Dna

‫استخدام نماذج ماركوف المخفية في البحث‬ ‫عن الجينات ضمن تسلسلت ‪DNA‬‬

‫مقدمة‬ ‫‪‬‬

‫إقتراح موضوع إطروحة لنيل شهادة الماجستير من جامعة حلب كلية‬ ‫الهندسة الكهربائية واللكترونية قسم الحاسبات للطالب خالد الشمعة‬ ‫بالتعاون مع المركز الدولي للبحوث الزراعية في المناطق الجافة ‪.ICARDA‬‬

‫‪‬‬

‫عنوان الطروحة‪:‬‬

‫استخدام نماذج ماركوف المخفية في البحث عن الجينات ضمن تسلسلت ‪DNA‬‬ ‫‪Using Hidden Markov Models to finding gene in DNA sequences‬‬ ‫‪‬‬

‫الشراف للدكتور عامر بوشي من جامعة حلب كلية الهندسة الكهربائية‬ ‫واللكترونية قسم الحاسبات‪ ،‬والدكتور ‪ Murari Singh‬من المركز الدولي‬ ‫للبحوث الزراعية في المناطق الجافة ‪.ICARDA‬‬

‫هدف البحث‬ ‫‪‬‬

‫يهدف هذا البحث إلى تطوير برمجية بلغة ‪ Perl‬قادرة على قراءة كتل بيانات‬ ‫تسلسلت ‪ DNA‬النصية الخام والمخزنة وفق التنسيقات المعيارية المخصصة‬ ‫لهذا النوع من البيانات‪ ،‬ومن ثم البحث ضمنها عن القطع التي تمثل الجينات‬ ‫الوظيفية للكائن الحي وذلك من بين ركام المليين من الحرف الصماء‪،‬‬ ‫باستخدام نماذج ماركوف المخفية‪.‬‬

‫‪‬‬

‫سنتطرق في هذا العرض التقديمي إلى النقاط التالية‪:‬‬ ‫‪ ‬توطئة بيولوجية (إحيائية)‪.‬‬ ‫‪ ‬شرح المسألة المراد حلها‪.‬‬ ‫‪ ‬الطرائق والدوات التي سيتم استخدامها‪.‬‬

‫توطئة بيولوجية (إحيائية)‬

‫الحمض الريبي النووي المنقوص الكسجين ‪DNA‬‬ ‫‪‬‬

‫يتألف الحمض الريبي النووي المنقوص الكسجين‬ ‫الدنا ‪ DNA‬من أربع قواعد كيميائية أو لبنات يرمز لها‬ ‫بالختصارات (‪ ،)A, T, C, G‬وهي أشبه ما تكون‬ ‫بشيفرة رباعية تتضمن المجموعة الكاملة من‬ ‫التعليمات اللزمة لبناء الكائن الحي‪.‬‬

‫‪‬‬

‫يبنى شريط الدنا ‪ DNA‬من شفعين مجدولين مؤلفين‬ ‫من تلك اللبنات بحيث تتقابل فيه كل ‪ A‬فقط مع ‪T‬‬ ‫وكل ‪ C‬فقط مع ‪ ،G‬حيث يتوزع هذا الشريط‬ ‫المجدول على عدة بنى مستقلة تدعى الصبغيات‬ ‫وتتوضع في نواة كل خلية (للنسان ‪ 23‬صبغي)‪.‬‬

‫‪‬‬

‫يختلف طول شريط الدنا ‪ DNA‬الجمالي من كائن‬ ‫إلى آخر‪ ،‬ويبلغ طوله في النسان ‪ 3.2‬بليون قاعدة‪.‬‬

‫الجينات ‪Genes‬‬ ‫‪‬‬

‫يطلق اسم الجين على الجزء الوظيفي من‬ ‫تسلسل الدنا ‪ DNA‬والذي يتضمن تعليمات‬ ‫تستخدم في بناء بروتين معين ذي وظيفة محددة‬ ‫(عدد الجينات في النسان هو ‪ 25000‬جين‬ ‫تقريبا)‪.‬‬

