دسته‌بندی نشده
نظریه گراف و ارتباط توپولوژی نتورک با عملکرد سلولی
درباره نظریه گراف و ارتباط توپولوژی نتورک با عملکرد سلولی
اگرچه پایه‌های نظریه گراف صرفاً از روی کنجکاوی ریاضیاتی پایه‌ریزی شده است، اما کاربرد آن به‌عنوان ابزاری برای توصیف سیستم‌های پیچیده مدت هاست که مورد استقبال قرار گرفته است. تصور این است که رفتار سیستم‌های پیچیده از اقدامات هماهنگ بسیاری از اجزای متقابل ناشی می‌شود. سپس می‌توان از توپولوژی شبکه در سیستم بیولوژی برای آشکار ساختن ساختار اصلی این تعاملات استفاده کرد.
اجزای سیستم با یک سری گره مشخص می‌شوند و برهم‌کنش‌ها بین جفت گره‌های انتخاب شده از این سیستم با پیوندها (یال‌ها) که بین آنها ترسیم شده، نشان داده می‌شود. این توصیف برخی از جزئیات مرتبط با ماهیت خاص سیستم را حذف می‌کند؛ مثلاً اینکه هرکدام از ژن‌ها کجای کروموزوم قرار دارند یا اینکه کدام‌یک از پروتئین‌ها در کدام بخش سلول فعالیت می‌کنند.
بااین‌حال، این دید گراف در سیستم بیولوژی، به شخص اجازه می‌دهد تا از نکات مربوط به نظریه گراف استفاده کند که درنتیجه ابزار قدرتمندی برای تحلیل و درک این سیستم‌های پیچیده را فراهم می‌کند. علاوه بر این، این نمایش طبقه‌بندی‌شده که برای سیستم‌های مختلف اعمال می‌شود، زمینه را برای مقایسه بین شبکه‌های به‌ظاهر متمایز فراهم می‌کند. این فرایند بسیار سودمند بوده است، زیرا یکی از مهم‌ترین اکتشافات سال‌های اخیر این بود که علی‌رغم تنوع شبکه‌های سلولی، چندین ویژگی مهم اصلی در همه آنها مشترک است.
مجموعه‌ای از ارتباطات اتصال فیزیکی بین جفت پروتئین‌ها یا بین پروتئین‌ها و سایر مولکول‌ها، مانند اسیدهای نوکلئیک یا متابولیت‌ها را در نظر بگیرید. در اینجا از یک گره برای نمایش هر نوع مولکولی و یک یال برای نشان‌دادن هر ارتباطی استفاده می شود. بااین‌حال، همیشه به این سادگی نیست و بسته به هدف مطالعه ممکن است از اطلاعات مختلفی استفاده شود. مثلاً شبکه نظارتی رونویسی (transcriptional regulatory network) را در نظر بگیرید. در این شبکه، یال‌ها بین فاکتورهای رونویسی و ژن‌هایی که آنها را تنظیم می‌کنند، پیوند ایجاد می‌دهند.
در اینجا اطلاعات از ژن تنظیم‌کننده به ژنی که باید تنظیم شود جریان می‌یابد. دقت کنید که در این شبکه اطلاعات از یک گره به سمت دیگری حرکت کرده است، پس ما در اینجا یک گراف جهت‌دار داریم. گرافی جهت‌دار است که یال‌های آن دارای جهت باشند و از یک گره به سمت گرهی دیگر حرکت کرده باشند. همچنین، رابطه بین یک جفت ژن که دررابطه‌با هم هستند، می‌تواند ماهیت فعال‌کننده یا بازدارنده داشته باشد.
ژن بالادستی، بر روی ژن پایین‌دستی تأثیر می‌گذارد و لزومی ندارد که از این ژن پایین‌دستی تأثیر بپذیرد. به همین دلیل در یک گراف سیستم بیولوژی شما می‌توانید دو نوع یال را ببینید که می‌تواند مثبت یا منفی باشد. در حالت دیگر نیست به این دو صورت نمایش داده خواهند شد:
- <-
- -|
بااین‌وجود، در بسیاری از مطالعات، نیازی به استفاده از گراف جهت‌دار نبوده و مدلسازی به کمک شبکه منظم بدون جهت نیز انجام می‌شود.
حالا به‌عنوان یک سیستم پیچیده‌تر، به شبکه‌های متابولیک توجه کنید. این سیستم‌ها را می‌توان به‌عنوان شبکه‌هایی در سطوح مختلف تصور کرد. به‌عنوان‌مثال، می‌توان بسترهای مولکولی را به‌عنوان گره، و واکنش‌هایی را که بسترها را به محصولاتشان پیوند می‌دهند، تجسم کرد. در این مورد پیوندها به آنزیمی که واکنش را کاتالیز می‌کند نسبت داده شده و گراف جهت‌دار می‌شود.
