系统和合成生物学哲学（完结）

但是，他们还涉及关于我们预测和控制生活系统“自下而上”的能力的原则局限性的本体论问题（Bassingthwaighte等，2009; Green 2018; Noble 2012; Moreno和Suárez2020）。 大规模建模项目，如虚拟小区，物理学项目和虚拟生理人类提供令人兴奋的哲学分析哲学分析与参数化和验证复杂模型相关的前景和挑战（Carusi等，2012; Carusi 2014; Hunter等人。2013）。 最终，这些项目可能会推动生命科学中预测和控制的边界，或者可能会揭示生物复杂性的更深层次的挑战。

4.2解释性多元化

系统生物学还为科学解释的讨论带来了新的见解。 特别是，网络分析系统生物学有进一步引发了浅谈的角色的数学的抽象，以确定组织的功能，反事实的依赖关系，并泛化方面的生物系统。 对数学建模的不同学科投入和重点的整合使系统生物学成为讨论机械账户是否能够充分捕捉当代生物学中的解释性实践的多样性的特别有趣的案例。

机械账户最初强调了分子生物学中涵盖物理学和解释的解释性理想的差异（蔓越，2015年）。 机械解释引用了各组件或实体的互动和组织如何产生生物学功能（Bechtel＆Richardson 1993; Machamer等，2000;格伦南2002）。 由于系统生物学的研究通常与分子和细胞生物学的研究相结合，因此有些人认为，系统生物学中的许多情况可以容易地被视为机械研究的延伸（Boogerd等，2013; Richardson＆Stephan 2007）。 但虽然抽象建模与机械研究兼容，但它是一个有争议的问题，无论是针对从机械解释不同的研究旨在开发的抽象模型。 虽然一些抗争议，数学模型主要被用作机械解释的输入或启发式，即作为机械模式（Darden 2002; Matthiessen 2015），其他人解释了对定量和动态方面的重点从机械解释出发。 支持后者的一个论点是，建模过程没有从抽象到更详细的模型，而是在相反的方向上，表明机械细节可能是用于更多通用解释的车辆而不是其他方式（Braillard 2010; Serban＆Green 2020）。 第二个论点是指难以从抽象数学模型重建因果故事（Issad＆Maloterre 2015）。 因此，系统生物学也可能提供非机械解释的案例。

拓扑或结构解释强调网络架构如何仿制地确定动态行为，独立于网络的因果细节（Huneman 2010;Kostić2020;Kostić等，2020;Suárez＆Deulofeu 2019）。 已经争论了生物健壮性的网络结构的数学分析，以举例说明这种解释性目标（琼斯2014）。 另一种类型的非机械解释是WOUTERS（2007）呼叫设计解释，在比较生理学的背景下首先概述。 设计说明没有描述如何产生生物学功能，而是澄清为什么存在给定的设计（而不是替代设计）。 他们通过指向可能的设计的限制来实现，使一些设计有益，一些次优，以及其他不可能的设计。 系统生物学的设计解释的相关性符合指定功能能力（例如，鲁棒性）和系统组织（例如，积分反馈控制）的关系的兴趣，这些原则无关的设计原则，这些原则是独立于特定实施的特定上下文（Braillard 2010; Boogerd 2017，另见Systems Biology的候选示例的Shinar＆Feinberg 2011。 设计解释突出显示出类似于电池和米（2014年）呼叫最小模型解释的解释性特征（参见2015年的总体）。 这些解释性账户被解释为基于约束的解释（绿色和琼斯2016）的品种，因为它们以机械细节为代价优先考虑身体和正式的限制。 除了突出显示认知目标的差异，一些账户还为不同的解释策略提供了一个本体理由，即，更高级别现象的特点是，在较低层次的机制细节中的功能丧失和自主权的特征是（BALKMAN和绿色2021; Moreno和Suárez2020）。

