បញ្ហា (The Problem)៖ អត្ថបទស្រាវជ្រាវនេះបង្ហាញពីបញ្ហាប្រឈមនៃការកើនឡើងយ៉ាងគំហុកនៃទិន្នន័យជីវសាស្ត្រ និងតម្រូវការចាំបាច់នៃប្រព័ន្ធកុំព្យូទ័រដើម្បីផ្ទុក រៀបចំ និងវិភាគទិន្នន័យដ៏ធំមហិមាទាំងនោះប្រកបដោយប្រសិទ្ធភាព។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះធ្វើការពិនិត្យឡើងវិញ (Review) យ៉ាងទូលំទូលាយអំពីការវិវឌ្ឍ ឧបករណ៍ និងការអនុវត្តនៃប្រព័ន្ធជីវព័ត៌មានវិទ្យាលើផ្នែកផ្សេងៗនៃជីវសាស្ត្រម៉ូលេគុល។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Traditional Experimental Methods (In vitro & In vivo) វិធីសាស្ត្រពិសោធន៍តាមបែបប្រពៃណី (In vitro និង In vivo) |
ផ្តល់លទ្ធផលជាក់ស្តែងនិងត្រឹមត្រូវខ្ពស់ ដែលជាមូលដ្ឋានគ្រឹះដ៏សំខាន់សម្រាប់ការកំណត់រចនាសម្ព័ន្ធប្រូតេអ៊ីន (តាមរយៈ X-ray crystallography និង NMR)។ | ចំណាយពេលយូរ ចំណាយថវិកាច្រើន និងមានហានិភ័យខ្ពស់ជាពិសេសក្នុងដំណើរការស្រាវជ្រាវរកឱសថថ្មីៗ (drug discovery)។ | ជាប្រភពបង្កើតទិន្នន័យពិតប្រាកដសម្រាប់ការវិភាគ ប៉ុន្តែមិនអាចឆ្លើយតបទៅនឹងការកើនឡើងយ៉ាងគំហុកនៃទិន្នន័យហ្សែនបានទេ។ |
| Computational Bioinformatics (In silico) ជីវព័ត៌មានវិទ្យាតាមប្រព័ន្ធកុំព្យូទ័រ (In silico) |
អាចទាញយកចំណេះដឹងពីទិន្នន័យដ៏ធំមហិមាបានយ៉ាងលឿន (Data mining) កាត់បន្ថយហានិភ័យក្នុងការរចនាឱសថ និងអាចធ្វើតេស្តសម្មតិកម្មមុនពេលពិសោធន៍ផ្ទាល់។ | ភាពត្រឹមត្រូវនៃម៉ូដែល (ឧ. Homology modeling) អាចមានភាពមិនច្បាស់លាស់ ប្រសិនបើកម្រិតអត្តសញ្ញាណនៃលំដាប់លំដោយហ្សែន (sequence identity) មានកម្រិតទាបជាង ២០%។ | អាចព្យាករណ៍រចនាសម្ព័ន្ធបន្ទាប់បន្សំ (secondary structure) ដោយភាពត្រឹមត្រូវលើសពី ៧០% និងមានសមត្ថភាពគ្រប់គ្រងទិន្នន័យរហូតដល់ ១៥,០០០,០០០ ប៊ីលានកំណត់ត្រា។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តជីវព័ត៌មានវិទ្យា (Bioinformatics) ទាមទារប្រព័ន្ធកុំព្យូទ័រដែលមានសមត្ថភាពខ្ពស់ ទំហំផ្ទុកទិន្នន័យធំមហិមា និងការយល់ដឹងស៊ីជម្រៅពីពហុវិជ្ជា។
