【摘要】：建模生物学的问题不胜枚举。跨越时间上26个数量级、空间上9个数量级的建模实在是极具挑战的。基于这种理念的成功例子正在涌现，比如奥克兰大学由PeterHunter领导的生物工程研究所得到的人类心脏的全面模型，也称为奥克兰模型。其中重要的挑战是开发一个的模型库，以及用来表达的标准语言，这样我们不仅可以开始建立新的模型，而且还可以开始用生物基本组成部分来建立综合法。
建模生物学的问题不胜枚举。
以细胞过程为基础的蛋白质折叠需要对原子和作用力的性质进行量子物理描述，以飞秒（10-15s）为时间尺度、以纳米（10-9m）为空间尺度，然而一个人的平均寿命大概有10亿秒（109），以米作为测量单位。跨越时间上26个数量级、空间上9个数量级的建模实在是极具挑战的。
从反馈的观点来看，什么时候用纳米级的信息来影响单位级的性能才能变得那么重要？保持所有纳米尺度上的信息维持相同尺度上的精确性并不是那么难以置信。同样，我们的经验也表明了这种做法一般是不必要的，但是什么时候知道呢？(www.xing528.com)
如果回想一下运算放大器的工作原理，反馈也可以用在这里。高增益可以解耦系统，尺度也可以用本构关系来归纳总结。基于这种理念的成功例子正在涌现，比如奥克兰大学由PeterHunter领导的生物工程研究所得到的人类心脏的全面模型，也称为奥克兰模型。
正如成功的模型都以成功的反馈设计为基础，在开始这个领域的设计之前有一个方法可以尝试。其中重要的挑战是开发一个的模型库，以及用来表达的标准语言，这样我们不仅可以开始建立新的模型，而且还可以开始用生物基本组成部分来建立综合法。面前的路已经计划好了，但我们才刚刚起步。“insilico”细胞或是细菌的成果仍在几年之后，在这些方向上的发展需要全世界范围内的协作努力。这是很值得努力的，因为它的潜力是巨大的。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
