Caracterizacin de una nocin de simulacin a

partir de prcticas experimentales

Po Garca
Universidad Nacional de Crdoba/ Escuela de Filosofa

Introduccin
Las tcnicas de simulacin han ido ganando terreno en diferentes disciplinas de la
actividad cientca contempornea. La aparente novedad de esta metodologa
requiere de una elucidacin de su identidad que permita, entre otras cosas,
una evaluacin de su alcance epistmico. As como las tcnicas experimentales
constituyeron un desafo a la dicotoma tradicional entre teora y observacin,
probablemente las simulaciones computacionales tengan algo para aportar al
contexto de las estrategias cientcas. De esta manera, en los ltimos aos se
ha intentado, de diferentes formas, una caracterizacin loscamente relevante
de las simulaciones computacionales. A partir del trabajo pionero de Rohrlich y
Humphreys en los aos 90 del siglo pasado (Rohrlich, 1990)(Humphreys, 1990),
la elucidacin de lo que son las simulaciones computacionales se constituy como
problema central. As, las simulaciones computacionales se entienden como un
tipo particular de proceso (Hartmann, 1996), a partir de una estructura que no
se reduce a los modelos conocidos - las llamadas plantillas computacionales (Humphreys, 2004) o desde los trucos computacionales que permiten implementar modelos cientcos (Winsberg, 1999; Winsberg, 2003).
Otra va para abordar el problema de las simulaciones ha destacado el contraste entre stas tcnicas y diversas prcticas cientcas. De esta manera habra
una diferencia ntida entre prcticas representacionales vinculadas con la modelizacin, entre las cuales estaran las simulaciones computacionales, y prcticas interventivas vinculadas con sistemas fsicos. Si las simulaciones computacionales ocupan un espacio genuino en la actividad cientca, entonces estaran
ms fuertemente emparentadas con la teorizacin y en un claro contraste con la
experimentacin.
Sin embargo, los intentos de obtener una caracterizacin de lo que son las
simulaciones computacionales han tenido que enfrentarse al desafo de si hay
algo especco en esta prctica cientca. Para algunos son slo odres nuevos
para vinos viejos (Frigg/Reiss, 2009). Adems aquellos que llevan adelante esta
empresa han tenido que dar cuenta de la diversidad de prcticas cientcas asociadas con las simulaciones. As, en los ltimos aos se han publicado numerosos
estudios de caso sobre simulaciones computacionales. A pesar de las excelentes
descripciones de prcticas puntuales, no parece, en principio, que este tipo de
tarea, fuertemente descriptiva, pueda aportar a una caracterizacin de lo que

son las simulaciones computacionales. Esta tensin entre generalidad y capacidad descriptiva no es exclusiva de este campo, pero es particularmente crtica en
el mbito de las simulaciones dada su ubicuidad y diversidad. En este contexto
no parece sencillo dar con una caracterizacin que sea pertinente y que, a la vez,
de cuenta de las prcticas en ciencia.
En el presente trabajo propondremos una manera de abordar la cuestin
de la caracterizacin de las simulaciones computacionales adoptando un punto
de vista alternativo. En cierto sentido nuestra propuesta asocia ambas empresas: aquella que intenta llevar adelante una elucidacin conceptual y aquella
que pretende aprender de las prcticas cientcas. Para esto, analizaremos

un

contexto cientco especco, vinculado con las ciencias de la vida, con el objetivo de comprender lo que son las simulaciones computacionales. En particular defenderemos dos tesis.

En primer lugar que, para elucidar lo que son

las simulaciones computacionales, se requiere de una comprensin de las prcticas experimentales. En segundo lugar argumentaremos que para comprender
lo que son los experimentos se requiere de una nocin de simulacin. En otras
palabras, defenderemos que las prcticas asociadas con la simulacin y con la experimentacin constituyen dos aspectos complementarios en ciencias de la vida
como la bioqumica o la siologa.
Nuestra propuesta involucra replantear la tarea de caracterizacin de las
simulaciones computacionales.

Dicha tarea parece ms fructfera si, en lugar

de proponer un contraste de tipo

ontolgico

entre aspectos abstractos y rep-

resentacionales y aspectos concretos e interventivos, se destacan

simulativas en los experimentos.

las prcticas

Como dijimos ms arriba: para entender lo

que son las simulaciones en las ciencias de la vida, entre ellas las simulaciones
computacionales, se necesita tomar en consideracin, de una forma especca,
el contexto experimental. Asimismo para poder caracterizar lo que son los experimentos, en estas disciplinas, se requiere comprender el rol que desempean
las simulaciones. En este esquema, como veremos ms adelante, son centrales
la relacin entre condiciones

in vivo e in vitro.

Sin embargo, la relacin que estamos proponiendo entre prcticas experimentales y simulaciones parece ir en contra de nuestras intuiciones.

1 . En prin-

cipio, la historia de la experimentacin y de las simulaciones computacionales

sugieren un orden entre estas estrategias cientcas que contradice nuestra propuesta. De acuerdo con esta objecin, las tcnicas experimentales han sido parte
de disciplinas como la bioqumica o la siologa desde sus inicios. En cambio las
simulaciones slo han comenzado a utilizarse hace relativamente poco tiempo.
Pero, tal como argumentaremos en este trabajo, las prcticas metodolgicas
simulativas han sido muy importantes en ciencias de la vida

antes

del adven-

imiento de las simulaciones computacionales. Y esta nocin de simulacin juega

un papel central no slo en prcticas experimentales sino en las simulaciones
computacionales.
Organizaremos nuestro trabajo de la siguiente manera. En la segunda seccin realizaremos una revisin de la literatura reciente sobre losofa de las simulaciones computacionales. Destacaremos en esta seccin la relevancia que ha
tenido en la literatura las consideraciones ontolgicas en la tarea de contrastar
simulaciones con experimentos. En la tercer seccin haremos una presentacin

1 La

especicacin de las condiciones metodolgicas nos permitir dar cuenta de la aparente

circularidad de este esquema. En las consideraciones nales de este trabajo volveremos sobre
este punto.

esquemtica y breve de las simulaciones computacionales habitualmente utilizadas en bioqumica.

relacin

En la cuarta seccin sugeriremos que, a partir de la

in vivo - in vitro, es posible comprender el vnculo entre prcticas ex-

perimentales y simulaciones.

En la seccin nal de este trabajo realizaremos

una recapitulacin de las tesis centrales defendidas.

