طراحی مدارهای بیولوژیکی: اصول و کاربرد آن در علم طراحی دارو

طراحی مدارهای بیولوژیکی از اصول تا کاربردها

طراحی مدارهای بیولوژیکی که قادر به دستیابی به عملکردهای خاص هستند، سنگ بنای زیست شناسی سینتتیک است. این مدارها شامل اجزای مختلفی مانند ژن‌ها، پروموترها، فاکتورهای رونویسی (TF) و پروتئین‌ها برای اجرای عملکردهایی با اهمیت بیولوژیکی هستند. ایده ی ژن‌هایی که به‌عنوان مدارهای بیولوژیکی عمل می‌کنند، اولین بار بر روی اپرون لاک توسط جیکوب و مونود ارائه شد.

در نتیجه این مدار، سلول ترجیحاً گلوکز را زمانی که حضور همزمان لاکتوز و گلوکز وجود دارد، می گیرد. سلول با تعویض ژنی که لاکتوز را تا زمانی که گلوکز در دسترس است، کد می کند، به این مهم دست می یابد. در سال 2000، دو مدار بیولوژیکی کلاسیک – رپرسیلاتور و یک سوئیچ ضامن اولین مدارهای ژنتیکی بودند که با استفاده از مدل‌های ریاضی طراحی شدند و در داخل بدن در اشریشیا کلی با استفاده از ساختارهای ژنتیکی مختلف پیاده‌سازی شدند.

یکی از جنبه های کلیدی زیست شناسی سینتتیک، استفاده از اصول سیستم های مهندسی برای طراحی منطقی مدارهای بیولوژیکی با استفاده از رویکرد پایین به بالا یا تقلیل گراست. با این حال، برخی از ویژگی‌های ذاتی سیستم‌های بیولوژیکی چالش‌های مهمی را برای چنین رویکرد طراحی ایجاد می‌کنند.

به عنوان مثال، اجزای بیولوژیکی، اگرچه در نوع خود ماژولار هستند اما به اندازه سیستم های مهندسی شده مانند آنهایی که شامل اجزای الکتریکی هستند، ماژولار محسوب نمی شوند.

بنابراین، این یک اتفاق رایج است که اتصال حتی اجزای ساده و با ویژگی‌های خوب برای ساخت مدارهای پیچیده‌تر، منجر به انحراف از رفتارهای مورد انتظار می‌شود. چنین انحرافی ممکن است به خاصیت ظهور ضعیف در سیستم های بیولوژیکی نسبت داده شود. چندین محقق برای کشف اصول طراحی که زمینه ساز مدارهای بیولوژیکی قابل اعتماد هستند، کار می کنند.

در این مطلب ما به طور سیستماتیک تحقیقات موجود در این حوزه را به جریان‌های مختلف طبقه‌بندی می‌کنیم و شکاف‌های پژوهشی بالقوه‌ای را شناسایی می‌کنیم که باید به آنها پرداخته شود. برای این منظور، ما چارچوب تحلیل مورفولوژیکی تعمیم یافته را در مورد طراحی مدار بیولوژیکی اعمال می کنیم. تحلیل مورفولوژیکی تعمیم یافته روشی برای تجزیه و تحلیل یک مسئله پیچیده و کیفی با شناسایی پارامترهای بحرانی مسئله است.

در شکل زیر پنج پارامتر کلیدی زیربنای مشکل طراحی مدار ژنتیکی نشان داده شده است. چارچوب نشان دهنده مجموعه‌ای از گزینه ها برای هر پارامتری می باشد که یک مشکل را مشخص می‌کند. متعاقباً، ساختن یک ماتریس سازگاری متقابل (CCM) کمک می‌کند تا ارتباط بین پارامترها و گزینه‌های مختلف آشکار شود.

با استفاده از چارچوب تجزیه و تحلیل مورفولوژیکی تعمیم یافته و CCM می توان می توان بینشی در مورد دانش موجود در مورد یک مشکل به دست آورد و مناطق بالقوه ناشناخته را شناسایی کرد. بنابراین، برای یافتن سیستماتیک جهت‌گیری‌های تحقیقاتی آینده در حوزه مورد علاقه مفید است.

کارکرد طراحی یک مدار ژنتیکی شامل ژن هایی است که به عنوان گره های ورودی و خروجی مشخص شده اند. عملکرد مدار ژنتیکی به عنوان نقشه مورد نظر از پروفایل غلظت پروتئین بیان شده توسط ژن خروجی در طول زمان برای یک الگوی تغییر خاص در غلظت پروتئین بیان شده توسط ژن ورودی تعریف می شود. رپرسیلاتور و کلید دوپایه اولین مدارهای ژنتیکی سینتتیک طراحی شده بودند.

یک سرکوب کننده حاوی یک شبکه حلقه مانند از ژن های سرکوب کننده است. به دلیل تفاوت در نرخ سرکوب ژن ها، یک یا چند ژن کد کننده پروتئین مربوطه را به صورت نوسانی بیان می کنند. توماس طراحی رپرسیلاتورهایی با تعداد گره فرد را گزارش کرد زیرا فقط مدارهایی با تعداد رپرسور فرد می توانستند نوسانات پایدار ایجاد کنند.

