ظهور داده‌های توان بالا[1] طی دو دهه گذشته منجر به اندازه‌گیری تقریبا تمامی ترکیبات در درون سلول و تولید حجم زیادی از داده‌های توان بالا شده است. داده‌های توان بالا به داده‌های بدست آمده از تکنولوژی‌های توان بالا که بطور همزمان حجم زیادی از مقادیر متغیر را ارائه می‌کنند، گفته می‌شود. دستیابی به حجم عظیمی از داده‌های توان بالا منجر به ایجاد علوم مختلف ژنومیکس، ترانسکریپتومیکس، پروتئومیکس، متابولومیکس و فلاکسومیکس شده است که هدف اصلی این علوم جمع‌آوری، نگهداری، مدیریت و تحلیل این داده‌های بیولوژیک است. تولید داده‌های توان بالا روز به روز آسانتر و کم هزینه‌تر می‌شود در حالیکه تفسیر این داده‌ها، تطابق و ادغام آنها با یکدیگر بعنوان یک چالش بزرگ مطرح است که منجر به ایجاد علم جدید زیست‌شناسی سامانه‌ها شده است. زیست‌شناسی سامانه‌ها یک زمینه تحقیقاتی بین رشته‌ای است که بدنبال مطالعه فرآیند زیستی با یک رویکرد تلفیقی[2] است. زیست‌شناسی سامانه‌ها با در نظر گرفتن موجود زنده بعنوان یک سامانه که دارای ترکیبات درون سلولی و ورودی و خروجی است و با تعیین برهم‌کنش این ترکیبات به دنبال تجزیه و تحلیل رفتار سلولی و دستیابی به درک بهتر از عملکرد آن است. مطابق شکل 1، در قرن بیستم دانشمندان با یک رویکرد تقلیل‌گرا[3] به دنبال جداسازی اجزاء سلول و مطالعه بر روی هر یک از اجزاء به تنهایی بودند. با توجه به دانش و اطلاعات جمع‌آوری شده، هدف در قرن بیست و یکم دیگر تنها مطالعه اجزاء سلولی به تنهایی نمی‌باشد و دانشمندان با یک رویکرد تلفیقی به دنبال بررسی برهم‌کنش بین ترکیبات، پیوندهای بین آنها و قابلیت‌های هستند که از اجتماع همه پیوندها بوجود می‌آید (شکل 1). برای روشن‌تر شدن مطلب می‌تواند به اجزاء مختلف یک خودرو اشاره نمود که هر یک به تنهایی دارای قابلیت حرکت نیستند ولی از پیوند و اجتماع اجزاء، ویژگی و قابلیت جدیدی بنام قابلیت حرکت ایجاد می‌شود. مطالعه قابلیت‌های یک سامانه و ارائه راهکارها برای دستیابی به قابلیت‌های جدید و حذف یک قابلیت نامطلوب در آن سامانه هدف اصلی زیست‌شناسی سامانه‌ها است. تفکر سامانه‌ای مطرح می‌تواند در حل معضلات فعلی بشر و توسعه پایدار نیز بسیار موثر باشد. در واقع، می‌توان گفت که داشتن تفکر سامانه‌ای یکی از ارکان مهم توسعه پایدار در هر علمی است.
 شکل 1. هدف در قرن بیستم مطالعه و شناسایی اجزاء درون سلولی و در قرن بیست و یکم بررسی برهم‌کنش بین اجزاء و دستیابی به دانش زیست‌شناسی سامانه‌ها.
مهندسی متابولیک توسعه روش‌ها و مفاهیم برای آنالیز شبکه‌های متابولیکی عموما با هدف پیدا کردن راهکار برای مهندسی کارخانه سلولی تعریف می‌شود. در واقع، مهندسی متابولیک به دنبال تعیین دست‌ورزی در متابولیسم است که منجر به بهبود عملکرد سلول گردد و به این سئوال پاسخ می‌دهد که تغییر در عملکرد کدام ژن و آنزیم متابولیکی، تنظیمی و یا انتقال دهنده عملکرد سلول را بهبود می‌بخشد. بعد از رسیدن به پاسخ، اعمال دست‌ورزی مورد نظر با استفاده از تکنولوژی DNA نوترکیب بسادگی امکان‌پذیر است. در بعضی مواقع راهکار مهندسی متابولیکی برای بهبود عملکرد سلول براحتی قابل دستیابی است. افزایش فعالیت آنزیم‌های مورد نظر، حذف مسیرهای محصولات رقیب برای عدم تولید آنها و افزودن یک مجموعه واکنش‌های جدید منجر به بهبود عملکرد سلول می‌شود. اما در بیشتر موارد طریقه دست‌ورزی به وضوح قابل مشاهده نیست. مثلا اگر دست‌ورزی موردنظر دو هدف برای نمونه افزایش تولید محصول و جلوگیری از کاهش رشد را دنبال کند، بسادگی نمی‌توان واکنش‌ها و ژن‌های هدف را شناسایی نمود. در اینجا، از مهندسی متابولیک سامانه‌ای استفاده می‌شود. مهندسی متابولیک سامانه‌ای از دانش زیست‌شناسی سامانه‌ها[4] و تکنولوژی داده‌های توان بالا[5] استفاده می‌کند تا با ابزار مدل‌سازی و شبیه‌سازی و به کمک داده‌های امیکس [6] بتواند اتفاقات درون سلولی را رصد کند و با شناخت دقیق‌تری دست‌ورزی ژنتیکی مورد نیاز را تعیین نماید. طبق برآورد سند ملی زیست‌فناوری مصوب مورخ 19 /2/1384 هیات وزیران، ارزش فرآورده‌های زیستی بالغ بر 400 میلیون دلار بوده و مقدار ناچیزی از آن صادر گردیده است. به استناد این سند ملی، ارزش فرآورده‌های زیستی در بلند مدت باید به 1.2 میلیارد دلار برسد و ایران باید به 3 درصد از بازار زیستی جهان دست بیابد و 30 درصد از فرآورده‌های شیمیایی خود را با استفاده از زیست‌فناوری تولید کند. 3 درصد از بازار زیستی معادل حدود 20 تا 30 میلیارد دلار است. دستیابی به این اهداف در برنامه چشم‌انداز 1404 با بهبود فرآیندهای زیستی و قابل رقابت کردن آنها با روش‌های شیمیایی امکان‌پذیر است و اهمیت مهندسی متابولیک سامانه‌ای در اینجا به وضوح قابل مشاهده است.
در دهه‌های اخیر علاوه بر استفاده از زیست‌شناسی سامانه‌ها در مهندسی متابولیک، بحث استفاده از آن در زیست‌شناسی مصنوعی[7] نیز مطرح گردید. زیست‌شناسی مصنوعی علم ساخت یک سامانه زیستی مصنوعی جدید برای دستیابی به اهداف مورد نظر است که در طبیعت وجود ندارند. در واقع، زیست‌شناسی سامانه‌ها مدل‌های ریاضیاتی پیش‌بینی کننده برای سامانه‌های زیستی ارائه می‌کند و این مدل‌های می‌توان برای اصلاح سامانه میکروبی و مهندسی مجدد[8] آن برای بهبود عملکرد بکار رود که همان مهندسی متابولیک است. همچنین، این مدل‌ها می‌توانند در مهندسی رو به جلو[9] برای طراحی بیوسیستم‌های مصنوعی که بطور کامل توسط بشر ساخته شده است، بکار رود. شکل 2 رابطه زیست‌شناسی سامانه‌ها با مهندسی متابولیکی و زیست‌شناسی مصنوعی را نشان می‌دهد.
 شکل 2 رابطه زیست‌شناسی سامانه‌ها با مهندسی متابولیک و زیست‌شناسی مصنوعی.
علاوه بر اهمیت و کاربرد زیست‌شناسی سامانه‌ها در صنعت و فرآیندهای تولید زیستی، این دانش نقش بسزایی در دانش پزشکی آتی خواهد داشت. دستیابی و بکارگیری فناوری زیستی پزشکی برای پیشگیری، تشخیص و درمان بیماری‌ها یکی از اهداف سند ملی زیست‌فناوری مصوب مورخ 19 /2/1384 هیات وزیران است که در آن، بیماری‌های متابولیکی سرطان و دیابت و بیماری‌های وراثتی بعنوان نمونه‌هایی از بیماری‌های هدف مطرح شده است. واضح است که دستیابی به راهکار تشخیص و درمان موثر بسیاری از بیماری پیچیده همچون سرطان و دیابت به علت پیچیدگی شبکه زیستی امکان‌پذیر نشده است. در این راستا، زیست‌شناسی سامانه‌ها با نگاه جامع‌نگر خود برای درک بهتر بیماری و ارائه راهکار پیشگیری، تشخیص و درمان بسیار موثر خواهد بود (شکل 3).
