11.1 ଜୀବବିଜ୍ଞାନରେ ପ୍ରୋଗ୍ରାମିଂ

ହାତଦ୍ୱାରା ଗଣନାର ଯୁଗରୁ, ଆମେ ବର୍ତ୍ତମାନ ବଡ଼ ପରିମାଣର (ଅର୍ଥାତ୍, ଉଚ୍ଚ-ଥ୍ରୁପୁଟ୍) ତଥ୍ୟ ସୃଷ୍ଟି, ସ୍ୱୟଂଚାଳିତ ବିଶ୍ଳେଷଣ ଏବଂ ପୂର୍ବାନୁମାନର ପର୍ଯ୍ୟାୟରେ ଅଛୁ। ପ୍ରଯୁକ୍ତିଗତ ଉନ୍ନତି ବିରାଟ ତଥ୍ୟ ସୃଷ୍ଟି ପାଇଁ ଏକ ବରଦାନ ପ୍ରମାଣିତ ହୋଇଛି, ଯାହା କିଛି ଦଶନ୍ଧି ପୂର୍ବେ ଅଚିନ୍ତନୀୟ ଥିଲା ଏବଂ ଯାହା ଅଧିକ କଷ୍ଟକର ପ୍ରଶ୍ନଗୁଡିକୁ ହାତଲେ କରେ। ତଥାପି, ବିରାଟ ତଥ୍ୟର ଆଗମନ ତଥ୍ୟର ସଂରକ୍ଷଣ, ଭିଜୁଆଲାଇଜେସନ୍, ସ୍ଥାନାନ୍ତରଣ, ବିଶ୍ଳେଷଣ ଏବଂ ବ୍ୟାଖ୍ୟା କ୍ଷେତ୍ରରେ ମଧ୍ୟ ବିରାଟ ଚ୍ୟାଲେଞ୍ଜ ସୃଷ୍ଟି କରିଛି। ଏକ ଦଶନ୍ଧି ପୂର୍ବେ ଯେଉଁ କାର୍ଯ୍ୟଟି ବିରାଟ ଦେଖାଯାଉଥିଲା, ତାହା ବର୍ତ୍ତମାନ ତୁଚ୍ଛ ଦେଖାଯାଉଛି।

କୃତ୍ରିମ ବୁଦ୍ଧିମତା ଏବଂ ମେସିନ୍ ଲର୍ଣ୍ଣିଂ ପ୍ରଣାଳୀଗୁଡିକର ଉଦୟ ପ୍ରାୟ ପ୍ରତ୍ୟେକ କ୍ଷେତ୍ରରେ ଗବେଷଣା ପ୍ରଥାକୁ ବଦଳାଇ ଦେଇଛି। ଏହା ବୃଦ୍ଧି ପାଉଛି ଯେ, ଭବିଷ୍ୟତରେ, ବିଜ୍ଞାନର ଅଗ୍ରଗାମୀ କ୍ଷେତ୍ରରେ କାମ କରୁଥିବା ଯୁବ ଜୈବପ୍ରଯୁକ୍ତି ଛାତ୍ରଛାତ୍ରୀଙ୍କୁ ମୌଳିକ ପ୍ରୋଗ୍ରାମିଂ ଜ୍ଞାନ ଏବଂ ରସାୟନ ବିଜ୍ଞାନ ଏବଂ ପରିସଂଖ୍ୟାନ ପଦ୍ଧତି ସହିତ ସୁବିଧା ଆବଶ୍ୟକ ହୋଇପାରେ।

ଏହି ଅଧ୍ୟାୟର ଉଦ୍ଦେଶ୍ୟ ପ୍ରୋଗ୍ରାମିଂ ଭାଷାଗୁଡିକର ଏକ ସମ୍ପୂର୍ଣ୍ଣ ବର୍ଣ୍ଣନା ଦେବା ନୁହେଁ, କିନ୍ତୁ ଜୀବବିଜ୍ଞାନୀଙ୍କ ପାଇଁ ପ୍ରାସଙ୍ଗିକ କେତେକ ସବୁଠାରୁ ଲୋକପ୍ରିୟ ଉଚ୍ଚ ସ୍ତରୀୟ ଭାଷାକୁ ଏକ ମୃଦୁ ପରିଚୟ ପ୍ରଦାନ କରିବା।

