系统生物与药物设计
生物活性物质药理活性鉴定与药物设计原则
生物活性物质药理活性鉴定与药物设计原则药物设计是一门十分重要的科学，它旨在开发出具有理想药理活性的化合物，以用于治疗或预防疾病。
对于药物设计的研究，主要集中在发现和开发具有生物活性的化合物，并研究其与生物分子的相互作用。
本文将介绍生物活性物质药理活性鉴定和药物设计原则的相关内容。
生物活性物质的药理活性鉴定是在发现新的药物分子之前的关键步骤。
药理活性鉴定旨在确定化合物对特定生物目标的药理效应。
这个过程通常包括体外和体内实验，以评估化合物的活性、选择性和效能。
1. 体外活性鉴定体外活性鉴定是通过使用细胞系或酶系统来测试化合物对生物靶标的作用。
这些实验可以提供初步的药理活性信息，帮助筛选和优选化合物。
常用的体外活性鉴定方法包括：a. 细胞增殖和细胞凋亡实验 - 通过检测化合物对细胞增殖和生长的影响，评估其抗癌或抗炎症活性。
b. 结合实验 - 通过测定化合物与目标生物分子的相互作用来评估其亲和力和选择性。
例如，药物分子与蛋白质的结合可以通过放射性标记药物分子或荧光标记药物分子等方法进行测定。
c. 酶抑制实验 - 检测化合物对特定酶的抑制活性，以确定其潜在的药理效应。
例如，抗生素通常通过抑制细菌细胞壁合成酶来发挥抗菌活性。
2. 体内活性鉴定体内活性鉴定是通过使用动物模型来评估化合物的生物活性。
这些实验提供了更接近人体内环境的信息，并可以评估化合物对整个生物系统的影响。
常用的体内活性鉴定方法包括：a. 动物模型 - 使用小鼠、大鼠或其他动物模型，在实验条件下评估化合物的药理活性。
例如，使用小鼠模型来评估化合物在抗癌治疗中的疗效。
b. 药动学和药效学实验 - 评估化合物在体内的吸收、分布、代谢和排泄（ADME）特性，以及对疾病模型的药理活性。
这些实验可以提供化合物的生物利用度、血浆半衰期和最佳剂量等信息。
药物设计的原则是在药理活性鉴定的基础上，进一步优化化合物的结构和活性。
以下是一些常见的药物设计原则：1. 靶点选择 - 确定适合治疗疾病的生物分子靶点，并设计具有高亲和力和选择性的化合物。
药物递送系统的仿生设计与优化
药物递送系统的仿生设计与优化近年来，随着生物医学领域的不断发展和技术的不断进步，药物递送系统作为一种有效的治疗手段受到了广泛关注。
药物递送系统的仿生设计和优化，在药物的输送速度、目标定位和治疗效果等方面取得了显著的突破。
本文旨在探讨药物递送系统的仿生设计与优化，为医学研究和临床应用提供参考。
一、药物递送系统的概述药物递送系统是一种可以将药物输送到目标部位的系统，通过控制释放速度和输送路径，以达到最佳的治疗效果。
它可以根据药物的特性和需求，选择适当的载体、输送路径和释放方式，实现药物的靶向治疗。
与传统的药物治疗相比，药物递送系统具有明显的优势，可以减少药物的剂量和毒副作用，提高药物的生物利用度和治疗效果。
二、仿生设计在药物递送系统中的应用1. 仿生结构的设计仿生设计将生物体的结构和功能与药物递送系统相结合，可以使药物递送系统更好地模拟生物体内的环境和功能。
例如，通过仿生结构的设计，可以将药物递送系统与细胞膜结合，实现药物的主动靶向输送。
此外，仿生设计还可以利用生物材料的特性，如生物相容性和生物降解性，提高药物递送系统的生物安全性。
2. 仿生信号的设计仿生信号的设计可以使药物递送系统对外界环境做出及时的响应，并控制药物的释放速度和输送路径。
例如，可以设计一种基于生物传感器的药物递送系统，当药物递送系统进入特定的目标部位时，药物递送系统会受到特定的信号刺激，从而释放药物。
这种仿生信号的设计可以使药物递送系统更加智能化和精准化。
三、优化药物递送系统的方法1. 载体材料的选择药物递送系统的载体材料对整个系统的性能和效果有着重要的影响。
优化药物递送系统的一种方法是选择适合的载体材料，并对其进行改性和调整。
例如，可以选择具有良好生物相容性和可降解性的材料作为药物递送系统的载体，以提高药物递送系统的生物安全性和治疗效果。
2. 控制释放速度药物递送系统的释放速度直接影响药物的输送效果和治疗效果。
优化药物递送系统的一种方法是控制药物的释放速度，使药物能够在合适的时间和位置释放。
药物分子设计的名词解释
药物分子设计的名词解释药物分子设计，作为药物研发领域中的关键技术之一，旨在通过合理设计分子结构，改变生物分子的作用方式，以达到治疗疾病的目的。
本文将对药物分子设计的一些关键概念和相关技术进行解释。
第一部分：药物分子设计的基本概念1. 药物分子：药物分子是指具有治疗、改善或预防疾病的生物活性分子。
药物分子可以是天然产物，也可以是通过化学合成或生物工程等方法获得的。
2. 靶点：药物分子在体内发挥作用的是生物分子，被称为靶点。
靶点可以是蛋白质、核酸或其他生物大分子。
药物通过与靶点相互作用来发挥治疗效果。
3. 作用机制：药物与靶点的相互作用方式被称为作用机制。
常见的作用机制包括竞争性抑制、非竞争性抑制、激活等。
药物设计就是通过改变药物与靶点的相互作用方式来实现治疗效果。
第二部分：药物分子设计的方法和技术1. 分子模拟：分子模拟是一种通过计算机模拟药物分子与靶点的相互作用方式来优化药物设计的方法。
常用的分子模拟技术包括分子对接、药物动力学模拟等。
2. 三维药效团：三维药效团是指通过分析一系列已知的活性化合物与靶点的相互作用方式，确定出一组结构特征，并将其应用于药物分子设计的方法。
三维药效团可以为药物设计提供重要的指导信息。
3. 结构优化：结构优化是指通过改变分子结构的方式来优化药物的活性、选择性和药代动力学等性质。
常见的结构优化方法包括化学修饰、构效关系研究等。
第三部分：药物分子设计的应用案例1. 抗癌药物设计：药物分子设计在抗癌药物开发中发挥着重要作用。
通过理解癌症发生的分子机制，设计出能够干扰肿瘤细胞信号通路的药物分子，可以提高治疗效果并减少副作用。
2. 抗感染药物设计：抗感染药物设计是另一个重要的应用领域。
通过理解病原微生物与宿主的相互作用，设计出能够干扰病原微生物生存的药物分子，可以有效治疗感染性疾病。
3. 神经系统药物设计：神经系统药物设计是近年来的研究热点。
通过深入研究神经系统疾病的病因和分子机制，设计出能够干预神经系统功能的药物分子，可以有效治疗多种神经系统疾病。
生物制药技术中的药物递送系统与载体设计方法
生物制药技术中的药物递送系统与载体设计方法药物递送系统是生物制药技术中的重要组成部分，它是指将药物有效地输送到特定部位以发挥治疗效果的方法和载体设计。
在生物制药领域，药物递送系统的高效性和选择性对于提高药物疗效、减少副作用具有重要意义。
本文将介绍生物制药技术中的药物递送系统和载体设计方法。
药物递送系统主要包括纳米制剂、基因传递系统和脂质体等。
纳米制剂是一种利用纳米技术将药物封装在纳米粒子中的递送系统，其特点是具有较大的比表面积和优秀的靶向性，能够通过改变粒子的大小、形状和表面性质来调控药物释放和靶向递送。
基因传递系统则是通过将外源基因导入到人体细胞中以实现特定治疗效果的技术，包括病毒载体和非病毒载体两种。
脂质体是一种由脂质和药物组成的微粒，通过其高度生物相容性和生物可降解性，可有效地将药物输送到靶细胞并实现药物治疗效果。
药物递送系统的设计方法主要包括物理方法、化学方法和生物方法等。
物理方法主要包括共沉淀法、乳化法和溶剂挥发法等，通过控制工艺参数来调控纳米粒子的粒径和形态。
化学方法则通过改变载体的化学结构和表面性质来调控药物的释放和靶向递送。
例如，在制备脂质体时，可以通过改变脂质的链长和饱和度来调节药物的释放速率和靶向性。
生物方法包括生物合成方法和生物修饰方法。
生物合成方法利用生物体内的代谢途径合成载体或药物，例如利用细菌合成胰岛素和抗生素等。
生物修饰方法通过改变载体或药物的结构和性质，增强其稳定性和靶向性，例如将抗体与纳米粒子结合，实现靶向递送。
在药物递送系统的设计中，选择合适的载体也是非常重要的。
载体设计要考虑多方面因素，如药物的物化性质、药物的靶向递送需求以及载体的可降解性和稳定性等。
例如，在设计基因传递系统时，需要选择合适的病毒载体或非病毒载体，考虑载体对基因的保护能力和转染效率。
此外，为了提高载体的靶向递送能力，可以通过修饰载体表面或包裹靶向配体来实现。
例如，在纳米粒子的表面修饰中，可以将靶向配体与纳米粒子结合，实现对特定细胞的靶向递送。
生物医学技术与药物研发的比较
生物医学技术与药物研发的比较生物医学技术与药物研发的比较随着现代医学的不断发展，有关生物医学技术和药物研发的概念也越来越广为人知。
尽管这两者显然是不同的，但是它们之间存在着许多相似之处，也存在着一些差异。
在本篇文章中，我们将探讨生物医学技术和药物研发的比较，并深入了解它们的联系和分歧。
生物医学技术的定义和特点生物医学技术是指利用生物技术、医学科学和计算机科学等技术手段，通过研究、治疗和预防生物系统的功能和结构异常，来改善人类健康的技术。
从技术手段的角度看，生物医学技术主要包括生物传感、基因检测、细胞治疗、组织工程、纳米技术和智能医疗。
这些技术的应用可以有效地解决医学上的一系列问题，包括诊断、治疗、预防和监测。
从特点的角度来看，生物医学技术更加注重个性化治疗。
因为人类个体差异较大，而且人体生理功能是由多个因素相互作用组成的，生物医学技术可以更精确地测量和分析这些因素，从而对不同个体采取不同治疗方案。
此外，生物医学技术还可以有效地弥补传统医疗技术的不足，解决一些难以治疗的疾病，例如癌症、糖尿病、神经系统疾病等。
药物研发的定义和特点药物研发是指利用生物学、化学、医学和其他科学技术，研制、开发和商业化药物的过程。
药物研发一般分为药物发现、临床前研究和临床研究三个阶段。
在药物发现中，科学家会通过筛选、设计和合成化合物，找到适合治疗特定疾病的药物分子；在临床前研究中，研究人员会对药物进行体内外的评估和验证，以确定其毒性、药效、安全性等指标；在临床研究中，科学家会进行多期临床试验，验证药物在人体内的药效和安全性，最终获得药品批准上市。
从特点上来看，药物研发是一项需要长时间、高成本、高风险的工作。
研发一款新药品可能需要10年以上的时间，而且成功率较低，一般只有1%左右。
此外，新药品的研发成本也非常高，研发一款新药品需要数亿美元甚至千万美元以上的投入。
因此，药物研发需要强大的资金、技术和人才支持，而且行业竞争激烈，获得成功的机会十分有限。
药物设计的原理和方法
药物设计的原理和方法药物是指可以治疗疾病的化合物，药物的作用方式是通过与生物大分子相互作用来影响生物系统的功能。
然而，药物因其特异性和效应持续时间等特性而可能对生物系统产生负面影响。
因此，药物设计成为了将化学、生物学和物理学等学科知识综合运用的一个领域。
药物设计的原理药物设计的目标是合成有效而安全的化合物，以用于治疗疾病。
对于一种特定的疾病，可能需要设计多种药物并进行比较，以选择出最有效的药物。
药物的效果取决于药物与它所作用的靶标之间的相互作用。
因此，药物设计不仅要考虑药物的特性，还要考虑靶标的性质。
药物设计的一个基本原理是最优作用理论（Optimum effect theory）。
这个理论认为，在药物治疗中，药物和受体（或靶标）的结合应该遵循“最佳反应”的原则。
这意味着药物应该与靶标相互作用，但不应该对其他分子产生影响。
药物和靶标的相互作用是通过一系列物理和化学过程完成的。
因此，药物设计需要综合考虑分子结构、能量、热力学和动力学等多种因素。
药物设计的方法药物设计的方法有多种，包括传统方法和计算机辅助设计方法。
传统方法包括构建小分子库、分子变异（molecular variation）、受体片段分析（receptor fragment analysis）和高通量药物筛选等。
这些方法可以在无需计算机辅助的情况下进行，因此在早期的药物研发中广泛应用。
随着计算机技术的进步和高分子化学的发展，计算机辅助设计方法也成为了药物设计中不可或缺的一部分。
