📌 پیشبرد شبیه‌سازی بیومولکولی و محاسبات کوانتومی

🔬 شبیه‌سازی زیست‌مولکولی، در محل تلاقی زیست‌شناسی، شیمی، فیزیک و علوم محاسباتی قرار دارد و نظرات متفاوتی در مورد اتم‌ها و برهم‌کنش مولکول‌هایی که زیربنای خود حیات هستند، ارائه می‌کند. 

📈 پیشرفت‌ها در هوش مصنوعی (AI)، با ارائه مدل‌های نمایش قدرتمندی که می‌توانند نتایج را به دقت پیش‌بینی کنند، شبیه‌سازی‌های زیست‌مولکولی را به‌طور قابل‌توجهی افزایش داده‌است. انتظار می‌رود ظهور محاسبات کوانتومی شبیه‌سازی‌های زیست‌مولکولی را متحول کند؛ اگرچه کاربردهای عملی فعلی، ممکن است به توسعه بیش‌تر نیاز داشته باشد.

✅ ادغام تکنیک‌های محاسباتی کوانتومی و کلاسیک، پتانسیل مطالعه کارآمد سیستم‌های بزرگ‌تر را نشان می‌دهد. آینده محاسبات کوانتومی در شبیه‌سازی‌های زیست‌مولکولی بر پیشرفت‌های سخت‌افزاری، توسعه نرم‌افزار و برنامه‌های کاربردی تاثیرگذار خواهد بود.

💡 اطلاعات بیشتر

📝 سهیلا سلحشورفرد

「#بیوانفورماتیک #زیست‌مولکولی #محاسبات_کوانتومی #خبر」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🔖 پیش‌بینی بیماری‌های مزمن، با استفاده از الگوریتم ماشین لرنینگ

⬅️ ژورنال: Journal of Electrical Systems and Information Technology

🗓 سال انتشار: 2024

「#بیوانفورماتیک #Machine_learning #مزمن」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

⬅ داده‌های بزرگ، بینش‌های بزرگ‌تر
پارت۲

💡 در عصر اطلاعات و پیشرفت فناوری، شبکه‌های عصبی با استفاده از بیوانفورماتیک، نقش بسیار مهمی در تحلیل و پردازش داده‌های بیولوژیکی پیچیده، از محاسبات عمیق تا تحلیل چند اُمیکسی، ایفا می‌کنند.

💊 در حوزه کشف دارو، شبکه‌های عصبی برای پیش‌بینی ساختارهای پروتئینی و تعاملات دارویی به‌کار می‌روند. به‌عنوان نمونه، مدل "AlphaFold"، توانسته است با دقت بسیار بالا، ساختار سه‌بعدی پروتئین‌ها را پیش‌بینی کند.

❗️شبکه‌های عصبی در تحلیل پرونده‌های الکترونیکی پزشکی (EHR) نیز مؤثر هستند. این مدل‌ها قادرند داده‌های ساختارنیافته‌ی سوابق پزشکی، از جمله یادداشت‌های پزشکان، را پردازش کرده و الگوهای خطر را شناسایی کنند، که در پیش‌بینی نتایج بالینی و مدیریت درمان بیماران نقش مهمی دارد.

⌛ تحلیل چنداُمیکسی(multi-omics)، از دیگر کاربردهای شبکه عصبی در بیوانفورماتیک است که به‌طور گسترده‌، برای یکپارچه‌سازی و تحلیل داده‌های مختلف اُمیکسی (مانند ژنومیک، ترنسکریپتومیک و...) به‌کار می‌روند. این کار به درک جامع‌تری از سیستم‌های زیستی و مکانیسم‌های بیماری کمک می‌کند و می‌تواند در توسعه روش‌های درمانی جدید مؤثر باشد.

پارت ۱

🖍 اَوین آسایش فرد

🔎 Deep Learning in Bioinformatics and Biomedicine Source
🔎 Modern Deep Learning in Bioinformatics Source

「#بیوانفورماتیک #multi_omics #شبکه_عصبی #AlphaFold 」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

📌 جهت‌گیری کنونی و آینده در زیست‌شناسی شبکه

📚 ژورنال: Bioinformatics Advances
(ضریب انتشار: ۲/۴)

🗓 سال انتشار: ۲۰۲۳

「#بیوانفورماتیک #زیست‌شناسی #شبکه」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🔭 رونمایی از نسخه‌های ایمن آنتی‌بیوتیک با نقش‌آفرینی هوش مصنوعی

🦠 در سال‌های اخیر، شمار سویه‌های باکتریایی مقاوم به آنتی‌بیوتیک، افزایش یافته و گزینه‌های درمانی جدید نیز متوقف شده‌است. با این‌حال، محققان دانشگاه تگزاس طبق تحقیقات اخیر خود، معتقدند توانایی‌های هوش‌مصنوعی در این زمینه، ورق را برمی‌گرداند.

📝 دانشمندان در تلاش هستند تا راه‌های خلاقانه‌ای برای اعمال مدل‌های زبانی بزرگ یا "LLM"(که پیش از این به‌قصد تولید و کاوش توالی‌های متن طراحی شده بودند) در سایر حوزه‌ها پیدا کنند. به‌عنوان مثال، می‌توان پروتئین‌هایی با عملکردهای مشابه را مثل کلمات هم‌خانواده، در یک فضای تعبیه‌شده توسط هوش‌ مصنوعی جای داد.

🔛 محققان در این پروژه، با کمک هوش‌ مصنوعی به مهندسی مجدد آنتی‌بیوتیک "Protegrin_1" پرداختند، به‌گونه‌ای که با حفظ عملکرد اصلی آن، قادر باشد میلیون‌ها تنوع احتمالی را برای ۳ ویژگی ارزیابی کند:
○ هدف قرار دادن انتخابی غشاهای باکتری
○ از بین بردن قطعی باکتری‌ها
○ آسیب نرساندن به گلبول‌های قرمز خون انسان

🖊 در نهایت، آن‌ها به نسخه ایمن‌تر و مؤثرتر Protegrin-1 دست یافتند و آن‌ را "Protegrin-1.2" نامیدند. این پروژه نشان می‌دهد که چگونه محققان دانشگاهی در حال ارتقای نسخه‌های هوش مصنوعی برای برآوردن نیازهای جامعه هستند.

✏️ زهرا مفیدی

「#بیوانفورماتیک #هوش_مصنوعی #آنتی‌بیوتیک」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

👨‍💻 پایتون، یکی از زبان‌های برنامه‌نویسی پرطرفدار و قدرتمند است که به‌دلیل سادگی و قابلیت‌های گسترده‌اش در زمینه‌های مختلف، به‌ویژه در بیوانفورماتیک، مورد توجه قرار گرفته‌است. این زبان به‌خاطر کتابخانه‌های متنوع و منابع آموزشی فراوانی که دارد، به ابزار مناسبی برای تحلیل داده‌ها و مدل‌سازی در علوم زیستی تبدیل شده‌است.

✅ در دوره‌ مقدمات بیوانفورماتیک، شما با جنبه‌های مختلف پایتون در بیوانفورماتیک آشنا خواهید شد و مهارت‌های لازم برای استفاده از این زبان در پروژه‌های علمی و تحقیقاتی را کسب خواهید کرد.

⬇️ برای کسب اطلاعات بیش‌تر از این دوره و دریافت کد تخفیف ویژه اتحاد، به روابط عمومی آکادمی بیوانفورماتیک ایران پیام دهید:

@ir_bioinf_academy_admin

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

⬇️ نرم‌افزار اندنوت: ابزاری کارآمد برای مدیریت مراجع و منابع علمی

💻 اندنوت (EndNote)، یک نرم‌افزار مدیریت مراجع است که به کاربران کمک می‌کند تا منابع تحقیقاتی خود را به‌طور مؤثر، سازمان‌دهی و مدیریت کنند. این نرم‌افزار به‌خصوص برای محققان، دانشجویان و نویسندگان مقالات علمی بسیار کارآمد است.

