11.1 உயிரியலில் நிரலாக்கம்

கைமுறைக் கணிப்புகளின் காலத்திலிருந்து, நாம் தற்போது பெரிய அளவிலான (அதாவது, அதிக-வெளியீட்டு) தரவு உருவாக்கம், தானியங்கி பகுப்பாய்வு மற்றும் கணிப்பு ஆகியவற்றின் கட்டத்தில் இருக்கிறோம். தொழில்நுட்ப முன்னேற்றங்கள், பல தசாப்தங்களுக்கு முன்பு நினைக்கவே முடியாத, மிகவும் கடினமான கேள்விகளைக் கையாளும் மிகப்பெரிய தரவை உருவாக்குவதற்கு ஒரு வரப்பிரசாதமாக நிரூபிக்கப்பட்டுள்ளன. இருப்பினும், மிகப்பெரிய தரவுகளின் வருகை, தரவுகளின் சேமிப்பு, காட்சிப்படுத்தல், பரிமாற்றம், பகுப்பாய்வு மற்றும் விளக்கம் ஆகியவற்றிலும் மிகப்பெரிய சவால்களை எறிந்துள்ளது. ஒரு தசாப்தத்திற்கு முன்பு மாபெரும் பணியாகத் தோன்றியது இப்போது அற்பமானதாகத் தோன்றுகிறது.

செயற்கை நுண்ணறிவு மற்றும் இயந்திர கற்றல் நுட்பங்களின் தோற்றம், கிட்டத்தட்ட ஒவ்வொரு துறையிலும் ஆராய்ச்சி நடைமுறைகளை மாற்றியுள்ளது. எதிர்காலத்தில், அறிவியலின் முன்னணியில் பணியாற்றும் இளம் உயிரிதொழில்நுட்ப மாணவர்களுக்கு அடிப்படை நிரலாக்க அறிவும், வேதியியல் மற்றும் புள்ளிவிவர முறைகளில் வசதியும் தேவைப்படலாம் என்பது அதிகரித்து வரும் வெளிப்படையான உண்மையாகும்.

இந்த அத்தியாயத்தின் நோக்கம், நிரலாக்க மொழிகளின் விரிவான விளக்கத்தை வழங்குவதல்ல, ஆனால் உயிரியலாளர்களுக்கு பொருத்தமான சில மிகவும் பிரபலமான உயர் நிலை மொழிகளுக்கு ஒரு மென்மையான அறிமுகத்தை வழங்குவதாகும்.

உயிரியல் தகவலியல் மென்பொருள் கிடைக்கக்கூடிய அனைத்து இயக்க முறைமை (OS) தளங்களுக்கும் உருவாக்கப்பட்டு வருகிறது என்றாலும், பெரும்பாலான வெற்றிகரமான பயன்பாடுகள் லினக்ஸ் தளத்தில் உருவாக்கப்பட்டுள்ளன. உயிரியல் தகவலியலின் தொடக்கத்திலிருந்தே, PERL எப்போதும் வரிசை அடிப்படையிலான பெரிய தரவு கையாளுதலின் மையத்தில் உள்ளது. இப்போதெல்லாம் இந்த தளங்கள் மேம்பட்ட செயல்திறன் மொழியான பைத்தான் மற்றும் $R$ ஆகியவற்றால் வளப்படுத்தப்பட்டு வருகின்றன, இது உயிரியல் சிக்கல்களைத் தீர்ப்பதற்கான புள்ளிவிவர தொகுப்புகளின் வலுவான வசதிகளை வழங்குகிறது. இதேபோல், பைத்தான் தொகுதிகள், தனித்து நிற்கும், வலை சேவையகம் மற்றும் கிளவுட் கணிப்பு ஆகியவற்றில் பெரிய தரவுத் தொகுப்புகளைக் கையாள்வதற்கான காட்சிப்படுத்தல் மற்றும் பகுப்பாய்வு தொகுதிகளால் தொடர்ந்து வளப்படுத்தப்பட்டு வருகின்றன. இவற்றைத் தவிர, MATLAB உயிரியல் தகவலியல் தரவு பகுப்பாய்வுக்கான மிகவும் நல்ல தளத்தையும் உள்ளடக்கியது. உயிரியல் தகவலியல் பகுதியில் செயலில் உள்ள மிகவும் மேம்பட்ட மொழிகளில் சிலவற்றின் விளக்கம் கீழே கொடுக்கப்பட்டுள்ளது:

பைத்தான்: இது கைடோ வான் ரோசம் (1991) உருவாக்கிய ஒரு உயர் நிலை நிரலாக்க பொது நோக்கு மொழியாகும். இது ஒரு பொருள்-சார்ந்த நிரலாக்க ஊடாடும் மொழியாகும், இது யூனிக்ஸ், மேக் மற்றும் விண்டோஸில் இயங்கக்கூடியது. பைத்தான் உயிரியல் தகவலியல் சமூகத்தில் மிகவும் பிரபலமாக உள்ளது, பெரும்பாலும்: (i) பயன்படுத்தப்படும் சொற்களின் தெளிவான பொருள் மற்றும் கூற்றுகளின் அமைப்பு (ii) அதன் வெளிப்பாட்டுத்திறன் மற்றும் பொருள்-சார்ந்த நிரலாக்கத்துடன் ஒத்திசைவு, மற்றும் (iii) நூலகங்கள் மற்றும் மூன்றாம் தரப்பு கருவிப் பெட்டிகளின் கிடைக்கும் தன்மை ஆகியவற்றின் காரணமாகும். பைத்தான் வரிசை மற்றும் கட்டமைப்பு பகுப்பாய்வுகள், பரிணாம உயிரியல் போன்றவற்றுக்கு வெற்றிகரமாகப் பயன்படுத்தப்பட்டுள்ளது.

$\mathbf{R}$ : $\mathrm{R}$ என்ற பெயர் அதன் கண்டுபிடிப்பாளர்களான ராபர்ட் ஜென்டில்மேன் மற்றும் ராபர்ட் இஹாகா ஆகியோரிடமிருந்து பெறப்பட்டது, அவர்கள் இந்த மொழியை உருவாக்கினர். $\mathrm{R}$ மொழி, உயிரியல் தரவுகளின் அதிக அளவு பகுப்பாய்வு, காட்சிப்படுத்தல் மற்றும் உருவகப்படுத்துதலுக்கு ஏற்ற விரைவான மற்றும் நம்பகமான செயல்பாட்டு நிரலாக்க மொழியாக பரவலான ஏற்பைப் பெற்றுள்ளது. இந்த மென்பொருள் இலவச மற்றும் திறந்த மூலமாகும். $\mathrm{R}$ மொழி மரபணு வரிசை மற்றும் உயிர்மூலக்கூறு பாதைகளின் பகுப்பாய்வுக்குப் பயன்படுத்தப்பட்டுள்ளது.

தரவு பகுப்பாய்விலிருந்து அமைப்புகளை வடிவமைப்புக்கு நகர்ந்தால், புதிய நிரலாக்க மொழிகள் உருவாகியுள்ளன. அவற்றில்-GEC (ஜெனடிக் இன்ஜினியரிங் ஆஃப் லிவிங் செல்ஸ்), மைக்ரோசாப்ட் மற்றும் கேரா ஆகியவற்றால் உருவாக்கப்பட்ட விதி-அடிப்படையிலான மொழி, கேரள பல்கலைக்கழகத்தின் டாக்டர் உமேஷ் பி உருவாக்கிய ஒரு பொருள்-சார்ந்த அறிவு-அடிப்படையிலான நிரலாக்க மொழி ஆகியவை அடங்கும். கேரா (கேரளாவின் சுருக்க வடிவம், தேங்காய் என்றும் பொருள்) மரபணு, புரதங்கள் மற்றும் செல் பற்றிய தகவல்களை, சம்ஹிதா என்று அழைக்கப்படும் பயனர் திருத்தப்பட்ட உயிரியல் நூலகத்தைப் பயன்படுத்தி பிடிக்கிறது.