另一种方法是考虑系统生物学中的解释，作为不同类型解释的合并。 一些账户突出了不同解释目标的兼容性，以多元化的生物解释方法（Brigandt等，2018; Mekios 2015）。 澄清兼容性的一种方法是不同的方法突出了本构造方面或因果方面（Fagan 2015）。 区分这些可能有助于确定网络动态的因果机制建模和数学分析的明显贡献。 然而，因果关系通常在机械账户中优先考虑，而Fagan（2015）建议联合叙述协作解释，这些解释结合了空间组织的描述和系统中的因果关系。 越来越依赖于系统生物学的正式建模，还呼吁审查数学和机械解释之间的关系（Baker 2005; Brigandt 2013; Mekios 2015）。 有些人认为，需要更新的动态机制解释，突出了数学和计算建模的重要性，以了解非线性动态，循环组织和复杂反馈关系（Bechtel＆Abrahamsen 2011,2012; Brigandt 2013）。 在这种情况下，理想化模型对于了解更大的网络结构中的机制组织（Bechtel 2015B; Levy＆Bechtel 2013; Van Eck＆Wright 2021）。[8]

虽然大多数或许是大多数系统生物学的哲学工作都集中于解释，但是一个人不能认为解释是系统生物学研究的唯一目的（Macleod＆Nersessian 2015; Kastenhofer 2013a，b）。 设计原理不仅可以解释生物学功能如何实现，而且还允许探索相同功能是否可以以其他或更简单的方式实现（Breat等，2016）。 因此，合成和系统生物学还呼吁哲学家检查其他认知目标，例如预测，控制和设计，以及理论和实践兴趣，以了解生物功能和生命本身的最小要求。

5.社会和社会影响

5.1跨学科一体化，协作和教育

大规模的跨学科合作越来越强调为解决现代科学与社会的大挑战（vermeulen 2010; Calvert 2010;安德森2016）的必要要求。 跨学科是系统和合成生物学的标志，两种方法都提供了跨学科整合的认识特征的丰富来源（O'Malley＆Soyer 2012），跨学科身份（Calvert 2012年），以及跨不同大学的大规模合作（Calvert和Frow 2015;对于大型项目的例子，请参阅下面的Internet资源列表）。

研究跨学科整合的前景和挑战还为跨学科问题解决的认知过程提供了一个窗口，其中研究不能依赖一个理论框架（Macleod＆Nersessian 2013a，b）。 通过这个过程，在当代科学中运作的不同的认知理想往往是显而易见的。 在结合不同的概念框架可以导致创新和科学进步的同时，不同的认知文化的存在也可以对跨学科合作构成挑战（Calvert＆Fujimura 2011; Carusi 2011; Kastenhofer 2007）。 已经提出了哲学分析，以帮助促进在遭受认识标准冲突的情况下的合作。 科学哲学可以帮助阐明这些差异和背景的差异，并考虑其他学科的目标，价值观，限制和挑战（Nersessian 2017）。

通常突出的一个划分是实验生物学家和建模者之间的差距，具有工程，数学或物理学的背景。 在系统生物学中建模与实验主义者的合作的实证分析表明，这两组通常对哪些数据和模型具有不同的看法，这些数据和模型是最相关的（Joaquium等，2019; Nersessian 2017; Rowbottom 2011）。 例如，建模者可能对研究与实验生物学家相同的细节水平的生物系统可能并无感兴趣，实验主义者可能会发现受物理或工程误导的高度抽象和理想的模型（MacLeod 2018）。 从工程师或物理学家的角度来看，具有分子细节的关注涉及可以使用更多通用模型捕获的动态模式的风险，而实验主义者可能会发现这种通用模型往往缺乏特异性或仅仅重现当前的生物学知识。 这些差异部分可以部分地以不同的解释标准进行地面，如第4.2节（Fagan 2016; Green et al.2015A）。

制定解释性标准和价值观更明确，并澄清不同研究策略的相对前景和局限，是科学哲学可以为科学和科学教育做出贡献的方式。 与此同时，合成和系统生物学的协作实践可能会呼吁延长哲学分析的范围。 虽然传统上，传统上的哲学家专注于科学文本的逻辑和争议关系，但了解系统和合成生物学的合作实践可能进一步要求探索科学实践的审美，认知和创造性的维度（Carusi 2011; Ginsberg等人。2015）。 重要的问题是通过图表，热地图，网络模型或国家空间如何影响生物学推理和协作的生物数据的选择性的重要问题，以及如何影响生物学推理和协作（Abrahamsen＆Bechtel 2015; Carusi 2012; Jones＆Wolkenhauer 2012）。

