11.1 ബയോളജിയിൽ പ്രോഗ്രാമിംഗ്

മാനുവൽ കമ്പ്യൂട്ടേഷന്റെ ഒരു യുഗത്തിൽ നിന്ന്, ഞങ്ങൾ ഇപ്പോൾ വലിയ തോതിലുള്ള (അതായത്, ഹൈ-ത്രൂപുട്ട്) ഡാറ്റാ ജനറേഷൻ, ഓട്ടോമേറ്റഡ് അനാലിസിസ്, പ്രെഡിക്ഷൻ എന്നിവയുടെ ഒരു ഘട്ടത്തിലാണ്. സാങ്കേതിക വികസനം വൻതോതിൽ ഡാറ്റ സൃഷ്ടിക്കുന്നതിന് ഒരു വരദാനമായി തെളിയുകയും, കഴിഞ്ഞ ചില ദശകങ്ങൾക്ക് മുമ്പ് ചിന്തിക്കാൻ പോലും കഴിയാത്തതും കൂടുതൽ ബുദ്ധിമുട്ടുള്ള ചോദ്യങ്ങൾ കൈകാര്യം ചെയ്യുന്നതുമായ ഡാറ്റയാണ്. എന്നിരുന്നാലും, വൻതോതിലുള്ള ഡാറ്റയുടെ വരവ് ഡാറ്റയുടെ സംഭരണം, വിഷ്വലൈസേഷൻ, കൈമാറ്റം, വിശകലനം, വ്യാഖ്യാനം എന്നിവയിലും വലിയ വെല്ലുവിളികൾ എറിഞ്ഞിട്ടുണ്ട്. ഒരു ദശകം മുമ്പ് വലുതായി തോന്നിയ ജോലി ഇപ്പോൾ നിസ്സാരമായി തോന്നുന്നു.

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, മെഷീൻ ലേണിംഗ് ടെക്നിക്കുകൾ എന്നിവയുടെ ഉദയം ഏതാണ്ട് എല്ലാ മേഖലകളിലും ഗവേഷണ പരിപാടികൾ മാറ്റിമറിച്ചിട്ടുണ്ട്. ഭാവിയിൽ, സയൻസിന്റെ മുനമ്പിൽ പ്രവർത്തിക്കുന്ന യുവ ബയോടെക്നോളജി വിദ്യാർത്ഥികൾക്ക് അടിസ്ഥാന പ്രോഗ്രാമിംഗ് അറിവും കെമിസ്ട്രി, സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതികളുമായുള്ള സൗകര്യവും ആവശ്യമായി വന്നേക്കാമെന്ന് കൂടുതൽ വ്യക്തമാകുന്നു.

ഈ അധ്യായത്തിന്റെ ഉദ്ദേശ്യം പ്രോഗ്രാമിംഗ് ഭാഷകളുടെ വിശദമായ വിവരണം നൽകുകയല്ല, മറിച്ച് ബയോളജിസ്റ്റുകൾക്ക് പ്രസക്തമായ ഏറ്റവും ജനപ്രിയമായ ഉയർന്ന നിലവാരമുള്ള ഭാഷകളിലേക്ക് ഒരു സൗമ്യമായ ആമുഖം നൽകുകയാണ്.

