Die Pflanzen in silico Initiative, gemeinsam geleitet von in silico Die Plants-Redakteure Stephen Long und Amy Marshall-Colón schlagen vor, dass Modelle mit mehreren Maßstäben 'haben das Potenzial, fehlende mechanistische Details zu ergänzen und neue Hypothesen zu generieren, um gezielte technische Bemühungen zu priorisieren“ in der Pflanzenkunde.
Eine Rezension von Mitgliedern von SynthSys, das Zentrum für Synthetische und Systembiologie an der University of Edinburgh, bietet praktische Schritte zur Modellintegration, um Crops zu erreichen in silico durch Anwendung systembiologischer Ansätze.
Pflanzen in silico zielt darauf ab, mehrere aktuelle Ansätze zu verknüpfen, wie z. B. funktional-strukturelle Pflanzenmodelle mit räumlicher Auflösung im Organmaßstab und prozessbasierte Pflanzenmodelle mit geringerer räumlicher Auflösung. Die Integration von Mehrskalenmodellen „hat das Potenzial, fehlende mechanistische Details auszufüllen und neue Hypothesen zu generieren, um gezielte technische Bemühungen zu priorisieren. Die Ergebnisse werden möglicherweise die Verbesserung des Ernteertrags und der Nachhaltigkeit beschleunigen und die zukünftige Ernährungssicherheit erhöhen.“
Die Verknüpfung dieser Modelle ist eine Herausforderung, da verschiedene Modelle in der Pflanzenbiologie „in einem digitalen Organismus so natürlich sind wie die vielen biologischen Prozesse, die zu einem physischen Organismus beitragen (oder die vielen Forschungsperspektiven, um ihn zu verstehen).“ Die Vielfalt tritt in zwei Formen auf. Erstens gibt es viele verschiedene Modellierungsansätze (z. B. Constraint-basiert, quantitativ und grafisch). Zweitens, und das ist am wichtigsten, wird diese Initiative Wissenschaftler über die Grenzen zuvor getrennter Bereiche und isolierter Bemühungen hinweg einbeziehen. Folglich sind Kandidatenmodelle so gesetzlos wie der Wilde Westen: Es gibt keine etablierte Skriptsprache, Programmierkonventionen, Modellierungsstandards oder Modellrepositorys.
Zur Verknüpfung verschiedener Modelle werden derzeit zwei extreme Ansätze verfolgt: (1) alle Modelle in einer gemeinsamen Modellierungssprache neu zu schreiben und (2) ein Integrationssystem zu entwerfen, das die Modelle in ihren vielfältigen, nativen Formen als lose gekoppelte „Black Boxes“ verknüpft. '
Die formale Organisation einer interdisziplinären Gemeinschaft würde die Gesetzlosigkeit verringern und den Prozess der Modellintegration beschleunigen. Die Etablierung von Gemeinschaftsstandards, wie z. B. die Einführung von SBML, einem Standard für Constraint-basierte und quantitative Modelle, würde die Nutzung bestehender Online-Repositories und Softwaretools ermöglichen, die das Standardformat als Eingabe und/oder Ausgabe verwenden. Die Community würde von gemeinsamen Modellen, Tools und Datenressourcen profitieren, die durch den Einsatz von Open-Science-Praktiken und/oder die Befolgung von „FAIR Guiding Principles für wissenschaftliches Datenmanagement und Stewardship“ – eine Initiative, um Daten auffindbar, zugänglich, interoperabel und wiederverwendbar zu machen.
