سه شنبه, ۱۱ اردیبهشت, ۱۴۰۳ / 30 April, 2024
مجله ویستا

مطالعهٔ سیستم ژنتیک به عنوان یک سیستم سیبرنتیک


مطالعهٔ سیستم ژنتیک به عنوان یک سیستم سیبرنتیک
اگر در هر کتاب زیست شناسی دربارهٔ سیستم ژنتیک مطالعه کرده باشید در می‌یابید که همهٔ آن‌ها سیستم ژنتیک را مجموعه‌ای از عناصر ساختاری همچون کربن و هیدروژن و اکسیژن می‌دانند که به بیان آن‌ها در کنار هم قرار گرفته است و مثلا" اسیدهای نوکلئوتید را تشکیل داده است که اعمال حیاتی شگفت‌‌انگیز بدن ما را بر عهده دارند.
در تمام آن‌ها همین عناصر ساختاری است که موجود زنده را می‌سازد و ۳۰ میلیارد سلول به وسیلهٔ آن‌ها کنترل می‌شود ولی چگونه می‌توان باور کرد که این همه قابلیت و پویایی درون چند عنصر ساختاری نهفته است ! پس یا ما در مورد این عناصر به معرفتی صحیح دست نیافته ایم و یا نگرش ما در شناخت خودمان صحیح نبوده است!
در ادامه ضمن اشاره به ویژگی‌های عمومی در بررسی سیستم ژنتیک، روش ریاضیاتی کیفی در برخورد سیستماتیک با سیستم ژنتیک به جای روش‌های کمی ارائه می‌شود.
در بررسی یک سیستم تنها نمی‌توان به اجزاء و انرژی بین آن‌ها، اکتفا کرد بلکه عامل مهم نحوهٔ ارتباطات و تعاملات و به عبارتی اطلاعات دریافتی از سیستمِ تحت بررسی است.
سایبرنتیک علمی است که، از یک سو، سیستم‌های نسبتا" باز را از دیدگاه تبادل متقابل اطلاعات میان آن‌ها و محیطشان مورد بررسی قرار می‌دهد و از سوی دیگر، به بررسی ساختار این سیستم‌ها از دیدگاه تبادل متقابل اطلاعات میان عناصر مختلفشان می‌پردازد. این امر بخصوص در ارگانیسم‌های زنده بیشتر مد نظر است زیرا همانطور که می‌دانیم این سیستم‌ها نه فقط سازمند است، بلکه با پیشرفت زمان در حالت خود باقی می‌ماند و در واقع حفظ حالت سازمند سیستم توسط دریافت مداوم اطلاعات از جهان خارج ( محیط ) است.
موجودات زیستی تنها مجموعه ای از اجزاء و انرژی‌های منتقل شده بین آن‌ها نیست بلکه شامل حالات و اطلاعات است؛ اطلاعاتی که وارد می‌شود، ذخیره می‌‌گردد و گاهی بروز می‌یابند.
در بررسی سیستم‌ها در بحث سایبرنتیک، این که سیستم‌ها از چه چیز درست شده اند و از چه نوعی است، اهمیت ندارد، نظیر سیستم‌های ژنتیک، بیولوژیک، فیزیکی، اکولوژیک (زیست‌محیطی)، روان شناسی و یا اجتماعی. بدین ترتیب، هر یک از موجودات زیستی یک سیستم سایبرنتیکی هستند و یکی از اهداف کلی در این سیستم‌ها همان زنده بودن و بقای نسل است و در رسیدن به این هدف اگر چه کار ارگان‌های مختلف متفاوت است و اجزاء نیز متفاوت هستند ولی در نهایت این اجزاء کل را تشکیل می‌دهد ولی این کل بیش از اجزاء است که این ناشی از تعاملات سیستم است.