پیاده سازی های تجربی مختلفی از مدارهای نوسانگر با بازخورد منفی و مثبت مرتبط وجود داشته است. مکانیسم زمان‌سنجی در یوکاریوت‌ها از ساعت‌های شبانه‌روزی استفاده می‌کند که اساساً نوسان‌گرهای سیکل محدود هستند، با دوره‌های 24 ساعته مدارهای ژنتیکی با عملکردهای مشابه مدارهای الکترونیکی دیجیتال مانند گیت های منطقی، شمارنده ها و رمزگشاها نیز طراحی شده اند.

اجرای دروازه های NOR در مدارهای چند سلولی نشان داده شده است. یک مدار شمارنده بیولوژیکی که می‌تواند تعداد پالس‌ها با دامنه‌ها یا مدت‌های مختلف را شمارش کند، با استفاده از GeneNet طراحی شده است. یک مدار ROM قابل برنامه ریزی میدان ژنتیکی (FPROM) با استفاده از منطق بولی و محاسبات از طریق برش DNA (BLADE) ساخته شده است.

BLADE یک چارچوب کلی برای طراحی مدارهای ژنتیکی در سلول های پستانداران با recombinases به جای فاکتورهای رونویسی است. مدار FPROM به کاربر این امکان را می دهد که مدار را به 16 گیت منطقی ممکن که می توانند گیت های تک یا دو ورودی باشند با کمک برخی ورودی های انتخابی برنامه ریزی کند.

همچنین بیش از 100 عملکرد مدار از جمله گیت های منطقی چند ورودی با استفاده از BLADE پیاده سازی شده است. آجو فرانکلین و همکاران مدار حافظه را در مخمر طراحی و پیاده سازی کرده اند. محققان یک شبکه ژن سینتتیک را گزارش کردند که می تواند به عنوان یک پرسپترون قادر به یادگیری تداعی عمل کند.

تابور و همکارانش یک حسگر تشخیص لبه را در جامعه ای از سلول های اشریشیا کلی معرفی کردند که با استفاده از مجموعه ای از مدارهای ژنتیکی که لبه های بین نور و تاریکی را حس می کند مهندسی شده بود. یک مدار رمزگشای ژنتیکی، یک سوئیچ ضامن، گیت‌های منطقی و یک مدار آشکارساز باند غلظت با استفاده از چارچوب بهینه‌سازی OptCircuit طراحی شدند.

ابزار اتوماسیون طراحی مدار ژنتیکی با نام Cello برای طراحی یک آشکارساز، یک مدار اجماع با سه ورودی و تعداد زیادی مدار دیگر برای عملیات‌های مختلف منطق ترکیبی استفاده شده است. باغ و همکاران طراحی و ساخت یک دروازه AND سه ورودی را گزارش کرده اند. تعدادی از عملکردهای دیگر مانند تعدیل کننده پهنای پالس و حسگرهای زیستی نیز در سیستم های مختلف مورد مطالعه قرار گرفته است .

چشم انداز طراحی مدارهای بیولوژیکی

چشم انداز طراحی مدارهای ژنتیکی سینتتیک یک حوزه تحقیقاتی هیجان انگیز است که در زمان های اخیر پیشرفت زیادی داشته است. این یک زیر دامنه از زیست شناسی سینتتیک است که از یک رویکرد تقلیل گرایانه برای طراحی شبکه های تنظیم کننده ژن استفاده می کند.

در ترکیب اصول مهندسی در زیست شناسی سینتتیک، جریان فرآیند برای ساخت مدارهای ژنتیکی سینتتیک ممکن است به چرخه های طراحی و پیاده سازی مشابه با سایر مسائل مهندسی تقسیم شود. فرآیند طراحی بیشتر شامل مدل‌سازی in silico مدارها و انجام تست‌های ریاضی یا محاسباتی برای دستیابی به طرح‌هایی است که در تئوری کار می‌کنند.

فرآیند پیاده سازی شامل رویه های آزمایشگاهی با استفاده از فناوری های موجود برای اجرای واقعی طرح ها می باشد. این بررسی به جای فناوری‌های پیاده‌سازی، بر تحقیقات روی جنبه‌های طراحی مدارهای ژنتیکی تمرکز دارد. در این مطلب به یکسری از بینش های به دست آمده از مطالعات مدارهای بیولوژیکی می پردازیم.

جالب است بدانید که فقط تا شبکه های سه گره با استفاده از جستجوی brute force برای شناسایی شبکه های آنزیمی و TRN هایی که سازگاری را نشان می دهند شبیه سازی شده است. در مقابل، یک الگوریتم مبتنی بر محاسبات تقریبی و یک روش تئوری سیستم به نتایج مشابهی به عنوان جستجوی brute force اما با هزینه محاسباتی کمتر رسیدند.