✅ ویژگی‌های کاربردی اندنوت:

1️⃣ مدیریت مراجع: اندنوت امکان ذخیره‌سازی و سازمان‌دهی اطلاعات منابع مختلف از جمله کتاب‌ها، مقالات علمی، وب‌سایت‌ها و... را فراهم می‌کند.

2️⃣ استفاده آسان: رابط کاربری ساده و کاربرپسند، به کاربران این امکان را می‌دهد که به‌ راحتی منابع خود را اضافه و مدیریت کنند.

3️⃣ تولید استنادات: این نرم‌افزار به‌صورت خودکار، استنادات و فهرست منابع را براساس فرمت‌های مختلف (APA ،MLA ،Chicago و ...) تولید می‌کند.

4️⃣ همگام‌سازی با کلود: کاربران می‌توانند به راحتی اطلاعات خود را با استفاده از فضای ابری همگام‌سازی کنند و از هر مکانی به منابع خود دسترسی پیدا کنند.

5️⃣ جستجوی منابع: اندنوت به کاربران این امکان را می‌دهد که از پایگاه‌های داده مختلف جستجو کنند و منابع جدیدی پیدا کنند.

👌 از کاربردهای اندنوت، می‌توان در نوشتن مقاله، امکان به اشتراک‌گذاری منابع و اطلاعات با همکاران و دانشجویان، هم‌چنین مدیریت‌ و سازمان‌دهی مراجع برای مقالات تحقیقاتی و پایان‌نامه‌ها اشاره نمود.

🔗 نرم‌افزارهای مشابه اندنوت شامل مندلی (Mendeley)، زوترو (Zotero) و ریفرنسی (RefWorks) هستند که هر کدام امکانات خاص خود را برای مدیریت مراجع و سازمان‌دهی منابع تحقیقاتی ارائه می‌دهند.

📝 فاطمه داورزنی

「#بیوانفورماتیک #اندنوت #EndNote #نرم‌افزار」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

⬇️ وبینار آشنایی با علم بیوانفورماتیک و کاربردهای آن | آشنایی با دوره جامع بیوانفورماتیک

🔽 محور موضوعات:

۱. لزوم یادگیری بیوانفورماتیک برای کلیه پژوهشگران، به‌خصوص علوم‌ زیستی، علوم پزشکی، علوم ریاضیات، علوم کامپیوتر و سایر رشته‌های مرتبط

۲. آشنایی با پایگاه‌ داده‌های بیوانفورماتیک

۳. آشنایی با ابزارهای تحلیل داده در حوزه بیوانفورماتیک

۴. آشنایی بیشتر با دوره بیوانفورماتیک مقدماتی

👤 با حضور تمامی اساتید مدرس دوره مقدماتی بیوانفورماتیک

💵 رایگان

📝 همراه با گواهی‌ معتبر

📅 تاریخ برگزاری:
جمعه، ۱۴ دی ساعت ۱۷

📱 برای دریافت اطلاعات بیشتر و لینک ثبت‌نام، کلمه «بیوانفورماتیک» را زیر این پست، کامنت کنید.

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🔬 یافتن اولین ریبوزوم چرخان با آنزیم‌های RNA

📌 مولکول RNA تک رشته‌، به‌صورت ساختارهای متنوعی مانند حلقه‌، برآمدگی‌ و حلزونی‌ دیده می‌شود. عملکرد آنزیم‌های RNA وابسته به این ساختارها است. محققان اولین ریبوزیم پیچنده را در ژنوم پستانداران کشف‌ و با انجام آزمایشی تحت عنوان "CHiTA"، تقسیم شدن آن‌ها را ارزیابی کرد‌ه‌اند.

