دسته‌بندی نشده
موتیف های شبکه، تاثیر آن‌ها بر تنظیم سلول و طراحی مدار ژنی
درباره موتیف های شبکه
موتیف های شبکه، الگوهای تکرارشونده‌ای در شبکه هستند. موتیف‌ها نقش‌های مهمی در تنظیم عملکرد یک سلول بازی می‌کنند و در طی سال‌ها تکامل موجودات زنده متوجه شده‌اند که چگونه شبکه‌های ژنی، پروتئینی یا بیوملکول‌های خود را تنظیم کنند که بتوانند به تغییرات محیطی به درستی پاسخ داده و حتی شرایط خود را پایدار نگه دارند.
به همین دلیل بوده است که شبکه‌های زیستی دارای بخش‌های مهمی به نام موتیف شده‌اند که اهمیت بالایی در تنظیم رفتار یک موجود دارند. اگر بخواهیم یک قدم فراتر برویم، می‌توانیم از ایده موجود در موتیف‌ها استفاده کنیم و دست به طراحی مدار ژنی بزنیم که رفتار خاصی را از خود نشان می‌دهد.
موتیف‌های زیادی وجود دارند که از تعداد نودهای مختلف و الگوی اتصالات متفاوتی بین نودها تولید شده‌اند. این اتصالات جهت دار بوده و نودهای درون یک موتیف می‌توانند بر روی یکدیگر تاثیر بگذارند و عملکرد دیگری را کنترل کنند. همین امر سبب شده است که موتیف های شبکهبتوانند در تنظیم تاثیر مهمی داشته باشند.
مثلا فرض بگیرید که یک ژن در موتیف با چهار نود (یک موتیف با ساختار Feed-forward loop را در نظر بگیرید که در تصاویر نشان داده شده است) تنها زمانی روشن می‌شود که دو ژن دیگر که در بالادست آن قرار دارند روشن شوند. در این زمان می‌توان گفت که رابطه AND بین این دو ژن بالادستی وجود داشته است و این ژن نهایی تنها در صورتی روشن خواهد شد که هردوی آن‌ها با هم روشن باشند.
موتیف های شبکه (single-input and multiple-input)
از طرف دیگر یکی دیگر از موتیف های شبکه را در نظر بگیرید که دیگر رابطه بین نودها از جنس AND نبوده، و OR باشد. در این حالت ژن پایین‌دستی با روشن بودن هرکدام از ژن‌های بالادستی روشن می‌شود. در مورد قبل شما تنها پاسخی از ژن نهایی می‌بینید که دو ژن روشن باشند، حال در نظر بگیرید که یکی از ژن‌ها خاموش شوند. بلافاصله ژنی که در پایین دست قرار دارد نیز خاموش می‌شود. اما در حالت دوم، زمانی که یکی از ژن‌ها خاموش می‌شود، ژن پایین دست تا زمانی که ژن دوم خاموش نشده باشد روشن باقی می‌ماند. این رفتار سبب نوعی تاخیر یا delay در سیستم می‌شود.
از انواع موتیف های شبکه می‌توان به موارد زیر اشاره کرد:
- موتیف شبکه حلقه پیش‌خور (Feedforward Loop)
- (Coherent)
- حلقه پیش‌خور OR-GATE C1
- (Incoherent)
- موتیف شبکه ماژول تک‌ورودی (SIM)
- حلقه پیش‌خور چندخروجی
- BIFANS
- و انواع دیگری از موتیف‌ها.
با نکاتی که در بخش رسم گراف گفتیم، احتمالا می‌دانید که برای کشیدن گراف می‌توانیم از ماتریسی به‌عنوان ماتریس مجاورت استفاده کنیم. در نظر بگیرید که یک ماتریس مجاورت داریم و می‌خواهیم شبکه‌ای را به کمک آن رسم کنیم. برای سادگی فرض کنیم که این شبکه بدون جهت است و وزنی نیز ندارد. به صورت رندوم مقادیر درون جدول را یک و صفر بگذارید. همان‌طور که توضیح داده شد، زمانی که در بخشی از جدول یک داریم، دو نود با یکدیگر در ارتباط هستند و زمانی که صفر داریم، ارتباط یا یالی بین اجزا نیست.
