💻سری دوم مسابقات CB Code، یک تجربه منحصربه‌فرد از
⌨ کدنویسی
🧬 و زیست‌شناسی‌ست!
شرکت در سری دوم مسابقه CB Code:
پس از تکمیل ثبت‌نام و پروفایل خود در سایت رایازی و پلتفرم آنلیم، می‌توانید مسابقه CB Code را در داشبورد خود در سایت آنلیم، در قسمت: "مسابقات" > "مسابقات من" مشاهده کنید.
🗓 مسابقه روز جمعه، ۲۶ اردیبهشت ماه (۱۶ می) در پلتفرم آنلیم، رأس ساعت ۱۲ ظهر باز خواهد شد و تا ساعت ۱۳:۳۰ ادامه خواهد داشت.
🌀روم مسابقه در پلتفرم آنلیم
🌀توکن ورود
CB-CODE-GATTACA2
✉️ جهت اطلاع از اخبار، به‌روزرسانی‌ها و ارتباط با تیم برگزاری، حتماً در گروه و کانال مسابقه عضو شوید.
⌨ کدنویسی
🧬 و زیست‌شناسی‌ست!
شرکت در سری دوم مسابقه CB Code:
پس از تکمیل ثبت‌نام و پروفایل خود در سایت رایازی و پلتفرم آنلیم، می‌توانید مسابقه CB Code را در داشبورد خود در سایت آنلیم، در قسمت: "مسابقات" > "مسابقات من" مشاهده کنید.
🗓 مسابقه روز جمعه، ۲۶ اردیبهشت ماه (۱۶ می) در پلتفرم آنلیم، رأس ساعت ۱۲ ظهر باز خواهد شد و تا ساعت ۱۳:۳۰ ادامه خواهد داشت.
🌀روم مسابقه در پلتفرم آنلیم
🌀توکن ورود
CB-CODE-GATTACA2
✉️ جهت اطلاع از اخبار، به‌روزرسانی‌ها و ارتباط با تیم برگزاری، حتماً در گروه و کانال مسابقه عضو شوید.
❤🔥8
🏆جوایز سری دوم مسابقه CB Code
🥇 نفر اول:
🟡 گواهی مدال طلا از ISCB - RSG Iran
🟡 جایزه نقدی ۱۰ میلیون ریالی
🟡 تخفیف ۲۵٪ برای شرکت در رویدادهای RSG
🟡 دعوت اختصاصی برای همکاری با ISCB - RSG Iran
🥈نفر دوم:
⚪️ گواهی مدال نقره از ISCB - RSG Iran
⚪️ جایزه نقدی ۶ میلیون ریالی
⚪️ تخفیف ۲۵% برای شرکت در رویدادهای RSG
⚪️ دعوت اختصاصی برای همکاری با ISCB - RSG Iran
🥉نفر سوم:
🟤 گواهی مدال برنز از ISCB - RSG Iran
🟤 جایزه نقدی ۴ میلیون ریالی
🟤 تخفیف ۲۵٪ برای شرکت در برنامه‌های RSG
🟤 دعوت اختصاصی برای همکاری با ISCB - RSG Iran
🩸جایزه ویژه First Blood:
اولین شخصی که هر سوال را به درستی پاسخ دهد، بدون توجه به رتبه نهایی‌اش کد تخفیف ۵۰ درصدی برای شرکت در رویدادهای آینده‌ی انجمن دریافت خواهد کرد.
☑️ هر فرد به ازای ثبت هر پاسخ صحیح به هر سوال، یک کد تخفیف ۱۰ درصدی دریافت خواهد کرد. لازم به ذکر است که هر کد تخفیف یک بار مصرف و به صورت جداگانه برای یک رویداد قابل استفاده است.
🟢 CB Code Channel
🟢 CB Code Community
🔵 RSG
🥇 نفر اول:
🟡 گواهی مدال طلا از ISCB - RSG Iran
🟡 جایزه نقدی ۱۰ میلیون ریالی
🟡 تخفیف ۲۵٪ برای شرکت در رویدادهای RSG
🟡 دعوت اختصاصی برای همکاری با ISCB - RSG Iran
🥈نفر دوم:
⚪️ گواهی مدال نقره از ISCB - RSG Iran
⚪️ جایزه نقدی ۶ میلیون ریالی
⚪️ تخفیف ۲۵% برای شرکت در رویدادهای RSG
⚪️ دعوت اختصاصی برای همکاری با ISCB - RSG Iran
🥉نفر سوم:
🟤 گواهی مدال برنز از ISCB - RSG Iran
🟤 جایزه نقدی ۴ میلیون ریالی
🟤 تخفیف ۲۵٪ برای شرکت در برنامه‌های RSG
🟤 دعوت اختصاصی برای همکاری با ISCB - RSG Iran
🩸جایزه ویژه First Blood:
اولین شخصی که هر سوال را به درستی پاسخ دهد، بدون توجه به رتبه نهایی‌اش کد تخفیف ۵۰ درصدی برای شرکت در رویدادهای آینده‌ی انجمن دریافت خواهد کرد.
☑️ هر فرد به ازای ثبت هر پاسخ صحیح به هر سوال، یک کد تخفیف ۱۰ درصدی دریافت خواهد کرد. لازم به ذکر است که هر کد تخفیف یک بار مصرف و به صورت جداگانه برای یک رویداد قابل استفاده است.
🟢 CB Code Channel
🟢 CB Code Community
🔵 RSG
❤5❤🔥4👎2👍1
💻 مراحل ثبت‌نام در مسابقه CB Code
🔷 ثبت‌نام و اضافه کردن مسابقه در پلتفرم آنلیم
🔹ثبت‌نام در سایت آنلیم
🔹ثبت‌نام در مسابقه CB Code از طریق توکن
▫️توکن:
CB-CODE-GATTACA2
🔹مسابقه با موفقیت به قسمت "مسابقات من" در داشبورد شما اضافه خواهد شد.
| زمان برگزاری مسابقه: جمعه ۲۶ام اردیبهشت ماه ساعت ۱۲
📌پی‌نوشت: برای شرکت در مسابقه، ثبت‌نام در آنلیم الزامی است در صورتی که تنها در سایت رایازی ثبت‌نام کرده‌اید، لطفا سریع‌تر، ادامه مراحل ثبت‌نام در مسابقه را در آنلیم تکمیل کنید.
