11.1 حیاتیات میں پروگرامنگ

دستی حساب کتاب کے دور سے ہم فی الحال بڑے پیمانے پر (یعنی ہائی-تھراپیوٹ) ڈیٹا کی تخلیق، خودکار تجزیہ اور پیش گوئی کے مرحلے میں ہیں۔ تکنیکی ترقیات نے بہت بڑے ڈیٹا کی تخلیق میں نا قابلِ تصور کامیابی حاصل کی ہے جو چند دہائیاں قبل ناممکن تھی اور یہ زیادہ مشکل سوالات کو حل کرنے کے قابل ہے۔ تاہم، وسیع ڈیٹا کی آمد نے اس کے ذخیرہ، وژولائزیشن، منتقلی، تجزیہ اور تشریح میں بھی بڑے چیلنجز پیدا کیے ہیں۔ ایک کام جو ایک دہائی پہلے بہت بڑا لگتا تھا، اب معمولی نظر آتا ہے۔

مصنوعی ذہانت اور مشین لرننگ تکنیکوں کے ظہور نے تقریباً ہر شعبے میں تحقیقی طریقہ کار کو بدل دیا ہے۔ یہ واضح ہوتا جا رہا ہے کہ مستقبل میں سائنس کے کٹھن ترین حصے پر کام کرنے والے نوجوان بائیوٹیکنالوجی کے طلبہ کو بنیادی پروگرامنگ علم اور کیمسٹری اور اعدادوشمار کے طریقوں سے آرام دہ ہونی پڑے گی۔

اس باب کا مقصد پروگرامنگ زبانوں کی مکمل وضاحت دینا نہیں بلکہ حیاتیات دانوں کے لیے سب سے زیادہ مقبول ہائی لیول زبانوں کی آسان تعارف پیش کرنا ہے۔

اگرچہ بائیو انفارمٹکس سافٹ ویئر تمام دستیاب آپریٹنگ سسٹم (OS) پلیٹ فارمز کے لیے تیار کیا جا رہا ہے، لیکن اکثر کامیاب ایپلیکیشنز لینکس پلیٹ فارم پر تیار کی گئی ہیں۔ بائیو انفارمٹکس کے آغاز سے ہی PERL سکوئنس پر مبنی بڑے ڈیٹا کے ہینڈلنگ کے لیے مرکزی حیثیت رکھتا ہے۔ ان دنوں یہ پلیٹ فارمز اعلیٰ کارکردگی والی زبان، عام طور پر Python اور $R$ سے مالا مال ہو رہے ہیں جو حیاتیاتی مسائل کے حل کے لیے مضبوط اعدادوشمار کے پیکیجز فراہم کرتے ہیں۔ اسی طرح، Python ماڈیولز مسلسل وژولائزیشن اور تجزیہ کے ماڈیولز سے مالا مال ہو رہے ہیں جو بڑے ڈیٹا سیٹ کو اسٹینڈ اکیلون، ویب سرور اور کلاؤڈ کمپیوٹنگ پر ہینڈل کرنے کے لیے ہیں۔ ان کے علاوہ، MATLAB بھی بائیو انفارمٹکس ڈیٹا تجزیہ کے لیے ایک بہت اچھا پلیٹ فارم فراہم کرتا ہے۔ بائیو انفارمٹکس کے شعبے میں سرگرم چند انتہائی جدید زبانوں کی وضاحت ذیل میں دی گئی ہے:

Python: یہ ایک ہائی لیول پروگرامنگ جنرل پرپز زبان ہے جو گائیڈو وان روزم (1991) نے تخلیق کی تھی۔ یہ ایک آبجیکٹ اورینٹیڈ پروگرامنگ انٹرایکٹو زبان ہے جو یونکس، میک اور ونڈوز پر چل سکتی ہے۔ Python بائیو انفارمٹکس کمیونٹی میں بہت مقبول ہے بڑے پیمانے پر کیونکہ: (i) استعمال ہونے والے اصطلاحات اور بیانات کی ساخت واضح ہے (ii) اس کی اظہاریت اور آبجیکٹ اورینٹیڈ پروگرامنگ سے ہم آہنگی ہے، اور (iii) لائبریریوں اور تھرڈ پارٹی ٹول کٹس کی دستیابی ہے۔ Python کو سکوئنس اور اسٹرکچر تجزیہ، فائلو جینیٹکس وغیرہ کے لیے کامیابی سے استعمال کیا گیا ہے۔