计算机辅助设计方法可以通过分子模拟和分子对接等技术预测分子间相互作用和性质，以指导实验室合成和测试的药物。
药物设计的一些常见计算机辅助方法包括分子动力学模拟（molecular dynamics simulation）、量子化学计算（quantum chemistry calculation）、分子对接（molecular docking）和分子机器学习（molecular machine learning）等。
生物药剂学和药动学及其给药方案设计
生物药剂学和药动学及其给药方案设计药动学（Pharmacokinetics）和药剂学（Pharmaceutics）是药物研究和开发中非常重要的两个学科领域。
药动学研究药物在体内的吸收、分布、代谢和排泄等动力学过程，而药剂学则研究如何设计合适的给药方案来确保药物的有效性和安全性。
一、药动学（Pharmacokinetics）药动学是研究药物在体内的动力学过程，可以帮助我们了解药物在体内的行为、代谢和效应，从而指导药物的使用和调整剂量。
1. 吸收（Absorption）药物的吸收过程指药物从给药部位进入体内的过程。
吸收速度和程度对药物的效果有重要影响。
药物可以通过口服、注射、吸入和贴皮等途径给予。
不同途径的给药会对药物的吸收产生不同影响。
2. 分布（Distribution）药物在体内的分布决定了药物分子在体内各个组织和器官的浓度。
药物的分布受到生理因素（如血流、通透性等）和药物本身的性质（如脂溶性、离子性等）的影响。
3. 代谢（Metabolism）药物在体内经过代谢会产生代谢产物或被转化为更活性或无活性的物质。
代谢过程主要发生在肝脏中，药物代谢的速度会影响药物的有效性和副作用。
4. 排泄（Excretion）药物从体内排出的主要途径有肾排泄、肝排泄和胆汁排泄等。
药物的排泄速度对药物在体内的滞留时间和剂量调整非常重要。
二、药剂学（Pharmaceutics）药剂学研究如何合理地设计药物制剂和给药方案，确保药物在体内的释放和分布符合治疗需要，并保证药物的稳定性和安全性。
1. 药物制剂设计药物制剂是指将活性药物与辅助成分混合制备成药物剂型的过程。
常见的药物剂型有片剂、胶囊、注射液等。
药剂学研究如何选择合适的成分、制备工艺和制剂形式，以提高药物的稳定性和生物利用度。
2. 给药途径选择给药途径的选择直接影响药物的吸收速度和程度。
药剂学研究不同给药途径的特点和适用条件，以便选择最佳的给药途径，提高药物的治疗效果。
药物研发中的新技术和新方法
药物研发领域一直在不断探索和应用新技术和新方法，以提高药物的研发效率和成功率。
以下是一些在药物研发中较为常见的新技术和新方法：
1. 基因组学和蛋白质组学：基因组学和蛋白质组学技术的发展使得研究人员能够更加深入地了解疾病的发生机制和药物作用靶点，从而有针对性地开展药物研发工作。
2. 体外筛选技术：高通量筛选技术（HTS）和细胞模型等体外筛选技术使得研究人员能够快速、高效地筛选出具有潜力的候选化合物，加快药物研发进程。
3. 组织工程和人工智能：组织工程技术可以构建更加真实的人体模型，以评估药物的安全性和有效性。
人工智能在药物研发中的应用也逐渐增多，如基于机器学习和大数据分析的药物设计和预测等方面。
4. 免疫细胞治疗和基因编辑：免疫细胞治疗通过改造患者自身的免疫细胞，增强其对疾病的识别和攻击能力，已经在某些肿瘤治疗中取得了突破性进展。
基因编辑技术（如CRISPR-Cas9）的应用也为药物研发带来了新的可能性。
5. 药物系统生物学：药物系统生物学研究通过整合多种层面的生物信息数据，揭示药物与生物体之间的相互作用网络，有助于深入理解药物的作用机制和副作用风险。
6. 数字化药物研发：数字化药物研发通过整合和分析大量的病患数据、基础科学数据和临床试验数据，以支持决策和优化药物设计过程，提高研发效率和成功率。
这些新技术和新方法的应用，不仅促进了药物研发的进展，也为个性化医疗和精准药物治疗提供了更多的可能性。
