Кіріспе

Биологияның саласы

Компьютерлік биология – биологиялық жүйелер мен қарым-қатынастарды түсіну үшін деректерді талдау, математикалық модельдеу және есептеу симуляцияларын қолдануды білдіреді. 1982 жылы зерттеушілер перфокарталар арқылы ақпарат алмасып тұрды. 1980-ші жылдардың соңына қарай деректердің көлемі экспоненциалды түрде өсті, бұл тиісті ақпаратты жылдам түсіндіру үшін жаңа есептеу әдістерін қажет етті. 2003 жылы жоба бастапқы мақсатына жетіп, адам геномының шамамен 85% картаға түсірілді. Бірақ жұмыс жалғасты, және 2021 жылға қарай "толық геном" деңгейіне қол жеткізілді, қалған негіздердің 0,3% ғана потенциалды мәселелермен қамтылған. Жоғалған Y хромосомасы 2022 жылдың қаңтарында қосылды. 1990-шы жылдардың соңынан бері компьютерлік биология биологияның маңызды бөлігіне айналып, көптеген кіші салалардың пайда болуына әкелді. Бүгінде Халықаралық компьютерлік биология қоғамы 21 түрлі "Арнайы қызығушылық тақырыбының қауымдастықтарын" мойындайды, олардың әрқайсысы осы кең саланың бір бөлігін көрсетеді. Адам геномын тізбектеуге көмектесуден басқа, компьютерлік биология адам миының дәл модельдерін жасауға, геномдардың 3D құрылымын картаға түсіруге және биологиялық жүйелерді модельдеуге көмектесті. Диффеоморфизм тобы координаттық түрлендірулер арқылы әртүрлі координаттық жүйелерді зерттеу үшін қолданылады, олар Лагранж және Эйлер ағынының жылдамдықтары арқылы бір анатомиялық конфигурациядан екіншісіне жасалады. Ол пішін статистикасы және морфометриямен байланысты, айырмашылығы диффеоморфизмдер координаттық жүйелерді картаға түсіру үшін қолданылады, олардың зерттелуі диффеморфометрия деп аталады.

Деректер мен модельдеу

Математикалық биология – тірі организмдердің математикалық модельдерін қолдана отырып, биологиялық жүйелердің құрылымын, дамуын және мінез-құлқын басқаратын жүйелерді зерттеу. Бұл тәжірибелік биологияның эмпирикалық бағытталған әріптесіне қарағанда проблемаларға көбірек теориялық тұрғыдан қарауға мүмкіндік береді. Математикалық биология дискретті математика, топология (есептеу модельдеу үшін де пайдалы), Байес статистикасы, сызықтық алгебра және Буль алгебрасын пайдаланады. Сондай-ақ, биологиялық жүйелердің компьютерлік модельдерін және визуалды симуляцияларын құруға қатысты есептеу биомоделін құру да маңызды. Бұл зерттеушілерге мұндай жүйелердің түрлі орталарға қалай реакция жасайтынын болжауға мүмкіндік береді, бұл жүйелердің сыртқы және ішкі бұзылыстарға қарсы күйін және функцияларын сақтай алатынын анықтау үшін пайдалы. Қазіргі техникалар көбінесе шағын биологиялық жүйелерге бағытталған, бірақ зерттеушілер үлкен желілерді талдауға және модельдеуге мүмкіндік беретін тәсілдерді әзірлеуде. Көптеген зерттеушілер бұл жаңа дәрілер мен гендік терапияны жасаудың қазіргі медициналық тәсілдерін дамыту үшін өте маңызды болады деп санайды. Осыған ұқсас, соңғы онжылдықтарға дейін теориялық экология көбінесе эмпирикалық экологтар қолданатын статистикалық модельдерден алшақ болған аналитикалық модельдермен айналысты. Дегенмен, есептеу әдістері экологиялық жүйелерді модельдеу арқылы экологиялық теорияны дамытуға көмектесті, сонымен қатар экологиялық талдауларда есептеу статистикасының әдістерін қолдануды кеңейтті.