$\mathbf{R}$ : $\mathrm{R}$ کا نام اس کے موجدین، رابرٹ جینٹل مین اور رابرٹ آئی ہاکا سے لیا گیا ہے، جنہوں نے یہ زبان تیار کی۔ $\mathrm{R}$ زبان کو ایک تیز اور قابلِ اعتماد فنکشنل پروگرامنگ زبان کے طور پر وسیع قبولیت حاصل ہے جو حیاتیاتی ڈیٹا کے ہائی وولیوم تجزیہ، وژولائزیشن اور سمیولیشن کے لیے مثالی ہے۔ یہ سافٹ ویئر مفت اور اوپن سورس ہے۔ $\mathrm{R}$ زبان کو جینوم سکوئنس اور بائیومولیکیولر پاتھویز کے تجزیہ کے لیے استعمال کیا گیا ہے۔

ڈیٹا تجزیہ سے سسٹم ڈیزائن کی طرف بڑھتے ہوئے، نئی پروگرامنگ زبانیں ظاہر ہوئی ہیں۔ ان میں سے GEC (Genetic Engineering of living Cells)، ایک رول بیسڈ زبان ہے جو مائیکروسافٹ نے تیار کی اور Kera، ایک آبجیکٹ اورینٹیڈ نالج بیسڈ پروگرامنگ زبان ہے جو ڈاکٹر اومیش پی نے یونیورسٹی آف کیرالہ میں تیار کی۔ Kera (کیرالہ کا مختصر نام، جو کہ ناریل کو بھی کہا جاتا ہے) جینوم، پروٹین اور سیل کی معلومات کو ایک یوزر ایڈیٹڈ بائیولوجیکل لائبریری Samhita کے ذریعے کیپچر کرتا ہے۔

11.2 سسٹم بائیولوجی

11.2.1 تعارف

جیسا کہ آپ جانتے ہیں، فطرت کے رازوں کو سمجھنے کے لیے سائنسدان قدیم زمانے سے تجربات کر رہے ہیں۔ ان تجربات کے نتائج کو لٹریچر میں ڈیٹا کی شکل میں درج کیا جاتا ہے۔ چھوٹے سے لے کر بڑے ڈیٹا تک، دہائیوں کی تجرباتی کاوشوں سے ڈیٹا جمع کیا جا رہا ہے۔ فی الحال، حیاتیات کا ایک بڑا ڈیٹا ڈیجیٹل فارمیٹ میں مختلف ذخیرہ خانوں میں محفوظ کیا جا رہا ہے جنہیں ڈیٹا بیس کہا جاتا ہے۔ یہ ڈیجیٹل ڈیٹا وہ وسائل ہیں جو محققین کو ایسے کمپیوٹیشنل ماڈلز تیار کرنے کے لیے بنیاد فراہم کرتے ہیں جو ہمارے پیچیدہ حیاتیاتی نظاموں کے مشابہ کام انجام دے سکیں، یعنی وہ جو ہم اصل میں ان-ویٹرو/ان-وائیوو تجربات یا حقیقی زندگی میں مشاہدہ کرتے ہیں۔ ایسے خیالات پر عمل درآمد ریاضیاتی اور کمپیوٹیشنل ماڈلز کے ساتھ کیا جا رہا ہے تاکہ پیچیدہ حیاتیاتی نظاموں کی نقل کی جا سکے۔ ان ماڈلز کو سسٹم ماڈلز کہا جاتا ہے۔ اس لیے، آپ سسٹم بائیولوجی کو سسٹم ماڈلز کی نمائندگی کے طور پر تصور کر سکتے ہیں۔ آج کل سسٹم بائیولوجی ایک مکمل تحقیق کا شعبہ بن چکی ہے جس میں طاقتور ایپلیکیشنز ہیں۔ اس لیے، یہ ایک بین الصوبائی مطالعہ کا شعبہ ہے جو حیاتیاتی نظاموں کے اندر پیچیدہ حیاتیاتی تعاملات پر توجہ مرکوز کرتا ہے (شکل 11.1)۔ سسٹم بائیولوجی کا تصور خاص طور پر پچھلے دو دہائیوں سے مختلف حیاتیاتی سیاق و سباق میں اپنایا جا رہا ہے۔ ہیومن جینوم پروجیکٹ سسٹم بائیولوجی کے خیال کی سب سے شاندار بیج بوئی ہے، جس نے آج کی شکل کی سسٹم بائیولوجی کے لیے نئے راستے کھولے۔ فی الحال، سسٹم بائیولوجی ماڈلز سیل، ٹشوز اور جانداروں کی ابھرتی ہوئی فنکشنل خصوصیات کے نظریاتی بیان کے لیے فراہم کر سکتے ہیں، ایسی خصوصیات جو صرف تجربات کے ذریعے ممکن تھیں۔ سب سے مؤثر سسٹم ماڈلز کی مثالیں میٹابولک یا سگنلنگ نیٹ ورک ہیں۔ حیاتیاتی نظاموں کے عمل کے بنیادی فہم کے ساتھ ساتھ، سسٹم بائیولوجی کو طاقتور ایپلیکیشنز کے لیے شدت سے استعمال کیا جا رہا ہے، مثلاً، صحت اور بیماریوں کے شعبوں میں حیاتیاتی نیٹ ورکس سے لے کر جدید علاج تک۔