ଯଦିଓ ଜୈବସୂଚନାବିଦ୍ୟା ସଫ୍ଟୱେର୍ ସମସ୍ତ ଉପଲବ୍ଧ ଅପରେଟିଂ ସିଷ୍ଟମ୍ (OS) ପ୍ଲାଟଫର୍ମ ପାଇଁ ବିକଶିତ ହେଉଛି, ସଫଳ ଆବେଦନର ବହୁତାଂଶ ଲିନକ୍ସ ପ୍ଲାଟଫର୍ମରେ ବିକଶିତ ହୋଇଛି। ଜୈବସୂଚନାବିଦ୍ୟାର ଆରମ୍ଭରୁ, PERL ସର୍ବଦା ସିକ୍ୱେନ୍ସ ଆଧାରିତ ବଡ଼ ତଥ୍ୟ ହ୍ୟାଣ୍ଡଲିଂର କେନ୍ଦ୍ରରେ ରହିଛି। ବର୍ତ୍ତମାନ ଏହି ପ୍ଲାଟଫର୍ମଗୁଡିକ ଉନ୍ନତ ପ୍ରଦର୍ଶନ ଭାଷା, ସାଧାରଣତଃ Python ଏବଂ $R$ ସହିତ ସମୃଦ୍ଧ ହେଉଛି ଯାହା ଜୈବିକ ସମସ୍ୟା ସମାଧାନ ପାଇଁ ପରିସଂଖ୍ୟାନିକ ପ୍ୟାକେଜ୍ ପାଇଁ ଶକ୍ତିଶାଳୀ ସୁବିଧା ପ୍ରଦାନ କରେ। ସେହିପରି, Python ମଡ୍ୟୁଲ୍ ଗୁଡିକ ସ୍ଵାଳୋନ୍, ୱେବ ସର୍ଭର୍ ଏବଂ କ୍ଲାଉଡ୍ କମ୍ପ୍ୟୁଟିଂରେ ବଡ଼ ତଥ୍ୟ ସେଟ୍ ହ୍ୟାଣ୍ଡଲିଂ ପାଇଁ ଭିଜୁଆଲାଇଜେସନ୍ ଏବଂ ବିଶ୍ଳେଷଣ ମଡ୍ୟୁଲ୍ ସହିତ ନିରନ୍ତର ସମୃଦ୍ଧ ହେଉଛି। ଏହାଛଡା, MATLAB ମଧ୍ୟ ଜୈବସୂଚନାବିଦ୍ୟା ତଥ୍ୟ ବିଶ୍ଳେଷଣ ପାଇଁ ବହୁତ ଭଲ ପ୍ଲାଟଫର୍ମ ଅନ୍ତର୍ଭୁକ୍ତ କରେ। ଜୈବସୂଚନାବିଦ୍ୟା କ୍ଷେତ୍ରରେ ସକ୍ରିୟ କେତେକ ସବୁଠାରୁ ଉନ୍ନତ ଭାଷାର ବର୍ଣ୍ଣନା ନିମ୍ନରେ ଦିଆଯାଇଛି:

Python: ଏହା ଏକ ଉଚ୍ଚ ସ୍ତରୀୟ ପ୍ରୋଗ୍ରାମିଂ ସାଧାରଣ ଉଦ୍ଦେଶ୍ୟ ଭାଷା ଯାହା Guido van Rossum (1991) ଦ୍ୱାରା ସୃଷ୍ଟି ହୋଇଥିଲା। ଏହା ଏକ ଅବଜେକ୍ଟ ଓରିଏଣ୍ଟେଡ୍ ପ୍ରୋଗ୍ରାମିଂ ଇଣ୍ଟରାକ୍ଟିଭ୍ ଭାଷା ଯାହା unix, mac ଏବଂ windows ଉପରେ ଚାଲିପାରେ। Python ଜୈବସୂଚନାବିଦ୍ୟା ସମ୍ପ୍ରଦାୟ ଭିତରେ ବହୁତ ଲୋକପ୍ରିୟ ମୁଖ୍ୟତଃ କାରଣ: (i) ବ୍ୟବହୃତ ଶବ୍ଦଗୁଡିକର ସ୍ପଷ୍ଟ ଅର୍ଥ ଏବଂ ଷ୍ଟେଟମେଣ୍ଟ୍ ଗୁଡିକର ସଂରଚନା (ii) ଏହାର ଏକ୍ସପ୍ରେସିଭିଟି ଏବଂ ଅବଜେକ୍ଟ-ଓରିଏଣ୍ଟେଡ୍ ପ୍ରୋଗ୍ରାମିଂ ସହିତ ସମାନ୍ତରାଳତା, ଏବଂ (iii) ଲାଇବ୍ରେରୀ ଏବଂ ତୃତୀୟ ପକ୍ଷ ଟୁଲକିଟ୍ ଉପଲବ୍ଧତା। Python ସିକ୍ୱେନ୍ସ ଏବଂ ସ୍ଟ୍ରକ୍ଚର ବିଶ୍ଳେଷଣ, ଫାଇଲୋଜେନେଟିକ୍ସ ଇତ୍ୟାଦି ପାଇଁ ସଫଳତାର ସହିତ ବ୍ୟବହୃତ ହୋଇଛି।

