کمبود "داده" در حوزه ریاضیات زیستی/نقش پژوهشگران بیوانفوماتیک در حوزه سرطان و تولید دارو

به گزارش سارنا به نقل از ایسنا، "فریدریش گاوس" می‌گوید ریاضیات ملکه علوم است و امروزه می‌دانیم علوم بسیاری برای پیشرفت خود به ریاضیات وابسته‌ هستند. برخی از دانش‌آموزان رشته تجربی یکی از دلایل انتخاب این رشته را بیزاری از ریاضیات عنوان می‌کنند؛ اما احتمالا نمی‌دانند که امروزه ریاضیات چه کاربرد گسترده‌ای در علوم تجربی و مخصوصا زیست‌شناسی دارد.

ریاضیات زیستی یک نمونه جالب توجه از کاربردهای ریاضیات است. یکی از فعالیت‌های پژوهشگران این رشته شناخت بیماری‌ها و مدل‌سازی آن‌ها به کمک ریاضیات است که می‌تواند کمک قابل توجهی در جهت درمان بیماری‌های صعب‌العلاجی چون سرطان داشته باشد؛ برای آشنایی بیشتر با این رشته نسبتا جدید و پرطرفدار با استاد ریاضیات زیستی دانشگاه شریف هم‌صحبت شدیم.

دکتر محمدهادی فروغمند اعرابی، عضو هیات‌علمی دانشگاه شریف در گفت‌وگو با ایسنا درباره پیوند ریاضیات و زیست‌شناسی و آن‌چه که باعث ایجاد ریاضیات زیستی شده است، گفت: از گذشته‌ها برای تحلیل، بررسی و پیش‌بینی رفتار موضوعات مختلف از ریاضیات استفاده می‌شده است. به طور مثال برای پیش‌بینی رشد جمعیت‌ها و حرکت فراوانی جمعیت می‌توان از ابزارهای ریاضی استفاده کرد. اگرچه اخیرا ابزارهای ریاضیاتی نیز پیشرفت کرده‌اند و با استفاده از این ابزارها می‌توانیم بهتر روندها را مدل‌سازی کنیم، اما علت اصلی پررنگ شدن ریاضیات زیستی، پیشرفت‌های اخیر در علم زیست‌شناسی است. در صد سال اخیر دانش جدید زیست‌شناسی به گونه‌ای پیش‌رفته که با دانش قبلی بسیار متفاوت شده است. در گذشته دانشمندان نظم خاصی برای حیات قائل نبودند؛ اما پیشرفت‌های اخیر نظم و مشابهت‌های زیادی را در اجزای حیات کشف کرد. کشف DNA و دگمای مرکزی نشان داد که عملکرد سلول‌ها، به عنوان کوچک‌ترین موجودات زنده، بسیار دقیق و ریاضی‌وارتر از آن چیزی است که پیش از این به نظر می‌آمد. این پیشرفت‌ها سنگ بنای ورود جدی‌تر ریاضی‌دانان به حوزه زیست‌شناسی بود.

وی ادامه داد: با پیشرفت فناوری، پژوهشگران توانستند داده‌های متنوع‌تری از موجودات زنده به دست آورند. برای به دست آوردن دو مجموعه داده، سرمایه‌گذاری وسیعی انجام شده است. این دو مجموعه داده شامل داده‌های ژنتیکی (ژنوم) و داده‌های مربوط به مغز است. داده‌های به دست آمده، بسیار حجیم بودند، در نتیجه پس از استخراج داده‌ها، نیاز به تحلیل داده‌ها با ابزارهای جدید ریاضی و کامپیوتر پررنگ‌تر شد.

فروغمند با اشاره به این که فعالیت‌های محققان ریاضیات زیستی در حوزه سرطان عموما مربوط به بررسی ژنتیکی است، خاطرنشان کرد: سرطان موضوعی کهن در حوزه پزشکی است. حتی ابن‌سینا نیز در کتاب‌های خود به بیماری سرطان اشاره کرده است، اما واقعیت این است که ما اخیرا متوجه شدیم که سرطان واقعا چیست، چگونه به وجود می‌آید و چه‌طور رشد می‌کند. هم‌چنین در گذشته با اتکا به دانش به دست آمده امیدوار بودیم بتوانیم سرطان را درمان کنیم. برای درمان سرطان از روش‌های متنوعی استفاده شده است. برای مثال معمول‌ترین روش‌های مورد توجه برای درمان سرطان، روش‌های معمول پزشکی است. در روش‌های معمول پزشکی، پژوهشگران عموما سعی می‌کنند داروهایی را پیدا کنند که موجب درمان سرطان شود. این روش از ابتدا مورد توجه بوده و هم‌چنان در مراکز پژوهشی از اصلی‌ترین روش‌ها به شمار می‌آید.

این استاد ریاضیات زیستی افزود: این‌که با وجود سرمایه‌گذاری‌های مالی و انسانی فراوان هنوز نتوانسته‌ایم درمانی برای سرطان، که یک بیماری مهم برای حال و آینده بشر به شمار می‌آید، پیدا کنیم، موجب شد تقریبا همه رشته‌ها برای شناخت و درمان سرطان دست به کار شوند. عده‌ای 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، مدل‌سازی سرطان بود. طبیعتا وقتی بحث مدل‌سازی مطرح می‌شود، مدل‌ها عموما مدل‌های ریاضی هستند بسته به میزان سادگی مدل، قابلیت تحلیل آن‌ برای ما بیشتر است؛ یعنی هر چه بتوانیم مدل‌های ساده‌تری طراحی کنیم، بهتر می‌توانیم آن مدل را تحلیل کنیم.

این استاد دانشگاه شریف با بیان اینکه ابتدایی‌ترین موضوعی که سعی می‌شود در سرطان مدل شود، رشد سلول‌های سرطانی است، افزود: مثلا ما می‌خواهیم پیش‌بینی کنیم که چند درصد انسان‌ها دچار سرطان می‌شوند، کاری که به طور طبیعی می‌توان انجام داد این است که یک مدل ریاضی، به همراه معادله‌های ریاضی، برای پدیده رشد سلول‌های سرطانی، طراحی و جواب معادله را محاسبه کرد. به طور طبیعی ریاضیدانان باید تلاش کنند مدل‌های درستی طراحی کرده و سپس مدل‌ها را تحلیل کنند.

فروغمند ادامه داد: قسمتی از پژوهش‌هایی که تاکنون به آن‌ها اشاره کرده‌ایم،به طور دقیق‌تر مربوط به علوم کامپیوتر است.از برتری‌های علوم کامپیوتر در زمینه تحلیل پدیده سرطان، این است که نمی‌توانیم برخی از مدل‌های مربوط به سرطان را با دقت ریاضی مناسب تحلیل کرده و آینده آن‌ها را پیش‌بینی کنیم.محققان علوم کامپیوتر سعی می‌کنند به کمک علوم کامپیوتر وارد این حوزه شده و با استفاده از ابزارهای علوم کامپیوتری مدل‌ها را تحلیل کنند.

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 دانشگاه‌های ایران رشته علوم کامپیوتر و ریاضی هر دو در یک دانشکده هستند.در یک دید کلی علوم کامپیوتری‌ها و ریاضی‌ها یک کار را انجام می‌دهند. آن‌ها در این حوزه به طور کلی سرطان را مدل‌سازی می‌کنند و تلاش می‌کنند فهم خود را بیشتر و از این فهم برای درمان سرطان استفاده کنند.در این حیطه، ریاضی‌دانان از ابزارهای نظری‌تر ریاضی مثل معادلات دیفرانسیل استفاده می‌کنند و سعی می‌کنند با نوشتن و حل معادله مدل‌سازی‌ها را انجام دهند.در مقابل، دانشمندان علوم کامپیوتر از ابزارهای دیگری برای مدل‌سازی استفاده می‌کنند. فرض کنید مدلی داشته باشیم که در آن سرطان را به صورت مجموعه‌ای از سلول‌ها، که هر کدام موجودی هوشمند است، مدل‌سازی کنیم. تحلیل این مدل‌ها با ابزارهای ریاضی سخت است ولی شبیه‌سازی آن به نسبت کار آسانتری است. به همین خاطر در این موارد محققان علوم کامپیوتراز ابزارهای شبیه‌سازی استفاده می‌کنند و سعی می کنند رفتار کلی موارد شبیه‌سازی شده را مدل‌سازی کنند و به تبع استنتاجی در این زمینه انجام دهند؛ درنتیجه، در یک دید کلی، کار ریاضی‌دان‌ها و علوم کامپیوتری‌ها یکسان است ولی هرکدام از دو گروه با موضوعاتی که بیشتر به آن‌ها آشنا هستند وارد حوزه مدل‌سازی‌های زیستی شده‌اند.

فروغمند با بیان اینکه همه‌ حوزه فعالیت‌های محققان ریاضیات زیستی مدل‌سازی نیست افزود: البته همه‌ کار هم مدل‌سازی نیست، فرض کنید خیلی وقت‌ها مدل‌سازی قبلا انجام شده و حالا شما می‌خواهید مساله‌ای پیچیده‌تر را با توجه به مدل‌سازی حل کنید. مثلا فرض کنید ریاضیدانان یک معادله دیفرانسیلی دارند که رفتار تومور سرطانی را توصیف می‌کند، حالا به دنبال این هستند که ببینند با چه تغییراتی این تومور با کمترین هزینه نابود می‌شود.

وی درباره وضعیت علم ریاضیات زیستی در ایران گفت: در حال حاضر ریاضیات زیستی در ایران وضع بدی ندارد؛ البته من نمی‌دانم زمان شروع کارهای پژوهشی در ریاضیات زیستی، نسبت به زمان شروع در کشورهای دیگر چگونه بوده، اما حداقل می‌دانیم در ایران نیز تقریبا همزمان با اوج‌گیری 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 طرفداران زیادی هم دارد. میان استادان و دانشجویان تمایل خوبی وجود دارد که وارد این حیطه شوند؛ اما یکی از موضوعاتی که باعث می‌شود این رشته‌ها بیشتر جذاب شود، مسائل مالی است. در کشورهای پیشرفته سرمایه‌گذاری‌هایی که می‌شود، باعث جذب اساتید و دانشجویان به آن حوزه‌ها می‌شود. در آمریکا سرمایه‌گذاری‌های زیادی روی علوم زیستی شده است و به تبع آن هم دانشجویان فراوانی وارد رشته‌های مرتبط شده‌اند. در ایران هم این سرمایه‌گذاری‌ها شده است، اما نه مانند کشورهای پیشرفته. یکی از نتایج سرمایه‌گذاری دریک موضوع علمی این است که داده‌های فراوانی در آن حوزه تولید می‌شود. در اروپا و آمریکا داده‌های فراوان زیستی برای فعالیت محققانشان وجود دارد و در بسیاری از موارد هنگامی که محققان نیاز به بررسی موضوعی دارند، داده‌های مربوط به موضوع پژوهش را تولید می‌کنند. تولید داده هم هزینه‌های بسیار بالایی دارد و طبیعتا ما به نسبت کشورهای اروپایی و آمریکا داده‌های اندکی تولید می‌کنیم. البته باید توجه داشت که بسیاری از داده‌های آن‌ها به صورت رایگان برای همه پژوهشگران در دسترس است؛ اما داشتن داده‌های به‌روزتر و هدف‌مندانه‌تر باعث برتری در زمینه‌های علمی می‌شود. کمبود داده یکی از ضعف‌های 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 آغاز شد، درباره پیشرفت فناوری استخراج داده‌ها گفت: در گذشته مثلا حدود سال‌ ۱۹۹۰ پروژه بزرگی تعریف شد که تعدادی از کشورها بودجه آزمایش‌های آن پروژه‌ را تامین می‌کردند. هدف پروژه استخراج داده‌های ژنوم انسان بود و هزینه بسیاری داشت. کم کم فناوری‌هایی تولید شد که استخراج داده را راحت‌تر و کم‌هزینه‌تر کرد. در حال حاضر با وجود فناوری‌های جدید بخش بزرگی از تولید داده به سادگی و با هزینه‌ای بسیار کم‌تر نسبت به گذشته انجام می‌شود. یعنی پژوهشگر کافی است به یک داده خاص اعلام نیاز کند، سازوکاری از پیش تعیین شده و آماده وجود دارد که با استفاده از آن داده‌ها تولید می‌شوند. اما نوع دیگری از تهیه داده هم وجود دارد که به وسیله انجام آزمایش‌های غیرمعمول‌تر به دست می‌آید و فناوری آماده‌ای ندارد. از طرف دیگر، استفاده از داده‌ها به دو دسته تقسیم می‌شود؛ دسته‌ای از آن‌ها داده‌هایی است که پژوهشگران تقریبا می‌دانند از بررسی آن‌ها چه نتایجی باید به دست بیاید و برخی داده‌ها هم برای تولید نظریه‌های جدید استفاده می‌شوند. ارائه یک نظریه جدید معمولا به داده‌های پیچیده‌تر و آزمایش‌های پیچیده‌تری  نیاز دارد.

عضو هیات‌علمی دانشگاه صنعتی شریف با بیان اینکه نه ریاضیدانان و نه زیست‌شناسان به تنهایی نمی‌توانند در حوزه ریاضیات زیستی فعالیت کنند، گفت: واقعیت این است که نه ریاضیدانان و نه زیست‌شناسان هیچ‌کدام نمی‌توانند فعالیت‌های ریاضیات زیستی داشته باشند و از طرف دیگر هم اساسا ریاضیدانان و زیست‌شناسان حرف یکدیگر را نمی‌فهمند تا بتوانند کار مشترکی انجام دهند. در گذشته می‌گفتند که خیلی خوب است که یک ریاضیدان با یک زیست‌شناس 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 زیست‌شناسی رفتند که همین افراد محققان ریاضیات زیستی شدند. حتی مدیر پروژه بزرگ ژنوم انسانی که پیشتر توضیح 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 علاقه‌مند به فعالیت در حوزه ریاضیات زیستی، دانش زیست‌شناسی را از ابتدا مطالعه می‌کنند تا بعدتر به محققان ریاضیات زیستی تبدیل شوند. همین‌طور زیست‌شناسانی هم که بخواهند در حوزه ریاضیات زیستی مشغول به کار شوند، باید ریاضی را از پایه مطالعه کنند؛ یعنی هیچ‌کدام به تنهایی نمی‌توانند درحوزه ریاضیات زیستی کار کنند.

وی درخصوص انواع مختلف مدل‌سازی‌هایی که ریاضیدانان زیستی انجام می‌دهند و تاثیر آن‌ها بر روند درمان سرطان، گفت: برخی از این مدل‌سازی‌ به این شکل است که اثرات دارو را مدل می‌کند؛ یعنی مشخص می‌کند یک داروی‌ خاص چه اثراتی دارد. پژوهشگران ریاضیات زیستی این تاثیر را مدل می‌کنند و مشخص می‌کنند که چه مقدار از این دارو باید به بیمار تزریق شود؛ یعنی برخی از فعالیت‌های ریاضیات زیستی تا این حد مستقیم در درمان یک بیماری اثرگذار است و برخی از فعالیت‌ها غیرمستقیم است. مثلا فعالیت‌هایی که در حوزه شناخت سرطان صورت می‌گیرد، با این هدف است که ابتدا سرطان به طور کامل شناخته شود و بعدتر برای مقابله با آن راهکار اندیشیده شود؛ مثلا برخی امیدوارند با مدل‌سازی‌های خود نشان دهند که یک نظریه درباره رشد سرطان اصلا اشتباه است؛ یعنی با مدل‌سازی نشان دهند که برخلاف تئوری‌های 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 مجله‌های معتبر چاپ می‌کردند. برخی می‌گفتند سرطان پدیده‌ای تصادفی است و برخی دیگر معتقد بودند این پدیده تصادفی نیست. افرادی که معتقد بودند این پدیده تصادفی است، می‌گفتند تلاش 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 مدل‌سازی‌های ریاضی انجام داده‌ بودند که بتوانند با داده‌ها نتایج خود را توجیه کنند. این کارها، نمونه‌هایی از پژوهش‌هایی است که خیلی با پیشنهاد درمان فاصله دارند؛ ولی خب طبیعتا تاثیر زیادی در شناخت ما از سرطان دارد و رسیدن به شناخت درست مقدمه‌ای است برای مقابله با این بیماری.

وی درپایان درباره همکاری‌های محققان ریاضیات زیستی با پژوهشکده‌ها و بیمارستان‌ها و نقش پژوهشگران ریاضیات زیستی در تولید دارو، گفت: واقعیت این است که در بیمارستان‌ها افرادی که کارهای درمانی انجام می‌دهند، حتی از زیست‌شناسان هم تاثیر مستقیم نمی‌گیرند؛ به این دلیل که مسائل حوزه درمان استانداردهای خاص خود را دارد و نمی‌شود با یکی دو آزمایش و نتیجه‌گیری یک کار درمانی را انجام داد. در نتیجه چندان هم این آزمایش‌ها و نتیجه‌گیری‌ها روی کار آن‌ها تاثیر نخواهد داشت؛ همه‌جای دنیا هم این چنین است. ما با بخش‌هایی که کارهای پژوهشی انجام می‌دهند، همکاری داریم؛ مثلا همکاری ما با یکی از این پژوهشکده‌ها به این شکل است که آن‌ها می‌گویند ما یک دارو را تولید کرده‌ایم که تفاوت‌هایی با داروهای معمولی دارد و از ما می‌خواهند این دارو را مدل کنیم که دریابیم آیا این دارو از داروهای معمول بهتر عمل می‌کند یا نه و از چه نسبتی از دارو استفاده شود، تاثیرپذیری بهتری دارد. بعد از این مدل‌سازی‌ها آزمایش‌هایی روی سلول انجام می‌دهند و بعد از نتیجه گرفتن، دارو را روی موش آزمایش می‌کنند. سپس بعد از اخذ تاییدیه‌های لازم دارو برای انسان‌ها تولید می‌شود. این روند معمول دنیاست.