‫‪‬‬

‫ل تشكل المناطق التي تقوم بترميز الجينات ضمن‬ ‫الصبغيات سوى نسبة ضئيلة من الطول الجمالي‬ ‫لسلسلة الدنا ‪DNA )3%‬في حالة البشر)‪.‬‬

‫‪‬‬

‫تتبعثر الجينات ضمن الصبغيات على امتداد جزيء‬ ‫الدنا ‪ ،DNA‬فيما لم يتم التعرف على وظيفة ما‬ ‫تبقى من شريط الدنا ‪ DNA‬بشكل علمي حتى‬ ‫الن‪.‬‬

‫الحماض المينية ‪Amino Acids‬‬ ‫‪‬‬

‫تستخدم الكائنات الحية ‪ 20‬حمضا أمينيا‬ ‫مختلفا كأحجار بناء للف البروتينات‬ ‫الموجودة في أجسادها‪.‬‬

‫‪‬‬

‫تختلف هذه الحموض المينية بأشكالها‬ ‫وأحجامها وصفاتها الكيميائية مثل محبتها‬ ‫أو كراهيتها للماء‪.‬‬

‫‪‬‬

‫تنشأ فيما بين قواعد الحموض المينية‬ ‫رابطة تدعى بالرابطة الببتيدية وذلك حين‬ ‫اقتراب قواعد تلك الحموض المينية من‬ ‫بعضها البعض بشكل كاف‪ ،‬مما يساعد‬ ‫في بناء سلسل طويلة منها ذات هيكل‬ ‫قوي ومرن في ذات الن‪.‬‬

‫الرحلة من الجين إلى البروتين (‪)1‬‬ ‫‪‬‬

‫لتحويل شيفرات الجينات الموجودة في جزيء الدنا ‪DNA‬‬ ‫ضمن الصبغيات إلى بروتينات فاعلة يتم استخدام وسيط‬ ‫هو الرنا المرسال ‪.mRNA‬‬

‫‪‬‬

‫يقوم الرنا المرسال ‪ mRNA‬بنسخ شيفرة الجين المطلوب‬ ‫وذلك من خلل إنشاء متمم لسلسلة الدنا ‪.DNA‬‬

‫‪‬‬

‫ضمن جزيء الرنا ‪ RNA‬يتم بشكل عام استبدال القاعدة‬ ‫الكيميائية ‪ T‬بالقاعدة الكيميائية ‪ U‬المكافئة من حيث‬ ‫الوظيفة في تشافعها مع القاعدة الكيميائية ‪.A‬‬

‫‪‬‬

‫يتاح لجزيئات الرنا المرسال ‪ mRNA‬مغادرة نواة الخلية‬ ‫إلى جسمها لتتم عملية تصنيع البروتينات هنالك‪.‬‬

‫الرحلة من الجين إلى البروتين (‪)2‬‬ ‫‪‬‬

‫للكائنات الحية نظام تشفير ترمز فيه كل ثلثة‬ ‫قواعد متتالية إلى أحد الحموض المينية‪.‬‬

‫‪‬‬

‫من المعلوم أننا نستطيع إنشاء ‪ 64‬تشكيل ممكن‬ ‫لثلثيات مبنية من أربعة قواعد مختلفة‪ ،‬في حين‬ ‫أن لدينا ‪ 20‬حمضا أمينيا فقط بالضافة إلى رمزي‬ ‫البدء والنهاية‪ ،‬مما يعني أن لبعض الحماض‬ ‫المينية أكثر من ترميز‪.‬‬

‫‪‬‬

‫لقد أثبتت الدراسات العلمية اللحقة أن آلية‬ ‫التشفير هذه بديعة من حيث قدرتها على تحمل‬ ‫الخطاء والطفرات بحيث نحصل في النهاية على‬ ‫بروتين سوي من حيث الوظيفة‪.‬‬

‫الرحلة من الجين إلى البروتين (‪)3‬‬ ‫‪‬‬

‫تتم عملية بناء البروتينات الفعلية ضمن‬ ‫الريبوزوم‪ ،‬وهو جسيم من مكونات الخلية‬ ‫يرتبط مع سلسل رنا المرسال ‪mRNA‬‬ ‫الخارجة من نواة الخلية‪ ،‬ليقوم بتفسير‬ ‫شيفراتها إلى سلسل الحماض المينية‪.‬‬

‫‪‬‬

‫تستعين هذه العملية بجزيء رنا الناقل‬ ‫‪ tRNA‬والذي يمتلك من جهة مفتاحا ذي‬ ‫ثلث قواعد‪ ،‬ويرتبط من الجهة الخرى‬ ‫بالحمض الميني الموافق لذلك المفتاح‪.‬‬

‫‪‬‬

‫يسمح وجود الحماض المينية قرب بعضها‬ ‫في الريبوزوم بتشكيل الرابطة الببتيدية‬ ‫ومن ثم تحرر الرنا الناقل ‪.tRNA‬‬

‫آلية ربط الحماض المينية في الريبوزوم ‪Rebosome‬‬ ‫ريبوزوم‬

‫أحماض أمينية تشكل‬ ‫سلسلة ببتيدية‬

‫‪Pro‬‬

‫‪Val‬‬

‫‪Tyr‬‬

‫‪His‬‬

‫‪Met‬‬

‫’‪3‬‬ ‫رنا الناقل‬ ‫‪GGA‬‬

‫‪CAU‬‬

‫‪AUG‬‬

‫‪CCU‬‬

‫‪GUA‬‬

‫‪UAC‬‬

‫الرمز المتمم‬ ‫’‪5‬‬

‫شريط رنا المرسال‬ ‫الرمز‬

‫تشكيل البروتينات ‪Proteins‬‬ ‫‪‬‬

‫مع نمو سلسلة الحماض المينية تبدأ بنية‬ ‫البروتين الثلثية البعاد بالتشكل‪ ،‬وذلك تبعا‬ ‫للخصائص الكيميائية والحيزية للحماض‬ ‫المينية وتسلسلها‪.‬‬

‫‪‬‬

‫إن بنية البروتين الثلثية البعاد هي التي‬ ‫تحدد وظيفته‪ ،‬وحين تحدث طفرة تغير أحد‬ ‫تلك الحماض المينية فإن وظيفة البروتين‬ ‫ذاته قد تتأثر‪.‬‬

‫‪‬‬

‫يعتبر مرض فقر الدم المنجلي مثال على‬ ‫ذلك‪ ،‬حيث يؤدي تغير قاعدة وحيدة ضمن‬ ‫رنا المرسال ‪ mRNA‬إلى تكوين بروتين‬ ‫خضاب دم مشوه وعاجز عن حمل‬ ‫الكسجين بكفاءة‪.‬‬

‫شرح المسألة المراد حلها‬

‫شكل وطبيعة بيانات الدخل‬ ‫‪‬‬

‫تقدم بيانات الدخل على‬ ‫شكل ملفات نصية‬ ‫تتضمن سيل طويل من‬ ‫تسلسلت الحرف ‪A,‬‬ ‫‪ T, C, G‬الناتجة عن‬ ‫سلسلة جزيء الدنا‬ ‫‪ DNA‬المدروس‪ ،‬وقد‬ ‫تتضمن تلك الملفات‬ ‫بعض الترويسات التي‬ ‫تتضمن معلومات‬ ‫إضافية‪ ،‬كالرقم‬ ‫المعرف ومصدر‬ ‫المعلومات‪.‬‬

‫مسألة تحديد المقاطع التي تتضمن الجينات‬ ‫‪‬‬

‫تعتبر هذه المهمة تحديا ً صعبا ً بحد ذاته‪ ،‬إذ تفشل معظم أساليب البحث‬ ‫المعتادة والتي صممت لمعالجة النصوص في مثل تلك المهمة وذلك نظراً‬ ‫لن تفسير تسلسلت أحرف ‪ DNA‬هو عملية أقل صرامة مقارنة باللغة‬ ‫المكتوبة‪ ،‬فليس من النادر أن يكون لدينا على سبيل المثال تسلسلين‬ ‫متكافئين تماما ً من حيث الوظيفة لكنهما ل يتطابقان في أكثر من ‪ %30‬من‬ ‫أحرفهما‪.‬‬

‫‪‬‬

‫هذا عدى عن حقيقة عدم وجود نقطة علم تحدد المكان الذي تبدأ منه قراءة‬ ‫الثلثيات التي ترمز إلى الحماض المينية‪ ،‬مما يعطينا ثلثة قراءات محتملة‬ ‫لذات السلسلة‪ ،‬وإن تذكرنا أن هنالك سلسلة متممة يمكن لها أن تكون هي‬ ‫بدورها تحمل ترميزا للجينات‪ ،‬فنصل بالجمال إلى ‪ 6‬قراءات محتملة‪.‬‬

‫الطرائق والدوات التي سيتم استخدامها‬

‫نماذج ماركوف المخفية ‪HMM‬‬ ‫‪‬‬

‫تنتمي نماذج ماركوف إلى مجموعة النماذج‬ ‫الحصائية‪ ،‬ففي نماذج ماركوف العتيادية تكون‬ ‫الحالت مرئية بشكل مباشرة‪ ،‬ولذا تكون احتمالت‬ ‫النتقال من حالة إلى أخرى هي كل ما نحتاج إلى‬ ‫معرفته لتحديد النموذج‪.‬‬

‫‪‬‬

‫في نماذج ماركوف المخفية ل يمكننا الطلع على‬ ‫الحالت بشكل مباشر‪ ،‬لكن عوضا عن ذلك تكون‬ ‫لدينا مجموعة من إشارات الخرج مع احتمال توليد‬ ‫كل إشارة خرج من مختلف حالت النموذج‪.‬‬

‫‪‬‬

‫عادة ما تتوفر لدينا احتمالت النتقال والخرج‬ ‫بالضافة إلى سلسلة إشارات الخرج الملحظة‪،‬‬ ‫فيما يكمن التحدي في تخمين سلسلة الحالت‬ ‫التي أدت إلى ذلك السلوك‪.‬‬

‫مثال توضيحي‬ ‫‪‬‬

‫بفرض أن لديك صديقة تقطن في مكان بعيد وتتواصل معها من خلل الهاتف‪ ،‬ولتكن هذه‬ ‫الصديقة مهتمة بثلثة أنشطة فقط هي التنزه والتسوق والتنظيف‪ ،‬بحيث أن اختيارها لما ستقوم‬ ‫به من نشاط في يوم ما يتعلق بشكل حصري بحالة الطقس في ذلك اليوم‪.‬‬

‫‪‬‬

‫بطبيعة الحال لن تكون لديك معرفة مباشرة بحالة الطقس حيث تقطن صديقتك‪ ،‬لكن لديك‬ ‫تلميحات يمكنك الستفادة منها‪ ،‬وهي ما تخبرك به صديقتك عما تقوم به من نشاط حينما تتصل‬ ‫بها‪ ،‬ومن خلل هذه المعلومة ستحاول تخمين حالة الطقس لديها‬

‫‪0.6‬‬

‫الحالة البتدائية‬

‫‪0.4‬‬

‫‪0.4‬‬ ‫‪0.7‬‬

‫‪0.6‬‬

‫مشمس‬

‫ماطر‬ ‫‪0.3‬‬ ‫‪0.1‬‬ ‫تنزه‬

‫‪0.4‬‬

‫‪0.5‬‬

‫تسوق تنظيف‬

‫‪0.6‬‬ ‫تنزه‬

‫‪0.3‬‬

‫‪0.1‬‬

‫تسوق تنظيف‬

‫مجالت تطبيق نماذج ماركوف المخفية ‪HMM‬‬ ‫‪‬‬

‫التعرف على الكلم المنطوق‪.‬‬

‫‪‬‬

‫التعرف على حركات الجسد وإيماءاته‪.‬‬

‫‪‬‬

‫التعرف الضوئي على النصوص‪.‬‬

‫‪‬‬

‫الترجمة اللية‪.‬‬

‫‪‬‬

‫المعلوماتية الحيوية ‪ Bioinformatics‬من قبيل التنبؤ بمناطق‬ ‫ترميز البروتينات (بمعنى آخر الجينات ‪ )Genes‬ضمن تسلسلت‬ ‫الدنا ‪.DNA‬‬

‫لغة ‪Perl‬‬ ‫‪‬‬

‫أطلقت هذه اللغة لول مرة عام ‪ 1987‬من قبل‬ ‫‪ ،Larry Wall‬وهي لغة برمجية عامة الغراض‬ ‫صممت في الساس لمعالجة النصوص‪ ،‬لكن‬ ‫استخدامها انتشر لحقا ليشمل طيفا واسعا من‬ ‫المهام منها إدارة النظمة‪ ،‬وبرمجة تطبيقات‬ ‫الويب‪.‬‬

‫‪‬‬

‫تميل لغة ‪ Perl‬إلى كونها لغة عملية (بمعنى أنها‬ ‫سهلة الستخدام وفعالة ومتكاملة)‪ ،‬كما تتميز‬ ‫بدعمها لكل نمطي البرمجة الجرائية والموجهة‬ ‫بالكائنات‪.‬‬

‫‪‬‬

‫تحظى لغة ‪ Perl‬بكم كبير من المكتبات المطورة‬ ‫من قبل طرف ثالث في خدمة أهداف ومهام‬ ‫خاصة‪.‬‬

‫مشروع ‪BioPerl‬‬ ‫‪‬‬

‫لقد تم إطلق مشروع ‪ BioPerl‬من أجل تطوير‬ ‫مجموعة من المكتبات الغرضية التوجه‬ ‫والمكتوبة باستخدام لغة ‪ Perl‬وذلك بهدف‬ ‫تسهيل التعامل مع البيانات البيولوجية‬ ‫(الحيائية) ومعالجتها‪.‬‬

‫‪‬‬

‫تقدم مكتبات هذا المشروع بيئة عمل موسعة‬ ‫ومنسقة لجراء عمليات الحوسبة البيولوجية‬ ‫(الحيائية)‪ ،‬حيث تتضمن العديد من الدوات‬ ‫التي يمكن إعادة استخدامها من أجل تطوير‬ ‫تطبيقات متنوعة في هذا الحقل من العلوم‪.‬‬

‫لغة الحوسبة الحصائية ‪R‬‬ ‫‪‬‬

‫تعتبر لغة ‪ R‬المفتوحة المصدر عبارة عن لغة وبيئة‬ ‫برمجية تخدم عمليات الحوسبة الرياضية الحصائية‬ ‫وما يتعلق بها من المخططات البيانية‪ ،‬وقد طورت‬ ‫لول مرة في جامعة أوكلند ‪ Auckland‬بنيوزيلندا‪.‬‬

‫‪‬‬

‫تعتبر لغة ‪ R‬لغة واسعة النتشار في تطوير‬ ‫التطبيقات الحصائية وتحليل البيانات‪ ،‬كما أصبحت‬ ‫لغة معيارية يتم تدريسها في العديد من جامعات‬ ‫العالم لهذه الغاية‪.‬‬

‫‪‬‬

‫تتميز لغة ‪ R‬بقوة إمكانياتها الرسومية التي‬ ‫تستطيع من خللها توليد مخططات بيانية عالية‬ ‫الدقة‪.‬‬

‫راجياً أن تحظى فكرة هذه‬ ‫الطروحة على رضاكم‪ ،‬وشكراً‬