การแสดงข้อมูลไม่ใช่เพียงเพื่อการสื่อสาร แต่ยังเป็นเครื่องมือการวิจัยอีกด้วย

อย่างไรก็ตาม นี่เป็นความท้าทายในด้านเทคโนโลยีชีวภาพที่เปลี่ยนแปลงอย่างรวดเร็ว ซึ่งวิธีการทดลองใหม่ๆ กำลังสร้างข้อมูลที่ซับซ้อนจำนวนมหาศาล ข้อมูลเหล่านี้สัญญาว่าจะปฏิวัติการดูแลสุขภาพ อาหารและการเกษตร แต่อาจเป็นเรื่องยากที่จะดึงคำตอบสำหรับคำถามการวิจัยเฉพาะจากชุดตัวเลขเหล่านี้ การสร้างภาพข้อมูลสามารถช่วยได้ ดวงตาของเราส่งข้อมูล ไปยังสมอง อย่างรวดเร็วจากนั้นความสามารถในการจดจำรูปแบบที่ซับซ้อนก็เข้ามาแทนที่ 

สร้างภาพที่ออกแบบมาอย่างดีสามารถเปิดเผยการค้นพบที่อาจถูกฝังไว้

ด้านล่างเราเน้นเครื่องมือสร้างภาพข้อมูล 3 รายการที่เราพัฒนาขึ้นเพื่อช่วยให้นักวิทยาศาสตร์ด้านสิ่งมีชีวิตค้นหาข้อมูลที่เกี่ยวข้องและเป็นประโยชน์ท่ามกลางเสียงรบกวน หลักการสร้างภาพที่ใช้ในเครื่องมือเหล่านี้เป็นแบบทั่วไปและช่วยแก้ปัญหาข้อมูลที่ซับซ้อนจำนวนมาก

โปรตีนและโมเลกุลอื่นๆ ในร่างกายของเรามีอยู่เป็นโครงสร้าง 3 มิติที่ซับซ้อนซึ่งเปลี่ยนแปลงรูปร่างและโต้ตอบซึ่งกันและกันอย่างต่อเนื่อง การทำแผนที่วิธีต่างๆ ที่เป็นไปได้ในการสร้างโครงสร้างโปรตีนช่วยให้นักวิทยาศาสตร์เข้าใจว่ากระบวนการทางชีววิทยาทำงานอย่างไร และอาจแจ้งการพัฒนายาและการรักษาโรคต่างๆ เช่น มะเร็ง

ต้องขอบคุณการวิจัยหลายทศวรรษทั่วโลก ปัจจุบันเรามีโครงสร้าง 3 มิติ ที่อิงตามหลักฐานที่เชื่อถือได้สำหรับโปรตีนนับหมื่น รวมถึง แบบจำลองโครงสร้างโปรตีนมากกว่า 100 ล้านแบบ

แบบจำลองเหล่านี้มีประโยชน์สำหรับการเรียนรู้เกี่ยวกับกระบวนการทางโมเลกุลของสิ่งมีชีวิต เช่น วิธี สร้าง RNAและโปรตีนอย่างไรก็ตาม แบบจำลองจำนวนมากอาจทำให้นักวิทยาศาสตร์ระบุได้ยากว่าแบบจำลองใดสามารถช่วยตอบคำถามการวิจัยเฉพาะได้

เพื่อแก้ปัญหานี้ พวกเราคนหนึ่ง (Seán O’Donoghue) และเพื่อนร่วมงานได้พัฒนาAquariaซึ่งเป็นเครื่องมือที่ใช้หลักการแสดงภาพของ ” ภาพรวมก่อน รายละเอียดตามต้องการ ” ด้วยการใช้เทคนิคที่ภาพด้านบนแสดงภาพรวมของ p53 ซึ่งเป็นโปรตีนที่ป้องกันมะเร็ง แต่ละกลุ่มของโมเดล 3 มิติที่เกี่ยวข้องสามารถขยายและสำรวจแบบโต้ตอบได้ (ด้านล่างของภาพ) ช่วยให้นักวิทยาศาสตร์ค้นหาโมเดลที่มีประโยชน์ที่สุดซึ่งเหมาะสมกับคำถามการวิจัยเฉพาะ

เมื่อพบโมเดลที่เหมาะสมแล้ว โมเดลจะแสดงขึ้น (ด้านบนของภาพ) 

โดยใช้สีเข้มเพื่อระบุบริเวณที่โครงสร้างของโมเดลไม่แน่นอน นอกจากนี้ สีเหลือง สีฟ้า และสีเขียวยังใช้เพื่อเน้นรูปร่างต่างๆ ภายในโครงสร้าง ซึ่งช่วยให้นักวิทยาศาสตร์เข้าใจวิธีการจัดเรียงโปรตีนในสามมิติ

การดูการเชื่อมต่อระหว่างชุดข้อมูลต่างๆ

บางครั้งเราต้องดูข้อมูลจากหลายมุมมอง นี่เป็นเรื่องจริงโดยเฉพาะอย่างยิ่งสำหรับสาขาการวิจัยที่เรียกว่าการจัดลำดับ การหาลำดับเกี่ยวข้องกับการกำหนดลำดับที่แม่นยำของโครงสร้างทางเคมีที่ประกอบกันเป็นDNA , RNA และโปรตีน การรู้ลำดับเหล่านี้และเปรียบเทียบความแตกต่างระหว่างแต่ละบุคคลสามารถบอกเราเกี่ยวกับการกลายพันธุ์ที่ทำให้เกิดโรคและเผยให้เห็นว่าเรามีวิวัฒนาการอย่างไร

หนึ่งในเครื่องมือที่ใช้กันอย่างแพร่หลายสำหรับการแสดงลำดับภาพคือJalviewซึ่งพัฒนาร่วมกันโดยหนึ่งในพวกเรา (James Procter)ซึ่งรวบรวมข้อมูลจำนวนมหาศาลที่สร้างขึ้นผ่านการจัดลำดับ

Jalview ใช้หลักการสองประการ – ” การเชื่อมโยงและการแปรง ” และ ” มุมมองที่ประสานกันหลายมุมมอง ” – เพื่อรวบรวมข้อมูลประเภทต่างๆ Jalview ยังอนุญาตให้เครื่องมืออื่นๆ เชื่อมต่อได้ ทำให้นักวิทยาศาสตร์นำทางผ่านชุดข้อมูลที่ซับซ้อนและสัมพันธ์กัน

ตัวอย่างด้านล่างแสดงกลุ่มของโปรตีนที่เรียกว่า Aquaporins ซึ่งเป็นช่องทางโมเลกุลที่สำคัญสำหรับความสมดุลของน้ำและการขนส่งสารอาหารในเซลล์ การจัดลำดับของโปรตีนเหล่านี้ (ภาพระยะใกล้ทางด้านขวา) ทำให้สามารถจับกลุ่มกันเป็นต้นไม้ได้ (แสดงภาพมุมบนซ้ายด้วยมุมมองมุมสูงของการเรียงตัวของโปรตีนที่อยู่ถัดไป) การกลายพันธุ์ของ DNA ถูกแมปเข้ากับการเรียงตัวของโปรตีน (แสดงเป็นสีแดง) และสีเหล่านี้ยังระบุตำแหน่งการกลายพันธุ์ในโครงสร้างโปรตีนด้วย (ด้านล่างซ้าย)

การแปรงฟันที่เชื่อมโยงและการแสดงข้อมูลหลายภาพทำให้สามารถระบุการกลายพันธุ์ของโรคที่แกนกลางของ Aquaporin ซึ่งเป็นโปรตีนที่สำคัญต่อความสมดุลของน้ำและการขนส่งสารอาหาร ภาพที่สร้างขึ้นโดยใช้ Jalview ที่เชื่อมโยงกับ UCSF Chimera JB Procterผู้เขียนจัดให้

การแสดงภาพเครือข่ายที่เปลี่ยนแปลงตลอดเวลา

นักวิทยาศาสตร์มีเป้าหมายที่จะคลี่คลายโรคต่างๆ เช่น โรคอ้วน โดยศึกษาการเปลี่ยนแปลงเล็กๆ น้อยๆ ที่เกิดขึ้นภายในเซลล์ของเรา

ตัวอย่างเช่น อาหารที่เรารับประทานจะกระตุ้นการปลดปล่อยอินซูลินเข้าสู่กระแสเลือด ซึ่งจะบอกให้เซลล์ไขมันกักเก็บแทนที่จะปล่อยพลังงานออกมา กระบวนการนี้ส่งผลต่อน้ำหนักตัวของเราในที่สุด

เซลล์มีขนาดเล็ก แต่เป็นกลุ่มกิจกรรม ด้วยความก้าวหน้าล่าสุดในเทคนิคต่างๆ เช่นแมสสเปกโตรเมตรีปัจจุบันเราสามารถแมปเหตุการณ์นับหมื่นที่เกิดขึ้นภายในแต่ละเซลล์ของเราเพื่อตอบสนองต่อฮอร์โมน เช่น อินซูลิน

ความยากลำบากสำหรับนักวิทยาศาสตร์คือการพยายามดูข้อมูลจำนวนมหาศาลนี้ด้วยวิธีที่ถูกต้องและเรียบง่าย และเป็นสิ่งที่สะท้อนห่วงโซ่ของเหตุการณ์ในเซลล์ที่มีความสำคัญต่อสุขภาพโดยรวมของเรา

พวกเราคนหนึ่ง (Seán O’Donoghue) และเพื่อนร่วมงานได้พัฒนาMinardoซึ่งเป็นแนวทางที่สร้างเส้นเวลาของเหตุการณ์ที่เกิดขึ้นภายในเซลล์ มินาร์โดใช้หลักการที่ว่าตำแหน่งบนหน้าจอรับชมเป็นกลยุทธ์การแสดงภาพที่มีประสิทธิภาพสูงสุด การแสดงภาพที่ได้ช่วยให้นักวิทยาศาสตร์ระบุได้อย่างชัดเจนว่าเกิดอะไรขึ้นภายในเซลล์ที่แข็งแรง และสิ่งที่อาจแตกต่างออกไปในเซลล์ที่เป็นโรค

รูปภาพนี้แสดง (เริ่มจากซ้ายบน จากนั้นตามเข็มนาฬิกา) ลำดับเหตุการณ์ที่เกิดขึ้นหลังจากอินซูลิน (สีชมพู) จับกับพื้นผิวของเซลล์ไขมัน ผลที่ตามมาของการจับอินซูลินรวมถึงการปิดการปล่อยแหล่งเก็บพลังงานจากเซลล์ (ประมาณ 1 นาทีหลังจากจับอินซูลิน) และเปิดการเก็บพลังงาน (ประมาณ 5 นาทีหลังจับอินซูลิน)

Credit : เว็บสล็อต