नेटवर्क मेडिसिन: Difference between revisions

From Vigyanwiki
(Created page with "{{Use dmy dates|date=April 2018}} {{technical|date=November 2014}} नेटवर्क मेडिसिन बीमारियों की पहचान, रोकथ...")
 
(TEXT)
Line 1: Line 1:
{{Use dmy dates|date=April 2018}}
 
{{technical|date=November 2014}}
 
नेटवर्क मेडिसिन बीमारियों की पहचान, रोकथाम और उपचार के लिए नेटवर्क साइंस का अनुप्रयोग है। यह क्षेत्र बीमारियों की पहचान करने और चिकित्सा दवाओं के विकास के लिए [[नेटवर्क टोपोलॉजी]] और [[नेटवर्क गतिशीलता]] का उपयोग करने पर केंद्रित है। [[जैविक नेटवर्क]], जैसे कि [[प्रोटीन-प्रोटीन इंटरेक्शन]] और मेटाबोलिक रास्ते, नेटवर्क मेडिसिन द्वारा उपयोग किए जाते हैं। [[मानव रोग नेटवर्क]], जो रोगों और जैविक कारकों के बीच संबंधों को मैप करता है, भी क्षेत्र में महत्वपूर्ण भूमिका निभाता है। [[महामारी विज्ञान]] का बड़े पैमाने पर [[नेटवर्क विज्ञान]] का उपयोग करके भी अध्ययन किया जाता है; [[सामाजिक नेटवर्क]] और [[प्रवाह नेटवर्क]] का उपयोग आबादी में बीमारी के प्रसार के मॉडल के लिए किया जाता है। नेटवर्क मेडिसिन [[ सिस्टम जीव विज्ञान ]] का चिकित्सकीय रूप से केंद्रित क्षेत्र है।
नेटवर्क मेडिसिन बीमारियों की पहचान, रोकथाम और उपचार के लिए नेटवर्क विज्ञान का अनुप्रयोग है। यह क्षेत्र बीमारियों की पहचान करने और चिकित्सा दवाओं के विकास के लिए [[नेटवर्क टोपोलॉजी|नेटवर्क सांस्थिति]] और [[नेटवर्क गतिशीलता]] का उपयोग करने पर केंद्रित है। [[जैविक नेटवर्क]], जैसे कि [[प्रोटीन-प्रोटीन इंटरेक्शन|प्रोटीन-प्रोटीन अन्योन्यक्रिया]] और उपापचयी मार्ग, नेटवर्क मेडिसिन द्वारा उपयोग किए जाते हैं। [[मानव रोग नेटवर्क|रोग नेटवर्क]], जो रोगों और जैविक कारकों के मध्य संबंधों को मानचित्र करता है, क्षेत्र में भी महत्वपूर्ण भूमिका निभाता है। [[महामारी विज्ञान]] का विस्तृत रूप से [[नेटवर्क विज्ञान]] का उपयोग करके भी अध्ययन किया जाता है; [[सामाजिक नेटवर्क]] और [[प्रवाह नेटवर्क]] का उपयोग जनसंख्या में बीमारी के प्रसार के प्रतिरूप के लिए किया जाता है। नेटवर्क मेडिसिन[[ सिस्टम जीव विज्ञान | प्रणाली जीव विज्ञान]] का चिकित्सकीय रूप से केंद्रित क्षेत्र है।


== पृष्ठभूमि ==
== पृष्ठभूमि ==


नेटवर्क मेडिसिन शब्द को गढ़ा गया था और 2007 में द न्यू इंग्लैंड जर्नल ऑफ मेडिसिन में प्रकाशित अल्बर्ट-लेस्ज़्लो बाराबासी द्वारा एक वैज्ञानिक लेख में लोकप्रिय किया गया था, जिसे नेटवर्क मेडिसिन कहा जाता है - मोटापे से लेकर बीमारी तक। व्यवस्थाओं में कई ऐसे घटक होते हैं जो जटिल संबंधों में जुड़े होते हैं लेकिन सरल सिद्धांतों द्वारा व्यवस्थित होते हैं। [[नेटवर्क सिद्धांत]] के हालिया विकास का उपयोग करते हुए,<ref name=caldarelli2007>Caldarelli G. (2007). Scale-Free Networks. Oxford University Press.</ref> व्यवस्थित सिद्धांतों का व्यापक नेटवर्क के रूप में सिस्टम का प्रतिनिधित्व करके व्यापक विश्लेषण किया जा सकता है, जो [[ शीर्ष (ग्राफ सिद्धांत) ]] के संग्रह हैं जो एक विशेष संबंध से जुड़े हुए हैं। चिकित्सा से संबंधित नेटवर्क के लिए, नोड्स जैविक कारकों (जैव अणु, रोग, फेनोटाइप, आदि) का प्रतिनिधित्व करते हैं और लिंक (किनारे) उनके संबंधों (शारीरिक बातचीत, साझा चयापचय मार्ग, साझा जीन, साझा विशेषता, आदि) का प्रतिनिधित्व करते हैं।<ref name=chan2012>Chan, S. Y., & Loscalzo, J. (2012). The emerging paradigm of network medicine in the study of human disease. Circulation research, 111(3), 359–374.</ref>
2007 में मेडिसिन का नया इंग्लैंड पत्रिका में प्रकाशित <nowiki>''</nowiki>नेटवर्क मेडिसिन<nowiki>''</nowiki> शब्द को "नेटवर्क मेडिसिन- मोटापे से "रोगजनक" तक नामक अल्बर्ट-लेस्ज़्लो बाराबासी द्वारा एक वैज्ञानिक लेख में गढ़ा और लोकप्रिय बनाया गया था। बाराबासी का कहना है कि जैविक प्रणाली, सामाजिक और तकनीकी प्रणालियों की तरह इसमें कई घटक होते हैं जो जटिल संबंधों में जुड़े होते हैं लेकिन सरल सिद्धांतों द्वारा व्यवस्थित होते हैं। [[नेटवर्क सिद्धांत]] के आधुनिक विकास का उपयोग करते हुए,<ref name=caldarelli2007>Caldarelli G. (2007). Scale-Free Networks. Oxford University Press.</ref> संगठन सिद्धांतों को जटिल नेटवर्क के रूप में प्रणाली का प्रतिनिधित्व करके व्यापक रूप से विश्लेषण किया जा सकता है, जो एक विशेष संबंध द्वारा एक साथ जुड़े नोड्स के संग्रह हैं। चिकित्सा से संबंधित नेटवर्क के लिए, नोड्स जैविक कारकों (जैव अणु, रोग, लक्षणप्ररूप, आदि) का प्रतिनिधित्व करते हैं और लिंक (किनारे) उनके संबंधों (भौतिक अन्योन्यक्रिया, सहभाजित उपापचयी मार्ग, सहभाजित जीन, सहभाजित विशेषता, आदि) का प्रतिनिधित्व करते हैं।<ref name=chan2012>Chan, S. Y., & Loscalzo, J. (2012). The emerging paradigm of network medicine in the study of human disease. Circulation research, 111(3), 359–374.</ref>
मानव रोग को समझने के लिए तीन प्रमुख नेटवर्क [[चयापचय नेटवर्क]], मानव रोग नेटवर्क और सोशल नेटवर्क हैं। नेटवर्क मेडिसिन इस विचार पर आधारित है कि [[जीन]] अभिव्यक्ति, [[चयापचय प्रतिक्रिया]]ओं और प्रोटीन-प्रोटीन इंटरैक्शन के नियमन की जटिलता को समझना और जटिल नेटवर्क के रूप में इनका प्रतिनिधित्व करना रोगों के कारणों और तंत्र पर प्रकाश डालेगा। यह संभव है, उदाहरण के लिए, ओएमआईएम डेटाबेस का उपयोग करके रोगों के कनेक्शन को उनके संबंधित जीनों का प्रतिनिधित्व करने वाले द्विदलीय ग्राफ का अनुमान लगाना।<ref name=goh2007>Goh, K. I., Cusick, M. E., Valle, D., Childs, B., Vidal, M., & Barabási, A. L. (2007). The human disease network. Proceedings of the National Academy of Sciences, 104(21), 8685–8690.</ref> रोगों का प्रक्षेपण, जिसे मानव रोग नेटवर्क (HDN) कहा जाता है, एक सामान्य जीन साझा करने पर एक दूसरे से जुड़े रोगों का एक नेटवर्क है। एचडीएन का उपयोग करके, रोगों को उनके बीच आनुवंशिक संबंधों के माध्यम से वर्गीकृत और विश्लेषित किया जा सकता है। बड़े बायोमेडिकल डेटा के विश्लेषण में नेटवर्क मेडिसिन एक मूल्यवान उपकरण साबित हुआ है।<ref>{{Cite journal|last1=Sonawane|first1=Abhijeet R.|last2=Weiss|first2=Scott T.|last3=Glass|first3=Kimberly|last4=Sharma|first4=Amitabh|date=2019|title=बायोमेडिकल बिग डेटा के युग में नेटवर्क मेडिसिन|journal=Frontiers in Genetics|volume=10|pages=294|doi=10.3389/fgene.2019.00294|issn=1664-8021|pmc=6470635|pmid=31031797|doi-access=free}}</ref>
 


