کارآموزی سیستم بیولوژی: R و آنالیز داده های میکرواری

معرفی

سلول‌ها که کوچک‌ترین واحد ساختمانی حیات هستند، همگی از میلیون‌ها جزء ریزتر مانند نوکلئیک‌اسیدها، ریبونوکلئیک‌اسیدها، پروتئین‌ها و متابولیت‌ها تشکیل شده‌اند. در وهله اول ممکن است تصور کنیم شناسایی هرکدام از این بیومولکول‌ها و بررسی عملکردشان در سلول می‌تواند برای شناخت یک سلول کافی باشد، اما تنها شناختن این اجزای پراکنده کافی نیست. برای آنکه بتوانیم به شناخت حیات یک‌قدم بیشتر نزدیک شویم، به یک دید تحلیلی دیگر به نام سیستم بیولوژی یا Systems Biology احتیاج داریم.

زیست‌شناسی سامانه‌ ای یا همان سیستم بیولوژی، با هدف ایجاد یک نگاه کلی‌نگر یا هولستیک به وجود آمد، چراکه باتوجه‌به جمله‌ای منتسب به ارسطو، “کل بزرگ‌تر از مجموع اجزاست”. همان‌طور که می‌دانیم، اجزای سلول در تعامل با یکدیگر کار می‌کنند و این تعاملات آن‌قدر متعدد و پیچیده هستند که با هم سیستم‌های پیچیده‌ای را تشکیل می‌دهند.

پس برای آنکه بتوانیم یک سلول را بشناسیم و رمز این سیستم‌های بیولوژیکی را باز کنیم، باید دید خود را کمی وسیع‌تر کرده و به سلول به‌عنوان یک سیستم نگاه کنیم. برای مطالعه، نگاه‌کردن مجموع اجزا برای شناختن این سیستم کافی نیست، باید کل این سیستم را در نظر داشته باشیم و اهمیت ویژه‌ای را برای روابط میان اجزا در نظر بگیریم.

با تمرکزکردن بر روی تنها بخشی از سیستم، ممکن است اطلاعات مهمی را در بخش دیگری از این سیستم از دست بدهیم؛ اطلاعاتی که می‌توانست برای درک بهتر سؤال زیستی به ما کمک کند. به همین دلیل، سیستم بیولوژی به دنبال راه‌حل‌هایی برای حل این مشکل است.

برای بررسی سیستم‌های پیچیده زیستی، دیگر نمی‌توانیم به دانش کلاسیک زیست‌شناسی اکتفا کنیم و باید برای تحلیل حجم بالایی از داده نیز راه‌حل پیدا کنیم. همچنین باید در نظر داشته باشیم که سیستم‌های زیستی دینامیک هستند و در طول زمان به فراخور آنکه در چه شرایط محیطی یا درونی قرار دارند، تغییر می‌کنند. پس اطلاعاتی که از یک سیستم بیولوژیک به دست می‌آورید، تنها منحصر به یک زمان مشخص نیست و باید تغییرات اجزا و مقدارشان در طول زمان را نیز در نظر بگیرید.

به همین دلیل است که سیستم بیولوژی، برای رشد خود نیازمند حوزه‌های دیگری از علم مانند زیست‌شناسی، ریاضی، علوم کامپیوتر، بیوانفورماتیک و فیزیک است تا توانایی پیش‌بینی سیستم‌ها را در طول زمان و تحت شرایط مختلف داشته باشد. پس می‌توان آن را حوزه‌ای میان‌رشته‌ای به شمار آورد.

زمانی که بتوانیم از حوزه‌های دیگر علم برای پاسخ به سؤالات زیستی کمک بگیریم، توانایی خود را برای این مسئله پیچیده بیشتر کرده‌ایم. محققین علوم زیستی با تکیه بر نتایج تحقیقات محققین حوزه سیستم بیولوژی مانند مدل‌های پیش‌بینی‌کننده که چندین مقیاس را هم‌زمان در نظر می‌گیرد، می‌توانند نشانگرهای زیستی جدیدی را برای بیماری‌های مختلف کشف کنند، بیماران را بر اساس پروفایل‌های ژنتیکی منحصربه‌فرد طبقه‌بندی کنند و یا حتی تحقیقات خود را بر روی داروها و سایر درمان‌ها معطوف کنند.

پس زیست‌شناسی سیستم‌ها، درنهایت می‌تواند پتانسیلی را برای اکتشافات جدید ایجاد کند تا شاهد نوآوری‌هایی در حوزه علوم زیستی باشیم. پس از به‌دست‎آوردن نتایج با کمک روش‌های مبتنی بر سیستم بیولوژی، می‌توان با بررسی آن‌ها در مقیاس آزمایشگاهی، صحت نتایج را مطالعه کرد. همچنین، به دلیل آنکه با استفاده از نتایج حاصل از این روش، تعداد بیومولکول‌های مورد بررسی خود را کاهش داده‌اید، می‌توانید برخی از هزینه‌های نهایی کارهای آزمایشگاهی را کاهش دهید. حتی ممکن است در تحلیل‌ها به نکاتی برخورد کنید که ممکن است از قبل آن‌ها را در طراحی آزمایش در نظر نگرفته باشید.