شکل 3. اهمیت زیست‌شناسی سامانه‌ها در شناخت و درمان بیماری‌های پیچیده.
بیماری‌های متابولیکی همچون سرطان، چاقی و دیابت را با استفاده از مدل‌سازی متابولیکی می‌توان مورد مطالعه قرار داد. بررسی شبکه‌های بیوشیمیایی دیگر همچون شبکه سیگنالی و شبکه تنظیمی شامل برهم‌کنش بین ژن، پروتئین و ریزRNA[10] که اختلال در آنها می‌توان عامل بیماری باشد به کمک زیست‌شناسی سامانه‌ها امکان‌پذیر است. شناسایی نشانگرهای زیستی و هدف‌های دارویی جدید و ارزیابی تاثیر ترکیب درمانی داروها و عوارض جانبی آنها با استفاده از زیست‌شناسی سامانه‌ها امکان‌پذیر است.
توسعه زیست‌شناسی سامانه‌ها در توسعه دانش پزشکی شخصی شده بسیار موثر خواهد بود. پزشکی شخصی شده یک روش نوین برای مراقبت‌های بهداشتی درمانی است که برای هر بیمار بر اساس فاکتورهای ژنتیکی، صفاتی و محیطی او راهکار درمان مختص به خود او را ارائه می‌کند. این امر باعث می‌شود بیمار و پزشک بر جلوگیری و پیش‌بینی بیماری تمرکز داشته باشند، تصمیم‌گیری‌های پزشکی آگاهانه باشد، احتمال درمان مورد نظر افزایش یابد، عوارض جانبی درمان کاهش یابد و بیماری در مراحل اولیه تشخیص داده شود. این روش هزینه‌های پزشکی را از درمان به تشخیص سوق می‌دهد و انتظار می‌رود که به کاهش معنی‌دار هزینه‌های بهداشتی-درمانی منجر شود. بودجه حوزه بهداشت و درمان در لایحه بودجه سال 1395، 58 هزار میلیارد تومان است که این مبلغ 7.2 درصد از کل بودجه کشور است. 60 درصد از بودجه وزارت بهداشت برای درمان هزینه می‌شود. ارائه روش‌های نوین پزشکی برای پیشگیری و تشخیص زودهنگام می‌تواند در کاهش هزینه‌های درمانی بسیار موثر باشد.
پیچیدگی‌های یک فرآیند زیستی و حجم زیاد داده‌های زیستی موجود باعث شده است که استفاده از دیدگاه سامانه‌ای رشد چشمگیری در زیست‌شناسی طی دهه‌های اخیر داشته باشد. با توجه به نقش زیست‌شناسی سامانه‌ها در صنعت و پزشکی، توسعه و سرمایه‌گذاری برای آینده اجتماعی و اقتصادی کشور ضروری است و در راستای برنامه‌های زیربنایی برای توسعه کشور قلمداد می‌شود. علیرغم اهمیت این موضوع در دنیا و سرمایه‌گذاری کشورهای مختلف، برنامه‌ریزی مدون برای توسعه این دانش نشده است و این امر به منزله عقب افتادگی در عرصه‌های جدید زیست فناوری خواهد شد. بنابراین، به منظور اشاعه این فناوری راهبردی، دانشگاه تربیت مدرس با همکاری ستاد توسعه زیست‌فناوری اقدام به برگزاری سومین همایش ملی زیست‌شناسی سامانه‌ها نموده است. امید است که این کنفرانس در ارتقاء سطح دانش زیست‌شناسی سامانه‌ها و تبیین توانمندی‌های آن در کشور موثر باشد و گردهمایی متخصصان و فراهم نمودن بستری برای تبادل نظر بین کارشناسان باعث تشویق و ترغیب پژوهشگران به کاربردی نمودن زیست‌شناسی سامانه‌ها و گسترش ارتباط علمی بین مراکز تحقیقاتی و پژوهشی کشور گردد.
[1] high-throughput data
[2] Integrative approach
[3] Reductionist approach
|