मानव रोग को समझने के लिए तीन प्रमुख नेटवर्क [[चयापचय नेटवर्क|उपापचयी नेटवर्क]], रोग नेटवर्क और सामाजिक नेटवर्क हैं। नेटवर्क मेडिसिन इस विचार पर आधारित है कि [[जीन]] विनियमन, [[चयापचय प्रतिक्रिया|उपापचयी प्रतिक्रियाओं]] और प्रोटीन-प्रोटीन अन्योन्यक्रिया की जटिलता को समझना और जटिल नेटवर्क के रूप में इनका प्रतिनिधित्व करना रोगों के कारणों और तंत्रों पर प्रकाश डालने पर आधारित है। यह संभव है, उदाहरण के लिए, ओएमआईएम डेटाबेस का उपयोग करके रोगों के संयोजन को उनके संबंधित जीनों का प्रतिनिधित्व करने वाले द्विभाज्य आरेख का अनुमान लगाना है।<ref name="goh2007">Goh, K. I., Cusick, M. E., Valle, D., Childs, B., Vidal, M., & Barabási, A. L. (2007). The human disease network. Proceedings of the National Academy of Sciences, 104(21), 8685–8690.</ref> रोगों का प्रक्षेपण, जिसे मानव रोग नेटवर्क (एचडीएन) कहा जाता है, एक सामान्य जीन सहभाजित करने पर एक दूसरे से जुड़े रोगों का एक नेटवर्क है। एचडीएन का उपयोग करके, रोगों को उनके मध्य आनुवंशिक संबंधों के माध्यम से वर्गीकृत और विश्लेषित किया जा सकता है। बड़े जैव चिकित्सा डेटा के विश्लेषण में नेटवर्क मेडिसिन एक मूल्यवान उपकरण प्रमाणित हुआ है।<ref>{{Cite journal|last1=Sonawane|first1=Abhijeet R.|last2=Weiss|first2=Scott T.|last3=Glass|first3=Kimberly|last4=Sharma|first4=Amitabh|date=2019|title=बायोमेडिकल बिग डेटा के युग में नेटवर्क मेडिसिन|journal=Frontiers in Genetics|volume=10|pages=294|doi=10.3389/fgene.2019.00294|issn=1664-8021|pmc=6470635|pmid=31031797|doi-access=free}}</ref>
== अनुसंधान क्षेत्र ==
== अनुसंधान क्षेत्र ==


=== इंटरएक्टिव ===
=== इंटरएक्टिव ===
{{main| Interactome}}
{{main|इंटरएक्टिव}}
मानव कोशिका में आणविक अंतःक्रियाओं का पूरा सेट, जिसे [[इंटरएक्टिव]] के रूप में भी जाना जाता है, का उपयोग रोग की पहचान और रोकथाम के लिए किया जा सकता है।<ref name=barabasi2011>Barabási, A. L., Gulbahce, N., & Loscalzo, J. (2011). Network medicine: a network-based approach to human disease. Nature Reviews Genetics, 12(1), 56–68.</ref> इन नेटवर्कों को तकनीकी रूप से [[स्केल-फ्री नेटवर्क]] के रूप में वर्गीकृत किया गया है।<ref name=loscalzo2011>Loscalzo, J., & Barabasi, A. L. (2011). Systems biology and the future of medicine. Wiley Interdisciplinary Reviews: Systems Biology and Medicine, 3(6), 619–627.</ref>
प्रोटीन-प्रोटीन इंटरैक्शन को मैप किया गया है, प्रोटीन को [[ नोड (ग्राफ सिद्धांत) ]] के रूप में और लिंक के रूप में एक दूसरे के बीच उनकी बातचीत का उपयोग किया गया है।<ref>Rual, J. F., Venkatesan, K., Hao, T., Hirozane-Kishikawa, T., Dricot, A., Li, N., ... & Vidal, M. (2005). Towards a proteome-scale map of the human protein–protein interaction network. Nature, 437(7062), 1173–1178.</ref> ये मानचित्र [[BioGRID]] और [[मानव प्रोटीन संदर्भ डेटाबेस]] जैसे डेटाबेस का उपयोग करते हैं। चयापचय नेटवर्क में चयापचय मार्गों में जैव रासायनिक प्रतिक्रियाएं शामिल हैं, यदि वे एक ही मार्ग में हैं तो दो [[मेटाबोलाइट]]्स को जोड़ते हैं।<ref>Ravasz, E., Somera, A. L., Mongru, D. A., Oltvai, Z. N., & Barabási, A. L. (2002). Hierarchical organization of modularity in metabolic networks. science, 297(5586), 1551–1555.</ref> शोधकर्ताओं ने इन नेटवर्कों को मैप करने के लिए [[केईजीजी]] जैसे डेटाबेस का इस्तेमाल किया है। अन्य नेटवर्क में [[सेल सिग्नलिंग]] नेटवर्क, [[जीन नियामक नेटवर्क]] और आरएनए नेटवर्क शामिल हैं।


इंटरएक्टिव नेटवर्क का उपयोग करके, बीमारियों की खोज और वर्गीकरण किया जा सकता है, साथ ही इसके संघों के ज्ञान और नेटवर्क में उनकी भूमिका के माध्यम से उपचार विकसित किया जा सकता है। एक अवलोकन यह है कि रोगों को उनके सिद्धांत [[फेनोटाइप]]्स (पैथोफेनोटाइप) द्वारा वर्गीकृत नहीं किया जा सकता है, लेकिन उनके '' रोग मॉड्यूल '' द्वारा वर्गीकृत किया जा सकता है, जो अंतःक्रियात्मक में घटकों का एक पड़ोस या समूह है, जो बाधित होने पर, एक विशिष्ट पैथोफेनोटाइप में परिणाम देता है।<ref name=barabasi2011 />रोग मॉड्यूल का उपयोग विभिन्न तरीकों से किया जा सकता है, जैसे रोग जीन की भविष्यवाणी करना जो अभी तक खोजा नहीं गया है। इसलिए, नेटवर्क मेडिसिन [[क्लस्टर विश्लेषण]] का उपयोग करके एक विशिष्ट पैथोफेनोटाइप के लिए रोग मॉड्यूलर अपघटन # मॉड्यूल की पहचान करना चाहता है।
मानव कोशिका में आणविक अंतःक्रियाओं का पूरा समुच्चय, जिसे [[इंटरएक्टिव]] के रूप में भी जाना जाता है, रोग की पहचान और रोकथाम के लिए उपयोग  किया जा सकता है।<ref name=barabasi2011>Barabási, A. L., Gulbahce, N., & Loscalzo, J. (2011). Network medicine: a network-based approach to human disease. Nature Reviews Genetics, 12(1), 56–68.</ref> इन नेटवर्कों को तकनीकी रूप से [[स्केल-फ्री नेटवर्क|मापक-मुक्त,]] अनपव्यूही, स्मॉल-वर्ल्ड नेटवर्क के रूप में वर्गीकृत किया गया है, जिनमें उच्च समानता केंद्रीयता है।<ref name=loscalzo2011>Loscalzo, J., & Barabasi, A. L. (2011). Systems biology and the future of medicine. Wiley Interdisciplinary Reviews: Systems Biology and Medicine, 3(6), 619–627.</ref>


=== हानिकारक ===
प्रोटीन-प्रोटीन अन्योन्यक्रिया को मानचित्र किया गया है, प्रोटीन को[[ नोड (ग्राफ सिद्धांत) | नोड (आरेख सिद्धांत)]] के रूप में और लिंक के रूप में एक दूसरे के मध्य उनकी अन्योन्यक्रिया का उपयोग किया गया है।<ref>Rual, J. F., Venkatesan, K., Hao, T., Hirozane-Kishikawa, T., Dricot, A., Li, N., ... & Vidal, M. (2005). Towards a proteome-scale map of the human protein–protein interaction network. Nature, 437(7062), 1173–1178.</ref> ये मानचित्र [[BioGRID]] और [[मानव प्रोटीन संदर्भ डेटाबेस]] जैसे डेटाबेस का उपयोग करते हैं। उपापचयी नेटवर्क में उपापचयी मार्गों में जैव रासायनिक प्रतिक्रियाएं सम्मलित हैं, यदि वे एक ही मार्ग में हैं तो दो [[मेटाबोलाइट|उपापचयज]] को जोड़ते हैं।<ref>Ravasz, E., Somera, A. L., Mongru, D. A., Oltvai, Z. N., & Barabási, A. L. (2002). Hierarchical organization of modularity in metabolic networks. science, 297(5586), 1551–1555.</ref> शोधकर्ताओं ने इन नेटवर्कों को मानचित्र करने के लिए [[केईजीजी]] जैसे डेटाबेस का उपयोग किया है। अन्य नेटवर्क में [[सेल सिग्नलिंग|सेल संकेतन]] नेटवर्क, [[जीन नियामक नेटवर्क]] और आरएनए नेटवर्क सम्मलित हैं।
{{main| Human disease network}}
मानव रोग नेटवर्क, जिसे रोगसूचक भी कहा जाता है, ऐसे नेटवर्क हैं जिनमें नोड रोग और लिंक हैं, उनके बीच संबंध की ताकत है। यह सहसंबंध आमतौर पर संबंधित सेलुलर घटकों के आधार पर परिमाणित होता है जो दो रोग साझा करते हैं। पहले प्रकाशित मानव रोग नेटवर्क (HDN) ने जीनों को देखा, यह पाया कि रोग से जुड़े कई जीन [[आवश्यक जीन]] | गैर-आवश्यक जीन हैं, क्योंकि ये ऐसे जीन हैं जो नेटवर्क को पूरी तरह से बाधित नहीं करते हैं और नीचे पारित होने में सक्षम हैं पीढ़ियों।<ref name=goh2007 />मेटाबोलिक रोग नेटवर्क (एमडीएन), जिसमें दो रोग एक साझा मेटाबोलाइट या चयापचय मार्ग से जुड़े होते हैं, का भी बड़े पैमाने पर अध्ययन किया गया है और विशेष रूप से चयापचय संबंधी विकारों के मामले में प्रासंगिक है।<ref>Braun, P., Rietman, E., & Vidal, M. (2008). Networking metabolites and diseases. Proceedings of the National Academy of Sciences, 105(29), 9849–9850.</ref>
रोग के तीन प्रतिनिधित्व हैं:<ref name=loscalzo2011 />* ''साझा जीन औपचारिकता'' में कहा गया है कि यदि एक जीन दो अलग-अलग रोग फेनोटाइप से जुड़ा है, तो दो रोगों की एक सामान्य आनुवंशिक उत्पत्ति ([[आनुवंशिक विकार]]) होने की संभावना है।
* ''शेयर्ड मेटाबॉलिक पाथवे औपचारिकता'' में कहा गया है कि यदि एक मेटाबोलिक मार्ग दो अलग-अलग बीमारियों से जुड़ा है, तो दो बीमारियों की एक साझा चयापचय उत्पत्ति (चयापचय संबंधी विकार) होने की संभावना है।
* ''रोग [[सहरुग्णता]] औपचारिकता'' फेनोटाइपिक रोग नेटवर्क (पीडीएन) का उपयोग करती है, जहां दो रोग जुड़े होते हैं यदि उनके फेनोटाइप के बीच देखी गई सहरुग्णता एक पूर्वनिर्धारित सीमा से अधिक हो जाती है।<ref>Hidalgo, C. A., Blumm, N., Barabási, A. L., & Christakis, N. A. (2009). A dynamic network approach for the study of human phenotypes. PLoS Computational Biology, 5(4), e1000353.</ref> यह रोगों की क्रिया के तंत्र को नहीं देखता है, लेकिन रोग की प्रगति को पकड़ता है और उच्च मृत्यु दर से अत्यधिक जुड़े रोग कैसे संबंधित हैं।


