Χρήστης:Pikgr/πρόχειρο

ΕΙΣΑΓΩΓΗ

Η Βιολογία των ζωντανών οργανισμών περιλαμβάνει πολλά περίπλοκα δίκτυα ανεξάρτητων γεγονότων και αλληλεπιδράσεων μεταξύ των βιομόριων.Παραδείγματα τέτοιων δικτύων που περιλαμβάνουν δίκτυα που σχετίζονται με τη μεταγραφή, ή την ρύθμιση των γονιδίων, δίκτυα που αφορούν την αλληλεπίδραση πρωτεΐνης-πρωτεΐνης (PPI), μεταβολικά μονοπάτια και άλλα, έδειξαν πως τα δίκτυα από διάφορους τομείς-βιολογικούς ή μη- περιλαμβάνουν αρκετά μικρά τοπολογικά πρότυπα τα οποία είναι τόσο συχνά, που είναι απίθανο να εμφανίζονται τυχαία, αλλά σχετίζονται με κάποια λειτουργική και καίρια σημασία. Διαφορετικά δίκτυα τείνουν να έχουν διαφορετικά σύνολα τέτοιων συχνά εμφανιζόμενων δομών. Αυτές οι δομές αναφέρονται ως «μοτίβα δικτύων» και είναι γνωστά ως το απλό δομικό στοιχείο ενός σύνθετου δικτύου. Η ανακάλυψη αυτή προκάλεσε ένα πλήθος ερευνητικών προσπαθειών την προηγούμενη δεκαετία και ο συγκεκριμένος τομέας έχει ακόμα πολλές προοπτικές νέων ανακαλύψεων ακόμα και σήμερα. Τα μοτίβα δικτύων έχουν επίσης μελετηθεί και σε άλλους τομείς, όπως των ηλεκτρονικών κυκλωμάτων, της διανομής ενέργειας, της οικολογίας (food web), του διαδικτύου, των μέσων κοινωνικής δικτύωσης και φυσικά των μοριακών δομών.

Μία πιθανή επιβεβαίωση για την σημαντικότητα των μοτίβων αποτελεί η συντήρησή τους. Κατά την εξέλιξη, η συντήρηση είναι άρρηκτα συνδεδεμένη με την σημαντικότητα. Συγκεκριμένα στα βιολογικά δίκτυα, η συντήρηση των πρωτεϊνών σε ένα μοτίβο μπορεί να είναι ενδεικτική της βιολογικής σημαντικότητας αυτού του μοτίβου. Εάν υπάρχει εξελικτική πίεση στο να διατηρηθούν συγκεκριμένα μοτίβα, θα αναμενόταν τα στοιχεία που τα απαρτίζουν να είναι εξελικτικά συντηρημένα και να έχουν αναγνωρίσιμα ορθόλογα στοιχεία και σε άλλους οργανισμούς.
1. Biological network motif detection :principles and practice. ElisabethWong, Brittany Baur, Saad Quader and Chun-Hsi Huang. Briefing in Bioinformatics

2. Analysis of Biological Networks:Network Motifs Lecturer: Roded Sharan Scribe: Anat Halpern and Efrat Mashiach

3. Shen-Orr SS, Milo R, Mangan S, Alon U (May 2002). "Network motifs in the transcriptional regulation network of Escherichia coli". Nat. Genet. 31 (1): 64–8. doi:10.1038/ng881. PMID 11967538.

4. Milo R, Itzkovitz S, Kashtan N, Levitt R, Shen-Orr S, Ayzenshtat I, Sheffer M, Alon U (2004)."Superfamilies of designed and evolved networks". Science 303 (5663): 1538–1542.doi:10.1126/science.1089167. PMID 15001784.

5. Babu MM, Luscombe NM, Aravind L, Gerstein M, Teichmann SA (June 2004). "Structure and evolution of transcriptional regulatory networks". Current Opinion in Structural Biology 14 (3):283–91.doi:10.1016/j.sbi.2004.05.004. PMID 15193307.

6. Structure and evolution of transcriptional regulatory networks. M Madan Babu, , Nicholas M Luscombe, L Aravind, Mark Gerstein, Sarah A Teichmann. Current Opinion in Structural Biology Volume 14, Issue 3, June 2004, Pages 283–291

7. Network motifs: theory and experimental approaches. Uri Alon. Nature Reviews Genetics (2007) Nature Rev Genet 8:450-461

8. Network motifs: theory and experimental approaches. Uri Alon. Nature Reviews Genetics (2007) Nature Rev Genet 8:450-461

9. Network motifs: theory and experimental approaches. Uri Alon. Nature Reviews Genetics (2007) Nature Rev Genet 8:450-461

10. Network motifs: theory and experimental approaches. Uri Alon. Nature Reviews Genetics (2007) Nature Rev Genet 8:450-461

11. Network motifs: theory and experimental approaches. Uri Alon. Nature Reviews Genetics (2007) Nature Rev Genet 8:450-461

12. Efficient sampling algorithm for estimating subgraph concentrations and detecting network motifs N. Kashtan, S. Itzkovitz, R. Milo and U. Alon Vol. 20 no. 11 2004, pages 1746–1758

13. Network motifs: simple building blocks of complex networks. Science 298 (5594):824827. doi:10.1126/science.298.5594.824.PMID 12399590.

14. Schreiber F, Schwobbermeyer H (2005). "MAVisto: a tool for the exploration of network motifs".Bioinformatics 21 (17): 3572–3574. doi:10.1093/bioinformatics/bti556.

15. Kashtan N, Itzkovitz S, Milo R, Alon U (2004). "Efficient sampling algorithm for estimating sub-graph concentrations and detecting network motifs". Bioinformatics 20 (11): 1746–1758.doi:10.1093/bioinformatics/bth163.

16. Chen J, Hsu W, Li Lee M et al. (2006). "NeMoFinder: dissecting genome-wide protein-protein interactions with meso-scale network motifs". the 12th ACM SIGKDD international conference on Knowledge discovery and data mining. Philadelphia, Pennsylvania, USA. pp. 106–115.

17. Grochow JA, Kellis M (2007). "Network Motif Discovery Using Sub-graph Enumeration and Symmetry-Breaking". RECOMB. pp. 92–106. doi:10.1007/978-3-540-71681-5_7.

18. Alon N, Dao P, Hajirasouliha I, Hormozdiari F, Sahinalp S.C (2008). "Biomolecular network motif counting and discovery by color coding". Bioinformatics 24: i241–i249.

19. Omidi S, Schreiber F, Masoudi-Nejad A (2009). "MODA: an efficient algorithm for network motif discovery in biological networks". Genes Genet Syst 84 (5): 385–395. doi:10.1266/ggs.84.385.

20. Kashani ZR, Ahrabian H, Elahi E, Nowzari-Dalini A, Ansari ES, Asadi S, Mohammadi S, Schreiber F, Masoudi-Nejad A (2009). "Kavosh: a new algorithm for finding network motifs". BMC Bioinformatics 10 (318). doi:10.1186/1471-2105-10-318.

21. Ribeiro P, Silva F (2010). "G-Tries: an efficient data structure for discovering network motifs". ACM 25th Symposium On Applied Computing - Bioinformatics Track. Sierre, Switzerland. pp. 1559–1566.