🟢 این‌بار یادگیری عمیق به کمک بیماران شیفت مغزی می‌آید

📌 روش یادگیری عمیق مبتنی بر شبیه‌سازی کامپیوتری، برای تشخیص جابه‌جایی خط میانه مغز (MLS) در بیماران دچار شیفت مغزی ارائه شده‌است. شیفت مغزی، زمانی رخ می‌دهد که تشکیل یک التهاب بافتی در مغز به بافت‌های دیگر فشار آورد و باعث جابه‌جایی خط میانه مغز به یک سمت شود این اتفاق معمولا منجر به اختلال در اعمال حیاتی بدن می‌شود.

🧠 مطالعات اخیر نشان داده‌است که با کمک یادگیری عمیق می‌توان از مدل تشخیص نقاط کلیدی، برای شناسایی خط میانه مغز در هر برش سی‌تی‌اسکن، استفاده شود تا مسافت و حجم جابه‌جایی مغز در هر برش محاسبه شود. بدین ترتیب با استفاده از مدل چندلایه‌ پرسپترون (MLP) و ترکیب اطلاعات بالینی، نرخ مرگ‌ومیر بیماران با دقت ۹۸٪ پیش‌بینی شود.
 
✨ هدف نهایی این تحقیقات، توسعه سیستمی است که با استفاده از داده‌های بالینی، تصاویر سی‌تی‌اسکن و احتمال مرگ‌ومیر جراحی، ارزیابی‌های عینی برای بیماران شیفت مغزی ارائه داده شود تا پزشکان و خانواده‌های بیماران در تصمیم‌گیری‌ها دید بازتری داشته باشند.

⚫️ اطلاعات بیشتر

✍️ کیمیا عزیزی
😀 فاطمه براری

「#بیوانفورماتیک #هوش_مصنوعی #Deep_Learning #خبر」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🚨 خدمات نوین هوش مصنوعی در عرصه درمان

🤖 مدل "TxGNN"، یک مدل هوش مصنوعی مبتنی‌بر شبکه‌های عصبی گرافی است که برای کشف داروهای جدید، به‌ویژه در درمان اختلالات نادر، توسعه یافته است. این مدل با تحلیل داده‌های زیستی، ارتباطات پیچیده میان بیماری‌ها و داروها را بررسی کرده و به شناسایی گزینه‌های درمانی بالقوه کمک می‌کند.

📊 این مدل قادر است با یادگیری روابط میان داروها، پروتئین‌ها و مسیرهای متابولیکی، شبکه‌ای از ارتباطات زیستی را خلق کند؛ سپس با پردازش این شبکه، داروهایی را که ممکن است برای درمان اختلالات نادر مؤثر باشند، پیش‌بینی کند.

👆 یکی از قابلیت‌های کلیدی TxGNN، شناسایی داروهای موجود با پتانسیل درمانی جدید است. این ویژگی می‌تواند زمان و هزینه توسعه داروهای جدید را کاهش داده و گزینه‌های درمانی سریع‌تری را در اختیار بیماران قرار دهد.

✅ با استفاده از TxGNN، فرآیند کشف دارو دقیق‌تر و سریع‌تر انجام می‌شود؛ همچنین این مدل می‌تواند به محققان در یافتن درمان‌های نوین برای بیماری‌های نادر کمک کند و روزنه امیدی برای بیماران باشد.

🤵 زهرا مفیدی

「#بیوانفورماتیک #TxGNN #درمان #هوش_مصنوعی」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

⬅️ شناسایی بیومارکرهای آرتریت روماتوئید قلبی به‌وسیله deep learning

✅ بیماران مبتلا به آرتریت روماتوئید (RA)، در معرض خطر نارسایی ایسکمیک قلبی (IHF) قرار دارند، اما مکانیسم‌های این نارسایی نامشخص است. دراین مطالعه، داده‌های توالی‌یابی RNA از پنج مجموعه داده RA و IHF برای شناسایی مکانیسم‌های بیولوژیکی و بیومارکرهای قابل توجه تجزیه و تحلیل شده‌اند.

