११.१ जीवशास्त्रातील प्रोग्रामिंग

हाताने गणना करण्याच्या युगातून, आपण सध्या मोठ्या प्रमाणात (म्हणजे, हाय-थ्रूपुट) डेटा निर्मिती, स्वयंचलित विश्लेषण आणि अंदाज या टप्प्यात आहोत. तंत्रज्ञानातील प्रगती प्रचंड डेटा निर्माण करण्यासाठी वरदान ठरली आहे, जी काही दशकांपूर्वी अकल्पनीय होती आणि जी अधिक कठीण प्रश्नांवर प्रक्रिया करते. तथापि, प्रचंड डेटाच्या आगमनाने डेटाच्या साठवणूक, दृश्यीकरण, हस्तांतरण, विश्लेषण आणि अर्थ लावण्यात मोठे आव्हानेही निर्माण केली आहेत. एक दशकापूर्वी प्रचंड वाटणारे कार्य आता क्षुल्लक वाटते.

कृत्रिम बुद्धिमत्ता आणि मशीन लर्निंग तंत्रांच्या उदयाने जवळजवळ प्रत्येक क्षेत्रातील संशोधन पद्धती बदलल्या आहेत. हे वाढत्या प्रमाणात स्पष्ट होत आहे की, भविष्यात, विज्ञानाच्या अत्याधुनिक क्षेत्रात काम करणाऱ्या तरुण जैवतंत्रज्ञान विद्यार्थ्यांना मूलभूत प्रोग्रामिंग ज्ञान आणि रसायनशास्त्र आणि सांख्यिकीय पद्धतींशी सहजता आवश्यक असू शकते.

या अध्यायाचा उद्देश प्रोग्रामिंग भाषांचे संपूर्ण वर्णन देणे नसून, जीवशास्त्रज्ञांसाठी संबंधित असलेल्या काही सर्वात लोकप्रिय उच्च स्तरीय भाषांची सौम्य ओळख करून देणे आहे.

जरी बायोइन्फॉरमॅटिक्स सॉफ्टवेअर सर्व उपलब्ध ऑपरेटिंग सिस्टीम (OS) प्लॅटफॉर्म्ससाठी विकसित केले जात आहे, तरी बहुसंख्य यशस्वी अनुप्रयोग लिनक्स प्लॅटफॉर्मवर विकसित केले गेले आहेत. बायोइन्फॉरमॅटिक्सच्या सुरुवातीपासूनच, पर्ल नेहमीच अनुक्रम-आधारित मोठ्या डेटावर प्रक्रिया करण्याच्या केंद्रस्थानी आहे. आजकाल हे प्लॅटफॉर्म प्रगत कार्यप्रदर्शन करणाऱ्या भाषांनी समृद्ध केले जात आहेत, सामान्यतः पायथन आणि $R$ जैविक समस्या सोडवण्यासाठी सांख्यिकीय पॅकेजेसची मजबूत सुविधा प्रदान करते. त्याचप्रमाणे, पायथन मॉड्यूल्स स्टँडअलोन, वेब सर्व्हर तसेच क्लाउड कॉम्प्युटिंगवर मोठ्या डेटा सेटवर प्रक्रिया करण्यासाठी दृश्यीकरण आणि विश्लेषण मॉड्यूल्ससह सतत समृद्ध केले जात आहेत. याशिवाय, MATLAB मध्ये बायोइन्फॉरमॅटिक्स डेटा विश्लेषणासाठी चांगले प्लॅटफॉर्म देखील समाविष्ट आहे. बायोइन्फॉरमॅटिक्सच्या क्षेत्रात सक्रिय असलेल्या काही सर्वात प्रगत भाषांचे वर्णन खाली दिले आहे:

पायथन: ही गुइडो व्हॅन रोसुम (१९९१) यांनी तयार केलेली एक उच्च स्तरीय प्रोग्रामिंग सामान्य हेतू भाषा आहे. ही एक ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग इंटरॅक्टिव्ह भाषा आहे जी युनिक्स, मॅक आणि विंडोजवर चालू शकते. पायथन बायोइन्फॉरमॅटिक्स समुदायात मोठ्या प्रमाणात लोकप्रिय आहे कारण: (i) वापरलेल्या संज्ञांचा स्पष्ट अर्थ आणि विधानांची रचना (ii) त्याची अभिव्यक्तीक्षमता आणि ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंगशी संरेखन, आणि (iii) लायब्ररी आणि तृतीय-पक्ष टूलकिट्सची उपलब्धता. पायथन अनुक्रम आणि संरचना विश्लेषण, फायलोजेनेटिक्स इत्यादीसाठी यशस्वीरित्या वापरले गेले आहे.

$\mathbf{R}$ : $\mathrm{R}$ हे नाव त्याच्या शोधकर्ते, रॉबर्ट जेंटलमन आणि रॉबर्ट इहाका यांच्याकडून घेतले गेले आहे, ज्यांनी ही भाषा विकसित केली. $\mathrm{R}$ भाषेने जैविक डेटाच्या उच्च प्रमाणात विश्लेषण, दृश्यीकरण आणि सिम्युलेशनसाठी आदर्श असलेली एक वेगवान आणि विश्वासार्ह कार्यात्मक प्रोग्रामिंग भाषा म्हणून व्यापक स्वीकृती मिळवली आहे. हे सॉफ्टवेअर विनामूल्य आणि ओपन सोर्स आहे. $\mathrm{R}$ भाषेचा वापर जीनोम अनुक्रम आणि बायोमॉलेक्युलर मार्गांच्या विश्लेषणासाठी केला गेला आहे.

डेटा विश्लेषणापासून सिस्टीम डिझाइनिंगकडे जाताना, नवीन प्रोग्रामिंग भाषा उदयास आल्या आहेत. त्यापैकी आहेत- GEC (जेनेटिक इंजिनिअरिंग ऑफ लिव्हिंग सेल्स), मायक्रोसॉफ्टने विकसित केलेली नियम-आधारित भाषा आणि केरा, केरळ विद्यापीठाच्या डॉ. उमेश पी यांनी विकसित केलेली ऑब्जेक्ट-ओरिएंटेड नॉलेज-आधारित प्रोग्रामिंग भाषा. केरा (केरळचे लहान रूप, याचा अर्थ नारळ देखील होतो) जीनोम, प्रोटीन आणि पेशी यांची माहिती, संहिता नावाच्या वापरकर्ता-संपादित जैविक लायब्ररीचा वापर करून कॅप्चर करते.

११.२ सिस्टीम्स बायोलॉजी

११.२.१ परिचय

तुम्हाला माहिती आहेच, निसर्गाचे रहस्य समजून घेण्यासाठी, शास्त्रज्ञ प्राचीन काळापासून प्रयोग करत आहेत. या प्रयोगांचे निष्कर्ष साहित्यात डेटाच्या रूपात नोंदवले जातात. लहान तुकड्यापासून मोठ्या डेटापर्यंत, दशकांच्या प्रायोगिक प्रयत्नांतून डेटा गोळा केला जात आहे. सध्या, जीवशास्त्राचा मोठा आकाराचा डेटा निर्माण होत आहे आणि डेटाबेस म्हणून ओळखल्या जाणाऱ्या विविध कोठारांमध्ये डिजिटल स्वरूपात साठवला जात आहे. हे डिजिटल डेटा हे संसाधने आहेत जी संशोधकांना अशी संगणकीय मॉडेल्स विकसित करण्यासाठी पाया तयार करतात जी आपल्या जटिल जैविक प्रणालींसारखीच कार्ये करू शकतात, म्हणजे, जी आपण वास्तविक इन-व्हिट्रो/इन-व्हिवो प्रयोग किंवा वास्तविक जीवनात पाहतो. अशा कल्पनांची अंमलबजावणी जटिल जैविक प्रणालींची नक्कल करण्यासाठी गणितीय आणि संगणकीय मॉडेल्ससह केली जात आहे. या मॉडेल्सना सिस्टीम मॉडेल्स म्हणतात. म्हणून, तुम्ही सिस्टीम्स बायोलॉजीला सिस्टीम मॉडेल्सचे प्रतिनिधित्व म्हणून कल्पना करू शकता. आजकाल सिस्टीम्स बायोलॉजी शक्तिशाली अनुप्रयोगासह गहन संशोधनाचे क्षेत्र बनले आहे. अशाप्रकारे, हे अंतरशाखीय अभ्यासाचे क्षेत्र आहे जे जैविक प्रणालींमधील जटिल जैविक परस्परसंवादावर लक्ष केंद्रित करते (आकृती ११. १). सिस्टीम्स बायोलॉजीची संकल्पना विविध जैविक संदर्भांमध्ये, विशेषतः गेल्या दोन दशकांपासून, स्वीकारली जात आहे. मानवी जीनोम प्रकल्प हे सिस्टीम्स बायोलॉजीच्या विचाराचे सर्वात भव्य पेरण्यांपैकी एक आहे, ज्यामुळे आजच्या स्वरूपाच्या सिस्टीम्स बायोलॉजीचे नवीन मार्ग खुले झाले. सध्या, सिस्टीम्स बायोलॉजी मॉडेल्स पेशी, ऊती आणि सजीवांच्या उदयोन्मुख कार्यात्मक गुणधर्मांच्या शोधासाठी सैद्धांतिक वर्णन प्रदान करू शकतात, जे केवळ प्रयोगांद्वारेच शक्य होते. सर्वात कार्यक्षम सिस्टीम मॉडेल्सची उदाहरणे मेटाबोलिक किंवा सिग्नलिंग नेटवर्क आहेत. जैविक प्रणालींच्या क्रियेच्या यंत्रणेच्या मूलभूत समजुतीसह, सिस्टीम्स बायोलॉजीचा उपयोग शक्तिशाली लागूतेसाठी केला जात आहे, उदा., आरोग्य आणि रोग या क्षेत्रात जैविक नेटवर्क्सपासून आधुनिक उपचारांपर्यंत.