🔷 ثبت‌نام و اضافه کردن مسابقه در پلتفرم آنلیم
🔹ثبت‌نام در سایت آنلیم
🔹ثبت‌نام در مسابقه CB Code از طریق توکن
▫️توکن:
CB-CODE-GATTACA2
🔹مسابقه با موفقیت به قسمت "مسابقات من" در داشبورد شما اضافه خواهد شد.
| زمان برگزاری مسابقه: جمعه ۲۶ام اردیبهشت ماه ساعت ۱۲
📌پی‌نوشت: برای شرکت در مسابقه، ثبت‌نام در آنلیم الزامی است در صورتی که تنها در سایت رایازی ثبت‌نام کرده‌اید، لطفا سریع‌تر، ادامه مراحل ثبت‌نام در مسابقه را در آنلیم تکمیل کنید.
❤5👎1
ضمن عرض پوزش و سپاس از صبوری شما
🔹شرکت‌کنندگان محترم مسابقه CB Code
قطعی برق بی‌برنامه موجب اختلال سراسری در سرور شبکه‌های زیرساخت و ارتباط با سرورهای OVH شده است.
🔹در نتیجه؛ سرویس‌های فعال روی این بسترها به همراه تعدادی از ISPها دچار مشکل شده‌اند.
🔹به منظور ضایع نشدن حقوق شرکت‌کننده‌ها در ثبت پاسخ و دریافت جوایز، دور دوم سری مسابقات CB Code به زمان دیگری موکول خواهد شد.
🤍 ضمن عرض پوزش مجدد برای ناراحتی ایجاد شده، اطلاعات بیشتر راجع به زمان جدید برگزاری این سری از مسابقات CB Code به زودی اطلاع رسانی خواهد شد.
🔹شرکت‌کنندگان محترم مسابقه CB Code
قطعی برق بی‌برنامه موجب اختلال سراسری در سرور شبکه‌های زیرساخت و ارتباط با سرورهای OVH شده است.
🔹در نتیجه؛ سرویس‌های فعال روی این بسترها به همراه تعدادی از ISPها دچار مشکل شده‌اند.
🔹به منظور ضایع نشدن حقوق شرکت‌کننده‌ها در ثبت پاسخ و دریافت جوایز، دور دوم سری مسابقات CB Code به زمان دیگری موکول خواهد شد.
🤍 ضمن عرض پوزش مجدد برای ناراحتی ایجاد شده، اطلاعات بیشتر راجع به زمان جدید برگزاری این سری از مسابقات CB Code به زودی اطلاع رسانی خواهد شد.
❤16👎1🎄1
🔴در یوتوب‌گردی این هفته، داستان پشت پرده یک موفقیت علمی بی‌نظیر را با هم بررسی می‌کنیم:
دیوید بیکر، دمیس هسابیس و جان جامپر چگونه توانستند جایزه نوبل شیمی ۲۰۲۴ را برای پیشرفت‌های عظیم در طراحی و پیش‌بینی ساختار پروتئین با کمک کامپیوتر ببرند!
🧬پروتئین‌ها ماشین‌های نانو زیستی هستند که مسئول انجام هزاران کار حیاتی در بدن هر موجود زنده‌اند. بیش از نیم‌قرن، دانشمندان در تلاش بودند راز بزرگ پروتئین‌ها را کشف کنند:
چگونه رشته‌ای ساده و خطی از مولکول‌ها، به سرعت و به‌صورت ذاتی، به یک شکل پیچیده سه‌بعدی تبدیل می‌شود؟
⚡در سال ۲۰۲۰، گوگل دیپ‌مایند با الگوریتم یادگیری عمیق AlphaFold2 وارد مسابقه جهانی پیش‌بینی ساختار پروتئین شد و به شکلی غیرمنتظره، بخشی کلیدی از این معما را حل کرد.
این پیشرفت بزرگ، انقلاب هوش مصنوعی در زیست‌شناسی را کلید زد و راه را برای طراحی پروتئین‌های جدید باز کرد؛ پروتئین‌هایی که می‌توانند به حل بزرگ‌ترین مشکلات جهان کمک کنند.
👩💻اگر دوست داری بفهمی هوش مصنوعی چگونه آینده‌ی زیست‌فناوری را متحول می‌کند، این ویدیو را از دست نده.
🎥مشاهده ویدئو کامل یوتوب
گردآورنده: یاسمین آشتیانی
🔗Telegram
🔗LinkedIn
🔗Instagram
دیوید بیکر، دمیس هسابیس و جان جامپر چگونه توانستند جایزه نوبل شیمی ۲۰۲۴ را برای پیشرفت‌های عظیم در طراحی و پیش‌بینی ساختار پروتئین با کمک کامپیوتر ببرند!
🧬پروتئین‌ها ماشین‌های نانو زیستی هستند که مسئول انجام هزاران کار حیاتی در بدن هر موجود زنده‌اند. بیش از نیم‌قرن، دانشمندان در تلاش بودند راز بزرگ پروتئین‌ها را کشف کنند:
چگونه رشته‌ای ساده و خطی از مولکول‌ها، به سرعت و به‌صورت ذاتی، به یک شکل پیچیده سه‌بعدی تبدیل می‌شود؟
⚡در سال ۲۰۲۰، گوگل دیپ‌مایند با الگوریتم یادگیری عمیق AlphaFold2 وارد مسابقه جهانی پیش‌بینی ساختار پروتئین شد و به شکلی غیرمنتظره، بخشی کلیدی از این معما را حل کرد.
این پیشرفت بزرگ، انقلاب هوش مصنوعی در زیست‌شناسی را کلید زد و راه را برای طراحی پروتئین‌های جدید باز کرد؛ پروتئین‌هایی که می‌توانند به حل بزرگ‌ترین مشکلات جهان کمک کنند.
👩💻اگر دوست داری بفهمی هوش مصنوعی چگونه آینده‌ی زیست‌فناوری را متحول می‌کند، این ویدیو را از دست نده.
🎥مشاهده ویدئو کامل یوتوب
گردآورنده: یاسمین آشتیانی
🔗Telegram
❤7❤🔥2👍2👎1
Forwarded from INRP (Sayeh)
⚫ بازگشت همه به سوی اوست
▪️متاسفانه مطلع شدیم دوست عزیزمان دکتر آرش صدری، دار فانی را وداع گفته و ما را در غم از دست دادنش تنها گذاشته است.
▪ درگذشت ایشان را تسلیت عرض نموده، از خداوند متعال برای روح آن عزیز از دست رفته آرامش ابدی و برای خانواده محترمش صبر و شکیبایی، مسئلت می‌نماییم🖤
▪️متاسفانه مطلع شدیم دوست عزیزمان دکتر آرش صدری، دار فانی را وداع گفته و ما را در غم از دست دادنش تنها گذاشته است.
▪ درگذشت ایشان را تسلیت عرض نموده، از خداوند متعال برای روح آن عزیز از دست رفته آرامش ابدی و برای خانواده محترمش صبر و شکیبایی، مسئلت می‌نماییم🖤
🕊60
Forwarded from INRP (Aminpoor)
با کمال تأسف و اندوه، خاموشی ناباورانه شادروان دکتر آرش صدری را به آگاهی می‌رسانیم؛ انسانی فرهیخته، مهربان که حضورش روشنی‌بخش دل‌ها بود و فقدانش حسرتی جاودانه بر دل‌های داغدارمان نشاند.
مراسم وداع با پیکر آن عزیز سفر کرده در روز سه‌شنبه ۱۴۰۴/۰۲/۳۰ ساعت ۱۱:۰۰ در آرامستان روستای مرا برگزار خواهد شد.
همچنین آیین پرفیض بزرگداشت سوم و هفتمین روز درگذشت آن مرحوم به صورت همزمان در روز پنجشنبه مورخ ۱۴۰۴/۰۳/۰۱ از ساعت ۱۷:۳۰ تا ۱۹:۰۰ در مسجد نور فاطمی واقع در میدان فاطمی برگزار می‌گردد.
حضور پرمهر شما سروران ارجمند، مرهمی خواهد بود بر داغ جانسوز بازماندگان.
مراسم وداع با پیکر آن عزیز سفر کرده در روز سه‌شنبه ۱۴۰۴/۰۲/۳۰ ساعت ۱۱:۰۰ در آرامستان روستای مرا برگزار خواهد شد.
همچنین آیین پرفیض بزرگداشت سوم و هفتمین روز درگذشت آن مرحوم به صورت همزمان در روز پنجشنبه مورخ ۱۴۰۴/۰۳/۰۱ از ساعت ۱۷:۳۰ تا ۱۹:۰۰ در مسجد نور فاطمی واقع در میدان فاطمی برگزار می‌گردد.
حضور پرمهر شما سروران ارجمند، مرهمی خواهد بود بر داغ جانسوز بازماندگان.
🕊45
INRP
⚫ بازگشت همه به سوی اوست ▪️متاسفانه مطلع شدیم دوست عزیزمان دکتر آرش صدری، دار فانی را وداع گفته و ما را در غم از دست دادنش تنها گذاشته است. ▪ درگذشت ایشان را تسلیت عرض نموده، از خداوند متعال برای روح آن عزیز از دست رفته آرامش ابدی و برای خانواده محترمش صبر…
با نهایت تأسف و اندوه، انجمن RSG ایران درگذشت جناب آقای دکتر آرش صدری، عزیز سفر کرده را به اطلاع می‌رساند. ایشان با دانش و مهربانی بی‌نظیر خود در فعالیت‌های انجمن نقش آفرینی کرده و انجمن از حضور ارزشمندشان بهره‌های فراوان برده است. یاد و خاطره‌شان همیشه در قلب ما زنده خواهد ماند. از خداوند متعال برای آن مرحوم آرامش ابدی و برای خانواده محترمشان صبر جمیل خواستاریم.
🕊62
🔴در یوتوب‌گردی این هفته، سراغ یکی از هیجان‌انگیزترین تقاطع‌های علم و فناوری می‌رویم؛ جایی که هوش مصنوعی با زیست‌مولکول‌های نانو مقیاس دست به همکاری می‌زند تا بزرگ‌ترین معماهای حیات را حل کند!
🧬چه می‌شود اگر بتوانیم به‌کمک الگوریتم‌های پیشرفته، پروتئین‌هایی کاملاً جدید طراحی کنیم؟ پروتئین‌هایی که طبیعت هیچ‌گاه تولیدشان نکرده، اما می‌توانند درمان‌های نوین، واکسن‌های بهتر، یا حتی راه‌حلی برای تغییرات اقلیمی باشند.
🎯در این ویدئو، با پژوهشگران برجسته‌ای چون جان جامپر و کاترین تونیا‌سواناکول از Google DeepMind و دیوید بیکر از مؤسسه طراحی پروتئین دانشگاه واشنگتن همراه می‌شویم تا بفهمیم چطور ابزارهایی مثل AlphaFold و طراحی مولکولی با کمک AI در حال تغییر مسیر علم هستند.
⚙️این ویدیو به‌زیبایی توضیح می‌دهد که آینده‌ی زیست‌فناوری چقدر به کدهای کامپیوتری و شبکه‌های عصبی گره خورده است.
🎥برای دیدن کامل این ویدیو، به لینک زیر سر بزنید:
📎 مشاهده ویدیو در یوتوب
گردآورنده: یاسمین آشتیانی
🔗Telegram
🔗LinkedIn
🔗Instagram
🧬چه می‌شود اگر بتوانیم به‌کمک الگوریتم‌های پیشرفته، پروتئین‌هایی کاملاً جدید طراحی کنیم؟ پروتئین‌هایی که طبیعت هیچ‌گاه تولیدشان نکرده، اما می‌توانند درمان‌های نوین، واکسن‌های بهتر، یا حتی راه‌حلی برای تغییرات اقلیمی باشند.
🎯در این ویدئو، با پژوهشگران برجسته‌ای چون جان جامپر و کاترین تونیا‌سواناکول از Google DeepMind و دیوید بیکر از مؤسسه طراحی پروتئین دانشگاه واشنگتن همراه می‌شویم تا بفهمیم چطور ابزارهایی مثل AlphaFold و طراحی مولکولی با کمک AI در حال تغییر مسیر علم هستند.
⚙️این ویدیو به‌زیبایی توضیح می‌دهد که آینده‌ی زیست‌فناوری چقدر به کدهای کامپیوتری و شبکه‌های عصبی گره خورده است.
🎥برای دیدن کامل این ویدیو، به لینک زیر سر بزنید:
📎 مشاهده ویدیو در یوتوب
گردآورنده: یاسمین آشتیانی
🔗Telegram
❤🔥7👍2
🍅در یوتوب‌گردی این هفته، به دهه‌ی ۹۰ میلادی برمی‌گردیم؛ زمانی که نخستین محصولات غذایی تراریخته وارد بازار شدند—از جمله گوجه‌فرنگی معروف Flavr Savr که قرار بود انقلابی در ماندگاری غذاها باشد.
🔬اما این انقلاب همان‌قدر که با هیجان آغاز شد، با شک و تردید مصرف‌کنندگان و شکست‌های تجاری روبه‌رو شد. بااین‌حال، زیست‌فناوری از دل این شکست، راهی تازه پیدا کرد؛ راهی که آن را از سوپرمارکت‌ها به آزمایشگاه‌های پیشرفته، شرکت‌های دارویی، و حتی صنعت انرژی رساند.
🧪در این ویدیو می‌بینیم چگونه دانشمندان و کارآفرینانی که روزی به‌خاطر فروش گوجه‌فرنگی مقاوم به فاسد شدن شکست خوردند، امروز پایه‌گذاران عصری هستند که DNA را مانند کدهای نرم‌افزاری بازنویسی می‌کنند.
🌍ماجرای مهندسی ژنتیک، فقط درباره‌ی غذا نیست؛ این داستان درباره‌ی نحوه‌ی بازتعریف طبیعت به‌دست انسان است—از داروهای نوین گرفته تا باکتری‌هایی که آلودگی محیط را می‌خورند.
🎥برای تماشای این داستان شگفت‌انگیز، لینک زیر را از دست ندهید:
📎 مشاهده ویدیو در یوتوب
گردآورنده: یاسمین آشتیانی
🔗Telegram
🔗LinkedIn
🔗Instagram
🔬اما این انقلاب همان‌قدر که با هیجان آغاز شد، با شک و تردید مصرف‌کنندگان و شکست‌های تجاری روبه‌رو شد. بااین‌حال، زیست‌فناوری از دل این شکست، راهی تازه پیدا کرد؛ راهی که آن را از سوپرمارکت‌ها به آزمایشگاه‌های پیشرفته، شرکت‌های دارویی، و حتی صنعت انرژی رساند.
🧪در این ویدیو می‌بینیم چگونه دانشمندان و کارآفرینانی که روزی به‌خاطر فروش گوجه‌فرنگی مقاوم به فاسد شدن شکست خوردند، امروز پایه‌گذاران عصری هستند که DNA را مانند کدهای نرم‌افزاری بازنویسی می‌کنند.
🌍ماجرای مهندسی ژنتیک، فقط درباره‌ی غذا نیست؛ این داستان درباره‌ی نحوه‌ی بازتعریف طبیعت به‌دست انسان است—از داروهای نوین گرفته تا باکتری‌هایی که آلودگی محیط را می‌خورند.
🎥برای تماشای این داستان شگفت‌انگیز، لینک زیر را از دست ندهید:
📎 مشاهده ویدیو در یوتوب
گردآورنده: یاسمین آشتیانی
🔗Telegram
❤🔥4
همراهان گرامی شاخه‌ی دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران، با آرزوی سلامتی برای شما و خانواده‌های محترمتان و به امید روزها و آینده‌ای روشن برای ایران عزیزمان، انجمن به زودی فعالیت‌های خود را از سر خواهد گرفت.
با تشکر از همراهی همیشگی شما عزیزان. 🙏
Telegram | LinkedIn | Instagram
با تشکر از همراهی همیشگی شما عزیزان. 🙏
Telegram | LinkedIn | Instagram
Telegram
RSG - Iran
Regional Student Group of ISCB.
ارتباط با ادمین:
@RSG_Iran
Contact Us:
http://yek.link/ISCB-RSGIran
گروه تلگرام انجمن:
https://www.tgoop.com/RSGIrancommunity
ارتباط با ادمین:
@RSG_Iran
Contact Us:
http://yek.link/ISCB-RSGIran
گروه تلگرام انجمن:
https://www.tgoop.com/RSGIrancommunity
❤30👍4🔥2😍2❤🔥1
♦دومین رویداد CB Insight
از سری برنامه‌های آموزشی شاخه دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران
🔺CB Insight
این سلسله رویدادهای آموزشی در حوزه‌ی بیوانفورماتیک است که با هدف تسهیل درک و به‌کارگیری ابزارها و مفاهیم پیشرفته در این حوزه طراحی شده است. در این سلسله رویداد های آموزشی، تلاش می‌شود تا ابزارهای بیوانفورماتیکی، الگوریتم‌های تحلیلی و رویکردهای محاسباتی مرتبط با زیست‌داده‌ها به شیوه‌ای کاربردی، دقیق و در عین حال قابل فهم برای دانشجویان و پژوهشگران ارائه شوند.
🔻این رویداد تنها محدود به معرفی ابزارها نیست؛ بلکه بستری برای بررسی عمیق‌تر سازوکارها، تحلیل الگوریتم‌ها و درک مفاهیم بنیادی در بیوانفورماتیک فراهم می‌سازد.
🔺در این ارائه به معرفی شبکه‌های عصبی می‌پردازیم و معماری اصلی پشت مدل‌های زبانی بزرگ مانند ChatGPT، توضیح داده می شود. که هدف از این رویداد، فراهم کردن درک پایه‌ای از این مدل‌ها برای کاربران می باشد.
🗓زمان برگزاری: چهارشنبه ۹ مهر ماه ۱۴۰۴
⏰ساعت برگزاری: ۱۷:۳۰ به وقت ایران
🪩ثبت‌نام از طریق لینک
Telegram | LinkedIn | Instagram
از سری برنامه‌های آموزشی شاخه دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران
🔺CB Insight
این سلسله رویدادهای آموزشی در حوزه‌ی بیوانفورماتیک است که با هدف تسهیل درک و به‌کارگیری ابزارها و مفاهیم پیشرفته در این حوزه طراحی شده است. در این سلسله رویداد های آموزشی، تلاش می‌شود تا ابزارهای بیوانفورماتیکی، الگوریتم‌های تحلیلی و رویکردهای محاسباتی مرتبط با زیست‌داده‌ها به شیوه‌ای کاربردی، دقیق و در عین حال قابل فهم برای دانشجویان و پژوهشگران ارائه شوند.
🔻این رویداد تنها محدود به معرفی ابزارها نیست؛ بلکه بستری برای بررسی عمیق‌تر سازوکارها، تحلیل الگوریتم‌ها و درک مفاهیم بنیادی در بیوانفورماتیک فراهم می‌سازد.
🔺در این ارائه به معرفی شبکه‌های عصبی می‌پردازیم و معماری اصلی پشت مدل‌های زبانی بزرگ مانند ChatGPT، توضیح داده می شود. که هدف از این رویداد، فراهم کردن درک پایه‌ای از این مدل‌ها برای کاربران می باشد.
🗓زمان برگزاری: چهارشنبه ۹ مهر ماه ۱۴۰۴
⏰ساعت برگزاری: ۱۷:۳۰ به وقت ایران
🪩ثبت‌نام از طریق لینک
Telegram | LinkedIn | Instagram
❤7🔥3
✨ معرفی سخنران
سوفیان بوردین دانشجوی دکترای پزشکی مولکولی با گرایش بیوانفورماتیک در دانشگاه لاوال و عضو آزمایشگاه دکتر آرنو دروا است. پژوهش او در مرز میان هوش مصنوعی و آسیب‌شناسی دیجیتال، با تمرکز بر مدل‌سازی پیشرفت سرطان پروستات قرار دارد.
از جمله دستاوردهای ایشان می‌توان به توسعه پایپلاین‌های بازتولیدپذیر برای داده‌های RNA-seq توسط ابزاری به نام RnaXtract اشاره کرد که تمام مراحل، از کنترل کیفیت تا تعیین میزان بیان ژن، شناسایی تغییرات ژنتیکی و تفکیک انواع سلولی را پوشش می‌دهد. همچنین ایشان در ساخت ابزار BioDiscViz برای تحلیل بصری داده‌های BioDiscML مشارکت داشته‌اند که به محققان کمک می‌کند نشانگرهای زیستی قابل اعتماد را شناسایی کنند و مدل‌های مختلف را با هم مقایسه کنند.
به طور کلی، علاقه‌مندی‌های پژوهشی ایشان شامل ارزیابی دقیق مدل‌های یادگیری ماشین، کاربرد آنها در محیط‌های بالینی و یکپارچه‌سازی داده‌های مختلف زیستی برای دستیابی به نتایج قابل استفاده در درمان بیماران است.
🗓زمان برگزاری: چهارشنبه ۹ مهر ماه ۱۴۰۴
⏰ساعت برگزاری: ۱۷:۳۰ به وقت ایران
🪩ثبت‌نام از طریق لینک
Telegram | LinkedIn | Instagram
سوفیان بوردین دانشجوی دکترای پزشکی مولکولی با گرایش بیوانفورماتیک در دانشگاه لاوال و عضو آزمایشگاه دکتر آرنو دروا است. پژوهش او در مرز میان هوش مصنوعی و آسیب‌شناسی دیجیتال، با تمرکز بر مدل‌سازی پیشرفت سرطان پروستات قرار دارد.
از جمله دستاوردهای ایشان می‌توان به توسعه پایپلاین‌های بازتولیدپذیر برای داده‌های RNA-seq توسط ابزاری به نام RnaXtract اشاره کرد که تمام مراحل، از کنترل کیفیت تا تعیین میزان بیان ژن، شناسایی تغییرات ژنتیکی و تفکیک انواع سلولی را پوشش می‌دهد. همچنین ایشان در ساخت ابزار BioDiscViz برای تحلیل بصری داده‌های BioDiscML مشارکت داشته‌اند که به محققان کمک می‌کند نشانگرهای زیستی قابل اعتماد را شناسایی کنند و مدل‌های مختلف را با هم مقایسه کنند.
به طور کلی، علاقه‌مندی‌های پژوهشی ایشان شامل ارزیابی دقیق مدل‌های یادگیری ماشین، کاربرد آنها در محیط‌های بالینی و یکپارچه‌سازی داده‌های مختلف زیستی برای دستیابی به نتایج قابل استفاده در درمان بیماران است.
🗓زمان برگزاری: چهارشنبه ۹ مهر ماه ۱۴۰۴
⏰ساعت برگزاری: ۱۷:۳۰ به وقت ایران
🪩ثبت‌نام از طریق لینک
Telegram | LinkedIn | Instagram
❤🔥9❤2🔥2👍1
RSG - Iran
✨ معرفی سخنران سوفیان بوردین دانشجوی دکترای پزشکی مولکولی با گرایش بیوانفورماتیک در دانشگاه لاوال و عضو آزمایشگاه دکتر آرنو دروا است. پژوهش او در مرز میان هوش مصنوعی و آسیب‌شناسی دیجیتال، با تمرکز بر مدل‌سازی پیشرفت سرطان پروستات قرار دارد. از جمله دستاوردهای…
♦دومین رویداد CB Insight
از سری برنامه‌های آموزشی شاخه دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران
یادگیری نظارت شده و یادگیری بدون نظارت در یادگیری ماشین
یادگیری نظارت‌شده و یادگیری بدون نظارت دو مسیر اصلی در هوش مصنوعی‌اند که بیشترِ مسئله‌ها را پوشش می‌دهند. در یادگیری نظارت‌شده، داده‌ها «برچسب» دارند؛ یعنی برای هر نمونه می‌دانیم جواب درست چیست. مدل با دیدن مثال‌های درست و غلط، الگو را یاد می‌گیرد تا برای نمونه‌های جدید هم پیش‌بینی کند. اگر جوابِ موردنظر یک دسته باشد، می‌شود مسئلهٔ «دسته‌بندی»؛ مثل اینکه با دیدن پروفایل بیان ژن از قبل برچسب‌خوردهٔ بیماران، مدل تشخیص بدهد تومور از چه تیپی است. اگر جواب یک عدد پیوسته باشد، می‌شود «رگرسیون»؛ مثلاً پیش‌بینی سطح بیان یک ژن هدف بر اساس سیگنال‌های تنظیمی یا حدِ پاسخ دارویی سلول‌ها بر اساس ویژگی‌های مولکولی‌شان. مزیتِ این رویکرد این است که مستقیم می‌رویم سراغ همان چیزی که برایمان مهم است و می‌توانیم با معیارهایی مثل دقت، یادآوری یا AUC کیفیت مدل را بسنجیم؛ اما نقطه‌ضعفش این است که به برچسبِ معتبر و کافی نیاز دارد و در علوم زیستی معمولاً برچسب‌گذاری هم گران است و هم همیشه دقیق نیست.
در مقابل، یادگیری بدون نظارت وقتی به کار می‌آید که برچسبی نداریم و می‌خواهیم ساختار پنهانِ داده را کشف کنیم. اینجا مدل سعی می‌کند نمونه‌های شبیه به هم را کنار هم بگذارد یا ابعاد زیاد داده را طوری کوچک کند که الگوها قابل‌دیدن شوند. «خوشه‌بندی» مثل k-means یا خوشه‌بندی سلسله‌مراتبی کمک می‌کند گروه‌های طبیعی در داده را پیدا کنیم، و «کاهش ابعاد» مثل PCA، t-SNE یا UMAP کمک می‌کند از میان هزاران ویژگی، نمایش کم‌بُعد و قابل‌تفسیر بسازیم. خوبیِ این روش‌ها این است که می‌توانند الگوهای غیرمنتظره را رو کنند و نیازی به برچسب ندارند؛ اما چون «جواب درست»ی برای مقایسه نداریم، ارزیابی‌شان بیشتر با معیارهای درونی و تفسیر زیستی انجام می‌شود و باید حواسمان به نویز و «اثر بچ» هم باشد.
در بیوانفورماتیک، هر دو خانواده واقعاً ضروری‌اند و معمولاً کنار هم استفاده می‌شوند. فرض کنید دادهٔ RNA-seq تک‌سلولی دارید: اول با روش‌های بدون نظارت ابعاد را کم می‌کنید و سلول‌ها را خوشه‌بندی می‌کنید تا «انواع سلولی» یا «حالت‌های گذرا» را پیدا کنید؛ بعد اگر برای بخشی از سلول‌ها برچسبِ نوع یا وضعیت دارید، با یادگیری نظارت‌شده مدلی می‌سازید که سلول‌های جدید را به‌سرعت و با دقت همان‌جا برچسب بزند.
🗓زمان برگزاری: چهارشنبه ۹ مهر ماه ۱۴۰۴
⏰ساعت برگزاری: ۱۷:۳۰ به وقت ایران
🪩ثبت‌نام از طریق لینک
Telegram | LinkedIn | Instagram
از سری برنامه‌های آموزشی شاخه دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران
یادگیری نظارت شده و یادگیری بدون نظارت در یادگیری ماشین
یادگیری نظارت‌شده و یادگیری بدون نظارت دو مسیر اصلی در هوش مصنوعی‌اند که بیشترِ مسئله‌ها را پوشش می‌دهند. در یادگیری نظارت‌شده، داده‌ها «برچسب» دارند؛ یعنی برای هر نمونه می‌دانیم جواب درست چیست. مدل با دیدن مثال‌های درست و غلط، الگو را یاد می‌گیرد تا برای نمونه‌های جدید هم پیش‌بینی کند. اگر جوابِ موردنظر یک دسته باشد، می‌شود مسئلهٔ «دسته‌بندی»؛ مثل اینکه با دیدن پروفایل بیان ژن از قبل برچسب‌خوردهٔ بیماران، مدل تشخیص بدهد تومور از چه تیپی است. اگر جواب یک عدد پیوسته باشد، می‌شود «رگرسیون»؛ مثلاً پیش‌بینی سطح بیان یک ژن هدف بر اساس سیگنال‌های تنظیمی یا حدِ پاسخ دارویی سلول‌ها بر اساس ویژگی‌های مولکولی‌شان. مزیتِ این رویکرد این است که مستقیم می‌رویم سراغ همان چیزی که برایمان مهم است و می‌توانیم با معیارهایی مثل دقت، یادآوری یا AUC کیفیت مدل را بسنجیم؛ اما نقطه‌ضعفش این است که به برچسبِ معتبر و کافی نیاز دارد و در علوم زیستی معمولاً برچسب‌گذاری هم گران است و هم همیشه دقیق نیست.
در مقابل، یادگیری بدون نظارت وقتی به کار می‌آید که برچسبی نداریم و می‌خواهیم ساختار پنهانِ داده را کشف کنیم. اینجا مدل سعی می‌کند نمونه‌های شبیه به هم را کنار هم بگذارد یا ابعاد زیاد داده را طوری کوچک کند که الگوها قابل‌دیدن شوند. «خوشه‌بندی» مثل k-means یا خوشه‌بندی سلسله‌مراتبی کمک می‌کند گروه‌های طبیعی در داده را پیدا کنیم، و «کاهش ابعاد» مثل PCA، t-SNE یا UMAP کمک می‌کند از میان هزاران ویژگی، نمایش کم‌بُعد و قابل‌تفسیر بسازیم. خوبیِ این روش‌ها این است که می‌توانند الگوهای غیرمنتظره را رو کنند و نیازی به برچسب ندارند؛ اما چون «جواب درست»ی برای مقایسه نداریم، ارزیابی‌شان بیشتر با معیارهای درونی و تفسیر زیستی انجام می‌شود و باید حواسمان به نویز و «اثر بچ» هم باشد.
در بیوانفورماتیک، هر دو خانواده واقعاً ضروری‌اند و معمولاً کنار هم استفاده می‌شوند. فرض کنید دادهٔ RNA-seq تک‌سلولی دارید: اول با روش‌های بدون نظارت ابعاد را کم می‌کنید و سلول‌ها را خوشه‌بندی می‌کنید تا «انواع سلولی» یا «حالت‌های گذرا» را پیدا کنید؛ بعد اگر برای بخشی از سلول‌ها برچسبِ نوع یا وضعیت دارید، با یادگیری نظارت‌شده مدلی می‌سازید که سلول‌های جدید را به‌سرعت و با دقت همان‌جا برچسب بزند.
