باز کردن منو اصلی

زیست‌شناسی محاسباتی (انگلیسی: Computational biology) شامل توسعه و کاربرد روش‌های داده-تحلیلی و نظری، مدل سازی ریاضی و تکنیک‌های شبیه‌سازی محاسباتی برای مطالعه سیستم‌های بیولوژیکی، رفتاری و اجتماعی است.

این زمینه به‌طور گسترده تعریف شده و شامل مبانی در زیست‌شناسی، ریاضیات کاربردی، آمار، بیوشیمی، شیمی، بیوفیزیک، زیست‌شناسی مولکولی، ژنتیک، ژنومیک، علوم رایانه و تکامل است.

زیست‌شناسی محاسباتی متفاوت از محاسبات بیولوژیکی است که یک زیر شاخه از علوم رایانه و مهندسی کامپیوتر با استفاده از مهندسی زیست‌شناسی و زیست‌شناسی برای ساختن کامپیوتر است، اما شبیه به بیوانفورماتیک است، که علم بین رشته‌ای است که از رایانه برای ذخیره و پردازش داده‌های بیولوژیکی استفاده می‌کند.

مقدمه و معرفیویرایش

زیست‌شناسی محاسباتی که جنبه‌های گوناگون بیوانفورماتیک را شامل می‌شود، علمِ استفاده از داده‌های زیستی برای توسعه‌ی الگوریتم‌ها یا مدل‌ها برای فهم سیستم‌ها و روابط زیستی است. تا چندی پیش، زیست‌شناسان به داده‌هایی با حجم زیاد دسترسی نداشتند. حالا این نوع داده، به خصوص در زیست‌شناسی مولکولی و ژنومیک متداول شده است. محققان قادر بودند روش‌های آنالیزی برای تفسیر داده‌های زیستی توسعه دهند، ولی فادر نبودند آن‌ها را به سرعت میان همکاران خود به اشتراک بگذارند.[۱]

بیوانفورماتیک در اوایل دهه‌ی 1970 شروع به توسعه کرد. بیوانفورماتیک علم تجزیه و تحلیل فرایندهای اطلاعاتی سیستم‌های گوناگون زیست‌شناسی است. در آن زمان، تحقیق در زمینه‌ی هوش مصنوعی با استفاده از مدل‌های شبکه‌ی مغز انسان به منظور تولید الگوریتم های جدید انجام گرفت. این استفاده از داده‌های زیستی برای توسعه‌ی سایر زمینه‌ها، محققان زیستی را وادار به بازنگری ایده‌ی استفاده از رایانه‌ها برای ارزیابی و مقایسه مجموعه‌هایی با داده‌های بزرگ کرد. تا قبل از سال 1982، اطلاعات با استفاده از کارت‌های پانچ میان محققین به اشتراک گذاشته می‌شد. مقدار داده‌های به اشتراک گذاشته شده در اواخر دهه‌ی 1980 شروع به رشد نمایی کرد. نیاز به توسعه‌ی روش‌های محاسباتی جدید بود تا به سرعت، تجزیه و تحلیل و تفسیر اطلاعات مرتبط انجام شود.[۱]

از اواخر دهه‌ی 1990، زیست شناسی محاسباتی تبدیل به بخش مهمی از توسعه‌ی فناوری‌های در حال ظهور در زمینه‌ی زیست شناسی شده است.[۲] زیست شناسی محاسباتی و محاسبات تکاملی اسامی مشابهی دارند، اما نباید یکی در نظر گرفته شوند. بر خلاف زیست شناسی محاسباتی، محاسبات تکاملی مربوط به مدل سازی و تجزیه و تحلیل داده‌های زیستی نیست، بلکه به جای آن الگوریتم‌های مبتنی بر ایده‌های تکامل در میان گونه ها را ایجاد می کند. گاهی از آن به عنوان الگوریتم ژنتیک یاد می‌شود و می‌تواند در زیست‌شناسی محاسباتی به کار گرفته شود. در حالی که محاسبات تکاملی ذاتاً بخشی از زیست‌شناسی محاسباتی نیست، زیست شناسی تکاملی محاسباتی یک زیرمجموعه از آن است.[۳]

