📚طرح بزرگ: درباره منشا حیات، معنای آن و جهان

📝تهیه و تنظیم: #سحر_برهانی دانشجو دکتری بیوفیزیک آزمایشگاه #بیوانفورماتیک دانشگاه #تربیت_مدرس

یکشنبه ها: #معرفی_کتاب



✅کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫

فایل #pdf کتاب "طرح بزرگ: ددباره منشا حیات، معنای آن و جهان"

#تکامل

✅ کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫

🌀 دیپ مالاریا: هوش مصنوعی که به کشف ضد پلاسمودیوم های قوی کمک می کند.

🦟مالاریا از جمله مرگبارترین بیماری های انگلی است که سالانه بیش از 200 میلیون مورد ابتلای جدید و بیش از 400000 مرگ و میر از آن گزارش می شود.

💊اثر داروهای ضد مالاریا به دلیل مشکل "مقاومت دارویی" کاهش یافته است. مقاومت دارویی به تمام داروهای موجود برای مالاریا از جمله آرتمیسینین گزارش شده است. بنابراین تلاش برای ساخت داروهای جایگزین ضروری است.

📌در این مقاله به ساخت داروی ضد مالاریا با استفاده از هوش مصنوعی پرداخته شده است. رویکرد قدیمی کشف و طراحی دارو یعنی غربالگری توان بالا(HTS) از کتابخانه های دارو برای تشخیص ترکیب های پیشگام(lead) وقت گیر است و دسترسی به حجم بالایی از داده ها نیاز دارد.

🔍هوش مصنوعی با استفاده از روشهای مبتنی بر ساختار یا لیگاند نتایج بسیار دقیقی را در زمینه پیش بینی خواص شیمایی به دست آورده و با استفاده از داده های موجود هوش مصنوعی جایگزین مناسبی برای جستجوی کورکورانه HTS یا غربالگری مجازی خواهد بود. مدل هوش مصنوعی، الگوهای موجود در داده ها را می آموزد و به جستجوی موثر در ترکیبات کمک می کند.

✨در این پژوهش محققان DeepMalaria را معرفی کرده اند؛ فرآیندی که قادر است خواص ممانعتی ضد پلاسمودیوم فالسیپاروم ترکیبات را با استفاده از SMILES آنها پیش بینی کند.

📌توضیحات تکمیلی این پژوهش را می توانید از طریق لینک زیر دنبال کنید.

https://www.codecool.ir/journal%20detail?file=5202



📝 تهیه و تنظیم: #غزاله_فهیمیان دانش آموخته ارشد #بیوفیزیک آزمایشگاه #بیوانفورماتیک دانشگاه #تربیت_مدرس

دوشنبه ها: #مقاله_هفته

📝تعداد کلمات: 247

⏰زمان مطالعه: کمتر از 2دقیقه

✅کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫


📌لینک مقاله: https://www.frontiersin.org/articles/10.3389/fphar.2019.01526/full

✅کانال بیوانفورماتیک ایران
Iran_bioinformatics💫

برای اطلاعات بیشتر به آدرس زیر مراجعه کنید: https://www.codecool.ir/journal%20detail?file=5203

🎧بخش دوم کتاب صوتی "روانشناسی تکاملی"

🔶 زیست‌شناسی تکاملی چیست؟
🔶 توارث و جهش‌های ژنتیکی
🔶 آیا موجودات «طراحی» شده‌اند؟

🖋نویسنده: دیلان ایوانز، اسکار ساراته

پنجشنبه ها: #کتاب_صوتی

#روانشناسی_تکاملی
#دیلان_ایوانز
#اسکار_ساراته

✅کانال بیوانفورماتیک ایران
💠منبع: کانال خوانش کتاب برای انسان خردمند

@Iran_Bioinformatics💫
@Homosapiensfa💫

#طنز
واقعا چرااا ؟!!!😫

✅کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫

🌀 روشن شدن تاریخ تکاملی بیش از 2500 سرطان


🔸یک گروه بین المللی از دانشمندان با هدف روشن ساختن تاریخ زندگی جهش های سرطان زا و نحوه تکامل تومورهای سرطانی، حتی قبل از تشخیص آنها، ژنوم تعداد بسیار زیادی سرطان منحصر به فرد را مورد تجزیه و تحلیل قرار دادند.

👨‍💻 پژوهشگران کنسرسیوم تجزیه و تحلیل پان سرطان ژنوم های کل (PCAWG) داده های توالی یابی کل ژنوم را از میان 2658 سرطان در 38 نوع تومور جمع آوری کردند. پس از استاندارد سازی در برابر ژنوم انسانی، آنها الگوها و شاخص های انواع ساختارهای مختلف را در داده ها مورد تجزیه و تحلیل قرار دادند.

🔸محققان با مشاهده فرآیندهای بازآرایی مبتنی بر همانندسازی که منجر به ایجاد کلاسترهایی از انواع ساختارهای مختلف در طی زمان می شوند، می توانند ترتیبی که در آن جهش ها رخ می دهد و زمان بندی نسبی بین آنها را تعیین کنند.

🔖این تحقیق به عنوان بخشی از مقالات ویژه منتشر شده در زمینه تجزیه و تحلیل سرطان در کل ژنوم ها به طور آنلاین در نشریه Nature در 6 فوریه منتشر شده است.

📌توضیحات تکمیلی این پژوهش را می توانید از طریق لینک زیر دنبال کنید.
https://www.codecool.ir/journal%20detail?file=5205


🔖 946 کلمه
⏰ زمان مطالعه: حدود 5 دقیقه


📝 تهیه و تنظیم: #سمیه_آزادیان دانش آموخته ارشد #بیوفیزیک آزمایشگاه #بیوانفورماتیک دانشگاه #تربیت_مدرس

شنبه ها: #علمی_اجتماعی

✅کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫

📌منبع:
https://www.scienceboard.net/index.aspx?sec=sup&sub=can&pag=dis&ItemID=473

📝تهیه و تنظیم: #دانیال_خدیوی دانشجو ارشد بیوانفورماتیک آزمایشگاه #بیوانفورماتیک دانشگاه #تربیت_مدرس

یکشنبه ها: #معرفی_کتاب

✅کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫

فایل #pdf کتاب "ریاضیات بیوانفورماتیک"

✅ کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫

🌀گسسته‌سازی، پیش‌بینی و انتخاب ویژگی مقرون به صرفه برای سیستم‌های پیچیده

📝یک عامل محدود کننده برای تحلیل سیستم‌های بزرگ، هزینه‌ی محاسباتی است. انتظار می‌رود رشد نمایی بهبود عملکرد سخت‌افزار که در ۶۰ سال اخیر مشاهده شده‌ است، در اوایل این دهه به پایان برسد.

هزینه‌ی محاسباتی روش‌های پیشرفته‌تر یادگیری ماشین برای داده‌های بزرگ به صورت نمایی رشد می‌کند و این موضوع نشان می‎‌دهد با اینکه پیش‌پردازش‌ها ممکن است کاملاً جانبدارانه باشند اما برای داده‌های بزرگ غیر قابل اجتناب هستند.

از آن‌جا که انتظار می‌رود همچنان اندازه‌ی داده‌ها در علوم طبیعی به صورت نمایی رشد کند، فشار بر کیفیت عملکرد و هزینه‌ی محاسبات الگوریتم‌ها افزایش می‌یابد.

📚در این مقاله روشی به نام تقریب احتمالی مقیاس پذیر (SPA) ارائه شده که تحلیل سیستم‌های پیچیده را با هزینه‌ی محاسباتی کمتری انجام می‌دهد.

💡روش SPA مسائل مربوط به گسسته‌سازی و انتخاب ویژگی و پیش‌بینی را به صورت همزمان انجام می‌دهد و آن‌ها را جداگانه حل نمی‌کند‌. پیچیدگی زمانی الگوریتم SPA با افزایش مقدار داده به صورت خطی تغییر می‌کند که آن را برای استفاده روی داده‌های بزرگ مناسب می‌کند. الگوریتم SPA به هیچ کدام از برنامه‌های کاهش ابعاد نیاز ندارد و پیچیدگی زمانی آن مانند الگوریتم محبوب و بسیار کم هزینه‌ی K-mean است. الگوریتم SPA، با افزایش اندازه داده، به طورقابل ملاحظه‌ای سریعتر و با کیفیت بهتری تقریب را انجام می‌دهد. در این مقاله نشان داده شده‌ است که برای تعداد کلاس‌بندی کمتر، SPA در مقایسه با سایر الگوریتم‌ها با تقریب بسیار خوب به جواب می‌رسد.

✏️استفاده از روش SPA روی داده های بزرگ علوم طبیعی، علاوه بر کاهش هزینه محاسباتی، موجب بهبود چشمگیر در پیش‌بینی و ارزیابی داده می شود. به عنوان مثال پیش‌بینی دمای روز بعد به حل معادلات حرکت جو نیاز دارد که حل این معادلات توسط ابرکامپیوتر ممکن است در حالیکه با استفاده از این روش و پردازش داده‌ها روی یک کامپیوتر شخصی MAC دمای روز بعد با خطای میانگین ۰.۷۵ درجه سانتیگراد پیش‌بینی شد.

