طب الشبكات

📅 آخر تحديث: ٢ أغسطس ٢٠٢٦
✍️ نُشر في: ٢ أغسطس ٢٠٢٦
الموسوعة الحرة

طب الشبكات هو تطبيق علم الشبكات لتحديد الأمراض والوقاية منها وعلاجها. يركز هذا المجال على استخدام بنية الشبكات وديناميكياتها لتحديد الأمراض وتطوير الأدوية. وتُستخدم الشبكات البيولوجية ، مثل تفاعلات البروتين-بروتين والمسارات الأيضية ، في طب الشبكات. كما تلعب شبكات الأمراض ، التي ترسم العلاقات بين الأمراض والعوامل البيولوجية، دورًا هامًا في هذا المجال. ويُدرس علم الأوبئة على نطاق واسع باستخدام علم الشبكات أيضًا؛ حيث تُستخدم الشبكات الاجتماعية وشبكات النقل لنمذجة انتشار الأمراض بين السكان. يُعد طب الشبكات فرعًا طبيًا من فروع بيولوجيا الأنظمة .

خلفية

صاغ ألبرت-لازلو باراباسي مصطلح "طب الشبكات" في مقالته "طب الشبكات - من السمنة إلى 'مجموعة الأمراض ' " ، المنشورة في مجلة نيو إنجلاند الطبية عام 2007. ويشير باراباسي إلى أن الأنظمة البيولوجية ، على غرار الأنظمة الاجتماعية والتكنولوجية، تحتوي على العديد من المكونات المترابطة بعلاقات معقدة، ولكنها تُنظَّم وفق مبادئ بسيطة. وبالاعتماد على أدوات ومبادئ نظرية الشبكات ، [ 1 ] يمكن تحليل المبادئ التنظيمية من خلال تمثيل الأنظمة كشبكات معقدة ، وهي عبارة عن مجموعات من العُقد المرتبطة ببعضها البعض بعلاقة بيولوجية أو جزيئية محددة. وفي الشبكات المتعلقة بالطب، تُمثل العُقد العوامل البيولوجية ( الجزيئات الحيوية ، والأمراض، والأنماط الظاهرية، وما إلى ذلك)، بينما تُمثل الروابط (الحواف) علاقاتها (التفاعلات الفيزيائية، ومسارات الأيض المشتركة، والجينات المشتركة، والسمات المشتركة، وما إلى ذلك). [ 2 ]

اقترح باراباسي أن فهم الأمراض البشرية يتطلب التركيز على ثلاث شبكات رئيسية: الشبكة الأيضية ، وشبكة الأمراض ، والشبكة الاجتماعية. يقوم طب الشبكات على فكرة أن فهم تعقيد تنظيم الجينات ، والتفاعلات الأيضية ، والتفاعلات بين البروتينات ، وتمثيل هذه العمليات كشبكات معقدة، سيسهم في فهم أسباب الأمراض وآلياتها. على سبيل المثال، يمكن استنتاج رسم بياني ثنائي الأجزاء يمثل روابط الأمراض بجيناتها المرتبطة بها باستخدام قاعدة بيانات OMIM . [ 3 ] يُعرف إسقاط الأمراض، أو ما يُسمى بشبكة الأمراض البشرية (HDN)، بأنه شبكة من الأمراض المتصلة ببعضها البعض إذا كانت تشترك في جين واحد. باستخدام شبكة الأمراض البشرية، يمكن تصنيف الأمراض وتحليلها من خلال العلاقات الجينية بينها. وقد أثبت طب الشبكات أنه أداة قيّمة في تحليل البيانات الطبية الحيوية الضخمة. [ 4 ]

مجالات البحث

التفاعل

يمكن استخدام مجموعة التفاعلات الجزيئية الكاملة في الخلية البشرية، والمعروفة أيضًا باسم " الإنتركتوم" ، لتحديد الأمراض والوقاية منها. [ 5 ] وقد صُنفت هذه الشبكات تقنيًا على أنها شبكات لا تعتمد على المقياس ، وغير متجانسة ، وذات عالم صغير ، وتتميز بمركزية وسيطة عالية . [ 6 ]

تم رسم خرائط التفاعلات بين البروتينات ، باستخدام البروتينات كعقد وتفاعلاتها فيما بينها كروابط. [ 7 ] وتعتمد هذه الخرائط على قواعد بيانات مثل BioGRID وقاعدة بيانات البروتينات البشرية المرجعية . تشمل الشبكة الأيضية التفاعلات الكيميائية الحيوية في المسارات الأيضية ، حيث تربط بين نواتج أيضية إذا كانت في المسار نفسه. [ 8 ] وقد استخدم الباحثون قواعد بيانات مثل KEGG لرسم خرائط هذه الشبكات. وتشمل الشبكات الأخرى شبكات إشارات الخلايا ، وشبكات تنظيم الجينات ، وشبكات الحمض النووي الريبوزي (RNA) .