📌 بیش از صد ژن مشترک با بیان متفاوت (CDEGs) شناسایی شدند و با تجزیه و تحلیل غنی‌سازی، مسیرهای مربوط به سازمان سارکومر، مورفوژنز بافت میوکارد بطنی، تمایز سلول‌های غضروفی، سیگنال دهی پرولاکتین، اصل و نسب سلول‌های خون‌ساز و متیل ترانسفرازهای پروتئینی برجسته شده‌اند.

🧬 ژن‌های هاب (CD2 ،CD3D ،CCL5 ،IL7R و SPATA18) با استفاده از تجزیه و تحلیل شبکه تعامل پروتئین-پروتئین و یادگیری ماشین پیدا شدند. تجزیه و تحلیل‌ها نشان دادند که این ژن‌ها با سلول‌های ایمنی مانند سلول‌های پلاسما و سلول‌های تنظیم کننده T مرتبط هستند.

🔗 توالی‌یابی RNA تک سلولی نشان داد که بیان این ژن‌ها در سلول‌های T و مونوسیت‌ها بوده‌است. این مطالعه اهمیت برخی فرآیندهای بیولوژیکی را در پیشرفت IHF، در بیماران RA نشان می‌دهد و نشانگرهای زیستی بالقوه و استراتژی‌های درمانی را برجسته می‌کند.

✅ اطلاعات بیشتر

✍️ سهیلاسلحشورفرد
🔍 فاطمه براری

「#بیوانفورماتیک #Deep_learning #هوش_مصنوعی #RA #خبر」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

♾ مقایسه عملکرد "Open Ai" و "DeepSeek"

📢 محققان چینی در حوزه هوش مصنوعی، مدل DeepSeek R1 را معرفی‌ کردند که در بسیاری از معیارها عملکرد بهتری نسبت به مدل OpenAI o1 دارد.

‼️ در مقایسه با OpenAI o1، هزینه‌اش حدود 95 درصد کمتر است؛ به‌طوری که هزینه پردازش هر یک میلیون توکن ورودی در DeepSeek R1 حدود 0.55 دلار، درحالی‌که این هزینه‌ها برای OpenAI o1 به‌ترتیب 15 و 60 دلار می‌باشد.

🔖[ویدیو سمت راست با DeepSeek و سمت چپ هم با OpenAi ساخته شده است.]

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

ℹ️ راز یخ‌زده؛ دانشمندان سرنخی پنهان برای تعیین زمان مرگ اجساد منجمد کشف کردند!

🗣️ دانشمندان با استفاده از تکنیک‌های پیشرفته مولکولی، مانند تحلیل میکروبیوم، بیان ژن و تجزیه پروتئین، می‌توانند اطلاعات ارزشمندی درباره صحنه جرم به‌دست آورند.

🔗 هر ارگانیسم، دارای ویژگی‌های میکروبی منحصربه‌فردی است که مانند اثرانگشت عمل می‌کند. نکروبایوم، جامعه‌ای از میکروب‌ها است که با بقایای درحال تجزیه مرتبط است و نقش مهمی در فرآیند پوسیدگی ایفا می‌کند.

💬 میکروب‌های خاصی در مراحل مختلف تجزیه حضور دارند و به تجزیه بافت‌ها و بازیافت مواد مغذی کمک می‌کنند. محققان می‌توانند با نمونه‌برداری از میکروب‌های موجود در بدن متوفی، زمان تقریبی مرگ را بر‌اساس ترکیب جمعیت میکروبی تعیین کنند.

