کاربرد بیوانفورماتیک و آینده شغلی آن

بسیاری از زیست‌شناسان محاسباتی عمدتا به پرندگان و اکوسیستم‌ها اهمیت می‌دادند. دو مختصص بیوانفورماتیک با نام‌های Avant-la-lettre و Paulien Hogeweg en Ben Hesper همچنین به مولکول‌ها و فولدینگ RNA به عنوان ابزاری برای درک انباشت اطلاعات در سیستم‌های بیولوژیکی علاقه‌مند بودند.

همانطور که  Paulien Hogeweg در The Roots of Bioinformatics in Theoretical Biology   می‌نویسد:«حداقل، ما احساس کردیم که پردازش اطلاعات می‌تواند به عنوان یک استعاره مفید برای درک سیستم‌های زنده عمل کند. بنابراین ما فکر کردیم که علاوه بر بیوفیزیک و بیوشیمی، متمایز کردن بیوانفورماتیک به عنوان یک زمینه تحقیقاتی (یا آنچه ما آن را مفهوم کاری نامیدیم) مفید است.

بعدا، با انباشته شدن ساختار پروتئین و داده‌های توالی، زمینه مطالعه این موارد فراهم شد. جالب توجه است که نام بیوانفورماتیک به عنوان ایده اصلی پردازش اطلاعات با انباشت داده‌ها در علوم مدرن، روز به روز، بیشتر و بیشتر مرتبط می‌شود. جامعه بیوانفورماتیک فعلی در Utrecht در مرکز بیوانفورماتیک Utrecht (UBC) متمرکز شده‌است.

فهرست عناوین مطلب:

کاربرد بیوانفورماتیک: مقدمه

با تعداد زیادی از ژنوم‌های پروکاریوتی و یوکاریوتی که به طور کامل توالی‌بندی شده‌اند و در آینده نزدیک‌ به تعداد آن ها افزوده می شود، دسترسی به اطلاعات ژنومی و سنتز آن برای کشف دانش جدید به موضوع اصلی تحقیقات بیولوژیکی مدرن تبدیل شده‌است. استخراج اطلاعات ژنومی نیازمند استفاده از ابزارهای محاسباتی پیچیده است.

بنابراین، برای نسل جدید زیست‌شناسان ضروری است که زمینه مطالعاتی جدیدی را آغاز کرده و با آن آشنا شوند که مربوط به ذخیره‌سازی، سازماندهی و نمایه‌سازی دقیق اطلاعات است تا با چالش‌های جدید در عصر ژنومی مقابله کند. علم اطلاعات در زیست‌شناسی برای تولید رشته‌ای به کار رفته است که بیوانفورماتیک نامیده می‌شود که به ابزارهای محاسباتی پیشرفته موجود برای حل مسائل تحقیقات بیولوژیکی مربوط می‌شود.

اصطلاح بیوانفورماتیک توسط Paulien Hogeweg و Ben Hesper برای توصیف “مطالعه فرآیندهای انفورماتیک در سیستم‌های زیستی” ابداع شد و زمانی که اولین داده‌های توالی بیولوژیکی شروع به اشتراک‌گذاری کردند، استفاده اولیه از این علم را پیدا کردند. بیوانفورماتیک یک حوزه ی بین رشته‌ای است که روش‌ها و ابزارهای نرم افزاری را برای درک داده‌های بیولوژیکی توسعه می‌دهد.

توسعه بیوانفورماتیک به عنوان یک رشته، نتیجه پیشرفت‌هایی است که هم در زیست‌شناسی مولکولی و هم در علوم کامپیوتر در ۳۰ تا ۴۰ سال گذشته انجام شده‌است.

بیوانفورماتیک به عنوان یک حوزه علمی میان رشته‌ای، زیست‌شناسی، علوم کامپیوتر، مهندسی اطلاعات، ریاضیات و آمار را برای تجزیه و تحلیل و تفسیر داده‌های بیولوژیکی ترکیب می‌کند. حوزه‌های کلیدی بیوانفورماتیک شامل پایگاه‌های اطلاعاتی بیولوژیکی، هم‌ترازی توالی، پیش‌بینی ژن و پروموتر، فیلوژنتیک مولکولی، بیوانفورماتیک ساختاری، ژنومیکس و پروتئومیکس است.

بیوانفورماتیک در مقایسه با زیست‌شناسی محاسباتی

بیوانفورماتیک با یک رشته مرتبط به نام زیست‌شناسی محاسباتی متفاوت است. بیوانفورماتیک به تجزیه و تحلیل توالی، ساختاری و عملکردی ژن‌ها و ژنوم‌ها و محصولات مربوط به آنها محدود می‌شود و اغلب زیست‌شناسی مولکولی محاسباتی در نظر گرفته می‌شود.

با این‌حال، زیست‌شناسی محاسباتی یا computational Biology تمام حوزه‌های بیولوژیکی را که شامل محاسبات می‌شوند، در برمی گیرد. بیوانفورماتیک به عنوان توسعه و کاربرد ابزارهای محاسباتی در مدیریت انواع داده‌های بیولوژیکی است، در حالی که زیست شناسی محاسباتی بیشتر به توسعه نظری الگوریتم‌های مورد استفاده برای بیوانفورماتیک محدود می‌شود.

حوزه آینده شغلی بیوانفورماتیک

بیوانفورماتیک یکی از حوزه‌های علمی میان رشته‌ای نوظهور با گزینه‌های شغلی بسیار پردرآمد است. از دهه‌های گذشته، چشم انداز شغلی در بیوانفورماتیک با کمک علم کامپیوتر به تدریج افزایش یافته است. کارشناسان بیوانفورماتیک می‌توانند در تمام بخش های سازمان‌های زیست‌پزشکی، بیوتکنولوژی، داروسازی، بیمارستان‌ها، موسسات تحقیقاتی و صنعت کار کنند.

علاوه بر این، یک متخصص بیوانفورماتیک با مدرک تحصیلی مورد نظر می‌تواند به عنوان استاد یا محقق در دانشگاه‌ها، دانشکده‌های دولتی، خصوصی و دولتی مشغول به کار شود. بخش خصوصی و دولتی موسسات علمی تحقیقاتی مختلف می‌تواند یکی دیگر از گزینه‌های استخدامی یک متخصص بیوانفورماتیک خبره باشد.

آنها می‌توانند بخشی از شرکت‌های پیشرو فناوری اطلاعات با عنوان “اطلاعات زیستی” در طراحی سیستم‌های مختلف زیست‌پزشکی باشند. با این‌حال، فرصت‌های شغلی درحوزه‌های تحقیقاتی در شرکت‌ها و آزمایشگاه‌های خارجی نیز می‌تواند پیش روی یک متخصص بیوانفورماتیک باشد. بیوانفورماتیک یکی از حوزه‌های بین رشته‌ای است که در کنار علوم زیستی، فناوری اطلاعات، ریاضیات و آمار قرار دارد.

آزمایشگاه ژنیران با برگزاری دوره کارآموزی بیوانفورماتیک می‌تواند شما را در این مسیر یاری رساند.

این همپوشانی مزیت فوق‌العاده‌ای را نسبت به سایر علوم فراهم می‌کند و به همین دلیل علم بیوانفورماتیک به یک فرصت طلایی برای نسل‌های فعلی و آینده تبدیل شده‌است.

حوزه اصلی شغلی این رشته شامل توالی‌یابی نسل بعدی (NGS)، assembly و تحلیل توالی، فارماکولوژی، پروتئومیکس، تجزیه و تحلیل زیستی، پروتئومیکس، فارماکولوژی بالینی و از همه مهمتر طراحی و نگهداری پایگاه داده‌های بیولوژیکی و غیره است. حال می‌خواهیم نگاهی به حوزه‌های مختلف کاری بیوانفورماتیک داشته باشیم.

کاربرد بیوانفورماتیک در زیست‌شناسی سامانه‌ای (system biology)

زیست‌شناسی سامانه‌ای یا system biology سعی می‌کند جزئیات عملکردی را به طور کلی درک کند، اینکه چه نوع مکانیسم عملکردی در هر سلول، بافت و اندام اتفاق می‌افتد؟ اینها در زیست شناسی سامانه ای از منظر سیستم بیولوژیکی مورد بررسی قرار گرفته‌اند. سیستم‌های محاسباتی با استفاده از مدل‌سازی ریاضی و تجزیه و تحلیل آماری برای به دست آوردن درک اساسی از فرآیندهای بیولوژیکی طراحی و شبیه سازی می‌شوند.

توسعه تکنیک‌ها و ابزارهای بیوانفورماتیک به متخصصان زیست‌شناسی سامانه ای یا system biology کمک می‌کند تا به نتایج سریع‌تری دست یابند و پیش‌بینی‌های خود را با استفاده از مدل‌های محاسباتی تأیید کنند. در ابداع این ابزارهای سیستم بیولوژیکی، متخصصان آمار زیستی در کنار سایر متخصصان حوزه نقش کلیدی ایفا می‌کنند.

کاربرد بیوانفورماتیک در طراحی دارو و فارماکولوژی محاسباتی

امروزه شناسایی و اعتبارسنجی هدف دارویی با رویکردهای بیوانفورماتیک مدرن به خوبی تسریع شده‌است. با این حال، عوارض جانبی و پیش‌بینی مقاومت دارویی برای داروی تازه توسعه‌یافته نیز در تکنیک‌های بیوانفورماتیک مشخص می‌شود.

برای بهبود مزایای درمانی کشف دارو، بیوانفورماتیک شامل سطوح مختلف توسعه مانند ابزارهای فارماکوژنومیک و سم زایی، شناسایی نشانگرهای زیستی و غیره می‌باشد. محاسبات کوانتومی نقش مهمی در بیوانفورماتیک ایفا می‌کند زیرا تأثیر زیادی بر CADD و فرآیند کشف دارو نشان می‌دهند.

کاربرد بیوانفورماتیک در پزشکی شخصی

پزشکی شخصی یا Precision Medicine رویکردی برای مدیریت بیماری است که جهش یا تنوع در ژن‌های یک فرد را با پاسخ به یک دارو یا پیش آگهی بیماری خاص در نظر می‌گیرد. با توسعه حوزه فارماکوژنومیک، پزشکی بالینی شخصی‌تر می‌شود. این مطالعه چگونگی تأثیر وراثت ژنتیکی یک فرد بر پاسخ بدن به داروها است.

امروزه، پزشکان باید از آزمون و خطا برای یافتن بهترین دارو برای درمان یک بیمار خاص استفاده کنند، زیرا کسانی که علائم بالینی مشابهی دارند می‌توانند طیف وسیعی از پاسخ‌ها را به همان درمان نشان دهند. در آینده، پزشکان قادر خواهند بود مشخصات ژنتیکی بیمار را تجزیه و تحلیل کنند و بهترین درمان دارویی و دوز موجود را از ابتدا تجویز کنند.

کاربرد بیوانفورماتیک در ایمونوانفورماتیک و کشف واکسن

کاربرد رویکردهای محاسباتی در مسائل ایمونولوژیکی با نام علم ایمونوانفورماتیک شناسایی می شود. رشد اطلاعات تولید شده از روش های پیشرفته و ابزارهای توالی یابی نسل بعدی، سیستم های پیشرفته تری را برای تجزیه و تحلیل ایمونوانفورماتیک می طلبد. روش‌های بیوانفورماتیک اغلب برای مطالعه برهم‌کنش‌های میزبان و پاتوژن مرسوم هستند.

همچنین برای تعیین عملکرد ژن های نامشخص که ممکن است به عنوان کاندید در طراحی واکسن مورد هدف قرار گیرند، استفاده می شود. علم ایمونوانفورماتیک به دلیل همه گیری اخیر COVID-19 و بنابراین آگاهی در مورد ویروس ها در سال های اخیر رشد فوق العاده ای داشته است.

کاربرد بیوانفورماتیک در ژنومیکس و ژنتیک

ژنوم انسان تأثیرات عمیقی در زمینه های تحقیقات زیست پزشکی و پزشکی بالینی دارد. تکمیل ژنوم انسان و استفاده از ابزارهای بیوانفورماتیک به این معنی است که می‌توانیم ژن‌هایی را که مستقیما با بیماری‌های مختلف مرتبط هستند جست‌وجو کنیم و اساس مولکولی این بیماری‌ها را با وضوح بیشتری درک کنیم.

این دانش جدید از مکانیسم‌های مولکولی بیماری، امکان ایجاد درمان‌ها و حتی آزمایش‌های پیشگیرانه بهتر را فراهم می‌کند. در آینده ای نه چندان دور با استفاده از ابزار بیوانفورماتیک، پتانسیل استفاده از ژن‌ها برای درمان بیماری ممکن است به واقعیت تبدیل شود. ژن درمانی رویکردی است که برای درمان یا حتی پیشگیری از بیماری با تغییر بیان ژن‌های فرد استفاده می‌شود.

کاربرد بیوانفورماتیک در پروتئومیکس

پروتئومیکس به مطالعه پروتئوم در مقیاس بزرگ اطلاق می‌شود که مطالعات و تحقیقات علمی جدید را پوشش می‌دهد. پروتئوم مجموعه‌ای از پروتئین‌ها است که از ژن‌های کدکننده یک موجود زنده کدگذاری می‌شوند. مطالعه پروتئوم شامل توالی یابی، پروفایل پروتئین کامل، تجزیه و تحلیل، عملکرد و شناسایی حوزه عملکردی، برهمکنش پروتئین-پروتئین، اصلاح پس از ترجمه، و مطالعه ساختار پروتئین است.

جمع‌آوری توالی، سازمان‌دهی، توصیف پروتئین و تعامل پروتئومی نیز به عنوان وظیفه بیوانفورماتیک ذکر شده‌است. فرآیندهای درگیر در پروتئومیکس به شدت در مورد حوزه ی بیوانفورماتیک مورد توجه قرار گرفته اند که نشان می‌دهد کاربردهای علم بیوانفورماتیک در پروتئومیکس در آینده گسترش خواهد یافت.

آیا یادگیری ماشین آینده بیوانفورماتیک است؟

همانطور که گفته شد، بیوانفورماتیک به عنوان تفسیر ریاضی داده‌های بیولوژیکی تعریف می‌شود و اغلب از روش‌های محاسباتی برای ارائه اطلاعات آماری استفاده می‌کند.

یادگیری ماشین یا Machine learning یک رشته پر رونق از علوم کامپیوتر است که شامل ایجاد الگوریتم‌هایی است که امکان ترکیب داده‌های جدید را برای بهبود یا توسعه اقدامات مربوط به یک کار خاص فراهم می‌کند. مقادیر زیادی از داده‌هایی که باید در زیست‌شناسی به ویژه ژنومیکس و پروتئومیکس مورد استفاده قرار گیرند، به این معنی است که این زمینه به خوبی برای کاربرد یادگیری ماشین آماده‌است.

یادگیری ماشین در حال حاضر چگونه در بیوانفورماتیک استفاده می‌شود؟

یادگیری ماشین در حال حاضر در توالی‌یابی ژنومی، تعیین ساختار پروتئین، بررسی ریزآرایه، ساخت درخت فیلوژنتیک تکاملی و همچنین تعیین مسیر متابولیک و غیره استفاده می‌شود.

حجم بسیار زیادی از اطلاعات توالی ژنتیکی تولید شده در چند دهه گذشته بانک‌های داده عظیمی را فراهم کرده‌است که توانایی محققان انسانی را برای بررسی و پردازش موثر این اطلاعات بدون کمک روش‌های محاسباتی به چالش می‌کشد.