محققین سیستم بیولوژی در طول سال‌های گذشته، اطلاعات به‌دست‌آمده از اومیکس مانند ژنومیکس، اپی‌ژنومیکس، ترنسکریپتومیکس، پروتئومیکس، متابولومیکس و غیره را گردآوری کرده و در کنار دیگر اطلاعات به‌دست‌آمده از دانش زیست‌شناسی قرار دادند. آن‌ها با مدل‌سازی، تحلیل ریاضی و محاسباتی روابطی که بین این اجزا وجود دارد، دیتابیس‌های جامعی را تولید کرده‌اند تا محققین حوزه‌های علوم زیستی بتوانند تحقیقات خود را بر پایه این دیتابیس‌های جامع جلو ببرند.

این دیتابیس‌ها، پایگاه‌های دانشی هستند که به کمک آن‌ها می‌توانیم آنالیزهای انریچمنت یا Enrichment Analysis را برای مسیرهای زیستی و یا ژن‌ها (آنالیز ژن انریچمنت) انجام دهیم تا مهم‌ترین آن‌ها را شناسایی کنیم. از طرفی انجام تحلیل‌های ژن انتولوژی (Gene Ontology) یا هستی‌شناسی ژن، به ما دید بهتری از ارتباط بیومولکول‌ها با اجزای سلولی، فرایندهای زیستی دخیل در آن و عملکرد مولکولی می‌دهند. وب‌سایت‌ها و نرم‌افزارهای مطرح این حوزه نیز می‌توانند به ترسیم شبکه مابین بیومولکول‌های ما کمک کرده و تحلیلی از ساختار شبکه آن‌ها ارائه کنند.

پس برای آنکه بتوانیم از کاربردهای سیستم بیولوژی در تحقیقات خود استفاده کنیم، نیاز به دانش ریاضی یا برنامه‌نویسی پیشرفته نداریم و می‌توانیم با تکیه بر این دیتابیس‌ها یا وبسایت‌هایی که برای سیستم بیولوژی توسعه پیدا کرده‌اند از زیست‌شناسی سامانه‌ای در مطالعات خود بهره ببریم. در عوض، اگر قصد داشته باشیم که در توسعه این حوزه از علم سهیم باشیم، باید توانمندی خود را در زمینه‌های محاسباتی افزایش دهیم.

بااین‌حال، برای استفاده از سیستم بیولوژی، زیست‌شناسان تنها نیاز دارند که پایه‌ای از برنامه‌نویسی، ریاضی، آمار داشته باشند و با دیتابیس‌ها، نرم‌افزارها (مانند سایتواسکیپ یا Cytoscape) و وبسایت‌های پرکاربرد آن (مانند Enrichr برای آنالیز غنی‌سازی) آشنا باشند.

امروزه به دلیل اهمیت داشتن دید محاسباتی در کنار دانش‌های کلاسیک، پروژه‌های تحقیقاتی و بازار کار نیز به سمت جذب متخصصانی می‌روند که تجربیاتی در این زمینه‌ها دارند، چراکه این افراد می‌توانند تحلیل جامع‌تری را از مسائل ارائه دهند. به‌دست‌آوردن مهارت‌های بیشتر، شانس متقاضیان را برای قرارگرفتن در موقعیت‌های شغلی و تحقیقاتی موردنظر افزایش می‌دهد.

کاربرد سیستم بیولوژی به حوزه‌های زیست‌پزشکی منحصر نمی‌شود و از آن در حوزه‌های دیگر نیز استفاده می‌شود. زمانی که بتوانیم عملکرد یک سیستم را بشناسیم، می‌توانیم با اطمینان بیشتری به دست‌ورزی سیستم‌های زیستی رو بیاوریم. اگر بدانیم که با تغییر چه بخش یا بخش‌های از سیستم، چه پاسخ بیولوژیکی دریافت می‌کنیم، می‌توانیم به دنبال دست‌ورزی هدفمند باشیم تا سلول‌هایی با قابلیت‌های مطلوب تولید کنیم. درنتیجه، زیست شناسی سامانه‌ها، در مراحل بالاتر می‌تواند در حوزه‌های مهندسی متابولیک و سینتتیک بیولوژی نیز کاربرد داشته باشد.

همچنین در مورد  دیگر کاراموزی های بیوانفورماتیکی بخوانید :

کاراموزی بیوانفورماتیک

کاراموزی R و Machine Learning