11.2 அமைப்பு உயிரியல்

11.2.1 அறிமுகம்

உங்களுக்குத் தெரிந்தபடி, இயற்கையின் மர்மங்களைப் புரிந்துகொள்வதற்காக, விஞ்ஞானிகள் பண்டைய காலத்திலிருந்து சோதனைகளைச் செய்து வருகின்றனர். இந்த சோதனைகளின் கண்டுபிடிப்புகள் தரவுகளின் வடிவத்தில் இலக்கியத்தில் பதிவு செய்யப்படுகின்றன. சிறிய துண்டு தரவுகளிலிருந்து பெரிய தரவுகள் வரை, பல தசாப்தங்களாக சோதனை முயற்சிகளிலிருந்து தரவுகள் சேகரிக்கப்பட்டு வருகின்றன. தற்போது, ஒரு பெரிய அளவிலான உயிரியல் தரவுகள் உருவாக்கப்பட்டு, தரவுத்தளங்கள் என்று அழைக்கப்படும் பல்வேறு களஞ்சியங்களில் டிஜிட்டல் வடிவத்தில் சேமிக்கப்படுகின்றன. இந்த டிஜிட்டல் தரவுகள் ஆராய்ச்சியாளர்கள், நமது சிக்கலான உயிரியல் அமைப்புகளைப் போன்றே பணிகளைச் செய்யக்கூடிய கணக்கீட்டு மாதிரிகளை உருவாக்குவதற்கான அடித்தளத்தை உருவாக்கும் வளங்களாகும், அதாவது, நாம் உண்மையான இன்-விட்ரோ/இன்-விவோ சோதனைகளில் அல்லது உண்மையான வாழ்க்கையில் காணும் அமைப்புகள். இத்தகைய யோசனைகளின் செயல்படுத்தல், சிக்கலான உயிரியல் அமைப்புகளைப் பின்பற்றுவதற்கு கணித மற்றும் கணக்கீட்டு மாதிரிகளுடன் செய்யப்படுகிறது. இந்த மாதிரிகள் அமைப்பு மாதிரிகள் என்று அழைக்கப்படுகின்றன. எனவே, நீங்கள் அமைப்பு உயிரியலை அமைப்பு மாதிரிகளின் பிரதிநிதித்துவமாக கற்பனை செய்யலாம். இப்போதெல்லாம் அமைப்பு உயிரியல் சக்திவாய்ந்த பயன்பாட்டுடன் தீவிர ஆராய்ச்சிக்கான ஒரு பகுதியாக மாறியுள்ளது. இவ்வாறு, இது உயிரியல் அமைப்புகளுக்குள் (படம் 11. 1) சிக்கலான உயிரியல் தொடர்புகளில் கவனம் செலுத்தும் ஒரு இடைதுறை படிப்புப் புலமாகும். கடந்த இரண்டு தசாப்தங்களில் இருந்து குறிப்பாக, பல்வேறு உயிரியல் சூழல்களில் அமைப்பு உயிரியலின் கருத்து ஏற்றுக்கொள்ளப்பட்டு வருகிறது. மனித மரபணுத் திட்டம், அமைப்பு உயிரியலின் ஒரு சிறந்த விதைப்புகளில் ஒன்றாகும், இது இன்றைய வடிவத்தின் அமைப்பு உயிரியலுக்கு புதிய வழிகளைத் திறந்தது. தற்போது, அமைப்பு உயிரியல் மாதிரிகள், செல்கள், திசுக்கள் மற்றும் உயிரினங்களின் எழும் செயல்பாட்டு பண்புகளைக் கண்டறிவதற்கான கோட்பாட்டு விளக்கத்தை வழங்க முடியும், அவை சோதனைகள் மூலம் மட்டுமே சாத்தியமாக இருந்தன. மிகவும் திறமையான அமைப்பு மாதிரிகளுக்கான எடுத்துக்காட்டுகள் வளர்சிதை மாற்றம் அல்லது சமிக்ஞை அமைப்பு ஆகும். உயிரியல் அமைப்புகளின் செயல் முறையின் அடிப்படை புரிதலுடன், அமைப்பு உயிரியல் சக்திவாய்ந்த பயன்பாட்டிற்காக தீவிரமாகப் பயன்படுத்தப்படுகிறது, எ.கா., உயிரியல் வலையமைப்புகளிலிருந்து நவீன சிகிச்சைகள் வரையிலான ஆரோக்கியம் மற்றும் நோய்களின் பகுதிகளில்.