پیش‌بینی ژن توسط الگوریتم‌های یادگیری ماشین به روش‌های مختلفی انجام می‌شود که از جمله وارد کردن مقادیر زیادی از توالی‌های DNA که با کتابخانه‌های شناخته شده ژن‌ها و مکان‌های ذکر شده مقایسه می‌شوند.

ژن‌های ناشناخته در توالی با برنامه‌های یادگیری ماشین شناسایی می‌شوند که عملکرد آن‌ها را بر اساس مکان ژن و سایر عوامل پیش‌بینی می‌کنند. در نهایت، از مقایسه ژنوم بسیاری از گونه‌های مختلف برای تعیین درخت‌های تکاملی استفاده می‌شود.

آینده یادگیری ماشین چگونه است؟

سایر زمینه‌های پزشکی و زیست‌شناسی به طور فزاینده‌ای در حوزه کاربردهای یادگیری ماشین قرار می‌گیرند، زیرا این فناوری روز به روز پیچیده‌تر می‌شود. به عنوان مثال، تصاویر ایجاد شده توسط تکنیک‌های تصویربرداری عصبی مانند CT و MRI در حال حاضر توسط برنامه‌های یادگیری ماشین با این امید که دانشمندان بتوانند بینش هایی در مورد علائم و ویژگی‌های اولیه بیماری به دست آورند، تجزیه و تحلیل می‌شوند.

این به ویژه برای اختلالات مغزی و قلبی مفید است، زیرا برنامه‌ها می‌توانند هزاران نتیجه را جستجو و مقایسه کنند تا وجوه مشترک بین آنها را بیابند.

هر زمینه‌ای که در آن حجم بزرگی از داده تولید می‌شود که بتوان آن را با یکدیگر مقایسه کرد، برای کاربردهای یادگیری ماشین، از جمله داده کاوی متن و تصویر، مناسب است. برنامه‌های یادگیری ماشین به طور فزاینده‌ای برای اهداف تحقیقاتی و کاربردهای بالینی مورد استفاده قرار خواهند گرفت.

نتایج جالب و بالقوه قابل توجهی که از الگوریتم‌های یادگیری ماشین گرفته می‌شود ممکن است برای محققان برجسته شود تا تحقیقات دقیق‌تری داشته باشند، در حالی که چنین برنامه‌هایی نشان داده‌اند که تصاویر را با موفقیتی مشابه یا بیشتر از انسان‌ها تجزیه و تحلیل می‌کنند.

بزرگترین مانع یادگیری ماشین در آینده در دسترس بودن مقادیر زیادی داده نیست، بلکه منابع محاسباتی موجود برای چنین برنامه‌هایی است. علاوه بر این، الگوریتم‌های یادگیری ماشین هنوز باید از نظر اعتبار توسط اپراتورهای انسانی بررسی شوند، که اغلب فرآیندی زمان ‌برتر از تجزیه و تحلیل انجام شده توسط رایانه را نشان می‌دهد.

کاربردهای ژنوم میکروبی

ورود توالی ژنوم کامل و پتانسیل آنها برای ارائه بینشی بیشتر به دنیای میکروبی و ظرفیت‌های آن می‌تواند پیامدهای گسترده ای برای محیط زیست، سلامت، انرژی و کاربردهای صنعتی داشته باشد.

به همین دلایل، در سال ۱۹۹۴، وزارت انرژی ایالات متحده (DOE) پروژه MGP (پروژه ژنوم میکروبی) را برای تعیین توالی ژنوم باکتری‌های مفید در تولید انرژی، پاکسازی محیط، پردازش صنعتی و کاهش زباله‌های سمی آغاز کرد. با مطالعه مواد ژنتیکی این موجودات، دانشمندان می‌توانند این میکروب‌ها را در یک سطح بسیار اساسی درک کنند و ژن‌هایی را که به آنها توانایی‌های منحصربه‌فرد برای زنده ماندن در شرایط سخت را می‌دهند، جدا کنند.

Deinococcus radiodurans  به عنوان سخت‌ترین باکتری جهان شناخته می‌شود و مقاوم‌ترین ارگانیسم شناخته شده در برابر تشعشع است. دانشمندان به این ارگانیسم به دلیل سودمندی بالقوه آن در پاکسازی مکان‌های زباله حاوی تشعشعات و مواد شیمیایی سمی علاقه‌مند هستند.

دانشمندان در حال مطالعه ژنوم میکروب Chlorobium tepidum هستند که ظرفیت غیرعادی برای تولید انرژی از نور دارد.

مطالعات تغییر اقلیم

افزایش سطح انتشار دی اکسید کربن، عمدتا از طریق گسترش استفاده از سوخت‌های فسیلی برای انرژی، به تغییرات آب و هوایی جهانی کمک می‌کند. اخیرا، وزارت انرژی ایالات متحده آمریکا (DOE) برنامه ای را برای کاهش سطح دی اکسید کربن اتمسفر راه اندازی کرده‌است. یکی از روش‌های انجام این کار، مطالعه ژنوم میکروب‌هایی است که از دی اکسید کربن به عنوان تنها منبع کربن خود استفاده می‌کنند.

بیوتکنولوژی

archaeon Archaeoglobus fulgidus و باکتری Thermotoga maritima پتانسیلی برای کاربردهای عملی در صنعت و اصلاح محیط زیست با بودجه دولت دارند. این میکروارگانیسم‌ها در دمای آب بالاتر از نقطه جوش رشد می‌کنند و بنابراین ممکن است آنزیم‌های پایدار در برابر حرارت را برای استفاده در فرآیندهای صنعتی به وزارت دفاع و شرکت‌های خصوصی ارائه دهند.

سایر میکروب‌های مفید صنعتی عبارتند از Corynebacterium glutamicum  که به عنوان یک هدف تحقیقاتی مورد توجه صنعتی است زیرا توسط صنایع شیمیایی برای تولید بیوتکنولوژیک اسید آمینه لیزین استفاده می‌شود. این ماده به عنوان منبع پروتئین در تغذیه دام استفاده می‌شود. لیزین تولید شده از طریق بیوتکنولوژی به عنوان منبع پروتئین به کنسانتره خوراک اضافه می‌شود و جایگزینی برای سویا یا گوشت و آرد استخوان است.

لاکتوکوکوس لاکتیس یکی از مهم‌ترین میکروارگانیسم‌های دخیل در صنایع لبنی است. محققان پیش‌بینی می‌کنند که درک فیزیولوژی و ترکیب ژنتیکی این باکتری برای تولیدکنندگان مواد غذایی و همچنین صنعت داروسازی، که در حال بررسی ظرفیت لاکتیس به عنوان وسیله‌ای برای دارورسانی یا Drug Delivery هستند، ارزشمند خواهد بود.

مقاومت آنتی بیوتیکی

دانشمندان در حال بررسی ژنوم Enterococcus faecalis عامل اصلی عفونت باکتریایی در بین بیماران بیمارستانی هستند. آنها منطقه ای را کشف کرده اند که از تعدادی ژن مقاوم به آنتی بیوتیک تشکیل شده‌است که ممکن است در تبدیل این باکتری از یک باکتری بی ضرر روده به یک مهاجم تهدیدآمیز نقش داشته باشد.

کشف این منطقه که به عنوان جزیره بیماری‌زایی شناخته می‌شود، می‌تواند نشانگرهای مفیدی برای شناسایی سویه‌های بیماری‌زا ارائه دهد و به ایجاد کنترل‌هایی برای جلوگیری از گسترش عفونت در بخش ها کمک کند.

واقعیت ایجاد سلاح‌های زیستی

دانشمندان اخیرا ویروس فلج اطفال را با استفاده از وسایل کاملا مصنوعی ساخته‌اند. آن‌ها این کار را با استفاده از داده‌های ژنومی موجود در اینترنت و موادی از یک منبع شیمیایی از طریق پست انجام دادند. این تحقیقات توسط وزارت دفاع ایالات متحده برای اثبات واقعیت سلاح‌های زیستی به جهان انجام شد.