कुछ रोग नेटवर्क रोगों को मानव कोशिका के बाहर संबंधित कारकों से जोड़ते हैं। साझा रोगों से जुड़े पर्यावरण और आनुवंशिक एटियलजि (दवा) के नेटवर्क, जिसे एटिओम कहा जाता है, का उपयोग इन नेटवर्कों में [[पर्यावरणीय कारक]]ों के [[क्लस्टरिंग गुणांक]] का आकलन करने और इंटरएक्टिव पर पर्यावरण की भूमिका को समझने के लिए भी किया जा सकता है।<ref>Liu, Y. I., Wise, P. H., & Butte, A. J. (2009). The "etiome": identification and clustering of human disease etiological factors. BMC bioinformatics, 10(Suppl 2), S14.</ref> जून 2014 में प्रकाशित मानव लक्षण-रोग नेटवर्क (एचएसडीएन) ने दिखाया कि रोग और बीमारी से जुड़े सेलुलर घटकों के लक्षण दृढ़ता से सहसंबद्ध थे और समान श्रेणियों के रोग अपने लक्षणों के संबंध में अत्यधिक जुड़े समुदायों का निर्माण करते हैं।<ref>Zhou, X., Menche, J., Barabási, A. L., & Sharma, A. (2014). Human symptoms–disease network. Nature Communications, 5.</ref>
इंटरएक्टिव नेटवर्क का उपयोग करके, बीमारियों की खोज और वर्गीकरण किया जा सकता है, साथ ही इसके संघों के ज्ञान और नेटवर्क में उनकी भूमिका के माध्यम से उपचार विकसित किया जा सकता है। एक अवलोकन यह है कि रोगों को उनके सिद्धांत [[फेनोटाइप|समलक्षणियों]] (पैथोफेनोटाइप) द्वारा वर्गीकृत नहीं किया जा सकता है, लेकिन उनके ''रोग प्रतिरूपक ''द्वारा वर्गीकृत किया जा सकता है, जो अंतःक्रियात्मक में घटकों का एक प्रतिवैस या समूह है, जो बाधित होने पर, एक विशिष्ट पैथोफेनोटाइप में परिणाम देता है।<ref name="barabasi2011" /> रोग प्रतिरूपक का उपयोग विभिन्न प्रकारो से किया जा सकता है, जैसे रोग जीन की भविष्यवाणी करना जो अभी तक खोजा नहीं गया है। इसलिए, नेटवर्क मेडिसिन [[क्लस्टर विश्लेषण|गुच्छन कलन विधि]] का उपयोग करके एक विशिष्ट पैथोफेनोटाइप के लिए रोग प्रतिरूपक की पहचान करना चाहता है।


=== रोगकारक ===
{{main|मानव रोग नेटवर्क}}


=== फार्माकोलॉजी ===
मानव रोग नेटवर्क, जिसे रोगसूचक भी कहा जाता है, ऐसे नेटवर्क हैं जिनमें नोड रोग और लिंक हैं, उनके मध्य संबंध की क्षमता है। यह सहसंबंध सामान्यतः संबंधित सैलुलर घटकों के आधार पर परिमाणित होता है जो दो रोग सहभाजित करते हैं। पहले प्रकाशित मानव रोग नेटवर्क (एचडीएन) ने जीनों को देखा, यह पाया कि रोग से जुड़े कई जीन [[आवश्यक जीन|गैर-आवश्यक]] जीन हैं, क्योंकि ये ऐसे जीन हैं जो नेटवर्क को पूरी तरह से बाधित नहीं करते हैं और पीढ़ी दर पीढ़ी आगे बढ़ने में सक्षम हैं।<ref name="goh2007" /> उपापचयी रोग नेटवर्क (एमडीएन), जिसमें दो रोग एक सहभाजित उपापचयज या उपापचयी मार्ग से जुड़े होते हैं, विस्तृत रूप में अध्ययन किया गया है और विशेष रूप से उपापचयी संबंधी विकारों के प्रकरण में प्रासंगिक है।<ref>Braun, P., Rietman, E., & Vidal, M. (2008). Networking metabolites and diseases. Proceedings of the National Academy of Sciences, 105(29), 9849–9850.</ref>
{{main| Systems pharmacology}}
नेटवर्क फ़ार्माकोलॉजी [[सिस्टम [[ औषध ]]]] पर आधारित एक विकासशील क्षेत्र है जो अंतःक्रियात्मक और रोग दोनों पर दवाओं के प्रभाव को देखता है।<ref name=hopkins2008>Hopkins, A. L. (2008). Network pharmacology: the next paradigm in drug discovery. Nature Chemical Biology, 4(11), 682–690.</ref> ड्रग-टारगेट नेटवर्क (DTN) स्वीकृत और प्रायोगिक दवाओं की क्रिया के तंत्र को समझने में महत्वपूर्ण भूमिका निभा सकता है।<ref>Yıldırım, M. A., Goh, K. I., Cusick, M. E., Barabási, A. L., & Vidal, M. (2007). Drug—target network. Nature biotechnology, 25(10), 1119–1126.</ref> फार्मास्यूटिकल्स का नेटवर्क सिद्धांत दृश्य अंतःक्रियात्मक में [[दवा]] के प्रभाव पर आधारित है, विशेष रूप से उस क्षेत्र में जहां दवा का लक्ष्य है। इस क्षेत्र में एक जटिल बीमारी (पॉलीफार्माकोलॉजी) के लिए [[संयोजन चिकित्सा]] का सुझाव दिया गया है क्योंकि एक लक्ष्य पर लक्षित एक सक्रिय दवा घटक (एपीआई) पूरे रोग मॉड्यूल को प्रभावित नहीं कर सकता है।<ref name=hopkins2008 />रोग मॉड्यूल की अवधारणा का उपयोग दवा की खोज, [[दवा डिजाइन]] और रोग का पता लगाने के लिए [[बायोमार्कर]] के विकास में सहायता के लिए किया जा सकता है।<ref name=chan2012 />नेटवर्क फार्माकोलॉजी का उपयोग करके दवाओं की पहचान करने के कई तरीके हो सकते हैं; इसका एक सरल उदाहरण साहचर्य विधि द्वारा दोष है। यह बताता है कि अगर एक ही दवा से दो बीमारियों का इलाज किया जाता है, तो एक दवा जो एक बीमारी का इलाज करती है वह दूसरे का इलाज कर सकती है।<ref>Chiang, A. P., & Butte, A. J. (2009). Systematic evaluation of drug–disease relationships to identify leads for novel drug uses. Clinical Pharmacology & Therapeutics, 86(5), 507–510.</ref> इस क्षेत्र में [[नशीली दवाओं का पुनरुत्पादन]], [[ दवा बातचीत ]] | ड्रग-ड्रग इंटरेक्शन और ड्रग [[ खराब असर ]]्स का भी अध्ययन किया गया है।<ref name=chan2012 />