11.2.2 تاریخی تناظر

سسٹم بائیولوجی کے ظہور سے پہلے، حیاتیاتی سائنسز میں تحقیق کا منظرنامہ (مثلاً 1900 - 1970) فزیولوجی، آبادیاتی حرکیات، انزائم کائینٹکس، کنٹرول تھیوری، سائبرنیٹکس وغیرہ کے قطعی اجزاء کے گرد گھوم رہا تھا۔ سسٹم بائیولوجی کو ایک فزیولوجی بیان سے تیار ہونے کے طور پر نقشہ دیا گیا ہے، جب 1952 میں ایلن لوئڈ ہوجکن اور اینڈریو فیلڈنگ ہکسلے (نوبل انعام یافتہ) نے نیورون سیل کے ایکسون کے ساتھ ایکشن پوٹینشل کی منتقلی کے لیے ایک ریاضیاتی ماڈل بیان کیا۔ 1960 میں زیادہ ترقی یافتہ نظریہ کا اطلاق ظاہر ہوا جب ڈینس نوبل نے دل کے پیس میکر کا پہلا کمپیوٹر ماڈل تیار کیا [PMID 13729365]۔ سسٹم بائیولوجی کو باضابطہ طور پر 1966 میں سسٹم تھیورسٹ مہاجلو میسارووک نے کیس انسٹیٹیوٹ آف ٹیکنالوجی، کلیولینڈ، اوہائیو میں “Systems Theory and Biology” کے عنوان سے شروع کیا۔ 1968 میں، لڈوگ وان برٹالانفی نے سسٹم بائیولوجی کے بارے میں پہلا نظریہ شائع کیا، جسے اس شعبے کا پیش خیمہ سمجھا جاتا ہے۔ 1960 کی دہائی اور 1970 کی دہائی کے درمیان کا عرصہ پیچیدہ مالیکیولر سسٹمز کے کئی پہلوؤں کی ترقی کا عشرہ تھا، جیسے میٹابولک کنٹرول تجزیہ اور بائیو کیمیکل سسٹمز تھیوری۔ مزید برآں، نظریہ سسٹمز کے مالیکیولر بائیولوجی کے ساتھ شکوک و شبہات کو تھیورٹیکل بائیولوجی کی ترقی نے توڑا، جس میں حیاتیاتی عمل کی مقداری ماڈلنگ شامل ہے۔ 1990 کی دہائی سے، فنکشنل جینومکس بڑی مقدار میں اعلیٰ معیار کا حیاتیاتی ڈیٹا پیدا کر رہی ہے، جو زیادہ حقیقت پسند ماڈلز کی ترقی میں مدد کر رہا ہے۔ سسٹم بائیولوجی کے شعبے میں ان ترقیات کے تسلسل میں، نیشنل سائنس فاؤنڈیشن (NSF) نے پوری سیل کو ریاضیاتی طور پر ماڈل کرنے کا چیلنج پیش کیا۔ اس سمت میں، 2003 میں ماساچوسٹس انسٹیٹیوٹ آف ٹیکنالوجی نے CytoSolve کے ساتھ اس چیلنج کا حل تلاش کرنا شروع کیا۔ آخر کار، 2012 میں Mount Sinai School of Medicine, New York نے Mycoplasma genitalium (سیل وال لیس بیکٹیریا) کی پوری سیل ماڈل تیار کی، جینیاتی تغیرات کے جواب میں سیل وایبلٹی کی پیش گوئی کے لیے۔ فی الحال، ایک بڑا سسٹم بائیولوجی پراجیکٹ، جس کا نام ‘Physiome’ ہے، چل رہا ہے (http:/physiomeproject.org/)۔ اس پراجیکٹ کا مقصد فزیولوجیکل فنکشن کو سمجھنے کے لیے ایک ملٹی اسکیل ماڈلنگ فریم ورک تیار کرنا ہے جو ماڈلز کو ایک ہیئرارکل فیشن میں جوڑنے اور لنک کرنے کی اجازت دیتا ہے۔ مثال کے طور پر، دل کے الیکٹرو میکینیکل ماڈلز کو آئن چینلز، مائیوفیلامنٹ میکینکس اور سگنل ٹرانسڈکشن پاتھویز کے ماڈلز کے ساتھ جوڑنے کی ضرورت ہے، پھر ان عمل کو ٹشو میکینکس، ویو فرنٹ پروپیگیشن اور کورونری بلڈ فلو کے ماڈلز سے جوڑنا ہے — جن میں سے ہر ایک مختلف محققین کے گروپ نے تیار کیا ہو سکتا ہے۔

11.2.3 سسٹم بائیولوجی کے پیچھے تھیم

حیاتیات کے مختلف شعبوں کو کور کرنے کے لیے، سسٹم بائیولوجی کو مختلف پہلوؤں سے دیکھا گیا ہے۔ ریڈکشنسٹ نے نظام کے اجزاء اور تعاملات کی شناخت پر کام کیا،

شکل 11.1: سسٹم بائیولوجی کو ایک بین الصوبائی مطالعہ کے شعبہ کے طور پر پیش کرنا جو حیاتیاتی نظاموں کے اندر پیچیدہ حیاتیاتی تعاملات پر توجہ مرکوز کرتا ہے

لیکن نظام کے پلورلزم کو بیان کرنے کا کوئی قابلِ اعتماد طریقہ نہیں نکلا۔ پلورلزم کو بہتر طور پر مقداری اقدار کے ذریعے متعدد اجزاء کو ایک ساتھ دیکھ کر مشاہدہ کیا جا سکتا ہے اور یہ صرف ریاضیاتی ماڈلز کے ذریعے ممکن ہے جو سخت ڈیٹا انٹیگریشن پر مشتمل ہوں۔ اس طرح کہا جا سکتا ہے کہ سسٹم بائیولوجی مختلف اجزاء کو ایک ساتھ جوڑ کر نظام کا مشاہدہ ہے (شکل 11.1)۔ سسٹم بائیولوجی کے تھیم کے مرکز میں تمام انفرادی اجزاء کو ایک ساتھ کور کرنا ہے: ‘آبجیکٹ نیٹ ورک میپنگ اور اس کا انٹرڈیپنڈنٹ ڈائنامک ایونٹ-کائینٹکس کے ساتھ انٹیگریشن جزوی ڈفرنشنل مساوات کے ساتھ’۔