११.२.२ ऐतिहासिक परिप्रेक्ष्य

सिस्टीम्स बायोलॉजीच्या उदयापूर्वी, जैविक विज्ञानातील संशोधनाचे परिदृश्य (उदा., १९०० - १९७०) फिजियोलॉजी, लोकसंख्या गतिशीलता, एन्झाइम कायनेटिक्स, कंट्रोल थिअरी, सायबरनेटिक्स इत्यादी संशोधनाच्या विभागीय घटकांभोवती फिरत होते. सिस्टीम्स बायोलॉजीचा विकास एका शारीरिक वर्णनातून झाला आहे, जेव्हा १९५२ मध्ये अॅलन लॉयड हॉजकिन आणि अँड्र्यू फील्डिंग हक्सले (नोबेल पारितोषिक विजेते) यांनी न्यूरोनल पेशीच्या अक्षतंतूवर क्रिया विभव प्रसारासाठी एक गणितीय मॉडेल वर्णन केले. १९६० मध्ये सिद्धांताची अधिक विकसित अंमलबजावणी झाली जेव्हा डेनिस नोबल यांनी हृदयाच्या पेसमेकरचे पहिले संगणक मॉडेल विकसित केले [PMID 13729365]. सिस्टीम्स बायोलॉजीची औपचारिक सुरुवात सिस्टीम्स थिअरिस्ट मिहाज्लो मेसारोविक यांनी १९६६ मध्ये क्लीव्हलँड, ओहायो येथील केस इन्स्टिट्यूट ऑफ टेक्नॉलॉजी येथे “सिस्टीम्स थिअरी अँड बायोलॉजी” या शीर्षकाखाली केली. १९६८ मध्ये, लुडविग वॉन बर्टलान्फी यांनी सिस्टीम्स बायोलॉजीवर पहिला सिद्धांत प्रकाशित केला, जो या शिस्तीचा पूर्ववर्ती मानला जातो. १९६० ते १९७० दरम्यानचा काळ हा जटिल आण्विक प्रणालींच्या अनेक पैलूंच्या विकासाचे दशक होते, जसे की मेटाबोलिक कंट्रोल अॅनालिसिस आणि बायोकेमिकल सिस्टीम्स थिअरी. शिवाय, सैद्धांतिक जीवशास्त्राच्या विकासाने आण्विक जीवशास्त्रासह सिस्टीम्स थिअरीचा संशय दूर केला, ज्यामध्ये जैविक प्रक्रियांचे परिमाणवाचक मॉडेलिंग समाविष्ट आहे. १९९० च्या दशकापासून, फंक्शनल जीनोमिक्स उच्च-गुणवत्तेच्या जैविक डेटाची मोठ्या प्रमाणात निर्मिती करत आहे, जी अधिक वास्तववादी मॉडेल्सच्या विकासास मदत करत आहेत. सिस्टीम्स बायोलॉजीच्या क्षेत्रातील या विकासाच्या निरंतरतेत, नॅशनल सायन्स फाउंडेशन (NSF) ने संपूर्ण पेशीचे गणितीय मॉडेलिंग करण्याचे आव्हान पुढे ठेवले. या दिशेने, २००३ मध्ये, मॅसॅच्युसेट्स इन्स्टिट्यूट ऑफ टेक्नॉलॉजीने सायटोसॉल्व्हसोबत हे आव्हान सोडवण्याचा शोध सुरू केला. शेवटी, २०१२ मध्ये मायकोप्लाझ्मा