تصور البيانات البيولوجية
يُعدّ تصوير البيانات البيولوجية فرعًا من المعلوماتية الحيوية، يهتم بتطبيق رسومات الحاسوب ، والتصوير العلمي ، وتصوير المعلومات في مختلف مجالات علوم الحياة . ويشمل ذلك تصوير التسلسلات ، والجينومات ، والمحاذاة ، وعلم الوراثة ، وبنى الجزيئات الكبيرة ، وبيولوجيا الأنظمة ، وبيانات المجهر ، والتصوير بالرنين المغناطيسي . وتتراوح أدوات البرمجيات المستخدمة في تصوير البيانات البيولوجية من برامج بسيطة مستقلة إلى أنظمة معقدة متكاملة.
من الاتجاهات الناشئة تداخل الحدود بين تصوير البنى ثلاثية الأبعاد بدقة ذرية، وتصوير المركبات الأكبر حجماً باستخدام المجهر الإلكتروني فائق البرودة ، وتصوير مواقع البروتينات والمركبات داخل الخلايا والأنسجة الكاملة. [ 1 ] [ 2 ] كما ازداد توفر وأهمية البيانات الزمنية من علم الأحياء النظمي ، والمجهر الإلكتروني ، وتصوير الخلايا والأنسجة. [ 3 ] [ 4 ]
يلعب تصوير محاذاة التسلسل دورًا محوريًا في المعلوماتية الحيوية وعلم الجينوم، إذ يمكّن الباحثين من تفسير وتحليل البيانات الجينية المعقدة بكفاءة. يسمح تصوير محاذاة التسلسل بتحديد أوجه التشابه والاختلاف والمناطق المحفوظة والأنماط التطورية ضمن تسلسلات الحمض النووي أو البروتين ، مما يساعد في فهم العلاقات الجينية والعناصر الوظيفية والعمليات التطورية. يُعد تصوير محاذاة التسلسل ضروريًا لعدة أسباب:
تحديد التسلسل المحفوظ : تساعد تقنيات التصوير الباحثين على تحديد المناطق المحفوظة عبر التسلسلات، والتي تشير إلى الأهمية الوظيفية أو العلاقات التطورية. [ 5 ]
الكشف عن الطفرات والاختلافات: تُمكّن أدوات التصوير من الكشف عن الطفرات ، والإدخالات، والحذف، والاختلافات الأخرى داخل التسلسلات، مما يوفر رؤى حول التنوع الجيني والطفرات المسببة للأمراض. [ 6 ]
فهم العلاقات التطورية: من خلال تصوير محاذاة التسلسلات، يستطيع الباحثون استنتاج العلاقات التطورية، وبناء الأشجار التطورية، ودراسة التاريخ التطوري للأنواع أو الجينات. [ 7 ]
التنبؤ بالعناصر الوظيفية: تساعد تقنيات التصور في التنبؤ بالعناصر الوظيفية مثل نطاقات البروتين، والزخارف، والمناطق التنظيمية داخل التسلسلات، مما يسهل دراسات علم الجينوم الوظيفي. [ 8 ]

مقارنة الجينومات : يعتمد علم الجينوم المقارن على تصوير محاذاة التسلسل لمقارنة الجينومات ، وتحديد الجينات المتماثلة والمتشابهة، ودراسة تطور الجينوم عبر الأنواع. [ 9 ] ولتصوير محاذاة التسلسل وخصائصها، غالبًا ما يعتمد الباحثون على برامج المعلوماتية الحيوية الشائعة مثل Clustal Omega و MUSCLE و T-Coffee و MAFFT . توفر هذه البرامج منصات تفاعلية لمحاذاة التسلسلات، وإبراز المناطق المحفوظة، وعرض اختلافات التسلسل، وتحديد أنماط التسلسل. بالإضافة إلى ذلك، توفر برامج التصوير مثل Jalview و BioEdit و Geneious ميزات متقدمة لتصوير وتحليل محاذاة التسلسل، مما يُسهّل على الباحثين تفسير البيانات الجينية واستخلاص معلومات قيّمة منها.
التقنيات
إلى جانب أدوات البرمجيات، مثل Clustal Omega و MUSCLE و T-Coffee و MAFFT ، توجد العديد من التقنيات الشائعة لتصوير محاذاة التسلسل الجينومي، والتي تلعب دورًا حاسمًا في مساعدة الباحثين على فهم العلاقات بين الأجناس والعناصر الوظيفية والعمليات التطورية. ومن بين الأدوات الشائعة، تشمل التقنيات الشائعة في تصوير محاذاة التسلسل ما يلي:

شعار التسلسل : شعارات التسلسل هي تمثيلات بيانية لمحاذاة التسلسلات، تُظهر مدى حفظ الأحماض الأمينية في كل موقع، بالإضافة إلى التردد النسبي لكل حمض أميني أو نيوكليوتيد . توفر شعارات التسلسل عرضًا مرئيًا موجزًا وغنيًا بالمعلومات للتسلسل المحفوظ والتنوع. [ 10 ]
محاذاة التسلسلات المتعددة : توفر برامج عرض محاذاة التسلسلات المتعددة، مثل Jalview و MEGA ، منصات تفاعلية لعرض وتحليل محاذاة التسلسلات المتعددة . تقدم هذه الأدوات ميزات لتسليط الضوء على مناطق التسلسل المحفوظة ، وتحديد الأنماط، واستكشاف العلاقات التطورية داخل التسلسلات. [ 11 ]

أدوات محاذاة بنية البروتين: تُمكّن أدوات مثل PyMOL و UCSF Chimera من تصور محاذاة التسلسلات في سياق بنى البروتين. ومن خلال وضع التسلسلات المحاذية فوق بنى البروتين ، يستطيع الباحثون تحليل الترتيب المكاني للبقايا المحفوظة والمجالات الوظيفية. [ 12 ]
تصور شجرة التطور: تتيح أدوات تصور شجرة التطور، مثل FigTree و iTOL ، للباحثين تصور العلاقات التطورية المستنتجة من محاذاة التسلسلات. توفر هذه الأدوات عروضًا تفاعلية لأشجار التطور، مع إبراز أطوال الفروع وقيم دعم العقد والمسافات التطورية. [ 13 ]
متصفح الجينوم: توفر متصفحات الجينوم مثل متصفح جينوم جامعة كاليفورنيا في سانتا كروز (UCSC Genome Browser ) وقاعدة بيانات Ensembl منصات شاملة لعرض محاذاة التسلسلات عبر الجينومات الكاملة. ويمكن للباحثين استكشاف بيانات ترميز الحمض النووي ، والعناصر التنظيمية، وبيانات علم الجينوم المقارن في سياق تسلسلات الجينوم. [ 14 ]

التطبيقات
تُستخدم تقنية تصوير محاذاة التسلسل الجينومي في تطبيقات متنوعة، وتلعب دورًا محوريًا في مجالات علم الجينوم والمعلوماتية الحيوية ، مما يُمكّن الباحثين من تحليل البيانات الجينية وتفسيرها واستخلاص رؤى قيّمة منها. وتتنوع تطبيقات تصوير محاذاة التسلسل لتشمل نطاقًا واسعًا من مجالات البحث. ومن أبرز هذه التطبيقات:
علم الجينوم المقارن : يُعدّ تصوير محاذاة التسلسلات أساسيًا لدراسات علم الجينوم المقارن، حيث يقارن الباحثون التسلسلات الجينية عبر أنواع مختلفة لتحديد العلاقات التطورية، ومناطق التسلسل المحفوظة ، والعناصر الوظيفية. تساعد أدوات التصوير في الكشف عن أوجه التشابه والاختلاف بين الجينومات ، مما يُسهم في دراسة العمليات التطورية. [ 15 ]

تحليل المتغيرات: في مجال علم الوراثة والطب الشخصي ، تُستخدم تقنيات تصوير محاذاة التسلسل لتحليل المتغيرات وتحديد تعدد أشكال النوكليوتيدات المفردة (SNPs)، والإضافات، والحذف، وغيرها من الاختلافات الجينية . تساعد أدوات التصوير الباحثين على تحديد اختلافات معينة في التسلسلات الجينومية وتقييم تأثيرها المحتمل على الصفات الظاهرية. [ 16 ]
التحليل التطوري: تعتمد الدراسات التطورية على تصوير محاذاة التسلسل لبناء الأشجار التطورية وتحليل العلاقات الجينية بين الأنواع أو المجموعات السكانية . تُمكّن أدوات التصوير الباحثين من تصور أوجه التشابه في التسلسل، وحساب المسافات التطورية، واستنتاج العلاقات التطورية بناءً على محاذاة التسلسل. [ 17 ]
علم الجينوم الوظيفي : في أبحاث علم الجينوم الوظيفي، تُستخدم تقنية تصوير محاذاة التسلسل لدراسة التعبير الجيني ، والعناصر التنظيمية، والتفاعلات بين البروتينات . ومن خلال تصوير محاذاة التسلسل في سياق الشروح الوظيفية وشبكات الجينات، يستطيع الباحثون توضيح الوظائف البيولوجية وآليات تنظيم الجينات. [ 18 ]
المعلوماتية الحيوية البنيوية : يُعدّ تصوير محاذاة التسلسل جزءًا لا يتجزأ من المعلوماتية الحيوية البنيوية ، حيث يقوم الباحثون بتحليل تسلسلات البروتينات وبنيتها لفهم تنظيمها ثلاثي الأبعاد وخصائصها الوظيفية. وتساعد أدوات التصوير في محاذاة تسلسلات البروتينات، والتنبؤ بالوحدات البنائية ، واستكشاف التفاعلات بين البروتينات . [ 19 ]
يُعدّ تصوير الجزيئات الكبيرة أمرًا بالغ الأهمية لفهم دقيق لبنيتها ووظائفها المتعددة الأوجه، والتي تُشكّل أساس الأنظمة البيولوجية. وقد أُحرز تقدم ملحوظ في التصوير ثلاثي الأبعاد لهذه الجزيئات، بما في ذلك الكربوهيدرات والبروتينات والأحماض النووية ومركباتها. وقد أحدثت التطورات الحديثة في منهجيات التصوير نقلة نوعية في قدرتنا على تمييز أدق تفاصيل البيانات البيولوجية. وتُتيح هذه التصويرات المتطورة مستوىً غير مسبوق من الوضوح والدقة، مما يُعزز فهمنا للأسس الآلية التي تحكم سلوك وتفاعل الكيانات البيولوجية.
التقنيات

يُحسّن التجزئة تفسير الصور البيولوجية، حيث تُسهم الأدوات الآلية في تحسين تحليل البيانات. وقد أدى ذلك إلى ازدياد استخدام تقنيات التصور ثلاثي الأبعاد عبر الإنترنت. يلعب التجزئة دورًا حيويًا في فهم بيانات التصوير البيولوجي. وقد ساهم ظهور تقنيات التجزئة الآلية المتطورة، إلى جانب دمجها في مستودعات بيانات التصوير العامة، في تحسين عملية التفسير بشكل كبير. [ 20 ]
يكشف عرض الحجم عن الهياكل الجزيئية الكبيرة الداخلية دون تجزئة، مما يوفر رؤية غير جراحية داخل الجزيئات.
يُتيح دمج البيانات التجريبية في الرسوم البيانية، مثل تراكب بيانات الطفرات أو الارتباط، فهمًا أعمق للبيانات. ويمكن عرض ذلك على شكل خرائط حرارية أو تدرجات لونية على الجزيء، وهو أمر بالغ الأهمية لإدارة التعقيد المتزايد للبيانات الجزيئية الحيوية. [ 21 ]
توفر تقنية التصور ثلاثي الأبعاد التفاعلي تفاعلاً عملياً مع الجزيئات الكبيرة، مما يسمح بالتلاعب بها مثل التدوير والتكبير، الأمر الذي يعزز الفهم.

تُقدّم تقنيات الواقع الافتراضي والواقع المعزز أساليب تفاعلية غامرة للتفاعل مع الجزيئات الكبيرة، مما يوفر منظورًا ثلاثي الأبعاد لا تستطيع الأدوات القائمة على الشاشة مجاراته. كما صُمّم تطبيق الواقع المعزز لمساعدة الطلاب على تصور هياكل الجزيئات الكبيرة ثلاثية الأبعاد والتفاعل معها، متجاوزًا بذلك قصور الصور ثنائية الأبعاد التقليدية في نقل التفاصيل المكانية وإدراك العمق. [ 22 ]
تُجسّد الرسوم المتحركة للأنشطة الجزيئية السلوكيات الديناميكية للجزيئات الحيوية، ما يجعلها أداة تعليمية وبحثية فعّالة. وباستخدام تقنية محرك الألعاب Unity3D، يُسهّل هذا النهج إنشاء أدوات تفاعلية لتصوير الجزيئات، مما يُنتج منصة سهلة الاستخدام تُبسّط عرض البيانات البيولوجية المعقدة. [ 23 ]
تُمكّن تقنيات التصوير الحاسوبي عالي الأداء من عرض مجموعات البيانات الضخمة والمعقدة في الوقت الفعلي، وهو أمر ضروري لتحليل الجزيئات الكبيرة المتقدم. وتقوم البرامج التي تستفيد من الحوسبة عالية الأداء بتحليل تفاعلات الدواء مع المستقبلات بشكل ديناميكي وفعال عبر محاكاة الديناميكا الجزيئية، مما يوفر رؤى وتوقعات معمقة حول فعالية الدواء، ويسهل عملية التصوير. [ 24 ]
تدمج تقنيات التصوير الهجينة طرقًا مختلفة لتوفير رؤية متعددة الأوجه للجزيئات، حيث تجمع بين المواضع الذرية التفصيلية والفهم الشامل للبنية والحجم.
التصوير في أنواع مختلفة من الجزيئات الكبيرة

تصوير الكربوهيدرات
تفحص الصور المرئية لوحدة ربط الكربوهيدرات (CBM) الخاصة بالسليولاز تفاعلاتها مع السليلوز أثناء التحلل المائي من ثلاث زوايا: امتصاص CBM على السليلوز، وشغله المكاني، وإمكانية وصول CBM إلى سطح السليلوز.

تصوير البروتينات
يُعد بنك بيانات البروتين RCSB (RCSB PDB)، المدعوم من كبرى الوكالات العلمية الأمريكية، مصدرًا محوريًا لعلماء الأحياء البنيوية على مستوى العالم، ويعمل كمركز بيانات أمريكي ضمن شراكة بنك بيانات البروتين العالمي (wwPDB). وبصفته الجهة المسؤولة عن حفظ الأرشيف، يضمن RCSB PDB أمن بيانات PDB، ويخدم عشرات الآلاف من مُودِعي البيانات سنويًا في جميع القارات المأهولة، باستخدام طرق متنوعة لتحديد البنية. توفر بوابة RCSB.org الإلكترونية وصولًا غير مقيد إلى بيانات PDB لملايين المستخدمين حول العالم. تتناول هذه المقالة بالتفصيل نمو وتطور الأرشيف مع تقدم التقنيات التجريبية، والدور الحاسم لمعايير البيانات وتكاملها، وإضافة أدوات وميزات جديدة لتحليل وتصوير البنية ثلاثية الأبعاد خلال العام الماضي. [ 25 ]
تصوير الأحماض النووية
طوّر الباحثون طريقة سريعة ومباشرة ودقيقة للكشف عن فيروس التهاب الأنف والرغامى المعدي البقري (IBRV) في الماشية، وهو فيروس معروف بتسببه في التهابات مزمنة وآثار اقتصادية كبيرة. تدمج هذه الطريقة تقنية تضخيم البوليميراز المؤتلف (RPA) مع شريط التصوير بالتدفق العمودي (VF) لتكوين اختبار RPA-VF يستهدف جين ثيميدين كيناز، مما يضمن الكشف السريع والدقة العالية وانعدام التفاعل المتبادل مع مسببات الأمراض الأخرى. [ 26 ]
جزيئات كبيرة غير بوليمرية
يُعد تصوير المواد النانوية أمرًا بالغ الأهمية لفهم علاقاتها بين البنية والوظيفة، ويتطلب ذلك عادةً تقنيات مجهرية وتحليلية متقدمة توفر صورًا عالية الدقة وعالية التكبير.

الجسيمات النانوية هي جسيمات متناهية الصغر يتراوح حجمها بين 1 و100 نانومتر. ونظرًا لصغر حجمها وارتفاع نسبة مساحة سطحها إلى حجمها، فإنها تُظهر خصائص كيميائية وفيزيائية فريدة. ويتم تصوير الجسيمات النانوية عادةً باستخدام تقنيات عالية الدقة مثل المجهر الإلكتروني النافذ (TEM)، والمجهر الإلكتروني الماسح (SEM)، ومجهر القوة الذرية (AFM)، وتقنية تشتت الضوء الديناميكي (DLS) لتحليل توزيع حجمها. [ 27 ] [ 28 ]

المواد النانوية المركبة هي مواد تتضمن جسيمات نانوية ضمن مصفوفة من مادة أخرى، مثل البوليمرات أو السيراميك أو المعادن. غالبًا ما تُظهر هذه المواد خصائص محسّنة، مثل زيادة المتانة أو الموصلية الكهربائية. ويمكن تصوير توزيع الجسيمات النانوية وتفاعلها داخل المصفوفة باستخدام تقنيات مثل المجهر الإلكتروني النافذ (TEM) والمجهر الإلكتروني الماسح (SEM) وحيود الأشعة السينية (XRD).

الأنابيب النانوية ، وتحديداً أنابيب الكربون النانوية، هي هياكل أسطوانية بقطر يصل إلى نانومتر واحد. تتميز بخصائص ميكانيكية وكهربائية وحرارية فائقة، وتُستخدم في تطبيقات متنوعة من علم المواد إلى تكنولوجيا النانو. يتطلب تصوير الأنابيب النانوية عادةً استخدام المجهر الإلكتروني النافذ (TEM) أو المجهر الإلكتروني الماسح (SEM) أو المجهر الذري (AFM).