എല്ലാ ലഭ്യമായ ഓപ്പറേറ്റിംഗ് സിസ്റ്റം (OS) പ്ലാറ്റ്ഫോമുകൾക്കും ബയോഇൻഫോർമാറ്റിക്സ് സോഫ്റ്റ്വെയർ വികസിപ്പിച്ചെടുക്കുന്നുണ്ടെങ്കിലും, വിജയകരമായ ആപ്ലിക്കേഷനുകളുടെ ഭൂരിഭാഗവും ലിനക്സ് പ്ലാറ്റ്ഫോമിൽ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്. ബയോഇൻഫോർമാറ്റിക്സിന്റെ തുടക്കം മുതൽ, സീക്വൻസ് അടിസ്ഥാനമാക്കിയുള്ള വലിയ ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതിൽ PERL എപ്പോഴും കേന്ദ്രത്തിലാണ്. ഇന്ന് ഈ പ്ലാറ്റ്ഫോമുകൾ മികച്ച പ്രകടനം നൽകുന്ന ഭാഷകളാൽ സമ്പന്നമാക്കപ്പെടുന്നു, സാധാരണയായി പൈത്തൺ, $R$ എന്നിവ ബയോളജിക്കൽ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനുള്ള സ്റ്റാറ്റിസ്റ്റിക്കൽ പാക്കേജുകളുടെ ശക്തമായ സൗകര്യങ്ങൾ നൽകുന്നു. അതുപോലെ, സ്വതന്ത്രമായി, വെബ് സെർവറിലും ക്ലൗഡ് കമ്പ്യൂട്ടിംഗിലും വലിയ ഡാറ്റ സെറ്റ് കൈകാര്യം ചെയ്യുന്നതിനുള്ള വിഷ്വലൈസേഷൻ, അനാലിസിസ് മൊഡ്യൂളുകൾ പൈത്തൺ മൊഡ്യൂളുകൾ തുടർച്ചയായി സമ്പന്നമാക്കപ്പെടുന്നു. ഇവയ്ക്ക് പുറമെ, MATLAB ബയോഇൻഫോർമാറ്റിക്സ് ഡാറ്റ അനാലിസിസിന് വളരെ നല്ല പ്ലാറ്റ്ഫോമും ഉൾക്കൊള്ളുന്നു. ബയോഇൻഫോർമാറ്റിക്സ് മേഖലയിൽ സജീവമായ ഏറ്റവും മികച്ച ഭാഷകളിൽ ചിലതിന്റെ വിവരണം ചുവടെ നൽകിയിരിക്കുന്നു:

പൈത്തൺ: ഗൈഡോ വാൻ റോസം (1991) സൃഷ്ടിച്ച ഒരു ഉയർന്ന നിലവാരമുള്ള പ്രോഗ്രാമിംഗ് ജനറൽ പർപ്പസ് ഭാഷയാണിത്. ഇത് ഒബ്ജക്റ്റ് ഓറിയന്റഡ് പ്രോഗ്രാമിംഗ് ഇന്ററാക്ടീവ് ഭാഷയാണ്, ഇത് യുണിക്സ്, മാക്, വിൻഡോസ് എന്നിവയിൽ പ്രവർത്തിക്കാൻ കഴിയും. പൈത്തൺ ബയോഇൻഫോർമാറ്റിക്സ് കമ്മ്യൂണിറ്റിയിൽ വളരെ ജനപ്രിയമാണ്, പ്രധാനമായും കാരണം: (i) ഉപയോഗിക്കുന്ന പദങ്ങളുടെ വ്യക്തമായ അർത്ഥവും സ്റ്റേറ്റ്മെന്റുകളുടെ ഘടനയും (ii) അതിന്റെ എക്സ്പ്രസ്സിവിറ്റിയും ഒബ്ജക്റ്റ്-ഓറിയന്റഡ് പ്രോഗ്രാമിംഗുമായുള്ള അലൈൻമെന്റും (iii) ലൈബ്രറികളുടെയും തൃതീയ-പാർട്ടി ടൂൾകിറ്റുകളുടെയും ലഭ്യതയും. സീക്വൻസ്, സ്ട്രക്ചർ അനാലിസിസ്, ഫൈലോജെനറ്റിക്സ് തുടങ്ങിയവയ്ക്കായി പൈത്തൺ വിജയകരമായി ഉപയോഗിക്കപ്പെട്ടിട്ടുണ്ട്.