مطالعات تکاملی

توالی‌‌یابی ژنوم‌ها از تمام حوزه‌های یوکاریوت‌ها، باکتری‌ها به این معنی است که می‌توان مطالعات تکاملی را در جستجوی تعیین درخت زندگی و آخرین جد مشترک جهانی انجام داد.

بهبود محصول

ژنتیک مقایسه‌ای ژنوم گیاهان نشان داده‌است که سازماندهی ژن‌های آنها در طول زمان تکاملی بیش از آنچه قبلا تصور می‌شد حفظ شده است. این یافته‌ها نشان می‌دهد که اطلاعات به‌دست‌آمده از سیستم‌های محصول مدل می‌تواند برای پیشنهاد بهبود در سایر محصولات غذایی استفاده شود. در حال حاضر ژنوم کامل گیاهانی مانند Arabidopsis thaliana و      Oryza sativa موجود است.

مقاومت در برابر حشرات

ژن‌هایی از Bacillus thuringiensis که می‌تواند تعدادی از آفات جدی را کنترل کند با موفقیت به پنبه، ذرت و سیب زمینی منتقل شده‌است. این توانایی جدید گیاهان برای مقاومت در برابر حمله حشرات به این معنی است که می‌توان میزان حشره‌کش‌های مورد استفاده را کاهش داد و در نتیجه کیفیت غذایی محصولات را افزایش داد.

بهبود کیفیت تغذیه

دانشمندان اخیرا موفق به انتقال ژن ها به برنج برای افزایش سطح ویتامین A، آهن و سایر ریزمغذی‌ها شده‌اند.

این کار می‌تواند تأثیر عمیقی در کاهش بروز نابینایی و کم‌خونی ناشی از کمبود ویتامین A و آهن به ترتیب داشته باشد. دانشمندان یک ژن از مخمر را در گوجه فرنگی وارد کرده اند و نتیجه گیاهی است که میوه آن مدت طولانی‌تری روی تاک می‌ماند و ماندگاری طولانی‌تری دارد.

توسعه ارقام مقاوم به خشکی

پیشرفت در توسعه انواع غلات که تحمل بیشتری نسبت به قلیائیت خاک، آلومینیوم آزاد و سمیت آهن دارند، حاصل شده‌است. این گونه‌ها به کشاورزی اجازه می‌دهد تا در مناطق فقیرتر خاک موفق شود، بنابراین زمین‌های بیشتری را به پایه تولید جهانی اضافه می‌کند. همچنین تحقیقات برای تولید گونه‌های زراعی که قادر به تحمل شرایط کاهش آب هستند در حال انجام است.

علوم دامپزشکی

پروژه‌های توالی یابی بسیاری از حیوانات مزرعه از جمله گاو، خوک و گوسفند در حال حاضر به خوبی در حال انجام است، به این امید که درک بهتر زیست‌شناسی این موجودات تأثیرات عظیمی برای بهبود تولید و سلامت دام داشته باشد و در نهایت مزایایی برای تغذیه انسان داشته باشد.

مطالعات تطبیقی

تجزیه و تحلیل و مقایسه مواد ژنتیکی گونه‌های مختلف روشی مهم برای مطالعه عملکرد ژن‌ها، مکانیسم‌های بیماری‌های ارثی و تکامل گونه‌ها است. از ابزارهای بیوانفورماتیک می‌توان برای مقایسه بین اعداد، مکان‌ها و عملکردهای بیوشیمیایی ژن‌ها در موجودات مختلف استفاده کرد.

همچنین در ژنیران امکان ارائه خدمات بیوانفورماتیک امکان پذیر است از جمله:

• طراحی پرایمر و پروب
• آنالیز توالی ها و مطالعات فیلوژنتیک
• آنالیز تعیین توالی (DNA Sequencing) بیماری‌های ژنتیک

 نویسنده: مریم آقازاده