5.2数字时代的生物学

在21世纪的系统生物学和合成生物学的出现在很大程度上，通过开发生产，数字化，收集，传播，传播和标准化数据的技术和策略驱动。 这些研究实践中的第一步通常是咨询用于数据共享，数据集成，注释和实验数据集的数据共享，数据集成，注释和策序的生物本体（Leonelli 2016）。 例如，根据从数据库RegendBB的数据以及其他来源的数据，从网络模型的开发开始，开始开发网络图案（第1.1.1节）（第1.1.1节）开始（Shen-Orr等人。2002）。 已经开发了众多数据库，生物本体和软件工具，强调了开放数据和大规模协作努力的理想（Leonelli 2013）。 这些做法提出了系统和合成生物学中的一些项目的问题可以被描述为“大学”（verceulen 2010），以及数据密集型研究实践和合作的认识和社会影响。

一项讨论的问题是大数据的大部分会从根本上变化或甚至彻底改变科学方法，将重点转移到假设驱动的询问到数据驱动的发现（Mazzocchi 2015）。 然而，有些人看到了数据密集型策略作为一种无论是无论无论是无论无论的方法（艾伦2001），其他人认为理论表现出不同，虽然不太重要，在数据密集型科学中的角色（Leonelli 2016）。 特别是，大数据生物学为消除推论和探索性实验提供了新的机会（Ratti 2015）。 此外，由于生物本体的目的是为共享信息提供标准化语言和存储库，因此有关词汇和分类的选择成为重要的哲学主题，包括标准化是否与本地数据使用兼容（Leonelli 2016）。 重要的哲学问题包括如何选择收集，采样，标准化，可视化和数据的解释影响分析结果。 具体地，诸如GWA的相关的基于相关的方法的结果对采样程序和特定的统计阈值敏感，遗传生物标志物的临床有效性和效用是争论的问题（例如，嘿2015; Maher 2008; maher 2008;麦克弗森和Tybjaerg-Hansen 2016）。

最后，数据密集型做法也对机构组织的影响有影响，如一方面的开放式访问和另一方面的商业利益（Calvert＆Frower 2015; Kastenhofer 2013a，B; Leonelli 2013，2014年; 2012年皇家学会; vermeulen 2011）。 经常在没有特定目标的情况下生产和编译数据，并为多种用途使用并重用，学者强调需要重新考虑数据和证据之间的关系，基本和应用科学之间的关系。 此外，作为数据变更所有权的背景，还需要重新考虑作者和学分的奖励系统（Ankeny＆Leonelli 2015）。

5.3申请和道德问题

预计系统生物学和合成生物学将有助于解决生物医学研究，医疗保健和环境资源管理的收益的社会挑战。 在提供新的令人兴奋的潜力的同时，还提出了新技术科学战略的社会和道德影响的担忧。

系统医学，系统生物学的医学应用，旨在对癌症和心脏状况如癌症和心脏病等复杂疾病的重大突破（voit＆Brigham 2008; Wolkenhauer等。2013）。 系统生物学中的雄心勃勃的项目，如虚拟生理人体提高有关计算建模如何影响未来生物医学研究的兴趣问题（Kohl＆Noble 2009; Kolodkin等人2011; Hunter等，2013）。 多尺度心脏模型已经开发出具有重要意义，可能有可能解决生理变异性，以及模型验证的哲学讨论以及实验与模拟之间的关系（Carusi等，2012; Carusi 2014）。

系统和合成生物学的发展鼓励哲学家重新审视传统疾病患者作为功能失调状态（2013年，2014年的Holm 2013,2014）或破碎的机制（总计2011年）。 而不是专注于特定基因或分子机制的功能或功能障碍，疾病的网络方法可能表明疾病的疾病涉及越来越多的综合进程（Del Sol等，2010; Huang等，2009）。 癌症研究是系统生物学研究的主要优先事项，并列举了可能需要数据密集方法以解决生物复杂性的领域（Plutynski 2021）。 癌症基因组学的发育揭示了肿瘤类型的惊人多样性，这表明可能需要更细粒性疾病类别和更具靶向治疗。 这一研究系列开辟了新的研究场所，例如通过基因组分析鉴定的多种疾病相关途径的多动作补救措施的发展。 然而，在序列肿瘤中发现的发现的多样性也导致了对癌细胞的行为和身份是否可以在分子水平上完全理解的加热辩论。 有些人强调需要超越基因中心或以细胞为中心的方法，并将癌症视为组织组织的问题（Soto＆Sonnenschein 2011）。 虽然一些系统的生物解释癌症说明了整合“自上而下”和“自下而上”方法的可能性（Bertolaso 2016; Plutynski和Bertolaso 2018），系统生物学研究也显示出各种各样的矛盾的方法癌症。 这些辩论不仅具有对减少主义讨论的哲学意义，而且对癌症应该如何在临床实践中接近癌症的实际影响（Bertolaso 2011; Soto等，2008）。