🗓زمان برگزاری: چهارشنبه ۹ مهر ماه ۱۴۰۴
⏰ساعت برگزاری: ۱۷:۳۰ به وقت ایران
🪩ثبت‌نام از طریق لینک
Telegram | LinkedIn | Instagram
Google Docs
RSG IRAN Event - Scientific Session with Sophiane Bouirdene
Event Timing: October 1, 2025 · 5:30 PM IRST
Format: Online session
Format: Online session
❤12
RSG - Iran
♦دومین رویداد CB Insight از سری برنامه‌های آموزشی شاخه دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران 🔺CB Insight این سلسله رویدادهای آموزشی در حوزه‌ی بیوانفورماتیک است که با هدف تسهیل درک و به‌کارگیری ابزارها و مفاهیم پیشرفته در این حوزه طراحی شده…
♦دومین رویداد CB Insight
از سری برنامه‌های آموزشی شاخه دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران
الگوریتم K-Nearest Neighbors که به اختصار KNN هم نامیده می‌شود، یکی از ساده‌ترین و درعین‌حال قدرتمندترین الگوریتم‌ها در حوزه یادگیری ماشین است. این الگوریتم جزو دسته "یادگیری نظارت شده" قرار می‌گیرد، یعنی برای یادگیری نیاز به داده‌های تاریخی دارای برچسب (Labeled Data) دارد. فلسفه اصلی پشت KNN بسیار شهودی و شبیه به یک ضرب‌المثل قدیمی است: "تو اول بگو با کیان زیستی که آنگه بگویم که تو کیستی".
در واقع، KNN فرض می‌کند که نمونه‌های داده‌ای مشابه، در فضای ویژگی‌ها نزدیک به هم قرار می‌گیرند. وقتی می‌خواهیم یک داده جدید و ناشناخته را دسته‌بندی (Classification) یا پیش‌بینی (Regression) کنیم، این الگوریتم به سادگی به همسایگی آن داده در فضای ویژگی‌ها نگاه می‌کند. K یا تعداد همسایگان نزدیک را ما از قبل مشخص می‌کنیم. سپس الگوریتم K نمونه‌ای که از نظر ریاضی (مثلاً با استفاده از فاصله اقلیدسی) به داده جدید نزدیک‌تر هستند را پیدا می‌کند. در نهایت، برای دسته‌بندی، داده جدید به کلاسی تعلق می‌گیرد که اکثریت این K همسایه در آن قرار دارند. برای پیش‌بینی مقادیر عددی نیز میانگین مقادیر آن همسایگان به عنوان نتیجه در نظر گرفته می‌شود.
یکی از رایج‌ترین کاربردها، تحلیل داده‌های امیکس (Omics) مانند ترنسکریپتومیکس است. فرض کنید داده‌ای از بیان هزاران ژن در نمونه‌های بافت بیماران داریم. برخی از این نمونه‌ها به تومور سرطانی نوع A و برخی به نوع B تعلق دارند. حالا یک نمونه بافت جدید با پروفایل بیان ژن ناشناخته داریم. با استفاده از KNN می‌توانیم این نمونه جدید را بر اساس شباهت پروفایل بیان ژن‌هایش به نمونه‌های آموزشی، در یکی از گروه‌های سرطانی (یا حتی سالم) طبقه‌بندی کنیم. این کار به تشخیص زیرگونه‌های مختلف سرطان و انتخاب روش درمانی مناسب کمک شایانی می‌کند.
🗓زمان برگزاری: چهارشنبه ۹ مهر ماه ۱۴۰۴
⏰ساعت برگزاری: ۱۷:۳۰ به وقت ایران
🪩ثبت‌نام از طریق لینک
Telegram | LinkedIn | Instagram
از سری برنامه‌های آموزشی شاخه دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران
الگوریتم K-Nearest Neighbors که به اختصار KNN هم نامیده می‌شود، یکی از ساده‌ترین و درعین‌حال قدرتمندترین الگوریتم‌ها در حوزه یادگیری ماشین است. این الگوریتم جزو دسته "یادگیری نظارت شده" قرار می‌گیرد، یعنی برای یادگیری نیاز به داده‌های تاریخی دارای برچسب (Labeled Data) دارد. فلسفه اصلی پشت KNN بسیار شهودی و شبیه به یک ضرب‌المثل قدیمی است: "تو اول بگو با کیان زیستی که آنگه بگویم که تو کیستی".
در واقع، KNN فرض می‌کند که نمونه‌های داده‌ای مشابه، در فضای ویژگی‌ها نزدیک به هم قرار می‌گیرند. وقتی می‌خواهیم یک داده جدید و ناشناخته را دسته‌بندی (Classification) یا پیش‌بینی (Regression) کنیم، این الگوریتم به سادگی به همسایگی آن داده در فضای ویژگی‌ها نگاه می‌کند. K یا تعداد همسایگان نزدیک را ما از قبل مشخص می‌کنیم. سپس الگوریتم K نمونه‌ای که از نظر ریاضی (مثلاً با استفاده از فاصله اقلیدسی) به داده جدید نزدیک‌تر هستند را پیدا می‌کند. در نهایت، برای دسته‌بندی، داده جدید به کلاسی تعلق می‌گیرد که اکثریت این K همسایه در آن قرار دارند. برای پیش‌بینی مقادیر عددی نیز میانگین مقادیر آن همسایگان به عنوان نتیجه در نظر گرفته می‌شود.
یکی از رایج‌ترین کاربردها، تحلیل داده‌های امیکس (Omics) مانند ترنسکریپتومیکس است. فرض کنید داده‌ای از بیان هزاران ژن در نمونه‌های بافت بیماران داریم. برخی از این نمونه‌ها به تومور سرطانی نوع A و برخی به نوع B تعلق دارند. حالا یک نمونه بافت جدید با پروفایل بیان ژن ناشناخته داریم. با استفاده از KNN می‌توانیم این نمونه جدید را بر اساس شباهت پروفایل بیان ژن‌هایش به نمونه‌های آموزشی، در یکی از گروه‌های سرطانی (یا حتی سالم) طبقه‌بندی کنیم. این کار به تشخیص زیرگونه‌های مختلف سرطان و انتخاب روش درمانی مناسب کمک شایانی می‌کند.
🗓زمان برگزاری: چهارشنبه ۹ مهر ماه ۱۴۰۴
⏰ساعت برگزاری: ۱۷:۳۰ به وقت ایران
🪩ثبت‌نام از طریق لینک
Telegram | LinkedIn | Instagram
Google Docs
RSG IRAN Event - Scientific Session with Sophiane Bouirdene
Event Timing: October 1, 2025 · 5:30 PM IRST
Format: Online session
Format: Online session
❤6🔥1
RSG - Iran
♦دومین رویداد CB Insight از سری برنامه‌های آموزشی شاخه دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران 🔺CB Insight این سلسله رویدادهای آموزشی در حوزه‌ی بیوانفورماتیک است که با هدف تسهیل درک و به‌کارگیری ابزارها و مفاهیم پیشرفته در این حوزه طراحی شده…
🔸 امروز ساعت ۱۷:۳۰ به وقت ایران دومین رویداد CB Insight انجمن زیست شناسی محاسباتی شاخه‌ی دانشجویی ایران برگزار می گردد. لینک ورود به جلسه برای ثبت نام کنندگان گرامی ایمیل می شود. در صورت عدم دریافت لینک ورود جای نگرانی نیست، لینک ورود در ساعت برگزاری رویداد داخل کانال انجمن قرار خواهد گرفت.
Telegram | LinkedIn | Instagram
Telegram | LinkedIn | Instagram
Telegram
RSG - Iran
Regional Student Group of ISCB.
ارتباط با ادمین:
@RSG_Iran
Contact Us:
http://yek.link/ISCB-RSGIran
گروه تلگرام انجمن:
https://www.tgoop.com/RSGIrancommunity
ارتباط با ادمین:
@RSG_Iran
Contact Us:
http://yek.link/ISCB-RSGIran
گروه تلگرام انجمن:
https://www.tgoop.com/RSGIrancommunity
❤6
RSG - Iran
🔸 امروز ساعت ۱۷:۳۰ به وقت ایران دومین رویداد CB Insight انجمن زیست شناسی محاسباتی شاخه‌ی دانشجویی ایران برگزار می گردد. لینک ورود به جلسه برای ثبت نام کنندگان گرامی ایمیل می شود. در صورت عدم دریافت لینک ورود جای نگرانی نیست، لینک ورود در ساعت برگزاری رویداد…
لینک ورود به دومین رویداد CB Insight انجمن جهانی زیست شناسی محاسباتی شاخه دانشجویی ایران 👇👇👇
https://vc.sharif.edu/sharifi
برای ورود از طریق گزینه‌ی میهمان اقدام کنید.
https://vc.sharif.edu/sharifi
برای ورود از طریق گزینه‌ی میهمان اقدام کنید.
❤6
🛡چگونه سیستم ایمنی، خودمان را نمی‌کشد؟ پاسخ این سوال، جایزهٔ نوبل فیزیولوژی و پزشکی ۲۰۲۵ را گرفت!
🌟سیستم ایمنی یک شاهکار تکاملی است که از ما در برابر عوامل بیماری‌زا محافظت می‌کند. یکی از شگفت‌انگیزترین توانایی‌های آن، تشخیص دقیق عوامل بیماری‌زا از سلول‌های خودی بدن است. این کار بسیار دشوار است؛ زیرا میکروب‌ها ظاهر ثابتی ندارند و بسیاری از آنها برای استتار، خود را شبیه سلول‌های انسانی کرده‌اند.
❗️محققان تصور می‌کردند که تحمل ایمنی مرکزی (فرآیندی که طی آن سلول‌های ایمنی در اندام‌هایی مانند تیموس آموزش می‌بینند) پاسخی کامل است؛ اما، سیستم ایمنی بسیار پیچیده‌تر بود.
✅مری برانکو، فرد رمسدل و شیمون ساکاگوچی با کشف خود در مورد تحمل ایمنی محیطی (Peripheral Immune Tolerance)، این معما را حل کردند.
💫آنها سلول‌های T تنظیم‌کننده (Regulatory T cells یا Tregs) را شناسایی کردند که در واقع نقش نیروهای امنیتی و کنترل‌کننده سیستم ایمنی را ایفا می‌کنند؛ یعنی در سراسر بافت‌ها و خون بدن، جلوی سلول‌های ایمنی مهاجم را می‌گیرند تا به اشتباه به بافت‌های خودی حمله نکنند.
مطالعهٔ بیشتر
https://www.nobelprize.org/prizes/medicine/2025/popular-information/
🔗Telegram
🔗LinkedIn
🔗Instagram
🌟سیستم ایمنی یک شاهکار تکاملی است که از ما در برابر عوامل بیماری‌زا محافظت می‌کند. یکی از شگفت‌انگیزترین توانایی‌های آن، تشخیص دقیق عوامل بیماری‌زا از سلول‌های خودی بدن است. این کار بسیار دشوار است؛ زیرا میکروب‌ها ظاهر ثابتی ندارند و بسیاری از آنها برای استتار، خود را شبیه سلول‌های انسانی کرده‌اند.
❗️محققان تصور می‌کردند که تحمل ایمنی مرکزی (فرآیندی که طی آن سلول‌های ایمنی در اندام‌هایی مانند تیموس آموزش می‌بینند) پاسخی کامل است؛ اما، سیستم ایمنی بسیار پیچیده‌تر بود.
✅مری برانکو، فرد رمسدل و شیمون ساکاگوچی با کشف خود در مورد تحمل ایمنی محیطی (Peripheral Immune Tolerance)، این معما را حل کردند.
💫آنها سلول‌های T تنظیم‌کننده (Regulatory T cells یا Tregs) را شناسایی کردند که در واقع نقش نیروهای امنیتی و کنترل‌کننده سیستم ایمنی را ایفا می‌کنند؛ یعنی در سراسر بافت‌ها و خون بدن، جلوی سلول‌های ایمنی مهاجم را می‌گیرند تا به اشتباه به بافت‌های خودی حمله نکنند.
مطالعهٔ بیشتر
https://www.nobelprize.org/prizes/medicine/2025/popular-information/
🔗Telegram
NobelPrize.org
Nobel Prize in Physiology or Medicine 2025
The Nobel Prize in Physiology or Medicine 2025 was awarded jointly to Mary E. Brunkow, Frederick J. Ramsdell and Shimon Sakaguchi "for their discoveries concerning peripheral immune tolerance"
❤9❤🔥3👍2