زیست شناسی محاسباتی چیست؟ زیست شناسی محاسباتی شاخه‌ای از علم زیست شناسی با کاربرد کامپیوتر و علوم محاسباتی برای درک مدل سازی ساختار‌ها و فرایندهای زیستی می‌باشد. این کار مستلزم استفاده از روش‌های محاسباتی (به عنوان مثال الگوریتم‌ها و …) برای نشان دادن و شبیه سازی سیستم‌های بیولوژیکی و همچنین برای تفسیر داده‌های حاصل از آزمایش‌ها در مقیاس بالا است. در این مقاله از تریتا به طور مفصل در مورد تاریخچه، انواع و روش‌های زیست شناسی محاسباتی صحبت می‌کنیم. با ما همراه باشید.
تعریف دقیق زیست شناسی محاسباتی چیست؟
زیست شناسی محاسباتی شامل کاربردهای آنالیز داده و روش‌های تئوری، مدلسازی محاسباتی، و شبیه‌سازی‌های محاسباتی است که به کمک مطالعه‌ی سیستم‌های زیستی، محیطی، رفتاری و اجتماعی می‌آیند. این حوزه بسیار گسترده است و نیاز به ترکیب حوزه‌هایی مانند زیست شناسی، ریاضیات کاربردی، آمار، بیوشیمی، شیمی، بیوفیزیک، زیست‌شناسی مولکولی، ژنتیک، علوم کامپیوتر و تکامل می‌باشد.
توجه کنید که زیست‌شنا سی محاسباتی متقاوت از محاسبات زیستی می‌باشد. محاسبات زیستی یک زیرمجموعه از مهندسی کامپیوتر است که با استفاده از مهندسی پزشکی و زیست شناسی، سعی می‌کند کامپیوترهای جدید بسازد.
تاریخچه زیست شناسی محاسباتی چیست؟
تاریخچه‌ی محاسبات زیستی به زمان پیدایش علوم کامپیوتر بازمی‌گردد. آلن تورینگ، ریاضیدان و منطق‌دان انگلیسی که به عنوان پدر محاسبات نیز شناخته می‌شود، دراوایل دهه‌ی ۱۹۵۰ میلادی، کمی قبل از مرگش، از رایانه‌های اولیه برای پیاده سازی مدل‌های زیستی استفاده کرد. در همین حدود یک کامپیوتر به نام MANIAC که توسط آزمایشگاه لوس آلاموس واقع در نیومکزیکو که برای کارهای نظامی ساخته شده بود، به عنوان مدلسازی کدهای ژنتیکی فرضی استفاده شد. البته رایانه‌های پیشگام قبل‌تر در دهه ۱۹۵۰ برای محاسبات عددی در ژنتیک جمعیت استفاده شده بود اما اولین نمونه‌های مدلسازی زیست شناسی محاسباتی معتبر، کار تورینگ و گروه تحقیقاتی آزمایشگاه لاس‌دالاموس بود.
در دهه‌ی ۱۹۶۰ رایانه‌ها برای اعمال تجزیه و تحلیل‌های بسیار متنوعی روی ساختار پروتئین‌ها استفاده می‌شد. این پیشرفت‌ها منجر به ظهور زیست شناسی محاسباتی به عنوان یک زمینه‌ی تحقیقاتی شد. این پیشرفت‌ها از مطالعات متمرکز روی ساختارشناسی پروتئین‌ها ناشی می‌شوند که در آن دانشمندان ضرورت استفاده از رایانه‌ها برای تعیین ساختار سه بعدی پروتئین‌ها با استفاده از تجزیه و تحلیل‌های دشوار سری فوریه را یافتند.
در اوایل دهه ۱۹۵۰ دانشمندان زیست شناسی شروع به ترکیب کردن رایانه‌ها در کار خود کردند و از ماشین‌ها برای طبقه بندی موجودات بر اساس شباهت در مجموعه‌ی صفات کمک گرفتند. این طبقه‌بندی‌ها خصوصا در تکامل استفاده شده است. در دهه ۱۹۶۰ میلادی هنگامی‌که تکنیک‌های موجود به سطح توالی‌های DNA و توالی اسیدهای آمینه پروتئین‌ها افزوده شد و با دانش بیشتر در مورد فرایندهای سلولی و ساختار پروتئین آمیخته شد، یک رویکرد کاملا جدید از روش‌های محاسباتی در حمایت از تکامل مولکولی شکل گرفت. این روش‌های محاسباتی مستلزم افزایش توان محاسباتی است؛ در حقیقت، الگوریتم‌های کارآمد با توجه به مقیاس زیاد داده‌های موجود، همواره دغدغه‌ی اصلی در زیست شناسی محاسباتی بوده است.
