h1

000775112 001__ 775112
000775112 005__ 20250821150538.0
000775112 0247_ $$2HBZ$$aHT020325377
000775112 0247_ $$2Laufende Nummer$$a38821
000775112 0247_ $$2datacite_doi$$a10.18154/RWTH-2019-11989
000775112 037__ $$aRWTH-2019-11989
000775112 041__ $$aEnglish
000775112 082__ $$a620
000775112 1001_ $$0P:(DE-588)1202454550$$aKrishnan, Jeyashree$$b0$$urwth
000775112 245__ $$aModeling and simulation of complex networks in systems biology$$cvorgelegt von Jeyashree Krishnan$$honline
000775112 246_3 $$aModellierung und Simulation Komplexer Netzwerke in der Systembiologie$$yGerman
000775112 260__ $$aAachen$$c2019
000775112 260__ $$c2020
000775112 300__ $$a1 Online-Ressource (212 Seiten) : Illustrationen
000775112 3367_ $$02$$2EndNote$$aThesis
000775112 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
000775112 3367_ $$2BibTeX$$aPHDTHESIS
000775112 3367_ $$2DRIVER$$adoctoralThesis
000775112 3367_ $$2DataCite$$aOutput Types/Dissertation
000775112 3367_ $$2ORCID$$aDISSERTATION
000775112 502__ $$aDissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2019$$bDissertation$$cRheinisch-Westfälische Technische Hochschule Aachen$$d2019$$gFak04$$o2019-12-16
000775112 500__ $$aVeröffentlicht auf dem Publikationsserver der RWTH Aachen University 2020
000775112 5203_ $$aDas zentrale Ziel der System Biologie ist das Verständnis darüber, wie individuelle Komponenten eines biologischen Systems miteinander interagieren, um neues emergentes Verhalten des Systems hervorzubringen. Die Entstehung von Krankheits- Phänotypen in biologischen Zellen wird von Aktivitätsmustern gesteuert, die aus der Interaktion von tausenden molekularen Instanzen, wie zum Beispiel Genen oder Proteinen, entstehen. Jedes Netzwerk einer bestimmten molekularen Instanz interagiert dabei mit den Netzwerken anderer Instanzen, wobei die Details der funktionellen Wechselwirkung der verschiedenen Moleküle über die vielen Skalen hinweg noch nicht vollständig bekannt sind. Trotzdem wurden im Kontext der Netzwerk-Biologie bereits generische Organisations-Strukturen aufgedeckt, die bei der Interaktion von Netzwerken von ähnlichen Instanzen über die biologischen Skalen hinaus gelten. Unter dem Aspekt der Systemtheorie können lebende Zellen als offene Systeme in einem Quasi-Steady-State Gleichgewicht charakterisiert werden, die in einem kontinuierlichen Austausch mit ihrer Umwelt stehen. Folglich wird angenommen, dass die Übertragung von Rechenmethoden, die in der Vergangenheit bereits erfolgreich in der statistischen Thermodynamik angewendet wurden, um die Entstehung von Mustern in nicht-lebenden Systemen als Phasenübergänge zu analysieren, dabei helfen kann, neue Erkenntnisse über lebende, biologische Systeme zu erhalten. Im Gegensatz zu den komplexen Interaktions-Netzwerken in der Physik, sind biologische Netzwerke jedoch durch eine skalenfreie Netzwerk-Struktur geprägt. Daher sind die Rechenmethoden der Festkörper-Physik, die auf Invarianten wie Translationsinvarianz, Periodizität, oder Symmetrie basieren, nicht direkt auf biologische Systeme übertragbar. Zusätzlich ist die Netzwerkgröße biologischer Systeme mit $$$lger
000775112 520__ $$aThe central question of systems biology is to understand how individual components of a biological system engage in novel behavior and produce unique phenomena with the system itself constraining the components. The evolution of disease-related phenotypes in biological cells is driven by emerging patterns arising from the mutual interactions of thousands of molecular entities of a similar type, such as genes or proteins. Each network of entities interact with the respective networks of other entities, where the nature of the detailed interaction across these multiple levels of molecular functionalities is not known. Nevertheless, network biology reveals generic organizational structures within the interaction networks of similar entities across the functional level. Moreover, in terms of systems theory, living cells are open systems in quasi-steady state type equilibrium in continuous exchange with their environment. Hence, it has been hypothesized that the translation of computational techniques that have been successfully applied in statistical thermodynamics in order to describe the evolution of emerging patterns as phase transitions in non-living systems may provide new insights to emerging behavior of biological systems. However, in contrast to complex interaction networks in physics, the topology of biological interaction networks is characterized by almost scale-free network topologies. Therefore, computational techniques in solid state physics requiring invariance groups in the interaction network topology, e.g. translational invariance, periodicities or symmetries, are not directly applicable to biological systems. Moreover, the size of the biological networks($$leng
000775112 536__ $$0G:(GEPRIS)24613455$$aGSC 111:  Aachen Institute for Advanced Study in Computational Engineering Science (AICES) (24613455)$$c24613455$$x0
000775112 588__ $$aDataset connected to Lobid/HBZ
000775112 591__ $$aGermany
000775112 653_7 $$acomplex networks
000775112 653_7 $$astatistical physics
000775112 653_7 $$asystems biology
000775112 7001_ $$0P:(DE-82)IDM07093$$aSchuppert, Andreas$$b1$$eThesis advisor$$urwth
000775112 7001_ $$0P:(DE-82)IDM00054$$aHonerkamp, Carsten$$b2$$eThesis advisor$$urwth
000775112 8564_ $$uhttps://publications.rwth-aachen.de/record/775112/files/775112.pdf$$yOpenAccess
000775112 8564_ $$uhttps://publications.rwth-aachen.de/record/775112/files/775112_source.zip$$yRestricted
000775112 8564_ $$uhttps://publications.rwth-aachen.de/record/775112/files/775112.gif?subformat=icon$$xicon$$yOpenAccess
000775112 8564_ $$uhttps://publications.rwth-aachen.de/record/775112/files/775112.jpg?subformat=icon-1440$$xicon-1440$$yOpenAccess
000775112 8564_ $$uhttps://publications.rwth-aachen.de/record/775112/files/775112.jpg?subformat=icon-180$$xicon-180$$yOpenAccess
000775112 8564_ $$uhttps://publications.rwth-aachen.de/record/775112/files/775112.jpg?subformat=icon-640$$xicon-640$$yOpenAccess
000775112 8564_ $$uhttps://publications.rwth-aachen.de/record/775112/files/775112.jpg?subformat=icon-700$$xicon-700$$yOpenAccess
000775112 909CO $$ooai:publications.rwth-aachen.de:775112$$pVDB$$pdnbdelivery$$pdriver$$popen_access$$popenaire
000775112 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
000775112 9141_ $$y2019
000775112 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-588)1202454550$$aRWTH Aachen$$b0$$kRWTH
000775112 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)026317$$aRWTH Aachen$$b1$$kRWTH
000775112 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM00054$$aRWTH Aachen$$b2$$kRWTH
000775112 9201_ $$0I:(DE-82)530000-4_20190813$$k530000-4$$lInstitut und Lehrstuhl für Computational Biomedicine II$$x0
000775112 9201_ $$0I:(DE-82)080003_20140620$$k080003$$lAachen Institute for Advanced Study in C$$x1
000775112 9201_ $$0I:(DE-82)400000_20140620$$k400000$$lFakultät für Maschinenwesen$$x2
000775112 961__ $$c2020-01-21T09:14:10.886294$$x2019-12-18T14:50:20.766856$$z2020-01-21T09:14:10.886294
000775112 9801_ $$aFullTexts
000775112 980__ $$aI:(DE-82)080003_20140620
000775112 980__ $$aI:(DE-82)400000_20140620
000775112 980__ $$aI:(DE-82)530000-4_20190813
000775112 980__ $$aUNRESTRICTED
000775112 980__ $$aVDB
000775112 980__ $$aphd