D. Thieffry and D. Romero. The modularity of biological regulatory networks. Biosystems, 50(1):49-59, 1999.
[74] D. Thieffry and R. Thomas. Qualitative analysis of gene networks. In PSB, volume 3, pages 77-88, Singapore, 1998.World Scientific Press.
[75] M. Tomita, K. Hashimoto, K. Takahashi, T. S. Shimizu, Y. Matsuzaki, F. Miyoshi, K. Saito, S. Tanida, K. Yugi, J. C. Venter, and C. A. Hutchison 3rd. E-cell: software environment for whole-cell simulation. Bioinformatics, 15(1):72-84, 1999.
[79] J. van Helden, A. Naim, R. Mancuso, M. Eldridge, L. Wernisch, D. Gilbert D, and S. J. Wodak. Representing and analysing molecular and cellular function using the computer. Biological Chemistry, 381(9-10):921-935, 2000.
[81] E. O. Voit. Computational Analysis of Biochemical Systems. Cambridge University Press, 2000.
[83] E.Wingender, X. Chen, E. Fricke, R. Geffers, R. Hehl, I. Liebich, M. Krull M, V. Matys, H. Michael, R. Ohnhauser, M. Pruss, F. Schacherer, S. Thiele, and S. Urbach. The transfac system on gene expression regulation. Nucleic Acids Research, 29(1):281-283, 2001.
[84] I. Xenarios, E. Fernandez E, L. Salwinski, X. J. Duan, M. J. Thompson, E. M. Marcotte, and D. Eisenberg. Dip: the database of interacting proteins: 2001 update. Nucleic Acids Research, 29(1):239-241, 2001.
[85] T-M. Yi, Y. Huang, M. I. Simon, and J. Doyle. Robust perfect adaptation in bacterial chemotaxis through integral feedback control. Proceedings of the National Academy of Sciences USA, 97(9):4649-4653, 2000.
[91] L.Cardelli, Brane Calculi, preprint.
[92] Aviv Regev, Ekaterina M. Panina, William Silverman, Luca Cardelli, Ehud Shapiro. BioAmbients: An Abstraction for Biological Compartments. Theoretical Computer Science, to appear.
[93] Aviv Regev, William Silverman, Ehud Y. Shapiro: Representation and Simulation of Biochemical Processes Using the pi-Calculus Process Algebra. Pacific Symposium on Biocomputing 2001: 459-470.

Programma di ricerca

Systems Biology: modellazione, linguaggi e analisi (Sybilla)
Università di riferimento
Università degli Studi di BOLOGNA - SCIENZE DELL'INFORMAZIONE - BOLOGNA(BO)
Responsabile dell'Unità di ricerca
Roberto GORRIERI
Descrizione
L'unità di ricerca dell'Università di Bologna (UB in breve) intende sfruttare le specifiche competenze, piuttosto complementari rispetto a quelle degli altri siti, maturate nell'area delle algebre di processi, delle reti di Petri e dei modelli stocastici allo scopo di investigare alcune questioni fondazionali nella modellazione di sistemi biologici quali il ruolo degli inbibitori e attivatori/catalizzatori di reazioni biochimiche. 1. Il primo obiettivo dell'unità di ricerca di UB è lo studio e il confronto dei diversi calcoli di processi che sono stati proposti finora per modellare sistemi biologici, allo scopo di individuare le rispettive somiglianze e differenze, testandoli su casi di studio riportati nella recente letteratura. Il risultato finale atteso dovrebbe essere la proposta per un nuovo calcolo che meglio si adatti alle necessità di modellazione di sistemi biologici. Questo obiettivo verrà raggiunto nel primo anno. 2. Facendo base sulle conoscenze specifiche nello studiare reti di Petri con archi inibitori (Busi è uno degli esperti principali nell'area, e.g., [BP00]), il secondo obiettivo dell'unità di ricerca di UB è l'estensione dei calcoli di processi di base con la nozione di interazione inibibile che dovrebbe corrispondere alla modellazione del ruolo inibente giocato da alcuni enzimi in reazioni biochimiche. Questa idea è già apparsa in letteratura che usa le reti di Petri come modello di base [MFD+03], ma è completamente nuova nella comunità dei calcoli di processi. Ci aspettiamo di produrre nuove versioni dei formalismi più popolari (ad esempio, bio-pi e bioambient) estesi per includere la caratteristica degli inibitori e degli attivatori/catalizzatori. Questo lavoro verrà iniziato nel primo anno e concluso nel secondo anno. 3. Dato che abbiamo competenze specifiche su come relazionare reti di Petri e algebre di processi (e.g. [BG95]), noi intendiamo usare queste competenze allo scopo di studiare le relazioni tra i diversi approcci alla systems biology basate su reti di Petri e di confrontarli con quelli basati su algebre di processi. Questo lavoro verrà iniziato nel primo anno e e concluso nel secondo anno. 4. Inoltre, intendiamo trarre vantaggio dalle nostre competenze nell'area dei modelli stocastici (si veda ad esempio, [BrG02]) allo scopo di estendere alcuni dei linguaggi e modelli di base per includere anche informazione probabilistica sul modo in cui l'interazione viene portata avanti, seguendo una linea simile a [PRSS01]. In effetti, è talvolta molto più realistico considerare i biopathway come sistemi ibridi composti da eventi discreti e continui. Il lavoro sarà focalizzato su estensioni probabilistiche di modelli con inibitori/catalizzatori, così come sul calcolo di processi che verrà proposto come risultato dell'obiettivo 1. Questo lavoro verrà svolto nel secondo anno. 5. Per ultimo, approcceremo la questione di definire opportune relazioni semantiche fra "specifiche" di sistemi biologici e reali "implementazioni", nello stile di cosa è stato fatto nella teoria dei sistemi concorrenti e distributi complessi. Opportune nozioni di equivalenza e simulazione saranno studiate e sperimentate su alcuni casi di studio realistici. Inoltre, intendiamo studiare il problema di "sintetizzare" sistemi biologici partendo dal loro comportamento osservazionale, come fatto nella teoria delle reti di Petri [BP97]. Questo lavoro sarà cominciato durante il primo anno e verrà portato a termine nel secondo anno. [BG95] N.Busi, R.Gorrieri. A Petri Net Semantics for pi-calculus, in CONCUR'95, Theories of Concurrency: Unification and Extension (S.Smolka ed), LNCS 962, Springer, 145-159, Philadelphia (USA), 1995. [BrG02] M.Bravetti, R.Gorrieri. The Theory of Interactive Generalised Semi-Markov Processes, Theoretical Computer Science, volume 282(1):5-32, 2002. [BP97]   N.Busi, G.M.Pinna: Synthesis of Nets with Inhibitor Arcs. CONCUR 1997: 151-165 [BP00] N.Busi, G.M.Pinna. Comparing Truly Concurrent Semantics for Contextual Place/Transition Nets with Inhibitor and Read Arcs. Fundam. Inform. 44(3): 209-244 (2000) [MFD+03] H.Matsuno, S.Fujita, A.Doi, M.Nagasaki, S.Miyano. Towards Biopathway Modeling and Simulation. Springer LNCS 2679:3-22, 2003. [PRSS01] C.Priami, A.Regev, E.Shapiro, W.Silverman. Applications of a stochastic name-passing calculus to representation and simulation of molecular processes. Information Processing Letters 80:25-31, 2001.