$\mathbf{R}$ : ନାମ $\mathrm{R}$ ଏହାର ଆବିଷ୍କାର୍ତ୍ତା, Robert Gentleman ଏବଂ Robert Ihaka ଙ୍କଠାରୁ ଉତ୍ପନ୍ନ ହୋଇଛି, ଯେଉଁମାନେ ଭାଷାଟି ବିକଶିତ କରିଥିଲେ। $\mathrm{R}$ ଭାଷା ଏକ ଦ୍ରୁତ ଏବଂ ବିଶ୍ୱସନୀୟ ଫଙ୍କସନାଲ୍ ପ୍ରୋଗ୍ରାମିଂ ଭାଷା ଭାବରେ ବ୍ୟାପକ ସ୍ୱୀକୃତି ପାଇଛି ଯାହା ଜୈବିକ ତଥ୍ୟର ଉଚ୍ଚ ପରିମାଣର ବିଶ୍ଳେଷଣ, ଭିଜୁଆଲାଇଜେସନ୍ ଏବଂ ସିମୁଲେସନ୍ ପାଇଁ ଆଦର୍ଶ। ସଫ୍ଟୱେର୍ ଟି ମାଗଣା ଏବଂ ଓପେନ୍ ସୋର୍ସ। $\mathrm{R}$ ଭାଷା ଜିନୋମ ସିକ୍ୱେନ୍ସ ଏବଂ ବାୟୋମୋଲିକ୍ୟୁଲାର୍ ପାଥୱେ ବିଶ୍ଳେଷଣ ପାଇଁ ବ୍ୟବହୃତ ହୋଇଛି।

ତଥ୍ୟ ବିଶ୍ଳେଷଣରୁ ସିଷ୍ଟମ୍ ଡିଜାଇନ୍ କରିବା ଆଡକୁ ଗତି କରି, ନୂତନ ପ୍ରୋଗ୍ରାମିଂ ଭାଷା ଉଭା ହୋଇଛି। ସେଗୁଡିକ ମଧ୍ୟରେ ଅଛନ୍ତି- GEC (Genetic Engineering of living Cells), ଏକ ନିୟମ ଆଧାରିତ ଭାଷା ଯାହା Microsoft ଦ୍ୱାରା ବିକଶିତ ହୋଇଥିଲା ଏବଂ Kera, ଏକ ଅବଜେକ୍ଟ ଓରିଏଣ୍ଟେଡ୍ ନଲେଜ୍ ଆଧାରିତ ପ୍ରୋଗ୍ରାମିଂ ଭାଷା ଯାହା University of Keralaର Dr. Umesh P ଦ୍ୱାରା ବିକଶିତ ହୋଇଥିଲା। Kera (Keralaର ସଂକ୍ଷିପ୍ତ ରୂପ, ଏହାର ଅର୍ଥ ନଡ଼ିଆ ମଧ୍ୟ) ଜିନୋମ, ପ୍ରୋଟିନ୍ ଏବଂ ସେଲ୍ ସମ୍ବନ୍ଧୀୟ ସୂଚନା ସଂଗ୍ରହ କରେ, ଏକ ଉପଯୋଗକର୍ତ୍ତା ସମ୍ପାଦିତ ଜୈବିକ ଲାଇବ୍ରେରୀ ବ୍ୟବହାର କରି ଯାହାକୁ Samhita କୁହାଯାଏ।

11.2 ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜି

11.2.1 ପରିଚୟ