Геномдық

Компьютерлік геномика – жасушалар мен организмдердің геномдарын зерттейтін ғылым. Адам геномы жобасы – компьютерлік геномиканың бір мысалы. Бұл жоба адам геномын толық тізбектеп, деректер жиынтығына айналдыруды көздейді. Толық іске асырылған жағдайда, бұл дәрігерлерге жеке науқастың геномын талдауға мүмкіндік береді. Бұл жеке медицинаның жолын ашады, емдеуді адамның бұрыннан бар генетикалық ерекшеліктеріне сүйеніп тағайындауға болады. Зерттеушілер жануарлардың, өсімдіктердің, бактериялардың және басқа да тіршілік нысандарының геномдарын тізбектеп алуға тырысуда. Геномдарды салыстырудың басты әдістерінің бірі – тізбек гомологиясы. Гомология – ортақ ата-тектен тараған әртүрлі организмдердегі биологиялық құрылымдар мен нуклеотидтік тізбектерді зерттейтін ғылым. Зерттеулер көрсеткендей, жаңа тізбектелген прокариот геномдарындағы гендердің 80-90% осы әдіс арқылы анықталуы мүмкін. Компьютерлік геномикада әлі зерттелмеген сала – интергендік аймақтарды талдау, олар адам геномының шамамен 97% құрайды. 3D-геномика – есептеу биологиясының бір саласы, ол эукариот жасушаларындағы гендердің ұйымдастырылуы мен өзара әрекеттесуіне назар аударады. 3D геномдық деректерді жинаудың бір тәсілі – геномдық архитектураны картографиялау (GAM). GAM геномдағы хроматин мен ДНК-ның үш өлшемді арақашықтығын криосекциялау (ДНК-ны зерттеу үшін ядродан жолақ кесу процесі) және лазерлік микродисекцияны біріктіру арқылы өлшейді. Ядролық профиль – ядродан алынған осы жолақ немесе кесінді. Әрбір ядролық профильде ДНК-ның құрылымдық бірлігі – нуклеотидтердің белгілі бір тізбектерінен тұратын геномдық терезелер болады. GAM жасушаның ішіндегі күрделі, көптеген энхансерлік хроматин байланыстарының геномдық желісін қамтиды.

Нейробиологиялық ғылым

Есептеу нейробиологиясы – жүйке жүйесінің ақпаратты өңдеу қасиеттері тұрғысынан мидың қызметін зерттейтін ғылым. Нейробиологияның бір саласы ретінде, ол жүйке жүйесінің нақты аспектілерін қарастыру үшін миды модельдеуге бағытталған. Ми модельдері: Нақты ми модельдері: Бұл модельдер мидың барлық аспектілерін, мүмкіндігінше жасушалық деңгейдегі ең көп мәліметтермен көрсетуге тырысады. Нақты модельдер ми туралы ең толық ақпаратты ұсынады, бірақ қате болу ықтималдығы да жоғары. Ми моделіндегі көптеген айнымалылар қателердің көбеюіне әкелуі мүмкін. Бұл модельдер ғалымдарға әлі белгілі емес жасуша құрылымының бөліктерін ескермейді. Нақты ми модельдері есептеу жүктемесі бойынша ең ауыр және іске асыруға ең қымбат болып табылады. Ми модельдерін қарапайымдау: Бұл модельдер жүйке жүйесінің нақты физикалық қасиеттерін бағалау үшін модельдің көлемін шектеуге тырысады. Бұл күрделі есептеу мәселелерін шешуге және нақты ми моделінен туындауы мүмкін қателік мөлшерін азайтуға мүмкіндік береді.

Фармакология

Компьютерлік фармакология – "белгілі бір генотиптер мен аурулар арасындағы байланысты табу және содан кейін дәрі-дәрмек деректерін тексеру үшін геномдық деректердің әсерін зерттеу". Фармацевтикалық өнеркәсіп дәрі-дәрмек деректерін талдау әдістерін өзгертуді қажет етеді. Фармакологтар Microsoft Excel бағдарламасын пайдаланып, дәрілердің тиімділігіне қатысты химиялық және геномдық деректерді салыстыра алды. Бірақ, өнеркәсіп Excel-дің шегіне жетті. Бұл, электрондық кестеде қолжетімді жасушалардың санының шектеулі болуынан туындайды. Осы жағдай есептеу фармакологиясының қажеттігін тудырды. Ғалымдар мен зерттеушілер осы ауқымды деректерді талдау үшін есептеу әдістерін жасайды. Бұл маңызды деректерді тиімді салыстыруға және дәлірек дәрілерді жасауға мүмкіндік береді. Сарапшылар, егер маңызды дәрілер патенттерге байланысты қолданыстан шығып қалса, қазіргі нарықтағы дәрілерді алмастыру үшін есептеу биологиясы қажет болады деп болжайды. Компьютерлік биология саласында докторантураны бітіргендерді постдокторантураға орналасудың орнына өнеркәсіпте мансап қууға ынталандырып отыр. Бұл, жаңа дәрілерді өндіруге қажетті үлкен деректер жиынтығын талдауға білікті мамандарға зәру ірі фармацевтикалық компаниялардың тікелей нәтижесі.

Техникалар

Есептеу биологтары зерттеулерін жүргізу үшін әртүрлі бағдарламалық жасақтамалар мен алгоритмдерді пайдаланады.

Графикалық талдау

Графиктік талдау немесе желілік талдау – әр түрлі объектілер арасындағы байланыстарды көрсететін графтарды зерттеу. Графтар биологиядағы түрлі желілерді бейнелей алады, мысалы, ақуыз-ақуыз өзара әрекеттесу желілері, реттеу желілері, метаболикалық және биохимиялық желілер және тағы да басқалары. Бұл желілерді талдаудың көптеген тәсілдері бар. Олардың бірі – графтардағы орталықтылықты қарастыру. Графтарда орталықтылықты анықтау түйіндерге олардың танымалдылығына немесе графтың орталық нүктесі ретіндегі маңыздылығына сәйкес рейтинг береді. Бұл қай түйіндер ең маңызды екенін анықтауға көмектеседі. Бұл биологияда көптеген жағдайларда өте пайдалы. Мысалы, егер белгілі бір уақыт кезеңінде гендердің белсенділігі туралы деректер болса, желідегі ең белсенді гендерді немесе басқа гендермен ең көп өзара әрекеттесетін гендерді анықтау үшін дәрежелік орталықтылықты қолдануға болады. Бұл бізге белгілі бір гендердің желіде атқаратын рөлін түсінуге көмектеседі. Графтарда орталықтылықты есептеудің көптеген әдістері бар, олардың барлығы орталықтылық туралы әртүрлі ақпарат бере алады. Биологиядағы орталықтылықты табу гендік реттеу, ақуыз өзара әрекеттесу және метаболикалық желілер сияқты көптеген жағдайларда қолданылуы мүмкін.

Бақылаумен оқытатын оқу

Бақылаулы оқыту – бұл таңбаланған деректерден үйренетін және таңбаланбаған болашақ деректерге таңбалау қағидаларын үйренетін алгоритмдердің бір түрі. Биологияда бақылаулы оқыту, егер бізде қалай жіктеуге болатынын білетін деректер болса және осы санаттарға қосымша деректерді жіктегіміз келсе, пайдалы болуы мүмкін. Кездейсоқ орман – бұл кең таралған бақылаулы оқыту алгоритмі, ол деректер жиынтығын жіктеу үшін модельді оқыту үшін көптеген шешім ағаштарын пайдаланады. Кездейсоқ орманның негізін құрайтын шешім ағашы – бұл деректер жиынтығын белгілі бір белгілі ерекшеліктері арқылы жіктеуге немесе таңбалауға бағытталған құрылым. Бұл мәселенің практикалық биологиялық мысалы – адамның генетикалық деректерін алып, оның белгілі бір ауруға немесе қатерлі ісікке шалдығу ықтималдығын болжау. Әрбір ішкі түйінде алгоритм деректер жиынтығын дәл бір ерекшелік бойынша тексереді, мысалы, бұрынғы мысалдағы белгілі бір ген, содан кейін нәтижеге байланысты солға немесе оңға тармақталады. Содан кейін әрбір жапырақ түйінде шешім ағашы деректер жиынтығына сынып таңбасын тағайындайды. Іс жүзінде алгоритм кіріс деректеріне сүйене отырып, шешім ағашы арқылы белгілі бір түбірден жапыраққа дейінгі жолды өтеді, нәтижесінде деректер жиынтығы жіктеледі. Көбінесе шешім ағаштарында дискретті мәндерді қабылдайтын мақсатты айнымалылар болады, мысалы, «иә/жоқ», мұндай жағдайда ол жіктеу ағашы деп аталады, бірақ егер мақсатты айнымалы үздісіз болса, онда ол регрессия ағашы деп аталады. Шешім ағашын құру үшін, оны алдымен оқу жиынтығын пайдаланып, мақсатты айнымалының ең жақсы болжаушыларын анықтау үшін оқыту қажет.