जेनिटॅलियम (पेशी भिंत नसलेले जीवाणू) चे संपूर्ण पेशी मॉडेल, जनुकीय उत्परिवर्तनांना प्रतिसादात पेशी जीवनक्षमतेच्या अंदाजासाठी, न्यू यॉर्कच्या माउंट सिनाई स्कूल ऑफ मेडिसिनने विकसित केले. सध्या, ‘फिजिओम’ नावाचा एक मोठा सिस्टीम्स बायोलॉजी प्रकल्प चालू आहे (http:/physiomeproject.org/). या प्रकल्पाचा उद्देश शारीरिक कार्य समजून घेण्यासाठी एक बहु-स्तरीय मॉडेलिंग फ्रेमवर्क विकसित करणे आहे ज्यामुळे मॉडेल्स हायरार्किकल पद्धतीने एकत्र आणि जोडले जाऊ शकतात. उदाहरणार्थ, हृदयाच्या इलेक्ट्रोमेकॅनिकल मॉडेल्स, उपपेशीय स्तरावरील आयन चॅनेल्स, मायोफिलामेंट मेकॅनिक्स आणि सिग्नल ट्रान्सडक्शन मार्गांच्या मॉडेल्ससह एकत्र करणे आवश्यक आहे आणि नंतर या प्रक्रियांना ऊती यांत्रिकी, वेव्हफ्रंट प्रसार आणि कोरोनरी रक्त प्रवाह यांच्या मॉडेल्सशी जोडणे आवश्यक आहे- यापैकी प्रत्येक संशोधकांच्या वेगवेगळ्या गटांनी विकसित केले असू शकते.

११.२.३ सिस्टीम्स बायोलॉजीमागील थीम

जीवशास्त्राच्या विविध शाखा व्यापण्यासाठी, सिस्टीम्स बायोलॉजीचे वेगवेगळ्या पैलूंनी निरीक्षण केले गेले आहे. अपचयवाद्यांनी प्रणालीच्या घटक आणि परस्परसंवादांची ओळख करण्यावर काम केले

आकृती ११.१: सिस्टीम्स बायोलॉजीचे अंतरशाखीय अभ्यासाचे क्षेत्र म्हणून चित्रण जे जैविक प्रणालींमधील जटिल जैविक परस्परसंवादावर लक्ष केंद्रित करते

परंतु प्रणालीच्या बहुवादाचे वर्णन करण्यासाठी कोणतीही पटवणारी पद्धत विकसित होऊ शकली नाही. बहुवादाचे निरीक्षण एकाच वेळी अनेक घटकांच्या परिमाणवाचक मापनांद्वारे चांगले केले जाऊ शकते आणि हे केवळ कठोर डेटा एकत्रीकरण असलेल्या गणितीय मॉडेल्सद्वारेच शक्य आहे. अशाप्रकारे असे म्हणता येईल की सिस्टीम्स बायोलॉजी म्हणजे वेगवेगळ्या घटकांना एकत्र जोडून प्रणालीचे निरीक्षण करणे (आकृती ११.१). सिस्टीम्स बायोलॉजीच्या थीमच्या केंद्रस्थानी सर्व वैयक्तिक घटक एकत्र व्यापणे आहे: ‘ऑब्जेक्ट नेटवर्क मॅपिंग आणि आंशिक विभेदक समीकरणांसह परस्पर अवलंबून गतिशील घटना-कायनेटिक्ससह त्याचे एकत्रीकरण’.

११.२.४ सिस्टीम्स बायोलॉजी प्रयोगासाठी प्रोटोकॉल

एक मानक सिस्टीम्स बायोलॉजी प्रयोग करण्यासाठी, आकृती ११.२ मध्ये दाखवल्याप्रमाणे, स्वतंत्र चरणांचे अनुसरण केले जाते.

संपूर्ण प्रोटोकॉलमध्ये मूलत: समस्येची व्याख्या, प्रयोगाची रचना, डेटा निर्माण करण्यासाठी प्रयोगांची अंमलबजावणी, परिणामी डेटा गोळा करणे आणि त्यांना योग्य फाइल स्वरूपात मांडणे आणि त्यानंतर नेटवर्क इन्फरन्सचा विकास यांचा समावेश होतो. यानंतर हे नेटवर्क इंटरफेस हस्तांतरित केले जाते जे अचूक तसेच यंत्रणा-आधारित असावे जेणेकरून त्यानुसार मॉडेल विकसित केले जाऊ शकेल. यानंतर मॉडेल-आधारित सिम्युलेशन परिणाम आणि प्रायोगिक डेटा यांच्यातील विसंगतींचे विश्लेषण केले जाते आणि त्यानुसार निरीक्षण केलेल्या विसंगतींच्या संदर्भात गृहीतक मॉडेल केले जाते. शेवटी, सिम्युलेशन पुन्हा आणि पुन्हा पुनरावृत्ती केली जाते आणि चाचणी केली जाते, आणि नवीन गृहीतके मॉडेलमध्ये समाविष्ट केली जातात.

अशाप्रकारे, सिस्टीम्स बायोलॉजीसाठी संगणनाच्या कार्यप्रवाहासाठी (आकृती ११.२ मध्ये दर्शविल्याप्रमाणे) डेटा-व्यवस्थापन, नेटवर्क विकास पॅरामीटर्सचे ऑप्टिमायझेशन, कार्यप्रदर्शन विश्लेषण आणि मूल्यांकन आवश्यक आहे.

आकृती ११.२: सिस्टीम्स बायोलॉजी प्रयोग अंमलबजावणीसाठी कार्यप्रवाह

सिस्टीम्स बायोलॉजीसाठी संरचना डेटा गोळा करण्यासाठी डेटा व्यवस्थापनाचे मानक परिभाषित केले गेले आहेत. त्यानुसार, डेटा व्यवस्थापनासाठी तीन मूलभूत पैलूंचा विचार केला जातो जे खाली स्पष्ट केले आहेत-

(i) किमान माहिती

किमान माहिती मायक्रोअॅरे, प्रोटिओमिक, जैविक आणि जैववैद्यकीय तपासण्यांसारख्या विविध प्रयोगांमधून आवश्यक असलेल्या आवश्यक पाठिंबा माहितीचा संच दर्शवते. या गोळा केलेल्या डेटाबद्दल मेटाडेटाचा समावेश करणे हा एक महत्त्वाचा मुद्दा आहे.

(ii) फाइल स्वरूपे

किमान माहितीसाठी गोळा केलेला डेटा विशिष्ट फाइल स्वरूपात साठवला जातो. ही स्वरूपे सामान्यतः एक्स्टेंसिबल

मार्कअप लँग्वेज (XML) आधारित असतात, ज्यामध्ये संगणकाद्वारे स्वयंचलितपणे प्रक्रिया केली जाण्याची सुविधा असते.

(iii) ऑन्टॉलॉजीज

ऑन्टॉलॉजीज डेटाचे सिमँटिक ॲनोटेशन परिभाषित करतात, जे वेगवेगळ्या संज्ञांमधील पदानुक्रमित संबंध दर्शवते. काही महत्त्वाची उदाहरणे आहेत, जीन ऑन्टॉलॉजी (GO) आणि सिस्टीम्स बायोलॉजी ऑन्टॉलॉजी (SBO).