باستخدام شبكات التفاعلات البروتينية، يُمكن اكتشاف الأمراض وتصنيفها، بالإضافة إلى تطوير علاجات لها من خلال معرفة ارتباطاتها ودورها في هذه الشبكات. ومن الملاحظات المهمة أن تصنيف الأمراض لا يعتمد على أنماطها الظاهرية الرئيسية (النمط المرضي)، بل على وحدة المرض الخاصة بها ، وهي عبارة عن مجموعة من المكونات في شبكة التفاعلات البروتينية، يؤدي اختلالها إلى ظهور نمط مرضي محدد. [ 5 ] ويمكن استخدام وحدات المرض بطرق متنوعة، مثل التنبؤ بجينات الأمراض التي لم تُكتشف بعد. ولذلك، يسعى طب الشبكات إلى تحديد وحدة المرض لنمط مرضي محدد باستخدام خوارزميات التجميع .

مرضي

شبكات الأمراض البشرية ، أو ما يُعرف أيضًا باسم "الجسيم المرضي"، هي شبكات تُمثل فيها الأمراض العقد، بينما تُمثل الروابط قوة الارتباط بينها. ويُقاس هذا الارتباط عادةً بناءً على المكونات الخلوية المشتركة بين مرضين. ركزت أول شبكة أمراض بشرية منشورة (HDN) على الجينات، ووجدت أن العديد من الجينات المرتبطة بالأمراض هي جينات غير أساسية ، لأنها لا تُخلّ بالشبكة بشكل كامل، ويمكن توريثها عبر الأجيال. [ 3 ] كما دُرست شبكات الأمراض الأيضية (MDN) على نطاق واسع، حيث يرتبط مرضان بمستقلبات أو مسارات أيضية مشتركة ، وهي ذات أهمية خاصة في حالة الاضطرابات الأيضية . [ 9 ]

ثلاثة تمثيلات للمرض هي: [ 6 ]

  • ينص الشكل الرسمي للجين المشترك على أنه إذا كان الجين مرتبطًا بنمطين ظاهريين مختلفين للمرض، فمن المحتمل أن يكون للمرضين أصل وراثي مشترك ( اضطرابات وراثية ).
  • ينص الشكل الرسمي للمسار الأيضي المشترك على أنه إذا كان المسار الأيضي مرتبطًا بمرضين مختلفين، فمن المحتمل أن يكون للمرضين أصل أيضي مشترك ( اضطرابات التمثيل الغذائي ).
  • تعتمد منهجية الأمراض المصاحبة على شبكات الأمراض الظاهرية، حيث يرتبط مرضان إذا تجاوزت نسبة الأمراض المصاحبة الملحوظة بين نمطيهما الظاهريين عتبة محددة مسبقًا. [ 10 ] لا يركز هذا النموذج على آلية عمل الأمراض، بل يرصد تطور المرض وكيفية ارتباط الأمراض شديدة الترابط بارتفاع معدلات الوفيات.

تربط بعض شبكات الأمراض الأمراض بعوامل مرتبطة بها خارج الخلية البشرية. ويمكن استخدام شبكات العوامل البيئية والوراثية المسببة للأمراض المشتركة، والتي تُسمى "الإيتوم"، لتقييم تكتل العوامل البيئية في هذه الشبكات وفهم دور البيئة في التفاعلات الخلوية. [ 11 ] وقد أظهرت شبكة أعراض الأمراض البشرية (HSDN)، التي نُشرت في يونيو 2014، أن أعراض المرض والمكونات الخلوية المرتبطة به مترابطة ارتباطًا وثيقًا، وأن الأمراض من نفس الفئات تميل إلى تشكيل مجتمعات مترابطة بشكل كبير، فيما يتعلق بأعراضها. [ 12 ]

علم الأدوية

علم الصيدلة الشبكي هو مجال نامٍ قائم على علم الصيدلة النظمية ، يدرس تأثير الأدوية على كلٍّ من شبكة التفاعلات الدوائية (interactome) والجهاز المرضي (disaesome). [ 13 ] تحدد بنية شبكة التفاعلات الكيميائية الحيوية شكل منحنى استجابة الجرعة للدواء [ 14 ] ، بالإضافة إلى نوع التفاعلات الدوائية [ 15 ] ، مما يُسهم في تصميم استراتيجيات علاجية فعّالة وآمنة. علاوة على ذلك، يمكن لشبكة الدواء والهدف (DTN) أن تلعب دورًا هامًا في فهم آليات عمل الأدوية المعتمدة والتجريبية. [ 16 ] يعتمد منظور نظرية الشبكات في مجال المستحضرات الصيدلانية على تأثير الدواء في شبكة التفاعلات الدوائية، وخاصة المنطقة التي يشغلها هدف الدواء . يُقترح في هذا المجال العلاج المركب للأمراض المعقدة (العلاج الدوائي المتعدد)، حيث إن مكونًا دوائيًا فعالًا واحدًا يستهدف هدفًا واحدًا قد لا يؤثر على كامل وحدة المرض. [ 13 ] يمكن استخدام مفهوم وحدات المرض للمساعدة في اكتشاف الأدوية ، وتصميمها ، وتطوير المؤشرات الحيوية للكشف عن الأمراض. [ ٢ ] توجد طرق متنوعة لتحديد الأدوية باستخدام علم الصيدلة الشبكي؛ ومن الأمثلة البسيطة على ذلك طريقة "الاستدلال بالارتباط". تنص هذه الطريقة على أنه إذا كان دواء واحد يعالج مرضين، فقد يعالج دواءٌ يعالج أحدهما الآخر. [ ١٧ ] كما دُرست إعادة استخدام الأدوية ، والتفاعلات الدوائية ، والآثار الجانبية للأدوية في هذا المجال. [ ١٨ ] [ ٢ ]استخدمت النسخة التالية من علم الصيدلة الشبكية تعريفات مختلفة تمامًا للأمراض، حيث عُرّفت بأنها خلل في وحدات الإشارات المشتقة من وحدات تفاعل البروتين-بروتين. وقد انطوت هذه الأخيرة، بالإضافة إلى مفهوم التفاعل البروتيني، على العديد من أوجه القصور المفاهيمية، مثل ظهور كل بروتين مرة واحدة فقط في التفاعل البروتيني، بينما في الواقع، يمكن أن يظهر البروتين الواحد في سياقات ومواقع خلوية مختلفة. ويُعدّ استهداف وحدات الإشارات هذه علاجيًا في مواقع متعددة هو الأمثل، وهو التعريف الجديد والمطبق سريريًا لعلم الصيدلة الشبكية. ولتحقيق دقة أعلى من الدقة الحالية، يجب ألا يُختار المرضى بناءً على الأنماط الظاهرية الوصفية فقط، بل أيضًا بناءً على التشخيصات التي تكشف عن خلل تنظيم الوحدة. علاوة على ذلك، يتميز علم الصيدلة الشبكية القائم على الآلية بميزة أن كل دواء من الأدوية المستخدمة ضمن وحدة واحدة يتمتع بتآزر عالٍ، مما يسمح بتقليل جرعات كل دواء، وبالتالي تقليل احتمالية تأثير هذه الأدوية على بروتينات أخرى خارج الوحدة، ومن ثم تقليل احتمالية حدوث آثار جانبية غير مرغوب فيها. [ 19 ]

الأوبئة الشبكية

تم تطوير نموذج الأوبئة الشبكية من خلال تطبيق علم الشبكات على نماذج الأوبئة الحالية ، حيث تلعب العديد من شبكات النقل والشبكات الاجتماعية دورًا في انتشار الأمراض. [ 20 ] وقد استُخدمت الشبكات الاجتماعية لتقييم دور الروابط الاجتماعية في انتشار السمنة بين السكان. [ 21 ] كما تم تكييف نماذج ومفاهيم الأوبئة، مثل الانتشار وتتبع المخالطين ، لاستخدامها في تحليل الشبكات. [ 22 ] ويمكن استخدام هذه النماذج في سياسات الصحة العامة ، لتنفيذ استراتيجيات مثل التحصين الموجه [ 23 ] ، وقد استُخدمت مؤخرًا لنمذجة انتشار وباء فيروس إيبولا في غرب إفريقيا عبر البلدان والقارات. [ 24 ] [ 25 ]

شبكات وصف الأدوية (DPNs)

في الآونة الأخيرة، اتجه بعض الباحثين إلى تمثيل استخدام الأدوية في شكل شبكات. تمثل العقد في هذه الشبكات الأدوية، بينما تمثل الحواف نوعًا من العلاقات بينها. وصف كافالو وآخرون (2013) [ 26 ] بنية شبكة الوصفات الطبية المشتركة لتوضيح فئات الأدوية الأكثر شيوعًا في الوصفات المشتركة. وخلص بازوني وآخرون (2015) [ 27 ] إلى أن شبكات الأدوية الموصوفة بشكل مشترك تتسم بالكثافة والتكتل العالي والنمطية والتصنيف. أنشأ أسكار وآخرون (2021) [ 28 ] شبكة للتفاعلات الدوائية الخطيرة، موضحين أنها تتكون من العديد من المجموعات.

شبكات تشابه المرضى

في المجال الطبي الحيوي، تمّ بنجاح تكييف الشبكات (وتحديدًا شبكات التشابه) لتصبح شبكات تشابه المرضى (PSNs) لدعم اتخاذ القرارات السريرية وتعزيز الطب الدقيق . في شبكة تشابه المرضى، تُمثّل العُقد المرضى الأفراد، بينما تُحدّد الروابط الموزونة بينها درجة التشابه الظاهري أو السريري أو الجزيئي. على عكس النماذج الطبية التقليدية التي تعتمد على متوسطات عامة للسكان، تستفيد شبكات تشابه المرضى من نظرية الرسوم البيانية للتعامل مع تعقيد حالة كل مريض على حدة. من خلال ربط ملف تعريف المريض بشبكة من الحالات السابقة، يستطيع الباحثون استكشاف العلاقات المعقدة تحليليًا وتوجيه التركيز نحو استراتيجيات علاجية مُخصصة للغاية. [ 29 ]

تكامل البيانات

بينما يمكن الاعتماد في بناء هذه الشبكات على نوع بيانات واحد، يتجه البحث السريري بشكل متزايد نحو دمج مجموعات بيانات طبية حيوية ضخمة ومتنوعة للغاية لتحقيق صورة أشمل للمريض. تشمل هذه المجموعات بيانات متعددة الأوميات ، والسجلات الصحية الإلكترونية ، والتصوير الطبي . [ 30 ] [ 31 ] ولأن هذه الوسائط المتنوعة من البيانات تعمل على نطاقات مختلفة تمامًا وتحتوي على ضوضاء خلفية متفاوتة، تُستخدم خوارزميات تكامل متخصصة متعددة الرؤى بشكل متكرر. لكل زوج من المرضى، يتم حساب مقياس المسافة وتحويله إلى درجة تشابه. ثم تُجمع هذه الدرجات في مصفوفة تقارب ، تلخص أوجه التشابه بين الأزواج عبر المجموعة بأكملها . من هذه المصفوفة، تُبنى شبكة متكاملة؛ فمن خلال دمج المعلومات المستمدة من أنواع بيانات متعددة، تكون الشبكة الناتجة قادرة على تمثيل الطيف الكامل للبيانات الأساسية. يسمح هذا النهج للشبكة بالتقاط العلاقات البيولوجية غير الخطية بفعالية ، والتي قد تغفلها تحليلات المصدر الواحد. [ 32 ]

التحليل الطوبولوجي

بعد بناء الشبكة المتكاملة، تُطبَّق مقاييس نظرية الرسم البياني القياسية لاستخلاص معلومات ذات دلالة سريرية من بنية البيانات. يُقيِّم التحليل الطوبولوجي موقع المرضى داخل الشبكة؛ فعلى سبيل المثال، يمكن لمقاييس مركزية العقد تحديد المرضى الذين يُمثِّلون مجموعة فرعية مُحدَّدة تمثيلاً عالياً، بينما قد تُشير العقد الطرفية ذات المركزية المنخفضة إلى أنماط ظاهرية نادرة أو حالات سريرية شاذة . [ 33 ] علاوة على ذلك، تُستخدم خوارزميات تعتمد على تحسين النمطية (مثل خوارزميات لوفان أو ليدن ) والتجميع الطيفي لتقسيم الشبكة إلى مجتمعات متميزة ومترابطة بكثافة، مما قد يُسلِّط الضوء على وجود أنواع فرعية مختلفة من المرضى الذين يتم تجميعهم عادةً تحت نفس تصنيف المرض. [ 34 ] [ 35 ]

التطبيقات السريرية

تُترجم هذه البنى الطوبولوجية مباشرةً إلى تطبيقات سريرية متقدمة، مثل تصنيف الأمراض الفرعية والتنبؤ بمآلها . فعلى سبيل المثال، يسمح اكتشاف التجمعات للباحثين بالكشف عن متغيرات مرضية جديدة (مجموعات من الأفراد الذين يتشاركون خصائص جزيئية محددة، ومن المحتمل أن يستجيبوا بشكل مماثل لنفس العلاج) حتى لو كانوا يندرجون تحت نفس الفئة التشخيصية العامة. بالإضافة إلى ذلك، تُستخدم شبكات PSNs على نطاق واسع في النمذجة التنبؤية: إذ يُمكن استنتاج المسار السريري، أو معدل البقاء على قيد الحياة ، أو استجابة المريض للعلاج من خلال تقييم النتائج المعروفة لأقرب جيرانه الطوبولوجيين. ويُطبق هذا النهج القائم على الشبكات بشكل متزايد على الأمراض المعقدة، التي تنشأ عن تفاعل طبقات جزيئية متعددة وعوامل بيئية. وتشمل هذه التطبيقات مجالات طبية رئيسية، بما في ذلك علم الأورام ، وأمراض القلب ، والأمراض التنكسية العصبية ، مما يجعل شبكات PSNs أداة أساسية لتصنيف مخاطر المرضى.وإعادة استخدام الأدوية القائمة على الشبكات . [ 36 ] [ 37 ]

شبكات أخرى

يمكن نمذجة تطور الأعضاء [ 38 ] والأنظمة البيولوجية الأخرى كهياكل شبكية، حيث تُمثل الخصائص السريرية (مثل الخصائص الشعاعية والوظيفية) كعقد، وتُمثل العلاقات بين هذه الخصائص كروابط بين هذه العقد. [ 39 ] وبالتالي، من الممكن استخدام الشبكات لنمذجة كيفية تفاعل أنظمة الأعضاء ديناميكيًا.

التنفيذ التعليمي والسريري

أُنشئ قسم تشانينغ لطب الشبكات في مستشفى بريغهام والنساء عام 2012 لدراسة الأمراض المعقدة وإعادة تصنيفها وتطوير علاجات لها باستخدام علم الشبكات وعلم الأحياء النظمي . [ 40 ] ويضم القسم حاليًا أكثر من 80 عضوًا من أعضاء هيئة التدريس في كلية الطب بجامعة هارفارد ، ويركز على ثلاثة مجالات:

يقدم معهد ماساتشوستس للتكنولوجيا دورةً لطلاب البكالوريوس بعنوان "طب الشبكات: استخدام بيولوجيا الأنظمة وشبكات الإشارات لابتكار علاجات جديدة للسرطان". [ 42 ] كما يقدم مركز هارفارد كاتاليست (مركز هارفارد للعلوم السريرية والترجمية) دورةً مدتها ثلاثة أيام بعنوان "مقدمة في طب الشبكات"، وهي متاحة للمهنيين السريريين والعلميين الحاصلين على درجة الدكتوراه. [ 43 ]

يتم تنسيق الجهود العالمية الحالية في مجال طب الشبكات من قبل معهد طب الشبكات والتحالف العالمي ، الذي يمثل 33 جامعة ومؤسسة رائدة حول العالم ملتزمة بتحسين الصحة العالمية.

انظر أيضاً

مراجع

  1. ↑ كالداريلي ج. (2007). الشبكات غير المقياسية. مطبعة جامعة أكسفورد.
  2. 1 2 3 تشان، إس واي، ولوسكالزو، جيه. (2012). النموذج الناشئ لطب الشبكات في دراسة الأمراض البشرية. أبحاث الدورة الدموية، 111(3)، 359-374.
  3. 1 2 جوه، كي آي، كوسيك، إم إي، فالي، دي، تشايلدز، بي، فيدال، إم، وباراباسي، إيه إل (2007). شبكة الأمراض البشرية. وقائع الأكاديمية الوطنية للعلوم، 104(21)، 8685-8690.
  4. ↑ سوناون، أبهيجيت ر.؛ وايس، سكوت ت.؛ جلاس، كيمبرلي؛ شارما، أميتاب (2019). "طب الشبكات في عصر البيانات الضخمة الطبية الحيوية" . مجلة فرونتيرز إن جينيتكس . 10 294. doi : 10.3389/fgene.2019.00294 . ISSN 1664-8021 . PMC 6470635. PMID 31031797 .   
  5. 1 2 باراباسي، أ.ل.، غولباشي، ن.، ولوسكالزو، ج. (2011). طب الشبكات: نهج قائم على الشبكات للأمراض البشرية. مراجعات الطبيعة في علم الوراثة، 12(1)، 56-68.
  6. 1 2 لوسكالزو، ج.، وباراباسي، أ. ل. (2011). بيولوجيا الأنظمة ومستقبل الطب. مراجعات وايلي متعددة التخصصات: بيولوجيا الأنظمة والطب، 3(6)، 619-627.
  7. ↑ روال، جيه إف، فينكاتيسان، ك.، هاو، ت.، هيروزان-كيشيكاوا، ت.، دريكوت، أ.، لي، ن.، ... وفيدال، م. (2005). نحو خريطة على نطاق البروتينوم لشبكة تفاعل البروتين-البروتين البشري. نيتشر، 437(7062)، 1173-1178.
  8. ^ رافاسز، إي، سوميرا، AL، مونجرو، DA، Oltvai، ZN، & Barabási، AL (2002). التنظيم الهرمي للنمطية في الشبكات الأيضية. العلوم، 297(5586)، 1551-1555.
  9. ↑ براون، ب.، ريتمان، إ.، وفيدال، م. (2008). ربط الأيضات بالأمراض. وقائع الأكاديمية الوطنية للعلوم، 105(29)، 9849-9850.
  10. ↑ هيدالغو، سي إيه، بلوم، إن، باراباسي، إيه إل، وكريستاكيس، إن إيه (2009). نهج الشبكة الديناميكية لدراسة الأنماط الظاهرية البشرية. مجلة PLoS لعلم الأحياء الحاسوبي، 5(4)، e1000353.
  11. ↑ ليو، واي آي، وايز، بي إتش، وبوت، إيه جيه (2009). "الإتيوم": تحديد وتجميع العوامل المسببة للأمراض البشرية. بي إم سي بيوانفورماتيكس، 10 (ملحق 2)، ص 14.
  12. ↑ تشو، إكس.، مينش، جيه.، باراباسي، إيه إل، وشارما، إيه. (2014). شبكة الأعراض والأمراض لدى الإنسان. نيتشر كوميونيكيشنز، 5.
  13. 1 2 هوبكنز، أ. ل. (2008). علم الصيدلة الشبكي: النموذج التالي في اكتشاف الأدوية. مجلة نيتشر للكيمياء الحيوية، 4(11)، 682-690.
  14. ↑ رويلاند فان ويك وآخرون، الديناميكيات غير الرتيبة والتداخل في مسارات الإشارات وتأثيراتها على علم الأدوية. التقارير العلمية 5:11376 (2015) doi: 10.1038/srep11376
  15. ↑ مهراد بابائي وآخرون، طوبولوجيا شبكة التفاعلات الكيميائية الحيوية تحدد التفاعلات الدوائية المعتمدة على الجرعة. مجلة علم الأحياء الحاسوبي والطب 155: 106584 (2023) doi: 10.1016/j.compbiomed.2023.106584
  16. ^ يلدريم، MA، جوه، كي، كوسيك، مي، باراباسي، AL، & فيدال، م. (2007). المخدرات - شبكة الهدف. طبيعة التكنولوجيا الحيوية، 25(10)، 1119-1126.
  17. ↑ تشيانغ، أ.ب.، وبوت، أ.ج. (2009). التقييم المنهجي للعلاقات بين الأدوية والأمراض لتحديد المركبات الرائدة لاستخدامات دوائية جديدة. علم الأدوية السريرية والعلاجات، 86(5)، 507-510.
  18. ^ شيفر، صموئيل. سمليك، مارتن؛ سيسويف، أوليغ؛ تشاو، يلين؛ إكلوند، ديزيريه؛ ليلجا، ساندرا؛ جوستافسون، ميكا؛ هاين هولجر. جوليا، أنطونيو؛ كوفاكس، إستفان أ؛ لوسكالزو، جوزيف؛ مارسال، سارة؛ تشانغ، هوان. لي، شينشيو؛ جاويل، دانوتا (20 مارس 2024). "scDrugPrio: إطار عمل لتحليل النسخ أحادية الخلية لمعالجة مشاكل متعددة في الطب الدقيق في الأمراض الالتهابية المناعية" . طب الجينوم . 16 (1): 42. دوى : 10.1186/s13073-024-01314-7 . ISSN 1756-994X . بمك 10956347 . بميد 38509600 .   
  19. ↑ نوغاليس سي، ممدوح زد إم، ليست إم، كيل سي، كاساس إيه آي، شميدت إتش إتش إتش دبليو. علم الصيدلة الشبكي: علاج الآليات السببية بدلاً من معالجة الأعراض. ​​تريندز فارماكول ساينس. فبراير 2022؛ 43(2): 136-150. doi: 10.1016/j.tips.2021.11.004. نُشر إلكترونيًا في 9 ديسمبر 2021. PMID 34895945.
  20. ↑ باستور-ساتوراس، ر.، وفيسبيجاني، أ. (2001). انتشار الأوبئة في الشبكات غير المتجانسة. رسائل المراجعة الفيزيائية، 86(14)، 3200.
  21. ↑ كريستاكيس، ن.أ.، وفولر، ج.هـ. (2007). انتشار السمنة في شبكة اجتماعية كبيرة على مدى 32 عامًا. مجلة نيو إنجلاند الطبية، 357(4)، 370-379.
  22. ↑ كيلينغ، إم جيه، وإيمز، كي تي (2005). الشبكات ونماذج الأوبئة. مجلة الجمعية الملكية للواجهات، 2(4)، 295-307.
  23. ↑ باستور-ساتوراس، ر.، وفيسبيجاني، أ. (2002). تحصين الشبكات المعقدة. مجلة Physical Review E، 65(3)، 036104.
  24. ↑ غوميز، إم إف، بيونتي، إيه بي، روسي، إل، تشاو، دي، لونجيني، آي، هالوران ، إم إي ، وفيسبيجاني، إيه (2014). تقييم مخاطر الانتشار الدولي المرتبطة بتفشي فيروس إيبولا في غرب أفريقيا عام 2014. مجلة PLOS Currents Outbreaks.
  25. ↑ "يتوقع خبراء نمذجة الأمراض ارتفاعًا سريعًا في عدد ضحايا الإيبولا" . 31 أغسطس 2014.
  26. ↑ كافالو، بييرباولو (فبراير 2013). "تحليل شبكي لوصفات الأدوية". علم الأوبئة الدوائية وسلامة الأدوية . 22 (2): 130-137 . doi : 10.1002/pds.3384 . PMID 23180729. S2CID 42462968 .  
  27. ↑ بازوني، جيانفرانكو (أبريل 2015). "شبكة وصف الأدوية: نظرة شاملة على وصف الأدوية المتزامنة لكبار السن المقيمين في المجتمع". مجلة أبحاث التجديد . 18 (2): 153-161 . doi : 10.1089/rej.2014.1628 . PMID 25531938 . 
  28. ↑ عسكر، محسن (يونيو 2021). "مقدمة في تحليل الشبكات لدراسات استخدام الأدوية". بحث في الصيدلة الاجتماعية والإدارية . 17 (12): 2054-2061 . arXiv : 2106.00413 . doi : 10.1016/ j.sapharm.2021.06.021 . PMID 34226152. S2CID 235266038 .  
  29. ^ جليوزو ، جيسيكا. ميسيتي، ماركو؛ نوتارو، ماركو. بيتريني، أليساندرو؛ باتاك، اليكس. بويرتاس غالاردو، أنطونيو؛ باكانارو، ألبرتو؛ فالنتيني، جورجيو؛ كاسيراغي ، إيلينا (18 يوليو 2022). "طرق تكامل البيانات غير المتجانسة لشبكات تشابه المرضى" . إحاطات في المعلوماتية الحيوية . 23 (4) بي بي سي 207. دوى : 10.1093/بيب/bbac207 . ردمك 1467-5463 . بمك 9294435 . بميد 35679533 .   
  30. ^ أليمو ، روبل. شيرو، نيجوسي T .؛ أرسانو، يوديت Y.؛ أحمد، مختار؛ تيكولا أييلي، فاسيل؛ ميرشا، تسفاي ب. أماري، أزميرو ت. (31 يناير 2025). "مناهج متعددة الأوميات لفهم التفاعلات بين الجينات والبيئة في الأمراض غير المعدية: التقنيات والترجمة وقضايا العدالة" . الجينوم البشري . 19 (1) 8. دوى : 10.1186/s40246-025-00718-9 . ردمك 1479-7364 . بمك 11786457 . بميد 39891174 .   