Ашық бастапқы кодты бағдарламалық қамтамасыз ету

Ашық бастапқы кодты бағдарламалық қамтамасыз ету есептеу биологиясы үшін платформа ұсынады, онда кез келген адам зерттеулерде жасалған бағдарламалық қамтамасыз етуге қол жеткізе және одан пайда көре алады. PLOS ашық бастапқы кодты бағдарламалық жасақтаманы пайдаланудың төрт негізгі себебін атап көрсетеді:
Қайта өндірілу мүмкіндігі: Бұл зерттеушілерге биологиялық деректер арасындағы байланыстарды есептеу үшін қолданылған нақты әдістерді пайдалануға мүмкіндік береді. Жылдам даму: әзірлеушілер мен зерттеушілерге шағын міндеттер үшін қолданыстағы кодты қайтадан ойлап табудың қажеті жоқ. Олар бұрыннан бар бағдарламаларды пайдаланып, үлкен жобаларды әзірлеу және іске асыру уақытын үнемдей алады. Көтерілген сапа: Бір тақырыпты зерттейтін көптеген зерттеушілердің үлесі кодта қателердің жоқтығына кепілдік береді. Ұзақ мерзімді қолжетімділік: Ашық бастапқы кодты бағдарламалар кез келген компаниямен немесе патенттермен байланысты емес. Бұл оларды бірнеше веб-бетке орналастыруға және болашақта қолжетімділігін қамтамасыз етуге мүмкіндік береді.

Зерттеу

Компьютерлік биология саласында бірнеше ірі конференциялар өтеді. Мысалы, "Молекулалық биология үшін интеллектуалды жүйелер", "Есептеу биологиясы бойынша Еуропалық конференция" және "Есептеу молекулалық биологиясы зерттеулері" атап өтуге лайық. Сондай-ақ, компьютерлік биологияға арналған көптеген журналдар бар. Олардың ішінде "Journal of Computational Biology" және "PLOS Computational Biology" ерекше көзге түседі. "PLOS Computational Biology" – бұл компьютерлік биология саласындағы көптеген маңызды зерттеу жобаларын жариялайтын, рецензиядан өтетін ашық қолжетімді журнал. Олар бағдарламалық қамтамасыздарға шолулар, ашық кодты бағдарламалық қамтамасыздарға оқулықтар ұсынады және болашақ компьютерлік биология конференциялары туралы ақпарат береді.

Қатынасты салалар

Есептеу биологиясы, биоинформатика және математикалық биология – математика және ақпарат ғылымдары сияқты сандық салалардан негіз алатын, өмір ғылымдарына қатысты салааралық тәсілдердің барлығы. NIH есептеу/математикалық биологияны биологиядағы теориялық және тәжірибелік сұрақтарды шешу үшін есептеу/математикалық әдістерді пайдалану ретінде, ал биоинформатиканы – күрделі өмір ғылымдары деректерін түсіну үшін ақпарат ғылымын қолдану ретінде сипаттайды.