زیرمجموعه‌های زیست شناسی محاسباتی چیست؟
در این بخش در مورد زیرمجموعه‌های متنوع زیست شناسی محاسباتی صحبت می‌کنیم. هریک از مباحث زیر خود جزو مهم‌ترین، به روز ترین و مورد بحث‌ترین مباحث زیست‌شناسی و بیوانفورماتیک در سطح دنیا هستند.
- آناتومی محاسباتی
- مدلسازی محاسباتی زیستی
- زیست‌شناسی تکاملی محاسباتی
- ژنتیک محاسباتی
- روان‌پزشکی عصبی محاسباتی
- علوم اعصاب محاسباتی
- تومور شناسی محاسباتی
- داروسازی محاسباتی
آناتومی محاسباتی
آناتومی محاسباتی به بررسی ساختار آناتومی و مورفولوژی در مقیاس ماکروسکوپی (مقیاس قابل مشاهده – ۵۰ تا ۱۰۰ میکرومتر) می‌پردازد. از آناتومی محاسباتی برای کاربردهای محاسبات ریاضی و آنالیز داده در مدلسازی و شبیه سازی ساختارهای زیستی استفاده می‌شود. در این زمینه‌ی تحقیقاتی، به جای تمرکز بر دستگاه‌های تصویر برداری پزشکی، بر روی ساختارهای آناتومیکی که از آن‌ها تصویربرداری شده تمرکز می‌شود. با ظهور فناوری‌های جدید تصویربرداری سه بعدی مانند ام آر آی، آناتومی محاسباتی وارد عرصه‌ای مهم به عنوان یک زیرمجموعه از مهندسی پزشکی و مهندسی زیستی شد که می‌تواند ویژگی‌های سه بعدی و مختصات دقیق بافت‌ها را تشخیص دهد.
پس از فرایندهای تصویربرداری پزشکی، تصویر خروجی وارد فاز آناتومی محاسباتی می‌شود و در این مرحله سه مولفه‌ی مهم تصویر مورد آزمایش قرار می‌گیرد.
- ساختار رویه‌های هندسی آناتومیکی
- مقایسه‌ی رویه‌های هندسی مختلف با بررسی تغییرشکل و یا تغییر هندسه آن‌ها
- ایجاد توابع احتمال برای محاسبه‌ی تنوع آناتومیکی تصاویر برای تست کردن و تشخیص بیماری‌ها
مدلسازی زیستی محاسباتی
مدلسازی زیستی محاسباتی شاخه‌ای است که در آن سعی می‌کنیم یک مدل و شبیه سازی کامپیوتری از سیستم‌های زیستی ایجاد کنیم. برای مطالعه‌ی بیشتر در این زمینه می‌توانید به مقاله مدلسازی محاسباتی رجوع کنید. در این نوع مدلسازی زیستی هدف ما استفاده از شبیه‌سازی‌های بصری است تا بتوانیم به قدرت و پیچیدگی سیستم‌های طبیعی دست پیدا کنیم. این کار نیاز به استفاده از الگوریتم‌های پیشرفته و نرم افزارهای ترسیمی قوی دارد. با این مدلسازی‌ها می‌توانیم پیش‌بینی کنیم مدل ما در شرایط محیطی متفاوت چه عکس‌العمل‌هایی از خود نشان خواهد داد. از این طریق می‌توان سیستم‌های پایدار را تشخیص داد. یک سیستم پایدار زیستی، سیستمی است که بتواند مستقل از آشفتگی‌های داخلی و خارجی، عملکرد خود را ثابت نگه دارد. پایدار بودن یکی از ویژگی‌های مهم سیستم‌های زیستی برای بقای آنهاست.
مدلسازی محاسباتی یک آرشیو بزرگ و حیاتی از این داده‌ها ایجاد می‌کند تا کاربران متعددی بتوانند از آن‌ها استفاده کنند. فناوری‌های حال حاضر بیشتر می‌توانند سیستم‌های کوچک و محلی را شبیه‌سازی کنند؛ اما محققان به دنبال روش‌هایی هستند که می‌توان شبکه‌های چندوجهی و پیشرفته‌تر زیستی را نیز مدلسازی کرد. این روش‌های جدیدتر و گسترده‌تر، برای توسعه‌ی دانش پزشکی مدرن و ساخت داروهای جدید و ژن‌تراپی اهمیت دارند. یکی از این روش‌های جدید و مهم petri nets نام دارد که برای مدلسازی سیستم‌های توزیع شده استفاده می‌شود.