रोग के तीन प्रतिनिधित्व हैं:<ref name="loscalzo2011" />


=== नेटवर्क महामारी ===
* '''''सहभाजित जीन औपचारिकता''''' बताती है कि यदि एक जीन दो अलग-अलग रोग फेनोटाइप से जुड़ा है, तो दो रोगों की एक सामान्य आनुवंशिक उत्पत्ति ([[आनुवंशिक विकार]]) होने की संभावना है।
मौजूदा [[महामारी मॉडल]] में नेटवर्क विज्ञान को लागू करके नेटवर्क महामारी का निर्माण किया गया है, क्योंकि कई प्रवाह नेटवर्क और सामाजिक नेटवर्क रोग के प्रसार में भूमिका निभाते हैं।<ref>Pastor-Satorras, R., & Vespignani, A. (2001). Epidemic spreading in scale-free networks. Physical review letters, 86(14), 3200.</ref> आबादी में मोटापे के प्रसार में सामाजिक संबंधों की भूमिका का आकलन करने के लिए सामाजिक नेटवर्क का उपयोग किया गया है।<ref>Christakis, N. A., & Fowler, J. H. (2007). The spread of obesity in a large social network over 32 years. New England Journal of Medicine, 357(4), 370–379.</ref> महामारी मॉडल और अवधारणाएं, जैसे सक्रियण फैलाना और [[संपर्क अनुरेखण]], को नेटवर्क विश्लेषण में उपयोग करने के लिए अनुकूलित किया गया है।<ref>Keeling, M. J., & Eames, K. T. (2005). Networks and epidemic models. Journal of the Royal Society Interface, 2(4), 295–307.</ref> लक्षित टीकाकरण रणनीतियों जैसी रणनीतियों को लागू करने के लिए इन मॉडलों का उपयोग [[सार्वजनिक स्वास्थ्य]] नीतियों में किया जा सकता है<ref>Pastor-Satorras, R., & Vespignani, A. (2002). Immunization of complex networks. Physical Review E, 65(3), 036104.</ref> और हाल ही में पश्चिम अफ्रीका में देशों और महाद्वीपों में इबोला वायरस महामारी के प्रसार के मॉडल के लिए इस्तेमाल किया गया है।<ref>Gomes, M. F., Piontti, A. P., Rossi, L., Chao, D., [[Ira Longini|Longini, I.]], [[Betz Halloran|Halloran, M. E.]], & Vespignani, A. (2014). Assessing the international spreading risk associated with the 2014 West African Ebola outbreak. PLOS Currents Outbreaks.</ref><ref>{{cite web|url=https://www.science.org/content/article/disease-modelers-project-rapidly-rising-toll-ebola|title=रोग मॉडलर इबोला से तेजी से बढ़ते टोल का अनुमान लगाते हैं|date=31 August 2014|publisher=}}</ref>


* '''''सहभाजित उपापचयी मार्ग''''' औपचारिकता बताती है कि यदि एक उपापचयी मार्ग दो अलग-अलग बीमारियों से जुड़ा है, तो दो बीमारियों की एक सहभाजित उपापचयी उत्पत्ति (उपापचयी संबंधी विकार) होने की संभावना है।
* '''''रोग सहरुग्णता औपचारिकता''''' फेनोटाइपिक रोग नेटवर्क (पीडीएन) का उपयोग करती है, जहां दो रोग जुड़े होते हैं यदि उनके फेनोटाइप के मध्य देखी गई सहरुग्णता एक पूर्वनिर्धारित सीमा से अधिक हो जाती है।<ref>Hidalgo, C. A., Blumm, N., Barabási, A. L., & Christakis, N. A. (2009). A dynamic network approach for the study of human phenotypes. PLoS Computational Biology, 5(4), e1000353.</ref> यह रोगों की क्रिया के तंत्र को नहीं देखता है, लेकिन रोग की प्रगति को पकड़ता है और उच्च मृत्यु दर से अत्यधिक जुड़े रोग कैसे संबंधित हैं।


कुछ रोग नेटवर्क रोगों को मानव कोशिका के बाहर संबंधित कारकों से जोड़ते हैं। सहभाजित रोगों से जुड़े पर्यावरणीय और आनुवंशिक रोगकारक (दवा) के नेटवर्क, जिसे "एटिओम" कहा जाता है, इन नेटवर्कों में [[पर्यावरणीय कारक|पर्यावरणीय कारकों]] के [[क्लस्टरिंग गुणांक]] का आकलन करने और इंटरएक्टिव पर पर्यावरण की भूमिका को समझने के लिए भी किया जा सकता है।<ref>Liu, Y. I., Wise, P. H., & Butte, A. J. (2009). The "etiome": identification and clustering of human disease etiological factors. BMC bioinformatics, 10(Suppl 2), S14.</ref> जून 2014 में प्रकाशित मानव लक्षण-रोग नेटवर्क (एचएसडीएन) ने दिखाया कि रोग और बीमारी से जुड़े सेलुलर घटकों के लक्षण दृढ़ता से सहसंबद्ध थे और समान श्रेणियों के रोग अपने लक्षणों के संबंध में अत्यधिक जुड़े समुदायों का निर्माण करते हैं।<ref>Zhou, X., Menche, J., Barabási, A. L., & Sharma, A. (2014). Human symptoms–disease network. Nature Communications, 5.</ref>
=== फार्माकोलॉजी ===
{{main| Systems pharmacology}}
नेटवर्क फ़ार्माकोलॉजी [[प्रणाली [[ औषध ]]]] पर आधारित एक विकासशील क्षेत्र है जो अंतःक्रियात्मक और रोग दोनों पर दवाओं के प्रभाव को देखता है।<ref name=hopkins2008>Hopkins, A. L. (2008). Network pharmacology: the next paradigm in drug discovery. Nature Chemical Biology, 4(11), 682–690.</ref> ड्रग-टारगेट नेटवर्क (DTN) स्वीकृत और प्रायोगिक दवाओं की क्रिया के तंत्र को समझने में महत्वपूर्ण भूमिका निभा सकता है।<ref>Yıldırım, M. A., Goh, K. I., Cusick, M. E., Barabási, A. L., & Vidal, M. (2007). Drug—target network. Nature biotechnology, 25(10), 1119–1126.</ref> फार्मास्यूटिकल्स का नेटवर्क सिद्धांत दृश्य अंतःक्रियात्मक में [[दवा]] के प्रभाव पर आधारित है, विशेष रूप से उस क्षेत्र में जहां दवा का लक्ष्य है। इस क्षेत्र में एक जटिल बीमारी (पॉलीफार्माकोलॉजी) के लिए [[संयोजन चिकित्सा]] का सुझाव दिया गया है क्योंकि एक लक्ष्य पर लक्षित एक सक्रिय दवा घटक (एपीआई) पूरे रोग प्रतिरूपक को प्रभावित नहीं कर सकता है।<ref name=hopkins2008 />रोग प्रतिरूपक की अवधारणा का उपयोग दवा की खोज, [[दवा डिजाइन]] और रोग का पता लगाने के लिए [[बायोमार्कर]] के विकास में सहायता के लिए किया जा सकता है।<ref name=chan2012 />नेटवर्क फार्माकोलॉजी का उपयोग करके दवाओं की पहचान करने के कई तरीके हो सकते हैं; इसका एक सरल उदाहरण साहचर्य विधि द्वारा दोष है। यह बताता है कि अगर एक ही दवा से दो बीमारियों का इलाज किया जाता है, तो एक दवा जो एक बीमारी का इलाज करती है वह दूसरे का इलाज कर सकती है।<ref>Chiang, A. P., & Butte, A. J. (2009). Systematic evaluation of drug–disease relationships to identify leads for novel drug uses. Clinical Pharmacology & Therapeutics, 86(5), 507–510.</ref> इस क्षेत्र में [[नशीली दवाओं का पुनरुत्पादन]], [[ दवा बातचीत | दवा अन्योन्यक्रिया]] | ड्रग-ड्रग अन्योन्यक्रिया और ड्रग [[ खराब असर ]]्स का भी अध्ययन किया गया है।<ref name=chan2012 />
=== नेटवर्क महामारी ===
मौजूदा [[महामारी मॉडल|महामारी प्रतिरूप]] में नेटवर्क विज्ञान को लागू करके नेटवर्क महामारी का निर्माण किया गया है, क्योंकि कई प्रवाह नेटवर्क और सामाजिक नेटवर्क रोग के प्रसार में भूमिका निभाते हैं।<ref>Pastor-Satorras, R., & Vespignani, A. (2001). Epidemic spreading in scale-free networks. Physical review letters, 86(14), 3200.</ref> आबादी में मोटापे के प्रसार में सामाजिक संबंधों की भूमिका का आकलन करने के लिए सामाजिक नेटवर्क का उपयोग किया गया है।<ref>Christakis, N. A., & Fowler, J. H. (2007). The spread of obesity in a large social network over 32 years. New England Journal of Medicine, 357(4), 370–379.</ref> महामारी प्रतिरूप और अवधारणाएं, जैसे सक्रियण फैलाना और [[संपर्क अनुरेखण]], को नेटवर्क विश्लेषण में उपयोग करने के लिए अनुकूलित किया गया है।<ref>Keeling, M. J., & Eames, K. T. (2005). Networks and epidemic models. Journal of the Royal Society Interface, 2(4), 295–307.</ref> लक्षित टीकाकरण रणनीतियों जैसी रणनीतियों को लागू करने के लिए इन प्रतिरूपों का उपयोग [[सार्वजनिक स्वास्थ्य]] नीतियों में किया जा सकता है<ref>Pastor-Satorras, R., & Vespignani, A. (2002). Immunization of complex networks. Physical Review E, 65(3), 036104.</ref> और हाल ही में पश्चिम अफ्रीका में देशों और महाद्वीपों में इबोला वायरस महामारी के प्रसार के प्रतिरूप के लिए उपयोग किया गया है।<ref>Gomes, M. F., Piontti, A. P., Rossi, L., Chao, D., [[Ira Longini|Longini, I.]], [[Betz Halloran|Halloran, M. E.]], & Vespignani, A. (2014). Assessing the international spreading risk associated with the 2014 West African Ebola outbreak. PLOS Currents Outbreaks.</ref><ref>{{cite web|url=https://www.science.org/content/article/disease-modelers-project-rapidly-rising-toll-ebola|title=रोग मॉडलर इबोला से तेजी से बढ़ते टोल का अनुमान लगाते हैं|date=31 August 2014|publisher=}}</ref>
=== ड्रग प्रिस्क्रिप्शन नेटवर्क (डीपीएन) ===
=== ड्रग प्रिस्क्रिप्शन नेटवर्क (डीपीएन) ===
हाल ही में, कुछ शोधकर्ताओं ने नेटवर्क के रूप में दवाओं के उपयोग का प्रतिनिधित्व करने की प्रवृत्ति दिखाई। इन नेटवर्क में नोड्स दवाओं का प्रतिनिधित्व करते हैं और किनारे इन दवाओं के बीच किसी प्रकार के संबंध का प्रतिनिधित्व करते हैं। कैवलो एट अल। (2013) <ref>{{cite journal |last1=Cavallo |first1=Pierpaolo |title=दवा के नुस्खे का नेटवर्क विश्लेषण|journal=Pharmacoepidemiology and Drug Safety |date=February 2013 |volume=22 |issue=2 |pages=130–137 |doi=10.1002/pds.3384|pmid=23180729 |s2cid=42462968 }}</ref> सह-पर्चे नेटवर्क की टोपोलॉजी का वर्णन किया गया है, यह प्रदर्शित करने के लिए कि कौन से दवा वर्ग सबसे अधिक सह-निर्धारित हैं। बैज़ोनी एट अल। (2015) <ref>{{cite journal |last1=Bazzoni |first1=Gianfranco |title=The Drug Prescription Network: A System-Level View of Drug Co-Prescription in Community-Dwelling Elderly People |journal=Rejuvenation Research |date=April 2015 |volume=18 |issue=2 |pages=153–161 |doi=10.1089/rej.2014.1628|pmid=25531938 }}</ref> निष्कर्ष निकाला कि सह-निर्धारित दवाओं के डीपीएन घने, अत्यधिक गुच्छेदार, मॉड्यूलर और वर्गीकरण हैं। अस्कर एट अल। (2021) <ref>{{cite journal |last1=Askar |first1=Mohsen |title=दवा उपयोग के अध्ययन के लिए नेटवर्क विश्लेषण का परिचय|journal=Research in Social and Administrative Pharmacy |date=June 2021 |volume=17 |issue=12 |pages=2054–2061 |doi=10.1016/j.sapharm.2021.06.021|pmid=34226152 |arxiv=2106.00413 |s2cid=235266038 }}</ref> गंभीर ड्रग-ड्रग इंटरैक्शन (DDIs) का एक नेटवर्क बनाया, जिसमें दिखाया गया कि इसमें कई क्लस्टर शामिल हैं।
हाल ही में, कुछ शोधकर्ताओं ने नेटवर्क के रूप में दवाओं के उपयोग का प्रतिनिधित्व करने की प्रवृत्ति दिखाई। इन नेटवर्क में नोड्स दवाओं का प्रतिनिधित्व करते हैं और किनारे इन दवाओं के मध्य किसी प्रकार के संबंध का प्रतिनिधित्व करते हैं। कैवलो एट अल। (2013) <ref>{{cite journal |last1=Cavallo |first1=Pierpaolo |title=दवा के नुस्खे का नेटवर्क विश्लेषण|journal=Pharmacoepidemiology and Drug Safety |date=February 2013 |volume=22 |issue=2 |pages=130–137 |doi=10.1002/pds.3384|pmid=23180729 |s2cid=42462968 }}</ref> सह-पर्चे नेटवर्क की सांस्थिति का वर्णन किया गया है, यह प्रदर्शित करने के लिए कि कौन से दवा वर्ग सबसे अधिक सह-निर्धारित हैं। बैज़ोनी एट अल। (2015) <ref>{{cite journal |last1=Bazzoni |first1=Gianfranco |title=The Drug Prescription Network: A System-Level View of Drug Co-Prescription in Community-Dwelling Elderly People |journal=Rejuvenation Research |date=April 2015 |volume=18 |issue=2 |pages=153–161 |doi=10.1089/rej.2014.1628|pmid=25531938 }}</ref> निष्कर्ष निकाला कि सह-निर्धारित दवाओं के डीपीएन घने, अत्यधिक गुच्छेदार, प्रतिरूपकर और वर्गीकरण हैं। अस्कर एट अल। (2021) <ref>{{cite journal |last1=Askar |first1=Mohsen |title=दवा उपयोग के अध्ययन के लिए नेटवर्क विश्लेषण का परिचय|journal=Research in Social and Administrative Pharmacy |date=June 2021 |volume=17 |issue=12 |pages=2054–2061 |doi=10.1016/j.sapharm.2021.06.021|pmid=34226152 |arxiv=2106.00413 |s2cid=235266038 }}</ref> गंभीर ड्रग-ड्रग अन्योन्यक्रिया (DDIs) का एक नेटवर्क बनाया, जिसमें दिखाया गया कि इसमें कई क्लस्टर सम्मलित हैं।