11.2.2 வரலாற்று முன்னோக்கு

அமைப்பு உயிரியல் தோன்றுவதற்கு முன், உயிரியல் அறிவியலில் ஆராய்ச்சியின் காட்சி (எ.கா., 1900 - 1970) உடலியல், மக்கள்தொகை இயக்கவியல், நொதி இயக்கவியல், கட்டுப்பாட்டுக் கோட்பாடு, சைபர்நெட்டிக்ஸ் போன்றவற்றை ஆராய்ச்சியின் பிரிவு கூறுகளாக சுற்றி வியப்பாக இருந்தது. 1952 ஆம் ஆண்டில் ஆலன் லாயிட் ஹாட்கின் மற்றும் ஆண்ட்ரூ ஃபீல்டிங் ஹக்ஸ்லி (நோபல் பரிசு வென்றவர்கள்) ஒரு நரம்பணு செல்லின் அச்சோனுடன் செயல் திறன் பரவலை விவரிக்கும் கணித மாதிரியை விவரித்தபோது, அமைப்பு உயிரியல் ஒரு உடலியல் விளக்கத்திலிருந்து உருவாக்கப்பட்டதாக வரைபடமிடப்பட்டுள்ளது. 1960 ஆம் ஆண்டில் முதல் கணினி மாதிரி இதய துடிப்பு இயக்கி டெனிஸ் நோபிளால் [PMID 13729365] உருவாக்கப்பட்டபோது கோட்பாட்டின் மிகவும் உருவாக்கப்பட்ட செயல்படுத்தல் எழுந்தது. அமைப்பு உயிரியல் 1966 ஆம் ஆண்டில் கிளீவ்லேண்டில் உள்ள கேஸ் இன்ஸ்டிடியூட் ஆஃப் டெக்னாலஜியில் “சிஸ்டம்ஸ் தியரி அண்ட் பயாலஜி” என்ற தலைப்பில் அமைப்புக் கோட்பாட்டாளர் மிஹாஜ்லோ மெசரோவிச்சால் முறையாகத் தொடங்கப்பட்டது. 1968 ஆம் ஆண்டில், அமைப்பு உயிரியல் பற்றிய முதல் கோட்பாடு லுட்விக் வான் பெர்டலன்ஃபியால் வெளியிடப்பட்டது, இது இந்த ஒழுக்கத்தின் முன்னோடியாகக் கருதப்படுகிறது. 1960 கள் மற்றும் 1970 களுக்கு இடையிலான காலம் வளர்சிதை மாற்றக் கட்டுப்பாட்டுப் பகுப்பாய்வு மற்றும் உயிர்வேதியியல் அமைப்புக் கோட்பாடு போன்ற சிக்கலான மூலக்கூறு அமைப்புகளின் பல அம்சங்களின் வளர்ச்சியின் தசாப்தமாகும். மேலும், மூலக்கூறு உயிரியலுடன் கூடிய அமைப்புக் கோட்பாட்டின் சந்தேகம், உயிரியல் செயல்முறைகளின் அளவீட்டு மாதிரியாக்கத்தை உள்ளடக்கிய கோட்பாட்டு உயிரியலின் வளர்ச்சியால் உடைக்கப்பட்டது. 1990 களிலிருந்து, செயல்பாட்டு மரபணுவியல் அதிக அளவிலான உயர்-தரமான உயிரியல் தரவுகளை உருவாக்கி வருகிறது, இது மிகவும் யதார்த்தமான மாதிரிகளின் வளர்ச்சிக்கு உதவுகிறது. அமைப்பு உயிரியல் பகுதியில் இந்த வளர்ச்சிகளைத் தொடர்ந்து, தேசிய அறிவியல் அறக்கட்டளை (NSF) முழு செல்லையும் கணித ரீதியாக மாதிரியாக்குவதற்கான சவாலை முன்வைத்தது. இந்த திசையில், 2003 ஆம் ஆண்டில், மாசசூசெட்ஸ் இன்ஸ்டிடியூட் ஆஃப் டெக்னாலஜி சைட்டோசால்வுடன் இணைந்து இந்த சவாலுக்கான தீர்வைத் தேடத் தொடங்கியது. இறுதியாக, 2012 ஆம் ஆண்டில் மைகோபிளாஸ்மா ஜெனிடாலியம் (செல் சுவர் இல்லாத பாக்டீரியா) முழு செல் மாதிரி, மரபணு பிறழ்வுகளுக்கு செல் உயிர்த்தன்மையின் பதிலை கணிக்க, நியூயார்க்கின் மவுண்ட் சினாய் மருத்துவப் பள்ளியால் உருவாக்கப்பட்டது. தற்போது, ‘ஃபிசியோம்’ என்ற ஒரு பெரிய அமைப்பு உயிரியல் திட்டம் இயங்கிக் கொண்டிருக்கிறது (http:/physiomeproject.org/). உடலியல் செயல்பாட்டைப் புரிந்துகொள்வதற்கான பல-அளவிலான மாதிரியாக்க கட்டமைப்பை உருவாக்குவதே இந்தத் திட்டத்தின் நோக்கமாகும், இது மாதிரிகளை படிநிலை பாணியில் இணைக்கவும் இணைக்கவும் அனுமதிக்கிறது. எடுத்துக்காட்டாக, இதயத்தின் மின்சார-இயந்திர மாதிரிகள், துணை செல் மட்டத்தில் அயன் சேனல்கள், மயோஃபிலமென்ட் இயந்திரவியல் மற்றும் சமிக்ஞை பரிமாற்ற பாதைகளின் மாதிரிகளுடன் இணைக்கப்பட வேண்டும், பின்னர் இந்த செயல்முறைகளை இணைக்க வேண்டும். திசு இயந்திரவியல், அலைமுனை பரவல் மற்றும் கரோனரி இரத்த ஓட்டம் ஆகியவற்றின் மாதிரிகளுக்கு - இவை ஒவ்வொன்றும் வெவ்வேறு குழு ஆராய்ச்சியாளர்களால் உருவாக்கப்பட்டிருக்கலாம்.

