دکتر مریم لطفی

تشخیص cross-talk بین مسیرهای بیولوژیکی یکی از چالشهای مهم در زیست شناسی سامانه‌ای است، زیرا می‌تواند تعاملات پیچیده و پویای مختلف فرآیندهای سلولی را نشان دهد. هدف اصلی در تشخیص cross-talk شناسایی مسیرهایی است که با یکدیگر از طریق اجزای سیگنال مشترک یا تعاملات مولکولی همکاری یا تداخل دارند. با استفاده از تشخیص cross-talk می‌توان نگرش جامعی در مورد مکانیسم‌های تنظیم، سازگاری و بیماری ارائه داد. از جمله مهمترین چالش‌های مطرح در تشخیص cross-talk می‌توان به ناقص بودن و نویزدار بودن پایگاه‌های داده‌ مربوط به مسیرهای بیولوژیکی و شبکه‌های تعامل موجود اشاره کرد. همچنین ناهمگنی و تغییرات داده‌های زیستی از دیگر عوامل تاثیرگذار در این مطالعات هستند. در این پژوهش می‌کوشیم ابتدا به بررسی انواع روش‌های موجود در این حوزه پرداخته و مزایا و معایب هر یک را مورد بررسی قرار دهیم، سپس یک روش جدید برای تشخیص cross-talk بین مسیرهای بیولوژیکی بر اساس ترکیب تجزیه و تحلیل شبکه، یادگیری ماشین و استنتاج آماری پیشنهاد دهیم. روش ما می‌تواند منابع مختلف اطلاعات را ادغام کند، مانند پایگاه‌های داده مختلف مسیرها، شبکه‌های تعامل پروتئین-پروتئین، داده‌های بیان ژن و داده‌های فنوتایپی. هدف ما ارائه روشی است که بتواند در درك تعاملات پيچيده و پوياي بين مسیرهای بیولوژیکی و اثرات آنها بر عملكرد سلولی و بيماري‌ها كمك كند.