11.2.4 سسٹم بائیولوجی تجربات کے لیے پروٹوکول

ایک معیاری سسٹم بائیولوجی تجربہ کرنے کے لیے، شکل 11.2 میں دکھائے گئے مراحل پر عمل کیا جاتا ہے۔

پورا پروٹوکول بنیادی طور پر مسئلے کی وضاحت، تجربے کی ڈیزائننگ، تجربات کو انجام دینا تاکہ ڈیٹا پیدا ہو، حاصل شدہ ڈیٹا کو جمع کرنا اور انھیں مناسب فائل فارمیٹس میں ترتیب دینا، پھر نیٹ ورک انفرنس کی ترقی شامل ہے۔ اس کے بعد اس نیٹ ورک انٹرفیس کو منتقل کیا جاتا ہے جو پریسائز اور میکانزم بیسڈ ہو تاکہ ماڈل اس کے مطابق تیار کیا جا سکے۔ اس کے بعد ماڈل بیسڈ سمیولیشن کے نتائج اور تجرباتی ڈیٹا کے درمیان تضادات کا تجزیہ کیا جاتا ہے اور اس کے مطابق فرضیہ کو ماڈل کیا جاتا ہے۔ آخر میں، سمیولیشن کو بار بار دہرایا اور ٹیسٹ کیا جاتا ہے، اور نئی فرضیات کو ماڈل میں شامل کیا جاتا ہے۔

اس طرح، سسٹم بائیولوجی کے لیے کمپیوٹیشن کا ورک فلو (جیسا کہ شکل 11.2 میں دکھایا گیا ہے) ڈیٹا مینجمنٹ، نیٹ ورک ڈویلپمنٹ پیرامیٹرز کی آپٹمائزیشن، پرفارمنس تجزیہ اور تشخیص کی ضرورت رکھتا ہے۔

سسٹم بائیولوجی کے لیے سٹرکچر ڈیٹا کے مجموعے کے لیے ڈیٹا مینجمنٹ کے معیار طے کیے گئے ہیں۔ اس کے مطابق، ڈیٹا مینجمنٹ کے لیے تین بنیادی پہلوؤں پر غور کیا جاتا ہے جو ذیل میں بیان کیے گئے ہیں-

(i) کم از کم معلومات

کم از کم معلومات مختلف تجربات جیسے مائیکروارے، پروٹومک، حیاتیاتی اور بائیو میڈیکل تحقیقات سے درکار ضروری سپورٹنگ معلومات کا ایک سیٹ ہے۔ ان جمع کیے گئے ڈیٹا کے بارے میں میٹا ڈیٹا کو شامل کرنا ایک اہم نکتہ ہے۔

(ii) فائل فارمیٹس

کم از کم معلومات کے لیے جمع کیے گئے ڈیٹا کو مخصوص فائل فارمیٹس میں محفوظ کیا جاتا ہے۔ یہ فارمیٹس عام طور پر XML پر مبنی ہوتے ہیں، جس میں کمپیوٹرز کے ذریعے خودکار پروسیسنگ کی سہولت ہوتی ہے۔

(iii) اونٹالوجیز

اونٹالوجیز ڈیٹا کی سیمینٹک اینوٹیشن کو بیان کرتی ہیں، جو مختلف اصطلاحات کے درمیان ہائیئرارکل تعلق کو ظاہر کرتی ہیں۔ چند اہم مثالیں جین اونٹالوجی (GO) اور سسٹم بائیولوجی اونٹالوجی (SBO) ہیں۔