11.2.3 அமைப்பு உயிரியலின் பின்னணியில் உள்ள கருப்பொருள்

உயிரியலின் பல்வேறு ஒழுக்கங்களை உள்ளடக்க, அமைப்பு உயிரியல் வெவ்வேறு அம்சங்களில் காணப்பட்டுள்ளது. குறைப்புவாதி ஒரு அமைப்பின் கூறுகள் மற்றும் தொடர்புகளை அடையாளம் காண்பதில் பணியாற்றினார்

படம் 11.1: உயிரியல் அமைப்புகளுக்குள் சிக்கலான உயிரியல் தொடர்புகளில் கவனம் செலுத்தும் ஒரு இடைதுறை படிப்புப் புலமாக அமைப்பு உயிரியலின் சித்தரிப்பு

ஆனால், அமைப்பின் பன்முகத்தன்மையை விவரிக்க எந்தவொரு நம்பகமான முறையும் உருவாக்கப்படவில்லை. பன்முகத்தன்மையை ஒரே நேரத்தில் பல கூறுகளின் அளவீட்டு அளவீடுகள் மூலம் சிறப்பாகக் காணலாம் மற்றும் இது கடுமையான தரவு ஒருங்கிணைப்பைக் கொண்ட கணித மாதிரிகள் மூலம் மட்டுமே சாத்தியமாகும். இந்த வழியில் அமைப்பு உயிரியல் என்பது வெவ்வேறு கூறுகளை ஒருங்கிணைத்து அமைப்பைக் கவனிப்பதாகக் கூறலாம் (படம்.11.1). அமைப்பு உயிரியலின் கருப்பொருளின் மையத்தில் அனைத்து தனிப்பட்ட கூறுகளையும் உள்ளடக்கியது: ‘பொருள் வலையமைப்பு வரைபடம் மற்றும் பகுதி வேறுபாடு சமன்பாடுகளுடன் கூடிய பரஸ்பர சார்ந்த இயக்க நிகழ்வு-இயக்கவியலுடன் அதன் ஒருங்கிணைப்பு’.

11.2.4 அமைப்பு உயிரியல் சோதனைகளுக்கான நெறிமுறை

ஒரு நிலையான அமைப்பு உயிரியல் சோதனையைச் செய்ய, படம்.11.2 இல் காட்டப்பட்டுள்ள தனித்த நிலைகள் பின்பற்றப்படுகின்றன.

