مُدل رياضي: ابزاري براي زيست شناسي و زيست پزشكي نظام پرداز

Mathematical Model: A Tool for Systems Biology and Systems Biomedicine

زيست شناسي نظام پرداز روشي است كه در آن با عجين‌كردن تجربه و مدل‌سازي محاسبه‌اي و نظريه در يك چرخه «خود تقويت كننده» به پرسش‌هاي زيست-شناسي پاسخ داده مي شود. زيست شناسي نظام پرداز را به اين صورت مي توان توصيف كرد: موضوعي است كه در آن با بررسي كمّي و تعبير پيچيدگي ها در سيستم هاي زيست شناختي مدُل هايي ساخته شود كه به كمك آن ها بتوان نتايج را از داده ها پيش بيني كرد. زيست پزشكي نظام‌پرداز عبارت است از تعميم اين راهبردها در مطالعه مسايل زيست پزشكي. در دهه گذشته با بكارگيري زيست شناسي نظام پرداز تغيير چشم گيري در حوزه هاي مختلف زيست پزشكي بوجود آمده‌است. زيست شناسي نظام پرداز هدفش مدُل سازي كامل براي تعامل شبكه اي (شبكه ي ژنتيكي، مسيرهاي علامت دهي و شبكه متابوليك) است ولي زيست پزشكي نظام پرداز تاكيدش‌بر چند سطحي بودن طبيعت سلسله مراتب (سلول، بافت، اندام، اُرگانيسم و جمعيت) در مدُل ها است. براي نشان دادن روش برخورد با مسايل در زيست پزشكي نظام پرداز مثال هايي ارايه مي شود. تجزيه و تحليل بامدُل هاي رياضي بينش هايي در بيماري هاي پيچيده مثال سرطان، آلزايمر، ايدز و غيره بوجود مي‌آورد. پيچيدگي چند لايه اي‌بودن سطوح مختلف، حلّ رياضي و ايجاد نرم افزارها و پايگاه هاي داده هاي پيشرفته را مي طلبد. احتمال دارد درآينده مباحث جديد رياضي و ابزارهاي جديد محاسباتي براي مقابله با اين پيچيدگي لازم باشد.

Systems biology is an approach by which biological questions are addressed through integrating experiments with computational modeling and theory in a reinforcing cycle. Systems biology can be described as a discipline that seeks to quantify and annotate complexity in biological systems in order to construct models with which we can predict outcomes from inputs. Systems biomedicine is an extension of these strategies into the study of biomedical problems. In the last decade, some significant changes occurred in different biomedical areas with the introduction of systems biology. Whereas at the present systems biology aims at modeling exhaustive networks (genetic networks, signal transduction pathways and metabolic network) of interactions, systems biomedicine emphasizes the multilevel hierarchical nature (cell, tissue, organ, organism and population) of the models. Examples are given to show how the problems are tackled in systems biomedicine. Analysis with mathematical models provides insight into complex diseases such as cancer, Alzheimer’s, Aids etc. Multilayered complexity at different levels (cell, organ, organism and population) challenges mathematical solutions, and computational software tools and database provisions. It is likely that in future new mathematics and computational tools will be required to deal with these complexities.