អត្ថបទនេះគឺជាការពិនិត្យឡើងវិញ (Review) ជាសកល ដោយពឹងផ្អែកលើគម្រោងធំៗដូចជា Human Genome Project និងការដោះស្រាយហ្សែនបាក់តេរី Haemophilus influenzae ដែលទិន្នន័យភាគច្រើនបានមកពីប្រទេសអភិវឌ្ឍន៍។ សម្រាប់ប្រទេសកម្ពុជា ការពឹងផ្អែកទាំងស្រុងលើទិន្នន័យបរទេសអាចមានភាពលម្អៀង ព្រោះទិន្នន័យទម្រង់ហ្សែនប្រជាជនខ្មែរ (genetic profiles) ឬទិន្នន័យពូជដំណាំក្នុងស្រុកនៅមានកម្រិតនៅឡើយ ដែលតម្រូវឱ្យមានការប្រមូលទិន្នន័យក្នុងស្រុកបន្ថែមដើម្បីភាពត្រឹមត្រូវ។
បច្ចេកទេសជីវព័ត៌មានវិទ្យា (Bioinformatics) ពិតជាមានសារៈសំខាន់ និងមានសក្តានុពលខ្ពស់សម្រាប់ជម្រុញការអភិវឌ្ឍវិស័យកសិកម្ម សុខាភិបាល និងការអភិរក្សនៅកម្ពុជា។
ការកសាងធនធានមនុស្ស និងហេដ្ឋារចនាសម្ព័ន្ធផ្នែកជីវព័ត៌មានវិទ្យា នឹងជួយកម្ពុជាបំប្លែងខ្លួនពីអ្នកប្រើប្រាស់បច្ចេកវិទ្យា ទៅជាអ្នកចូលរួមស្រាវជ្រាវយ៉ាងសកម្មដើម្បីដោះស្រាយបញ្ហាក្នុងតំបន់ខ្លួនឯងដោយផ្ទាល់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Bioinformatics (ជីវព័ត៌មានវិទ្យា) | ការរួមបញ្ចូលគ្នារវាងជីវសាស្ត្រ វិទ្យាសាស្ត្រកុំព្យូទ័រ និងបច្ចេកវិទ្យាព័ត៌មាន ដើម្បីប្រមូល ផ្ទុក វិភាគ និងស្វែងយល់ពីទិន្នន័យជីវសាស្ត្រដ៏ស្មុគស្មាញ (ដូចជា DNA និងប្រូតេអ៊ីន) ដោយប្រើកូដ និងក្បួនដោះស្រាយ (algorithms)។ | ដូចជាការប្រើប្រាស់កុំព្យូទ័រ និងកម្មវិធីវចនានុក្រមឆ្លាតវៃ ដើម្បីបកប្រែនិងស្វែងយល់ពីសៀវភៅកូដសម្ងាត់ដ៏ក្រាស់មួយក្បាលដែលផ្ទុកព័ត៌មាននៃជីវិត។ |
| Genomics (ហ្សែនវិទ្យា ឬ ជីណូមិក) | ការសិក្សាអំពីបណ្តុំហ្សែន (Genomes) ទាំងអស់ដែលមាននៅក្នុងសរីរាង្គណាមួយ ដោយផ្តោតលើការរៀបចំលំដាប់លំដោយ មុខងារ ការវិវត្តន៍ និងទំនាក់ទំនងរវាងហ្សែនទាំងនោះជាប្រព័ន្ធ ជំនួសឲ្យការសិក្សាលើហ្សែននីមួយៗដាច់ដោយឡែក។ | ដូចជាការសិក្សាពីប្លង់មេ (Blueprint) ទាំងមូលនៃការសាងសង់អគារមួយ មិនមែនមើលត្រឹមតែឥដ្ឋមួយដុំៗនោះទេ។ |
| Sequence alignment (ការតម្រៀបលំដាប់លំដោយ) | ដំណើរការនៃការរៀបចំតម្រៀបលំដាប់ DNA, RNA, ឬ ប្រូតេអ៊ីនទន្ទឹមគ្នា ដើម្បីស្វែងរកចំណុចដូចគ្នា ឬស្រដៀងគ្នា ដែលអាចបញ្ជាក់ពីទំនាក់ទំនងនៃមុខងារ ការវិវឌ្ឍន៍ ឬភាពពាក់ព័ន្ធគ្នារវាងសរីរាង្គផ្សេងៗ។ | ដូចជាការយកអត្ថបទពីរដែលសរសេរពីប្រធានបទតែមួយមកដាក់ទន្ទឹមគ្នា ដើម្បីរកមើលថាតើមានពាក្យឬឃ្លាណាខ្លះដែលសរសេរដូចគ្នា ឬត្រូវបានលួចចម្លង។ |
| Homology modeling (ការធ្វើគំរូតាមភាពស្រដៀងគ្នា) | បច្ចេកទេសក្នុងជីវព័ត៌មានវិទ្យាសម្រាប់ទស្សន៍ទាយរចនាសម្ព័ន្ធ 3D នៃប្រូតេអ៊ីនដែលយើងមិនទាន់ស្គាល់ ដោយផ្អែកលើរចនាសម្ព័ន្ធ 3D នៃប្រូតេអ៊ីនផ្សេងទៀតដែលយើងស្គាល់រួចមកហើយ ស្របពេលដែលពួកវាមានលំដាប់លំដោយអាស៊ីតអាមីណូស្រដៀងគ្នា។ | ដូចជាការសាងសង់និងគូសប្លង់ផ្ទះថ្មីមួយដោយមើលតាមគំរូផ្ទះអ្នកជិតខាង ដែលមានប្លង់និងទំហំដីស្រដៀងគ្នាបេះបិទ។ |
| in silico (ការពិសោធន៍ក្នុងកុំព្យូទ័រ) | ការធ្វើការពិសោធន៍ ការធ្វើតេស្តឱសថ ឬការស្រាវជ្រាវបែបវិទ្យាសាស្ត្រដែលដំណើរការទាំងស្រុងនៅលើប្រព័ន្ធកុំព្យូទ័រ ឬតាមរយៈការធ្វើគំរូក្លែងធ្វើ (Simulation) ដោយមិនចាំបាច់ប្រើប្រាស់សត្វ សារធាតុគីមី ឬបំពង់សាកល្បងឡើយ។ | ដូចជាការលេងហ្គេមក្លែងធ្វើបើកបរយន្តហោះ (Flight Simulator) ដើម្បីរៀនបើកបរនិងដោះស្រាយបញ្ហាមុនពេលទៅបើកយន្តហោះពិតប្រាកដ។ |
| Proteomics (ប្រូតេអូមិក) | ការសិក្សាទ្រង់ទ្រាយធំទៅលើប្រូតេអ៊ីនទាំងអស់ (Proteome) ដែលត្រូវបានបង្កើតឡើងដោយសរីរាង្គ ឬកោសិកាណាមួយ ព្រមទាំងរចនាសម្ព័ន្ធ ៣វិមាត្រ មុខងារ និងអន្តរកម្មរបស់វានៅក្នុងរាងកាយនៅពេលជាក់លាក់ណាមួយ។ | ប្រសិនបើ Genomics គឺជាការសិក្សាពីប្លង់មេផ្ទះ (DNA) នោះ Proteomics គឺជាការសិក្សាពីសម្ភារៈសំណង់និងកម្មករ (ប្រូតេអ៊ីន) ដែលកំពុងអនុវត្តការងារសាងសង់ផ្ទាល់។ |
| Phylogenetic trees (មែកធាងវិវឌ្ឍន៍) | ដ្យាក្រាមរាងដូចមែកធាងដែលបង្ហាញពីទំនាក់ទំនងនៃការវិវឌ្ឍរវាងប្រភេទសត្វ រុក្ខជាតិ ឬហ្សែនផ្សេងៗគ្នា ដោយផ្អែកលើភាពស្រដៀងគ្នានិងភាពខុសគ្នានៃលក្ខណៈរូបវន្ត ឬកូដសេនេទិចរបស់ពួកវា។ | ដូចជាការគូរគំនូសតារាងមែកធាងគ្រួសារ (Family Tree) ដើម្បីមើលថាតើនរណាជាដូនតាទួត លោកតា និងបងប្អូនជីដូនមួយនឹងគ្នា។ |
| Cheminformatics (គីមីព័ត៌មានវិទ្យា) | ការប្រើប្រាស់បច្ចេកទេសកុំព្យូទ័រនិងព័ត៌មានវិទ្យា ដើម្បីរៀបចំ វិភាគ និងស្វែងយល់ពីទិន្នន័យគីមី និងរចនាសម្ព័ន្ធម៉ូលេគុល ដែលជាទូទៅត្រូវបានប្រើប្រាស់យ៉ាងសំខាន់ក្នុងការស្រាវជ្រាវ និងរចនាស្វែងរកឱសថថ្មីៗក្នុងវិស័យវេជ្ជសាស្ត្រ។ | ដូចជាការប្រើប្រាស់កម្មវិធីកុំព្យូទ័រដើម្បីផ្គុំរូប Lego (ម៉ូលេគុលគីមី) រាប់លានប្រភេទ ដើម្បីរកមើលថាតើរូបមួយណាអាចយកទៅធ្វើជាថ្នាំសម្លាប់មេរោគបានយ៉ាងស័ក្តិសមបំផុត។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
