کمبود داده در حوزه ریاضیات زیستی، نقش پژوهشگران بیوانفوماتیک در حوزه سرطان و فراوری دارو - اخذ ویزا

به گزارش خبرنگاران، فریدریش گاوس می گوید ریاضیات ملکه علوم است و امروزه می دانیم علوم بسیاری برای پیشرفت خود به ریاضیات وابسته هستند. بعضی از دانش آموزان رشته تجربی یکی از دلایل انتخاب این رشته را بیزاری از ریاضیات عنوان می نمایند؛ اما احتمالا نمی دانند که امروزه ریاضیات چه کاربرد گسترده ای در علوم تجربی و مخصوصا زیست شناسی دارد.

ریاضیات زیستی یک نمونه جالب توجه از کاربردهای ریاضیات است. یکی از فعالیت های پژوهشگران این رشته شناخت بیماری ها و مدل سازی آن ها به یاری ریاضیات است که می تواند یاری قابل توجهی در جهت درمان بیماری های صعب العلاجی چون سرطان داشته باشد؛ برای آشنایی بیشتر با این رشته نسبتا جدید و پرطرفدار با استاد ریاضیات زیستی دانشگاه شریف هم صحبت شدیم.

دکتر محمدهادی فروغمند اعرابی، عضو هیات علمی دانشگاه شریف در گفت وگو با خبرنگاران درباره پیوند ریاضیات و زیست شناسی و آن چه که باعث ایجاد ریاضیات زیستی شده است، گفت: از گذشته ها برای تحلیل، آنالیز و پیش بینی رفتار موضوعات مختلف از ریاضیات استفاده می شده است. به طور مثال برای پیش بینی رشد جمعیت ها و حرکت فراوانی جمعیت می توان از ابزارهای ریاضی استفاده کرد. اگرچه اخیرا ابزارهای ریاضیاتی نیز پیشرفت نموده اند و با استفاده از این ابزارها می توانیم بهتر روندها را مدل سازی کنیم، اما علت اصلی پررنگ شدن ریاضیات زیستی، پیشرفت های اخیر در علم زیست شناسی است. در صد سال اخیر دانش جدید زیست شناسی به گونه ای پیش رفته که با دانش قبلی بسیار متفاوت شده است. در گذشته دانشمندان نظم خاصی برای حیات قائل نبودند؛ اما پیشرفت های اخیر نظم و مشابهت های زیادی را در اجزای حیات کشف کرد. کشف DNA و دگمای مرکزی نشان داد که عملکرد سلول ها، به عنوان کوچک ترین موجودات زنده، بسیار دقیق و ریاضی وارتر از آن چیزی است که پیش از این به نظر می آمد. این پیشرفت ها سنگ بنای ورود جدی تر ریاضی دانان به حوزه زیست شناسی بود.

وی ادامه داد: با پیشرفت فناوری، پژوهشگران توانستند داده های متنوع تری از موجودات زنده به دست آورند. برای به دست آوردن دو مجموعه داده، سرمایه گذاری وسیعی اجرا شده است. این دو مجموعه داده شامل داده های ژنتیکی (ژنوم) و داده های مربوط به مغز است. داده های به دست آمده، بسیار حجیم بودند، در نتیجه پس از استخراج داده ها، احتیاج به تحلیل داده ها با ابزارهای جدید ریاضی و کامپیوتر پررنگ تر شد.

