更改

== 生物信息学和数据分析==

== 生物信息学和数据分析==

计算机科学、信息学和统计学的其他方面也用于系统生物学。包括新形式的计算模型，如使用过程计算模拟生物过程(著名的方法包括随机演算，BioAmbients，Beta Binders，BioPEPA 和 Brane 演算)和基于约束的建模; 使用信息提取和文本挖掘技术，综合来自文献的信息；<ref>{{cite journal|last1=Ananadou|first1=Sophia|author1-link=Sophia Ananiadou|last2=Kell|first2=Douglas|last3=Tsujii|first3=Jun-ichi|title=Text mining and its potential applications in systems biology|journal=Trends in Biotechnology|volume=24|issue=12|pages=571–579|date=December 2006|doi=10.1016/j.tibtech.2006.10.002|pmid=17045684 }}</ref>开发在线数据库和存储库共享数据和模型，以及通过软件，网站和数据库或商业诉讼的松散耦合实现数据库集成和软件互操作性的方法；基于网络的方法分析高维基因组数据集。例如，加权相关网络分析常常用于识别集群(称为模块)、建立集群之间的关系模型、计算集群(模块)成员的模糊度量、识别模块内中心成员，以及利用其他数据集研究集群保存; 基于通路的组学数据分析方法，例如识别和评价不同活性的基因、蛋白质或代谢物通路的方法。<ref name="pathvar2012">{{cite journal|last1=Glaab|first1=Enrico|last2=Schneider|first2=Reinhard|title=PathVar: analysis of gene and protein expression variance in cellular pathways using microarray data|volume=28|issue=3|pages=446–447|journal=Bioinformatics|doi=10.1093/bioinformatics/btr656|pmid=22123829|pmc=3268235|year=2012 }}</ref> 许多基因组数据集的分析也包括确定相关性。此外，由于大量的信息来自不同的领域，发展生物模型的语法和语义健全的表示方法是必要的。<ref>{{Cite journal|last=Bardini|first=R.|last2=Politano|first2=G.|last3=Benso|first3=A.|last4=Di Carlo|first4=S.|date=2017-01-01|title=Multi-level and hybrid modelling approaches for systems biology|journal=Computational and Structural Biotechnology Journal|volume=15|pages=396–402|doi=10.1016/j.csbj.2017.07.005|issn=2001-0370|pmc=5565741|pmid=28855977}}</ref>

计算机科学、信息学和统计学的其他方面也用于系统生物学。包括新形式的计算模型，如使用过程计算模拟生物过程（著名的方法包括随机演算，BioAmbients，Beta Binders，BioPEPA 和 Brane 演算）和基于约束的建模; 使用信息提取和文本挖掘技术，综合来自文献的信息；<ref>{{cite journal|last1=Ananadou|first1=Sophia|author1-link=Sophia Ananiadou|last2=Kell|first2=Douglas|last3=Tsujii|first3=Jun-ichi|title=Text mining and its potential applications in systems biology|journal=Trends in Biotechnology|volume=24|issue=12|pages=571–579|date=December 2006|doi=10.1016/j.tibtech.2006.10.002|pmid=17045684 }}</ref>开发在线数据库和存储库共享数据和模型，以及通过软件，网站和数据库或商业诉讼的松散耦合实现数据库集成和软件互操作性的方法；基于网络的方法分析高维基因组数据集。例如，加权相关网络分析常常用于识别集群（称为模块）、建立集群之间的关系模型、计算集群（模块）成员的模糊度量、识别模块内中心成员，以及利用其他数据集研究集群保存; 基于通路的组学数据分析方法，例如识别和评价不同活性的基因、蛋白质或代谢物通路的方法。<ref name="pathvar2012">{{cite journal|last1=Glaab|first1=Enrico|last2=Schneider|first2=Reinhard|title=PathVar: analysis of gene and protein expression variance in cellular pathways using microarray data|volume=28|issue=3|pages=446–447|journal=Bioinformatics|doi=10.1093/bioinformatics/btr656|pmid=22123829|pmc=3268235|year=2012 }}</ref> 许多基因组数据集的分析也包括确定相关性。此外，由于大量的信息来自不同的领域，发展生物模型的语法和语义健全的表示方法是必要的。<ref>{{Cite journal|last=Bardini|first=R.|last2=Politano|first2=G.|last3=Benso|first3=A.|last4=Di Carlo|first4=S.|date=2017-01-01|title=Multi-level and hybrid modelling approaches for systems biology|journal=Computational and Structural Biotechnology Journal|volume=15|pages=396–402|doi=10.1016/j.csbj.2017.07.005|issn=2001-0370|pmc=5565741|pmid=28855977}}</ref>

== 建立生物学模型==

== 建立生物学模型==