موجودہ ڈیٹا مینجمنٹ سسٹمز میں اسپریڈشیٹس، ویب بیسڈ الیکٹرانک لیب نوٹ بکس (ELN)، اور لیبارٹری انفارمیشن مینجمنٹ سسٹمز (LIMS) شامل ہیں۔ ڈیٹا مینجمنٹ سسٹمز کو اس طرح کسٹمائز کیا گیا ہے کہ وہ مختلف تجزیہ ٹولز اور کمپیوٹیشنل ورک فلوز کے ساتھ رسائی اور انٹیگریشن کر سکیں۔ Konstanz Information Miner (KNIME)، caGrid23، Taverna24، Bio-STEER25 اور Galaxy26 جیسے سسٹمز، مخصوص ورک فلوز کی تعمیر، عمل درآمد اور شیئرنگ کی اجازت دیتے ہیں۔ یہ ورک فلوز کمپیوٹیشنل پائپ لائن فراہم کرتے ہیں ڈیٹا ایکسچینج، ڈیٹا انٹیگریشن اور انٹر-ٹول کمیونیکیشن کو ممکن بناتے ہوئے۔ ڈیٹا مینجمنٹ، نیٹ ورک انفرنس، کیوریشن، سمیولیشن، ماڈل تجزیہ، مالیکیولر انٹرایکشن، اور فزیولوجیکل ماڈلنگ ٹولز کی فہرست جدول 11.1 میں دی گئی ہے۔

جدول 11.1 سافٹ ویئر، ٹولز اور ڈیٹا وسائل کا وسائل میٹرکس

یہ سسٹم ماڈلنگ ٹولز جزوی ڈفرنشنل مساواتوں (PDEs) کا ایک سیٹ شامل کرتے ہیں جو سپیشیوٹیمپورل سسٹمز کی نمائندگی کرتے ہیں۔ PDEs کو Finite Element Method (FEM) کے ذریعے حل کیا جاتا ہے، جو PDEs کے لیے ایک عددی تکنیک ہے۔ PDEs کو ANSYS، FreeFEM++، OpenFEM اور MATLAB کے ذریعے حل کیا جا سکتا ہے۔

سسٹم ماڈلنگ کے لیے کئی ٹولز استعمال کیے جاتے ہیں۔ ان میں JSim، OpenCell اور Flexible Large-scale Agent-based Modelling Environment (FLAME) وغیرہ شامل ہیں۔ مزید سمیولیشن ٹولز ترقی کے مرحلے میں ہیں جو سمیولیشن کے زیادہ حقیقی پہلوؤں کو چھوتے ہیں۔

11.2.5 ماڈل تجزیہ کے طریقے

پیچیدہ حیاتیاتی ماڈلز کے رویے کا تجزیہ کرنے کے لیے کئی ریاضیاتی تکنیکیں تیار کی گئی ہیں۔ ماڈل تجزیہ کے لیے کچھ بنیادی اصول ذیل میں پیش کیے گئے ہیں-

(i) سینسیٹیویٹی تجزیہ

سینسیٹیویٹی تجزیہ مختلف خلل کے خلاف سسٹم کی استحکام اور قابلیت کے بارے میں بیان کرتا ہے۔ سینسیٹیویٹی تجزیہ کے لیے کچھ اہم ٹولز ہیں: SBML-SAT، MATLAB SimBiology، ByoDyn اور SensSB۔

(ii) بائیفورکیشن اور فیز-اسپیس تجزیہ

بائیفورکیشن اور فیز-اسپیس تجزیہ سسٹم ماڈل کا تجزیہ کرنے کے لیے کیا جاتا ہے تاکہ ممکنہ مستحکم اور ڈائنامک رجحانات دریافت کیے جا سکیں۔ کچھ اہم ٹولز ہیں: AUTO، XPPAut، BUNKI اور ManLab۔

(iii) میٹابولک کنٹرول تجزیہ

میٹابولک کنٹرول تجزیہ (MCA) میٹابولک نیٹ ورک (مستحکم حالت میں) کی خصوصیات اور جزوی ردعمل کے درمیان تعلق کو سمجھنے کے لیے کیا جاتا ہے۔ اس کے لیے MetNetMaker ایک ٹول ہے۔