📝تهیه و تنظیم: #مریم_رفیعی‌پور
دانشجوی ارشد #بیوانفورماتیک آزمایشگاه #بیوانفورماتیک دانشگاه #تربیت_مدرس

دوشنبه‌ها: #مقاله_هفته

📌لینک سایت:
https://www.codecool.ir/journal%20detail?file=6180

📝تعداد کلمات: ۲۸۹
⏰زمان مطالعه: کمتر از دو دقیقه

📌منبع:
https://advances.sciencemag.org/content/6/5/eaaw0961

✅کانال بیوانفورماتیک ایران
@Iran_Bioinformatics

📝 تهیه و تنظیم: #نیلوفر_سید_مجیدی دانش آموخته کارشناسی ارشد بیوانفورماتیک آزمایشگاه #بیوانفورماتیک دانشگاه #تربیت_مدرس

سه شنبه ها: #معرفی_موقعیت_تحصیلی


✅ کانال بیوانفورماتیک ایران
@Iran_Bioinformatics 💫


🔻برای کسب اطلاعات بیشتر در مورد شرایط این موقعیت به لینک زیر مراجعه نمائید:

https://www.codecool.ir/journal%20detail?file=7180

📌منبع:
https://www.nature.com/naturecareers/job/phd-student-fmx-position-in-computational-biology-bioinformatics-technical-university-of-munich-tum-717403

🌀 خلق اولین آنزیم مصنوعی بوسیله دو گروه غیر بیولوژیکی

💻 دانشمندان دانشگاه گرونینگن با افزودن دو ماده کاتالیزوری ابیولوژیکی ، پروتئین غیر آنزیمی را به یک آنزیم مصنوعی جدید تبدیل کردند: یک آمینو اسید غیر طبیعی و یک کمپلکس کاتالیزوری مس است. این اولین بار است که یک آنزیم با استفاده از دو جزء غیر بیولوژیکی برای ایجاد یک جایگاه فعال استفاده می شود. این مطالعه نشان می دهد که چنین ترکیب هم افزایی یک رویکرد قدرتمند برای دستیابی به کاتالیزهایی است که به طور معمول خارج از قلمرو آنزیم های مصنوعی است.
📚 آنزیم ها کاتالیزورهای طبیعی هستند که تحت شرایط ملایم عمل می کنند. این امر آنها را به یک جایگزین جذاب برای کاتالیز شیمیایی صنعتی تبدیل می کند که ممکن است نیاز به درجه حرارت و فشار زیاد و حلالها یا فلزات سمی داشته باشد. با این حال، همه واکنش های شیمیایی توسط آنزیم های طبیعی قابل کاتالیز نیستند. اصلاح آنزیمهای موجود یکی از گزینه ها است اما جرارد رولفس استاد شیمی بیومولکولی دانشگاه گرونینگن معتقد است که ایجاد آنزیم های جدید می تواند گزینه ارزشمند دیگری باشد.

📝 تهیه و تنظیم: #الهام_افخمی دانشجوی ارشد #بیوانفورماتیک آزمایشگاه #بیوانفورماتیک دانشگاه #تربیت_مدرس
چهارشنبه‌ها: #اخبار_فناوری

📌توضیحات تکمیلی این پژوهش را می‌توانید از طریق لینک زیر دنبال کنید.

https://www.codecool.ir/journal%20detail?file=7181

🔖 تعداد کلمات: 818 کلمه
⏰ زمان مطالعه: کمتر از 4 دقیقه

📌 منبع:
https://www.rug.nl/sciencelinx/nieuws/2020/02/20200210_roelfes?lang=en

✅کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫

🎧بخش سوم کتاب صوتی "روانشناسی تکاملی"

🔶 سازگاری و انتخاب طبیعی
🔶 نه طراحی نه تصادف!

🖋نویسنده: دیلان ایوانز، اسکار ساراته

پنجشنبه ها: #کتاب_صوتی

#روانشناسی_تکاملی
#دیلان_ایوانز
#اسکار_ساراته

✅کانال بیوانفورماتیک ایران
💠منبع: کانال خوانش کتاب برای انسان خردمند

@Iran_Bioinformatics💫
@Homosapiensfa💫

💻 دوره طراحی محاسباتی دارو

مدرس ها:
👨🏻‍🏫 دکتر سجاد قرقانی (عضو هیئت علمی گروه بیوانفورماتیک دانشگاه تهران و عضو هیئت مدیره انجمن بیوانفورماتیک ایران )
👨🏻‍🏫 دکتر مانی (عضو هیئت علمی گروه شیمی تجزیه دانشگاه تربیت مدرس )

🕰طول دوره: هشت هفته

💎10 درصد تخفیف دانشجویی
😃 برگزای کلاس به صورت آنلاین💻
♦️جهت کسب اطلاعات بیشتر میتوانید با شناسه زیر تماس برقرار کنید:
@codecool5

🌞کانال بیوانفورماتیک ایران 🌞
@Iran_Bioinformatics💫

🌀هر هفته یک فیلم از دروس اموزشی اساتید

🔰طراحی دارو دکتر قرقانی

✴️ما را دنبال کنید
🌐 Codecool.ir

📌 @Iran_Bioinformatics

💠 https://instagram.com/codecool_bioinformatics

#طنز

از منظر برخی اساتید...😅😅


✅ کانال بیوانفورماتیک ایران
@Iran_Bioinformatics

🧠هرم یادگیری

🌀مطالعات نشان می‌دهد که متغیر بودن روش‌ها و مواد آموزشی باعث می‌شود که ذخیره‌سازی و یادآوری اطلاعات در ذهن بهبود یابد و تجربه یادگیری ارتقا پیدا کند.

🎯"هرم یادگیری" که گاهی به آن "مخروط یادگیری" نیز گفته می‌شود، توسط آزمایشگاه ملی آموزش ساخته شده و نشان می‌دهد که اکثر دانش آموزان فقط حدود 10٪ از آنچه را که از کتاب‌های درسی می‌خوانند را به یاد می‌آورند، اما حدود 90٪ از آنچه که از طریق آموزش به دیگران یاد می‌گیرند را به یاد خواهند داشت.

🔸مدل هرم یادگیری نشان می‌دهد که برخی از روش‌های مطالعه مؤثرتر از سایرین هستند و متفاوت بودن روش‌های مطالعه منجر به یادگیری عمیق‌تر و حفظ طولانی مدت خواهد شد.

👂گوش دادن به سخنرانی یا تدریس :
یکی از بی اثر ترین روش های یادگیری است زیرا که یک روش منفعلانه محسوب می‌شود و یادگیرنده هیچ فعالیتی جز گوش دادن انجام نمی‌دهد. این روش زمانی مفید و موثرتر خواهد بود که از یادداشت برداری نیز استفاده شود.

🙇‍♂️خواندن و مطالعه فردی:
خواندن و مطالعه فردی روش موثر‌تری نسبت به گوش دادن به سخنرانی می‌باشد. به این ترتیب اگر شما فردی بصری باشید کتاب خواندن یک روش یادگیری مناسب برای شماست، در غیر این صورت اگر فردی غیر بصری یا فراگیر (شنوایی) باشید این روش، روش مناسبی نیست با این حال در دانشگاه‌ها و مدارس بر کتاب‌های درسی تمرکز شده و همه افراد به‌گونه‌ای مجبور به مطالعه هستند.

✴️بازدید ها و نمایش:
اولین روش مطالعه فعال از هفت روش هرم یادگیری است؛ در این روش به واسطه نمایشگاه ها، موزه ها و غیره به یادگیری می‌پردازیم. این روش به خصوص زمانی که اطلاعات گیج کننده و یا مبهم باشند باعث درک و فهم بیشتری می‌شود.

👥بحث‌های گروهی:
یک شکل از آموش همگانی و روش یادگیری مشارکتی است که متکی بر تعامل و گفت‌گو دانش آموزان با سایر دانش آموزان و مربیان می‌باشد. همچنین این روش منجر به حفظ بیشتر اطلاعات و مطالب مورد مطالعه می‌شود.

💡تمرین به وسیله کار عملی:
از موثرترین روش های یادگیری است که در این روش دانش‌آموز را تشویق می‌کنند تا آنچه را که یادگرفته است در عمل انجام دهد، بنابراین باعث درک عمیق‌تر و انتقال اطلاعات از حافظه کوتاه مدت به بلند مدت می‌شود.

💎نتیجه گیری:
زمانی پیروی از هرم یادگیری اثر بخش خواهد بود که بر اساس سبک یادگیری منحصر بفرد شما قرار گیرد؛ برخی به صورت بصری بهتر یاد می‌گیرند در حالی که برخی دیگر به صورت شنوایی. برای به حداکثر رساندن اثر بخشی مطالعه خود باید سبک یادگیری منحصر بفردتان را شناسایی کنید.

