Global quantitative biology can illuminate ontological connections between diseases

Abstract

Owing to its interdisciplinary nature, quantitative biology is playing ever-increasing roles in biological researches. To make quantitative biology even more powerful, it is important to develop a holistic perspective by integrating information from multiple biological levels and by considering related biocomplexity simultaneously. Using complex diseases as an example, I show in this paper how their ontological connections can be revealed by considering the diseases on a common ground. The obtained insights may be useful to the prediction and treatment of the diseases. Although the example involves only with cancer and diabetes, the approaches are applicable to the study of other diseases, or even to other biological problems.

Graphical abstract

Keywords

quantitative biology / disease modeling / systems biology / nonlinear dynamics

References

[1] Guan, L., Yang,  Q., Gu, M. ,  Chen, L.  and  Zhang, X.  (2014) Exon expression qtl (eeqtl) analysis highlights distant genomic variations associated with splicing regulation. Quant. Biol., 2, 71–79

[2] Chen, L., Liu,  R., Liu, Z.-P. ,  Li, M. and Aihara, K. (2012) Detecting early-warning signals for sudden deterioration of complex diseases by dynamical network biomarkers. Sci. Rep., 2, 342

[3] Servedio, M. R. ,  Brandvain, Y. ,  Dhole, S. ,  Fitzpatrick, C. L. ,  Goldberg, E. E. ,  Stern, C. A. ,  Van Cleve, J.  &  Yeh, D. J.  (2014) Not just a theory—the utility of mathematical models in evolutionary biology. PLoS. Biol.,  12, e1002017 

[4] Nagel, E. and Hawkins,  D. (1961) The structure of science. Am. J. Phys., 29, 716

[5] Bruggeman, F. J. ,  Westerhoff, H. V.  and  Boogerd, F. C.  (2002) Biocomplexity: a pluralist research strategy is necessary for a mechanistic explanation of the “live” state. Philos. Psychol., 15, 411–440

[6] Bergman, M. (2013) Pathophysiology of prediabetes and treatment implications for the prevention of type 2 diabetes mellitus. Endocrine, 43, 504–513

[7] Smyth, S. and Heron,  A. (2006) Diabetes and obesity: the twin epidemics. Nat. Med., 12, 75–80

[8] Mukherjee, S. (2010) The Emperor of All Maladies: a Biography of Cancer. New York: Scribner

[9] Giovannucci, E., Harlan,  D. M., Archer, M. C. ,  Bergenstal, R. M. ,  Gapstur, S. M. ,  Habel, L. A. ,  Pollak, M. ,  Regensteiner, J. G.  and  Yee, D.  (2010) Diabetes and cancer: a consensus report. CA Cancer J. Clin., 60, 207–221

[10] Pischon, T., Nöthlings,  U. and Boeing, H.  (2008) Obesity and cancer. Proc. Nutr. Soc., 67, 128–145

[11] Hsu, I. R., Kim,  S. P., Kabir, M.  and  Bergman, R. N.  (2007) Metabolic syndrome, hyperinsulinemia, and cancer. Am. J. Clin. Nutr., 86, s867–s871

[12] Larsson, S. C. ,  Mantzoros, C. S.  and  Wolk, A.  (2007) Diabetes mellitus and risk of breast cancer: a meta-analysis. Int. J. Cancer, 121, 856– 862

[13] Engelman, J. A. ,  Luo, J.  and  Cantley, L. C.  (2006) The evolution of phosphatidylinositol 3-kinases as regulators of growth and metabolism. Nat. Rev. Genet., 7, 606–619

[14] Liao, Y. and Hung,  M.-C. (2010) Physiological regulation of Akt activity and stability. Am. J. Transl. Res., 2, 19–42

[15] Li, T. &Wang,  G. (2014) Computer-aided targeting of the PI3K/Akt/mTOR pathway: toxicity reduction and therapeutic opportunities. Int. J. Mol. Sci., 15, 18856–18891

[16] Zoncu, R., Efeyan,  A. and Sabatini, D. M.  (2011) mTOR: from growth signal integration to cancer, diabetes and ageing. Nat. Rev. Mol. Cell Biol., 12, 21–35