زیست شناسی محاسباتی برای کمک به پیدا کردن توالی ژنوم انسان، ایجاد مدل دقیق مغز انسان و کمک به مدل سازی سیستم‌های زیستی استفاده شده است.[۱]

زیر رشته‌هاویرایش

آناتومی محاسباتیویرایش

آناتومی محاسباتی، رشته‌ای است که بر مطالعه‌ی شکل و شکل آناتومیک در مقیاس ریخت‌شناسی آناتومیکی قابل مشاهده یا ناشناخته‌ی 50 تا 100 میکرومتری تمرکز دارد که شامل توسعه و کاربرد روش‌های محاسباتی، ریاضی و داده‌های تحلیلی برای مدل‌سازی و شبیه‌سازی ساختارهای زیستی است. تمرکز آن بیشتر روی ساختارهای تشریحی در حال تصویربرداری است و نه دستگاه‌های تصویربرداری پزشکی. با توجه به در دسترس بودن اندازه‌گیری‌های متراکم سه بعدی از طریق فناوری هایی مانند تصویربرداری تشدید مغناطیسی، آناتومی محاسباتی به عنوان یک زیرمجموعه‌ی تصویربرداری پزشکی و مهندسی زیست پزشکی برای استخراج سیستم‌های مختصات آناتومیک در مقیاس مورفوم به صورت سه بعدی شکل گرفته است.

فرمول‌بندی اصلی آناتومی محاسباتی به عنوان یک مدل مولد شکل و فرم از نمونه‌هایی است که از طریق تحولات عمل می کنند.[۴] گروه هموارریختی برای مطالعه‌ی سیستم‌های مختصات مختلف به شیوه‌ی تبدیل مختصات استفاده می‌شود که از طریق سرعت لاگرانژی و اویلری جریان از یک پیکر آناتومیک در   به دیگری تولید می شود. آناتومی محاسباتی با آمار شکل و مورفومتریک مرتبط است با این تمایز که از هموارریختی برای تبدیل سیستم مختصات استفاده می‌شود.

مدل‌سازی سیستم‌های زیستیویرایش

مدل‌سازی سیستم‌های زیستی رشته‌ای است برای ساخت مدل های کامپیوتری برای سیستم‌های زیستی. هدف مدل‌سازی سیستم‌های زیستی، توسعه و استفاده از شبیه سازی‌های بصری برای ارزیابی پیچیدگی سیستم‌های زیستی است. این کار از طریق استفاده از الگوریتم های تخصصی و نرم‌افزار تجسم انجام می شود. این مدل ها امکان پیش بینی نحوه واکنش سیستم ها در محیط های مختلف را می دهد. این کار از طریق استفاده از الگوریتم‌های مخصوص و نرم‌افزار تصویرسازی انجام می‌گیرد.  این مدل‌ها به ما امکان پیش‌بینی نحوه‌ی واکنش سیستم‌ها در محیط‌های مختلف را می‌دهد. این کار برای تعیین اینکه آیا یک سیستم خوش‌بُنیه است یا نه، مفید است. تعریف یک سیستم زیستی خوش‌بنیه این است که "حالت و عملکرد خود را در مقابل اختلالات خارجی و داخلی حفظ کند"[۵] که برای بقای سیستم زیستی ضروری است. مدل‌سازی سیستم‌های زیستی یک آرشیو بزرگ از چنین داده‌ها را تولید می‌کند، که امکان تجزیه و تحلیل از چندین کاربر را فراهم می‌کند. در حالی‌که تکنیک‌های فعلی روی سیستم های زیسیتی کوچک تمرکز می‌کنند، محققان بر روی رویکردهایی که شبکه‌های بزرگتری را تجزیه و تحلیل و مدل سازی می‌کنند، کار می‌کنند. اکثریت محققان معتقدند که این امر در توسعه روشهای پزشکی مدرن برای ایجاد داروهای جدید و ژن درمانی ضروری خواهد بود. [۵] یک رویکرد مدل سازی مفید، استفاده از شبکه‌های پتری با استفاده از ابزارهایی مانند esyN [۶]است.

ژنومیک محاسباتی(ژنتیک محاسباتی)ویرایش

 
یک ژنوم توالی‌یابی شده‌ی جزئی.