📉 مطالعه دانشمندان بر شناسایی میکروب‌های خاصی که در شرایط سرمای شدید در فرآیند تجزیه نقش دارند، متمرکز بود. دانشمندان دریافتند که حتی در دماهای بسیار پایین، میکروب‌های خاصی در بدن فعال باقی می‌مانند و الگوهای قابل پیش‌بینی‌ای از تغییرات میکروبی در طول زمان پس از مرگ وجود دارد. با استفاده از این اطلاعات، می‌توان مدل‌هایی برای تخمین دقیق‌تر زمان مرگ در شرایط سرمای شدید توسعه داد.

🌐 Source

✏️فاطمه داورزنی

「#بیوانفورماتیک #میکروبیوم #هوش_مصنوعی」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

⚒ ابزارهای بیوانفورماتیک در پژوهش‌های سرطان

📢 پژوهش‌های سرطان به‌طور سنتی بر تحلیل‌های مولکولی و بالینی تمرکز داشتند؛ اما با پیشرفت‌های فناوری، داده‌های زیادی از جنبه‌های مختلف سرطان جمع‌آوری شده‌اند که استفاده مؤثر از آن‌ها اهمیت زیادی دارد.

📖 ابزارهای محاسباتی و پایگاه‌های داده جدید برای تحلیل داده‌های «مولتی‌اوومیک سرطان» توسعه یافته‌اند. این ابزارها شامل تحلیل‌های تنظیمی، پیش‌بینی درمان، پیش‌آگهی و تحلیل نفوذ ایمنی هستند. همچنین به شناسایی جهش‌های پیش‌برنده و سرطان‌های تک‌سلولی کمک می‌کنند.

🙂 این ابزارها با تجزیه و تحلیل داده‌های بزرگ، شبیه‌سازی فرآیندهای مولکولی و شناسایی اهداف درمانی را تسهیل می‌کنند. در نتیجه، پیش‌بینی‌های دقیق‌تری از رفتار سرطان و پاسخ‌های درمانی ارائه می‌دهند.

📩 اطلاعات بیشتر

✏️ روژینا احسانی
🔎 فاطمه براری

「#بیوانفورماتیک #ابزار‌_بیوانفورماتیک #سرطان #هوش_مصنوعی #خبر」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

💻 شرکت کنندگان گرامی دوره جامع بیوانفورماتیک
📢 جزوه جلسه ششم دوره در پنل کاربری شما قرار گرفت.

⬇️ شما می‌توانید از مسیر زیر به جزوه دسترسی پیدا کنید:

⬅️ پنل کاربری، دوره‌های من، دوره جامع بیوانفورماتیک، جلسات


╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

♾ رمزگشایی از ژن‌های سرطان با نگاهی نو

👤 دکتر مسیح شرافتیان، پژوهشگر برجسته حوزه بیوانفورماتیک، در مؤسسه ملی سرطان "National Cancer Institute NCI" ایالات متحده مشغول به فعالیت است. او در زمینۀ تحلیل داده‌های زیستی و گسترش ابزارهای محاسباتی فعالیت دارد و درک بهتری از بیماری‌های ژنتیکی ارائه داده است.

💡 با بهره‌گیری از مدل‌های یادگیری ماشین و تحلیل داده‌های بزرگ در حوزه بیولوژیکی به بررسی ژنوم سرطان "Cancer Genomics" پرداخته است. این روش‌ها امکان شناسایی دقیق‌تر تغییرات ژنتیکی را فراهم کرده‌اند.

🧬 پژوهش‌های او در زمینۀ بیومارکرهای سرطان و پزشکی شخصی‌سازی‌شده تأثیرگذار بوده‌است. مطالعاتش به تشخیص بهتر جهش‌های ژنتیکی و گسترش درمان‌های هدفمند کمک کرده است.

😀 همچنین در طراحی پایگاه‌های داده بیوانفورماتیکی و الگوریتم‌های تحلیلی نقش داشته‌ است. مشارکتش در توالی‌یابی نسل جدید "NGS" موجب بهبود دقت در تحلیل داده‌های ژنتیکی شده‌است.

📜 با انتشار مقالات علمی معتبر، او نقش مهمی در گسترش حوزه بیوانفورماتیک داشته و پژوهش‌هایش راه را برای روش‌های پیشرو درمانی و پزشکی آینده هموار ساخته است.