Acerca de la nocin de simulacin computacional

Como plantebamos en la introduccin, un camino habitual para aproximarse
a las simulaciones computacionales ha sido su comparacin con los experimentos. De esta manera se han destacado aspectos ontolgicos, inferenciales,
metodolgicos y funcionales, siendo la preocupacin losca central la cuestin
de la validez de las simulaciones o, en trminos ms generales, sus credenciales
epistmicas.
Esta perspectiva comparativa reaparece de manera insistente en publicaciones recientes, posiblemente por lo que sugiere la expresin experimento
numrico - referido a las simulaciones - pero tambin como una manera de
poner en cuestin el lugar de este tipo de prctica, relativamente nueva, en el
mbito de categoras tradicionales de la losofa de la ciencia. En esta lnea se
ha dicho que las simulaciones estn en algn lugar intermedio entre la ciencia
(fsica) terica tradicional y sus mtodos empricos de observacin y experimentacin (Rohrlich, 1990).
La discusin acerca de los aspectos ontolgicos y epistmicos asume el es-

target system )2 .

quema tpico de sistema estudiado y sistema referencia (

La

cuestin de la validez se entiende en trminos de la relacin entre un sistema

(experimento o simulacin) y el sistema referencia. Francesco Guala ha sugerido, por ejemplo, que la diferencia entre un experimento y una simulacin
estara en el tipo de justicacin de las inferencias que relacionan el sistema estudiado con el sistema referencia Guala (2002). En el caso de un experimento,
si en el sistema estudiado y en el sistema referencia estn operando las mismas
causas, entonces las inferencias que vinculan ambos sistemas estaran fuertemente justicadas

3 . Por el contrario, entre una simulacin computacional y

un sistema simulado (sistema referencia) slo habra una correspondencia abstracta y formal. Gilbert y Troitzsch (2005) tambin parecen suponer que las
diferencias entre una simulacin y un experimento estaran representadas por
el tipo de relacin que dichos sistemas establecen con sus sistemas referenciados. En el caso de un experimento aquello que se manipula es un objeto real,
mientras que en una simulacin aquello que se estudia o manipula es un modelo
Gilbert/Troitzsch (2005, p. 14). De manera implcita se est estableciendo una
caracterizacin en trminos de la cercana ontolgica con el fenmeno estudiado.
Este punto de vista ontolgico tambin est presente en propuestas como

2 Aqu

se toma slo uno de los sentidos destacados en la literatura que vincula representa-

ciones con modelos Cfr Frigg/Hartmann (2012). Se podra retomar la discusin que sigue en
trminos de representacin de modelos, pero, nos parece ms adecuado seguir los trminos en
que ha sido planteado el problema en el contexto de la losofa de la simulaciones computacionales. Aunque no ser discutido en lo que sigue del trabajo, vale la pena sealar que habra
otra forma de introducir el problema de la representaciones que estimamos podra ser ms
pertinente. Nos referimos a la propuesta de una perspectiva pragmtica de la representacin
Suarez (2003). Sin embargo, una discusin del alcance de propuestas como la de Suarez nos
llevaran muy lejos de nuestro objetivo.

3 En

Duran (2013) hay una discusin acerca de los alcances de este tipo de argumentacin.

la de Wendy Parker. En Parker (2009) se sugiere que la relacin que debera

considerarse entre un sistema y su sistema referencia es el de similaridad relevante. Un experimento es caracterizado como una actividad de investigacin
en la cual se interviene en un sistema para ver cmo las propiedades que nos
interesan cambian a partir de dicha intervencin Parker (2009, p. 487). Parece
que, en principio, lo que distingue a una simulacin de un experimento es la
intervencin. Y, en esta perspectiva, slo en un sistema material se pueden
realizar actividades interventivas. Este punto de vista aparece ms claro cuando
Parker presenta la idea de un estudio de simulacin computacional. Cuando
consideramos a un sistema computacional como un sistema fsico -un programa
computacional implementado en una mquina fsica-, entonces somos capaces
de identicar actividades interventivas genuinas.
Esta perspectiva centrada en la materialidad de los experimentos ha sido
matizada de diferentes maneras.Morgan (2005) argumenta en favor de este punto
de vista pero enfatizando los aspectos inferenciales involucrados.

Parece in-

dudable que los experimentos y las simulaciones tienen poderes epistmicos

diferentes. Y esta diferencia se podra explicar, nuevamente, porque, en el caso
de los experimentos, el sistema manipulado y el sistema referencia estn hechos de la misma cosa (

same stu ).

Adems, las simulaciones, dependiendo

por completo de sus modelos, no pueden sorprender de manera genuina a los

cientcos. La diferencia ontolgica entre simulaciones y experimentos genera
una diferencia epistmica. Hay un sentido en el cual las simulaciones pueden
ser experimentos, pero de una clase particular: no materiales.

Por tanto, a

pesar del cambio terminolgico, no habra ninguna modicacin en un sentido

ontolgico- y por ende tampoco habra una modicacin en la consideracin del

alcance epistmico de las prcticas simulativas y experimentales .

En contraste con estas perspectivas, hay algunos lsofos que han destacado
aspectos metodolgicos o funcionales en la relacin entre experimentos y simulaciones. En este sentido, Eric Winsberg sugiere que la distincin entre simulaciones y experimentos se debera realizar en trminos del tipo de inferencia que

background knowledge ).

surge del conocimiento bsico supuesto (

En el caso de

las simulaciones, este conocimiento bsico es el que nos permite construir modelos matemticos y computacionales. Y la conabilidad del modelo descansa en
la conabilidad del conocimiento bsico supuesto.

Asimismo, Margaret Mor-

rison ha destacado la dimensin funcional en la relacin entre simulaciones y

experimentos.

En Morrison (2009) se deende que, por la manera en la cual

se construyen los modelos, habra semejanzas funcionales entre simulaciones e

instrumentos de medida. En este sentido, se podra hablar de simulaciones que
funcionan como instrumentos experimentales de medicin.
Tambin se presenta la relacin entre simulacin y experimento en trminos
de sustitucin. Cuando no es posible hacer un experimento, por razones prcticas o ticas, entonces como una alternativa se implementa una simulacin. As,
en algunos campos cientcos una simulacin puede cumplir las funciones de y,
en este sentido, ser considerada como si fuese un experimento porque permite
investigar un fenmeno no accesible a la experimentacin. Una distincin que se
discute en este contexto es entre los conceptos de representacin y ser represen-

4 A pesar de la perspectiva fuertemente ontolgica que deende Morgan,

probablemente una

de sus sugerencias ms interesantes sea el sealamiento de que habra escenarios hbridos

(experimentos materiales y no materiales) en las prcticas cientcas contemporneas Morgan
(2005).

tativo. De esta manera se pretende dar cuenta de dos maneras en las cuales un
sistema puede suplir a o estar en lugar de (

stand in for)

otro. Una relacin de

representacin parece tpicamente descansar en una vinculacin formal, mientras que una relacin representativa sera una forma de suplir que es similar a la
forma en la cual una parte puede estar por el todo . Por esta razn se habla
de ser parte de lo mismo, donde lo mismo parece entenderse como la misma

being of the same stu ) Peschard (2013).

clase de cosa o materia (

En trminos

ms puntuales se podra resear las relaciones entre experimentos y simulaciones

computacionales de la siguiente manera. En primer lugar, como ya hemos visto,
se estima que la forma de entender el problema es analizando tanto las simulaciones como los experimentos en relacin con el sistema referencia (

target ).

