Es una perspectiva, y en mi opinión, una válida, especialmente teniendo en cuenta que muchos documentos de biología de sistemas son volcados de datos gigantescos e inútiles (diría que una ligera mayoría).
El campo está madurando y he visto algunos documentos de biología de sistemas realmente buenos que rompen el molde. Desde mi punto de vista, necesitas:
- Reconocer las limitaciones de algunas investigaciones como construcción de bases de datos.
- Utilice esas bases de datos para la minería de datos (en el sentido más figurativo, es decir, encontrar pequeños patrones dentro de la imagen más grande)
- Responda preguntas que no podría tener con la biología tradicional de un solo gen. Una vez más, un buen ejemplo es la minería de datos. Pero también he visto algunos buenos estudios de agrupamiento. Una fortaleza clave de estos es que están basados en hipótesis .
- Valide sus hallazgos o busque apoyo independiente. ¡Esto generalmente se hace con la biología tradicional de un solo gen! Probablemente el mayor fracaso de mucha investigación. Están plagados de diseño y estadísticas mediocres y están llenos de falsos positivos sin clasificar.
- ¿Por qué el plegamiento de proteínas es una operación informática tan costosa?
- ¿Por qué la replicación celular pierde precisión y acumula errores con las repeticiones?
- ¿No van los cambios epigenéticos contra el dogma central?
- ¿Por qué algunos plásmidos producen dobletes de proteínas en geles de SDS-poliacrilamida cuando se expresan in vitro usando lisados de reticulocitos de conejo?
- ¿Qué ocurre durante la transcripción y traducción?