زیست‌شناسی تکاملی محاسباتی
بحث تکامل و الگوریتم‌های تکاملی طبیعت برای تداوم نسل بشر، امروزه به صورت ریاضی و کاربردی در سایر زیمنه‌های مهندسی و زیستی در حال مطالعه و توسعه است. برای مطالعه‌ی دقیق‌تر زیست‌شناسی تکاملی می‌توانید به مقاله‌ی زیست شناسی تکاملی مراجعه کنید. در اینجا به اختصار به برخی از کاربردهای مهم زیست شناسی محاسباتی در کمک به پیشرفت تکامل می‌پردازیم.
- استفاده از داده‌ی DNA برای بازسازی روابط ژنتیکی میان گونه‌ها، با استفاده از فیلوژنتیک محاسباتی
- ایجاد مدل‌های ژنتیک جمعیتی (forward time یا backward time) برای داده‌های DNA؛ برای استنباط تاریخ انتخابی یا آماری جمعیت
- ساخت مدل‌های ژنتیک جمعیت برای سیستم‌های تکاملی برای پیش‌بینی اتفاقات احتمالی در آینده
ژنومیک محاسباتی
ژنومیک محاسباتی (Computational genomics) یکی از زمینه‌های مربوط به ژنوم‌شناسی است که به مطالعه‌ی ژنوم سلول‌ها و ارگان‌های زنده می‌پردازد. ژنوم شامل همه‌ی محتویات ژنتیکی یک ارگان است. به ژنومیک محاسباتی، ممکن است ژنتیک محاسباتی و آماری نیز بگویند که بخش زیادی از بیوانفورماتیک را تشکیل می‌دهند. پروژه‌ی ژنوم انسانی، یکی از مثال‌های ژنومیک محاسباتی است. هدف این پروژه، توالی یابی همه‌ی ژنوم و اطلاعات ژنتیکی انسان در یک مجموعه داده بود. پس از انجام این پروژه، پزشکان توانستند ژنوم یک بیمار را به طور مستقل مطالعه و تحلیل کنند. این فناوری دریچه‌ای به پزشکی شخصی‌سازی شده است که در آن به هر شخص بر اساس الگوهای ژنتیکی آن خدمات درمانی ارائه می‌شود. پس از این پروژه، دانشمندان به فکر توالی یابی ژنوم سایر موجودات زنده مانند حیوانات، گیاهان، باکتری‌ها و انواع حیات دیگر افتادند.
یکی از اصلی‌ترین راه‌هایی که برای مقایسه‌ی ژنوم‌ها استفاده می‌شود، همسانی توالی‌ها است. علم همسان‌شناسی مطالعه‌ی ساختارهای زیستی و توالی‌های نوکلئوتید در ارگان‌های متفاوت است که از یک جد مشترک منشا گرفته اند. مطالعات نشان می‌دهند بین ۸۰ تا ۹۰ درصد ژن‌ها در ژنوم‌های پروکاریوتی که به تازگی توالی‌یابی می‌شوند، از این طریق قابل شناسایی اند. این زمینه هنوز هم در حال پیشرفت است. به تازگی پروژه‌هایی روی نواحی کار می‌کنند که میان‌ژنی هستند (ترکیبی از چندین ناحیه ژنتیکی) و حدود ۹۷ درصد ژنوم انسان شامل این نواحی است.
روان‌پزشکی عصبی محاسباتی
روان‌پزشکی عصبی محاسباتی، یک رشته‌ی در حال گسترش است که با استفاده از مدلسازی‌های ریاضیاتی و کامپیوتری مکانیزم‌های مغز، سعی در درمان اختلالات ذهنی دارد. همان‌طور که می‌دانید، با مدلسازی مدارهای نورونی در مغز، می‌توان تا حدود زیادی به منشا عملکردهای مفید و مضر مغز انسان پی برد. یکی از تفاوت‌های روان‌پزشکی عصبی محاسباتی با علوم اعصاب محاسباتی که در ادامه توضیح می‌دهیم، مفاهیمی مانند تجویز دارو و تمرکز بر روش‌های درمانی دارویی در روان‌پزشکی عصبی است که در نوروساینس محاسباتی کمرنگ‌تر است.
علوم اعصاب محاسباتی
علوم اعصاب محاسباتی، مطالعه‌ی عملکرد مغز با تمرکز بر مدلسازی خواص واحدهای پردازش اطلاعات در سیستم عصبی و مغز است. این رشته زیرمجموعه‌ی علوم اعصاب یا نوروساینس است که هدفش تحلیل دیتای مغز برای ساخت کاربردهای جدید در زندگی روزمره است. در ادامه به دو نوع مدلسازی از مغز اشاره می‌کنیم.
