آنالیز دینامیکی چرخه ی سلولی مخمر با استفاده از مدل احتمالی مارکوف

مقدمه: 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 تایید 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.روش: 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.نتایج: 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.نتیجه گیری: 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.

Dynamical Analysis of Yeast Cell Cycle Using a Stochastic Markov Model

Introduction: 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.Method: 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.Results: 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.Conclusion: 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.