fa آنالیز دینامیکی چرخه ی سلولی مخمر با استفاده از مدل احتمالی مارکوف بیوانفورماتیک Bioinformatics پژوهشي اصیل Original Article <span style="font-family:Tahoma;"><span style="color:#000000;"><strong>مقدمه: </strong>چرخه سلولی یکی از مهم‌ترین شبکه‌های تنظیمی است که وظیفه کنترل، رشد و تکثیر یک سلول را بر عهده دارد. با توجه به ارتباط بین چرخه سلولی و سرطان و از طرفی پیچیدگی این شبکه به لحاظ تعاملات پیچیده بین ژن‌ها و پروتئین‌های مختلف، لزوم مطالعه آن با استفاده از مدل‌های محاسباتی احساس می‌گردد. شواهد آزمایشگاهی بسیاری وجود رفتار‌های تصادفی در تعاملات بین ژن‌ها و پروتئین‌ها، در شبکه‌های تنظیمی ژنی را تأیید می‌کند. فاکتور‌های ژنتیکی، دینامیک‌های تنظیمی در سطوح میکروسکوپیک، نرخ‌های رونویسی از ژن‌ها و بسیاری عوامل دیگر که وابسته به شرایط محیط می‌باشند، همگی سبب بروز رفتارهای تصادفی در سیستم بیولوژیک می‌شوند.<br> <strong>روش: </strong>هدف این مطالعه، ارائه یک مدل احتمالی مارکوف برای شبیه‌سازی تعاملات بین پروتئین‌ها در شبکه پیچیده چرخه سلولی مخمر و پیش‌بینی سطح فعالیت پروتئین‌ها است. ارتباط بین وزن تعاملات پروتئین/ژن ها در شبکه چرخه سلولی با احتمالات تغییر فاز با روش آنالیز حساسیت محلی بررسی می‌شود.<br> <strong>نتایج: </strong>با استفاده از این مدل، احتمال گذار بین فازهای مختلف چرخه سلولی در حضور سطوح مختلف نویز بررسی گردید و اثبات شد مسیر چرخه سلولی بالاترین احتمال را در بین تمام مسیرهای محتمل برای سلول دارد. با انجام آنالیز حساسیت، همبستگی بین وزن تعاملات بین پروتئین‌ها و احتمال گذار بین فازهای مختلف چرخه سلولی محاسبه گردید.<br> <strong>نتیجه گیری: </strong>با استفاده از نتایج آنالیز حساسیت می‌توان پیش‌بینی کرد مداخلات مختلف در شبکه چه اثری بر احتمال گذار بین فازهای مختلف چرخه سلولی می‌گذارد، لذا فرضیه‌هایی قابل تست در محیط آزمایشگاهی پیشنهاد می‌دهد. مدل این مطالعه پایداری چرخه ی سلولی در حضور سطوح متوسط نویز را اثبات می‌کند.</span></span><span dir="LTR"></span> <span dir="LTR"></span> <strong>Introduction: </strong>The cell cycle network is responsible of control, growth and proliferation of cells. The relationship between the cell cycle network and cancer emergence, and the complex reciprocal interactions between genes/proteins calls for computational models to analyze this regulatory network. Ample experimental data confirm the existence of random behaviors in the interactions between genes and proteins in gene regulatory networks. Genetic factors, regulatory dynamics at the microscopic level, transcription rates of genes, and many other factors that depend on variable environmental conditions cause random behaviors in the cell cycle network.<br> <strong>Method: </strong>The aim of this study was to present a stochastic Markov model to simulate interactions between proteins in a complex network of fission yeast cell cycle and to predict the dynamics of proteins. We used local sensitivity analysis to investigate the relationship between the weight of protein / gene interactions with the probabilities of phase transition in the cell cycle.<br> <strong>Results: </strong>Using this model, the probability of transition between different phases of the cell cycle in the presence of different levels of noise was investigated and it was proved that the cell cycle path has the highest probability among all possible pathways for the cell. By performing sensitivity analysis, the correlation between the weight of interactions between proteins and the probability of transition between different phases of the cell cycle was calculated.<br> <strong>Conclusion: </strong>Our local sensitivity analysis revealed that how perturbation on parameters affect the transition probabilities between subsequent cell cycle phases, so it suggests testable hypotheses in the experimental environments. Also, the model of this study proves the stability of the cell cycle in the presence of moderate levels of noise. دینامیک, چرخه ی سلولی, مخمر فیژن, مارکوف Dynamic, Cell cycle, Fission yeast, Markov 398 412 http://jhbmi.ir/browse.php?a_code=A-10-676-1&slc_lang=fa&sid=1 Sajad Shafiekhani سجاد شفیع خانی sd.shafikhani@yahoo.com 10031947532846006268 10031947532846006268 No Ph.D. candidate, Department of Biomedical Engineering, Faculty of Medicine, Tehran University of Medical Sciences & Research Center for Biomedical Technologies and Robotics, Tehran, Iran دانشجوی دکتری، گروه مهندسی پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی تهران و مرکز تحقیقات فناوری‌های بیومدیکال و رباتیک پزشکی، تهران، ایران Azam Sadat Fatemi اعظم السادات فاطمی azamfatemi1995@gmail.com 10031947532846006269 10031947532846006269 No M.Sc., Department of Biomedical Engineering, Faculty of Medicine, Tehran University of Medical Sciences & Research Center for Biomedical Technologies and Robotics, Tehran, Iran کارشناسی ارشد، گروه مهندسی پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی تهران و مرکز تحقیقات فناوری‌های بیومدیکال و رباتیک پزشکی، تهران، ایران Gelayol Nazari Golpayegani گلایل نظری گلپایگانی gelayol.nazari@gmail.com 10031947532846006270 10031947532846006270 No Assistant Professor, Faculty of Electrical and Computer Engineering, Yadegar-e Emam Branch, Islamic Azad University, Shahr-e Rey, Tehran, Iran استادیار، دانشکده مهندسی برق، واحد یادگار امام خمینی (ره) شهرری، دانشگاه آزاد اسلامی، تهران، ایران Seyed Yashar Banihashem سید یاشار بنی هاشم yasharbanihashem@gmail.com 10031947532846006271 10031947532846006271 No Assistant Professor, Faculty of Electrical and Computer Engineering, International University of Imam Khomeini, Technical and Engineering Center of Bueen Zahra, Qazvin, Iran استادیار دانشکده مهندسی برق و کامپیوتر، دانشگاه بین المللی امام خمینی (ره)، مرکز آموزش عالی فنی و مهندسی بوئین زهرا ، قزوین، ایران Amir Homayoun Jafari امیرهمایون جعفری H_jafari@tums.ac.ir 10031947532846006272 10031947532846006272 Yes Associate Professor, Department of Biomedical Engineering, Faculty of Medicine, Tehran University of Medical Sciences & Research Center for Biomedical Technologies and Robotics, Tehran, Iran دانشیار، گروه مهندسی پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی تهران و مرکز تحقیقات فناوری‌های بیومدیکال و رباتیک پزشکی، تهران، ایران