🟢 First CB Code Roundtable 🟢
➕ شاخه‌ی دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران با همکاری پلتفرم آنلیم، آبان ماه ۱۴۰۳ مسابقه CB Code را با هدف تمرین برنامه‌نویسی و استفاده کاربردی از اطلاعات زیست‌شناسی برای علاقمندان و فعالان حوزه زیست محاسباتی برگزار کرد.
➕ هدف اصلی برگزاری این مسابقات، افزایش شور و نشاط در بدنه دانشجویان ایران، و آشنایی بیشتر افراد و علاقه‌مندان حوزه مهندسی و زیست‌شناسی است.
➕ به همین منظور، دهم فروردین ماه جلسه‌ای برای بررسی سوالات و سبک مسابقه CB Code به‌صورت آنلاین برگزار خواهد شد.
🔗 لینک ثبت‌نام در این رویداد به زودی در همین کانال منتشر خواهد شد.
➕ شاخه‌ی دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران با همکاری پلتفرم آنلیم، آبان ماه ۱۴۰۳ مسابقه CB Code را با هدف تمرین برنامه‌نویسی و استفاده کاربردی از اطلاعات زیست‌شناسی برای علاقمندان و فعالان حوزه زیست محاسباتی برگزار کرد.
➕ هدف اصلی برگزاری این مسابقات، افزایش شور و نشاط در بدنه دانشجویان ایران، و آشنایی بیشتر افراد و علاقه‌مندان حوزه مهندسی و زیست‌شناسی است.
➕ به همین منظور، دهم فروردین ماه جلسه‌ای برای بررسی سوالات و سبک مسابقه CB Code به‌صورت آنلاین برگزار خواهد شد.
🔗 لینک ثبت‌نام در این رویداد به زودی در همین کانال منتشر خواهد شد.
🔥9❤4👍1
برای شرکت در نشست بررسی سوالات اولین سری مسابقه CB Codeمی‌توانید از طریق لینک درج شده به‌صورت مهمان وارد این نشست شوید.
🔗 شرکت به‌صورت مهمان
Telegram | LinkedIn | Instagram
🔗 شرکت به‌صورت مهمان
Telegram | LinkedIn | Instagram
❤3
This media is not supported in your browser
VIEW IN TELEGRAM
🌀بررسی سوالات اولین سری مسابقه CB Code
💻قسمتی از ارائه بخش کدنویسی از نشست بررسی سوالات اولین سری مسابقه CB Code
🔹برای ورود به صورت مهمان کلیک کنید
Telegram | LinkedIn | Instagram
💻قسمتی از ارائه بخش کدنویسی از نشست بررسی سوالات اولین سری مسابقه CB Code
🔹برای ورود به صورت مهمان کلیک کنید
Telegram | LinkedIn | Instagram
❤4🔥2👍1
🧪 Computational Pharmacology, Drug Discovery & Toxicology
🔹 حوزه داروشناسی محاسباتی، علوم کامپیوتر، شیمی و زیست‌شناسی را برای تسریع کشف دارو و ارزیابی سمیت ادغام می‌کند. این رویکرد بین‌رشته‌ای از یادگیری ماشین و سایر روش‌های محاسباتی برای تجزیه و تحلیل مجموعه‌داده‌های وسیع اطلاعات شیمیایی و بیولوژیکی استفاده می‌کند.
🔹 این روش‌ها، از جمله یادگیری ماشین (ML)، یادگیری عمیق (DL) و رابطه کمی ساختار-فعالیت (QSAR)، اثربخشی و سمیت دارو را با شناسایی الگوها در ساختارهای مولکولی و فعالیت‌های بیولوژیکی پیش‌بینی می‌کنند. پیش‌بینی زودهنگام سمیت یک کاربرد کلیدی است که محققان را قادر می‌سازد تا ترکیبات مضر را در مراحل اولیه توسعه حذف کنند.
🔹 پایگاه‌های داده‌ای مانند TOXRIC و ابزارهای مبتنی بر وبِ مختلف، دسترسی به داده‌های سم‌شناسی گسترده را فراهم می‌کنند و از توسعه مدل‌های پیش‌بینی دقیق و تصمیم‌گیری آگاهانه در کشف دارو پشتیبانی می‌کنند.
🔹 از جمله پایگاه داده‌هایی که به طور گسترده در داروشناسی محاسباتی برای کشف دارو و سم‌شناسی استفاده می‌شوند:
📎پایگاه داده‌ی TOXRIC؛ یک پایگاه داده جامع حاوی داده‌های سم‌شناسی برای بیش از ۱۱۳۰۰۰ ترکیب در ۱۳ دسته سمیت و ۱۴۷۴ نقطه پایانی، از جمله ابزارهای تجسم و معیارهای معیار
📎پایگاه داده‌ی DrugBank؛ یک پایگاه داده شناخته شده جهانی با اطلاعات دقیق در مورد داروها، اهداف آنها، خواص دارویی و مکانیسم‌های عمل
📎وب‌سایت NCATS Inxight: Drugs؛ ارائه داده‌های تنظیم‌شده در مورد داروهای تجویزی تایید شده در ایالات متحده، مداخلات تحقیقاتی و داروهای عرضه شده در سطح جهانی، از جمله اطلاعات دقیق در مورد اهداف مولکولی، داروشناسی، بیماری‌های درمان شده و کاربردهای خارج از دستور،
📎 بانک اطلاعات پروتئین (PDB)؛ که بیش از ۸۱۰۰۰ ساختار پروتئینی تعیین شده از طریق کریستالوگرافی اشعه ایکس یا طیف سنجی NMR را در خود جای داده است، که برای پروژه‌های طراحی دارو مبتنی بر ساختار ضروری است.
🔗 Telegram
🔗 LinkedIn
🔗 Instagram
🔹 حوزه داروشناسی محاسباتی، علوم کامپیوتر، شیمی و زیست‌شناسی را برای تسریع کشف دارو و ارزیابی سمیت ادغام می‌کند. این رویکرد بین‌رشته‌ای از یادگیری ماشین و سایر روش‌های محاسباتی برای تجزیه و تحلیل مجموعه‌داده‌های وسیع اطلاعات شیمیایی و بیولوژیکی استفاده می‌کند.
🔹 این روش‌ها، از جمله یادگیری ماشین (ML)، یادگیری عمیق (DL) و رابطه کمی ساختار-فعالیت (QSAR)، اثربخشی و سمیت دارو را با شناسایی الگوها در ساختارهای مولکولی و فعالیت‌های بیولوژیکی پیش‌بینی می‌کنند. پیش‌بینی زودهنگام سمیت یک کاربرد کلیدی است که محققان را قادر می‌سازد تا ترکیبات مضر را در مراحل اولیه توسعه حذف کنند.
🔹 پایگاه‌های داده‌ای مانند TOXRIC و ابزارهای مبتنی بر وبِ مختلف، دسترسی به داده‌های سم‌شناسی گسترده را فراهم می‌کنند و از توسعه مدل‌های پیش‌بینی دقیق و تصمیم‌گیری آگاهانه در کشف دارو پشتیبانی می‌کنند.
🔹 از جمله پایگاه داده‌هایی که به طور گسترده در داروشناسی محاسباتی برای کشف دارو و سم‌شناسی استفاده می‌شوند:
📎پایگاه داده‌ی TOXRIC؛ یک پایگاه داده جامع حاوی داده‌های سم‌شناسی برای بیش از ۱۱۳۰۰۰ ترکیب در ۱۳ دسته سمیت و ۱۴۷۴ نقطه پایانی، از جمله ابزارهای تجسم و معیارهای معیار
📎پایگاه داده‌ی DrugBank؛ یک پایگاه داده شناخته شده جهانی با اطلاعات دقیق در مورد داروها، اهداف آنها، خواص دارویی و مکانیسم‌های عمل
📎وب‌سایت NCATS Inxight: Drugs؛ ارائه داده‌های تنظیم‌شده در مورد داروهای تجویزی تایید شده در ایالات متحده، مداخلات تحقیقاتی و داروهای عرضه شده در سطح جهانی، از جمله اطلاعات دقیق در مورد اهداف مولکولی، داروشناسی، بیماری‌های درمان شده و کاربردهای خارج از دستور،
📎 بانک اطلاعات پروتئین (PDB)؛ که بیش از ۸۱۰۰۰ ساختار پروتئینی تعیین شده از طریق کریستالوگرافی اشعه ایکس یا طیف سنجی NMR را در خود جای داده است، که برای پروژه‌های طراحی دارو مبتنی بر ساختار ضروری است.
🔗 Telegram
❤8