ژنومیک محاسباتی یک رشته در ژنومیک است که ژنوم سلولها و موجودات را مطالعه می‌کند. گاهی اوقات از آن به عنوان ژنتیک محاسباتی و آماری یاد می‌شود و بسیاری از بیوانفورماتیک را شامل می‌شود. پروژه‌ی ژنوم انسان نمونه ای از ژنومیک محاسباتی است. هدف این پروژه یافتن توالی ژنوم انسان و پیوند دادن آن به مجموعه‌ای از اطلاعات است. هنگامی که به طور کامل اجرا شود، می تواند به پزشکان اجازه دهد ژنوم یک بیمار را تجزیه و تحلیل کنند.[۷] همچنین امکان پزشکی شخصی‌سازی‌شده را از طریق تجویز درمان بر اساس الگوهای ژنتیکی موجود در فرد، فراهم می کند. این پروژه باعث ایجاد بسیاری از پروژه‌های مشابه شده است. محققان به دنبال ژنوم حیوانات، گیاهان، باکتری‌ها و سایر انواع زندگی هستند. [۸]

یکی از روش‌های اصلی مقایسه‌ی ژنوم‌ها هماهنگی توالی‌ها است. همولوژی مطالعه‌ی ساختارهای زیستی و توالی نوکلئوتیدی در ارگانیزم‌های مختلفی است که دارای اجداد مشترک هستند. تحقیقات نشان می دهد که بین 80 تا 90 درصد ژن‌ها در ژنوم‌های پروکاریوتی تازه تثبیت شده، می‌توانند به این طریق شناسایی شوند.[۸]

این رشته هنوز در حال توسعه است. یک موضوع بررسی نشده در توسعه‌ی ژنومیک محاسباتی، تجزیه و تحلیل مناطق میان‎ژنی است. مطالعات نشان می دهد که تقریباً 97٪ ژنوم انسان از این مناطق تشکیل شده است. [۸] محققان در ژنومیک محاسباتی روی فهم مناطق غیر کدگذاری و کارکرد آن‌ها کار می‌کنند.

علوم اعصاب محاسباتیویرایش

علوم اعصاب محاسباتی مطالعه‌ی کارکرد مغز از نظر خواص پردازش اطلاعات ساختارهایی است که سیستم عصبی را تشکیل می دهند. علوم اعصاب محاسباتی زیرمجموعه‌ی رشته‌ی علوم اعصاب است، و به دنبال تجزیه و تحلیل داده‌های مغز برای ایجاد برنامه های عملی است.[۹] همچنین در آن به مدل کردن مغز برای بررسی انواع جنبه‌های سیستم عصبی پرداخته می‌شود. انواع مختلف مدل‌های مغز شامل موارد زیر است:

  • مدل‌های واقع‌گرانه: این مدل‌ها سعی می‌کنند همه‌ی جوانب مغز را نشان دهند، از جمله جزئیات دقیق در سطح سلولی تا جایی که ممکن است. مدل‌های واقع‌گرانه بیشترین اطلاعات در مورد مغز را ارائه می‌کنند، اما همچنین دارای بزرگترین حاشیه برای خطا هستند. متغیرهای بیشتر در یک مدل مغزی باعث ایجاد خطای بیشتر می‌شوند . این مدل‌ها شامل بخشی از ساختار سلولی که دانشمندان هنوز نمی‌دانند، نمی‌شوند. مدل های واقع‌گرانه‌ی مغز سنگین‌ترین محاسبات را دارند و پرهزینه‌ترین از نظر پیاده سازی هستند. [۱۰]
  • مدل‌های ساده‌سازی شده: این مدل‌ها سعی دارند دامنه‌ی یک مدل را محدود کنند تا ارزیابی خاصیت فیزیکی خاص سیستم مغز و اعصاب صورت بگیرد. این اجازه را به ما می‌دهد تا مشکل محاسبات شدید حل شود و مقدار خطای بالقوه‌ی یک مدل واقعی مغز را کاهش دهد.[۱۰]

این، کار دانشمندان علوم اعصاب محاسباتی برای بهبود الگوریتم‌ها و داده ساختارهایی است که در حال حاضر برای افزایش سرعت چنین محاسباتی استفاده می‌شود.