ଆପଣ ଜାଣିଛନ୍ତି, ପ୍ରକୃତିର ରହସ୍ୟଗୁଡିକୁ ବୁଝିବା ପାଇଁ, ବୈଜ୍ଞାନିକମାନେ ପ୍ରାଚୀନ ସମୟରୁ ପରୀକ୍ଷଣ କରୁଛନ୍ତି। ଏହି ପରୀକ୍ଷଣଗୁଡିକର ଫଳାଫଳ ସାହିତ୍ୟରେ ତଥ୍ୟ ରୂପରେ ରେକର୍ଡ କରାଯାଇଛି। ସାନ ତଥ୍ୟରୁ ଆରମ୍ଭ କରି ବଡ଼ ତଥ୍ୟ ପର୍ଯ୍ୟନ୍ତ, ଦଶନ୍ଧି ଧରି ପରୀକ୍ଷଣାତ୍ମକ ପ୍ରୟାସରୁ ତଥ୍ୟ ସଂଗ୍ରହ କରାଯାଉଛି। ବର୍ତ୍ତମାନ, ଏକ ବଡ଼ ପରିମାଣର ଜୀବବିଜ୍ଞାନ ତଥ୍ୟ ସୃଷ୍ଟି ହେଉଛି ଏବଂ ଡାଟାବେସ୍ ନାମକ ବିଭିନ୍ନ ଭଣ୍ଡାରରେ ଡିଜିଟାଲ୍ ଫର୍ମାଟରେ ସଂରକ୍ଷିତ ହେଉଛି। ଏହି ଡିଜିଟାଲ୍ ତଥ୍ୟଗୁଡିକ ହେଉଛି ସମ୍ବଳ ଯାହା ଗବେଷକମାନଙ୍କୁ ଏପରି କମ୍ପ୍ୟୁଟେସନାଲ୍ ମଡେଲ୍ ବିକଶିତ କରିବା ପାଇଁ ଆଧାର ପ୍ରସ୍ତୁତ କରେ ଯାହା ଆମର ଜଟିଳ ଜୈବିକ ସିଷ୍ଟମ୍ ସଦୃଶ କାର୍ଯ୍ୟ କରିପାରିବ, ଅର୍ଥାତ୍, ଯାହା ଆମେ ପ୍ରକୃତରେ ଇନ୍-ଭିଟ୍ରୋ/ଇନ୍-ଭିଭୋ ପରୀକ୍ଷଣ କିମ୍ବା ପ୍ରକୃତ ଜୀବନରେ ଦେଖୁ। ଏପରି ଧାରଣାଗୁଡିକର କାର୍ଯ୍ୟକାରିତା ଜଟିଳ ଜୈବିକ ସିଷ୍ଟମ୍ ଅନୁକରଣ କରିବା ପାଇଁ ଗାଣିତିକ ଏବଂ କମ୍ପ୍ୟୁଟେସନାଲ୍ ମଡେଲ୍ ସହିତ କରାଯାଉଛି। ଏହି ମଡେଲ୍ ଗୁଡିକୁ ସିଷ୍ଟମ୍ ମଡେଲ୍ କୁହାଯାଏ। ତେଣୁ, ଆପଣ ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜିକୁ ସିଷ୍ଟମ୍ ମଡେଲ୍ ଗୁଡିକର ପ୍ରତିନିଧିତ୍ୱ ଭାବରେ ଦର୍ଶନ କରିପାରିବେ। ବର୍ତ୍ତମାନ ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜି ଏକ ଗଭୀର ଗବେଷଣା ଏବଂ ଶକ୍ତିଶାଳୀ ପ୍ରୟୋଗର କ୍ଷେତ୍ର ହୋଇଛି। ତେଣୁ, ଏହା ଏକ ଅନ୍ତର୍ବିଷୟକ ଅଧ୍ୟୟନ କ୍ଷେତ୍ର ଯାହା ଜୈବିକ ସିଷ୍ଟମ୍ ଭିତରେ ଜଟିଳ ଜୈବିକ ପାରସ୍ପରିକ କ୍ରିୟା ଉପରେ ଧ୍ୟାନ ଦେଇଥାଏ (ଚିତ୍ର 11. 1)। ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜିର ଧାରଣା ବିଭିନ୍ନ ଜୈବିକ ପ୍ରସଙ୍ଗରେ ଗ୍ରହଣ କରାଯାଉଛି, ବିଶେଷକରି ଶେଷ ଦୁଇ ଦଶନ୍ଧି ଧରି। ମାନବ ଜିନୋମ୍ ପ୍ରୋଜେକ୍ଟ୍ ହେଉଛି ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜିର ଏକ ଚିନ୍ତାର ସବୁଠାରୁ ଗୌରବମୟ ବୀଜାରୋପଣ, ଯାହା ଆଜିର ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜିର ନୂତନ ମାର୍ଗ ଖୋଲିଦେଇଛି। ବର୍ତ୍ତମାନ, ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜି ମଡେଲ୍ ସେଲ୍, ଟିସୁ ଏବଂ ଜୀବମାନଙ୍କର ଉଦ୍ଭାବିତ କାର୍ଯ୍ୟାତ୍ମକ ଗୁଣଗୁଡିକର ଆବିଷ୍କାର ପାଇଁ ତାତ୍ତ୍ୱିକ ବର୍ଣ୍ଣନା ପ୍ରଦାନ କରିପାରିବ, ଯାହା କେବଳ ପରୀକ୍ଷଣ ମାଧ୍ୟମରେ ସମ୍ଭବ ଥିଲା। ସବୁଠାରୁ କାର୍ଯ୍ୟକାରୀ ସିଷ୍ଟମ୍ ମଡେଲ୍ ହେଉଛି ମେଟାବୋଲିକ୍ କିମ୍ବା ସିଗନାଲିଂ ନେଟୱର୍କ। ଜୈବିକ ସିଷ୍ଟମ୍ ଗୁଡିକର କାର୍ଯ୍ୟ ପ୍ରଣାଳୀର ମୌଳିକ ବୁଝାମଣା ସହିତ, ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜି ଶକ୍ତିଶାଳୀ ପ୍ରୟୋଗିକତା ପାଇଁ ଗଭୀର ଭାବରେ ବ୍ୟବହୃତ ହେଉଛି ଉଦାହରଣ ସ୍ୱରୂପ, ସ୍ୱାସ୍ଥ୍ୟ ଏବଂ ରୋଗର କ୍ଷେତ୍ରରେ ଜୈବିକ ନେଟୱର୍କରୁ ଆଧୁନିକ ଚିକିତ୍ସା ପର୍ଯ୍ୟନ୍ତ।

11.2.2 ଐତିହାସିକ ପରିପ୍ରେକ୍ଷ୍ୟ

ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜିର ଉଦୟ ପୂର୍ବରୁ, ଜୈବିକ ବିଜ୍ଞାନରେ ଗବେଷଣାର ପରିସ୍ଥିତି (ଉଦାହରଣ ସ୍ୱରୂପ, 1900 - 1970) ଫିଜିଓଲୋଜି, ପପୁଲେସନ୍ ଡାଇନାମିକ୍ସ, ଏନଜାଇମ୍ କାଇନେଟିକ୍ସ, କଣ୍ଟ୍ରୋଲ୍ ଥିଓରି, ସାଇବରନେଟିକ୍ସ ଇତ୍ୟାଦି ଚାରିପାଖରେ ଘୂରି ବୁଲୁଥିଲା ଯେପରି ଗବେଷଣାର ଖଣ୍ଡିତ ଉପାଦାନ। ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜି ଏକ ଫିଜିଓଲୋଜିକାଲ୍ ବର୍ଣ୍ଣନାରୁ ବିକଶିତ ହେବା ପାଇଁ ମାନଚିତ୍ରିତ ହୋଇଛି, ଯେତେବେଳେ 1952 ରେ Alan Lloyd Hodgkin ଏବଂ Andrew Fielding Huxley (ନୋବେଲ ପୁରସ୍କାର ବିଜେତା) ଏକ ନ୍ୟୁରୋନାଲ୍ ସେଲ୍ର ଆକ୍ସନ୍ ବରାବରେ ଆକ୍ସନ୍ ପଟେନ୍ସିଆଲ୍ ପ୍ରସାରଣ ପାଇଁ ଏକ ଗାଣିତିକ ମଡେଲ୍ ବର୍ଣ୍ଣନା କରିଥିଲେ। ଥିଓରିର ଅଧିକ ବିକଶିତ କାର୍ଯ୍ୟକାରିତା 1960 ରେ ଉଭା ହୋଇଥିଲା ଯେତେବେଳେ ହୃଦୟ ପେସମେକରର ପ୍ରଥମ କମ୍ପ୍ୟୁଟର ମଡେଲ୍ Denis Noble [PMID 13729365] ଦ୍ୱାରା ବିକଶିତ ହୋଇଥିଲା। ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜି ଆନୁଷ୍ଠାନିକ ଭାବରେ ସିଷ୍ଟମ୍ ଥିଓରିଷ୍ଟ Mihajlo Mesarovic ଦ୍ୱାରା 1966 ରେ କେସ୍ ଇନଷ୍ଟିଚ୍ୟୁଟ୍ ଅଫ୍ ଟେକ୍ନୋଲୋଜି, କ୍ଲିଭଲ୍ୟାଣ୍ଡ, ଓହାଇଓରେ “Systems Theory and Biology” ଶୀର୍ଷକରେ ଆରମ୍ଭ କରାଯାଇଥିଲା। 1968 ରେ, ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜି ସମ୍ବନ୍ଧରେ ପ୍ରଥମ ଥିଓରି Ludwig von Bertalanffy ଦ୍ୱାରା ପ୍ରକାଶିତ ହୋଇଥିଲା, ଯାହାକୁ ଏହି ବିଷୟର ପୂର୍ବଗାମୀ ବିବେଚନା କରାଯାଏ। 1960 ଦଶକ ଏବଂ 1970 ଦଶକ ମଧ୍ୟରେ ସମୟ ଥିଲା ଜଟିଳ ଅଣୁ ସିଷ୍ଟମ୍ ଯେପରିକି ମେଟାବୋଲିକ୍ କଣ୍ଟ୍ରୋଲ୍ ଆନାଲିସିସ୍ ଏବଂ ବାୟୋକେମିକାଲ୍ ସିଷ୍ଟମ୍ସ ଥିଓରିର ବହୁବିଧ ଦିଗର ବିକାଶର ଦଶନ୍ଧି। ତା’ଛଡା, ମଲିକ୍ୟୁଲାର୍ ବାୟୋଲୋଜି ସହିତ ସିଷ୍ଟମ୍ସ ଥିଓରିର ସନ୍ଦେହ ଥିଓରେଟିକାଲ୍ ବାୟୋଲୋଜିର ବିକାଶ ଦ୍ୱାରା ଭାଙ୍ଗି ଯାଇଥିଲା, ଯାହା ଜୈବିକ ପ୍ରକ୍ରିୟାର ପରିମାଣାତ୍ମକ ମଡେଲିଂକୁ ଅନ୍ତର୍ଭୁକ୍ତ କରେ। 1990 ଦଶକରୁ, ଫଙ୍କସନାଲ୍ ଜେନୋମିକ୍ସ ଉଚ୍ଚ-ଗୁଣବତ୍ତା ଜୈବିକ ତଥ୍ୟର ବଡ଼ ପରିମାଣ ସୃଷ୍ଟି କରୁଛି, ଯାହା ଅଧିକ ବାସ୍ତବିକ ମଡେଲ୍ ବିକାଶରେ ସହାୟତା କରୁଛି। ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜି କ୍ଷେତ୍ରରେ ଏହି ବିକାଶର ଧାରାବାହିକତାରେ, ନ୍ୟାସନାଲ୍ ସାଇନ୍ସ ଫାଉଣ୍ଡେସନ୍ (NSF) ସମ୍ପୂର୍ଣ୍ଣ ସେଲ୍ ଗାଣିତିକ ଭାବରେ ମଡେଲ୍ କରିବା ପାଇଁ ଏକ ଚ୍ୟାଲେଞ୍ଜ ଆଗେଇ ରଖିଲା। ଏହି ଦିଗରେ, 2003 ରେ, ମାସାଚୁସେଟ୍ସ ଇନଷ୍ଟିଚ୍ୟୁଟ୍ ଅଫ୍ ଟେକ୍ନୋଲୋଜି CytoSolve ସହିତ ଏକତ୍ରିତ ହୋଇ ଏହି ଚ୍ୟାଲେଞ୍ଜର ସମାଧାନ ଖୋଜିବା ଆରମ୍ଭ କଲା। ଶେଷରେ, 2012 ରେ Mycoplasma genitalium (ସେଲ୍ ୱାଲ୍ ବିହୀନ ବ୍ୟାକ୍ଟେରିଆ)ର ସମ୍ପୂର୍ଣ୍ଣ ସେଲ୍ ମଡେଲ୍, ଜେନେଟିକ୍ ମ୍ୟୁଟେସନ୍ ପ୍ରତି ପ୍ରତିକ୍ରିୟାରେ ସେଲ୍ ବଞ୍ଚିବା ପାଇଁ ପୂର୍ବାନୁମାନ କରିବା ପାଇଁ, ମାଉଣ୍ଟ ସିନାଇ ସ୍କୁଲ୍ ଅଫ୍ ମେଡିସିନ୍, ନ୍ୟୁୟର୍କ ଦ୍ୱାରା ବିକଶିତ ହୋଇଥିଲା। ବର୍ତ୍ତମାନ, ଏକ ବଡ଼ ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜି ପ୍ରୋଜେକ୍ଟ୍, ନାମାତ୍ ‘Physiome’ ଚାଲିଛି (http:/physiomeproject.org/)। ଏହି ପ୍ରୋଜେକ୍ଟ୍ ଫିଜିଓଲୋଜିକାଲ୍ ଫଙ୍କସନ୍ ବୁଝିବା ପାଇଁ ଏକ ମଲ୍ଟି-ସ୍କେଲ୍ ମଡେଲିଂ ଫ୍ରେମ୍ୱର୍କ୍ ବିକଶିତ କରିବା ଉପରେ ଲକ୍ଷ୍ୟ ରଖିଛି ଯାହା ମଡେଲ୍ ଗୁଡିକୁ ଏକ ହାଇରାର୍କିକାଲ୍ ଫ୍ୟାଶନରେ ମିଶ୍ରିତ ଏବଂ ଲିଙ୍କ୍ କରିବାକୁ ଅନୁମତି ଦେଇଥାଏ। ଉଦାହରଣ ସ୍ୱରୂପ, ହୃଦୟର ଇଲେକ୍ଟ୍ରୋମେକାନିକାଲ୍ ମଡେଲ୍, ଆୟନ୍ ଚ୍ୟାନେଲ୍, ମାୟୋଫିଲାମେଣ୍ଟ୍ ମେକାନିକ୍ସ୍ ଏବଂ ସବସେଲ୍ୟୁଲାର୍ ସ୍ତରରେ ସିଗନାଲ୍ ଟ୍ରାନ୍ସଡକ୍ସନ୍ ପାଥୱେର ମଡେଲ୍ ସହିତ ମିଶ୍ରିତ ହେବା ଆବଶ୍ୟକ ଏବଂ ତା’ପରେ ଏହି ପ୍ରକ୍ରିୟାଗୁଡିକୁ ଟିସୁ ମେକାନିକ୍ସ୍, ୱେଭ୍ଫ୍ରଣ୍ଟ୍ ପ୍ରସାରଣ ଏବଂ କରୋନାରୀ ରକ୍ତ ପ୍ରବାହର