نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

4 آذر 1403 9:38 ب.ظ

یک مطالعه جدید نشان می دهد که تکامل به اندازه ای که قبلا تصور می شد تصادفی نیست

تکامل به اندازه ای که قبلا تصور می شد تصادفی نیست

3 ژانویه 2024- توسط دانشگاه ناتینگهام

روابط همزمان ژن های قابل پیش بینی و پیش بینی کننده های آنها ، گره‌ها خانواده‌های ژنی یا گروه‌هایی از خانواده‌های ژنی با PAP یکسان هستند و لبه‌ها روابط تصادفی با فلشی هستند که به سمت گره‌ای که حضور آن توسط دیگری پیش‌بینی می‌شود اشاره می‌کند.

یک مطالعه جدید نشان می‌دهد که تکامل آنطور که قبلاً تصور می‌شد غیرقابل پیش‌بینی نیست، که می‌تواند به دانشمندان اجازه دهد تا کشف کنند کدام ژن‌ها می‌توانند برای مقابله با مسائل دنیای واقعی مانند مقاومت آنتی‌بیوتیکی، بیماری و تغییرات آب و هوایی مفید باشند.

این مطالعه که در Proceedings of the National Academy of Sciences (PNAS) منتشر شده است، باور دیرینه در مورد غیرقابل پیش بینی بودن تکامل را به چالش می کشد و دریافته است که مسیر تکاملی یک ژنوم ممکن است تحت تأثیر تاریخچه تکاملی آن قرار گیرد. عوامل متعدد و حوادث تاریخی تعیین شده است.این مطالعه توسط پروفسور جیمز مک اینرنی و دکتر آلن بیوان از دانشکده علوم زندگی در دانشگاه ناتینگهام و دکتر ماریا روزا دومینگو-سانانز از دانشگاه ناتینگهام ترنت رهبری شد.

پروفسور مک اینرنی، نویسنده اصلی این مطالعه، گفت: «پیامدهای این تحقیق چیزی انقلابی نیست. با نشان دادن اینکه تکامل آنطور که قبلاً فکر می‌کردیم تصادفی نیست، در را به روی مجموعه‌ای از احتمالات در زیست‌شناسی مصنوعی، پزشکی و علوم محیطی باز کرده‌ایم.»

این تیم تجزیه و تحلیلی از پانژنوم – مجموعه کاملی از ژن‌ها در یک گونه معین را انجام داد تا به یک سوال مهم در مورد اینکه آیا تکامل قابل پیش‌بینی است یا اینکه مسیرهای تکاملی ژنوم‌ها به تاریخ آنها وابسته است و بنابراین امروزه قابل پیش‌بینی نیست، پاسخ دهند.

این تیم با استفاده از یک رویکرد یادگیری ماشینی معروف به جنگل تصادفی، همراه با مجموعه داده ای از ۲۵۰۰ ژنوم کامل از یک گونه باکتری، صدها هزار ساعت پردازش کامپیوتری را برای پاسخ به این سوال انجام دادند.این تیم پس از وارد کردن داده ها به رایانه با کارایی بالا، ابتدا «خانواده های ژنی» را از هر یک از ژن های هر ژنوم ساختند.

دکتر Domingo-Sananes گفت: «به این ترتیب، ما می‌توانیم ژنوم‌های مشابه را با مشابه مقایسه کنیم.هنگامی که خانواده ها شناسایی شدند، تیم الگوی چگونگی حضور این خانواده ها در برخی از ژنوم ها و غایب در برخی دیگر را تجزیه و تحلیل کرد.ما متوجه شدیم که برخی از خانواده‌های ژنی هرگز در ژنوم ظاهر نمی‌شوند، زمانی که یک خانواده ژنی دیگر وجود داشته باشد، و در موارد دیگر، برخی از ژن‌ها بسیار وابسته به حضور یک خانواده ژنی متفاوت هستند.»

در واقع، محققان یک اکوسیستم نامرئی را کشف کردند که در آن ژن ها می توانند با یکدیگر همکاری کنند یا در تضاد باشند.

دکتر Domingo-Sananes می افزاید: “این تعاملات بین ژن ها جنبه های تکامل را تا حدودی قابل پیش بینی می کند و علاوه بر این، ما اکنون ابزاری داریم که به ما امکان می دهد آن پیش بینی ها را انجام دهیم.”

دکتر بیوان گفت: “از این کار، ما می‌توانیم شروع کنیم به بررسی اینکه چه ژن‌هایی از یک ژن مقاومت آنتی‌بیوتیکی حمایت می‌کنند. بنابراین، اگر در تلاش برای از بین بردن مقاومت آنتی‌بیوتیکی هستیم، می‌توانیم نه تنها ژن کانونی، بلکه ما را مورد هدف قرار دهیم. همچنین می تواند ژن های حمایت کننده آن را هدف قرار دهد.ما می‌توانیم از این رویکرد برای سنتز انواع جدیدی از ساختارهای ژنتیکی استفاده کنیم که می‌توانند برای تولید داروها یا واکسن‌های جدید مورد استفاده قرار گیرند. دانستن آنچه اکنون می‌دانیم، راه را برای اکتشافات دیگر باز کرده است.»

پیامدهای تحقیق گسترده است و می تواند منجر به موارد زیر شود:

  • طراحی جدید ژنوم – به دانشمندان اجازه می دهد تا ژنوم های مصنوعی طراحی کنند و نقشه راهی برای دستکاری قابل پیش بینی مواد ژنتیکی ارائه کنند.
  • مبارزه با مقاومت آنتی‌بیوتیکی – درک وابستگی‌های بین ژن‌ها می‌تواند به شناسایی «کست پشتیبان» ژن‌هایی که مقاومت آنتی‌بیوتیکی را ممکن می‌سازند، کمک کند و راه را برای درمان‌های هدفمند هموار کند.
  • کاهش تغییرات آب و هوا – بینش های حاصل از این مطالعه می تواند طراحی میکروارگانیسم های مهندسی شده برای جذب کربن یا تخریب آلاینده ها را نشان دهد و در نتیجه به تلاش ها برای مبارزه با تغییرات آب و هوایی کمک کند.
  • کاربردهای پزشکی – قابل پیش بینی بودن تعاملات ژنی می تواند پزشکی شخصی سازی شده را با ارائه معیارهای جدید برای خطر بیماری و اثربخشی درمان متحول کند.

https://phys.org

آیا این نوشته برایتان مفید بود؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *