انجمن انفورماتیک ایران انجمن انفورماتیک ایران انجمن انفورماتیک ایران
گزارش کامپیوتر شماره 234, ویژه مرداد و شهریور ماه 96 منتشر شد. يکشنبه  ٢٨/٠٨/١٣٩٦ ساعت ١٣:٤٨
 

نگاهی بر ریاضیات زیستی 1

حسام الدین ترابی دشتی
مرکز عالی ریاضیات زیستی - دانشگاه تهران


ریاضیات زیستی یک زمینه تحقیقاتی بین رشته‌ای می‌باشد که با ادغام رشته‌های علوم کامپیوتر، ریاضیات و زیست‌شناسی به وجود آمده است. در سال 1923 پروفسور William Moses Feldman این زمینه تحقیقاتی را معرفی کرد و اکنون در ایران نیز شرایط تحقیق در این زمینه در دانشگاه تهران فراهم گردیده است.
علم ریاضیات زیستی، به منظور حل مشکلات محاسباتی و آنالیزی موجود در تحقیقات زیست‌شناسان به وجود آمده است. از این رو مسائلی که در این زمینه تحقیقاتی مطرح می‌شوند تنها از مشکلات موجود در تحقیقات زیست‌شناسان برخاسته‌اند. در سالیان گذشته شاخه‌های تحقیقاتی بسیاری برای حل مشکلات زیست‌شناسان در ایران به وجود آمده که مهمترین آن‌ها بیوانفورماتیک می‌باشد. اکنون پس از گذشت دوره‌ای از عمر بیوانفورماتیک نیاز به علوم پایه‌ای، بیشتر نمایان شده و شاخه ریاضیات زیستی با رویکرد صرف ریاضیات و علوم کامپیوتر پا به عرصه حیات نهاده است.
همانطور که اشاره شد، زمینه‌های تحقیقاتی بسیاری جهت حل مشکلات زیستی به وجود آمده‌اند که با استفاده از دانش علوم مختلف در جهت کمک به زیست‌شناسان اقدام نموده‌اند، اما از آنجا که این علوم توانایی حل بسیاری از مشکلات زیست‌شناسان را نداشتند، علوم ریاضی و کامپیوتر جهت حل این گونه از مشکلات پیشنهاد شدند. ارائه متدهای ریاضی و الگوریتم‌های کامپیوتری کارآمد برای آنالیز داده‌های زیستی و از طرفی طراحی الگوریتم‌های عملی برای قابل اجرا نمودن متدهای ریاضی ارائه شده، پایه و اساس ارائه رشته ریاضیات زیستی را تشکیل می‌دهند.
از آنجا که زیست‌شناسان سعی در بهبود شرایط زندگی انسان دارند، کمک به حل مشکلات آنان، کمک به بهبود شرایط زندگی خودمان می‌باشد. تشخیص و آنالیز عوامل تأثیر‌گذار بر حیات انسان، مکانیزم فعالیت فیزیولوژی انسان دو نمونه اولیه از موضوعات تحقیق زیست‌شناسان بودند که بدون استفاده از متدهای مدلسازی ریاضی امکانپذیر نبودند. از طرفی دیگر، مسائل مطرح در تکامل موجودات زنده از جمله مسائلی هستند که بدون حضور علوم کامپیوتر قابل فهم و تحلیل نمی‌باشند. تا کنون متدهای کامپیوتری مختلفی جهت شبیه‌سازی، پیش‌بینی و آنالیز فرایندهای تکامل ارائه گردیده‌اند.
به طور کلی مدل‌سازی و آنالیز فرایندهای زیستی و پدیده‌های طبیعی 2 را می‌توان به عنوان دلایل اولیه تشکیل این زمینه تحقیقاتی بیان نمود و پس از آن، با پیشرفت علم ژنتیک و دستیابی به فناوری‌های پیشرفته مهندسی پزشکی نیاز به ریاضیات زیستی بیش از پیش نمایان گردید. حجم بسیار زیاد داده‌های زیستی (پزشکی) که پردازش آن‌ها نیاز به زمان بسیار دارد و آنالیز داده‌های مخدوش 3 حاصل از آزمایش‌های زیست‌شناسان، مسائل مهم مطرح در زمینه ریاضیات زیستی به شمار می­‌آیند. طراحی و ارائه الگوریتم‌های دقیق و کارآمد که توانایی تحلیل این حجم زیاد داده‌ها را داشته باشند موضوع تحقیق بسیاری از محققان علوم ریاضی و کامپیوتر گردید و لذا فعالیت‌های گسترده­ای در این زمینه صورت پذیرفت. به عنوان مثال می‌توان به الگوریتم‌های ارائه شده برای کاهش فضای حالات 4 داده‌های زیستی، الگوریتم‌های درهم‌سازی 5، و طراحی الگوریتم‌های موازی برای متدهای محاسباتی موجود اشاره کرد. الگوریتم‌های موازی با توانایی پردازش داده‌هایی با حجم بسیار زیاد در زمان کم، امکان استفاده از متدهای دقیق ولی غیر قابل اجرا– از نظر زمان محاسبه و احتیاج به حافظه زیاد- را فراهم کردند. با پیشرفت سخت‌افزار و ارائه پردازنده‌های چند هسته‌ای که امکان اجرای الگوریتم‌های موازی بر روی کامپیوترهای شخصی را فراهم نموده‌اند، عرصه برای حرکت به سوی تفکر موازی مهیا گردید. اکنون با وجود داده‌های اولیه زیست‌شناسان با حجم متوسط یک ترابایت، راهی جز طراحی و پیاده‌سازی الگوریتم‌های موازی و یا الگوریتم‌های توزیعی 6 وجود ندارد.
با توجه به افزایش روز افزون جمعیت جهان و محدود بودن منابع غذایی، مسائل مطرح در زیست گیاهی نیز علاوه بر زیست ژنتیک مورد توجه قرار گرفته و زمینه‌های تحقیقاتی بسیاری در این زمینه به وجود آمده است. در این زمینه می‌توان به تلاش‌های دانشمندان ژاپنی برای اصلاح نژاد گونه‌های گیاهی برای افزایش بهره‌وری در آن کشور اشاره کرد. افزایش جمعیت، کمبود منابع غذایی و بیماری‌های روز افزون و غیر قابل کنترل بشر، مهر تأییدی بر تحقیقات در ریاضیات زیستی می‌باشند.
پیشبرد ریاضیات زیستی گامی است در راستای نجات بشر از سوانح پیش‌بینی شده در آینده‌ای نه چندان دور.

1) biomathematics
2) biological processes and natural phenomena
3) noisy information
4) feature space reduction
5) hashing algorithms
6) distributed algorithms