$\mathbf{R}$ : $\mathrm{R}$ എന്ന പേര് അതിന്റെ കണ്ടുപിടിത്തക്കാരായ റോബർട്ട് ജെന്റിൽമാൻ, റോബർട്ട് ഇഹാക്ക എന്നിവരിൽ നിന്ന് ഉരുത്തിരിഞ്ഞതാണ്, അവർ ഈ ഭാഷ വികസിപ്പിച്ചെടുത്തു. $\mathrm{R}$ ഭാഷ ബയോളജിക്കൽ ഡാറ്റയുടെ ഉയർന്ന വോളിയം അനാലിസിസ്, വിഷ്വലൈസേഷൻ, സിമുലേഷൻ എന്നിവയ്ക്ക് അനുയോജ്യമായ ഒരു വേഗതയുള്ളതും വിശ്വസനീയവുമായ ഫങ്ഷണൽ പ്രോഗ്രാമിംഗ് ഭാഷയായി വിശാലമായ അംഗീകാരം നേടിയിട്ടുണ്ട്. സോഫ്റ്റ്വെയർ സ്വതന്ത്രവും ഓപ്പൺ സോഴ്സുമാണ്. $\mathrm{R}$ ഭാഷ ജീനോം സീക്വൻസ്, ബയോമോളിക്യുലാർ പാത്ത്വേകൾ എന്നിവയുടെ വിശകലനത്തിനായി ഉപയോഗിക്കപ്പെട്ടിട്ടുണ്ട്.

ഡാറ്റ അനാലിസിസിൽ നിന്ന് സിസ്റ്റങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്നതിലേക്ക് നീങ്ങുമ്പോൾ, പുതിയ പ്രോഗ്രാമിംഗ് ഭാഷകൾ ഉടലെടുത്തിട്ടുണ്ട്. അവയിൽ ഉൾപ്പെടുന്നത്- GEC (ജനറ്റിക് എഞ്ചിനീയറിംഗ് ഓഫ് ലിവിംഗ് സെൽസ്), മൈക്രോസോഫ്റ്റ് വികസിപ്പിച്ചെടുത്ത ഒരു റൂൾ-ബേസ്ഡ് ഭാഷയും കേര, കേരള സർവകലാശാലയിലെ ഡോ. ഉമേഷ് പി. വികസിപ്പിച്ചെടുത്ത ഒരു ഒബ്ജക്റ്റ് ഓറിയന്റഡ് നോളഡ്ജ് ബേസ്ഡ് പ്രോഗ്രാമിംഗ് ഭാഷയുമാണ്. കേര (കേരളയുടെ ചുരുക്കപ്പേര്, കൊക്ക് എന്നും അർത്ഥം) ജീനോം, പ്രോട്ടീനുകൾ, സെൽ എന്നിവയെക്കുറിച്ചുള്ള വിവരങ്ങൾ സംഹിത എന്ന ഉപയോക്തൃ എഡിറ്റ് ചെയ്ത ബയോളജിക്കൽ ലൈബ്രറി ഉപയോഗിച്ച് പിടിച്ചെടുക്കുന്നു.

11.2 സിസ്റ്റംസ് ബയോളജി

11.2.1 ആമുഖം

നിങ്ങൾക്കറിയാമെന്നപോലെ, പ്രകൃതിയുടെ രഹസ്യങ്ങൾ മനസ്സിലാക്കാൻ ശാസ്ത്രജ്ഞർ പുരാതന കാലം മുതൽ പരീക്ഷണങ്ങൾ നടത്തുന്നു. ഈ പരീക്ഷണങ്ങളുടെ കണ്ടെത്തലുകൾ സാഹിത്യത്തിൽ ഡാറ്റയുടെ രൂപത്തിൽ രേഖപ്പെടുത്തിയിരിക്കുന്നു. ചെറിയ ഡാറ്റയിൽ നിന്ന് വലിയ ഡാറ്റ വരെ, പതിറ്റാണ്ടുകളുടെ പരീക്ഷണാത്മക പരിശ്രമങ്ങളിൽ നിന്ന് ഡാറ്റ ശേഖരിക്കപ്പെടുന്നു. നിലവിൽ, ഒരു വലിയ അളവിലുള്ള ബയോളജി ഡാറ്റ ഡിജിറ്റൽ ഫോർമാറ്റിൽ സൃഷ്ടിക്കപ്പെടുകയും ഡാറ്റാബേസുകൾ എന്ന് വിളിക്കപ്പെടുന്ന വിവിധ സംഭരണശാലകളിൽ സംഭരിക്കപ്പെടുകയും ചെയ്യുന്നു. ഈ ഡിജിറ്റൽ ഡാറ്റകളാണ് ഗവേഷകർക്ക് നമ്മുടെ സങ്കീർണ്ണമായ ബയോളജിക്കൽ സിസ്റ്റങ്ങളുമായി സമാനമായ ജോലികൾ ചെയ്യാൻ കഴിയുന്ന കമ്പ്യൂട്ടേഷണൽ മോഡലുകൾ വികസിപ്പിക്കുന്നതിനുള്ള അടിത്തറയായി മാറുന്നത്, അതായത്, യഥാർത്ഥ ഇൻ-വിട്രോ/ഇൻ-വിവോ പരീക്ഷണങ്ങളിലോ യഥാർത്ഥ ജീവിതത്തിലോ നാം നിരീക്ഷിക്കുന്നവ. ഇത്തരം ആശയങ്ങളുടെ നടപ്പാക്കൽ സങ്കീർണ്ണമായ ബയോളജിക്കൽ സിസ്റ്റങ്ങളെ അനുകരിക്കുന്നതിന് ഗണിതശാസ്ത്രപരവും കമ്പ്യൂട്ടേഷണൽ മോഡലുകളും ഉപയോഗിച്ചാണ് നടത്തുന്നത്. ഈ മോഡലുകളെ സിസ്റ്റം മോഡലുകൾ എന്ന് വിളിക്കുന്നു. അതിനാൽ, സിസ്റ്റം മോഡലുകളുടെ പ്രതിനിധാനമായി നിങ്ങൾക്ക് സിസ്റ്റംസ് ബയോളജി ദൃശ്യവൽക്കരിക്കാം. ഇന്ന് സിസ്റ്റംസ് ബയോളജി ശക്തമായ പ്രയോഗത്തോടെ തീവ്ര ഗവേഷണത്തിനുള്ള ഒരു മേഖലയായി മാറിയിരിക്കുന്നു. അങ്ങനെ, ഇത് ബയോളജിക്കൽ സിസ്റ്റങ്ങൾക്കുള്ളിലെ സങ്കീർണ്ണമായ ബയോളജിക്കൽ ഇന്ററാക്ഷനുകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന ഒരു ഇന്റർഡിസിപ്ലിനറി പഠന മേഖലയാണ് (ചിത്രം 11. 1). സിസ്റ്റംസ് ബയോളജിയുടെ ആശയം വിവിധ ബയോളജിക്കൽ സന്ദർഭങ്ങളിൽ, പ്രത്യേകിച്ച് കഴിഞ്ഞ രണ്ട് ദശകങ്ങളിൽ നിന്ന്, സ്വീകരിക്കപ്പെടുന്നു. മനുഷ്യ ജീനോം പ്രോജക്റ്റ് സിസ്റ്റംസ് ബയോളജിയുടെ ഒരു ചിന്തയുടെ ഏറ്റവും മികച്ച വിത്തുകളിൽ ഒന്നാണ്, ഇത് ഇന്നത്തെ രൂപത്തിലുള്ള സിസ്റ്റംസ് ബയോളജിയുടെ പുതിയ വഴികൾക്ക് കാരണമായി. നിലവിൽ, സിസ്റ്റംസ് ബയോളജി മോഡലുകൾ കോശങ്ങൾ, ടിഷ്യൂകൾ, ജീവികൾ എന്നിവയുടെ ഉദയോന്മുഖ പ്രവർത്തന ഗുണങ്ങൾ കണ്ടെത്തുന്നതിന് സൈദ്ധാന്തിക വിവരണം നൽകാൻ കഴിയും, അത് പരീക്ഷണങ്ങളിലൂടെ മാത്രമേ സാധ്യമാകൂ. ഏറ്റവും കാര്യക്ഷമമായ സിസ്റ്റം മോഡലുകളുടെ ഉദാഹരണങ്ങൾ മെറ്റബോളിക് അല്ലെങ്കിൽ സിഗ്നലിംഗ് നെറ്റ്വർക്കുകളാണ്. ബയോളജിക്കൽ സിസ്റ്റങ്ങളുടെ പ്രവർത്തനരീതിയുടെ അടിസ്ഥാന ധാരണയോടൊപ്പം, സിസ്റ്റംസ് ബയോളജി ശക്തമായ പ്രയോഗ്യതയ്ക്കായി തീവ്രമായി ഉപയോഗിക്കപ്പെടുന്നു, ഉദാഹരണത്തിന്, ആരോഗ്യം, രോഗങ്ങൾ എന്നീ മേഖലകളിൽ ബയോളജിക്കൽ നെറ്റ്വർക്കുകൾ മുതൽ ആധുനിക തെറാപ്പൂട്ടിക്സ് വരെ.

11.2.2 ചരിത്രപരമായ പ്രതിപാദ്യം

സിസ്റ്റംസ് ബയോളജി ഉടലെടുക്കുന്നതിന് മുമ്പ്, ബയോളജിക്കൽ സയൻസുകളിലെ ഗവേഷണത്തിന്റെ സാഹചര്യം (ഉദാ. 1900 - 1970) ഫിസിയോളജി, പോപ്പുലേഷൻ ഡൈനാമിക്സ്, എൻസൈം കൈനറ്റിക്സ്, കൺട്രോൾ തിയറി, സൈബർനെറ്റിക്സ് മുതലായവ ഗവേഷണത്തിന്റെ സെഗ്മെന്റൽ ഘടകങ്ങളായി ചുറ്റിത്തിരിഞ്ഞിരുന്നു. 1952-ൽ അലൻ ലോയ്ഡ് ഹോഡ്ജ്കിൻ, ആൻഡ്രൂ ഫീൽഡിംഗ് ഹക്സ്ലി (നോബൽ സമ്മാന ജേതാക്കൾ) ഒരു ന്യൂറോണൽ സെല്ലിന്റെ ആക്സോണിലൂടെയുള്ള ആക്ഷൻ പൊട്ടൻഷ്യൽ പ്രചരണത്തിനായി ഒരു ഗണിതശാസ്ത്ര മോഡൽ വിവരിച്ചപ്പോൾ, സിസ്റ്റംസ് ബയോളജി ഒരു ഫിസിയോളജിക്കൽ വിവരണത്തിൽ നിന്ന് പരിണമിച്ചതായി മാപ്പ് ചെയ്തിട്ടുണ്ട്. 1960-ൽ കൂടുതൽ വികസിപ്പിച്ച സിദ്ധാന്തത്തിന്റെ നടപ്പാക്കൽ ഉടലെടുത്തു, ഡെനിസ് നോബിൾ [PMID 13729365] ഹൃദയ പേസ്മേക്കറിന്റെ ആദ്യത്തെ കമ്പ്യൂട്ടർ മോഡൽ വികസിപ്പിച്ചെടുത്തപ്പോൾ. സിസ്റ്റംസ് ബയോളജി ഔപചാരികമായി സിസ്റ്റംസ് തിയറിസ്റ്റ് മിഹാജ്ലോ മെസരോവിക് 1966-ൽ ഒഹായോയിലെ ക്ലീവ്ലാൻഡിലുള്ള കേസ് ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ടെക്നോളജിയിൽ “സിസ്റ്റംസ് തിയറി ആൻഡ് ബയോളജി” എന്ന തലക്കെട്ടിൽ ആരംഭിച്ചു. 1968-ൽ, ലുഡ്വിഗ് വോൺ ബെർട്ടലൻഫി സിസ്റ്റംസ് ബയോളജിയെക്കുറിച്ചുള്ള ആദ്യ സിദ്ധാന്തം പ്രസിദ്ധീകരിച്ചു, ഇത് ഈ വിഷയത്തിന്റെ മുൻഗാമിയായി കണക്കാക്കപ്പെടുന്നു. 1960-കൾ മുതൽ 1970-കൾ വരെയുള്ള കാലയളവ് മെറ്റബോളിക് കൺട്രോൾ അനാലിസിസ്, ബയോകെമിക്കൽ സിസ്റ്റംസ് തിയറി തുടങ്ങിയ സങ്കീർണ്ണമായ മോളിക്യുലാർ സിസ്റ്റങ്ങളുടെ ഒന്നിലധികം വശങ്ങൾ വികസിപ്പിച്ചെടുത്ത ദശകമായിരുന്നു. കൂടാതെ, സിസ്റ്റംസ് തിയറിയും മോളിക്യുലാർ ബയോളജിയും തമ്മിലുള്ള സംശയം തിയററ്റിക്കൽ ബയോളജി വികസിപ്പിച്ചെടുക്കുന്നതിലൂടെ തകർന്നു, ഇതിൽ ബയോളജിക്കൽ പ്രക്രിയകളുടെ ക്വാണ്ടിറ്റേറ്റീവ് മോഡലിംഗ് ഉൾപ്പെടുന്നു. 1990-കൾ മുതൽ, ഫങ്ഷണൽ ജീനോമിക്സ് ഉയർന്ന നിലവാരമുള്ള ബയോളജിക്കൽ ഡാറ്റയുടെ വലിയ അളവ് സൃഷ്ടിക്കുന്നു, ഇത് കൂടുതൽ യാഥാർത്ഥ്യവാദി മോഡലുകൾ വികസിപ്പിക്കുന്നതിൽ സഹായിക്കുന്നു. സിസ്റ്റംസ് ബയോളജി മേഖലയിലെ ഈ വികസനങ്ങൾ തുടർന്ന്, നാഷണൽ സയൻസ് ഫൗണ്ടേഷൻ (NSF) മുഴുവൻ സെല്ലും ഗണിതശാസ്ത്രപരമായി മോഡൽ ചെയ്യാനുള്ള ഒരു വെല്ലുവിളി മുന്നോട്ട് വച്ചു. ഈ ദിശയിൽ, 2003-ൽ, മസാച്യുസെറ്റ്സ് ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ടെക്നോളജി സൈറ്റോസോൾവുമായി സഹകരിച്ച് ഈ വെല്ലുവിളിയുടെ പരിഹാരത്തിനായുള്ള തിരച്ചിൽ ആരംഭിച്ചു. ഒടുവിൽ, 2012-ൽ മൈക്കോപ്ലാസ്മ ജെനിറ്റാലിയം (സെൽ വാൾ ഇല്ലാത്ത ബാക്ടീരിയം) എന്ന മുഴുവൻ സെൽ മോഡൽ, ജനിതക മ്യൂട്ടേഷനുകളോടുള്ള പ്രതികരണമായി സെൽ വയബിലിറ്റി പ്രവചിക്കുന്നതിനായി, ന്യൂയോർക്കിലെ മൗണ്ട് സിനായി സ്കൂൾ ഓഫ് മെഡിസിൻ വികസിപ്പിച്ചെടുത്തു. നിലവിൽ, ‘ഫിസിയോം’ എന്ന ഒരു വലിയ സിസ്റ്റംസ് ബയോളജി പ്രോജക്റ്റ് പ്രവർത്തിക്കുന്നു (http:/physiomeproject.org/). ഫിസിയോളജിക്കൽ ഫങ്ഷൻ മനസ്സിലാക്കുന്നതിനായി ഒരു മൾട്ടി-സ്കെയിൽ മോഡലിംഗ് ഫ്രെയിംവർക്ക് വികസിപ്പിക്കുക എന്നതാണ് ഈ പ്രോജക്റ്റിന്റെ ലക്ഷ്യം, ഇത് മോഡലുകൾ ഹൈറാർക്കിക്കൽ രീതിയിൽ സംയോജിപ്പിക്കാനും ലിങ്ക് ചെയ്യാനും അനുവദിക്കുന്നു. ഉദാഹരണത്തിന്, ഹൃദയത്തിന്റെ ഇലക്ട്രോമെക്കാനിക്കൽ മോഡലുകൾ അയോൺ ചാനലുകളുടെ മോഡലുകളുമായി സംയോജിപ്പിക്കേണ്ടതുണ്ട്, സബ്സെല്ലുലാർ ലെവലിൽ മയോഫിലമെന്റ് മെക്കാനിക്സ്, സിഗ്നൽ ട്രാൻസ്ഡക്ഷൻ പാത്ത്വേകൾ എന്നിവയും തുടർന്ന് ഈ പ്രക്രിയകളെ ടിഷ്യൂ മെക്കാനിക്സ്, വേവ്ഫ്രണ്ട് പ്രൊപഗേഷൻ, കൊറോണറി ബ്ലഡ് ഫ്ലോ എന്നിവയുടെ മോഡലുകളുമായി ബന്ധിപ്പിക്കുകയും ചെയ്യുന്നു - ഇവയിൽ ഓരോന്നും വ്യത്യസ്ത ഗവേഷക ഗ്രൂപ്പുകൾ വികസിപ്പിച്ചെടുത്തതായിരിക്കാം.