به صورت رندوم اعدادی را در این جدول قرار دهید. فرض بگیرید که می‌خواهید یک گراف رندوم تولید کنید. این گراف را در نظر داشته باشید و از سمت دیگر گراف دیگر زیر را در نظر بگیرید که هر نود به دو نود مجاور خود مربوط باشد. می‌توانیم درجه (تعداد یال‌های هرنود) را بر روی یک هیستوگرام بکشیم. چه چیزی را در شکل زیر مشاهده می‌کنید؟
شبکه‌های زیستی از جنس scale-free هستند. این شبکه‌ها رندوم نیستند و به همین دلیل تعداد درجات نودها در آن از توزیع رندوم یا پوآسون پیروی نمی‌کند. بلکه توزیعی که مشاهده می‌شود، power-law degree distribution یا توزیع توانی است. تعداد نودهایی که درجات خیلی بالا دارند پایین بوده و تعداد نودهایی که درجات کمی دارند بالاست. این امر نشان می‌دهد که هاب نودها (یعنی نودهایی که درجات بالا دارند) تعداد کمی دارند. حالا فرض کنید که اگر ژنی در این شبکه دچار جهش شود چه اتفاقی می‌افتد؟
چون تعداد ژن‌هایی که درجات بالا دارند در این شبکه پایین هستند، شانس آنکه یک ژن هاب دچار جهش شود پایین‌تر و درنتیجه شبکه زیستی پایدار باقی می‌ماند.
از سمت دیگر فرض کنید که یک ژن هاب دچار جهش شود. شبکه‌های زیستی آن‌قدر به هم متصل هستند و به اصطلاح connectivity بالایی دارند که با حذف چند ژن همچنان جریان اطلاعاتی را در خود حفظ می‌کنند. بااین‌حال، اگر چندین ژن اصلی را مورد هدف قرار دهیم، اگر شبکه اتصال خود را از دست بدهد، دیگر قدرت خود را از دست می‌دهد.
درنتیجه صحبت بالا، شبکه‌های زیستی رندوم نیستند و در پی سال‌ها تکامل بهینه شده‌اند. این شبکه‌ها برای زندگی بر روی زمین و پاسخ به محرک‌های محیطی آماده شده‌اند، پس نمی‌توان آن را یک شبکه رندوم در نظر گرفت و همین ادعا توسط مطالعات مختلفی تایید شده است.
از این رو، موتیف های شبکه نیز چنین حالتی دارند. این بخش‌های تکرارشونده در شبکه را نمی‌توانیم در شبکه‌های رندوم به تعداد بالا مشاهده کنیم. موتیف‌ها در شبکه‌های زیستی به تعداد قابل توجهی وجود دارند و همین موضوع نشان می‌دهد که برای سلول آماده شده‌اند.
برای مطالعه سامانه‌های پیچیده نیاز داریم که آن‌ها را به ساختمان‌های اساسی تقسیم کنیم تا درک این سیستم‌ها برای ما ممکن شود. موتیف‌ها این امکان را به ما می‌دهند که ماژول‌های اساسی یک سیستم را بررسی کنیم و رفتار آن را با دقت بیشتری پیش‌بینی کنیم.
در سال‌های اخیر توجه بسیاری به موتیف های شبکه شده است، که زیرشبکه‌های مشخصی هستند که در یک شبکه بیولوژیکی، بیشتر از حد انتظار ظاهر می‌شوند. درجه بالای حفظ تکاملی اجزای موتیف در شبکه‌های طبیعی همراه با تکامل همگرا که در شبکه‌های گونه‌های متنوع به سمت انواع موتیف مشابه مشاهده شده است، یک استدلال قوی ایجاد می‌کند. موتیف های شبکه ارتباط مستقیم بیولوژیکی دارند.
طبقه‌بندی موتیف های شبکه نشان داده است که انواع خاصی از موتیف ها عملکردهای بیولوژیکی خاصی را انجام می دهند. موتیف‌ها که در ابتدا در شبکه‌های تنظیم‌کننده رونویسی در ارگانیسم‌های مدل شناسایی شدند، اکنون به عنوان بلوک‌های ساختمانی اصلی شبکه‌های بیولوژیکی شناخته می‌شوند.
دوره کارآموزی طراحی و مدلسازی سلولی: سیستم بیولوژی