الألياف النانوية هي ألياف ذات أقطار في نطاق النانومتر. تُصنع هذه الألياف من خلال عمليات مثل الغزل الكهربائي، ولها تطبيقات في مجالات مثل الترشيح والمنسوجات والطب الحيوي. ويمكن تصوير الألياف النانوية باستخدام المجهر الإلكتروني الماسح، الذي يوفر صورًا تفصيلية لشكلها وتوزيعها.
تصور التفاعلات بين الجزيئات الكبيرة
تم تصوير تفاعلات البروتين مع الكربوهيدرات باستخدام ذرات الهيدروجين في مركب الليكتين-الفوكوز المُدَوتَر بالكامل. [ 29 ] يلعب الالتحام الحاسوبي دورًا حيويًا في البيولوجيا التركيبية، حيث توفر البرامج منصة ويب سهلة الاستخدام لنمذجة تفاعلات الجزيئات الكبيرة المختلفة، مثل المركبات المرنة والتجمعات المرتبطة بالغشاء. وهذا يُحسّن إمكانية الوصول ويُثري تجربة المستخدم في مجتمع البيولوجيا التركيبية. [ 30 ]
أدوات
تُعد PyMOL و Chimera و ChimeraX و Jmol و VMD و Swiss-PdbViewer و Coot و Biovia Discovery Studio و LightDock و Schrodinger's Maestro أدوات رئيسية في مجال التصور الجزيئي، حيث يقدم كل منها قدرات فريدة تتراوح من التصوير ثلاثي الأبعاد عالي الجودة والتحليل التفاعلي إلى دعم الواقع الافتراضي والمحاكاة واسعة النطاق، مما يلبي الاحتياجات المتنوعة في النمذجة الجزيئية والنشر والتعليم عبر كل من المنصات مفتوحة المصدر والتجارية.
علم الأحياء النظمي


علم الأحياء النظمي هو فرع من فروع تصوير البيانات البيولوجية، يُعنى بتحليل وتصميم نماذج الأنظمة البيولوجية المعقدة. تشمل النماذج الحسابية الشائعة المستخدمة في علم الأحياء النظمي حسابات العمليات ، مثل حساب باي العشوائي ، وإعادة البناء والتحليل القائم على القيود (COBRA)، وهو نموذج يأخذ في الاعتبار القيود الفيزيائية والإنزيمية والطوبولوجية التي تُحدد النمط الظاهري في الشبكة الأيضية . [ 32 ] [ 33 ]
تُجرى معظم عمليات تمثيل البيانات في بيولوجيا الأنظمة باستخدام نماذج مُولَّدة رياضيًا. يقوم الباحثون برسم مخططات لجميع مسارات البروتين أو الجينات أو الأيض في نظام بيولوجي مُحدد، ثم يُحددون سرعة التفاعلات في ذلك النظام باستخدام حركية فعل الكتلة أو حركية الإنزيمات . تُستخدم هذه القيم كمعاملات لبناء معادلات تفاضلية تُمثل النظام، والتي يُمكن استخدامها بعد ذلك لتحديد سلوك العناصر داخل ذلك النظام. توجد أيضًا حلول بديلة للنمذجة الرياضية؛ على سبيل المثال، يُمكن استخدام طريقة COBRA، مثل تحليل توازن التدفق، لتحليل تدفق المُستقلبات عبر شبكة أيضية مُحددة. [ 34 ]
تُعدّ مطيافية الكتلة إحدى طرق التصوير الرئيسية في بيولوجيا الأنظمة ، حيث تُستخدم لتصوير التوزيع المكاني للمركبات، والمؤشرات الحيوية، والمستقلبات، والببتيدات، و/أو البروتينات داخل الجسم. ويُعدّ هذا مفيدًا بشكل خاص في علم الأيض ، وهو فرع من بيولوجيا الأنظمة يستخدم مطيافية الكتلة لقياس معلومات توزيع المستقلبات، ثم يستخدم شدة الإشارة المقاسة لإنشاء صورة. [ 35 ]
تشمل أدوات البرمجيات الشائعة المستخدمة في نمذجة بيولوجيا الأنظمة massPy، [ 36 ] وCytosim، [ 37 ] وPySB. [ 38 ] ويمكن العثور على أمثلة أخرى في قائمة برامج نمذجة بيولوجيا الأنظمة على ويكيبيديا .
التصوير المجهري
إلى جانب المجهر الضوئي والإلكتروني، تُستخدم تقنيات أخرى مثل المسبار الماسح، والأشعة فوق البنفسجية، والأشعة تحت الحمراء، والتصوير المجسم الرقمي، والليزر، والتصوير الهواة في مجال التصوير.

مناهج جديدة: تتناول هذه الدراسة استخدام المجهر ثنائي الفوتون، وهي تقنية قادرة على تصوير أعماق تصل إلى 800 ميكرومتر من خلال امتصاص الفوتونين، لتصوير العوامل الروبوتية الدقيقة تحت الأنسجة البيولوجية، مما يدل على إمكاناتها التحويلية لتطبيقات الروبوتات الدقيقة في المختبر وفي الجسم الحي. [ 39 ]
استخدم الباحثون المجهر الضوئي ذو المجال الساطع مع إضاءة LED نابضة عالية الكثافة لالتقاط صور مفصلة بدقة 12 بت لكل قناة للخلايا الحية، مع معالجة تشوهات البيانات الناتجة عن تفاعلات المسار البصري وشذوذ المستشعر من خلال نهج معايرة طيفية شامل، مما يسمح بالتصوير بأقل قدر من فقدان المعلومات في عمق شدة 8 بت. [ 40 ]
استكشف الباحثون مبادرة مجتمعية تركز على تحسين عرض بيانات المجهر الضوئي في المنشورات العلمية من خلال الالتزام بمبادئ "البيانات العادلة والقابلة للتشغيل البيني" (FAIR Data Principles)، التي تهدف إلى تعزيز إمكانية العثور على البيانات، وسهولة الوصول إليها، وقابلية التشغيل البيني، وقابلية التكرار. وعلى الرغم من التحديات المستمرة المتعلقة بجودة البيانات والتواصل، تؤكد المبادرة على دور التعاون العلمي العالمي في تطوير معايير التصوير، وتستفيد من الخبرات السابقة لتوجيه ودعم التطورات المستقبلية في التصوير البيولوجي. [ 41 ]
التصوير بالرنين المغناطيسي

التصوير بالرنين المغناطيسي (MRI) هو شكل شائع من أشكال تصوير البيانات البيولوجية، ويُستخدم لتكوين صور للعمليات البيولوجية الداخلية. وتؤدي الإعدادات المختلفة لنبضات الترددات الراديوية وتدرجاتها إلى ظهور صور مختلفة؛ وتُعرف هذه التركيبات بتسلسلات التصوير بالرنين المغناطيسي . ومن أبرز فروع التصوير بالرنين المغناطيسي تصوير الأوعية بالرنين المغناطيسي ، وهو مجموعة من التقنيات المستخدمة لتصوير الشرايين والأوردة. كما تتوسع فائدة التصوير بالرنين المغناطيسي لتشمل التصوير بالرنين المغناطيسي الانتشار والتصوير بالرنين المغناطيسي الوظيفي ، واللذان يُستخدمان لتصوير المسارات العصبية وتدفق الدم على التوالي.

يعتمد التصوير بالرنين المغناطيسي الانتشارية أيضًا على تصوير موتر الانتشار (DTI)، الذي يقيس انتشار جزيئات الماء واتجاهها، وتصوير طيف أساس الانتشار (DBSI)، الذي يستخلص موترات انتشار متعددة متباينة الخواص ومتساوية الخواص. [ 42 ] [ 43 ] ويعتمد التصوير بالرنين المغناطيسي الوظيفي على تباين مستوى الأكسجين في الدم (BOLD)، الذي يقيس نسبة الهيموجلوبين المؤكسج في مناطق محددة من الدماغ؛ مما يسمح بقياس نشاط الدماغ ونمذجته بناءً على تدفق الدم. [ 44 ] وتشمل تقنيات التصوير بالرنين المغناطيسي الأخرى نبضات التشبع (المستخدمة لتقليل تشوهات الحركة)، وصدى التدرج (مثل تحسين التباين الديناميكي)، وصدى الدوران ، وترجيح الانتشار (طريقة لتوليد تباين الإشارة تعتمد على الاختلافات في الحركة البراونية ). [ 45 ] [ 46 ] [ 47 ]

لإنتاج صورة مرئية باستخدام التصوير بالرنين المغناطيسي، يُوضع الهدف في مجال مغناطيسي قوي، مثل مجال جهاز الرنين المغناطيسي. يؤدي ذلك إلى اصطفاف محاور بروتونات الهيدروجين داخل الهدف، والتي عادةً ما تكون مُرتبة عشوائيًا وفقًا لحالة التوازن، في اتجاه واحد، مما يُنشئ متجهًا مغناطيسيًا مُوجهًا على طول محور المغناطيس. يسمح هذا التوجيه أيضًا بقياس دوران بروتونات الهيدروجين، أو تردد دورانها. بعد ذلك، يُعطَّل هذا الاصطفاف باستخدام نبضات الترددات الراديوية (RF) (وهي نوع من الإشعاع الكهرومغناطيسي غير المؤين). [ 48 ] عند إزالة المجال المغناطيسي، تعود بروتونات الهيدروجين إلى حالات توازنها في عملية تُعرف بالاسترخاء ، وتُصدر خلالها طاقة الترددات الراديوية. [ 49 ] تسترخي الأنسجة المختلفة بمعدلات مختلفة، مما يسمح للعلماء باستخدام تسلسلات نبضات ترددات راديوية مُحددة لتسليط الضوء على أنسجة أو تشوهات مُعينة.
بعد فترة زمنية محددة عقب نبضة التردد اللاسلكي، تُقاس إشارات طاقة التردد اللاسلكي المنبعثة من البروتونات للحصول على معلومات التردد من كل موقع في المستوى المصوّر. ثم يُستخدم تحويل فورييه لتحويل معلومات التردد هذه إلى مستويات شدة، والتي تُعرض كتدرجات رمادية في الصورة المُولّدة.