فروغمند با اشاره به این که فعالیت های محققان ریاضیات زیستی در حوزه سرطان عموما مربوط به آنالیز ژنتیکی است، اظهار داشت: سرطان موضوعی کهن در حوزه پزشکی است. حتی ابن سینا نیز در کتاب های خود به بیماری سرطان اشاره نموده است، اما واقعیت این است که ما اخیرا متوجه شدیم که سرطان واقعا چیست، چگونه به وجود می آید و چه طور رشد می نماید. هم چنین در گذشته با اتکا به دانش به دست آمده امیدوار بودیم بتوانیم سرطان را درمان کنیم. برای درمان سرطان از روش های متنوعی استفاده شده است. برای مثال معمول ترین روش های مورد توجه برای درمان سرطان، روش های معمول پزشکی است. در روش های معمول پزشکی، پژوهشگران عموما سعی می نمایند داروهایی را پیدا نمایند که موجب درمان سرطان گردد. این روش از ابتدا مورد توجه بوده و هم چنان در مراکز پژوهشی از اصلی ترین روش ها به شمار می آید.

این استاد ریاضیات زیستی اضافه کرد: این که با وجود سرمایه گذاری های اقتصادی و انسانی فراوان هنوز نتوانسته ایم درمانی برای سرطان، که یک بیماری مهم برای حال و آینده بشر به شمار می آید، پیدا کنیم، موجب شد تقریبا همه رشته ها برای شناخت و درمان سرطان دست به کار شوند. عده ای معتقدند که نیافتن روش درمانی قطعی برای سرطان نتیجه شناخت ناکامل ما از سرطان است. کارهای مختلفی هم برای توصیف و در نتیجه شناخت بهتر سرطان، انجام شد که یک نمونه از این کارها، مدل سازی سرطان بود. طبیعتا وقتی بحث مدل سازی مطرح می گردد، مدل ها عموما مدل های ریاضی هستند بسته به میزان سادگی مدل، قابلیت تحلیل آن برای ما بیشتر است؛ یعنی هر چه بتوانیم مدل های ساده تری طراحی کنیم، بهتر می توانیم آن مدل را تحلیل کنیم.

این استاد دانشگاه شریف با بیان اینکه ابتدایی ترین موضوعی که سعی می گردد در سرطان مدل گردد، رشد سلول های سرطانی است، اضافه کرد: مثلا ما می خواهیم پیش بینی کنیم که چند درصد انسان ها دچار سرطان می شوند، کاری که به طور طبیعی می توان انجام داد این است که یک مدل ریاضی، به همراه معادله های ریاضی، برای پدیده رشد سلول های سرطانی، طراحی و جواب معادله را محاسبه کرد. به طور طبیعی ریاضیدانان باید کوشش نمایند مدل های درستی طراحی نموده و سپس مدل ها را تحلیل نمایند.

فروغمند ادامه داد: قسمتی از پژوهش هایی که تاکنون به آن ها اشاره نموده ایم،به طور دقیق تر مربوط به علوم کامپیوتر است.از فزونی های علوم کامپیوتر در زمینه تحلیل پدیده سرطان، این است که نمی توانیم بعضی از مدل های مربوط به سرطان را با دقت ریاضی مناسب تحلیل نموده و آینده آن ها را پیش بینی کنیم.محققان علوم کامپیوتر سعی می نمایند به یاری علوم کامپیوتر وارد این حوزه شده و با استفاده از ابزارهای علوم کامپیوتری مدل ها را تحلیل نمایند.