داروشناسی محاسباتیویرایش

داروشناسی محاسباتی (از منظر زیست شناسی محاسباتی) "بررسی اثر داده‌های ژنومیک برای یافتن پیوندهای بین ژنوتیپ‌های خاص و بیماری‌ها و سپس بررسی داروپژوهی" است.[۱۱] صنعت داروسازی نیازمند تغییر روش‌ها برای تجزیه و تحلیل داده‌های مواد دارویی است. داروشناسان قبلاً از مایکروسافت اکسل برای مقایسه‌ی اطلاعات شیمیایی و ژنومی مرتبط با اثربخشی دارو استفاده می‌کردند که الان به عنوان مانع اکسل یاد می‌شود که دلیل آن تعداد محدود خانه‌های موجود در هر صفحه است. این توسعه منجر به داروشناسی محاسباتی شد. دانشمندان و محققان روش‌های محاسباتی را برای تجزیه و تحلیل این نوع داده‌های عظیم، توسعه می دهند. این کار این اجازه را به ما می‌دهد تا مقایسه‌ی موثر بین داده‌ها داشته باشیم و داروهای دقیقتری توسعه بیابند. [۱۲]

تحلیلگران بر این باورند که اگر داروهای اصلی به دلیل ثبت اختراعات شکست بخورند، زیست شناسی محاسباتی برای جایگزینی داروهای موجود در بازار ضروری خواهد بود. دانشجویان دکترا در زیست شناسی محاسباتی تشویق می‌شوند که به جای پست دکترا به دنبال کار حرفه‌ای در صنعت باشند. این یک نتیجه‌ی مستقیم از شرکت‌های بزرگ دارویی است که نیاز به تحلیلگران خبره مجموعه داده‌های بزرگ برای تولید داروهای جدید دارد.[۱۲]

زیست‌شناسی تکاملی محاسباتیویرایش

زیست‌شناسی محاسباتی به زمینه‌ی زیست‌شناسی تکاملی در بسیاری از جنبه‌ها کمک کرده است. شامل:

  • استفاده از داده‌های DNA برای بازسازی درخت زندگی از طریق فیلوژنتیک محاسباتی
  • مدل سازی ژنتیک جمعیت(زمان رو به جلو[۱۳] یا رو به عقب) و استفاده از داده‌های DNA برای ایجاد نتیجه گیری در مورد تاریخچه‌ی جمعیتی یا انتخابی
  • مدل سازی ژنتیک جمعیت سیستم‌های تکاملی با استفاده از اصول پایه به منظور پیش‌بینی احتمال تکامل

زیست‌شناسی محاسباتی سرطانویرایش

زیست‌شناسی محاسباتی سرطان یک رشته است که هدف آن تعیین جهش های ممکن در سرطان از طریق روش‌های الگوریتمی برای تحلیل داده‌ها است. تحقیقات در این زمینه منجر به بهره‌گیری از اندازه‌گیری‌ها با حجم بالا شده است. اندازه گیری با حجم بالا اجازه‌ی جمع آوری میلیون‌ها نقطه داده با استفاده از رباتیک و دیگر دستگاه‌های حسگر را می‌دهد. این داده ها از DNA ،RNA و دیگر ساختارهای زیستی جمع‌آوری می‌شود. محدوده‌ی تمرکز شامل تعیین ویژگی‌های تومور، تجزیه و تحلیل مولکول‌هایی که در ایجاد سرطان دخیل هستند و درک اینکه چگونه ژنوم انسان مربوط به تومور و سرطان است، است.[۱۴]

روانپزشکی محاسباتیویرایش

روانپزشکی محاسباتی زمینه‌ای در حال ظهور است که از مدل‌سازی‌های ریاضی و کامپیوتری برای مدل کردن مکانیزم‌های مغز درگیر در اختلالات روانی استفاده می‌کند. قبلاً نشان داده شده است که مدل‌های محساباتی نقش مهمی در درک مدارهای مغزی که کارکردها و اختلالات روانی را ایجاد می‌کنند، ایفا می‌کنند. [۱۵][۱۶][۱۷]

ابزار و نرم‌افزارهاویرایش

محققان زیست‌شناسی محساباتی از طیف گسترده‌ای از نرم‌افزارها استفاده می کنند. از برنامه‌های خط فرمان گرفته تا برنامه‌های گرافیکی و مبتنی بر وب.