در این مطالعه، فرمول‌های ریاضی بیولوژی و بیوانفورماتیک و نیز روال استفاده از ریاضیات را در سیستم‌های بیولوژیک، به‌منظور شناخت کیفی و توصیف سیستم تنظیم کننده ژنتیک، مورد توجه است که البته این بخش درکی کلی از پیچیدگی‌ها و مشکلات این روش‌ها در بررسی یکی از کوچکترین اجزاء یعنی ژن‌ها را نشان می‌دهد چه برسد به کل ارتباطات و کل اجزاء.‏
● سایبرنتیک و سیستم ژنتیک
آنچه که تاکنون از قابلیت‌های انسان درک شده است این است که انسان‌ها تنها قادر به شناخت مواردی هستند که در معرض تجربهٔ آنها قرار دارد ولی آیا واقعا" می‌توان به تمامی ارتباطات درونی وجود خودمان راه یافت
آیا درک ۳۰ میلیارد ارتباطِ به فرض ساده شده برای ما امکان پذیر است که این میزان در حد ژن‌ها، خود میلیاردها برابر خواهد بود. آن چه که در نگرش جدید سیبرنتیک و در نظریهٔ عمومی سیستم‌ها از دید اندیشمندان دور نمانده است، این است که زیست شناسی گذشته در مسیر خود برای شناخت، بدون هیچ شک و تردیدی به بیراهه رفته است. پس اگر چه سیستم ژنتیک از لحاظ اجزای تشکیل دهنده ، فقط و فقط اجزای تشکیل دهنده، از کربن و اکسیژن و ... تشکیل شده ولی عملکرد سیستم ژنتیک متفاوت و بسیار متفاوت از آن‌ها است . ‏
بدون شک راه زیادی تا آشنایی با روش‌هایی که با این نگرش مطابقت دارد، وجود دارد ولی حداقل کاری که هم اکنون باید در پیش گرفت این است که نگرش صحیحی نسبت به پدیده‌ها داشت. البته این بدین معنا نیست که روش‌هایی در این مورد وجود ندارد زیرا پدیده شناسی، آشوب، بررسی ویژگی‌های عمومی و استفاده از فراکتال، تئوری‌های قدرتمند خلق اطلاعات، مدلسازی‌های کیفی نظیر شبکه‌های عصبی و تئوری‌های فازی و در نظر گرفتن سلسله مراتب در بررسی، ما را تا حدی به سوی استفاده از نگرش کل نگری نزدیک می‌سازد.
بدین‌سان زیست شناسی نوین ناچار است است برای شناخت درون انسان به اصول تازه‌ای متوسل شود، یعنی به جای این که بدن انسان را مجموعه ای از سلول‌ها بداند که توسط ژن‌ها کنترل می‌شود، آن را ساختاری از تعاملات بینابینی در نظر گیرند که معانی اطلاعاتی چون معانی رمز‌های ژنتیک اهمیت بیشتری نسبت به خود ژن‌ها داشته باشد و این به معنای پردازش اطلاعات است.‏
درک رفتار یک موجود زنده در سطوح مختلفی صورت گرفته که از سطح اجتماع آغاز می‌شود و تا سطح ژن‌ها و مولکول‌ها ادامه می‌یابد و چه بسا سطوح کوچکتری نیز موجود باشد که برای ما شناخته شده نیست. اگر چه قوانین حاکم بر هر سطح متفاوت است اما در هر یک از این سطوح شناختی، مفاهیم نظریهٔ سیستم‌ها و خواص دینامیکی سیستم‌های پویا به دلیل خاصیت ذاتی سیستم‌های ارگانیستی، هم چنان حاکم است. مثلا" اگر شناخت سیستم سلولی مورد نظر باشد، چه قوانین حاکم برآن با سیستم ژنتیک متفاوت است اما هم چنان مفاهیم خود سازمان‌دهی و پیچیدگی در آن مشهود است و این چیزی جز نظریهٔ وحدت علم نیست.‏
از آن جایی که تاکنون یکی از کوچکترین واحدهای شناخته شده برای ما ژن‌ها بوده است، درک رفتار سیستم ژنتیک به عنوان کنترل‌گری خودسازمان‌ده و هوشمند، ضروری به نظر می‌رسد؛ اگر چه همان‌طور که برای شناخت اجتماع آشنایی با روحیهٔ تمام افراد جامعه بی معنی است ( در بسیاری از موارد افراد برای رسیدن به هدف مشترک بر خلاف روحیات خود عمل می‌کنند)، در این جا نیز برای شناخت سیستم ژنتیک نیازی به مطالعهٔ تک تک ژن‌ها نیست.
بر طبق نظریهٔ عمومی سیستم‌ها اگر چه سیستم ژنتیک از ژن‌های زیادی تشکیل شده است ولی عملکرد این سیستم از مجموع عملکرد ژن‌ها بیشتر است یعنی تمام ژن‌هایی که به صورت هوشمندانه در فعالیت مثلا" چرخهٔ سلولی وارد می‌شود در مجموع رفتار نوظهوری را خلق می‌کنند.
● روش‌های ریاضی کیفی در برخورد سیستماتیک با سیستم ژنتیک
۱) معادلات دیفرانسیلِ کیفی
ریاضیات و مخصوصا" معادلات دیفرانسیل جزئی نمی‌تواند پاسخگوی نیاز سیستم‌های پیچیده در توصیف و تشریح روابط و تعاملات بین اجزاء باشد، ولی می‌توان که تنها ابزار ما برای شناخت رفتار و مدلسازی پدیده‌ها همین ابزار ریاضیات است .
بنابراین سوالی که در این‌جا مطرح می‌شود این است که چگونه می‌توان از ریاضیات بهینه برای حل مشکل استفاده کرد و علت نقطهٔ ضعف بیان شده در چیست؟
پاسخ این است که در واقع شبکه‌های هوشمند، ارتباط کیفی ولی معادلاتی از دینامیک سیستم را در اختیار ما قرار می‌دهد.
یکی از بهترین مباحث فرمول‌بندی شده برای رسیدن به این هدف، ‏QDEs‏ یا معادلات دیفرانسیل کیفی که به صورتِ روش شبیه سازی ‏QSIM‏ موردِ استفاده هستند.
معادلات ‏QDE‏ دارای فرم زیر است:
که در آن ‏fi‏ هر تابع خطی یا غیر خطی می‌تواند باشد،
متغیرهای ‏x‏ دارای مقادیر کیفی از دامنه و جهت است ( مشابه مباحث فازی و شبکه عصبی ). دامنهٔ متغیر ‏xi، دارای مقداری گسسته و دامنه ای حقیقی است و جهتِ کیفی، متناظر با علامتِ مشتق است. تابع ‏fi‏ شامل الزاماتِ کیفی است که به وسیلهٔ مقادیرِ کیفی ممکنِ متغیر، محدود شده است. با داشتنِ وضعیتِ کیفی اولیه، شامل مقادیر کیفی متغیر ‏x‏ در زمان اولیه، الگوریتمِ ‏QSIM، تولید درختی از عملکردهای کیفی می‌کند. هر عملکردی از این درخت، توصیف کنندهٔ توالی‌های ممکن برای تغییر یک وضعیت نسبت به وضعیت اولیه می‌شود. اثبات شده است که هر عملکرد مجزای کیفی در ‏ODE، متناظر با عملکرد درخت تولید شده از طریق ‏QDE‏ است، اگر چه عکس آن ممکن است درست نباشد.
مدل‌هایی که بیانگر جزئیات بیوشیمیایی در تعاملات تنظیمی است، از جمله مدل‌های توصیف کنندهٔ کیفی سیستم ژنتیک هستند که این مدل‌ها دارای روابط مستقیم در مراحل بروز و ظهور ژن در یک شبکهٔ تنظیم کنندهٔ ژن است. عملکرد سوئیچ مانند ژن‌هایی که بروز و ظهور آن‌ها، به وسیلهٔ منحنی سیگموئیدی پیوسته تنظیم می‌شود، که البته این منحنی سیگموئیدی پیوسته را می‌توان با یک تابع پلهٔ ناپیوسته، تقریب زد.
۲) شبکه‌های بولی
شبکه‌های بولی، امکان تحلیل شبکه‌های تنظیم کنندهٔ بزرگ را از روش‌هایی با بازده بالا برای ما فراهم می‌کنند و این کار را با ایجاد فرضیات ساده شدهٔ خیلی قوی، بر روی ساختار و دینامیک سیستم‌های تنظیم کنندهٔ ژنتیک، انجام می‌دهد.
در فرمول‌های شبکهٔ بولی یک ژن، روشن یا خاموش ( فعال یا غیر فعال ) در نظر گرفته می‌شود و مراحل میانی بروز نیز قابل اغماض است. انتقال و تغییر وضعیت‌های فعال ژن‌ها به صورت همزمان و سنکرون در نظر گرفته می‌شود. زمانی که تغییرات به صورت همزمان رخ نمی دهد، عملکرد به وسیلهٔ الگوریتم شبیه سازی، پیش بینی نمی شود.
وضعیت‌هایی وجود دارد که تحت شرایط ایده آل، شبکه‌های بولی مناسب نیست و روش‌های عمومی‌تری نیاز است که این‌ها تحت شبکه‌های بولی عمومی تعبیر می‌شود.‏
حالات و متغیرهای منطقی و انتقالات منطقی بینابینی، می‌تواند به صورت گراف‌های وضعیت انتقال۱، بیان شود. در تحلیل‌های پیشرفته‌تر از حالت‌های گذار، تاخیرهای زمانی مربوط به رونویسی، ترجمه و انتقال، می‌تواند بررسی شود. روش منطقی کلی بیان شده در بالا، با توجه به معرفی پارامترهای منطقی و مقادیر آستانه آن‌ها، عمومیت می‌یابد.
یاسمن زندی مهران، دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد تهران علوم و تحقیقات
سید محمد رضا‌هاشمی گلپایگانی، استاد و عضو هیئت علمی دانشگاه صنعتی امیرکبیر
منبع : ماهنامه مهندسی پزشکی و علوم آزمایشگاهی


همچنین مشاهده کنید