🫥 این آزمایش بر‌اساس دو جزء اصلی عمل می‌کند؛ اولین جزء "MPOS" است که به محققان این امکان را می‌دهد تا توالی‌های مورد نظر خود را در یک صفحه گسترده وارد کنند. سپس، تأمین‌کننده "Vendor"، یک لوله حاوی مقادیر کمی از هر یک از این توالی‌ها را تهیه می‌کند.

⚡️ در جزء دوم، از آنزیم‌های برش‌دهنده برای برش نقاط شناسایی خاص در DNA استفاده می‌شود. این آنزیم‌ها به‌گونه‌ای طراحی شده‌اند که قطعات اضافی را بدون ایجاد هیچ اثری، روی DNA حذف کنند. این روش این امکان را می‌دهد که توالی‌های عملکردی ریبوزوم‌ها را با دقت بیش‌تری مورد ارزیابی قرار دهند.

✔️ علم کنونی درباره عملکرد ریبوزیم‌ها، عمدتاً بر پایه شیمی است اما آزمایش‌های وسیع مانند CHiTA، کشف ریبوزیم‌های جدید را تسریع کرده و فهم ما از نقش‌های سلولی آن‌ها را افزایش می‌دهد.

🔢 اطلاعات بیشتر

💬 مریم ولی‌محمدی
🔍 فاطمه براری

「#بیوانفورماتیک #DNA #خبر」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

#مهاجرت

🎓 پوزیشن فول‌فاند دکترا در دانشگاه کنسا آمریکا

✅ موضوع: کامپیوتر، یادگیری عمیق و هوش مصنوعی به منظور آنالیز تصاویر پزشکی

🔗 More information

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🌾 بذر هوشمند
پارت ۱: راهکاری نوین برای کشاورزی پایدار

🌍 امنیت غذایی، ناشی از افزایش جمعیت جهانی و تغییرات اقلیمی از چالش‌های بزرگ کشاورزی است. ویرایش ژنوم به پرورش‌دهندگان گیاه این امکان را می‌دهد تا محصولاتی سازگار با نیازهای جمعیت درحال رشد و محیط زیست متغیر تولید کنند.

🍫 محققان با استفاده از تکنیک‌های ویرایش ژنوم، گیاه کاکائو را با سیستم ایمنی قوی‌تری توسعه داده‌اند که می‌تواند در برابر بیماری‌های کشنده‌ای که خسارت زیادی به این محصول وارد می‌کنند، مقاوم باشد.

🍅 گوجه‌فرنگی‌هایی با ساقه‌های کوتاه‌تر تولید شده‌اند که سریع‌تر رشد می‌کنند و فضای کم‌تری نیاز دارند و برای کشاورزی شهری و
گلخانه‌ای بسیار مناسب هستند.

🌱 اگرچه تاکنون تعداد محدودی از محصولات ویرایش‌شده ژنتیکی به تولید انبوه رسیده‌اند، پژوهش‌های متعدد نشان داده‌اند که این فناوری پتانسیل بالایی برای مقابله با اثرات تغییرات اقلیمی همچون بهبود عملکرد گیاهان در شرایط محیطی دشوار و افزایش ارزش تغذیه‌ای محصولات دارد و می‌تواند راه‌حل‌های مؤثری برای آینده کشاورزی ارائه دهد.

⤵️ با آکادمی بیوانفورماتیک همراه باشید تا در ادامه، به بررسی ابزارهای پیشرفته ویرایش ژنوم و کاربردهای آن‌ها در کشاورزی بپردازیم.