نرم‌افزار متن‌بازویرایش

نرم‌افزار متن‌باز یک بستر برای توسعه‌ی روش‌های زیستی محاسباتی را فراهم می‌کند. به طور خاص، متن‌باز به این معنی است که هر فرد و یا نهادی می‌تواند از نرم‌افزار توسعه یافته در تحقیق خود استفاده کنند و از آن بهره‌مند شود.

PLOS، چهار دلیل اصلی استفاده از نرم‌افزارهای متن‌باز را بازگو می‌کند:

  • تکرارپذیری: این اجازه را می‌دهد تا محققان از روش دقیق استفاده شده برای محاسبه‌ی روابط بین داده‌های زیستی استفاده کنند.
  • توسعه‌ی سریع: توسعه‌دهندگان و محققان مجبور نیستند کد موجود را بازتولید کنند و می‌توانند از برنامه‌های از قبل موجود برای توسعه‌ی پروژه‌های بزرگتر استفاده کنند.
  • افزایش کیفیت: داشتن ورودی محققان متعدد که روی همان موضوع تحقیق می کنند، یک لایه اطمینان را فراهم می کند که خطا در کد نخواهد بود.
  • در دسترس بودن درازمدت: برنامه‌های متن‌باز به هیچ یک از شرکت‌های تجاری یا اختراعات وابسته نیستند. این کار این اطمینان را می‌دهد که صفحات آن‌ها در آینده در دسترس خواهد بود. [۱۸]

کنفرانس‌هاویرایش

چندین کنفرانس بزرگ وجود دارد که با زیست‌شناسی محاسباتی ارتباط دارند. برخی از آن‌ها عبارت است از:

  • ISMB
  • ECCB
  • RECOMB

مجلاتویرایش

مجلات متعددی وجود دارند که به زیست شناسی محاسباتی اختصاص یافته اند. برخی از نمونه‌های قابل توجه مجله‌ی زیست‌شناسی محاسباتی و PLOS است. مجله‌ی زیست‌شناسی محاسباتی PLOS یک مجله‌ی بررسی شونده است که دارای بسیاری از پروژه‌های تحقیق قابل توجه در زمینه‌ی خود است. آن‌ها بازیبینی نرم‌افزارها و آموزشهای نرم‌افزارهای متن باز را فراهم می‌کنند و همچنین اطلاعات کنفرانس‌های پیش رو در این زمینه را منتشر می‌کنند. PLOS یک ژورنال دسترسی آزاد است. همه می‌توانند از مطالب آن استفاده کنند به شرط آن که به نویسنده اشاره شود[۱۹] . به تازگی یک مجله‌ی دسترسی آزاد زیست‌شناسی مولکولی محاسباتی راه اندازی شده است.

رشته‌های مرتبطویرایش

زیست‌شناسی محاسباتی، بیوانفورماتیک و زیست شناسی ریاضی همه رویکردهای بین رشته ای برای علوم زندگی هستند که از رشته‌های کمی مانند ریاضیات و علوم اطلاعاتی بهره می‌گیرند. موسسه‌ی ملی سلامت زیست شناسی محاسباتی/ریاضیاتی را استفاده از رویکردهای محاسباتی/ریاضیاتی برای پاسخ دادن به سوالات نظری و تجربی در زیست‌شناسی بیوانفورماتیک را کاربرد علوم اطلاعات برای درک اطلاعات پیچیده‌ی علوم زیستی توصیف می کند.

موسسه‌ی ملی سلامت به طور خاص تعریف می‌کند:

  • زیست‌شناسی محاسباتی: توسعه و کاربرد روش‌های تحلیل داده‌ای و نظری، مدل سازی ریاضی و تکنیک‌های شبیه‌سازی محاسباتی به منظور مطالعه‌ی سیستم‌های زیستی، رفتاری و اجتماعی.

بیوانفورماتیک: تحقیق، توسعه و یا استفاده از ابزار و رویکردهای محاسباتی برای گسترش استفاده از اطلاعات بیولوژیکی، پزشکی، رفتاری و یا سلامت، و از جمله شامل آن‌هایی که برای به دست آوردن، ذخیره، سازماندهی، آرشیو، تجزیه و تحلیل و یا تجسم چنین داده‌ها استفاده می‌شود.