خلاصہ

• حیاتیات دانوں کے ذریعے روزانہ پیدا ہونے والے بڑھتے ہوئے ڈیٹا کے ساتھ، پیچیدہ ڈیٹا سیٹس کو مؤثر طریقے سے ہینڈل کرنا تاکہ فرضیات کو جنم دیا اور ان کا جائزہ لیا جا سکے، یہ مزید اہم ہو گیا ہے۔ پروگرامنگ زبانیں سائنسدانوں کے لیے حیاتیاتی ڈیٹا تک رسائی، فلٹر اور مینپولیٹ کرنا آسان بناتی ہیں۔
• سب سے زیادہ جدید پروگرامنگ زبانوں میں Python اور R شامل ہیں۔ Python یونکس، میک اور ونڈوز پر چل سکتی ہے، اور سکوئنس اور اسٹرکچر ڈیٹا سیٹس کی وژولائزیشن اور تجزیہ کے لیے استعمال ہوتی ہے۔ $R$ زبان اعدادوشمار کے ٹولز کی سہولت فراہم کرتی ہے، اور ہائی وولیوم تجزیہ اور وژولائزیشن کے لیے موزوں ہے۔
• سسٹم بائیولوجی پیچیدہ حیاتیاتی ڈیٹا سیٹس کا تجزیہ کرنے کے لیے کمپیوٹیشنل طریقے استعمال کرتی ہے۔ سسٹم ماڈلز کی مثالیں میٹابولک اور سگنلنگ نیٹ ورک ہیں۔
• ڈیٹا مینجمنٹ، نیٹ ورک ڈویلپمنٹ پیرامیٹرز کی آپٹمائزیشن، پرفارمنس تجزیہ اور تشخیص سسٹم بائیولوجی کے کمپیوٹیشن کے لیے کچھ اہم ضروریات ہیں۔ سسٹم بائیولوجی میں ڈیٹا مینجمنٹ کے تین پہلو ہیں، یعنی کم از کم معلومات، فائل فارمیٹس اور اونٹالوجیز۔

ورزش

1. پروگرامنگ زبانیں حیاتیات دانوں کے لیے کیوں ایک نعمت ہیں؟

2. سسٹم بائیولوجی کے لیے ڈیٹا مینجمنٹ کے مختلف پہلوؤں کے نام بتائیں۔

3. غلط بیان کا انتخاب کریں

(a) Python ایک پروگرامنگ زبان ہے۔

(b) حیاتیات دانوں کو ڈیٹا سیٹس کے ہینڈلنگ کے لیے اعدادوشمار کے ٹولز کا علم درکار نہیں ہوتا۔

(c) زیادہ تر ایپلیکیشنز لینکس پلیٹ فارم پر تیار کی گئی ہیں۔

(d) Python تھرڈ پارٹی ٹول کٹس فراہم کرتی ہے۔

4. سسٹم بائیولوجی ہے

(a) تمام جانداروں کا نظاماتی مطالعہ۔

(b) تمام بائیو کیمیکل اور سگنلنگ پاتھویز کا مکمل مطالعہ۔

(c) کمپیوٹیشنل اور تجرباتی طریقوں کے ذریعے حیاتیاتی نظاموں کا تفصیلی مطالعہ۔

(d) انزائمز کی حرکیات کا مطالعہ۔

5. درج ذیل میں سے کس کو ڈیٹا مینجمنٹ سسٹمز میں شامل نہیں کیا گیا ہے؟

(a) میٹابولک کنٹرول تجزیہ

(b) اسپریڈشیٹس

(c) ویب بیسڈ الیکٹرانک لیب نوٹ بکس (ELN)

(d) لیبارٹری انفارمیشن مینجمنٹ سسٹمز (LIMS)

6. سسٹم بائیولوجی کی ضرورت کیا ہے؟

7. سسٹم بائیولوجی اور فزیولوجی کے درمیان بنیادی فرق کیا ہے؟

8. سسٹم بائیولوجی کو طریقوں اور ٹولز کے مجموعے کے طور پر وضاحت کریں۔

9. کیا سسٹم بائیولوجی سیل-سینٹرک ہے؟