DSP Biomedical inova em metodologia de pesquisa: In silico
O método in silico de experimentação refere-se à simulação computacional, que modela um fenômeno natural. Esta metodologia empregando tecnologia está construindo um novo modelo de pesquisa denominado In silico. Bem como as denominações in vivo e in vitro se referem a experimentos realizados em organismos vivos ou fora deles, respectivamente, in silicium se traduz por in silico, estabelecendo uma referência ao material de que são feitos os semicondutores que permitem armazenar informações em computadores, assim podemos realizar pesquisas e estudos em ambiente virtual reproduzindo fielmente o ambiente real. De forma sucinta esta metodologia é a construção de um modelo real em ambiente virtual e neste ambiente serão testadas determinadas situações para avaliar a resposta deste experimento.
Os benefícios desta metodologia que tem por base a tecnologia, têm-se intensificado por minimizar o manejo de animais, previsibilidade de custos e multidisciplinaridade na mesma investigação científica para vários propósitos.
O delineamento com uso da tecnologia torna a pesquisa dinâmica pois a medida que evoluem podemos inserir fatores ao sistema que validam os resultados devido a previsibilidade pertinente a esta modalidade científica.
Nós da DSP Biomedical entendemos que este método não vem a substituir nenhum outro, mas é uma abordagem que compreendemos como uma progressão interdependente.
Acompanhe em www.dspconnect.net
Bailey, J.E. Mathematical modeling and analysis in biochemical engineering: past accomplishments and future opportunities. Biotechnol. Prog. 14, 8–20 (1998).
Chance, B. et al. (1962) Analogue and digital computer representations of biochemical processes. Fed. Proc. 21, 75–86
Covert, M.W. et al. Metabolic modeling of microbial strains in silico. Trends Biochem. Sci. in press (2001).
Drell, D. The department of energy microbial cell project: a 1808 paradigm shift for biology. Omics 6, 3–9 (2002)
Edwards, J.S., Ramakrishna, R., Schilling, C.H. & Palsson, B.O. In Metabolic engineering. (eds Lee, S.Y. & Papoutsakis, E.T.) 13–57 (Marcel Dekker, New York, NY; 1999)
Karp, P.D., Krummenacker, M., Paley, S. & Wagg, J. Integrated pathway-genome databases and their role in drug discovery. Trends Biotechnol. 17, 275–281 (1999).
KUNH, T. S. A estrutura das revoluções científicas. 3ª edição. São Paulo: Perspeciva, 2000.
Lee, I.D. & Palsson, B.O. A Macintosh software package for simulation of human red blood cell metabolism. Comput. Methods Programs Biomed. 38, 195–226 (1992).
Liao, J. C., Hou, S. Y. & Chao, Y. P. (1996) Biotechnol. Bioeng. 52, 129–140
Rombauts,S., Van de Peer,Y. and Rouzé,P. (2003) AFLP in Silico, simulating AFLP fingerprints. Bioinformatics, 19, 776–777.
Rombauts,S., Déhais,P., Van Montagu,M. and Rouzé,P. (1999) PlantCARE, a plant cis-acting regulatory element database. Nucleic Acids Res., 27 295 –296.
Sauer, U., Cameron, D. C. & Bailey, J. E. (1998) Biotechnol. Bioeng. 59, 227–238.
Schilling, C.H., Schuster, S., Palsson, B.O. & Heinrich, R. Metabolic pathway analysis: basic concepts and scientific applications in the post-genomic era. Biotechnol. Prog. 15, 296–303 (1999).
Sundararaj, S., Guo, A., Habibi-Nazhad, B., Rouani, M., Stothard, P., Ellison, M., Wishart, D.S. 2004 The CyberCell Database (CCDB): a comprehensive, self-updating, relational database to coordinate and facilitate in silico modeling of Escherichia coli Nucleic Acids Res. 32 d 293 – d 295.