முழு நெறிமுறையும் அடிப்படையில் சிக்கலின் வரையறை, சோதனையின் வடிவமைப்பு, தரவுகளை உருவாக்க சோதனைகளைச் செயல்படுத்துதல், விளைவான தரவுகளைச் சேகரித்தல் மற்றும் அவற்றை பொருத்தமான கோப்பு வடிவங்களில் ஏற்பாடு செய்தல், அதைத் தொடர்ந்து வலையமைப்பு உய்த்துணர்வின் வளர்ச்சி ஆகியவற்றை உள்ளடக்கியது. இதைத் தொடர்ந்து இந்த வலையமைப்பு இடைமுகத்தின் பரிமாற்றம் நிகழ்கிறது, இது துல்லியமாகவும் வழிமுறை அடிப்படையிலாகவும் இருக்க வேண்டும், இதனால் மாதிரி அதற்கேற்ப உருவாக்கப்படலாம். இதைத் தொடர்ந்து மாதிரி அடிப்படையிலான உருவகப்படுத்துதல் முடிவுகள் மற்றும் சோதனைத் தரவுகளுக்கு இடையே உள்ள வேறுபாடுகளின் பகுப்பாய்வு மற்றும் அதற்கேற்ப கவனிக்கப்பட்ட வேறுபாடுகளைக் குறிப்பிடும் மாதிரி கருதுகோள் ஆகியவை தொடர்கின்றன. இறுதியாக, உருவகப்படுத்துதல் மீண்டும் மீண்டும் மீண்டும் சோதிக்கப்படுகிறது, மற்றும் புதிய கருதுகோள்கள் மாதிரியில் இணைக்கப்படுகின்றன.

இவ்வாறு, அமைப்பு உயிரியலுக்கான கணக்கீட்டின் பணிப் பாய்வு (படம் 11.2 இல் சித்தரிக்கப்பட்டுள்ளது) தரவு மேலாண்மை, வலையமைப்பு வளர்ச்சி அளவுருக்களின் மேம்படுத்தல், செயல்திறன் பகுப்பாய்வு மற்றும் மதிப்பீடு ஆகியவற்றைத் தேவைப்படுகிறது.

படம் 11.2: அமைப்பு உயிரியல் சோதனையைச் செயல்படுத்துவதற்கான பணிப் பாய்வு

அமைப்பு உயிரியலுக்கான கட்டமைப்புத் தரவுகளைச் சேகரிப்பதற்கான தரநிலைகள் வரையறுக்கப்பட்டுள்ளன. அதன்படி, தரவு மேலாண்மைக்கு மூன்று அடிப்படை அம்சங்கள் கருதப்படுகின்றன, அவை கீழே விளக்கப்பட்டுள்ளன-

(i) குறைந்தபட்ச தகவல்

குறைந்தபட்ச தகவல் என்பது மைக்ரோஅரே, புரோட்டியோமிக்ஸ், உயிரியல் மற்றும் உயிர் மருத்துவ ஆய்வுகள் போன்ற வெவ்வேறு சோதனைகளிலிருந்து தேவைப்படும் அத்தியாவசிய ஆதரவு தகவல்களின் தொகுப்பைக் குறிக்கிறது. இந்த சேகரிக்கப்பட்ட தரவுகள் பற்றிய மெட்டாடேட்டாவை இணைப்பது கவனிக்க வேண்டிய ஒரு முக்கியமான புள்ளியாகும்.

(ii) கோப்பு வடிவங்கள்

குறைந்தபட்ச தகவலுக்காக சேகரிக்கப்பட்ட தரவுகள் குறிப்பிட்ட கோப்பு வடிவங்களில் சேமிக்கப்படுகின்றன. இந்த வடிவங்கள் பொதுவாக நீட்டிக்கக்கூடியவை

மார்க்அப் மொழி (XML) அடிப்படையிலானது, இது கணினிகளால் தானாகவே செயலாக்கப்படும் வசதியைக் கொண்டுள்ளது.

(iii) இருப்பியல்

இருப்பியல் என்பது தரவுகளின் சொற்பொருள் குறிப்பீட்டை வரையறுக்கிறது, இது வெவ்வேறு சொற்களுக்கு இடையிலான படிநிலை உறவைக் குறிக்கிறது. சில முக்கியமான எடுத்துக்காட்டுகள், மரபணு இருப்பியல் (GO) மற்றும் அமைப்பு உயிரியல் இருப்பியல் (SBO) ஆகியவை ஆகும்.

