مجموعه فرادرس های زیست شناسی سامانه ای

مجموعه آموزش های زیست شناسی سامانه ای

در این فرادرس مقدمه ای بر مفاهیم اصلی دانش نوین زیست شناسی سامانه ای یا همان زیست شناسی مدرن ارائه می گردد. در دوره کنونی، زیست شناسی در حال نموی چشمگیر و تغییر رویکرد است. این تغییر و توسعه با عنوان های مختلفی توصیف شده است. به عنوان مثال، توسعه رویکرد جزنگری به سمت نگاهی کل نگر، توسعه زیست شناسی مولکولی به زیست شناسی ماژولی، توسعه زیست شناسی کیفی به زیست شناسی کمّی و فرمولی شده یا توسعه مطالعات شاتگان و کور به سمت مطالعات هدف دار و دارای نقشه و مهندسی شده است.

همان طور که دانش ما در مورد ژنوم، پروتئوم و متابولوم عمیق تر شد و لیست اجزا یا مولکول های (پروتئین ها، چربی ها، یون ها) درگیر در فرایندهای سلولی توسعه یافت، نیاز به درک چگونگی سازماندهی آنها در موجود زنده و ارتباط برقرار کردن این مولکول ها با یکدیگر به صورت ماژول یا واحدهای عملکردی زیستی افزایش یافت. به زبان ساده تر ثروت حاصل از داده های فراوان زیستی را می توان شبیه به انباری بسیار بزرگی از لوازم یدکی یا اجزا یک ماشین بسیار پیچیده مثل هواپیما دانست که برای درک رفتار هواپیما اولین قدم یافتن نقشه ارتباطات این اجزا باهم است.

در گام بعدی یافتن اهمیت اجزا در ساختار ایستای این نقشه و یا رفتار پویا یا دینامیکی آنها اهمیت دارد تا بتوان در مورد عملکردهای هواپیما توضیح بیشتری داد. مدلسازی و شبیه سازی رفتارهای هواپیما به کمک این نقشه می تواند مارا در پیش بینی رفتارهای آن در آینده یا عیب یابی و رفع آن راهنمایی کند.

در زیست شناسی مدرن یا زیست شناسی سامانه ای به دنبال یافتن نقشه یا شبکه ارتباطی مولکول های درگیر در سیستم های بسیار پیچیده تر زنده هستیم که موجب فرایندهایی مثل انتقال پیام، نسخه برداری، تقسیم سلولی، تحرک، ساعت زیستی و تحریک پذیری الکتریکی می شوند.

 

 

 

در این فرادرس شرح داده خواهد شد که:

  • چرا سیستم های زنده پیچیده هستند؟
  • خواص یا ویژگی نوظهور این سیستم ها ناشی از رویکرد زیست شناسی سامانه ای چیست؟
  • چرا برای مطالعه آنها نیاز به ابزارهای محاسباتی و شبیه سازی داریم و این ابزارها کدامند؟

در انتها انتظار می رود که دانشجویان قادر به پاسخگویی به سوالاتی از این قبیل باشند:

  • چگونه مولکول های موجود درون سلول سازماندهی شده اند؟
  • ارتباطات بین اجزا سلولی چیست؟
  • این ارتباطات در چه شرایطی برقرار می شوند؟
  • چگونه این ارتباطات تصمیم گیری های سلولی را تحت تاثیر قرار می دهند؟

 

  سرفصل های این آموزش به صورت خلاصه در ادامه آمده است:

  • چگونه زیست شناس ها رادیو تعمیر می کنند؟ (Biologist and Radio)
  • رویکردهای پایین به بالا و بالا به پایین در سیستم های پیچیده
  • مسیرهای پیام رسانی سلولی
    • از مولکول ها تا مسیر
  • جریان پیام
    • از مسیرها تا شبکه
  • ماشین حرکت سلولی
  • نمایش ریاضیاتی سامانه های زیستی در زمان و فضا
  • جمع آوری مجموعه داده های بزرگ در ژنومیک و پروتئومیک
  • مفهوم زیست شناسی ماژولی
  • آزمایش های مقیاس کوچک در زیست شناسی سامانه ای
  • شناخت خواص نوظهور توسط محاسبات
    • مدل دینامیکی
  • خواص نوظهور
    • حساسیت فوق العاده
    • پایداری دوگانه
    • استحکام
    • شکنندگی
  • تحلیل سیستمی بیماری های پیچیده
  • داروشناسی سامانه ای
    • درک عملکرد دارو به کمک رویکرد سیستمی

  بهتر است برای یادگیری بیشتر، پیش نیازهای زیر را در نظر داشته باشید:

  • زیست شناسی سلولی مقدماتی
  • آشنایی مقدماتی با آمار

 

سرفصل های مورد بحث:

  • چگونه زیست شناسان رادیو تعمیر می کنند؟ (Biologist and Radio)
  • سناریوی یک زیست شناس در تعمیر رادیو
  • سناریوی یک مهندس برای تعمیر رادیو
  • زبان کیفی و کمی در توصیف وقایع زیستی (Quantitative & Qualitative Language)
  • زبان استاندارد و مشترک
  • انتقادات
  • تعریف زیست شناسی سامانه ای (Systems Biology)
  • روش علمی (Scientific Method)
  • مدل استنتاج فرضیه (Hypothesis-Driven Model)
  • مدل استقرایی (Data-Driven or Inductive Model)
  • مروری خلاصه بر زیست شناسی سلولی و مولکولی (Molecular and Cellular Biology)
  • مقیاس ها در سامانه های زیستی (Different Scales in Systems Biology)
  • روش های آزمایشگاهی و محاسباتی در زیست شناسی سامانه ای (Experimental and Computational Systems Biology)
  • داده پایگاه های مورد استفاده در زیست شناسی سامانه ای (Bioinformatic Databases for Systems Biology)
  • سوالات متداول در زمینه زیست شناسی سامانه ای
  • سامانه های پیچیده (Complex Systems)
  • جزنگری یا تقلیل گرایی و زیست شناسی سامانه ای (Reductionism & Systems Biology)
  • ویژگی های نوظهور (Emergent Properties)
  • نظریه گراف (Graph Theory)
  • موتیف شبکه (Network Motif)
  • مفهوم مدل در زیست شناسی سامانه ای (Model in Systems Biology)
  • استواری مدل (Robustness)
  • رویکرد Bottom-Up (Bottom-Up Approach)
  • مسیر cAMP (cAMP Signaling Pathway)
  • G-پروتئین ها (G-Proteins)
  • مفهوم انتقال پیام یا مخابره آن (Signal Transduction)
  • معادلات کینتیکی (Kinetic Equations)
  • سازماندهی عمومی مسیرهای پیام رسانی
  • داروها و گیرنده های سطح سلولی (Drugs and Cellular Ligands)
  • مسیر/شبکه MAP کیناز (MAP Kinase Signaling Pathway)
  • تشکیل کمپلکس پیام رسانی
  • منشا ایجاد شبکه از مسیر پیام رسانی
  • بخش های سلولی درگیر در انتقال پیام
  • بیان ریاضیاتی چگونه به حل مسائل زیستی کمک می کند؟ (Mathematical Representation for Biological Problems)
  • دو رویکرد در حل معادلات ریاضی
  • دستگاه معادلات دیفرانسیل معمولی (Ordinary Diffrential Equation Sets, ODEs)
  • دستگاه معادلات دیفرانسیل جزئی (Partial Diffrential Equation Sets, PDEs)
  • مدل های تصادفی (Stochastic Models)
  • شبیه سازی انواع مختلف مدل ها (Model Simulation)
  • از بیان ریاضیاتی تا شبیه سازی عددی (Numerical Simulation)
  • نکاتی در ساخت مدل
  • شبیه سازی دینامیکی گسسته (Discrete Dynamic Simulation)
  • نرم افزارها (Software)
  • خطا در ساخت مدل و شبیه سازی (Errors in Modelling)
  • جمع آوری و تحلیل مجموعه داده های بزرگ (Large Scale Data Analysis)
    • ژنومیک (Genomics)
    • پروتئومیک (Proteomics)
    • متابولومیک (Metabolomics)
  • منشا تنوع در داده های آزمایشگاهی امیک
  • هستی شناسی ژنی (Gene Ontology)
  • تحلیل غنی سازی ژنی (Gene Enrichment Analysis)
  • نظریه گراف
  • انواع شبکه ها (Biological Networks)
  • بیوانفورماتیک (Bioinformatics)
  • پایگاه های داده زیستی (Biological Databases)
  • ساختن شبکه از مجموعه داده های بزرگ
  • نرم افزارهای تحلیل شبکه های زیستی
  • Cytoscape
  • سلسله فرایندهای تحلیل شبکه زیستی
    • تحلیل شبکه ها (Network Analysis)
    • شبکه های مقیاس آزاد (Scale-Free Networks)
    • استواری شبکه (Network Robustness)
    • توپولوژی شبکه و مفهوم فاصله (Network Topology & Distance)
    • تحلیل شبکه بدست آمده از داده های بیان ژن (Gene Expression Data Analysis)
    • تحلیل شبکه اندرکنش پروتئین-پروتئین (Protein-Protein Interaction Network)
  • توانایی ها و محدودیت های انواع مختلف مدل ها
  • محدودیت های مدل های آماری (Statistical Models)
  • برای درک توپولوژی سامانه به مدل های شبکه نیازمندیم
  • مدل های پویا (Dynamic Models)
  • خواص نوظهور
  • تحلیل پویای یک سامانه دوپایا (Bistable System)
    • مثال هایی از سامانه های دوپایا
  • چگونه رفتارهای پیش بینی شده را با روش های آزمایشگاهی بررسی کنیم؟
  • دوپایایی به شما یادآوری می کند که گرسنه هستید
  • فراحساسیت چیست؟ (Ultrasensitivity)
  • چرا فراحساسیت در تنظیم سلولی اهمیت دارد؟
  • استواری چیست؟ (Robustness)
  • پروتئین های داربست (Scafold Proteins)
  • شبکه بیماری های انسانی (Human Disease Network)
  • بیماری های هم رخداد (Co-Occurrence Disease)
  • پزشکی پی۴ (P4 Medicine)
  • استفاده از زیست پزشکی سامانه ای برای بیماری های غیری مسری (Systems Biomedicine)
  • بیماری انسداد مزمن ریوی (COPD)
  • استفاده از زیست پزشکی سامانه ای برای سرطان (Systems Biomedicine & Cancer)
  • استفاده از زیست شناسی سامانه ای برای درک عملکرد دارو (Drug Action in Systems Pharmacology)
  • رویکرد کشف دارو بر پایه شبکه (Network-Based Drug Discovery)
  • شبکه دارو-هدف (Drug Target Network)
  • درمان چنددارویی (Drug Combination or Multidrug Therapy)
  • کشف عوارض جانبی داروها (Drug Side Effects)
  • پارادایم یا چهارچوب نظری زیست شناسی سامانه ای (Systems Biology Paradigm)
  • وبسایت آزمایشگاه

 

 برای مشاهده فرادرس جمع آوری و تحلیل مجموعه داده های بزرگ در زیست شناسی سامانه ای به این لینک (+) مراجعه نمایید.

مطالب پیشنهادی‎

0 پاسخ

ارسال یک پاسخ

در گفتگو ها شرکت کنید.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *