[论文解读] The Biological Consequences of the Computational World: Mathematical Reflections on Cancer Biology

Giuseppe Longo|arXiv (Cornell University)|Jan 27, 2017

Genetics, Bioinformatics, and Biomedical Research被引用 3

一句话总结

本文认为，现代生物学中离散、计算模型的主导地位——尤其是在癌症研究中——通过偏重数字信息而忽视连续、动态的生物过程，引入了根本性的偏见。Longo 主张，以计算视角看待癌症可能使其被简化为数据驱动的模式，因此应转向基于连续性和物理约束的生物体与组织层面的原理。

ABSTRACT

The role of continua has been clear since antiquity in the mathematical approaches to physics, while discrete manifolds were brought to the limelight mostly by Quantum and Information Theories, in the XX century. We first recall how theorizing and measuring radically change in physics when using discrete vs. continuous mathematical manifolds. It will follow that the reference to discrete structures and digital information is far from neutral in knowledge construction. In biology, in particular, the introduction of information as a new observable on discrete data types has been promoting a dramatic reorganization of the tools for knowledge. We briefly analyze the origin and the nature, then some consequences of the bias thus induced in life sciences, with particular emphasis on research on cancer. We finally summarize new theoretical frames that propose different directions as for the organizing principles for biological thinking and experimenting, including in cancer research. Cancer is now viewed as an organismal, tissue based issue, according to the perspective proposed in (Sonnenschein, Soto, 1999; Baker, 2015).

研究动机与目标

• 分析科学中从连续数学框架向离散数学框架的转变如何影响生物知识的建构。
• 识别将生物系统视为数字信息过程所引入的认识论与方法论偏见。
• 批判当前癌症研究中的计算范式，尤其是其将癌症简化为基因或分子数据模式的做法。
• 提出强调组织结构、连续性与物理约束的替代理论框架，以更好地理解癌症。
• 倡导癌症研究范式转向生物体与系统性原理，超越以基因为中心、数据驱动的模型。

提出的方法

• 基于物理学数学建模的历史与哲学分析，对比连续（经典）与离散（量子/信息）框架。
• 将连续性理论与连续性的洞见应用于生物系统，特别是组织与多细胞组织结构。
• 批判生命科学中数字信息的角色，尤其在基因组学与系统生物学中，作为认识论偏见的来源。
• 将癌症重新诠释为组织水平结构与稳态的失败，而非遗传疾病。
• 提出一种理论转向，即采用‘生物体’与‘组织为基础’的癌症模型，其思想源自 Sonnenschein 与 Soto 的工作。
• 运用对连续性与物理定律的数学反思，挑战癌症生物学中还原论与计算方法。

实验结果

研究问题

• RQ1 连续与离散数学模型的选择在多大程度上塑造了我们对生物系统的理解？
• RQ2 当生物现象被建模为数字信息过程时，会引入何种认识论偏见？
• RQ3 癌症研究中的计算范式在多大程度上掩盖了组织水平与系统性机制？
• RQ4 回归连续性、物理性与生物体层面的原理，如何能改善癌症研究与理论？
• RQ5 何种替代理论框架能更准确地捕捉癌症作为组织水平疾病之复杂性？

主要发现

• 生物学中离散、计算模型的主导地位——尤其在癌症研究中——通过偏重数字信息而忽视连续、动态过程，引入了根本性的偏见。
• 受量子理论与信息理论推动，从连续框架向离散框架的转变，已重新定义科学中的测量与理论构建方式，对生物学产生深远影响。
• 癌症正越来越多地被理解为组织结构与稳态的失败，而非遗传疾病，这与 Sonnenschein 与 Soto 提出的生物体视角相一致。
• 本文认为，当前癌症生物学中的计算模型可能将复杂、动态且系统性的现象简化为静态数据模式，从而限制理论进展。
• 本文提出一种新理论框架，强调连续性、物理约束与组织水平结构在理解癌症中的核心作用。
• 本文呼吁癌症研究范式发生转变，采用整合生物连续性与系统性调控原则的理论，超越以基因为中心、数据驱动的模型。