En segundo lugar hay un conjunto de intuiciones bsicas que funcionan como

punto de partida y guas para la indagacin. Siguiendo a Peschard, se podra
decir que en un experimento, se interacta de alguna forma con el sistema bajo
estudio y se le da la oportunidad (al sistema) de expresarse por medio de los
efectos causales de los instrumentos (Peschard, 2013).

Por contraste, si en

una simulacin se puede hablar de algn tipo de expresin, sera nicamente

la del modelo utilizado.

De aqu que la distincin epistmica sea clara:

la

experimentacin produce informacin acerca de cmo se comporta el sistema,

mientras que la simulacin produce informacin acerca del modelo (Peschard,
2013) .

La conclusin es muy similar a la ya citada de Morgan.

Adems, la

discusin acerca de la sustitucin vuelve sobre las distinciones ontolgicas como

una forma de justicar las diferencias de poder epistmico entre simulaciones
y experimentos.
Si bien en la literatura losca que compara experimentos con simulaciones
se destacan aspectos inferenciales, metodolgicos y funcionales, son los aspectos
ontolgicos los que juegan un papel central para evaluar el valor epistmico de
estas prcticas. Adems, la oposicin entre simulaciones y experimentos parece
centrarse en la relacin entre modelos y sistema fsico sobre el que se interviene.
En el presente trabajo destacaremos mas bien los aspectos metodolgicos de
la relacin entre simulaciones y experimentos, a la vez que presentaremos la
relacin entre modelos y sistema fsico de una manera diferente. Este cambio
de perspectiva permite dar cuenta de la funcin epistmica de las simulaciones
y experimentos. Veamos primero qu se entiende por simulacin computacional
en ciencias de la vida, para luego presentar los contextos cientcos a partir de
los cuales elucidar una nocin de simulacin experimental.

Simulaciones computacionales en ciencias de la vida

Las simulaciones computacionales ms utilizadas en ciencias naturales son aquellas basadas en ecuaciones

5.

Una de las razones por las cuales las simula-

ciones computacionales son importantes en ciencias naturales es porque esta

herramienta permite explorar un espacio de soluciones:
[...]muchos fenmenos naturales son no lineales y una cambio pequeo en una variable puede producir un cambio enorme en otra.
Puesto que relativamente pocos problemas no lineales pueden ser
resueltos por mtodos analticos, la computadora nos da una nueva

5 En los libros de textos se suele discriminar entre simulaciones basadas en agentes y aquellas
basadas en modelos o ecuaciones Cfr. (Gilbert/Troitzsch, 2005)

herramienta para explorar fenmenos no lineales. Otra razn de la

importancia de la computadora es el creciente inters en sistemas
complejos con muchas variables o con muchos grados de libertad
(Gould/Tobochnik/Christian, 2007, p. 2)
Las simulaciones computacionales basadas en modelos o en ecuaciones suelen
ser descriptas como un programa que se ejecuta en una computadora y que
usa mtodos paso a paso para explorar la conducta aproximada del modelo

matemtico Winsberg (2014) .

En bioqumica, las simulaciones suelen ser utilizadas para estudiar e investigar aspectos dinmicos de un sistema dado, como los involucrados en una reaccin metablica, tpicamente a travs de un modelo matemtico implementado
en un sistema digital. La tarea habitual de estas simulaciones suele ser resolver
ecuaciones diferenciales ordinarias (EDO) que caracterizan a un sistema mediante mtodos aproximativos.

Incluso cuando la dinmica temporal de una

reaccin bioqumica se pueden expresar por medio de EDO, las ecuaciones suelen ser no lineales y por ende se requiere de una simulacin (Mendes, 1994).
Es importante destacar que los modelos computacionales no son los modelos
matemticos originales sino una implementacin de los mismos. Probablemente
el aspecto ms saliente de este proceso de implementacin sea la discretizacin
de los modelos originales. El

desideratum

de los modelos computacionales es la

'tratabilidad'. Para lograr este objetivo no slo se recurre a la ya mencionada

discretizacin sino tambin a diversos recursos meramente computacionales que
permitan llegar a

alguna

solucin aproximada (Cfr. Humphreys, 2004, cap. 3)

Sin embargo, para aquellos que trabajan con simulaciones stas son algo ms
que meros trituradores de nmeros. Cuando se usan simulaciones habitual-

insight )

mente el objetivo principal es la comprensin (

ms que simplemente

nmeros (Gould/Tobochnik/Christian, 2007, p. 3). As, por ejemplo, en bioqumica se suelen sealar los siguientes roles para las simulaciones de cintica
metablica:
[...]Las simulaciones sirven para poner a prueba la consistencia de
nuestras teoras a travs de un comportamiento observado; nos permiten hacer preguntas como-si que revelan propiedades no intuitivas
del metabolismo; pueden ser usadas para estimar (

nd estimatives )

parmetros cinticos y para el anlisis gentico funcional; tambin

pueden ser utilizadas como una herramienta educativa
(Mendes, 1997, p. 361).
Las simulaciones permitiran poner a prueba hiptesis, realizar indagaciones
contrafcticas y estimar valores de parmetros, entre otras funciones. Sin embargo, estos usos o funciones de las simulaciones estn supeditados al valor
mimtico de esta herramienta. En tanto las simulaciones computacionales permiten estar en lugar del sistema estudiado o imitando aspectos relevantes
del mismo, se pueden utilizar luego para poner a prueba hiptesis o realizar
investigaciones conables de estados alternativos. En gran medida esta capacidad mimtica est asociada con la capacidad representacional de los modelos
utilizados por una simulacin, pero tambin parece estar vinculada con las computaciones (aproximaciones) que permiten dichos modelos y, en trminos ms

6 En

otros trabajos hemos tomando otro sentido de exploracin - uno cognitivo - para

entender a las simulaciones (Garcia, 2013)(Garcia, 2009).

generales, con el despliegue de escenarios dinmicos.

En la seccin siguiente

volveremos sobre esta cuestin.

Las primeras simulaciones computacionales en bioqumica utilizaron una
computadora analgica mecnica para resolver las EDO. Ms tarde, se utilizaron otros tipos de equipos electrnicos analgicos (Mendes, 1994). As por
ejemplo, Britton Chance, en la primera mitad del siglo pasado, es uno de los
primeros en utilizar como un simulador este tipo de recursos analgicos.

En

(Chance, 1943), este bioqumico encuentra por primera vez una evidencia fuerte
en favor de la teora de Michaelis y Menten acerca de la velocidad de diversas
reacciones enzimticas. Dicha velocidad suele estar vinculada con alguna enzima o sustrato que suele acelerar la reaccin (funcin catalizadora). Para poner
a prueba la teora de Michaelis y Menten, Chance utiliza un aparato con dos
jeringas que le permite mezclar compuestos de manera controlada.

Con este

aparato Chance se puede focalizar en la inuencia que tiene en la velocidad de

reaccin las enzimas, sustratos y compuestos intermedios. Pero,
[...]bajo las condiciones experimentales se encontr que los estados
estacionarios existen slo por una fraccin de segundos. Para poder
determinar si las porciones de las curvas [de los datos que no pueden
examinarse experimentalmente] satisfacen la teora de Michaelis, se
requieren soluciones de las ecuaciones diferenciales
(Chance, 1943, p. 574)
Esta tarea encontrar las soluciones que no aparecen en los registros experimentales se realiz con un analizador diferencial, una computadora analgica

para integrar las EDO . Esto es: para dar cuenta de la tarea mimtica, en este
caso, habra que tomar en cuenta tanto el instrumento experimental - el mezclador de compuestos - como el analizador diferencial. En el artculo citado
de Chance parece claro que slo con ambos tipos de simulacin - experimental
y computacional - se pudo poner a prueba la teora de Michaelis y Menten.
Desde la dcada del 60 del siglo pasado, casi todas las simulaciones se llevan
a cabo a travs de computadoras digitales. Las simulaciones computacionales
son ampliamente utilizadas para estudiar sistemas como las reacciones metablicas. En este grupo, existen programas como Metamod y GEPASI

8 o Scamp

que intentan simular la dinmica de las reacciones bioqumicas. La tarea aqu

es tambin la aplicacin de mtodos aproximativos para resolver las EDO que
describen a un sistema. Este tipo de programa computacional puede ser considerado como un asistente en la tarea de construccin de modelos, ya que
traducen frmulas bioqumicas en ecuaciones matemticas. As, por ejemplo,
el usuario tiene que suministrarle al sistema informacin sobre la estructura del
mecanismo considerado, la cintica de las reacciones y la concentracin inicial de
especies qumicas; entonces el sistema computacional construye las ecuaciones
diferenciales que caracterizan a dicho sistema.

Programas como el GEPASI

tambin se utilizan generalmente para el estudio de las propiedades del estado

7 Estas

ecuaciones deben ser modicadas en el sentido ya citado al principio de esta seccin

para que puedan ser consideradas como datos de entrada de un analizador diferencial (Cfr.
(Chance, 1943, p. 575).

8 El

proyecto entero detrs GEPASI ha sido reformulado recientemente por Pedro Mendes

con un programa para la simulacin de redes bioqumicas llamadas COPASI -complex pathway

simulator. (Ms informacin puede encontrarse en http://www.copasi.org)

estacionario de un mecanismo qumico. En particular, este programa ha sido

utilizado para estudiar interacciones de enzimas en rutas bioqumicas.

Adems de esta funcin de traduccin, estos programas son utilizados para

poner a prueba hiptesis.

Se pueden, de esta manera, construir escenarios

en donde desarrollar las implicaciones de supuestos particulares.

Por ejem-

plo, a travs de un mdulo del GEPASI que sirve para explorar el espacio de
parmetros (

scanning parameter space ),

se pueden encontrar que hay seales

metablicas que, en determinados rangos de concentraciones de enzimas, funcionan como un interruptor.

La exploracin de parmetros permite estimar

en qu rango de valores se puede encontrar este interruptor (Cfr.

Mendes,

1997). Otra tarea en la cul el sistema puede colaborar es en la identicacin de

los parmetros del modelo. Dicha identicacin permite, entre otros objetivos,
estimar las velocidades de reaccin que no pueden ser examinadas experimentalmente(Riznichenko et al., 2009).
Pero probablemente uno de los usos ms interesantes de las simulaciones
computacionales est vinculado con las condiciones
principio parece que las condiciones
con el contexto experimental.

in vivo

in vivo - in vitro 10 .

En

estn casi por denicin vinculadas

Y si bien esto es cierto en la mayora de los

casos, dada la complejidad de las condiciones

in vivo,

en algunas ocasiones se

requiere apelar a otros recursos ms all de los estrictamente experimentales.

Esto puede verse en dos situaciones. La primer situacin es ms general y est
vinculada con la complejidad de las condiciones
dan en la clula

in vivo

tales como las que se

Dicha complejidad involucra, por ejemplo, interacciones no

lineales entre molculas. La modelizacin, en consecuencia, debe dar cuenta de

las caractersticas del fenmeno considerado. Por tanto
Slo el anlisis matemtico cuantitativo, mucha veces ms all de lo
que es posible analticamente, es un prerequisito para comprender
la clula viva.
(Snoep/Mendes/Westerho, 1999, p. 25)
Las simulaciones computacionales son las que permiten este anlisis cuantitativo y, por ende, simular las condiciones

in vivo.

Las aproximaciones a

fenmenos no lineales de las simulaciones computacionales son, de acuerdo con

esta perspectiva, un recurso indispensable para comprender la clula viva.
La segunda situacin en donde las condiciones

in vivo parecen ir ms all de

las condiciones experimentales esta vinculado con el rea ya citada de las reacciones metablicas. Cuando lo que se busca es determinar al responsable de una
tasa de reaccin parece que la respuesta est en la identicacin de un agente
particular, esto es una enzima o algn tipo de catalizador.

En trminos ms

generales, la bsqueda se centra en propiedades locales de las enzimas y de los

procesos cinticos. Sin embargo, en muchas ocasiones, las condiciones

in vivo

indican que el control de la reaccin se debe considerar como global. De esta

manera, para lograr una modelizacin ms apropiada de las condiciones

in vivo

se requiere de dar cuenta de este aspecto global del control de las reacciones.

9 Los

otros programas mencionados anteriormente se utilizan en contextos similares: Meta-

mod es un paquete de software para estudiar las vas metablicas de estado estacionario. Este
paquete tambin permite el estudio de anlisis de control de las rutas metablicas. Scamp es
un simulador de propsito general de reacciones metablicas.

10 En

Garcia (2015)se desarrollan estos ejemplos de manera ms extensa

Para situaciones de este tipo, ms comunes de lo que se cree, hay una teora denominada Control de Anlisis Metablico (MCA por sus siglas en ingls). MCA
es un tipo de anlisis que ya es considerado estndar para abordar la cintica
de una reaccin

11 . Una de las contribuciones ms importentes del MCA es que

el control de la reaccin es considerada como una propiedad del sistema total

ms que una propiedad de las enzimas particulares(Snoep/Mendes/Westerho,
1999, p.

26).

Sistemas como el GEPASI permiten modelizar a travs de los

supuestos del MCA.

A travs de estos dos ejemplos se puede ver que las condiciones

in vivo

no

necesariamente estn conectadas con los contextos experimentales tradicionales.

Curiosamente, este es un primer paso importante para defender nuestra propuesta de que, para caracterizar a las simulaciones computacionales, se necesita
tomar en consideracin las condiciones experimentales de una forma especca.
El punto es que la relacin entre las condiciones

in vivo e in vitro son estas condi-

ciones especcas a las que hacamos referencia. El vnculo entre simulaciones

computacionales y prcticas experimentales lo constituyen las condiciones

vivo e in vitro.

del contexto experimental. Por esta razn, para que las condiciones

in vitro

in

Y habitualmente se supone que estas condiciones son slo parte

in vivo

puedan cumplir el rol de vnculo que estimamos tiene, tenamos que

insinuar que las simulaciones computacionales en ocasiones son el nico medio

del que se dispone, dada su complejidad, para acceder a sistemas vivos.
Antes de desarrollar las implicaciones de esta relacin para nuestra tarea
de caracterizar a las simulaciones computacionales veamos ms en detalle qu
implican las condiciones

in vivo

in vitro

en el mbito experimental de las

ciencias de la vida.

Contextos experimentales y simulaciones: in vivo  in vitro

En el campo de las ciencias de la vida las expresiones

in vivo- in vitro

habituales para hacer referencia a contextos experimentales diversos

son

12 . En la

presente seccin argumentaremos que hay condiciones experimentales - las involucradas en la relacin

in vivo - in vitro

que pueden ser consideradas simula-

ciones genuinas. Esta generalizacin de la nocin de simulacin, combinado con

el resultado obtenido en la seccin anterior, nos permitir defender el vnculo estrecho que hay entre prcticas experimentales y simulaciones computacionales.
As, en esta seccin sugeriremos que la nocin de simulacin no debera circunscribirse al mbito computacional.

Para esta tarea abordaremos aquellos

aspectos metodolgicos que caracterizan a la relacin

in vivo - in vitro.

Las situaciones y contextos en donde son utilizadas las condiciones

in vivo

son de naturaleza muy variada: incluye estudios en tejidos, en rganos aislados (llamados a veces

ex vivo )

e incluso en los llamados modelos animales.

Por contraste se realizan estudios

in vitro

cuando se requiere un mayor control

sobre condiciones experimentales especcas. Desde los orgenes mismos de la

bioqumica y la siologa, fue metodolgicamente importante la contraposicin
entre condiciones

in vivo e in vitro

(Holmes, 1991).

Veamos primero algunos aspectos conceptuales de los estudios

in vitro.

Roger

Strand, caracteriza, en un artculo acerca de la conabilidad de los experimentos

11 El coeciente de control ujo de una reaccin es una de las nociones centrales del MCA.
12 En (Garcia, 2006)hay una caracterizacin de tipo histrica de la relacin entre condiciones
in vivo-in vitro

en bioqumica, lo que l llama estudios de efectos

in vitro  (Strand/Fjelland/

Flatmark, 1996). La denominacin de Strand est vinculada con la intencin de

este cientco de remarcar que se asume en este tipo de estudio que el fenmeno
de inters es
[...]

un cambio o diferencia en un aspecto biolgico o parmetro

a partir de una perturbacin del sistema

vitro

in vitro

o del sistema

in

comparado con un sistema de control que no est sujeto a la

perturbacin [del diseo experimental]

(Strand/Fjelland/Flatmark, 1996, p. 2)
El objetivo general de esta clase de estudio es obtener conocimiento de un
fenmeno biolgico en un organismo o sistemas de organismos (de un sistema

in vivo ).

Adems, se destaca que esta clase de estudio se realiza porque resulta

metodolgicamente imposible, no conveniente o ticamente cuestionable estu-

in vivo ). Por esta razn

in vitro - se construye a partir de una o ms
partes de un sistema in vivo. De esta manera, informacin acerca del sistema in
vivo se inere interpretando la evidencia experimental de un sistema sustituto
anlogo (putative analog), esto es de un fenmeno o sistema in vitro. El sistema
in vitro tiene que ser diferente de aqul que se quiere estudiar para evitar o
diar el fenmeno de inters de manera directa (el sistema
un sistema experimental sustituto -

paliar las dicultades, principalmente metodolgicas o ticas en algunos casos.

n vitro involucra un tipo de ruptura

physical disruption )(Strand/Fjelland/Flatmark, 1996) del

Suele ocurrir que el diseo de un sistema i

en un sentido fsico (
sistema

in vivo

e involucra a su vez un subsiguiente proceso que permita ais-

lar una o ms de sus partes con la intencin de lograr acceso experimental a

una caracterstica o parmetro, o para reducir la complejidad de interacciones
con el fenmeno interferido. A los nes de lograr una interpretacin adecuada,
los investigadores, contina Strand, suponen por lo menos que las condiciones
seleccionadas son relevantes y que imitan de manera no trivial el sistema

vivo.

in

Es importante resaltar que este sentido de simulacin ha estado presente

en el campo de las ciencias de la vida mucho antes del advenimiento de las

computadoras. Podra verse esta relacin en trminos de una distincin entre
condiciones naturales y articiales. As, habra una lnea divisoria clara y ja
entre la simulacin y aquello que es simulado.

Esto es: entre lo natural y lo

articial. Sin embargo, una perspectiva metodolgica y mvil parece ms adecuada para caracterizar la relacin

in vivo - in vitro

y, por ende, la relacin de

simulacin.
A los nes de hacer ms clara la discusin tomemos como ejemplo las investigaciones vinculadas con el desarrollo de productos farmacuticos.

Entre las

dicultades ms importantes en este campo est la toxicidad no prevista y las

fallas en reproducir el mecanismo que debera modicar la afeccin del modo
esperado.

Este fracaso puede deberse, entre otras razones, a una inapropi-

ada absorcin, distribucin, metabolismo o excrecin (llamadas propiedades

in vitro porque
La disolucin de drogas es casi imposible (nearly impossible ) de es-

ADME)(Williams, 2011). As, se realizan experimentos

tudiar en el medio que se supone que debe ocurrir, esto es, el tracto
gastrointestinal humano. Por esta razn como un sustituto, se requiere la puesta a prueba de la disolucin

in vitro

para asegurarse

que, en cada partida de la droga formulada, esta se disuelve a una

tasa constante

10

(Johnson, 2007, p. 2)
Esta descripcin se corresponde con el contexto experimental, pero podra ser
utilizada, casi sin modicaciones, para caracterizar una simulacin - entendida
como un sustituto o estar en lugar de -. Esta relacin de simulacin tiene un
aspecto imitativo y uno disruptivo.

Estos aspectos se evidencian cuando se

pone el foco en los aspectos metodolgicos. En la coleccin de artculos recin

citada lo que se pretende mostrar es cmo modelar el proceso de una propiedad
particular (la disolucin) en el contexto apropiado, con el objetivo de obtener
indicios acerca de los factores que pueden ser relevantes para controlar la tasa
de disolucin.

Dicha modelizacin permitira, entre otras cosas, predecir una

correlacin entre la disolucin

in vitro

y el perl de tiempo

en la sangre. La correlacin entre condiciones

in vitro

in vivo

de la droga

y condiciones

in vivo

en

el caso del desarrollo de drogas es denida como

[...]

un modelo (matemtico) que describe la relacin entre una

propiedad de un dosaje (usualmente la propiedad de inters es tasa

de disolucin) y una respuesta

in vivo

relevante (v.gr. Cantidad de

droga absorbida o concentracin plasmtica de la droga).

FDA (1997), p. 6
La FDA dene cinco niveles de correlacin entre estas condiciones dependiendo de la combinacin de propiedades ADME involucradas. En este ejemplo
la relacin entre condiciones

in vivo e in vitro

es caracterizada por medio de un

modelo de correlacin que permite estimar la conabilidad de la dicha relacin.

Ahora bien, como decamos arriba, tanto por el esquema utilizado como

in vitro - in
vivo, parece que es posible ver dicha relacin en trminos experimentales, pero
por las funciones sealadas por Strand para describir la relacin

tambin como una simulacin. Y esta adscripcin estara de acuerdo con un uso
terminolgico extendido en el campo de la bioqumica. As, en algunas ocasiones
se habla de 'simulacin' cuando se quiere hacer referencia al tipo de relacin entre
condiciones

in vitro -in vivo (Wilke et al., 1994).13 .

Es evidente que este sentido

ms general de simulacin tambin servira para comprender las simulaciones

computacionales en ciencias de la vida. Este punto de vista alternativo en el
cual el concepto mismo de simulacin - en un sentido general - sirve para
comprender a la nocin de simulacin computacional, ha sido considerada por
algunos lsofos.
En esta perspectiva una simulacin consiste en cualquier sistema que
se cree o espera que tenga una dinmica sucientemente similar a
otro sistema tal que el primero puede ser estudiado para aprender
acerca del segundo.
(Winsberg, 2014)
Tambin en este lugar podra ubicarse la sugerencia de Hartmann cuando
presenta a las simulaciones como un proceso que tiene una relacin de imitacin
con otro proceso. Aqu un proceso es slo una secuencia temporal de estados
de un sistema (Hartmann, 1996).
Este punto de vista general puede ser desarrollado a partir del contexto
cientco particular que estamos considerando. Un estudio de simulacin puede

13 Aqu

podra citarse numerosos artculos en donde se utiliza el trmino 'simulacin' para

describir la relacin entre condiciones in vivo e in vitro.

11

ser caracterizado como aquellos recursos metodolgicos que permiten aprender

de la dinmica de un sistema a partir de su comparacin con la dinmica de
otro sistema. Es ms, el alcance y conabilidad de la relacin mimtica depende
tambin de los mencionados recursos metodolgicos.
Si un estudio de simulacin se caracteriza por sus aspectos mimticos, un experimento podra ser caracterizado, siguiendo posiciones ya clsicas en losofa
de la ciencia, por sus aspectos interventivos. Sin embargo, habra experimentos en donde los aspectos simulativos tienen un papel central. Tal es caso de
algunos contextos experimentales en ciencias de la vida. Los estudios

in vitro

calican como experimentos en el sentido de realizarse en sistemas fsicos y de

involucrar aspectos interventivos. Pero tambin pueden ser considerados como
simulaciones en tanto, estando en lugar de otro sistema, cumplen la funcin
de permitir el estudio de dicho sistema imitando su dinmica. De esta manera
podramos tener adems de las simulaciones computacionales, las simulaciones

14 (sistemas in

experimentales
cional y la

vivo

in vitro )

vitro ).

Ambos tipos de simulacin (la computa-

funcionan como un sustituto controlable de un sistema

in

y suelen tener como nalidad estudiar aspectos dinmicos de dichos sis-

temas biolgicos (sistemas

in vivo ).

Ahora bien, como dijimos ms arriba, el que un sistema

in vitro sea una sim-

ulacin parece depender de la manera en la cual cumple la funcin de permitir

estudiar un sistema imitando la dinmica de otro que sea ms accesible o controlable. Pero, como parece seguirse de esta manera de presentar el problema, esta
distincin entre simulacin (estudio

in vivo ) no es ja.

in vitro ) y aquello que es simulado (sistema

En particular la adopcin de una perspectiva metodolgica

e histrica permite presentar ms claramente este aspecto. En un artculo reciente, Winsberg nos invita a imaginar dos cientcos que pretenden investigar
aspectos del comportamiento de uidos, pero mientras uno de ellos utiliza un
tanque de agua, el otro utiliza una computadora(Winsberg, 2009).

En prin-

cipio las diferencias entre ambas estrategias podran resumirse de la siguiente

manera: mientras en el primer caso un cientco genera conocimiento emprico
nuevo acerca de los uidos a travs de la manipulacin de un uido real, el otro
cientco slo explora las consecuencias del conocimiento existente (representado por el modelo).