[17] Wang, G. (2010) Singularity analysis of the AKT signaling pathway reveals connections between cancer and metabolic diseases. Phys. Biol.  7, 046015

[18] Arnold, V. (1986) Catastrophe Theory.Berlin: Springer-Verlag

[19] Golubitsky, M. and Schaeffer, D. G.  (1985) Singularities and Groups in Bifurcation Theory. New York: Springer-Verlag

[20] Liu, R., Aihara,  K. and Chen, L.  (2013) Dynamical network biomarkers for identifying critical transitions and their driving networks of biologic processes. Quant. Biol., 1, 105–114

[21] Liu, R., Chen,  P., Aihara, K.  &  Chen, L.  (2015) Identifying early-warning signals of critical transitions with strong noise by dynamical network markers. Sci. Rep.,  5, 17501 

[22] Hong, S. Y., Yu,  F.-X., Luo, Y.  and  Hagen, T.  (2016) Oncogenic activation of the PI3K/Akt pathway promotes cellular glucose uptake by downregulating the expression of thioredoxin-interacting protein. Cell. Signal., 28, 377–383

[23] Zhu, X., Song,  Y., Wu, C. ,  Pan, C. ,  Lu, P., Wang,  M., Zheng, P. ,  Huo, R. ,  Zhang, C. ,  Li, W. (2016) Cyr61 participates in the pathogenesis of acute lymphoblastic leukemia by enhancing cellular survival via the Akt/NFB signaling pathway. Sci. Rep.,  6, 34018 

[24] Wang, H., Fan,  L., Wei, J. ,  Weng, Y. ,  Zhou, L. ,  Shi, Y. ,  Zhou, W. ,  Ma, D. &  Wang, C.  (2012) Akt mediates metastasis-associated gene 1 (MTA1) regulating the expression of E-cadherin and promoting the invasiveness of prostate cancer cells. PloS One  7, e46888 

[25] Tyson, J. J., Albert,  R., Goldbeter, A. ,  Ruoff, P.  and  Sible, J.  (2008) Biological switches and clocks. J. R. Soc. Interface, 5, S1–S8

[26] Xiong, W. and Ferrell,  J. E. Jr. (2003) A positive-feedback-based bistable “memory module” that governs a cell fate decision. Nature, 426, 460–465

[27] Tsai, T. Y.-C. ,  Choi, Y. S. ,  Ma, W., Pomerening,  J. R., Tang, C.  and  Ferrell, J. E.  Jr. (2008) Robust, tunable biological oscillations from interlinked positive and negative feedback loops. Science, 321, 126–129

[28] Wang, G. (2012) Optimal homeostasis necessitates bistable control. J. R. Soc. Interface, 9, 2723–2734

[29] Tzu, L. (1972) Tao De Ching, translated by Feng, G. and English, J.New York: Vintage (Original work published CA. 350–250 BC)

[30] Meng, H. and Wang,  Y. (2015) Cis-acting regulatory elements: from random screening to quantitative design. Quant. Biol., 3, 107–114

[31] Zhou, T. and Liu,  T. (2015) Quantitative analysis of gene expression systems. Quant. Biol., 3, 168–181

[32] Cui, H., Li,  Y. and Zhang, X.  (2016) An overview of major metagenomic studies on human microbiomes in health and disease. Quant. Biol., 4, 192–206

[33] Li, R., Chen,  T. and Li, S.  (2015) Network-based method to infer the contributions of proteins to the etiology of drug side effects. Quant. Biol., 3, 124–134

[34] Li, S. (2016) Exploring traditional chinese medicine by a novel therapeutic concept of network target. Chin. J. Integr. Med., 22, 647–652

[35] Tengholm, A., Teruel,  M. N. and Meyer, T.  (2003) Single cell imaging of PI3K activity and glucose transporter insertion into the plasma membrane by dual color evanescent wave microscopy. Sci. STKE, 2003, pl4160;

[36] Sato, M. (2006) Imaging molecular events in single living cells. Anal. Bioanal. Chem., 386, 435–443

RIGHTS & PERMISSIONS

Higher Education Press and Springer-Verlag Berlin Heidelberg