🤩 Source

✏️ زینب کارگر

「#بیوانفورماتیک #معرفی_سرآمدان_بیوانفورماتیک」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🎤 شرکت کنندگان عزیز دوره جامع بیوانفورماتیک

🎥 جلسه سیزدهم دوره، امروز ساعت ۱۹:۰۰ برگزار خواهد شد.

✅ ساعت ۱۸:۴۵ ازطریق پنل کاربری خود وارد کلاس شوید.

🖼 زین پس فقط از طریق پنل کاربری خود می‌توانید در کلاس شرکت کنید.

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

📞 درک زبان سلول‌ها

🧠 دانشمندان با کمک هوش مصنوعی موفق شده‌اند به رمزگشایی از زبان سلول‌ها بپردازند. این دستاورد بزرگ، می‌تواند تحولی عظیم در درک و درمان بیماری‌هایی مانند سرطان ایجاد کند. با استفاده از هوش مصنوعی، دانشمندان قادرند فعالیت ژن‌ها را در سلول‌ها با دقت بالایی پیش‌بینی کنند.

💻 محققان با آموزش یک مدل هوش مصنوعی روی داده‌های میلیون‌ها سلول انسانی، توانسته‌اند فعالیت ژن‌ها را حتی در سلول‌های ناشناخته پیش‌بینی کنند. این مدل به دانشمندان کمک کرده است تا مکانیسم‌های بیماری‌ها مانند سرطان را بهتر درک کنند و به بخش‌های ناشناخته ژنوم نیز نفوذ کنند.

🧬 با استفاده از این روش، می‌توانیم به سوالات اساسی در مورد عملکرد سلول‌ها پاسخ داده و در نهایت به درمان‌های مؤثرتر برای بیماری‌ها دست پیدا کنیم. این پیشرفت، امکان بررسی بخش‌های ناشناخته ژنوم را نیز فراهم کرده تا دانشمندان به درک بهتری از نقش جهش‌های ژنی در بیماری‌ها دست یابند.

📎 اطلاعات بیشتر

✏️ ماهک مجد فریدی
🔍 فاطمه براری

「#بیوانفورماتیک #سرطان #هوش_مصنوعی #خبر」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🔵 داده‌ها، در ابعاد نانو

🚨 تحت تأثیر اثرات کوانتومی رفتار مواد در مقیاس نانو از قوانین کلاسیک تبعیت نمی‌کند. نانوانفورماتیک با استفاده از مدل‌سازی کوانتومی و یادگیری ماشین خواص نانومواد را بدون نیاز به آزمایش‌های پرهزینه پیش‌بینی می‌کند.

💊 نانوانفورماتیک با پیش‌بینی رفتار نانوذرات دارویی و بهینه‌سازی سیستم‌های رسانش دارو، تأثیرات مختلف نانوذرات را در بدن شبیه‌سازی کرده تا دز و عوارض جانبی کمتر و اثربخشی بیشتری داشته باشند.

✅ نانوانفورماتیک با مدل‌سازی برهم‌کنش‌های نانومواد با سیستم‌های زیستی و شبیه‌سازی رفتار نانوذرات در بدن سمیت سلولی و پاسخ ایمنی را پیش‌بینی می‌کند تا از بروز عوارض جانبی جلوگیری شود.

🔬 نانوانفورماتیک با طراحی نانوسنسورها و نانوپروب‌های هوشمند در تصویربرداری پزشکی، تشخیص سریع‌تر و دقیق‌تر بیماری‌ها و بهبود روند درمان را ممکن می‌سازد.

✅ انتظار می‌رود نانوانفورماتیک با پیشرفت‌های مستمر، به یکی از ارکان‌های اساسی در درمان‌های فردمحور و تشخیص زودهنگام بیماری‌ها تبدیل شود.

👤 نگین رحیمی

「#بیوانفورماتیک #داده #نانوانفورماتیک #نانومواد #هوش_مصنوعی #درمان_فردمحور」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🤩استفاده از هوش مصنوعی برای بهبود پیش‌بینی نتایج درمان در بیماران سرطانی

🔎 یک پلتفرم هوش مصنوعی به‌نام "TrialTranslator"، منتشر شده که با استفاده از داده‌های دنیای واقعی، به پزشکان و بیماران کمک می‌کند تا قابل تعمیم بودن نتایج آزمایش‌های بالینی برای شرایط آن‌ها را ارزیابی کنند.

🎙 این پلتفرم، با شبیه‌سازی ۱۱ آزمایش برجسته سرطان و استفاده از داده‌های سوابق الکترونیکی سلامت (EHR)، نشان داد که بیماران با ریسک پایین و متوسط نتایجی مشابه شرکت‌کنندگان آزمایش‌ها داشتند، اما بیماران با ریسک بالا بقای کم‌تری داشتند و کم‌تر از درمان‌ها سود بردند.

🚨 این مطالعه نشان داد که وضعیت پیش‌آگاهی بیمار، معیار قوی‌تری برای پیش‌بینی نتایج درمان نسبت به معیارهای معمول آزمایش‌های بالینی است. همچنین بر لزوم حضور بهتر بیماران پرخطر در این آزمایش‌ها تأکید می‌کند و می‌تواند به طراحی جامع‌تر آن‌ها کمک کند.

⚡️ علاوه‌بر‌این، ابزارهای مبتنی بر هوش مصنوعی مانند بیومارکرها می‌توانند برای پیش‌بینی پاسخ بیماران به درمان‌ها، تشخیص زودهنگام سرطان و بهبود پیش‌آگهی‌ها استفاده شوند. این پیشرفت‌ها می‌توانند انقلابی در پزشکی دقیق ایجاد کنند و به طراحی بهتر درمان‌ها برای گروه‌های پرخطر کمک کنند.

➡️ اطلاعات بیشتر

🔗 مهدی احمدی فر
🔎 تابان توانمند

「#بیوانفورماتیک #هوش_مصنوعی #سرطان #بیومارکر #خبر」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

✈️ رویکرد جدید با تحلیل داده‌های ژنتیکی و شناسایی ترکیبات مؤثر

🎉 از بازسازی بافت‌های آسیب‌دیده تا درمان‌های شخصی‌سازی‌شده، آینده‌ای روشن در انتظار ماست!

🖍 مهدی احمدی‌فر
🔍 روشنک رشیدی
🎙️ ترنم نظیری

「#بیوانفورماتیک #AI #پادکست #پیشرفت_علمی」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🇮🇷 نابغه ایرانی بیوانفورماتیک

🖥️ رضا کربلایی، دانشمند برجسته بیوانفورماتیک، دارای مدرک دکترای رشته پروتئومیکس از دانشگاه علوم پزشکی شهید بهشتی و محقق برجسته دانشکده پزشکی دانشگاه جان هاپکینز است. وی سابقه تحصیل در دانشگاه تمپل، دانشگاه علوم پزشکی شهید بهشتی و موسسه ملی مهندسی ژنتیک و بیوتکنولوژی "NIGEB" را دارد.

💻 او مقالات متعددی در حوزه بیوانفورماتیک منتشر کرده است. ازجمله آن‌ها می‌توان به بررسی مسیرهای ژنی دخیل در بروز بیماری کووید۱۹، شناسایی جایگاه‌های ژنتیکی مرتبط با اختلال دوقطبی و اسکیزوفرنی با استفاده از روش "QTL analysis"، جداسازی SNPهای مرتبط با بیماری‌های اعصاب و روان با استفاده از روش "GWAS" اشاره کرد.

👨‍👦‍👦 شاهکار او در دانشگاه تمپل رخ داد. وی با تیم بزرگی از محققین ازجمله دکتر دبرا بانگاسر و متیو ویمر، به بررسی مکانیسم‌های اپی‌ژنتیکی زیربنای حساسیت و انعطاف‌پذیری مصرف مواد پرداخت. این تحقیق به درک بهتر مسیرهای سیگنالینگی که بر تمایل به مصرف مواد تأثیر می‌گذارند، کمک کرد.

✒️ امیرحسین صابری مقدم طهرانی


「#بیوانفورماتیک #معرفی_سرآمدان_بیوانفورماتیک #هوش_مصنوعی」


╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🌍 مرزهای میان انسان و دنیای دیجیتال 🌍

👱‍♀️ دختر مصنوعی (The Artifice Girl 2022)
✅|امتیاز: ۶.۶ از ۱۰
🇺🇸|محصول کشور: آمریکا

🎥| ژانر: علمی_تخیلی، رازآلود
⏱| مدت زمان: ۹۳ دقیقه

😀| خلاصه داستان: این‌ فیلم، داستان پلتفرمی‌ دیجیتال به‌نام گیلاس را روایت می‌کند که بعد از سال‌ها، به‌ بالاترین نقطه‌ تکامل ابرهوش‌ها رسیده است؛ همان ایده‌آل‌های فوق‌العاده‌ بشر که می‌تواند به امور مختلف که مسائل برجسته جهان شناخته می‌شوند، کمک کند و همانند انسان‌ها از قوه‌ ادراکش استفاده می‌کند و قادر است اغلب حالات فیزیکی انسان‌ها را به چالش بکشد.

✏️ آریا دهنوی

🔗 لینک دانلود

「#بیوانفورماتیک #معرفی_فیلم」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

‼️ پیش‌بینی عملکرد درونی سلول‌ها به‌وسیله هوش مصنوعی

💡 محققان دانشگاه کلمبیا، یک روش هوش مصنوعی جدید ایجاد کرده‌اند که می‌تواند به‌طور دقیق فعالیت ژن را در سلول‌های انسانی پیش‌بینی و بینش عمیق‌تری از عملکرد سلولی ارائه دهد. این مدل‌سازی می‌تواند فرآیندهای بیولوژیکی را به‌سرعت کشف کند و آزمایش‌های سنتی را هدایت کند.

✔️ هدف این تیم تحقیقاتی، پیش‌بینی بیان ژن در انواع مختلف سلول بود. مدل‌های قبلی اغلب روی انواع سلول‌های خاص مانند سلول‌های سرطانی تمرکز داشتند؛ اما رویکرد جدید شامل آموزش یک مدل یادگیری ماشین بر داده‌های بیش از ۱/۳ میلیون سلول طبیعی انسان بود.

📊 در یک کاربرد عملی، این هوش مصنوعی نشان داد که چگونه جهش‌های ژنتیکی بر رفتار سلول‌های سرطانی تأثیر می‌گذارند. همچنین هدف محققان بررسی «ماده تاریک» ژنوم است که شامل جهش‌هایی در مناطق غیر کدکننده است و عمدتا ناشناخته هستند.

🤔 اطلاعات بیشتر

✍️ سهیلاسلحشورفرد
🔍 تابان توانمند

「#بیوانفورماتیک #جهش #ژن #هوش_مصنوعی #خبر」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group

🟥 رهایی از بیماری با توانایی جدید سلول‌های انسانی مجازی

✏️مدل کامپیوتری دقیق سلول‌های انسانی به دانشمندان در درک عمیق‌تر سیستم‌های بیولوژیکی کمک می‌کند و برای توسعه‌ی درمان‌های بهتر بیماری‌ها اهمیت دارد.

✏️ ماهک مجد فریدی
🔎 روشنک رشیدی
🎤 نگار سادات نخلی

「#بیوانفورماتیک #هوش_مصنوعی #پادکست #شبیه‌سازی #بیولوژیکی」

╠ Σ آکادمی بیوانفورماتیک ایران
╠ Σ @ir_bioinf_group