数年前，美国麻省理工学院研究人员迈克尔?亚菲和他的同事曾披露，他们开发出了一个由数据驱动的计算模型。利用该计算模型他们能同时研究细胞内多个信号通道之间的关系，这些信号通道控制着细胞对人体发炎、生长因子、DNA损伤和其他情况的反应。
研究人员认为，计算模型能帮助人们了解细胞如何对生长因子和疾病疗法（如化疗）作出反应，并有利于人们针对不同的病人设计出专门的疾病治疗方案。
近来，麻省理工学院生物学和生物工程副教授亚菲和他领导的研究小组利用非常规方法对细胞计算模型进行了分析，揭示出细胞处理化学信息的新途径，同时提出了如何最大程度提高疾病治疗效果的方法。
在刚出版的《细胞》（Cell）杂志上，亚菲撰文介绍说，采取新的方式，他们从计算模型中获取更多的信息。研究人员的新方式是让细胞模型出现毁灭现象，并在细胞模型走向毁灭过程中观察其发生的变化情况。他们称自己的新方式为“模型断点分析法”（model break point analysis），它是传统的损坏分析法（failure analysis）在生物学中的延伸。通常，工程人员用损坏分析法来了解什么样的设计改变能够导致桥梁断裂或引擎报废等。
亚菲表示，在传统工程学领域，人们常用计算方法来推测什么会让飞机上的支柱失效或电路中的导线断裂，以及这些问题会不会导致飞机失事或电路瘫痪。如果结论是会发生这样的事故，那么随之而来的问题是在何时和在何种情况下会出现失常。
对细胞模型采取类似的分析方法，人们能够掌握细胞信号通道重要的、鲜为人知的内部活动。为让细胞计算模型发生“破裂”，研究人员给模型逐步输入不正确的数据，直到模型不能继续正确地预测细胞的结局。结果他们惊讶地发现，在细胞模型最终毁灭前，计算模型的准确性保持了相当长的时间。
亚菲介绍说，尽管他们使用的建立模型的数据逐步变坏，从生物学上讲就是数据越来越不准确，但是模型始终工作正常。不过，当给出的数据到达某个极限即断点时，模型则突然间失去了预测细胞结局的能力。回顾和查看模型从正常工作到失去预测细胞结局能力的整个过程，研究人员意外地发现许多新的并实实在在发生在活体细胞内的生物学现象。
一个重大的、意想不到的发现是他们观察到，与正常的基因相比，某特定基因内出现过度活化突变和活化不足突变两种情况，均能让细胞死亡量减少。该现象表明正常细胞始终做好了死亡的准备，而肿瘤细胞却不是这样。这意味着与一个特定信号的绝对值相比，细胞信号的动态范围（生物信号的强弱取值范围）也许是更重要的决定细胞作用的因素。
亚菲表示，计算模型途径为人们提供了研究生物学现象的好机会，如果采用实验室分析的方式，也许需要上千小时才能发现这些生物学现象。他同时认为：“我们能够同时观察细胞内5个或8个信息通道。这更证明了工程方面的理念确实能够用来解释生物机制。”（生物谷Bioon.com）
生物谷推荐原始出处：
Cell，Vol 135, 343-354，Kevin A. Janes，Michael B. Yaffe
Cytokine-Induced Signaling Networks Prioritize Dynamic Range over Signal Strength
Kevin A. Janes,1,2,3,4 H. Christian Reinhardt,1,3 and Michael B. Yaffe1,
1 Koch Institute for Integrative Cancer Research, Center for Cell Decision Processes, Department of Biology, and Department of Biological Engineering, Massachusetts Institute of Technology, Cambridge, MA 02139, USA
2 Department of Cell Biology, Harvard Medical School, Boston, MA 02115, USA
Summary
Signaling networks respond to diverse stimuli, but how the state of the signaling network is relayed to downstream cellular responses is unclear. We modeled how incremental activation of signaling molecules is transmitted to control apoptosis as a function of signal strength and dynamic range. A linear relationship between signal input and response output, with the dynamic range of signaling molecules uniformly distributed across activation states, most accurately predicted cellular responses. When nonlinearized signals with compressed dynamic range relay network activation to apoptosis, we observe catastrophic, stimulus-specific prediction failures. We develop a general computational technique, “model-breakpoint analysis,” to analyze the mechanism of these failures, identifying new time- and stimulus-specific roles for Akt, ERK, and MK2 kinase activity in apoptosis, which were experimentally verified. Dynamic range is rarely measured in signal-transduction studies, but our experiments using model-breakpoint analysis suggest it may be a greater determinant of cell fate than measured signal strength.