=== अन्य नेटवर्क ===
=== अन्य नेटवर्क ===
अंगों का विकास <ref name=auconi2011>P. Auconi, G. Caldarelli, A. Scala,  G. Ierardo, A. Polimeni (2011). A network approach to orthodontic diagnosis, Orthodontics and Craniofacial Research 14, 189-197 .</ref> और अन्य जैविक प्रणालियों को नेटवर्क संरचनाओं के रूप में प्रतिरूपित किया जा सकता है जहां नैदानिक ​​(जैसे, रेडियोग्राफिक, कार्यात्मक) विशेषताओं को नोड्स के रूप में दर्शाया जा सकता है और इन विशेषताओं के बीच संबंधों को लिंक के रूप में दर्शाया जा सकता है।
अंगों का विकास <ref name=auconi2011>P. Auconi, G. Caldarelli, A. Scala,  G. Ierardo, A. Polimeni (2011). A network approach to orthodontic diagnosis, Orthodontics and Craniofacial Research 14, 189-197 .</ref> और अन्य जैविक प्रणालियों को नेटवर्क संरचनाओं के रूप में प्रतिरूपित किया जा सकता है जहां नैदानिक ​​(जैसे, रेडियोआरेखिक, कार्यात्मक) विशेषताओं को नोड्स के रूप में दर्शाया जा सकता है और इन विशेषताओं के मध्य संबंधों को लिंक के रूप में दर्शाया जा सकता है।
ऐसे नोड्स के बीच।<ref name=scala2014>Scala,A. Auconi,P., Scazzocchio,M., Caldarelli,G.,   
ऐसे नोड्स के मध्य।<ref name=scala2014>Scala,A. Auconi,P., Scazzocchio,M., Caldarelli,G.,   
McNamara,J., Franchi,L. (2014). Complex networks for data-driven medicine: the
McNamara,J., Franchi,L. (2014). Complex networks for data-driven medicine: the
case of Class III dentoskeletal disharmony, New J. Phys. 16 115017</ref> इसलिए, यह मॉडल करने के लिए नेटवर्क का उपयोग करना संभव है कि कैसे अंग प्रणालियां गतिशील रूप से इंटरैक्ट करती हैं।
case of Class III dentoskeletal disharmony, New J. Phys. 16 115017</ref> इसलिए, यह प्रतिरूप करने के लिए नेटवर्क का उपयोग करना संभव है कि कैसे अंग प्रणालियां गतिशील रूप से इंटरैक्ट करती हैं।