این روش‌ها فقط برای شبکه‌های آنزیمی اجرا شده‌اند و هنوز برای TRN‌ها اعمال نشده‌اند. از آنجایی که شبکه‌های تنظیم بیولوژیکی، در توانایی خود برای انطباق با شرایط مختلف، شبیه الگوریتم‌های شبکه عصبی هستند، ML ممکن است انتخاب مناسبی برای چنین طراحی شبکه‌ای به‌ویژه برای تحقق عملکردهای نوظهور باشد.

با این حال، هزینه محاسباتی الگوریتم برای طراحی مدارها نیز باید برای افزایش پیچیدگی مدار مقیاس پذیر باشد تا آن را به یک روش طراحی قابل دوام تبدیل کند. یک رویکرد طراحی مبتنی بر قانون برای تولید سریع طرح‌های تکرارپذیر، مناسب به نظر می‌رسد زیرا از کتابخانه‌های استاندارد اجزای بیولوژیکی استفاده می‌کند.

چنین اجزای استانداردی می‌توانند تجاری‌سازی مدارهای ژنتیکی سینتتیک را تسهیل کنند. از آنجایی که طراحی مبتنی بر قانون از نرم‌افزار اتوماسیون استفاده می‌کند، طرح‌ها اغلب ساده هستند و ممکن است از پتانسیل کامل برای بهینه‌سازی یک مدار معین استفاده نشود، همانطور که می‌توان در مورد طراحی با استفاده از روش‌های تئوری کنترل انجام داد.

روش‌های تئوری کنترل امیدوارکننده هستند، همانطور که طرح‌هایی با استفاده از کنترل بازخورد یکپارچه نشان داده‌اند. رویکرد مدل‌سازی منطقی همچنین می‌تواند بینش‌های مفیدی را در مورد فضای طراحی و استحکام جهانی فنوتیپ‌های خاص، مانند نوسانات و حالت‌های پایدار ارائه دهد.

در این بررسی، برخی از کارهای کلیدی در مورد طراحی مدار ژنتیکی مورد بحث قرار گرفته است. ما به طور سیستماتیک با استفاده از یک تجزیه و تحلیل مورفولوژیکی تعمیم یافته مدار ژنتیکی را ترسیم می کنیم تا به طور سیستماتیک پارامترهایی را که مورد مطالعه قرار می دهیم، طبقه بندی نماییم. علاوه بر این، CCM برای   شناسایی شکاف‌های بالقوه در این حوزه و ایجاد انگیزه در جهت‌های تحقیقاتی آینده ساخته شده است.

در زیر تصویری از طراحی مدار مجتمع نشان داده شده است که مشکل طراحی مدار ژنتیکی را از سه منظر مختلف نمایش می دهد که شامل دیدگاه بیولوژیکی، نمایش شبکه و دیدگاه رفتار مدار که شمامل عملکرد در سطوح مختلف اجزا می باشد.

از CCM می توان دریافت که نوسانگرها، رپرسیلاتورها و ساعت ها مدارهای ژنتیکی هستند که بیشترین مطالعه روی آنها انجام شده است. علاوه بر این، اثرات وابسته به زمینه مانند نویز و رقابت منابع مورد مطالعه قرار نگرفته است که می توان در آینده روی این موضوعات مطالعات تکمیلی انجام داد.

جالب توجه است، دو مورد از استراتژی های ذکر شده برای طراحی قوی برای مدارهای نوسانی استفاده شده است، اما مدارهایی با اکثر عملکردهای دیگر استفاده نشده است. بخش قابل توجهی از کار با استفاده از رویکردهای ML برای طراحی مدارهای تنظیم کننده ژن انجام شده است.

با این حال، یک نگاه دقیق تر نشان می دهد که کاربرد ML تا حدی به استفاده از الگوریتم های بهینه سازی پیشرفته به جای روش های اصلی ML محدود شده است. بنابراین، فضای زیادی برای استفاده از ML در این زمینه وجود دارد که برخی از کارهای اخیر در حال بررسی همین موضوع هستند.

بیشتر روش‌های طراحی ذکر شده برای طراحی مدارهای نوسانی استفاده شده‌اند، اما از آنها برای طراحی انواع دیگر مدارها استفاده نشده است. علاوه بر مدارهای نوسانی، تنها گیت های منطقی مورد توجه محققان قرار گرفته اند. اگرچه این مطالعات در این زمینه جامع نیست اما هدف این است که پایه و اساس یک روش سیستماتیک برای تولید ایده های تحقیقاتی با استفاده از تجزیه و تحلیل مورفولوژیکی تعمیم یافته و چارچوب های CCM ایجاد شود.

همانطور که دانشمندان در سراسر جهان مسیر تحقیقاتی در طراحی مدارهای مصنوعی را ترسیم می‌کنند، بررسی‌هایی از این دست می‌توانند به ترسیم سیستماتیک خطوط تحقیقات موجود، برجسته کردن وضعیت فعلی، و همچنین شکاف‌های تحقیقاتی و احتمالات مختلف هیجان‌انگیز کمک کنند.

با شرکت در دوره کارآموزی طراحی دارو ژنیران، دانش خود را درباره طراحی مدارهای بیولوژیکی افزایش دهید:

دوره مهارت آموزی طراحی دارو

منبع