بشكل عام، يُقاس جانبان من عملية الاسترخاء: الزمن اللازم لعودة المتجه المغناطيسي إلى حالة الراحة (المعروف أيضًا باسم T1 أو استرخاء الدوران الشبكي )، والزمن اللازم لعودة الدوران المحوري لبروتونات الهيدروجين إلى حالة الراحة (المعروف أيضًا باسم T2 أو استرخاء الدوران المغزلي ). [ 50 ] لإنشاء صورة مُرجّحة بـ T1 ، تُقاس إشارة الرنين المغناطيسي بتغيير الفترة الزمنية بين نبضات التردد اللاسلكي (المعروفة أيضًا باسم زمن التكرار ، أو TR). ولإنشاء صورة مُرجّحة بـ T2، تُقاس إشارة الرنين المغناطيسي بتغيير الفترة الزمنية بين إرسال نبضة التردد اللاسلكي واستقبال إشارات طاقة التردد اللاسلكي من بروتونات الهيدروجين (المعروفة أيضًا باسم زمن الصدى، أو TE). وتكون شدة الإشارة السائدة في ترجيح صورة T1 كالتالي : السوائل (باللون الأسود نظرًا لشدة الإشارة المنخفضة)، والعضلات (باللون الرمادي نظرًا لشدة الإشارة المتوسطة)، والدهون (باللون الأبيض نظرًا لشدة الإشارة العالية). يُستخدم كبح إشارة الدهون في العديد من تسلسلات التصوير الموزون T1 لتقليل سطوع الإشارة الناتجة عنها. أما شدة الإشارة السائدة في ترجيح صور T2 فهي : السوائل (الأبيض)، والعضلات (الرمادي)، والدهون (الأبيض). كما يتم غالبًا إبراز إشارات T2 أو كبحها تبعًا لهدف التصوير؛ ومن الأمثلة البارزة على ذلك كبح إشارة الدهون، وتوهين السوائل، وترجيح الحساسية المغناطيسية.
ومن الجدير بالذكر أيضًا صور كثافة البروتون (PD)، التي تُنتج باستخدام زمن تكرار طويل (TR) وزمن صدى قصير (TE). تُفيد صور كثافة البروتون في التمييز بين السائل والغضروف الزجاجي والغضروف الليفي ، مما يجعلها مثالية لتصوير المفاصل. أما خارج نطاق تصوير المفاصل، فقد حلت محلها إلى حد كبير تقنية استعادة الانعكاس المُخفف للسائل (FLAIR)، وهي تقنية استعادة انعكاس تُزيل الإشارة من السائل النخاعي. [ 51 ]
التصوير المقطعي

تُشبه فحوصات التصوير المقطعي المحوسب (CT) والتصوير المقطعي بالإصدار البوزيتروني (PET) التصوير بالرنين المغناطيسي (MRI)، لكنها تعتمد على تقنيات تصوير مختلفة (الأشعة السينية والإشعاع المؤين، على التوالي). ويتطلب نوعٌ من التصوير المقطعي المحوسب يُعرف بالتصوير المقطعي بالتباين (CT) أن يتناول المريض مادة تباين تُسمى عامل التباين الإشعاعي (عادةً عن طريق الفم، أو الحقنة الشرجية، أو الحقن). تعمل عوامل التباين الإشعاعي الموجبة، مثل كبريتات الباريوم، على زيادة امتصاص الجسم للأشعة السينية، مما يجعل الأنسجة التي تحتوي عليها تظهر بلونٍ أبيض في صورة الأشعة السينية. في المقابل، تسمح عوامل التباين السالبة، مثل غاز ثاني أكسيد الكربون، للأشعة السينية بالمرور عبرها بسهولة، مما يجعل الأنسجة التي تحتوي عليها تظهر بلونٍ أغمق. [ 52 ]
على غرار التصوير بالرنين المغناطيسي، تستخدم فحوصات التصوير المقطعي المحوسب (CT) طرقًا متعددة لعرض البيانات وقياسها، بما في ذلك التصوير المقطعي المتسلسل (حيث ينتقل جهاز التصوير المقطعي من موضع لآخر)، والتصوير المقطعي الحلزوني (حيث يدور أنبوب الأشعة السينية بالكامل حول الجسم المراد تصويره)، والتصوير المقطعي بشعاع الإلكترون (حيث تدور مسارات الإلكترونات فقط باستخدام ملفات الانحراف). أما أجهزة التصوير المقطعي بالإصدار البوزيتروني (PET) فلا تتميز بتنوع كبير في مكوناتها، بل تستخدم مواد مشعة مختلفة حسب الهدف المراد تصويره. تجدر الإشارة إلى أن المواد المشعة تختلف عن مواد التباين الإشعاعي؛ فالأولى تعتمد على التحلل الإشعاعي لتحديد مسارها، بينما تُمتص الثانية في أنسجة محددة وتؤثر على امتصاصها للأشعة السينية. ولأن هذه الطرق ليست حصرية، يمكن إجراء التصوير المقطعي بالإصدار البوزيتروني والتصوير المقطعي المحوسب في آنٍ واحد باستخدام أجهزة التصوير المقطعي بالإصدار البوزيتروني-التصوير المقطعي المحوسب (PET-CT)، وهي الأجهزة المستخدمة في معظم فحوصات التصوير المقطعي بالإصدار البوزيتروني الحديثة. [ 53 ]
يمكن استخدام إحدى هاتين الطريقتين أو كلتيهما مع تقنية إسقاط الكثافة القصوى (MIP) لتحويل بيانات المسح إلى صورة ثلاثية الأبعاد. قد يكون هذا صعبًا نظرًا للتشوهات الناتجة عن التنفس وتدفق الدم، والتي قد تبدو غير طبيعية للعين غير المدربة؛ ومع ذلك، من الممكن تمييز هذه التشوهات عن المرض الحقيقي طالما تم الانتباه إليها بدقة. [ 54 ] عند إجرائها بشكل صحيح، تُعد فحوصات التصوير المقطعي المحوسب (CT) والتصوير المقطعي بالإصدار البوزيتروني (PET) التي تُجرى بتقنية MIP ممتازة لتحديد الأورام النسيجية غير الطبيعية الصغيرة، وخاصة في الرئتين. تميل فحوصات MIP لهذا الغرض إلى أن تكون ذات دلالة إحصائية أعلى من الصور المتوسطة التي يتم إنشاؤها باستخدام التصوير المقطعي المحوسب التقليدي. [ 55 ]
يُستخدم تصوير MIP أيضًا مع تصوير الأوعية بالرنين المغناطيسي، وقد أشارت الأبحاث إلى إمكانية استخدامه مع التصوير بالرنين المغناطيسي. [ 56 ] وقد أظهرت دراسة واحدة على الأقل أن تصوير الرنين المغناطيسي بتقنية MIP يتفوق بشكل ملحوظ على تصوير الرنين المغناطيسي أحادي الشريحة عند استخدامه بواسطة الشبكات العصبية لتصنيف الآفات بناءً على درجة الخباثة. [ 57 ]
تنسيق
محاذاة التسلسل هي طريقة لترتيب تسلسلات البروتينات أو الحمض النووي الريبوزي (RNA) أو الحمض النووي الريبوزي منقوص الأكسجين (DNA) لتحديد مناطق التشابه التي قد تكون ناتجة عن علاقات وظيفية أو بنيوية أو تطورية بين هذه التسلسلات. في البداية، تقارن هذه الطريقة تسلسلين فقط فيما يُعرف بالمحاذاة الثنائية. تُعد المحاذاة الشاملة، التي تسعى إلى محاذاة كل حمض أميني في كل تسلسل، مفيدة للغاية عندما تكون التسلسلات في مجموعة الاستعلام متشابهة ومتساوية الحجم تقريبًا. أما المحاذاة المحلية فهي أكثر فائدة للتسلسلات غير المتشابهة التي يُشتبه في احتوائها على مناطق تشابه أو أنماط تسلسلية متشابهة ضمن سياقها التسلسلي الأوسع. تُعد محاذاة التسلسلات المتعددة امتدادًا للمحاذاة الثنائية لتشمل أكثر من تسلسلين في الوقت نفسه. تحاول طرق المحاذاة المتعددة محاذاة جميع التسلسلات في كل مجموعة استعلام. غالبًا ما تُستخدم المحاذاة المتعددة في تحديد مناطق التسلسل المحفوظة عبر مجموعة من التسلسلات التي يُفترض أنها مرتبطة تطوريًا.
أغراض تصور المحاذاة:
- يُساعد ذلك على فهم عام لتسلسلات الحمض النووي أو البروتينات واسعة النطاق. عند تحليل البيانات، من المفيد عرضها بصريًا بطريقة ما، لتسهيل تحديد الأنماط أو العلاقات الواضحة.
- يُتيح هذا البرنامج عرض محاذاة التسلسلات المتعددة بشكل مرئي وسهل الفهم، وذلك لأغراض الرسوم البيانية والنشر.
- قم بتحرير وتنسيق عمليات المحاذاة التي يتم إنشاؤها تلقائيًا يدويًا. على الرغم من وجود خوارزميات فعالة، إلا أنه لا يوجد خوارزمية مثالية، وتوفر أدوات التصور طريقة لتصحيح الاختلافات الصغيرة.

محاذاة التسلسلات المتعددة المنتظمة - تُعرض تسلسلات النيوكليوتيدات أو الأحماض الأمينية المحاذية عادةً كصفوف ضمن مصفوفة. تُضاف فجوات بين الأحماض الأمينية بحيث تُحاذى الأحرف المتطابقة أو المتشابهة في أعمدة متتالية. تستخدم العديد من برامج عرض التسلسلات الألوان لعرض معلومات حول خصائص عناصر التسلسل الفردية؛ في تسلسلات الحمض النووي DNA وRNA، يُعادل هذا تخصيص لون لكل نيوكليوتيد. في محاذاة البروتينات، يُستخدم اللون غالبًا للإشارة إلى خصائص الأحماض الأمينية للمساعدة في تقييم مدى حفظ استبدال حمض أميني معين. بالنسبة للتسلسلات المتعددة، غالبًا ما يكون الصف الأخير في كل عمود هو التسلسل التوافقي الذي تحدده المحاذاة؛ كما يُعرض التسلسل التوافقي غالبًا بتنسيق رسومي مع شعار تسلسلي، حيث يتناسب حجم كل حرف من حروف النيوكليوتيدات أو الأحماض الأمينية مع درجة حفظه.

محاذاة التسلسلات المتعددة الدائرية - يفترض أحد الافتراضات الشائعة في تقنيات محاذاة التسلسلات المتعددة أن الموضعين الأيمن والأيسر للتسلسلات المدخلة لهما أهمية في المحاذاة. مع ذلك، يمكن أن يكون موضع بداية أو نهاية التسلسل عشوائيًا تمامًا. على سبيل المثال، عند تحويل بنية جزيئية دائرية إلى بنية خطية، يتم اختيار بداية التسلسل عشوائيًا. وهذا مهم، على سبيل المثال، في عملية محاذاة التسلسلات المتعددة للحمض النووي للميتوكوندريا، أو الفيروسات، أو غيرها من الجينومات ذات البنية الجزيئية الدائرية.

محاذاة التسلسلات المتعددة الحلزونية - يُستخدم اللون لعرض معلومات حول خصائص عناصر التسلسل الفردية. قد توجد أيضًا فجوات لتحسين تطابق التسلسلات فيما بينها. باختصار، تُعادل بنية محاذاة التسلسلات الحلزونية مصفوفة خطية قياسية، مع ميزة تلخيص التسلسلات الطويلة جدًا بطريقة عملية. هذا يعني أن كل حلزون يُمثل أحد التسلسلات التي تتم محاذاتها.

التصوير ثلاثي الأبعاد – يُعدّ تمثيل تسلسل البروتين أحادي البعد عادةً قائمةً بالأحماض الأمينية المكونة له. مع ذلك، يُظهر المحاذاة ثلاثية الأبعاد كيفية تطابق التسلسلات. يدعم عارض محاذاة المجموعات أحادي وثلاثي الأبعاد، من بنك بيانات البروتين RCSD، استكشاف محاذاة التسلسلات المتعددة (MSA) على مستوى التسلسل والبنية لهياكل PDB التجريبية ونماذج البنية المحسوبة (CSMs). يُمكن تحديد البروتينات و/أو مناطق الأحماض الأمينية من محاذاة التسلسلات المتعددة لعرض هياكلها ثلاثية الأبعاد المُحاذية.
يُصنّف موقع RCSB.org كيانات البروتين (الهياكل التجريبية في قاعدة بيانات البروتينات PDB ونماذج CSM) حسب عتبة تطابق التسلسل ورقم الوصول في UniProt. لكل مجموعة، تُحسب محاذاة التسلسل المتعدد (MSA) باستخدام Clustal Omega وتُعرض في عارض محاذاة المجموعات أحادي وثلاثي الأبعاد باستخدام أنظمة ألوان محددة. تُمثل مواقع تسلسل البروتين في قاعدة بيانات البروتينات PDB باللون الأزرق إذا تم تحديد البقايا تجريبيًا، وباللون الرمادي إذا لم يتم ذلك. تُلوّن نماذج CSM وفقًا لدرجات pLDDT المحلية الخاصة بها. [ 58 ]
علم الوراثة العرقي

الشجرة التطورية هي رسم بياني متفرع أو شجرة توضح العلاقات التطورية بين مختلف الأنواع البيولوجية أو الكيانات الأخرى بناءً على أوجه التشابه والاختلاف في خصائصها الفيزيائية أو الجينية. وهي تمثيل مرئي يُظهر التاريخ التطوري لمجموعة من الأنواع أو التصنيفات خلال فترة زمنية محددة.
يحدث أمران ضمنيًا على امتداد فروع الشجرة التطورية. أولهما مرور الزمن، فالعقد الأعمق أقدم من العقد الأقل عمقًا المتصلة بها. وبالتالي، تشير العقد الأعمق إلى علاقات أبعد بين التصنيفات الطرفية التي تربطها، وإلى عمر أكبر للسلف المشترك الأحدث لتلك التصنيفات. أما الأمر الثاني فهو التعديل التطوري، أو تراكم التغيرات الوراثية و/أو البنيوية على طول هذه الفروع. يشير مصطلح "طول الفرع" عادةً إلى عدد هذه التغيرات. إذا كانت "أطوال الفروع" في الشجرة تقيس هذه التغيرات، فإننا نسمي الشجرة أيضًا مخططًا تطوريًا. الشجرة التطورية المنتظمة - والتي تُسمى عمومًا مخططًا شجريًا - هي رسم بياني بخطوط مستقيمة تمثل شجرة. يُظهر هذا المخطط عمودًا من العقد التي تمثل التصنيفات الفردية، وتمثل العقد المتبقية المجموعات التي تنتمي إليها البيانات، مع أسهم تمثل المسافة: وهي طريقة لقياس مدى اختلافها (عدم التشابه). المسافة بين المجموعات المدمجة رتيبة، وتزداد مع مستوى الاندماج: ارتفاع كل عقدة في الرسم البياني يتناسب مع قيمة عدم التشابه بين المجموعات بين فرعيها.

مخطط التفرع – هو رسم بياني بخطوط مستقيمة تمثل شجرة. الفرق بين مخطط التفرع وشجرة التطور هو أن مخطط التفرع لا يُظهر كيفية ارتباط الأسلاف بالأحفاد، ولا يُظهر مدى تغيرهم. هذا يعني أنه قد تتوافق أكثر من شجرة تطور مع مخطط التفرع نفسه.

الشجرة التطورية الدائرية - تُستخدم الأشجار الدائرية غالبًا لتوضيح العلاقات بين أفراد المجموعات الرئيسية للكائنات الحية، وقد تحتوي هذه الأشجار على العديد من التصنيفات الطرفية. قد يبدو الأمر غير بديهي، لكن المعلومات نفسها الواردة في الشجرة التطورية العادية تُقدم أيضًا في الشجرة التطورية الدائرية. يبقى شكل الشجرة كما هو، ويتغير شكلها فقط لاستيعاب كمية أكبر من المعلومات في مساحة أقل.

التصوير ثلاثي الأبعاد - في مخطط التطور، يُمثَّل البُعد التطوري على أحد المحاور، والجينات على المحور الآخر. ولإمكانية تصوير الجينات المتشابهة، يُمكن إضافة محور ثالث. في تخطيط التطور القياسي (ثنائي الأبعاد)، ليس من السهل دائمًا التمييز بين أحداث تضاعف الجينات (الجينات المتشابهة) وتفرعات التنوع (الأنواع)، نظرًا لوجود محور مكاني واحد فقط (الجينات) لعرض مزيج هذين النوعين من المعلومات. في المقابل، يُمكن التمييز بينهما بسهولة في التصوير ثلاثي الأبعاد، لأنه يُسقطهما على محورين متعامدين: الأنواع (X) مقابل الجينات المتشابهة (Z). على سبيل المثال، يكون تطور العديد من الجينات المتشابهة واضحًا بصريًا في عرض التصوير ثلاثي الأبعاد (في الأنواع الثلاثة من حقيقيات النوى، على اليمين)، لكن هذا النمط أقل وضوحًا في التمثيل ثنائي الأبعاد. [ 59 ]
برنامج التصور
| اسم | وصف | نوع البيانات | المؤلف(ون) | سنة |
|---|---|---|---|---|
| برنامج Cytoscape | منصة برمجية مفتوحة المصدر لتصور الشبكات البيولوجية المعقدة [ 60 ] | علم الأحياء النظمي | فريق Cytoscape | يوليو 2002 |
| شجرة التين | عارض شجرة جافا قادر على قراءة تنسيقات ملفات الشجرة المتعددة، وتلوين الفروع، وإنتاج رسومات متجهة | شجرة التطور الوراثي | أندرو رامبوت | 6 نوفمبر 2006 |
| شجرة الحياة التفاعلية (ITOL) | يقوم بإنشاء الأشجار وتزويدها بأنواع مختلفة من البيانات | شجرة التطور الوراثي | سيكاريلي إف دي، وآخرون [ 61 ] | 3 مارس 2006 |
| Jmol | تطبيق جافا مجاني ومفتوح المصدر قادر على تحميل جزيئات متعددة بحركة مستقلة، وأسطح ومدارات جزيئية، وتصور تجويف، وتناظر بلوري [ 62 ]. | جزيئي | دان جيزيلتر | 2001 |
| معالجة الصور الطبية وتحليلها وتصويرها (MIPAV) | التحليل الكمي وتصوير الصور الطبية لطرائق مثل التصوير المقطعي بالإصدار البوزيتروني، والتصوير بالرنين المغناطيسي، والتصوير المقطعي المحوسب، أو المجهر [ 63 ] | التصوير الطبي | مركز تكنولوجيا المعلومات التابع للمعاهد الوطنية للصحة | مجهول |
| ميدوسا | برنامج لبناء وتحليل مجموعات من عمليات إعادة بناء الشبكات الأيضية على نطاق الجينوم [ 64 ] | علم الأحياء النظمي | جريجوري إل ميدلوك، توماس جيه موتينيو، جيسون أ. بابين | 2001 |
| تحليل علم الوراثة التطورية الجزيئية (MEGA) | يوفر البرنامج خوارزميات متعددة لبناء الأشجار التطورية، بما في ذلك UPGMA، وMaximum Likelihood، وMaximum Parsimony، وما إلى ذلك. | شجرة التطور الوراثي | ماساتوشي ني، سودهير كومار، كويشيرو تامورا، جلين ستيشر، دانييل بيترسون، نيكولاس بيترسون | 1993 |
| بيئة التشغيل الجزيئية (MOE) | نماذج للجزيئات الدقيقة والكبيرة، ومركبات البروتين والربيطة، والشبكات البلورية | جزيئي | مجموعة الحوسبة الكيميائية | مجهول |
| بايمول | تطبيق بايثون مفتوح المصدر لنمذجة الجزيئات الحيوية الكبيرة | جزيئي | وارن ديلانو | 2017 |
| تي-كوفي | يقوم بإجراء محاذاة تسلسل متعددة باستخدام نهج تدريجي | التسلسلات | سيدريك نوتردام | 15 أكتوبر 2020 |
شجرة الحياة ITOL
تصوير السم الخارجي A تم إنشاؤه باستخدام Jmol
جزء من الحمض النووي موضح بواسطة برنامج PyMOL
بيانات شبكة الخميرة مُصوَّرة بواسطة برنامج Cytoscape
مراجع
- ↑ لوسيتش، ف.، فورستر، ف.، باوميستر، و. (2005). "دراسات بنيوية بالتصوير المقطعي الإلكتروني: من الخلايا إلى الجزيئات". المراجعة السنوية للكيمياء الحيوية . 74 (1): 833-865 . Bibcode : 2005ARBio..74..833L . doi : 10.1146/annurev.biochem.73.011303.074112 . PMID 15952904 .
- ↑ ستيفن إيه سي، باوميستر دبليو (سبتمبر 2008). "المستقبل هجين". مجلة البيولوجيا التركيبية . 163 (3): 186-195 . doi : 10.1016/j.jsb.2008.06.002 . PMID 18602011 .
- ↑ بلاتنر هـ، هينتشل ج (2006). "ديناميكيات الخلية في أجزاء من الثانية: المجهر الإلكتروني ذو الدقة الزمنية والارتباط الوظيفي" . مسح لعلم الأحياء الخلوي (مخطوطة مقدمة). المجلة الدولية لعلم الخلايا. المجلد 255. الصفحات 133-176 . doi : 10.1016/S0074-7696(06)55003-X . ISBN 978-0-12-373599-7PMID 17178466
- ↑ فرانك ج، شليشتينغ آي (سبتمبر 2004). "التصوير الزمني لعمليات وتفاعلات الجزيئات الكبيرة". مجلة البيولوجيا التركيبية . 147 (3): 209-210 . doi : 10.1016/j.jsb.2004.06.003 . PMID 15450290 .
- ↑ ووترهاوس، أندرو م.؛ بروكتر، جيمس ب.؛ مارتن، ديفيد م. أ.؛ كلامب، ميشيل؛ بارتون، جيفري ج. (2009). "جالفيو الإصدار 2 - محرر محاذاة تسلسل متعدد ومنصة تحليل" . المعلوماتية الحيوية . 25 (9): 1189-1191 . doi : 10.1093/bioinformatics/btp033 . PMC 2672624. PMID 19151095 .
- ↑ كاتوه، ك.؛ ستاندلي، د.م. (2013). "برنامج MAFFT لمحاذاة التسلسلات المتعددة، الإصدار 7: تحسينات في الأداء وسهولة الاستخدام" . علم الأحياء الجزيئي والتطور . 30 (4): 772-780 . doi : 10.1093/molbev/mst010 . PMC 3603318. PMID 23329690 .
- ↑ كومار، سودير؛ ستيتشر، جلين؛ لي، مايكل؛ كنياز، كريستينا؛ تامورا، كويتشيرو (2018). "MEGA X: تحليل علم الوراثة التطورية الجزيئية عبر منصات الحوسبة" . علم الأحياء الجزيئي والتطور . 35 (6): 1547-1549 . doi : 10.1093/molbev/msy096 . PMC 5967553. PMID 29722887 .
- ↑ سيفرز، فابيان؛ ويلم، أندرياس؛ دينين، ديفيد؛ جيبسون، توبي جيه؛ كاربلوس، كيفن؛ لي، ويزهونغ؛ لوبيز، رودريغو؛ ماكويليام، هاميش؛ ريمرت، مايكل؛ سودينغ، يوهانس؛ طومسون، جولي دي؛ هيغينز، ديزموند جي. (2011). "توليد سريع وقابل للتطوير لمحاذاة تسلسلات بروتينية متعددة عالية الجودة باستخدام Clustal Omega" . بيولوجيا الأنظمة الجزيئية . 7 539. doi : 10.1038/Msb.2011.75 . PMC 3261699. PMID 21988835 .
- ↑ ألتشول، ستيفن ف.؛ غيش، وارن؛ ميلر، ويب؛ مايرز، يوجين و.؛ ليبمان، ديفيد ج. (1990). "أداة بحث أساسية للمحاذاة المحلية". مجلة البيولوجيا الجزيئية . 215 (3): 403-410 . doi : 10.1016/S0022-2836(05)80360-2 . PMID 2231712 .
- ↑ شنايدر، توماس د.؛ ستيفنز، ر. مايكل (1990). "شعارات التسلسل: طريقة جديدة لعرض التسلسلات المتفق عليها" . مجلة أبحاث الأحماض النووية . 18 (20): 6097-6100 . doi : 10.1093/nar/18.20.6097 . PMC 332411. PMID 2172928 .
- ↑ ووترهاوس، أندرو م.؛ بروكتر، جيمس ب.؛ مارتن، ديفيد م. أ.؛ كلامب، ميشيل؛ بارتون، جيفري ج. (2009). "جالفيو الإصدار 2 - محرر محاذاة تسلسل متعدد ومنصة تحليل" . المعلوماتية الحيوية . 25 (9): 1189-1191 . doi : 10.1093/bioinformatics/btp033 . PMC 2672624. PMID 19151095 .
- ↑ بيترسن، إريك ف.؛ غودارد، توماس د.؛ هوانغ، كونراد س.؛ كوتش، غريغوري س.؛ غرينبلات، دانيال م.؛ مينغ، إيلين س.؛ فيرين، توماس إي. (2004). "برنامج UCSF Chimera - نظام تصويري للبحث والتحليل الاستكشافي". مجلة الكيمياء الحاسوبية . 25 (13): 1605-1612 . Bibcode : 2004JCoCh..25.1605P . doi : 10.1002/jcc.20084 . PMID 15264254 .
- ↑ رامبوت، أ. (2012). فيج تري: أداة رسم الأشكال الشجرية. التطور الجزيئي، وعلم الوراثة العرقي، وعلم الأوبئة. تم الاسترجاع من http://tree.bio.ed.ac.uk/software/figtree/ .
- ↑ كينت، دبليو. جيمس؛ سوجنيت، تشارلز دبليو.؛ فوري، تيرينس إس.؛ روسكين، كريشنا إم.؛ برينجل، توم إتش.؛ زاهلر، آلان إم.؛ هاوسلر، وديفيد (2002). " متصفح الجينوم البشري في جامعة كاليفورنيا في سانتا كروز" . أبحاث الجينوم . 12 (6): 996-1006 . doi : 10.1101/gr.229102 . PMC 186604. PMID 12045153 .
- ↑ ألتشول، ستيفن ف.؛ غيش، وارن؛ ميلر، ويب؛ مايرز، يوجين و.؛ ليبمان، ديفيد ج. (1990). "أداة بحث أساسية للمحاذاة المحلية". مجلة البيولوجيا الجزيئية . 215 (3): 403-410 . doi : 10.1016/S0022-2836(05)80360-2 . PMID 2231712 .
- ↑ ماكلارين، ويليام؛ جيل، لوران؛ هانت، سارة إي؛ ريات، هاربریت سينغ؛ ريتشي، غراهام آر إس؛ ثورمان، أنيا؛ فليسيك، بول؛ كانينغهام، فيونا (2016). " متنبئ تأثير متغير Ensembl" . علم الأحياء الجينومي . 17 (1) 122. doi : 10.1186/S13059-016-0974-4 . PMC 4893825. PMID 27268795 .
- ↑ فيلسنشتاين، جوزيف (1985). "حدود الثقة في علم الوراثة العرقي: منهج باستخدام طريقة بوتستراب". التطور . 39 (4): 783-791 . Bibcode : 1985Evolu..39..783F . doi : 10.1111/j.1558-5646.1985.tb00420.x . PMID 28561359 .
- ↑ خاتري، بورفيش؛ سيروتا، مارينا؛ بوت، أتول ج. (2012). "عشر سنوات من تحليل المسارات: المناهج الحالية والتحديات البارزة" . مجلة PLOS لعلم الأحياء الحاسوبي . 8 (2) e1002375. رمز Bibcode : 2012PLSCB...8E2375K . doi : 10.1371/journal.pcbi.1002375 . PMC 3285573. PMID 22383865 .
- ↑ ووترهاوس، أندرو م.؛ بروكتر، جيمس ب.؛ مارتن، ديفيد م. أ.؛ كلامب، ميشيل؛ بارتون، جيفري ج. (2009). "جالفيو الإصدار 2 - محرر محاذاة تسلسل متعدد ومنصة تحليل" . المعلوماتية الحيوية . 25 (9): 1189-1191 . doi : 10.1093/bioinformatics/btp033 . PMC 2672624. PMID 19151095 .
- ↑ تشاريشنيو، أ؛ ميدليك، أ؛ إيونيسكو، سي إم (2023). "أحجام وتجزئة الجزيئات: تصوير وتفسير بيانات تصوير الخلايا جنبًا إلى جنب مع بيانات بنية الجزيئات الكبيرة والتعليقات البيولوجية" . أبحاث الأحماض النووية . 51(W1) (W1): W326– W330. doi : 10.1093/nar/gkad411 . PMC 10320116. PMID 37194693 .
- ↑ سيهنال، د؛ سفوبودوفا، ر؛ بيركا، ك (2021). "توصيل بيانات الجزيئات الكبيرة وعرضها عالي الأداء للويب. تصحيح" . مجلة أكتا كريستالوغرافيكا، القسم د . 77 (1): 126-126. Bibcode : 2021AcCrD..77..126S . doi : 10.1107/S205979832001606X . PMC 7787108. PMID 33404533 .
- ↑ سونغ، آر جيه؛ ويلسون، إيه تي؛ لو، إس إم (2019). "BiochemAR: أداة تعليمية للواقع المعزز لتدريس بنية ووظيفة الجزيئات الكبيرة" . مجلة التعليم الكيميائي . 97 (1): 147-153 . doi : 10.1021/acs.jchemed.8b00691 .
- ↑ فيرنر، إي (2022). " استراتيجيات إنتاج الرسوم المتحركة الجزيئية" . مجلة فرونتيرز في المعلوماتية الحيوية . 2 793914. doi : 10.3389/fbinf.2022.793914 . PMC 9580893. PMID 36304328 .
- ↑ بيروني، م؛ ماديدو، ف؛ دي مارتينو، ج (2023). "MD–Ligand–Receptor: أداة حوسبة عالية الأداء لتوصيف تفاعلات ارتباط الليجاند بالمستقبل في مسارات الديناميكا الجزيئية" . المجلة الدولية للعلوم الجزيئية . 24 (14) 11671. doi : 10.3390/ijms241411671 . PMC 10380688. PMID 37511429 .
- ↑ بورلي، ستيفن ك. وآخرون (2022). "بنك بيانات البروتين RCSB: الاحتفال بمرور 50 عامًا على تأسيس بنك بيانات البروتين بأدوات جديدة لفهم وتصوير الجزيئات الحيوية الكبيرة ثلاثية الأبعاد" . علم البروتين . 31 (1): 187-208 . doi : 10.1002/pro.4213 . PMC 8740825. PMID 34676613 .
- ↑ غايدوس، ل؛ بليكلي، م.ب؛ كومار، أ (2021). "تصوير ذرات الهيدروجين في مركب الليكتين-الفوكوز المُدَوتَر بالكامل يكشف تفاصيل أساسية عن تفاعلات البروتين مع الكربوهيدرات". ستراكشر . 29 (9): 1003–1013.e4. doi : 10.1016/j.str.2021.03.003 . PMID 33765407 .
- ↑ هو، كيو؛ لو، واي (2021). "حوامل نانوية قائمة على الكيتوزان لتغليف وتوصيل الكركمين: مراجعة". المجلة الدولية للجزيئات الحيوية الكبيرة . 179 : 125-135 . doi : 10.1016/j.ijbiomac.2021.02.216 . PMID 33667554 .
- ↑ وانغ، ت؛ هو، كيو؛ شيو، جيه (2021). "توزيع واستقرار حمض الفوليك وحمض الكافيين في جزيئات الزين المجوفة المغلفة بالكيتوزان". المجلة الدولية للجزيئات الحيوية الكبيرة . 183 : 2282-2292 . doi : 10.1016/j.ijbiomac.2021.05.216 . PMID 34102238 .
- ↑ غايدوس، ل؛ بليكلي، م.ب؛ كومار، أ (2021). "تصوير ذرات الهيدروجين في مركب الليكتين-الفوكوز المُدَوتَر بالكامل يكشف تفاصيل أساسية عن تفاعلات البروتين مع الكربوهيدرات". ستراكشر . 29 (9): 1003–1013.e4. doi : 10.1016/j.str.2021.03.003 . PMID 33765407 .
- ↑ خيمينيز-غارسيا، ب؛ رويل-توريس، ج؛ باراداس-باوتيستا، د (2023). "خادم لايت دوك: نمذجة تفاعلات الجزيئات الكبيرة باستخدام الذكاء الاصطناعي" . مجلة أبحاث الأحماض النووية . 51(W1) (W1): W298– W304. doi : 10.1093/nar/gkad327 . PMC 10320125. PMID 37140054 .
- ↑ لابانت، ماري آن (1 نوفمبر 2013). "رفع مستوى التصوير قبل السريري" . أخبار الهندسة الوراثية والتكنولوجيا الحيوية . ماري آن ليبرت، المحدودة . تم الاطلاع عليه في 24 أبريل 2024 .
- ↑ أنانيادو، صوفيا (12 أكتوبر 2006). "استخراج النصوص وتطبيقاته المحتملة في بيولوجيا الأنظمة". اتجاهات في التكنولوجيا الحيوية . 24 (12): 571-579 . doi : 10.1016/j.tibtech.2006.10.002 . PMID 17045684 .
- ↑ ريسينديس-أنطونيو، أوزبالدو (2013). "النمذجة القائمة على القيود". موسوعة بيولوجيا الأنظمة . ص 494-498 . doi : 10.1007/978-1-4419-9863-7_1143 . ISBN 978-1-4419-9862-0.
- ↑ أورث، جيفري د؛ ثيل، إينيس؛ بالسون، برنارد أ. (مارس 2010). "ما هو تحليل توازن التدفق؟" . مجلة نيتشر للتكنولوجيا الحيوية . 28 (3): 245-248 . doi : 10.1038/nbt.1614 . PMC 3108565. PMID 20212490 .
- ↑ "التصوير الأيضي" . شيمادزو . تم الاطلاع عليه في 15 أبريل 2024 .
- ↑ هايمان، زاكاري ب.؛ زيلينسكي، دانيال س.؛ كويكي، يوكو؛ يوركوفيتش، جيمس ت.؛ بالسون، برنارد أ. (28 يناير 2021). "MASSpy: بناء ومحاكاة وتصوير النماذج البيولوجية الديناميكية في بايثون باستخدام حركية فعل الكتلة" . PLOS Computational Biology . 17 (1) e1008208. Bibcode : 2021PLSCB..17E8208H . doi : 10.1371/ journal.pcbi.1008208 . PMC 7872247. PMID 33507922 .
- ↑ سيدواردز، شون؛ مازا، توماسو (15 أكتوبر 2007). "Cyto-Sim: نموذج لغوي رسمي ومحاكاة عشوائية للعمليات الكيميائية الحيوية المحصورة بالغشاء". المعلوماتية الحيوية . 23 (20): 2800-2802 . doi : 10.1093/bioinformatics/btm416 . hdl : 11572/358696 . PMID 17855418 .
- ↑ لوبيز، كارلوس ف؛ موهليش، جيريمي ل؛ باخمان، جون أ؛ سورجر، بيتر ك (يناير 2013). " برمجة النماذج البيولوجية بلغة بايثون باستخدام PySB" . بيولوجيا الأنظمة الجزيئية . 9 (1) 646. doi : 10.1038/msb.2013.1 . PMC 3588907. PMID 23423320 .
- ↑ هواروتو، جيه جيه؛ كابوانو، إل؛ كايا، إم (2023). "المجهر ثنائي الفوتون للروبوتات الدقيقة: تصوير العوامل الدقيقة أسفل الأنسجة المثبتة" . PLOS ONE . 18 (8) e0289725. Bibcode : 2023PLoSO..1889725H . doi : 10.1371/journal.pone.0289725 . PMC 10414647. PMID 37561749 .
- ↑ بلاتونوفا، ج؛ شتيس، د؛ سوتشيك، ب (2021). "نهج طيفي لتصحيح وتصوير البيانات البيولوجية لمجهر نقل الضوء ذي المجال الساطع" . فوتونيات . 8 (8): 333. arXiv : 1903.06519 . Bibcode : 2021Photo...8..333P . doi : 10.3390/photonics8080333 .
- ↑ جامبور، إتش كيه (2023). "نهجٌ قائم على المشاركة المجتمعية لتحسين جودة صور المجهر وقابليتها للتفسير" . مجلة علوم الخلية . 136 (24) jcs261837. doi : 10.1242/jcs.261837 . PMID 38095680 .
- ↑ ويبر، ب.؛ فليسباخ، ك.؛ إلجر، س. إي. (2009). "التصوير | التصوير بالرنين المغناطيسي في أبحاث الصرع: التطورات الحديثة والمستقبلية". موسوعة أبحاث الصرع الأساسية . ص 1549-1554 . doi : 10.1016/B978-012373961-2.00020-5 . ISBN 978-0-12-373961-2.
- ↑ ووليسكروفت، ليندسي (أبريل 2024). "التصوير الطيفي الأساسي للانتشار والتصوير الموتر للانتشار يتنبآن بتكوين ثقوب سوداء مستمرة في التصلب المتعدد" . التصلب المتعدد والاضطرابات ذات الصلة . 84 105494. doi : 10.1016/j.msard.2024.105494 . PMC 10978237. PMID 38359694 .
- ↑ فينسنت، ك. (12 ديسمبر/كانون الأول 2008). "التصوير بالرنين المغناطيسي الوظيفي المعتمد على مستوى أكسجة الدم: الاستخدامات الحالية والمحتملة في طب التوليد وأمراض النساء" . المجلة الدولية لأمراض النساء والتوليد (BJOG) . 116 ( 2): 240-246 . doi : 10.1111/j.1471-0528.2008.01993.x . PMC 2675013. PMID 19076956 .
- ↑ "كيف تعمل نبضات التشبع؟" . أسئلة وأجوبة في التصوير بالرنين المغناطيسي . شركة إلستر المحدودة . تم الاطلاع عليه في 14 أبريل 2024 .
- ↑ تشا، سونمي (2013). "التقنيات الوظيفية والفيزيولوجية الديناميكية". تصوير الدماغ . ص 23-42 . doi : 10.1016/B978-1-4160-5009-4.50010-8 . ISBN 978-1-4160-5009-4.
- ↑ تشا، سونمي (28 سبتمبر 2016). "التصوير الموزون بالانتشار: التقنية والتطبيقات" . المجلة العالمية للأشعة . 8 (9). مجموعة بايشيدينغ للنشر: 785-798 . doi : 10.4329 /wjr.v8.i9.785 . PMC 5039674. PMID 27721941 .
- ↑ "المجالات الكهرومغناطيسية ذات الترددات الراديوية" . وزارة الصحة الكندية . حكومة كندا. 8 ديسمبر 2020. تم الاطلاع عليه بتاريخ 24 أبريل 2024 .
- ↑ بريستون، ديفيد سي. (4 يوليو 2016). "التصوير بالرنين المغناطيسي للدماغ والعمود الفقري: الأساسيات" . جامعة كيس ويسترن ريزيرف . تم الاطلاع عليه في 24 أبريل 2024 .
- ↑ بيرغر، آبي (5 يناير 2002). "التصوير بالرنين المغناطيسي" . المجلة الطبية البريطانية . 324 (7328): 35. doi : 10.1136/bmj.324.7328.35 . PMC 1121941. PMID 11777806 .
- ↑ بابا، يحيى (4 سبتمبر 2022). "تسلسلات التصوير بالرنين المغناطيسي (نظرة عامة)" . راديوبيديا . Radiopaedia.org . تم الاطلاع عليه في 24 أبريل 2024 .
- ↑ نيت، برايان (4 ديسمبر 2023). "عوامل التباين (عوامل التباين الإشعاعي ووسائط التباين اليودية)" . كيف تعمل الأشعة . شركة كيف تعمل الأشعة ذ.م.م. تم الاسترجاع في 24 أبريل 2024 .
- ↑ "التصوير المقطعي بالإصدار البوزيتروني/التصوير المقطعي المحوسب" . RadiologyInfo.org . الجمعية الإشعاعية لأمريكا الشمالية. 1 مايو 2023. تم الاطلاع عليه في 14 أبريل 2024 .
- ↑ بروكوب، م.؛ شين، هـ.و.؛ شانز، أ.؛ شيفر-بروكوب، س.م. (مارس 1997). "استخدام إسقاطات الحد الأقصى للكثافة في تصوير الأوعية الدموية المقطعي المحوسب: مراجعة أساسية". Radiographics . 17 (2). مجلس إدارة الجمعية الإشعاعية لأمريكا الشمالية: 433-451 . doi : 10.1148/radiographics.17.2.9084083 . PMID 9084083 .
- ↑ أوزكان، محمد بوراك؛ تشيونر، سيباستيان؛ إليف، أوزكان (ديسمبر 2016). "مراجعة دقة تشخيص طرائق شرائح MIP للعقيدات الرئوية الصغيرة لدى مرضى أورام الأطفال: ما الجديد من نهج أخصائي الأشعة للأطفال؟" . المجلة المصرية للأشعة والطب النووي . 47 (4). الجمعية المصرية للأشعة والطب النووي: 1629-1637 . doi : 10.1016/j.ejrnm.2016.09.008 .
- ↑ آدمسون، جوستوس؛ تشنغ، تشانغ؛ وانغ، تشيهنغ؛ ين، فانغ فانغ؛ تساي، جينغ (نوفمبر 2010). "التصوير بتقنية إسقاط الكثافة القصوى (MIP) باستخدام التصوير بالرنين المغناطيسي بتقنية تكديس الشرائح". الفيزياء الطبية . 37 (11): 5914-5920 . Bibcode : 2010MedPh..37.5914A . doi : 10.1118/1.3503850 . PMID 21158304 .
- ↑ أنتروبوفا، ناتاليا؛ آبي، هيرويوكي؛ جيجر، ماري إيلين ل. (5 يناير 2018). "استخدام إسقاطات الحد الأقصى لكثافة التصوير بالرنين المغناطيسي السريري لتحسين تصنيف آفات الثدي باستخدام الشبكات العصبية الالتفافية العميقة" . مجلة التصوير الطبي . 5 (1) 014503. doi : 10.1117/1.JMI.5.1.014503 . PMC 5798576. PMID 29430478 .
- ↑ بنك بيانات البروتين RCSB. "استكشاف محاذاة التسلسلات المتعددة في بُعد واحد وثلاثة أبعاد" . www.rcsb.org . تاريخ الاسترجاع: 26 أبريل 2024 .
- ↑ كيم، نامشين؛ لي، كريستوفر (20 يونيو 2007). "مستكشف علم الوراثة ثلاثي الأبعاد: تمييز الجينات المتشابهة، والانتقال الجانبي، وانتهاك فرضية "الساعة الجزيئية" باستخدام التصور ثلاثي الأبعاد" . مجلة BMC Bioinformatics . 8 (1): 213. doi : 10.1186/1471-2105-8-213 . PMC 1906840. PMID 17584922 .
- ↑ "Cytoscape" . Cytoscape . اتحاد Cytoscape . تم الاطلاع عليه بتاريخ 16 أبريل 2024 .
- ↑ "شجرة الحياة التفاعلية من ITOL" . ITOL . أبحاث الأحماض النووية. 13 أبريل 2024. تم الاطلاع عليه في 16 أبريل 2024 .
- ↑ مقصود، منيزة (11 أكتوبر 2020). "تحليل البيانات البيولوجية وتصويرها" . بيوكود . شركة بيوكود المحدودة . تم الاطلاع عليه في 16 أبريل 2024 .
- ↑ "نبذة عن MIPAV" . ITOL . مركز تكنولوجيا المعلومات. 13 أبريل 2024. تم الاطلاع عليه في 16 أبريل 2024 .
- ↑ ميدلوك، جي إل؛ موتينيو، تي جيه؛ بابين، جيه إيه (29 أبريل 2020). "ميدوسا: برنامج لبناء وتحليل مجموعات من عمليات إعادة بناء الشبكات الأيضية على نطاق الجينوم" . مجلة PLOS لعلم الأحياء الحاسوبي . 16 (4) e1007847. PLoS Comput Biol. Bibcode : 2020PLSCB..16E7847M . doi : 10.1371/journal.pcbi.1007847 . PMC 7213742. PMID 32348298 .
روابط خارجية
المؤتمرات ذات الصلة
- BioVis: ندوة حول تصوير البيانات البيولوجية
- تطبيقات تصوير المعلومات في المعلوماتية الحيوية
- CIBDV: الذكاء الحسابي لتصور البيانات البيولوجية
- ندوة IVBI: تصور المعلومات في المعلوماتية الطبية الحيوية
- VMLS: التصوير في الطب وعلوم الحياة
- فيزبي: ورشة عمل حول تصوير البيانات البيولوجية
- المعلوماتية الحيوية
- التصور (الرسومات)