  • هر دو رشته از هم دیگر مجزا هستند با این حال هم‌پوشانی قابل توجهی میان آن دو وجود دارد.

جستارهای وابستهویرایش

منابعویرایش

  1. ۱٫۰ ۱٫۱ ۱٫۲ Hogeweg, Paulien (7 March 2011). "The Roots of Bioinformatics in Theoretical Biology". PLOS Computational Biology. 3. 7 (3): e1002021. doi:10.1371/journal.pcbi.1002021. PMC 3068925. PMID 21483479.
  2. Bourne, Philip (2012). "Rise and Demise of Bioinformatics? Promise and Progress". PLoS Computational Biology. 8 (4): e1002487. doi:10.1371/journal.pcbi.1002487. PMC 3343106. PMID 22570600.
  3. Foster, James (June 2001). "Evolutionary Computation". Nature Reviews Genetics. 2 (6): 428–436. doi:10.1038/35076523. PMID 11389459.
  4. Grenander, Ulf; Miller, Michael I. (1998-12-01). "Computational Anatomy: An Emerging Discipline". Q. Appl. Math. 56 (4): 617–694. doi:10.1090/qam/1668732.
  5. ۵٫۰ ۵٫۱ Kitano, Hiroaki (14 November 2002). "Computational systems biology". Nature. 420 (6912): 206–10. doi:10.1038/nature01254. PMID 12432404.
  6. Favrin, Bean (2 September 2014). "esyN: Network Building, Sharing and Publishing". PLOS ONE. 9 (9): e106035. doi:10.1371/journal.pone.0106035. PMC 4152123. PMID 25181461.
  7. "Genome Sequencing to the Rest of Us". Scientific American.
  8. ۸٫۰ ۸٫۱ ۸٫۲ Koonin, Eugene (6 March 2001). "Computational Genomics". Curr. Biol. 11 (5): 155–158. doi:10.1016/S0960-9822(01)00081-1. PMID 11267880.
  9. "BU Neuroscience".
  10. ۱۰٫۰ ۱۰٫۱ Sejnowski, Terrence; Christof Koch; Patricia S. Churchland (9 September 1988). "Computational Neuroscience". 4871. 241.
  11. Price, Michael (2012-04-13). "Computational Biologists: The Next Pharma Scientists?".
  12. ۱۲٫۰ ۱۲٫۱ Jessen, Walter (2012-04-15). "Pharma's shifting strategy means more jobs for computational biologists".
  13. Antonio Carvajal-Rodríguez (2012). "Simulation of Genes and Genomes Forward in Time". Current Genomics. 11 (1): 58–61. doi:10.2174/138920210790218007. PMC 2851118. PMID 20808525.
  14. Yakhini, Zohar (2011). "Cancer Computational Biology". BMC Bioinformatics. 12: 120. doi:10.1186/1471-2105-12-120. PMC 3111371. PMID 21521513.
  15. Dauvermann, Maria R., Heather C. Whalley, André Schmidt, Graham L. Lee, Liana Romaniuk, Neil Roberts, Eve C. Johnstone, Stephen M. Lawrie, and Thomas WJ Moorhead. "Computational neuropsychiatry–schizophrenia as a cognitive brain network disorder." Frontiers in psychiatry 5 (2014).
  16. Tretter, Felix, and M. Albus. "“Computational Neuropsychiatry” of Working Memory Disorders in Schizophrenia: The Network Connectivity in Prefrontal Cortex-Data and Models." Pharmacopsychiatry 40, no. S 1 (2007): S2-S16.
  17. Marin-Sanguino, A., and E. R. Mendoza. "Hybrid modeling in computational neuropsychiatry." Pharmacopsychiatry 41, no. S 01 (2008): S85-S88.
  18. Prlić, Andreas; Lapp, Hilmar (2012). "The PLOS Computational Biology Software Section". PLOS Computational Biology. 8 (11): e1002799. doi:10.1371/journal.pcbi.1002799. PMC 3510099.
  19. "PLOS Computational Biology".

پیوند به بیرونویرایش