✏️ نگین رحیمی

「#بیوانفورماتیک #کاربرد #کشاورزی #ویرایش_ژنوم」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🩻 آینده‌ رشته‌ی رادیولوژی با هوش مصنوعی Gemini ✅

「#بیوانفورماتیک #هوش_مصنوعی」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🏹 یک تیر و دو نشان برای ماشین لرنینگ
پارت۱

⏲ پژوهشگری را در نظر بگیرید که در عصر شکوفایی علوم و فناوری‌های نوین، رؤیای درمان قطعی سرطان را در سر می‌پروراند. به‌نظر شما در چنین شرایطی که مدل‌های هوش‌مصنوعی، دانشمندان را به تحقق رؤیاهایشان نزدیک‌تر کرده‌ است، چند قدم تا درمان‌ هدفمند سرطان فاصله داریم؟

🫥 در یک پژوهش، ۱۲ روش ماشین لرنینگ با هدف پیش‌بینی مرگ و میر مصنوعی در سرطان "Synthetic Lethality" (ایجاد اختلال در دو ژن به‌صورت همزمان، برای ریشه‌کن کردن سرطان)، از مدل‌های کلاسیک گرفته تا روش‌های مدرن یادگیری عمیق مورد ارزیابی قرار گرفتند.

📌 از میان مدل‌های مورد بررسی، مدل دیپ لرنینگ "SLMGAE" بهترین عملکرد را نشان داد، زیرا از داده‌های متنوعی مانند شبکه پروتئینی و بیان ژن بهره می‌برد. در مقابل، مدل‌های ساده‌تر مانند "SL2MF" به‌دلیل طراحی ساده‌تر، در شناسایی الگوهای پیچیده تعاملات ژنی محدودیت داشتند.

⭐️ اگرچه طبق نتایج، ترکیب داده‌های متنوع دقت پیش‌بینی را بهبود می‌بخشد؛ اما با محدودیت‌هایی در مراحل تفسیر و کاربرد واقعی مدل‌ها مواجه هستیم. با این حال، توانایی‌های ارزشمند ماشین لرنینگ، آینده روشنی را برای درمان‌های مؤثر سرطان رقم خواهد زد.

✏️ زهرا مفیدی

「#بیوانفورماتیک #Machine_learning #هوش_مصنوعی #Synthetic_Lethality」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

✈️ #مهاجرت

🎓 پوزیشن: علوم کامپیوتر، هوش مصنوعی، یادگیری ماشین، ریزشبکه‌ها 

💼 دانشگاه: Mälardalen University, Sweden 🇸🇪 

⏰ مهلت: ۲۰ ژانویه 

🎯 حوزه تحقیقاتی: 
This fully funded PhD position focuses on designing and implementing network intrusion detection systems (NIDS) empowered by advanced deep learning models for microgrid systems.

🔗 More information

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

✅ نانوتکنولوژی و ایمنی: پلی به آینده

🛡 نانوتکنولوژی در دهه اخیر با کاربردهای متنوع در صنعت و پزشکی گسترش یافته است، اما نگرانی‌ها درباره تأثیرات زیستی و زیست‌محیطی نانومواد نیاز به ارزیابی دقیق ایمنی آن‌ها را برجسته کرده است.

❗️روش‌های نوینی مانند روابط کمی ساختار-فعالیت (QSAR)، با استفاده از ماشين لرنینگ، ارتباط میان ساختار نانومواد و اثرات زیستی آن‌ها را پیش‌بینی می‌کنند و در تحلیل داده‌های کوچک نیز عملکرد مطلوبی دارند.

🫥 این روش‌ها در کنار شبیه‌سازی دینامیک مولکولی، اثرات زیستی نانومواد را با دقت و سرعت بیش‌تری ارزیابی می‌کنند. توسعه مدل‌های گسترده‌تر می‌تواند فرآیند تحلیل داده‌های آزمایشی را خودکار کرده و تفسیر دقیق‌تری ارائه دهد.

📝 ترکیب داده‌های نانومواد با علوم زیستی و محاسباتی، هزینه‌ها و زمان آزمایش‌ها را کاهش داده و درک بهتری از خطرات زیستی و زیست‌محیطی ارائه می‌دهد. این پیشرفت‌ها، راه را برای طراحی ایمن و پایدار نانومواد هموار کرده است.

✅ اطلاعات بیشتر

✏️ حمیده صباغ
🔎 سهیلا سلحشورفرد

「#بیوانفورماتیک #نانوتکنولوژی #Machine_learning #نانومواد #خبر」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group