1945年，阿图罗•罗森布鲁斯(Arturo Rosenblueth)和诺伯特•维纳(Norbert Wiener)(控制论的创始人，可以说是当今系统生物学的先驱之一)在论述模型在生物学中的作用时写道:“对一只猫来说，最好的材料模型是另一只猫，或者最好是同一只猫。”在一个回顾BMC生物学Jeremy Gunawardena再次回顾了这个话题，并再次面临如何将数学建模的优雅和精确与生物学的混乱现实相结合的棘手问题。

Gunawardena是一名训练有素的数学家，他提供了一个高度可读的历史和个人视角来看待如何为生物学家研究生物系统模型。目前，文献中描述的两种策略是正向建模和反向建模。

正向建模是Gunawardena综述的重点——尽管他强调逆向建模(从现有的实验数据中提供因果关系)在建议新的分子组分或通路中的相互作用体方面是有用的，并且将有助于解释非常大的数据集，特别是临床数据。正向建模采用已知的因果关系，可以预测这样一个系统的其他预期。然而，要建立这样一个模型，需要对系统的生物学有详细的了解，以告知建立模型的假设和参数。

如果所有的生物学都是基于基本定律，例如物理学，那么所有的模型都是可预测的。然而，由于生物系统的复杂性，无法建立模型来解释通路中的每一个蛋白质/复合物或参数;因此，引用药理学家詹姆斯•布莱克(James Black)的话说，模型“旨在揭示假设、定义预期，并帮助我们设计新的测试”。或者如Gunawardena所说，“一个数学模型是一个将假设转化为结论的逻辑机器”，但附带条件——引用George Box的话——“所有模型都是错误的，但其中一些是有用的”。

这就是Gunawardena以可读性和令人信服的方式阐述的观点——一个模型必须是可证伪的，因此包含了现象学和猜测，而且至关重要的是，模型必须建立在一定数量的合理假设之上，这些假设必须建立在对生物学的真正理解之上。

Gunawardena举了三个最喜欢的例子，并与原作者进行了讨论莱因哈特·海因里希(Reinhart Heinrich)和汤姆·拉波波特(Tom Rapoport)在贩运活动中模拟了不同的隔间-衣壳蛋白和SNARE修饰小泡-一个简洁的模型揭示了这些现象，并提供了一个猜测哪些参数是最关键的例子。这里是结合亲和力和吸收的蛋白质总量。

第二个例子来自t细胞受体与主要组织相容性复合体蛋白质的相互作用。Altan-Bonnet和Ron Germain的模型考虑了反馈循环和“动态校对”的重要性，以及基于已知生物化学的详细模型——但一些参数是测量的。正如Germain所说:“在我们实际测量ERK在单细胞水平的激活并发现它的数字本质之前，这个模型从来都不起作用。”

最后一个例子是朱利安·刘易斯的模型体细胞发生的时钟，形式化的负自动调节her1 / her7并纳入时间延迟(如Nick Monk建议)，以确保模型工作。

这些例子表明，通过正向建模，我们可以深入了解反馈、稳态、渠化和噪声等现象在生物学中是如何运作的。很明显，定量生物学可以向我们展示更多的东西——但生物学家应该有勇气“在模型安装好之后，把它的脖子伸出来，并试图伪造它”(引用Gunawardena的话)。

建模本质上是一项跨学科的事业，利用了数学家和信息学家以及生物学家的专业知识，作为一份包含广泛内容的期刊，涵盖了生物学奥秘的所有方法，我们热烈欢迎反映生命基本过程的定量和建模方法的提交。