Reduktion von komplexen biochemischen Netzwerken © Christoph Zechner, CSBD
Der Zufall spielt eine wichtige Rolle bei vielen biologischen Prozessen wie der Signalübertragung, der Genexpression oder der Bestimmung des Zellschicksals. Stochastische Simulationen sind eine wichtige Methode um herauszufinden, wie sich Zufälligkeit quantitativ auf das Verhalten von lebenden Systemen auswirkt. Die Durchführung solcher Simulationen in einem realistischen Umfang ist jedoch rechnerisch sehr anspruchsvoll und wird mit den bisher vorhandenen Methoden schnell zu zeitaufwendig.
Lorenzo Duso und Christoph Zechner, Forscher am Zentrum für Systembiolgie Dresden und am Max-Planck-Institut für molekulare Zellbiologie und Genetik, haben einen neuartigen Algorithmus entwickelt, der genaue stochastische Simulationen von biochemischen Netzwerken ermöglicht und gleichzeitig den computergestützten Rechenaufwand erheblich reduziert. Mithilfe der Theorie von Zufallsprozessen zeigen die Wissenschaftler, wie ein beliebiges (und möglicherweise kompliziertes) Netzwerk in ein reduziertes Netzwerk - bestehend aus viel weniger stochastischen Komponenten und Interaktionen - umgewandelt werden kann, ohne dass die entscheidenden Informationen verlorengehen. Dank dieser Transformation kann die Simulation eines großen Teils der biochemischen Ereignisse umgangen werden - manchmal mehr als 98%. Lorenzo, Erstautor der kürzlich im The Journal of Chemical Physics erschienenen Publikation, sagt: "Anstatt einen Würfel 100 Mal zu werfen, müssen wir nur zweimal würfeln, um die gleiche Antwort zu erhalten".
Mit ihrem neuen Algorithmus können die Autoren nun komplexere und realistischere Modelle von zufälligen Phänomenen in lebenden Organismen analysieren. "Der Algorithmus wird eine wichtige Rolle dabei spielen, die komplexen Mechanismen zu verstehen, die das Verhalten von Zellen und Gewebe steuern", sagt Christoph.