- مدلسازی واقع‌بینانه‌ی مغز: در این مدلسازی‌ها سعی می‌شود همه‌ی ساختار سیستم عصبی شامل همه‌ی اتفاقاتی که در سلول‌های عصبی و در سطح میکروسکوپی می‌افتد، در مدل ما لحاظ شود. این مدل‌ها با این که اطلاعات بیش‌تری از مغز منتقل می‌کنند، اما با این حال می‌توانند شامل خطاهایی باشند. علت این خطاها، پیچیدگی بالای این مدل‌ها است که البته باعث افزایش توان محاسباتی و هزینه‌های اجرایی نیز خواهند شد.
- مدلسازی ساده‌سازی شده‌ی مغز: در این نوع مدلسازی‌ها، سایر جنبه‌های مدل اصلی نادیده گرفته می‌شود تا یک ویژگی خاص از سیستم عصبی مورد مطالعه قرار گیرد. در این صورت می‌توان راحت‌تر و با خطای کم‌تری به حل کردن برخی مسائل علوم اعصاب پرداخت.
وظیفه‌ی متخصصان این حوزه، بهبود الگوریتم‌های محاسباتی است که بتوان با هزینه و توان محاسباتی پایین‌تر و سرعت بیشتر، از این مدل‌ها بهره برد.
تومور شناسی محاسباتی
تومورشناسی محاسباتی (که به آن زیست شناسی محاسباتی سرطان نیز می‌گویند) زمینه‌ای است که به بررسی جهش‌های ژنتیکی آینده در سرطان‌ها می‌پردازد؛ این کار از طریق الگوریتم‌هایی صورت می‌گیرد که پایه‌ی آن‌ها مباحث آنالیز دیتا است. تحقیقات در این زمینه‌ها نیازمند انجام اندازه‌گیری‌ها و محاسبات توان بالا است. اندازه‌گیری توان بالا اجازه می‌دهد که میلیون‌ها داده‌ی عددی از طریق رباتیک و سایر دستگاه‌ها و سنسورهای زیستی جمع‌آوری شود. این داده‌ها از DNA ،RNA و سایر ساختارهای زیستی به دست می‌‌آید. زمینه‌های تحقیقاتی تومورشناسی شامل موارد زیر است:
- بررسی ویژگی‌های تومورها
- تحلیل مولکول‌هایی که در ایجاد سرطان نقش دارند
- بررسی تاثیر و ارتباط ژنوم انسان در ایجاد تومورها و سرطان‌ها
داروسازی محاسباتی
تعریف داروسازی محاسباتی از نظر زیست شناسی محاسباتی چیست؟ داروسازی محاسباتی: «مطالعه بر تاثیرات داده‌های ژنومیک برای یافتن ارتباط میان ژنوتایپ‌های مشخص و بیماری‌ها و سپس پایش دیتای داروها». صنعت داروسازی نیاز به یک تغییر اساسی در روش‌های تحلیل داده‌های انواع داروها دارد. در گذشته داروشناسان برای مقایسه‌ی داده‌های شیمیایی و ژنومیکی داروها، از نرم افزار مایکروسافت اکسل استفاده می‌کردند. با گذر زمان به دلیل محدودیت در تعداد خانه‌های این نرم‌افزار و سایر محدودیت‌های محاسباتی، نیاز به داروسازی محاسباتی پررنگ‌تر شد. از آن پس دانشمندان سعی کردند از روش‌ها و الگوریتم‌های پیچیده‌تر محاسباتی برای توسعه‌ی دقیق‌تر داروها و مقایسه‌ی خواص آن‌ها استفاده کنند. با این حساب هرچه جلوتر می‌رویم، شرکت‌ها دارویی حتما باید افرادی را نیز برای محاسبات بیگ دیتا و داروسازی محاسباتی به کار گیرند.
جمع بندی نهایی
دلیل اهمیت بالای زیست شناسی محاسباتی چیست؟ زیرا در دنیا با الهام گیری از طبیعت توانسته‌ایم بسیاری از پیشرفت‌های علم و فناوری را شاهد باشیم. امروزه نمی‌توان دقیقا گفت طبیعت به پیشرفت تکنولوژی کمک می‌کند و یا تکنولوژی در حال کمک به طبیعت است. در هر صورت زیست شناسی محاسباتی به عنوان یکی از رشته‌های میان‌رشته‌ای که ارتباط نزدیکی با بیوانفورماتیک دارد، سعی می‌کند به نزدیک شدن زیست شناسی محاسباتی و علوم کامپیوتر و غیره کمک کند. آینده‌ی زیست‌شناسی و تکنولوژی بسیار هیجان انگیز است.
