传统生物学一次只研究一个基因、一个蛋白质或一条通路。系统生物学则采取不同的方法。它研究生物系统各个组成部分之间的相互作用，探究基因、蛋白质和代谢物网络如何协同作用，产生任何单一组成部分都无法解释的行为。整体大于部分之和。

该领域依赖于大规模数据。基因组学、转录组学、蛋白质组学和代谢组学产生了海量的数据集。计算模型将这些数据整合到网络和模拟中。这些模型预测系统如何响应扰动，例如药物或突变。它们能够识别出从单个组成部分无法直接观察到的涌现特性。

系统生物学应用广泛。在医学领域，它通过分析网络而非单个基因来识别药物靶点和生物标志物。在微生物学领域，它模拟细菌对抗生素的反应。在癌症研究领域，它研究驱动肿瘤生长的信号通路网络。在生态学领域，它模拟物种间的相互作用。这种方法具有整体性和定量性。

挑战在于复杂性和数据整合。生物系统充满噪声、动态变化且依赖于环境。模型是对现实的简化。来自不同来源的数据可能不具有可比性。但系统生物学正在日趋成熟，并正在改变我们对生物学的固有认知。