当代医学中的一个重要问题是如何考虑特定患者的变化。 系统医学有时被突出显示为个性化或精密药的途径（Hope等人。2015）。 个性化医学的目标是旧的医学职业本身，但现在通过具有令人兴奋的新潜力的数据密集型计算策略（TUTTON 2014）促进。 支持者乐观地，患者特异性数据的大规模建模可能导致从传统医学中的单尺寸适合所有模型的范式转变，以更有效的系统性方法，可以定制疾病预防，诊断和治疗对个体患者。 在这种乐观方面，有些人提出了对与遗传风险分析相关的不确定性和潜在有害结果的担忧，包括过度诊断的风险和健康个体的不必要的医疗（绿色和vogt 2016; Vogt等，2016,2019）。 哲学家和社会科学家也批判地检查了如何通过利用个性化基因组学的公司向公众传达风险信息的风险，并讨论了这些信息如何影响健康结果和对健康的看法（Bartol 2013; Proseack 2017; Reydon et al。2012）。 更一般地说，系统医学遭到了关于预测和控制未来健康结果的愿景是否与人文医学和社会复杂性的方法相容（Tutton 2014; Vogt等人2014）。 此外，系统药物和合成生物学应用的组合也为O'Malley（2011A）所谓的建设性个性化医学开放，其中包括预测建模和合成干预措施。 有前途的技术现在包括CRISPR-CAS9基因编辑，片上芯片型号，3D BioPlinting和基于有机体的替代疗法模型。 虽然创造了前所未有的疾病治疗潜力，但他们还提出了关于人工逆变和人类增强的道德问题（PIO-LOPEZ 2021）。

在合成生物学的背景下，讨论往往是旨在创造合成生物的尝试和设计隐喻的尝试可以损害我们对生命的看法和尊重的视角（Christiansen 2016a; Douglas等，2013; McLeod和Nerlich; Mcleod和Nerlich 2017）。 其他道德辩论认为特定合成申请的负面后果的风险。 讨论往往涉及所谓的双重使用问题，其中转基因生物的益处是对潜在问题和风险的加权。 实例是与有意或无意释放合成病原体相关的生物障碍，或者将生物医学化合物的合成产生的可能性开启了有效和廉价的非法药物的生产（Christiansen 2016B）。 对生物技术的商业化也提出了担忧。 实例是关于最小基因组或合成基因的广泛专利的应用（O'Malley等，2008），以及如果通过合成生物的工业生产，在发展中国家的常规农业（Christiansen 2016B），关于结构性不公正的考虑因素 因此，通过系统和合成生物学解决社会问题的强烈推动引起了新的令人兴奋的可能性，而且还要求哲学家和社会科学家的批判性检查。

6.结束语

系统和合成生物学通常被描述为重点对分析与合成的分析，但工程方法的关系是复杂的，在这两个领域都有多面。 在本条目中已经解决了系统和合成生物学，因为许多科学和哲学问题重叠。 两种方法都借着工程，数学，物理和计算机科学的灵感，但以各种不同的方式和朝向不同的旨在理解，预测和修改生物系统的目的。 因此，两种方法都提供了跨学科整合的哲学讨论的优异来源，特别是嵌入生物学中数学和计算方法的增加的影响。 一些实践鼓励哲学家重新审视古典哲学主题，如还原能力和科学的解释，但系统和合成生物学也扩大了哲学主题的范围，以包括数据 - 密集的实践和对设计目标的建模策略和建模策略。控制。

由于该条目已经研究了系统生物学和合成生物学的哲学影响，因此对工程方法的影响造成了很多关注，包括寻求所谓的设计原则。 然而，重要的是要注意系统生物学和合成生物学涵盖广泛的研究实践，其中一些是由化学或物理的强烈启发而不是工程。 因此，此条目应该被认为是尝试仅涵盖这些研究领域的庞大哲学景观的地面。 随着两种方法的快速发展及其明确的目标，可以解决宏伟的科学和社会挑战，激动人心的时期为生物学哲学领先。