सध्याच्या डेटा-व्यवस्थापन प्रणालींमध्ये स्प्रेडशीट्स, वेब-आधारित इलेक्ट्रॉनिक लॅब नोटबुक (ELN), आणि प्रयोगशाळा माहिती व्यवस्थापन प्रणाली (LIMS) यांचा समावेश होतो. डेटा-व्यवस्थापन प्रणाली अशा पद्धतीने सानुकूलित केल्या गेल्या आहेत की त्या वेगवेगळ्या विश्लेषण साधनांसह आणि संगणकीय कार्यप्रवाहांसह प्रवेश करता येतील आणि एकत्रित केल्या जाऊ शकतील. कोन्स्टान्झ इन्फॉर्मेशन मायनर (KNIME), caGrid23, Taverna24, Bio-STEER25 आणि Galaxy26 यासारख्या प्रणाली, विशेष कार्यप्रवाहांची रचना, अंमलबजावणी आणि सामायिक करण्यास परवानगी देतात. हे कार्यप्रवाह डेटा एक्सचेंज, डेटा एकत्रीकरण आणि इंटर-टूल कम्युनिकेशन सक्षम करून संगणकीय पाइपलाइन प्रदान करतात. डेटा व्यवस्थापन, नेटवर्क इन्फरन्स, क्युरेशन, सिम्युलेशन, मॉडेल विश्लेषण, आण्विक परस्परसंवाद, आणि शारीरिक मॉडेलिंग साधनांची यादी सारणी ११.१ मध्ये दिली आहे.

सारणी ११.१ सॉफ्टवेअर, साधने आणि डेटा संसाधनांचा संसाधन मॅट्रिक्स

या सिस्टीम्स मॉडेलिंग साधनांमध्ये आंशिक विभेदक समीकरणे (PDEs) चा संच समाविष्ट असतो जो अवकाश-कालिक प्रणालींचे प्रतिनिधित्व करतो. PDEs चे निराकरण फायनाइट एलिमेंट मेथड (FEM) द्वारे केले जाते, जी PDEs साठी अंदाजे उपायांसाठी एक संख्यात्मक तंत्र आहे. PDEs चे निराकरण ANSYS, FreeFEM++, OpenFEM आणि MATLAB द्वारे केले जाऊ शकते.

सिस्टीम्स मॉडेलिंगसाठी अनेक साधने वापरली जातात. यामध्ये समाविष्ट आहे: JSim, OpenCell आणि Flexible Large-scale Agent-based Modelling Environment (FLAME) इ. अनेक इतर सिम्युलेशन साधने विकसनाधीन आहेत जी सिम्युलेशनच्या अधिक वास्तविक जीवनाच्या पैलूंना स्पर्श करतात.

११.२.५ मॉडेल-विश्लेषण पद्धती

जटिल जैविक मॉडेल्सच्या वर्तनाचे विश्लेषण करण्यासाठी अनेक गणितीय तंत्रे विकसित केली गेली आहेत. मॉडेल विश्लेषणासाठी काही मूलभूत तत्त्वे खाली सादर केली आहेत-

(i) संवेदनशीलता विश्लेषण

संवेदनशीलता विश्लेषण विविध विचलनांविरुद्ध प्रणालीची स्थिरता आणि नियंत्रणक्षमता याबद्दल वर्णन करते. संवेदनशीलता विश्लेषणासाठी काही महत्त्वाची साधने आहेत: SBML-SAT, MATLAB SimBiology, ByoDyn आणि SensSB.

(ii) बायफर्केशन आणि फेज-स्पेस विश्लेषण

बायफर्केशन आणि फेज-स्पेस विश्लेषण प्रणाली मॉडेलचे विश्लेषण करण्यासाठी केले जाते जेणेकरून संभाव्य स्थिर तसेच गतिशील प्रवृत्ती शोधल्या जाऊ शकतील. काही महत्त्वाची साधने आहेत: AUTO, XPPAut, BUNKI आणि ManLab.

(iii) मेटाबोलिक कंट्रोल अॅनालिसिस

मेटाबोलिक कंट्रोल अॅनालिसिस (MCA) मेटाबोलिक नेटवर्क (स्थिर स्थितीत) आणि घटक प्रतिक्रिया यांच्यातील संबंध समजून घेण्यासाठी केले जाते. MetNetMaker हे यासाठी एक साधन आहे.

सारांश

• जीवशास्त्रज्ञांद