== शैक्षिक और नैदानिक ​​कार्यान्वयन ==
== शैक्षिक और नैदानिक ​​कार्यान्वयन ==


ब्रिघम और महिला अस्पताल में नेटवर्क मेडिसिन का चैनिंग डिवीजन 2012 में नेटवर्क साइंस और सिस्टम बायोलॉजी का उपयोग करके जटिल बीमारियों के अध्ययन, पुनर्वर्गीकरण और उपचार विकसित करने के लिए बनाया गया था।<ref>{{cite web|url=http://brighamandwomens.org/research/depts/medicine/channing/default.aspx|title=नेटवर्क मेडिसिन का चैनिंग डिवीजन|publisher=}}</ref> यह तीन क्षेत्रों पर केंद्रित है:
ब्रिघम और महिला अस्पताल में नेटवर्क मेडिसिन का चैनिंग डिवीजन 2012 में नेटवर्क विज्ञान और प्रणाली बायोलॉजी का उपयोग करके जटिल बीमारियों के अध्ययन, पुनर्वर्गीकरण और उपचार विकसित करने के लिए बनाया गया था।<ref>{{cite web|url=http://brighamandwomens.org/research/depts/medicine/channing/default.aspx|title=नेटवर्क मेडिसिन का चैनिंग डिवीजन|publisher=}}</ref> यह तीन क्षेत्रों पर केंद्रित है:
* जीर्ण रोग महामारी विज्ञान बड़े, दीर्घकालिक महामारी विज्ञान अध्ययनों में [[जीनोमिक्स]] और मेटाबॉलिकम का उपयोग करता है, जैसे कि नर्सों का स्वास्थ्य अध्ययन।
* जीर्ण रोग महामारी विज्ञान बड़े, दीर्घकालिक महामारी विज्ञान अध्ययनों में [[जीनोमिक्स]] और मेटाबॉलिकम का उपयोग करता है, जैसे कि नर्सों का स्वास्थ्य अध्ययन।
* सिस्टम्स जेनेटिक्स एंड जीनोमिक्स छोटी आबादी के अध्ययन में जटिल श्वसन रोगों, विशेष रूप से [[सीओपीडी]] और [[ दमा ]] पर केंद्रित है।
* प्रणाली्स जेनेटिक्स एंड जीनोमिक्स छोटी आबादी के अध्ययन में जटिल श्वसन रोगों, विशेष रूप से [[सीओपीडी]] और [[ दमा ]] पर केंद्रित है।
* सिस्टम्स पैथोलॉजी जटिल बीमारियों को समझने और बायोमार्कर डिजाइन को निर्देशित करने के लिए [[नियंत्रण सिद्धांत]], गतिशील प्रणालियों और मिश्रित अनुकूलन सहित बहु-विषयक दृष्टिकोण का उपयोग करती है।<ref>{{cite web|url=https://connects.catalyst.harvard.edu/profiles/display/Person/119309|title=Yang-Yu Liu – Harvard Catalyst Profiles – Harvard Catalyst|publisher=}}</ref>
* प्रणाली्स पैथोलॉजी जटिल बीमारियों को समझने और बायोमार्कर डिजाइन को निर्देशित करने के लिए [[नियंत्रण सिद्धांत]], गतिशील प्रणालियों और मिश्रित अनुकूलन सहित बहु-विषयक दृष्टिकोण का उपयोग करती है।<ref>{{cite web|url=https://connects.catalyst.harvard.edu/profiles/display/Person/119309|title=Yang-Yu Liu – Harvard Catalyst Profiles – Harvard Catalyst|publisher=}}</ref>
[[मैसाचुसेट्स की तकनीकी संस्था]] एक अंडरग्रेजुएट कोर्स ऑफर करता है जिसे नेटवर्क मेडिसिन कहा जाता है: नोवेल कैंसर थेरेप्यूटिक्स बनाने के लिए सिस्टम बायोलॉजी और सिग्नलिंग नेटवर्क का उपयोग करना।<ref>{{cite web|url=http://ocw.mit.edu/courses/biology/7-343-network-medicine-using-systems-biology-and-signaling-networks-to-create-novel-cancer-therapeutics-fall-2012/index.htm|title=Network Medicine: Using Systems Biology and Signaling Networks to Create Novel Cancer Therapeutics|author=Dr. Michael Lee|work=MIT OpenCourseWare}}</ref> इसके अलावा, [[हार्वर्ड]] कैटेलिस्ट (हार्वर्ड क्लिनिकल एंड ट्रांसलेशनल साइंस सेंटर) नेटवर्क मेडिसिन का परिचय नामक तीन दिवसीय पाठ्यक्रम प्रदान करता है, जो डॉक्टरेट डिग्री वाले नैदानिक ​​और विज्ञान पेशेवरों के लिए खुला है।<ref>{{cite web|url=http://catalyst.harvard.edu/services/networkmedicine/|title=Introduction to Network Medicine – Harvard Catalyst|publisher=}}</ref>
[[मैसाचुसेट्स की तकनीकी संस्था|मैसाचुसमुच्चय्स की तकनीकी संस्था]] एक अंडरग्रेजुएट कोर्स ऑफर करता है जिसे नेटवर्क मेडिसिन कहा जाता है: नोवेल कैंसर थेरेप्यूटिक्स बनाने के लिए प्रणाली बायोलॉजी और सिग्नलिंग नेटवर्क का उपयोग करना।<ref>{{cite web|url=http://ocw.mit.edu/courses/biology/7-343-network-medicine-using-systems-biology-and-signaling-networks-to-create-novel-cancer-therapeutics-fall-2012/index.htm|title=Network Medicine: Using Systems Biology and Signaling Networks to Create Novel Cancer Therapeutics|author=Dr. Michael Lee|work=MIT OpenCourseWare}}</ref> इसके अलावा, [[हार्वर्ड]] कैटेलिस्ट (हार्वर्ड क्लिनिकल एंड ट्रांसलेशनल विज्ञान सेंटर) नेटवर्क मेडिसिन का परिचय नामक तीन दिवसीय पाठ्यक्रम प्रदान करता है, जो डॉक्टरेट डिग्री वाले नैदानिक ​​और विज्ञान पेशेवरों के लिए खुला है।<ref>{{cite web|url=http://catalyst.harvard.edu/services/networkmedicine/|title=Introduction to Network Medicine – Harvard Catalyst|publisher=}}</ref>
 
 
== यह भी देखें ==
== यह भी देखें ==
{{div col|colwidth=30em}}
{{div col|colwidth=30em}}

Revision as of 13:44, 11 June 2023


नेटवर्क मेडिसिन बीमारियों की पहचान, रोकथाम और उपचार के लिए नेटवर्क विज्ञान का अनुप्रयोग है। यह क्षेत्र बीमारियों की पहचान करने और चिकित्सा दवाओं के विकास के लिए नेटवर्क सांस्थिति और नेटवर्क गतिशीलता का उपयोग करने पर केंद्रित है। जैविक नेटवर्क, जैसे कि प्रोटीन-प्रोटीन अन्योन्यक्रिया और उपापचयी मार्ग, नेटवर्क मेडिसिन द्वारा उपयोग किए जाते हैं। रोग नेटवर्क, जो रोगों और जैविक कारकों के मध्य संबंधों को मानचित्र करता है, क्षेत्र में भी महत्वपूर्ण भूमिका निभाता है। महामारी विज्ञान का विस्तृत रूप से नेटवर्क विज्ञान का उपयोग करके भी अध्ययन किया जाता है; सामाजिक नेटवर्क और प्रवाह नेटवर्क का उपयोग जनसंख्या में बीमारी के प्रसार के प्रतिरूप के लिए किया जाता है। नेटवर्क मेडिसिन प्रणाली जीव विज्ञान का चिकित्सकीय रूप से केंद्रित क्षेत्र है।

पृष्ठभूमि

2007 में मेडिसिन का नया इंग्लैंड पत्रिका में प्रकाशित ''नेटवर्क मेडिसिन'' शब्द को "नेटवर्क मेडिसिन- मोटापे से "रोगजनक" तक नामक अल्बर्ट-लेस्ज़्लो बाराबासी द्वारा एक वैज्ञानिक लेख में गढ़ा और लोकप्रिय बनाया गया था। बाराबासी का कहना है कि जैविक प्रणाली, सामाजिक और तकनीकी प्रणालियों की तरह इसमें कई घटक होते हैं जो जटिल संबंधों में जुड़े होते हैं लेकिन सरल सिद्धांतों द्वारा व्यवस्थित होते हैं। नेटवर्क सिद्धांत के आधुनिक विकास का उपयोग करते हुए,[1] संगठन सिद्धांतों को जटिल नेटवर्क के रूप में प्रणाली का प्रतिनिधित्व करके व्यापक रूप से विश्लेषण किया जा सकता है, जो एक विशेष संबंध द्वारा एक साथ जुड़े नोड्स के संग्रह हैं। चिकित्सा से संबंधित नेटवर्क के लिए, नोड्स जैविक कारकों (जैव अणु, रोग, लक्षणप्ररूप, आदि) का प्रतिनिधित्व करते हैं और लिंक (किनारे) उनके संबंधों (भौतिक अन्योन्यक्रिया, सहभाजित उपापचयी मार्ग, सहभाजित जीन, सहभाजित विशेषता, आदि) का प्रतिनिधित्व करते हैं।[2]

मानव रोग को समझने के लिए तीन प्रमुख नेटवर्क उपापचयी नेटवर्क, रोग नेटवर्क और सामाजिक नेटवर्क हैं। नेटवर्क मेडिसिन इस विचार पर आधारित है कि जीन विनियमन, उपापचयी प्रतिक्रियाओं और प्रोटीन-प्रोटीन अन्योन्यक्रिया की जटिलता को समझना और जटिल नेटवर्क के रूप में इनका प्रतिनिधित्व करना रोगों के कारणों और तंत्रों पर प्रकाश डालने पर आधारित है। यह संभव है, उदाहरण के लिए, ओएमआईएम डेटाबेस का उपयोग करके रोगों के संयोजन को उनके संबंधित जीनों का प्रतिनिधित्व करने वाले द्विभाज्य आरेख का अनुमान लगाना है।[3] रोगों का प्रक्षेपण, जिसे मानव रोग नेटवर्क (एचडीएन) कहा जाता है, एक सामान्य जीन सहभाजित करने पर एक दूसरे से जुड़े रोगों का एक नेटवर्क है। एचडीएन का उपयोग करके, रोगों को उनके मध्य आनुवंशिक संबंधों के माध्यम से वर्गीकृत और विश्लेषित किया जा सकता है। बड़े जैव चिकित्सा डेटा के विश्लेषण में नेटवर्क मेडिसिन एक मूल्यवान उपकरण प्रमाणित हुआ है।[4]

अनुसंधान क्षेत्र

इंटरएक्टिव

Main article: इंटरएक्टिव

मानव कोशिका में आणविक अंतःक्रियाओं का पूरा समुच्चय, जिसे इंटरएक्टिव के रूप में भी जाना जाता है, रोग की पहचान और रोकथाम के लिए उपयोग किया जा सकता है।[5] इन नेटवर्कों को तकनीकी रूप से मापक-मुक्त, अनपव्यूही, स्मॉल-वर्ल्ड नेटवर्क के रूप में वर्गीकृत किया गया है, जिनमें उच्च समानता केंद्रीयता है।[6]