随着科技的不断进步，相信药物研发领域将继续涌现出更多具有创新性和颠覆性的技术和方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
➢ 在不同的模拟体系中，采用计算方法混合联用可以对不同时间 和空间的混合尺度进行模拟，但模拟的准确性是一大障碍。
➢ 虽然计算系统生物学方法还处于起步阶段，相应的理论及方法 模型还需逐步完善，且应用于药物发现的实例还很少。但我们 相信回归系统水平进行药物设计是未来药物研发领域的一大趋 势，而计算系统生物学作为从系统水平研究生物学过程的方法 必然会得到广泛的应用。
计算系统生物学是链接微观与宏 观的桥梁，为多靶标和基于网络
的药物设计提供了思路。
计算系统生物学网络模型和方法简介
网络模型
方法
文献 数据库
数据挖掘
合理分析
设计新的实验
网络拓扑结构
数
模
学
型
建
验
模
证
网络数学模型
生物系统建模过程示意图
基因调控网络
信号转导网络 蛋白质蛋白质 相互作用网络
代谢调控网络
布尔模型方法
Thank You！
• deterministic method
• stochastic method
布尔模型模建与分析方法
1.通过文献查阅和数据库搜索构建网 络拓扑 2.建立节点之间的逻辑关系（布尔函 数） 3.进行模型缩减（Network reduction ） 4.验证，改进模型 5.定性的数值分析：
➢寻找关键节点 ➢寻找系统稳定状态 （attractors） ➢模拟扰动分析 ➢核心调控元件查找 ➢临界状态分析
➢ 节点将相互作用有方 向性，作用可以是激活 或抑制，方式可以是直 接的或间接的，在间接 的作用方式中可以加入 Pseu络
通过蛋白质相互作用(protein-protein interactions,PPIs)的网络分析揭示细胞活动 的功能是生命科学的重要研究内容。
➢节点酶
小分子
➢ 反应方向可以是单向的，也可 以是双向的。
系统生物学模建方法
计算系统生物学的核心内容就是 通过数学模型去模拟生物体复杂 的生物学过程，并在合理的模型 基础上对某些扰动下的生物学反 应做出预测。一种理想的形式化 建模方法，应该满足以下标准：
➢ 整合性，即建模方法应尽可能描
述系统内的所有进程；
布尔模型方法应用
布尔模型作为定性模型，适合用粗粒的网络构建。可用于基 因调控网络，信号转到网络，以及各种网络间的整合
优势：
➢不需要动力学参数，确定好网络的拓扑结构后就可直接进行分析 ➢能定性的反应出网络中的关键节点
缺点：
➢没有考虑动态过程，不能反应底物浓度随时间的变化 ➢没有考虑不同酶催化能力的不同
常微分方程 (ODEs) 其他方法
混合模型方法
网络模型：基因调控网络
基因调控网络(genetic regulatory networks, GRNs)是DNA、转录因子、RNA、蛋白 质及相关小分子相互作用的复杂系统，并与代谢网络及信号转导网络等相关。
GRNs是连续的多层次动力系 统的模型，具有一下特征 ➢网络结构复杂 ➢ 网络结构变化 ➢相互作用类型多变 ➢节点类型多样 ➢节点状态变化 ➢有向循环结构
计算系统生物学的重要意义
药物研发的历史变迁
新药研发速度 步履缓慢
基于单靶标的药物设计
➢更高的通量 ➢更低的成本
计算系统生物学的重要意义
冗余性（Redundancy） 多态性（Diversity） 稳健性（Robustness） 顺应性（Resilience）
单靶标疾病只 占一小部分
单一靶标的药 物设计缺少对 系统层面的认 识
计算系统生物学在药物设计中的应用
系统生物学方法为我们提供了这样一种工具 ➢连接分子水平与整体水平的桥梁
将药物发现回归到整体，系统的水平
➢ 基于信号通路的药物发现 ➢ 基于网络的药物发现 ➢ 多靶标药物发现 ➢…
用于靶标的发现和药物毒副作用的预测
计算系统生物学发展趋势及面临的挑战
➢ 通过运用系统生物学的方法，可以考虑药物靶标在体内所处的 环境（Context）