As, habra una diferencia signicativa entre manipular

un objeto (real) de inters y manipular  si hay algo como esto - un modelo de

dicho objeto.
Sin embargo, como lo destaca muy bien Winsberg, es habitual que en los
experimentos no se manipule el objeto de inters sino otro que puede ser relevante. En el caso del cientco que manipula un tanque de agua lo hace para
comprender el objeto de inters o el sistema que se quiere estudiar (sistema
referenciado). En este sentido, podemos considerar a las condiciones
como una simulacin - experimental - de las condiciones

in vivo.

in vitro

Pero podramos

avanzar en esta direccin an ms.

Hasta aqu se est suponiendo que la modelizacin del fenmeno a estudiar
se corresponde con el sistema computacional o el sistema

in vitro.

Sin embargo,

este no es siempre el caso. En diversas reas es muy comn el uso de modelos

denominados

in vivo.

Podemos encontrar varios ejemplos en los manuales de

protocolos de investigacin sobre nuevas drogas.

14 (Hartmann,

En un artculo reciente al

1996)utiliza esta expresin aunque no desarrolla cul sera su contenido es-

pecco.

12

preguntarse por qu se necesitan modelos

in vivo 

de procesos tumorales, se

indica que no es evidente cul podra ser el contexto relevante para determinar
el alcance de una droga determinada (Eccles, 2001). En general estos modelos

vivo suelen hacer referencia a modelos animales.

in

Con modelo animal se quiere

sealar no slo que se usan animales para experimentar sino que se encuentran
aqu distintos modos y niveles de intervencin: desde intervencin en el proceso
que se quiere estudiar hasta la modicacin gentica de los especmenes para
hacer el modelo ms semejante al sistema a estudiar, tales como los ratones
NSG (llamados tambin modelos de ratones humanizados).
Decamos ms arriba que este aspecto mvil de la relacin de simulacin
puede acentuarse destacando los aspectos metodolgicos desde una perspectiva
temporal.

A medida que se va ganando comprensin y control sobre mecan-

ismos biolgicos es posible, al menos en algunos casos, sustituir estudios que

se realizaban con modelos animales por estudios ms acotados en tejidos. As
no parece del todo apropiado el anlisis que citbamos ms arriba de Strand,
quien supone que con la expresin

in vitro

que hay una condicin articial en

comparacin con el sistema que se quiere estudiar. Siguiendo el esquema que

presentbamos antes, el sistema a estudiar son justamente las condiciones

vivo.

Y este suele ser el caso en algunas circunstancias.

situacin es otra. Lo que suele ocurrir es que ambas condiciones,

vivo,

in

Pero tpicamente la

in vitro - in

son consideradas como articiales, en relacin con aquello que se quiere

estudiar. Entonces, ms que acentuar el carcter intrnseco de las nociones de

in vitro

in vivo

lo que parece relevante es el tipo de relacin que se establece

con el sistema a estudiar o, podramos decir, con la forma en la cual se simula

el sistema a estudiar. Este tipo de relacin sera una forma de estar en lugar de
otro sistema. Y esta forma de estar por otro se caracterizara principalmente
en trminos metodolgicos.

Es la manera particular en la cual la simulacin

asla y controla la que permite su vinculacin signicativa con algn aspecto del
sistema que se quiere estudiar.

Consideraciones nales
Comenzamos este trabajo haciendo referencia a aquellas perspectivas que pretenden comprender las simulaciones computacionales a partir de una distincin
ntida con los experimentos.

Adems vimos que esta distincin se realizaba,

habitualmente, en trminos ontolgicos.

En las dos ltimas secciones hemos

intentado dar razones por las cuales estimamos que esta forma de plantear lo
que son las simulaciones computacionales es inadecuada.
A partir de lo expuesto se puede comprender mejor porqu proponamos en
la introduccin entender a las simulaciones computacionales, y a los experimentos, como dos aspectos complementarios de las prctica cientca en ciencias de
la vida. La investigacin a travs de simulaciones computacionales y los experimentos, en estas disciplinas, suelen suponer un recurso metodolgico central
como lo son las condiciones

in vivo

e i

n vitro.

Estas condiciones deben enten-

derse como recursos experimentales y de simulacin.

Por tanto, como vimos

en la segunda seccin, puede haber experimentos que sean considerados simulaciones. A la vez en la seccin tercera defendimos que las simulaciones son una
herramienta de primer orden para acceder a condiciones

in vivo.

Como puede

verse, no intentamos aqu borrar la distincin entre experimentos y simulaciones

computacionales, sino destacar que ambas prcticas deben comprenderse - y por

13

tanto caracterizarse - tomando en consideracin su interrelacin. Y esta interrelacin se puede establecer a travs de una nocin de simulacin ms general
- y por tanto no circunscrita al mbito computacional - y que est supuesta en
las condiciones

in vivo e in vitro.

No hemos arribado a una caracterizacin losca de las simulaciones computacionales como las que resebamos en la segunda seccin del trabajo. Nuestra tarea ms bien ha sido marcar la necesidad de encarar la tarea de elucidacin
considerando aspectos especcos de los contextos experimentales.

El que un

sistema simule - en un sentido computacional o experimental - involucra una

manera de estar en lugar de otro sistema. Y esta manera de estar en lugar de
otro debera explicitarse en trminos metodolgicos, tal como lo hemos hecho
en la seccin tercera y cuarta de este trabajo.

La perspectiva metodolgica

adoptada es central para nuestra propuesta porque as como hemos defendido

que el lmite entre condiciones

in vivo

in vitro

es mvil y dependiente del

contexto tambin lo es el lmite entre contextos experimentales y simulaciones

computacionales. Este paralelismo se funda en que entre estas prcticas cientcas aparentemente tan dismiles - interventivas y representacionales - estn
operando los supuestos metodolgicos de la relacin

in vivo - in vitro.

Y sin

esta relacin difcilmente se pueda comprender por qu simulan los programas

computacionales o por qu son conables los resultados experimentales.
La caracterizacin de simulacin computacional - y de prctica experimental
- que sugerimos aqu est fuertemente anclada en aquellas disciplinas que utilizan una nocin de simulacin como la supuesta en la relacin entre condiciones

in vivo

in vitro.