11.2.3 സിസ്റ്റംസ് ബയോളജിയുടെ പിന്നിലെ പ്രമേയം

ബയോളജിയുടെ വൈവിധ്യമാർന്ന വിഷയങ്ങൾ ഉൾക്കൊള്ളുന്നതിന്, സിസ്റ്റംസ് ബയോളജി വിവിധ വശങ്ങളിൽ നിന്ന് നിരീക്ഷിക്കപ്പെട്ടിട്ടുണ്ട്. റിഡക്ഷനിസ്റ്റ് ഒരു സിസ്റ്റത്തിന്റെ ഘടകങ്ങളും ഇന്ററാക്ഷനുകളും തിരിച്ചറിയുന്നതിൽ പ്രവർത്തിച്ചു

ചിത്രം 11.1: ബയോളജിക്കൽ സിസ്റ്റങ്ങൾക്കുള്ളിലെ സങ്കീർണ്ണമായ ബയോളജിക്കൽ ഇന്ററാക്ഷനുകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന ഒരു ഇന്റർഡിസിപ്ലിനറി പഠന മേഖലയായി സിസ്റ്റംസ് ബയോളജിയുടെ ചിത്രീകരണം

എന്നാൽ സിസ്റ്റത്തിന്റെ ബഹുത്വത്തെ വിവരിക്കാൻ ഒരു ബോധ്യപ്പെടുത്തുന്ന രീതിയും വികസിപ്പിക്കാൻ കഴിഞ്ഞില്ല. ഒന്നിലധികം ഘടകങ്ങളുടെ ക്വാണ്ടിറ്റേറ്റീവ് അളവുകളിലൂടെയാണ് ബഹുത്വം നന്നായി നിരീക്ഷിക്കാൻ കഴിയുക, കർശനമായ ഡാറ്റ ഇന്റഗ്രേഷൻ അടങ്ങിയ ഗണിതശാസ്ത്ര മോഡലുകളിലൂടെ മാത്രമേ ഇത് സാധ്യമാകൂ. ഈ രീതിയിൽ, വിവിധ ഘടകങ്ങൾ ഒന്നിച്ച് സംയോജിപ്പിച്ചുകൊണ്ട് സിസ്റ്റത്തെ നിരീക്ഷിക്കുന്നതാണ് സിസ്റ്റംസ് ബയോളജി എന്ന് പറയാം (ചിത്രം 11.1). സിസ്റ്റംസ് ബയോളജിയുടെ പ്രമേയത്തിന്റെ കാതലിൽ