تفاوت رفتار جمعي ژن‌ها در سلول سالم و سرطاني از افق فيزيك آماري وارون

Differences in the collective behaviour of the genes in the cancerous and normal cell from the perspective of inverse statistical physics

سرطان عموماً به عنوان بيماري ژن‌ها شناخته مي‌شود. تلاش‌هاي صورت گرفته پيرامون كنترل و درمان سرطان به طور عمده بر اساس شناخت ژن‌هاي مؤثر در سرطان‌هاي مختلف، تاكنون با چالش‌هاي زيادي همراه بوده است. در نگاه پيچيدگي، حركت‌هاي جمعي برآمده از برهم‌كنش‌هاي سيستم‌هاي بس‌ذره‌اي (سلول) تنها با مطالعه اجزاي آن سيستم (ژن‌ها) قابل توصيف نيست و با دانستن اين‌ كه هر جز (ژن) چگونه كار مي‌كند، نمي‌توان درك كاملي از مقياسي بزرگ‌تر (سلول) با سازمان‌دهي مرتبه‌- بالاتري پيدا كرد. مي‌دانيم كه بيان هر ژن بر بيان ساير ژن‌ها اثر مي‌گذارد و وجود اين همبستگي سبب تشكيل يك حركت جمعي مي‌شود كه خود باعت اثر گذاشتن روي بيان ساير ژن‌ها مي‌‌شود. در اين مقاله، به‌جاي دنبال كردن نگاه فروكاست ‌گرايانه رايج، با استفاده از تكنيك‌هاي فيزيك آماري وارون، شبكه‌ برهم‌كنشي بين ژن‌ها استنباط شده و با استفاده از نظريه توازن تفاوت رفتار اجتماعي ژن‌هاي سالم و سرطاني، به عنوان يك كل نشان داده شده است، نتايج ما نشان مي‌دهد كه توزيع مثلث‌هاي ايجاد شده در شبكه از يك الگوي تواني پيروي مي‌كند و انرژي شبكه سالم از شبكه سرطاني بيشتر است.

Cancer is commonly known as a disease of the genes. Almost all the studies about cancers are based on finding the effective genes for each cancer and most of the efforts for diagnosing or curing cancer have faced several challenges. From the point of view of complexity, collective behaviors that have emerged from the interactions of many-body systems are not solely describable by knowing about the system’s building blocks (genes) and we cannot understand what happens at a higher level of organization by just knowing how each element works at a lower scale! We know, each gene’s expression affects other genes expression levels and this correlation causes a collective behavior which that alters the expression levels of the genes. In this study, instead of following the common reductionist view, we use the techniques of inverse statistical physics and infer the interaction matrix of the genes. Then, by applying the balance theory, we show the differences between the social behavior of cancer genes and normal genes as a whole. Our results show that the energy distribution of triads formed in the interaction networks behaves in a power-law manner and the energy of the normal network is higher than the cancer network.