این محقق ریاضیات زیستی در ادامه با بیان اینکه نگاه حاکم بر علوم کامپیوتر و ریاضیات یکسان است اظهار کرد: نزدیکی این دو رشته به حدی است که در بیشتر دانشگاه های ایران رشته علوم کامپیوتر و ریاضی هر دو در یک دانشکده هستند.در یک دید کلی علوم کامپیوتری ها و ریاضی ها یک کار را انجام می دهند. آن ها در این حوزه به طور کلی سرطان را مدل سازی می نمایند و کوشش می نمایند فهم خود را بیشتر و از این فهم برای درمان سرطان استفاده نمایند.در این حیطه، ریاضی دانان از ابزارهای نظری تر ریاضی مثل معادلات دیفرانسیل استفاده می نمایند و سعی می نمایند با نوشتن و حل معادله مدل سازی ها را انجام دهند.در مقابل، دانشمندان علوم کامپیوتر از ابزارهای دیگری برای مدل سازی استفاده می نمایند. فرض کنید مدلی داشته باشیم که در آن سرطان را به صورت مجموعه ای از سلول ها، که هر کدام موجودی هوشمند است، مدل سازی کنیم. تحلیل این مدل ها با ابزارهای ریاضی سخت است ولی شبیه سازی آن به نسبت کار آسانتری است. به همین خاطر در این موارد محققان علوم کامپیوتراز ابزارهای شبیه سازی استفاده می نمایند و سعی می نمایند رفتار کلی موارد شبیه سازی شده را مدل سازی نمایند و به تبع استنتاجی در این زمینه انجام دهند؛ درنتیجه، در یک دید کلی، کار ریاضی دان ها و علوم کامپیوتری ها یکسان است ولی هرکدام از دو گروه با موضوعاتی که بیشتر به آن ها آشنا هستند وارد حوزه مدل سازی های زیستی شده اند.

فروغمند با بیان اینکه همه حوزه فعالیت های محققان ریاضیات زیستی مدل سازی نیست اضافه کرد: البته همه کار هم مدل سازی نیست، فرض کنید خیلی وقت ها مدل سازی قبلا اجرا شده و حالا شما می خواهید مساله ای پیچیده تر را با توجه به مدل سازی حل کنید. مثلا فرض کنید ریاضیدانان یک معادله دیفرانسیلی دارند که رفتار تومور سرطانی را توصیف می نماید، حالا به دنبال این هستند که ببینند با چه تغییراتی این تومور با کمترین هزینه نابود می گردد.

وی درباره وضعیت علم ریاضیات زیستی در ایران گفت: در حال حاضر ریاضیات زیستی در ایران وضع بدی ندارد؛ البته من نمی دانم زمان شروع کارهای پژوهشی در ریاضیات زیستی، نسبت به زمان شروع در کشورهای دیگر چگونه بوده، اما حداقل می دانیم در ایران نیز تقریبا همزمان با اوج گیری ریاضیات زیستی در کشورهای دیگر ریاضیات زیستی فراگیرتر شد؛ مثلا اولین پذیرش دانشجو در رشته بیوانفورماتیک در ایران تقریبا همزمان بود با پذیرش اولین دانشجوها در این رشته در کشورهای پیشرفته.

این محقق بیوانفورماتیک درباره استقبال دانشجویان برای پژوهش در حوزه ریاضیات زیستی، گفت: طبیعتا از لحاظ منابع انسانی وضع خوبی داریم و این رشته هواداران زیادی هم دارد. میان استادان و دانشجویان تمایل خوبی وجود دارد که وارد این حیطه شوند؛ اما یکی از موضوعاتی که باعث می گردد این رشته ها بیشتر جذاب گردد، مسائل اقتصادی است. در کشورهای پیشرفته سرمایه گذاری هایی که می گردد، باعث جذب اساتید و دانشجویان به آن حوزه ها می گردد. در آمریکا سرمایه گذاری های زیادی روی علوم زیستی شده است و به تبع آن هم دانشجویان فراوانی وارد رشته های مرتبط شده اند. در ایران هم این سرمایه گذاری ها شده است، اما نه مانند کشورهای پیشرفته. یکی از نتایج سرمایه گذاری دریک موضوع علمی این است که داده های فراوانی در آن حوزه فراوری می گردد. در اروپا و آمریکا داده های فراوان زیستی برای فعالیت محققانشان وجود دارد و در بسیاری از موارد هنگامی که محققان احتیاج به آنالیز موضوعی دارند، داده های مربوط به موضوع پژوهش را فراوری می نمایند. فراوری داده هم هزینه های بسیار بالایی دارد و طبیعتا ما به نسبت کشورهای اروپایی و آمریکا داده های اندکی فراوری می کنیم. البته باید توجه داشت که بسیاری از داده های آن ها به صورت رایگان برای همه پژوهشگران در دسترس است؛ اما داشتن داده های به روزتر و هدف مندانه تر باعث فزونی در زمینه های علمی می گردد. کمبود داده یکی از ضعف های ماست، اما در عوض از لحاظ کیفیت و کمیت نیروی انسانی وضعیت بدی نداریم.

ریاضیدانان زیستی، نسل جدیدی از محققان

فروغمند با اشاره به پروژه ژنوم انسان که با همکاری محققان بسیاری در دهه نود میلادی شروع شد، درباره پیشرفت فناوری استخراج داده ها گفت: در گذشته مثلا حدود سال 1990 پروژه بزرگی تعریف شد که تعدادی از کشورها بودجه آزمایش های آن پروژه را تامین می کردند. هدف پروژه استخراج داده های ژنوم انسان بود و هزینه بسیاری داشت. کم کم فناوری هایی فراوری شد که استخراج داده را راحت تر و کم هزینه تر کرد. در حال حاضر با وجود فناوری های جدید بخش بزرگی از فراوری داده به سادگی و با هزینه ای بسیار کم تر نسبت به گذشته انجام می گردد. یعنی پژوهشگر کافی است به یک داده خاص اعلام احتیاج کند، سازوکاری از پیش معین شده و آماده وجود دارد که با استفاده از آن داده ها فراوری می شوند. اما نوع دیگری از تهیه داده هم وجود دارد که از طریق انجام آزمایش های غیرمعمول تر به دست می آید و فناوری آماده ای ندارد. از طرف دیگر، استفاده از داده ها به دو دسته تقسیم می گردد؛ دسته ای از آن ها داده هایی است که پژوهشگران تقریبا می دانند از آنالیز آن ها چه نتایجی باید به دست بیاید و بعضی داده ها هم برای فراوری نظریه های جدید استفاده می شوند. ارائه یک نظریه جدید معمولا به داده های پیچیده تر و آزمایش های پیچیده تری احتیاج دارد.

عضو هیات علمی دانشگاه صنعتی شریف با بیان اینکه نه ریاضیدانان و نه زیست شناسان به تنهایی نمی توانند در حوزه ریاضیات زیستی فعالیت نمایند، گفت: واقعیت این است که نه ریاضیدانان و نه زیست شناسان هیچ کدام نمی توانند فعالیت های ریاضیات زیستی داشته باشند و از طرف دیگر هم اساسا ریاضیدانان و زیست شناسان حرف یکدیگر را نمی فهمند تا بتوانند کار مشترکی انجام دهند. در گذشته می گفتند که خیلی خوب است که یک ریاضیدان با یک زیست شناس همکاری علمی داشته باشند و به یک نتیجه مشترکی برسند. بعد از مدتی متوجه شدند که چنین چیزی عملی نیست و اتفاقی که افتاد، این بود که گروهی از ریاضیدانان به سراغ یادگیری زیست شناسی رفتند که همین افراد محققان ریاضیات زیستی شدند. حتی مدیر پروژه بزرگ ژنوم انسانی که پیشتر شرح دادم، یک ریاضیدان بود. کل این پروژه شامل یک بخش بزرگ آزمایشگاهی و یک قسمت کوچک محاسباتی بود. ریاضیدانان زیستی نسل جدیدی از محققان هستند. ریاضیدانان علاقه مند به فعالیت در حوزه ریاضیات زیستی، دانش زیست شناسی را از ابتدا مطالعه می نمایند تا بعدتر به محققان ریاضیات زیستی تبدیل شوند. همین طور زیست شناسانی هم که بخواهند در حوزه ریاضیات زیستی مشغول به کار شوند، باید ریاضی را از پایه مطالعه نمایند؛ یعنی هیچ کدام به تنهایی نمی توانند درحوزه ریاضیات زیستی کار نمایند.

وی درخصوص انواع مختلف مدل سازی هایی که ریاضیدانان زیستی انجام می دهند و تاثیر آن ها بر روند درمان سرطان، گفت: بعضی از این مدل سازی به این شکل است که اثرات دارو را مدل می نماید؛ یعنی معین می نماید یک داروی خاص چه اثراتی دارد. پژوهشگران ریاضیات زیستی این تاثیر را مدل می نمایند و معین می نمایند که چه مقدار از این دارو باید به بیمار تزریق گردد؛ یعنی بعضی از فعالیت های ریاضیات زیستی تا این حد مستقیم در درمان یک بیماری اثرگذار است و بعضی از فعالیت ها غیرمستقیم است. مثلا فعالیت هایی که در حوزه شناخت سرطان صورت می گیرد، با این هدف است که ابتدا سرطان به طور کامل شناخته گردد و بعدتر برای مقابله با آن راه چاره اندیشیده گردد؛ مثلا بعضی امیدوارند با مدل سازی های خود نشان دهند که یک نظریه درباره رشد سرطان اصلا اشتباه است؛ یعنی با مدل سازی نشان دهند که برخلاف تئوری های موجود، اساس ایجاد سرطان چیز دیگری است، مثل کاری که حدود دو سال پیش انجام شد و خیلی هم پرسروصدا بود. دو سال پیش میان دو گروه مخالف و موافق بحثی درباره تصادفی بودن یا نبودن پدیده سرطان درگرفت که هر دو گروه هم مقالاتی در مجله های معتبر چاپ می کردند. بعضی می گفتند سرطان پدیده ای تصادفی است و بعضی دیگر معتقد بودند این پدیده تصادفی نیست. افرادی که معتقد بودند این پدیده تصادفی است، می گفتند کوشش نکنید زندگی سالمی داشته باشید و سرطان به سبک زندگی ربط چندانی ندارد؛ اما گروه مقابل معتقد بودند که سبک زندگی تاثیر مهمی در ابتلا به سرطان دارد. هر دو گروه هم مدل سازی های ریاضی انجام داده بودند که بتوانند با داده ها نتایج خود را توجیه نمایند. این کارها، نمونه هایی از پژوهش هایی است که خیلی با پیشنهاد درمان فاصله دارند؛ ولی خب طبیعتا تاثیر زیادی در شناخت ما از سرطان دارد و رسیدن به شناخت درست مقدمه ای است برای مقابله با این بیماری.

وی درپایان درباره همکاری های محققان ریاضیات زیستی با پژوهشکده ها و بیمارستان ها و نقش پژوهشگران ریاضیات زیستی در فراوری دارو، گفت: واقعیت این است که در بیمارستان ها افرادی که کارهای درمانی انجام می دهند، حتی از زیست شناسان هم تاثیر مستقیم نمی گیرند؛ به این دلیل که مسائل حوزه درمان استانداردهای خاص خود را دارد و نمی گردد با یکی دو آزمایش و نتیجه گیری یک کار درمانی را انجام داد. در نتیجه چندان هم این آزمایش ها و نتیجه گیری ها روی کار آن ها تاثیر نخواهد داشت؛ همه جای جهان هم این چنین است. ما با بخش هایی که کارهای پژوهشی انجام می دهند، همکاری داریم؛ مثلا همکاری ما با یکی از این پژوهشکده ها به این شکل است که آن ها می گویند ما یک دارو را فراوری نموده ایم که تفاوت هایی با داروهای معمولی دارد و از ما می خواهند این دارو را مدل کنیم که دریابیم آیا این دارو از داروهای معمول بهتر عمل می نماید یا نه و از چه نسبتی از دارو استفاده گردد، تاثیرپذیری بهتری دارد. بعد از این مدل سازی ها آزمایش هایی روی سلول انجام می دهند و بعد از نتیجه دریافت، دارو را روی موش آزمایش می نمایند. سپس بعد از اخذ تاییدیه های لازم دارو برای انسان ها فراوری می گردد. این روند معمول جهانست.