其他
布尔模型基本概念
布尔模型（Boolean Model)
是一种离散动态网络模型（discrete dynamics
models)
➢状态
开（On） 关（Off）
有向图：
G = (V, E)
➢逻辑运算符
与 （AND） 或 ( OR) 非 （NOT）
布尔函数
➢每个节点的状态更新方法
同步更新（Synchronous） 非同步更新（Asynchronous）
计算系统生物学网络模型、方法及 在药物设计中的应用
纲要
计算系统生物学的发展史 计算系统生物学的重要意义 计算系统生物学网络模型和方法简介 计算系统生物学在靶标发现和药物设计中的应用 计算系统生物学发展趋势及面临的挑战
计算系统生物学的发展史
系统生物学
20世纪末，在
➢ 基因组学 ➢ 蛋白组学 ➢ 代谢组学 ➢ 数学建模 ➢ 计算机模拟
➢直观性，系统生物学是一个多学科 交叉领域，为了易于学科间的交流， 计算模型应以直观的形式描述系统的 行为；
➢可扩展性，随着实验和计算水平的 进步，人们对于生物系统行为的认识 不断加深，生物模型也需要不断的修 饰或与其他模型整合，建模方法须满 足这一要求。
非定量模型
➢ 布尔模型（Boolean Model） ➢ 贝叶斯模型 （Bayesian Model)
基础上发展起来的研究生物系统组成成分的构成与相互关系的 结构、动态与发生，以系统论和实验、计算方法整合研究为特 征的生物学。
计算系统生物学概念
计算系统生物学 系统生物学的核心部分
➢ 计算系统生物学与计算生物学及生物信息学等紧密 结合，且更加关注建模方法、分析工具和软件系统 等在系统生物学中的应用，其目的在于开发和运用 更有效的数据整合方法和软件工具，使得生物学从 实验水平上的描述性学科转为理论水平上的可预测 性学科。
定量模型
• 确定性模型（Deterministic Model）
分子数较多，浓度可以用线性函数表示
➢ 简单溶液模型：常微分方程（ODEs） ➢ 房室模型： 常微分方程（ODEs） ➢ 反应-扩散模型：偏微分方程（PDEs）
• 随机模型（Stochastic Model）
分子数少，过程非连续 ➢ 蒙特卡洛方法等
➢节点：蛋白质 ➢存在巨大的冗余性 ➢最为复杂 ➢噪音大 ➢无向网络，节点和边表示蛋 白质及其相互作用关。
网络模型：代谢调控网络
代谢调控网络（metabolic networks）是由生物体内的各种代谢物、辅因子或酶 参与的复杂的生化反应网络。
➢代谢调控网络同时也是计算系 统生物学中研究最多、应用最为 成熟的网络模型。近些年发展的 高通量代谢组学方法，为建立大 规模的代谢调控网络模型提供了 技术基础。
常微分方程网络模型（ODEs)
数学模型
Mass Action Kinetics简单速率模型
常微分方程（ODEs)
米氏方程（Michaelis-Menten equation）速率模型
花生四烯酸代谢网络模型
计算模拟结果与试验数据一致 说明模型的合理性
常微分方程（ODEs)模型方法应用
常微分方程（ODEs)模型作为定量模型，适用于构建细粒的 网络模型。常用于代谢网络及信号转到网络的构建。
简单基因网络结构示意图
网络模型：信号转导网络
细胞信号转导网络（cellular signaling networks）是指细胞表面受体接受外界信号刺 激后，通过一系列级联反应将胞外信号转化为胞内信号，最终诱导基因表达等细胞应 答反应的过程。
➢节点可以是蛋白酶、 代谢物小分子、脂类分 子、第二信使、多肽、 受体等
优势：
➢能够定量反映代谢物浓度随时间的动态变化 ➢计算数值具有直接生物意义，便于直接生物验证 ➢方便进行节点扰动
缺点：
➢参数众多，难以寻找 ➢计算复杂，不适宜分析大规模网络
系统生物学模建的其他方法
➢Petri Net ➢细胞自动化模型（Cellular automata) ➢基于代理的模型 (Agent-based model) ➢混合模型(Mixed model)