Retomando el desafo que plantebamos en la introduccin

en relacin con la tensin entre generalidad y especicidad, nuestra propuesta

involucra una toma de posicin fuerte. Pero, recordemos que en la introduccin
presentbamos este problema como una dicotoma: el estudio de casos exclua un
inters genuino por elucidar qu son las simulaciones. En este trabajo hemos defendido que no necesariamente existe esta dicotoma. Probablemente el camino
ms adecuado sea construir caracterizaciones generales - no universales - pero
signicativas para luego indagar su eventual extensin a otros mbitos.

References
Chance, Britton:

The Kinetics of the Enzyme-substrate compound of Perox-

idase. J. Biol. Chem. 1943 No. 151, 553577

Duran, Juan:

A Brief Overview of the Philosophical Study of Computer

Simulations. APA Newsletter, 1 2013 No. 13, 3846

Eccles, Suzanne A: Basic principles for the study of metastasis using animal
models. In Metastasis Research Protocols Springer, 2001, 161171

Food/Industry, Drug Administration Guidance for, editors:

Extended

release oral dosage forms: development, evaluation, and application of in

vitro/in vivo correlations. U.S. Department of Health and Human Services,
September 1997

Frigg, Roman/Hartmann, Stephan: Models in Science. In Zalta, Edward N., editor: The Stanford Encyclopedia of Philosophy. Fall
2012 edition. 2012

14

Frigg, Roman/Reiss, Julian:

The Philosophy of Simulation: Hot New Issues

or Same Old Stew? Synthese, 169 2009 No. 3, 593613

Garcia, Pio; Velasco, Marisa; Duran, Juan, editor:

Chap. Exploratory

strategies: experiments and simulations. InComputer Simulations and the

Changing Face of Scientic Experimentation. Cambridge Scholar Publishing, 2013, 99108

Garcia, Pio:

Beyond the dichotomy in vivo - in vitro:

in silico. In [2006]

Models and Simulations (Paris, 2006). unpublished. 2006

//philsci-archive.pitt.edu/2777/i

Garcia, Pio:

hURL: http:

Discovery by serendipity: a new context for an old riddle. Foun-

dations of Chemistry, 11 2009 No. 1, 3342

Garcia, Pio:

Computer simulations and experiments: in vivo in vitro condi-

tions in biochemistry. Foundations of Chemistry, 17 2015 No. 1, 4965

Gilbert, G. Nigel/Troitzsch, Klaus G; Hill, McGraw, editor:

Simu-

hURL: http:
//public.eblib.com/EBLPublic/PublicView.do?ptiID=287870i  vis-

lation for the social scientist. Open University Press, 2005

ited on 2014-03-22, ISBN 0335225128 9780335225125

Gould, Harvey/Tobochnik, Jan/Christian, Wolfgang.:

An introduction

to computer simulation methods: applications to physical systems. Pearson Addison Wesley, 2007, ISBN 0805377581 9780805377583

Guala, Francesco:

Models, simulations, and experiments. In Model-based

reasoning Springer, 2002, 5974

Hartmann, Stephan; al., R. Hegselmann et, editor:

Chap. The World

as a Process: Simulations in the Natural and Social Sciences. InModelling

and Simulation in the Social Sciences from the Philosophy of Science Point
of View. Dordrecht: Kluwer, 1996, 77100

Holmes, Frederic Lawrence:

Hans Krebs. New York:

Oxford University

Press, 1991

Humphreys, Paul:

Computer simulations. In PSA: Proceedings of the bi-

ennial meeting of the philosophy of science association.

JSTOR 1990,

497506

Humphreys, Paul:

Extending ourselves: computational science, empiricism,

and scientic method. New York: Oxford University Press, 2004

Johnson, Kevin C:

Dissolution:

fundamentals of in vitro release and the

biopharmaceutics classication system. DRUGS AND THE PHARMACEUTICAL SCIENCES, 165 2007, 1

Mendes, Pedro:

Computer simulation of the dynamics of biochemical path-

ways. Ph. D thesis, University of Wales, Aberystwyth, 1994

Mendes, Pedro:

Biochemistry by numbers: simulation of biochemical path-

ways with Gepasi 3. Trends in biochemical sciences, 22 1997 No. 9, 361363

15

Morgan, Mary S.:

ference

and

Experiments versus models:

surprise.

Journal

of

Economic

New phenomena,
Methodology,

12

in-

2005

2, 317329 hURL: http://www.tandfonline.com/doi/abs/10.

1080/13501780500086313i
No.

Morrison, Margaret:

Models, measurement and computer simulation: The

changing face of experimentation. Philosophical Studies, 143 2009 No. 1,

3357

Parker, Wendy S.:

Does matter really matter? Computer simulations, ex-

periments, and materiality. Synthese, 169 2009 No. 3, 483496

http://link.springer.com/10.1007/s11229-008-9434-3i

Peschard, Isabelle:

hURL:

3 Modeling and Experimenting1. Models, Simulations,

and Representations, 9 2013, 42

Riznichenko, G Yu et al.:

Mathematical and computer modeling of primary

photosynthetic processes. Biophysics, 54 2009 No. 1, 1022

Rohrlich, Fritz:

Computer Simulation in the Physical Sciences. Proceedings

of the Biennial Meeting of the Philosophy of Science Association 1990

Snoep, Jacky/Mendes, Pedro/Westerho, Hans:

Teaching metabolic

control analysis and kinetic modelling. The Biochemist 25 1999

Strand, Roger/Fjelland, Ragnar/Flatmark, Torgeir:

In vivo interpreta-

tion of in vitro eect studies with a detailed analysis of the method of

in vitro transcription in isolated cell nuclei. Acta Biotheoretica, 44 1996
No. 1, 121

Suarez, Mauricio:

Scientic representation: Against similarity and isomor-

phism. International Studies in the Philosophy of Science, 17 2003 No. 3,

225244

Wilke, H-J et al.:

A universal spine tester for in vitro experiments with muscle

force simulation. European Spine Journal, 3 1994 No. 2, 9197

Williams, J. Andrew, editor:

Predictive approaches in drug discovery and

development: biomarkers and in vitro/in vivo correlations. Hoboken, N.J:

Wiley, 2011, Wiley series on technologies for the pharmaceutical industry,
ISBN 9780470170830

Winsberg, Eric:

Sanctioning models: The epistemology of simulation. Science

in context, 12 1999 No. 2, 275292

Winsberg, Eric:

Simulated experiments: Methodology for a virtual world.

Philosophy of science, 70 2003 No. 1, 105125

Winsberg, Eric: A tale of two methods. Synthese, 169 2009 No. 3, 575592
Winsberg, Eric: Computer Simulations in Science. In Zalta, Edward N.,
editor: The Stanford Encyclopedia of Philosophy. Fall 2014 edition. 2014

16