📍متن کامل این مطلب را در لینک زیر دنبال کنید:
https://www.codecool.ir/journal%20detail?file=7182


✅کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫



📝تعداد کلمات: 582 کلمه

⏰زمان مطالعه: کمتر از 3 دقیقه


📝تهیه و تنظیم: #عطیه_احمدی دانشجوی #ارشد_بیوفیزیک آزمایشگاه #بیوانفورماتیک دانشگاه #تربیت_مدرس

شنبه ها: #علمی_اجتماعی


📌منبع:
https://www.educationcorner.com/the-learning-pyramid.html

📚روش های کمی مناسب برای محققین حوزه سلامت: راهنمای عملی تعاملی اپیدمیولوژی و آمار

📝تهیه و تنظیم: #علیرضا_دوست_محمدی دانشجو ارشد بیوانفورماتیک آزمایشگاه #بیوانفورماتیک دانشگاه #تربیت_مدرس

یکشنبه ها: #معرفی_کتاب

✅کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫

فایل #pdf کتاب "روش های کمی مناسب برای محققین حوزه سلامت: راهنمای عملی تعاملی اپیدمیولوژی و آمار"

✅ کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫

📜 پیش بینی اپی توپ های خطی B cell

🔍 امروزه آنتی بادی ­ها به ابزارهایی ضروری و حیاتی برای کاربردهای بالینی و بیوتکنولوژی تبدیل شده ­اند. آنتی بادی­ ها بخشی از ساختار(اپی توپ) مولکول هدف را که آنتی­ ژن­ نام دارند، شناسایی و به طور کاملا اختصاصی به آن ­ها متصل می­ شوند. شناسایی اپی­ توپ تنها از طریق توالی آنتی­ ژن، عملی بسیار پیچیده است. علی رغم تلاش­ های بسیاری که در دهه های اخیر به این منظور صورت گرفته است، تنها پیشرفت­ محدودی در میزان دقت روش­های پیشگویی کننده، به خصوص روش هایی که منحصرا متکی به توالی هستند، حاصل شده است.

📌 یکی از مراحل مهم در فرآیند نقشه برداری اپی ­توپ تشخیص نواحی و اپی­ توپ­ هایی است که توسط سلول­ های B شناسایی می­ شود.

🌐 در این مقاله BepiPred-2.0، یک وب سرور برای پیشگویی اپی توپ­ های سلول­های B از طریق توالی آنتی­ ژن، به آدرس http://www.cbs.dtu.dk/services/BepiPred/ معرفی شده است. وب سرور BepiPred-2.0 از الگوریتم جنگل­ های تصادفی بهره می­ برد و براساس اپی ­توپ­ های حاشیه نویسی شده ی موجود در ساختارهای پروتئین آنتی­ ژن-آنتی­ بادی آموزش می­ بیند.

☑️🔺نتایج نشان می دهد که روش جدید عملکردی فوق، به مراتب بهتر از روش­ های گذشته­ بوده و اطلاعات به دست آمده از وب سرور کاملا قابل فهم می باشد به طوری که کاربران مبتدی تا پیشرفته(از لحاظ دانش رایانه­ ای) به راحتی می­توانند از آن استفاده کنند. برای کار با این سرور کافی است که توالی پروتئین مورد نظرتان را به سرور داده و سپس با فشردن گزینه­ ی ارسال، اپی­توپ­های سلول­های B برای شما به نمایش گذاشته می­شود. BepiPred-2.0 ابزاری کاربردی و ارزشمند برای محققانی است که در زمینه بیوانفورماتیک و همچنین ایمونولوژی فعالیت می ­کنند.

📌توضیحات تکمیلی این پژوهش را می توانید از طریق لینک زیر دنبال کنید.

https://www.codecool.ir/journal%20detail?file=7183


📝 تهیه و تنظیم: #غزاله_فهیمیان دانش آموخته ارشد #بیوفیزیک آزمایشگاه #بیوانفورماتیک دانشگاه #تربیت_مدرس

دوشنبه ها: #مقاله_هفته

📝تعداد کلمات: 250

⏰زمان مطالعه: کمتر از 2دقیقه

✅کانال بیوانفورماتیک ایران
@Iran_Bioinformatics💫


📌لینک مقاله: https://academic.oup.com/nar/article/45/W1/W24/3787843