தற்போதைய தரவு மேலாண்மை அமைப்புகளில் விரிதாள்கள், வலை-அடிப்படையிலான மின்னணு ஆய்வக குறிப்பேடுகள் (ELN) மற்றும் ஆய்வக தகவல் மேலாண்மை அமைப்புகள் (LIMS) ஆகியவை அடங்கும். தரவு மேலாண்மை அமைப்புகள் வெவ்வேறு பகுப்பாய்வு கருவிகள் மற்றும் கணக்கீட்டு பணிப் பாய்வுகளுடன் அணுகலாம் மற்றும் ஒருங்கிணைக்கப்படலாம் என்பதைப் போன்று தனிப்பயனாக்கப்பட்டுள்ளன. கோன்ஸ்டான்ஸ் தகவல் சுரங்கத் தொழிலாளி (KNIME), caGrid23, Taverna24, Bio-STEER25 மற்றும் Galaxy26 போன்ற அமைப்புகள், சிறப்பு பணிப் பாய்வுகளின் கட்டுமானம், செயல்படுத்துதல் மற்றும் பகிர்வை அனுமதிக்கின்றன. இந்த பணிப் பாய்வுகள் தரவு பரிமாற்றம், தரவு ஒருங்கிணைப்பு மற்றும் கருவிகளுக்கு இடையேயான தொடர்பு ஆகியவற்றை இயலுமைப்படுத்துவதன் மூலம் கணக்கீட்டு குழாய்களை வழங்குகின்றன. தரவு மேலாண்மை, வலையமைப்பு உய்த்துணர்வு, சீரமைப்பு, உருவகப்படுத்துதல், மாதிரி பகுப்பாய்வு, மூலக்கூறு தொடர்பு மற்றும் உடலியல் மாதிரியாக்க கருவிகளின் பட்டியல் அட்டவணை 11.1 இல் கொடுக்கப்பட்டுள்ளது.

அட்டவணை 11.1 மென்பொருள், கருவிகள் மற்றும் தரவு வளங்களின் வள அணி

இந்த அமைப்புகள் மாதிரியாக்க கருவிகள் இட-தற்காலிக அமைப்புகளைக் குறிக்கும் பகுதி வேறுபாடு சமன்பாடுகளின் (PDEகள்) தொகுப்பை உள்ளடக்கியது. PDEகள் வரையறுக்கப்பட்ட உறுப்பு முறை (FEM) மூலம் தீர்க்கப்படுகின்றன, இது PDEகளுக்கான தோராயமான தீர்வுகளுக்கான எண் நுட்பமாகும். PDEகளை ANSYS, FreeFEM++, OpenFEM மற்றும் MATLAB ஆகியவற்றால் தீர்க்க முடியும்.

அமைப்பு மாதிரியாக்கத்திற்குப் பயன்படுத்தப்படும் பல கருவிகள் உள்ளன. இவற்றில் அடங்கும்: JSim, OpenCell மற்றும் ஃப்ளெக்சிபிள் லார்ஜ்-ஸ்கேல் ஏஜென்ட்-பேஸ்டு மாடலிங் என்விரான்மென்ட் (FLAME) போன்றவை. பல உருவகப்படுத்துதல் கருவிகள் உருவாக்கப்பட்டு வருகின்றன, அவை உருவகப்படுத்துதல்களின் உண்மையான வாழ்க்கை அம்சங்களைத் தொடுகின்றன.

11.2.5 மாதிரி-பகுப்பாய்வு முறைகள்

சிக்கலான உயிரியல் மாதிரிகளின் நடத்தையை பகுப்பாய்வு செய்வதற்கு பல கணித நுட்பங்கள் உருவாக்கப்பட்டுள்ளன. மாதிரி பகுப்பாய்வுக்கான சில அடிப்படைக் கோட்பாடுகள் கீழே வழங்கப்பட்டுள்ளன-

(i) உணர்திறன் பகுப்பாய்வு

உணர்திறன் பகுப்பாய்வு, பல்வேறு திசைதிருப்பல்களுக்கு எதிராக அமைப்பின் நிலைத்தன்மை மற்றும் கட்டுப்படுத்தும் திறன் பற்றி விவரிக்கிறது. உணர்திறன் பகுப்பாய்வுக்கான சில முக்கியமான கருவிகள்: SBML-SAT, MATLAB SimBiology, ByoDyn மற்றும் SensSB.

(ii) இருபிரிவு மற்றும் கட்ட-இடைவெளி பகுப்பாய்வு

இருபிரிவு மற்றும் கட்ட-இடைவெளி பகுப்பாய்வு, சாத்தியமான நிலையான மற்றும் இயக்க போக்குகளைக் கண்டறிய அமைப்பு மாதிரியை பகுப்பாய்வு செய்ய மேற்கொள்ளப்படுகிறது. சில முக்கியமான கருவிகள்: AUTO, XPPAut, BUNKI மற்றும் ManLab.

**(iii