प्रोटीन-प्रोटीन अन्योन्यक्रिया को मानचित्र किया गया है, प्रोटीन को नोड (आरेख सिद्धांत) के रूप में और लिंक के रूप में एक दूसरे के मध्य उनकी अन्योन्यक्रिया का उपयोग किया गया है।[7] ये मानचित्र BioGRID और मानव प्रोटीन संदर्भ डेटाबेस जैसे डेटाबेस का उपयोग करते हैं। उपापचयी नेटवर्क में उपापचयी मार्गों में जैव रासायनिक प्रतिक्रियाएं सम्मलित हैं, यदि वे एक ही मार्ग में हैं तो दो उपापचयज को जोड़ते हैं।[8] शोधकर्ताओं ने इन नेटवर्कों को मानचित्र करने के लिए केईजीजी जैसे डेटाबेस का उपयोग किया है। अन्य नेटवर्क में सेल संकेतन नेटवर्क, जीन नियामक नेटवर्क और आरएनए नेटवर्क सम्मलित हैं।

इंटरएक्टिव नेटवर्क का उपयोग करके, बीमारियों की खोज और वर्गीकरण किया जा सकता है, साथ ही इसके संघों के ज्ञान और नेटवर्क में उनकी भूमिका के माध्यम से उपचार विकसित किया जा सकता है। एक अवलोकन यह है कि रोगों को उनके सिद्धांत समलक्षणियों (पैथोफेनोटाइप) द्वारा वर्गीकृत नहीं किया जा सकता है, लेकिन उनके रोग प्रतिरूपक द्वारा वर्गीकृत किया जा सकता है, जो अंतःक्रियात्मक में घटकों का एक प्रतिवैस या समूह है, जो बाधित होने पर, एक विशिष्ट पैथोफेनोटाइप में परिणाम देता है।[5] रोग प्रतिरूपक का उपयोग विभिन्न प्रकारो से किया जा सकता है, जैसे रोग जीन की भविष्यवाणी करना जो अभी तक खोजा नहीं गया है। इसलिए, नेटवर्क मेडिसिन गुच्छन कलन विधि का उपयोग करके एक विशिष्ट पैथोफेनोटाइप के लिए रोग प्रतिरूपक की पहचान करना चाहता है।

रोगकारक

Main article: मानव रोग नेटवर्क

मानव रोग नेटवर्क, जिसे रोगसूचक भी कहा जाता है, ऐसे नेटवर्क हैं जिनमें नोड रोग और लिंक हैं, उनके मध्य संबंध की क्षमता है। यह सहसंबंध सामान्यतः संबंधित सैलुलर घटकों के आधार पर परिमाणित होता है जो दो रोग सहभाजित करते हैं। पहले प्रकाशित मानव रोग नेटवर्क (एचडीएन) ने जीनों को देखा, यह पाया कि रोग से जुड़े कई जीन गैर-आवश्यक जीन हैं, क्योंकि ये ऐसे जीन हैं जो नेटवर्क को पूरी तरह से बाधित नहीं करते हैं और पीढ़ी दर पीढ़ी आगे बढ़ने में सक्षम हैं।[3] उपापचयी रोग नेटवर्क (एमडीएन), जिसमें दो रोग एक सहभाजित उपापचयज या उपापचयी मार्ग से जुड़े होते हैं, विस्तृत रूप में अध्ययन किया गया है और विशेष रूप से उपापचयी संबंधी विकारों के प्रकरण में प्रासंगिक है।[9]

रोग के तीन प्रतिनिधित्व हैं:[6]

  • सहभाजित जीन औपचारिकता बताती है कि यदि एक जीन दो अलग-अलग रोग फेनोटाइप से जुड़ा है, तो दो रोगों की एक सामान्य आनुवंशिक उत्पत्ति (आनुवंशिक विकार) होने की संभावना है।
  • सहभाजित उपापचयी मार्ग औपचारिकता बताती है कि यदि एक उपापचयी मार्ग दो अलग-अलग बीमारियों से जुड़ा है, तो दो बीमारियों की एक सहभाजित उपापचयी उत्पत्ति (उपापचयी संबंधी विकार) होने की संभावना है।
  • रोग सहरुग्णता औपचारिकता फेनोटाइपिक रोग नेटवर्क (पीडीएन) का उपयोग करती है, जहां दो रोग जुड़े होते हैं यदि उनके फेनोटाइप के मध्य देखी गई सहरुग्णता एक पूर्वनिर्धारित सीमा से अधिक हो जाती है।[10] यह रोगों की क्रिया के तंत्र को नहीं देखता है, लेकिन रोग की प्रगति को पकड़ता है और उच्च मृत्यु दर से अत्यधिक जुड़े रोग कैसे संबंधित हैं।

कुछ रोग नेटवर्क रोगों को मानव कोशिका के बाहर संबंधित कारकों से जोड़ते हैं। सहभाजित रोगों से जुड़े पर्यावरणीय और आनुवंशिक रोगकारक (दवा) के नेटवर्क, जिसे "एटिओम" कहा जाता है, इन नेटवर्कों में पर्यावरणीय कारकों के क्लस्टरिंग गुणांक का आकलन करने और इंटरएक्टिव पर पर्यावरण की भूमिका को समझने के लिए भी किया जा सकता है।[11] जून 2014 में प्रकाशित मानव लक्षण-रोग नेटवर्क (एचएसडीएन) ने दिखाया कि रोग और बीमारी से जुड़े सेलुलर घटकों के लक्षण दृढ़ता से सहसंबद्ध थे और समान श्रेणियों के रोग अपने लक्षणों के संबंध में अत्यधिक जुड़े समुदायों का निर्माण करते हैं।[12]

फार्माकोलॉजी

Main article: Systems pharmacology

नेटवर्क फ़ार्माकोलॉजी [[प्रणाली औषध ]] पर आधारित एक विकासशील क्षेत्र है जो अंतःक्रियात्मक और रोग दोनों पर दवाओं के प्रभाव को देखता है।[13] ड्रग-टारगेट नेटवर्क (DTN) स्वीकृत और प्रायोगिक दवाओं की क्रिया के तंत्र को समझने में महत्वपूर्ण भूमिका निभा सकता है।[14] फार्मास्यूटिकल्स का नेटवर्क सिद्धांत दृश्य अंतःक्रियात्मक में दवा के प्रभाव पर आधारित है, विशेष रूप से उस क्षेत्र में जहां दवा का लक्ष्य है। इस क्षेत्र में एक जटिल बीमारी (पॉलीफार्माकोलॉजी) के लिए संयोजन चिकित्सा का सुझाव दिया गया है क्योंकि एक लक्ष्य पर लक्षित एक सक्रिय दवा घटक (एपीआई) पूरे रोग प्रतिरूपक को प्रभावित नहीं कर सकता है।[13]रोग प्रतिरूपक की अवधारणा का उपयोग दवा की खोज, दवा डिजाइन और रोग का पता लगाने के लिए बायोमार्कर के विकास में सहायता के लिए किया जा सकता है।[2]नेटवर्क फार्माकोलॉजी का उपयोग करके दवाओं की पहचान करने के कई तरीके हो सकते हैं; इसका एक सरल उदाहरण साहचर्य विधि द्वारा दोष है। यह बताता है कि अगर एक ही दवा से दो बीमारियों का इलाज किया जाता है, तो एक दवा जो एक बीमारी का इलाज करती है वह दूसरे का इलाज कर सकती है।[15] इस क्षेत्र में नशीली दवाओं का पुनरुत्पादन, दवा अन्योन्यक्रिया | ड्रग-ड्रग अन्योन्यक्रिया और ड्रग खराब असर ्स का भी अध्ययन किया गया है।[2]

नेटवर्क महामारी

मौजूदा महामारी प्रतिरूप में नेटवर्क विज्ञान को लागू करके नेटवर्क महामारी का निर्माण किया गया है, क्योंकि कई प्रवाह नेटवर्क और सामाजिक नेटवर्क रोग के प्रसार में भूमिका निभाते हैं।[16] आबादी में मोटापे के प्रसार में सामाजिक संबंधों की भूमिका का आकलन करने के लिए सामाजिक नेटवर्क का उपयोग किया गया है।[17] महामारी प्रतिरूप और अवधारणाएं, जैसे सक्रियण फैलाना और संपर्क अनुरेखण, को नेटवर्क विश्लेषण में उपयोग करने के लिए अनुकूलित किया गया है।[18] लक्षित टीकाकरण रणनीतियों जैसी रणनीतियों को लागू करने के लिए इन प्रतिरूपों का उपयोग सार्वजनिक स्वास्थ्य नीतियों में किया जा सकता है[19] और हाल ही में पश्चिम अफ्रीका में देशों और महाद्वीपों में इबोला वायरस महामारी के प्रसार के प्रतिरूप के लिए उपयोग किया गया है।[20][21]

ड्रग प्रिस्क्रिप्शन नेटवर्क (डीपीएन)

हाल ही में, कुछ शोधकर्ताओं ने नेटवर्क के रूप में दवाओं के उपयोग का प्रतिनिधित्व करने की प्रवृत्ति दिखाई। इन नेटवर्क में नोड्स दवाओं का प्रतिनिधित्व करते हैं और किनारे इन दवाओं के मध्य किसी प्रकार के संबंध का प्रतिनिधित्व करते हैं। कैवलो एट अल। (2013) [22] सह-पर्चे नेटवर्क की सांस्थिति का वर्णन किया गया है, यह प्रदर्शित करने के लिए कि कौन से दवा वर्ग सबसे अधिक सह-निर्धारित हैं। बैज़ोनी एट अल। (2015) [23] निष्कर्ष निकाला कि सह-निर्धारित दवाओं के डीपीएन घने, अत्यधिक गुच्छेदार, प्रतिरूपकर और वर्गीकरण हैं। अस्कर एट अल। (2021) [24] गंभीर ड्रग-ड्रग अन्योन्यक्रिया (DDIs) का एक नेटवर्क बनाया, जिसमें दिखाया गया कि इसमें कई क्लस्टर सम्मलित हैं।

अन्य नेटवर्क

अंगों का विकास [25] और अन्य जैविक प्रणालियों को नेटवर्क संरचनाओं के रूप में प्रतिरूपित किया जा सकता है जहां नैदानिक ​​(जैसे, रेडियोआरेखिक, कार्यात्मक) विशेषताओं को नोड्स के रूप में दर्शाया जा सकता है और इन विशेषताओं के मध्य संबंधों को लिंक के रूप में दर्शाया जा सकता है। ऐसे नोड्स के मध्य।[26] इसलिए, यह प्रतिरूप करने के लिए नेटवर्क का उपयोग करना संभव है कि कैसे अंग प्रणालियां गतिशील रूप से इंटरैक्ट करती हैं।

शैक्षिक और नैदानिक ​​कार्यान्वयन

ब्रिघम और महिला अस्पताल में नेटवर्क मेडिसिन का चैनिंग डिवीजन 2012 में नेटवर्क विज्ञान और प्रणाली बायोलॉजी का उपयोग करके जटिल बीमारियों के अध्ययन, पुनर्वर्गीकरण और उपचार विकसित करने के लिए बनाया गया था।[27] यह तीन क्षेत्रों पर केंद्रित है:

  • जीर्ण रोग महामारी विज्ञान बड़े, दीर्घकालिक महामारी विज्ञान अध्ययनों में जीनोमिक्स और मेटाबॉलिकम का उपयोग करता है, जैसे कि नर्सों का स्वास्थ्य अध्ययन।
  • प्रणाली्स जेनेटिक्स एंड जीनोमिक्स छोटी आबादी के अध्ययन में जटिल श्वसन रोगों, विशेष रूप से सीओपीडी और दमा पर केंद्रित है।
  • प्रणाली्स पैथोलॉजी जटिल बीमारियों को समझने और बायोमार्कर डिजाइन को निर्देशित करने के लिए नियंत्रण सिद्धांत, गतिशील प्रणालियों और मिश्रित अनुकूलन सहित बहु-विषयक दृष्टिकोण का उपयोग करती है।[28]

मैसाचुसमुच्चय्स की तकनीकी संस्था एक अंडरग्रेजुएट कोर्स ऑफर करता है जिसे नेटवर्क मेडिसिन कहा जाता है: नोवेल कैंसर थेरेप्यूटिक्स बनाने के लिए प्रणाली बायोलॉजी और सिग्नलिंग नेटवर्क का उपयोग करना।[29] इसके अलावा, हार्वर्ड कैटेलिस्ट (हार्वर्ड क्लिनिकल एंड ट्रांसलेशनल विज्ञान सेंटर) नेटवर्क मेडिसिन का परिचय नामक तीन दिवसीय पाठ्यक्रम प्रदान करता है, जो डॉक्टरेट डिग्री वाले नैदानिक ​​और विज्ञान पेशेवरों के लिए खुला है।[30]

यह भी देखें

संदर्भ

  1. ↑ Caldarelli G. (2007). Scale-Free Networks. Oxford University Press.
  2. ↑ 2.0 2.1 2.2 Chan, S. Y., & Loscalzo, J. (2012). The emerging paradigm of network medicine in the study of human disease. Circulation research, 111(3), 359–374.
  3. ↑ 3.0 3.1 Goh, K. I., Cusick, M. E., Valle, D., Childs, B., Vidal, M., & Barabási, A. L. (2007). The human disease network. Proceedings of the National Academy of Sciences, 104(21), 8685–8690.
  4. ↑ Sonawane, Abhijeet R.; Weiss, Scott T.; Glass, Kimberly; Sharma, Amitabh (2019). "बायोमेडिकल बिग डेटा के युग में नेटवर्क मेडिसिन". Frontiers in Genetics. 10: 294. doi:10.3389/fgene.2019.00294. ISSN 1664-8021. PMC 6470635. PMID 31031797.
  5. ↑ 5.0 5.1 Barabási, A. L., Gulbahce, N., & Loscalzo, J. (2011). Network medicine: a network-based approach to human disease. Nature Reviews Genetics, 12(1), 56–68.
  6. ↑ 6.0 6.1 Loscalzo, J., & Barabasi, A. L. (2011). Systems biology and the future of medicine. Wiley Interdisciplinary Reviews: Systems Biology and Medicine, 3(6), 619–627.
  7. ↑ Rual, J. F., Venkatesan, K., Hao, T., Hirozane-Kishikawa, T., Dricot, A., Li, N., ... & Vidal, M. (2005). Towards a proteome-scale map of the human protein–protein interaction network. Nature, 437(7062), 1173–1178.
  8. ↑ Ravasz, E., Somera, A. L., Mongru, D. A., Oltvai, Z. N., & Barabási, A. L. (2002). Hierarchical organization of modularity in metabolic networks. science, 297(5586), 1551–1555.
  9. ↑ Braun, P., Rietman, E., & Vidal, M. (2008). Networking metabolites and diseases. Proceedings of the National Academy of Sciences, 105(29), 9849–9850.
  10. ↑ Hidalgo, C. A., Blumm, N., Barabási, A. L., & Christakis, N. A. (2009). A dynamic network approach for the study of human phenotypes. PLoS Computational Biology, 5(4), e1000353.
  11. ↑ Liu, Y. I., Wise, P. H., & Butte, A. J. (2009). The "etiome": identification and clustering of human disease etiological factors. BMC bioinformatics, 10(Suppl 2), S14.
  12. ↑ Zhou, X., Menche, J., Barabási, A. L., & Sharma, A. (2014). Human symptoms–disease network. Nature Communications, 5.
  13. ↑ 13.0 13.1 Hopkins, A. L. (2008). Network pharmacology: the next paradigm in drug discovery. Nature Chemical Biology, 4(11), 682–690.
  14. ↑ Yıldırım, M. A., Goh, K. I., Cusick, M. E., Barabási, A. L., & Vidal, M. (2007). Drug—target network. Nature biotechnology, 25(10), 1119–1126.
  15. ↑ Chiang, A. P., & Butte, A. J. (2009). Systematic evaluation of drug–disease relationships to identify leads for novel drug uses. Clinical Pharmacology & Therapeutics, 86(5), 507–510.
  16. ↑ Pastor-Satorras, R., & Vespignani, A. (2001). Epidemic spreading in scale-free networks. Physical review letters, 86(14), 3200.
  17. ↑ Christakis, N. A., & Fowler, J. H. (2007). The spread of obesity in a large social network over 32 years. New England Journal of Medicine, 357(4), 370–379.
  18. ↑ Keeling, M. J., & Eames, K. T. (2005). Networks and epidemic models. Journal of the Royal Society Interface, 2(4), 295–307.
  19. ↑ Pastor-Satorras, R., & Vespignani, A. (2002). Immunization of complex networks. Physical Review E, 65(3), 036104.
  20. ↑ Gomes, M. F., Piontti, A. P., Rossi, L., Chao, D., Longini, I., Halloran, M. E., & Vespignani, A. (2014). Assessing the international spreading risk associated with the 2014 West African Ebola outbreak. PLOS Currents Outbreaks.
  21. ↑ "रोग मॉडलर इबोला से तेजी से बढ़ते टोल का अनुमान लगाते हैं". 31 August 2014.
  22. ↑ Cavallo, Pierpaolo (February 2013). "दवा के नुस्खे का नेटवर्क विश्लेषण". Pharmacoepidemiology and Drug Safety. 22 (2): 130–137. doi:10.1002/pds.3384. PMID 23180729. S2CID 42462968.
  23. ↑ Bazzoni, Gianfranco (April 2015). "The Drug Prescription Network: A System-Level View of Drug Co-Prescription in Community-Dwelling Elderly People". Rejuvenation Research. 18 (2): 153–161. doi:10.1089/rej.2014.1628. PMID 25531938.
  24. ↑ Askar, Mohsen (June 2021). "दवा उपयोग के अध्ययन के लिए नेटवर्क विश्लेषण का परिचय". Research in Social and Administrative Pharmacy. 17 (12): 2054–2061. arXiv:2106.00413. doi:10.1016/j.sapharm.2021.06.021. PMID 34226152. S2CID 235266038.
  25. ↑ P. Auconi, G. Caldarelli, A. Scala, G. Ierardo, A. Polimeni (2011). A network approach to orthodontic diagnosis, Orthodontics and Craniofacial Research 14, 189-197 .
  26. ↑ Scala,A. Auconi,P., Scazzocchio,M., Caldarelli,G., McNamara,J., Franchi,L. (2014). Complex networks for data-driven medicine: the case of Class III dentoskeletal disharmony, New J. Phys. 16 115017
  27. ↑ "नेटवर्क मेडिसिन का चैनिंग डिवीजन".
  28. ↑ "Yang-Yu Liu – Harvard Catalyst Profiles – Harvard Catalyst".
  29. ↑ Dr. Michael Lee. "Network Medicine: Using Systems Biology and Signaling Networks to Create Novel Cancer Therapeutics". MIT OpenCourseWare.
  30. ↑ "Introduction to Network Medicine – Harvard Catalyst".
Retrieved from ‘https://www.vigyanwiki.in/index.php?title=नेटवर्क_मेडिसिन&oldid=187250’