بااین‌حال، در بعضی از مطالعات، استفاده از توصیف ساده‌تر کافی به نظر می‌رسد. در این روش‌ها، آنزیم‌ها نادیده گرفته شده و گراف‌ها بدون جهت خواهند بود. در این مورد، نمودار به‌سادگی پیوندهای متقابل بین متابولیت‌ها را توصیف می‌کند، و شیمی دقیق‌تری را که زیربنای این اتصالات است، کنار گذاشته است. گاهی در مطالعات باید به دنبال کاهش پیچیدگی باشیم تا بتوانیم تحلیلی ارائه کنیم. اضافه‌کردن اطلاعات ممکن است منجر به سردرگمی شده یا حتی ما را از پاسخ دور کند. در حقیقت گراف سعی دارد با کاهش دادن یک سیستم پیچیده به اجزای سازنده با یال و گره، از سختی مسئله بکاهد و بینشی از آنچه درون سیستم اتفاق می‌افتد بدهد.
از ساختار تا دینامیک
پس از آشنایی با ساختار گراف و توپولوژی آن، باید بتوانیم این توپولوژی در سیستم‌های زیستی را به عملکرد سلول مرتبط کنیم. یعنی باید به ارتباط توپولوژی و دینامیک سلول بپردازیم. جهت بررسی ارتباط توپولوژی شبکه و عملکرد آن، اساسی‌ترین سؤالی که باید به آن بپردازیم این است که چگونه شکاف بین ساختار و رفتار دینامیکی را باید پر کنیم؟
ما باید این را در نظر بگیریم که توپولوژی بازیگر اصلی در ویژگی‌های شبکه است. فرایندهای زیستی در سلول هرکدام با سرعت‌های مختلفی انجام می‌شود. پس این واکنش‌های شیمیایی و تنظیمی هرکدام سرعت و قدرت متفاوتی را در طول زمان تجربه می‌کند؛ بنابراین درحالی‌که از نظر ساختاری همه تعاملات مختلف را با پیوندهای شبکه نشان می‌دهیم، باید پرسید: آیا فرایند تنظیم ژنتیکی واقعاً با فرایند اتصال فیزیکی قابل‌مقایسه است؟
آیا تضمین می‌شود که دو شبکه از نظر ساختاری یکسان رفتار مشابهی را نشان دهند حتی اگر در برخی جزئیات دیگر متفاوت باشند؟ یا شاید این جزئیات که توسط تحلیل نظری گراف نادیده گرفته می‌شوند، مهم نباشند.
به نظر واضح است که یک “دینامیک کامل وابسته به زمان”، نیاز به ادغام تمام جزئیات ذکر شده در بالا را دارد و بنابراین فراتر از محدوده زیست‌شناسی شبکه است. از سوی دیگر، آنچه می‌تواند بر اساس تحلیل ساختاری قابل دستیابی باشد، درک ماکروسکوپی پویایی شبکه است. به طور خاص، انتظار نمی‌رود که علم شبکه در پیش‌بینی رفتار مجموعه خاصی از گره‌ها موفق باشد. بااین‌حال، می‌تواند به سؤالات کلی در مورد شبکه به‌عنوان یک کل پاسخ دهد. دانش گراف با بررسی توپولوژی شبکه در سیستم بیولوژی به سؤالات زیر پاسخ می‌دهد:
- مؤثرترین گره‌ها در این شبکه کدام‌اند؟
- تعاملاتی که در سیستم وجود دارد تأثیری دوربرد دارند یا تأثیر گره‌ها به‌صورت محلی انجام می‌شود؟
- آیا تراکم گره‌ها در این شبکه پایدار است یا نوسان دارد؟
- آیا یک اغتشاش کوچک باعث خرابی ماکروسکوپی شبکه می‌شود؟
حداقل برخی از این ویژگی‌ها و سایر ویژگی‌های مشابه، ممکن است توسط توپولوژی شبکه در سیستم بیولوژی، بدون توجه به جزئیات دیگر، تعیین شوند و اگر چنین باشد، باید بتوانیم با ابزار تحلیل شبکه به این سؤالات مهم بپردازیم.
در یک چشم‌انداز گسترده‌تر، استفاده از نظریه گراف برای مطالعه سیستم‌های پیچیده با هدف ایجاد یک ابزار بصری و ریاضی برای درک آنها است. از این نظر، چالش این رویکرد ابداع مجموعه‌ای از تفاسیر دینامیکی بصری برای مجموعه‌ای از ویژگی‌های توپولوژیکی که از قبل تعریف شده است.
با تحلیل ساختار یک شبکه، محققین قادر خواهند بود ارزیابی‌های کلی را در مورد پویایی مورد انتظار توپولوژی شبکه در سیستم بیولوژی انجام دهند. با پیشرفت فناوری در آینده شاهد داده‌های بیشتر برای بررسی دینامیک سلول به‌صورت دقیق‌تر خواهیم بود. شاید یکی از بزرگ‌ترین موفقیت های رویکرد شبکه تا کنون در آشکار ساختن ماهیت توپولوژی شبکه‌های سلولی و ارائه مجموعه‌ای از ابزارها و معیارها برای طبقه‌بندی و توصیف ساختار این سیستم‌های متنوع باشد.
دوره کارآموزی طراحی و مدلسازی سلولی: سیستم بیولوژی
منبع:
Graph Theory Properties of Cellular Networks Baruch Barzel Amitabh Sharma and Albert-La´ szlo´ Baraba´si