  31. ^ يامادا، ريو. أوكادا، دايجو؛ وانغ، خوان؛ باشاك، تاباتي؛ كوياما ، ساتوشي (يناير 2021). "تفسير تحليلات بيانات omics" . مجلة علم الوراثة البشرية . 66 (1): 93-102 . دوى : 10.1038 / s10038-020-0763-5 . ردمك 1434-5161 . بمك 7728595 . بميد 32385339 .   
  32. ↑ شو، ديرين؛ تانغ، يوجون؛ لو، جوني؛ وين، تشنغ بينغ (7 يناير 2026). "الأساليب الحسابية لتكامل البيانات متعددة الوسائط في التهاب المفاصل الروماتويدي: من مشهد البيانات إلى التطبيق السريري" . موجزات في المعلوماتية الحيوية . 27 (1). doi : 10.1093/bib/bbag073 . ISSN 1467-5463 . PMC 12907022. PMID 41693090 .   
  33. ↑ لوندرفولد، أرفيد؛ بيلينغ، جولي؛ بيرنتسن، بيرجيت؛ لوندرفولد، أستري ج. (22 يناير 2026). "شبكات تشابه المرضى لمتلازمة القولون العصبي: إعادة النظر في قياسات شكل الدماغ والخصائص المعرفية" . التشخيص . 16 ( 2): 357. doi : 10.3390/diagnostics16020357 . ISSN 2075-4418 . PMC 12839715. PMID 41594333 .   
  34. ↑ لوندرفولد، أرفيد؛ بيلينغ، جولي؛ بيرنتسن، بيرجيت؛ لوندرفولد، أستري ج. (22 يناير 2026). "شبكات تشابه المرضى لمتلازمة القولون العصبي: إعادة النظر في قياسات شكل الدماغ والخصائص المعرفية" . التشخيص . 16 ( 2): 357. doi : 10.3390/diagnostics16020357 . ISSN 2075-4418 . PMC 12839715. PMID 41594333 .   
  35. ↑ تشاو، يانغ؛ تشو، دايداي؛ يوان، أيهونغ؛ لي، شويلونغ (أكتوبر 2025). "شبكة تجميع طيفي متعددة الرؤى توافقية مع تشابه موحد" . الشبكات العصبية . 190 107647. doi : 10.1016/j.neunet.2025.107647 . PMID 40513466 . 
  36. ^ تشين، شمعي؛ لي وان. يو، هونغ تشنغ؛ شو، ماني؛ لي تشاو. فو، لي. صن شيبين. هو يوهان. الوقف، جونجي؛ هو، وايمينغ؛ تشين ، لينا (23 يناير 2023). "توجيه إعادة تحديد موضع الأدوية للسرطان بناءً على شبكات تشابه الأدوية" . المجلة الدولية للعلوم الجزيئية . 24 (3): 2244. دوى : 10.3390/ijms24032244 . ردمك 1422-0067 . بمك 9917231 . بميد 36768566 .   
  37. ↑ فلناري، فيكتوريا ل.؛ فيشر، جينيفر ل.؛ ويلك، إليزابيث ج.؛ هاوتون، تيموثي س.؛ لاسين، بريتاني ن. (سبتمبر 2023). "التطورات الحاسوبية في التنبؤ بالعلاج المركب للسرطان" . مجلة علم الأورام الدقيق (JCO Precision Oncology ) . 7 (7) e2300261. doi : 10.1200/PO.23.00261 . ISSN 2473-4284 . PMC 12012855. PMID 37824797 .   
  38. ↑ P. Auconi, G. Caldarelli, A. Scala, G. Ierardo, A. Polimeni (2011). A network approach to orthodontic diagnosis, Orthodontics and Craniofacial Research 14, 189-197.
  39. ^ Scala، A. Auconi، P.، Scazzocchio، M.، Caldarelli، G.، McNamara، J.، Franchi، L. (2014). الشبكات المعقدة للطب المبني على البيانات: حالة التنافر الهيكلي السني من الدرجة الثالثة، New J. Phys. 16115017
  40. ↑ "قسم تشانينغ لطب الشبكات" .
  41. ↑ "يانغ يو ليو - ملفات تعريفية عن محفزي هارفارد - محفزي هارفارد" .
  42. ↑ د. مايكل لي. "طب الشبكات: استخدام بيولوجيا الأنظمة وشبكات الإشارات لابتكار علاجات جديدة للسرطان" . MIT OpenCourseWare .
  43. ↑ "مقدمة في طب الشبكات - هارفارد كاتاليست" .