کامل ترین شبیه سازی کامپیوتری یک سلول برای بررسی قوانین پنهان حیات
یک مدل دیجیتالی سه بعدی از یک "سلول حداقلی" توانسته است دانشمندان را به درک ساده ترین نیازهای حیات نزدیکتر کند. دانسته های حداقلی ما از نحوه ی عملکرد ساده ترین سلول ها از موجودات اعماق اقیانوسها تا باکتری های داخل بدن ما هنوز کافی نیست.
اما تیمی از دانشگاه ایلینویز در مقاله ای در نشریه ی Cell کامل ترین شبیه سازی کامپیوتری یک سلول زنده را ایجاد کرده اند. با این مدل دیجیتال، حالا زیست شناسان می توانند محدودیت های طبیعت را پشت سر بگذارند و کاوش های خود در مورد عملکرد اساسی ترین واحد حیات را تسریع کنند.
شولتن رهبر این تیم گفته است که تصور کنید که بتوانید از یک شبیه سازی به نتایجی برسید که قبلا آزمایش های زیادی لازم داشت! با استفاده از این مدل آنها اکتشافات شگفت انگیزی در مورد فیزیولوژی و چرخه ی تولید مثل سلول مدل سازی شده، انجام داده اند و ایده های زیادی هم برای آزمایشات بعدی گرفته اند.
کیت آدالاما که یک زیست شناس سنتتیک و استادیار است می گوید این اولین بار است که می توانیم یک نگاه محاسباتی واقعا دقیق به متابولیسم یک سیستم پیچیده داشته باشیم، نه فقط در مورد یک واکنش شیمیایی بلکه در مورد تمام واکنش های یک سلول زنده ی کامل! سالها بود که زیست شناسان در تلاش بوده اند که کل سلول ها را مدل سازی کنند و فرایند های زیست شناسی آن ها را به طور دقیق پیش بینی کنند اما به دلیل پیچیدگی بالای سلول ها ناموفق بوده اند. آدالاما گفته است که اگر ندانید که چه آجرهایی لگویی در آن وجود دارد، ساختن یک مدل سخت خواهد بود.
اما سلولی که گروه ایلینویز با آن کار می کند بسیار ساده است و ژن های بسیار کمتری نسبت به سلول های دیگر دارد که فیزیولوژی آن راحت تر قابل اندازه گیری است و آن را به یک پلتفرم ایده آل مدل تبدیل می کند.
سلول مورد بحث یک "سلول حداقلی" است که در خط مرزی بین حیات و عدم حیات قرار دارد و فقط تعداد محدودی ژن را که برای بقا ضروری هستند، حمل می کند. این شبیه سازی با تکرار فرایند های بیوشیمیایی شناخته شده در داخل این سلول پایه ای و ردیابی تمام مواد مغذی، مواد زائد، تولیدات ژنی و سایر مولکول هایی که در آن در فضایی سه بعدی در حرکتند، داشمندان را به درک این مسئله نزدیکتر می کند که چگونه ساده ترین شکل حیات، خود را زنده نگه می دارد و برخی از پیش نیازهای زیربنایی زندگی را آشکار می کند.
این یافته ها پله ای برای ساختن مدل های سلول های طبیعی خواهد بود که پیچیده تر و مهمتر هستند. به عنوان مثال اگر دانشمندان بتوانند در نهایت یک مدل شبیه سازی شده از باکتری روده اشریشیا کلی بسازند، بنا به گفته ی آدالاما بازی به طور کلی عوض می شود زیرا تمام تولیدات علمی زیستی از روی E. coli ساخته می شوند.
متن کامل مقاله را در لینک زیر ببینید:
https://linkinghub.elsevier.com/retrieve/pii/S0092867421014884
@practicalbioinformatics
یک مدل دیجیتالی سه بعدی از یک "سلول حداقلی" توانسته است دانشمندان را به درک ساده ترین نیازهای حیات نزدیکتر کند. دانسته های حداقلی ما از نحوه ی عملکرد ساده ترین سلول ها از موجودات اعماق اقیانوسها تا باکتری های داخل بدن ما هنوز کافی نیست.
اما تیمی از دانشگاه ایلینویز در مقاله ای در نشریه ی Cell کامل ترین شبیه سازی کامپیوتری یک سلول زنده را ایجاد کرده اند. با این مدل دیجیتال، حالا زیست شناسان می توانند محدودیت های طبیعت را پشت سر بگذارند و کاوش های خود در مورد عملکرد اساسی ترین واحد حیات را تسریع کنند.
شولتن رهبر این تیم گفته است که تصور کنید که بتوانید از یک شبیه سازی به نتایجی برسید که قبلا آزمایش های زیادی لازم داشت! با استفاده از این مدل آنها اکتشافات شگفت انگیزی در مورد فیزیولوژی و چرخه ی تولید مثل سلول مدل سازی شده، انجام داده اند و ایده های زیادی هم برای آزمایشات بعدی گرفته اند.
کیت آدالاما که یک زیست شناس سنتتیک و استادیار است می گوید این اولین بار است که می توانیم یک نگاه محاسباتی واقعا دقیق به متابولیسم یک سیستم پیچیده داشته باشیم، نه فقط در مورد یک واکنش شیمیایی بلکه در مورد تمام واکنش های یک سلول زنده ی کامل! سالها بود که زیست شناسان در تلاش بوده اند که کل سلول ها را مدل سازی کنند و فرایند های زیست شناسی آن ها را به طور دقیق پیش بینی کنند اما به دلیل پیچیدگی بالای سلول ها ناموفق بوده اند. آدالاما گفته است که اگر ندانید که چه آجرهایی لگویی در آن وجود دارد، ساختن یک مدل سخت خواهد بود.
اما سلولی که گروه ایلینویز با آن کار می کند بسیار ساده است و ژن های بسیار کمتری نسبت به سلول های دیگر دارد که فیزیولوژی آن راحت تر قابل اندازه گیری است و آن را به یک پلتفرم ایده آل مدل تبدیل می کند.
سلول مورد بحث یک "سلول حداقلی" است که در خط مرزی بین حیات و عدم حیات قرار دارد و فقط تعداد محدودی ژن را که برای بقا ضروری هستند، حمل می کند. این شبیه سازی با تکرار فرایند های بیوشیمیایی شناخته شده در داخل این سلول پایه ای و ردیابی تمام مواد مغذی، مواد زائد، تولیدات ژنی و سایر مولکول هایی که در آن در فضایی سه بعدی در حرکتند، داشمندان را به درک این مسئله نزدیکتر می کند که چگونه ساده ترین شکل حیات، خود را زنده نگه می دارد و برخی از پیش نیازهای زیربنایی زندگی را آشکار می کند.
این یافته ها پله ای برای ساختن مدل های سلول های طبیعی خواهد بود که پیچیده تر و مهمتر هستند. به عنوان مثال اگر دانشمندان بتوانند در نهایت یک مدل شبیه سازی شده از باکتری روده اشریشیا کلی بسازند، بنا به گفته ی آدالاما بازی به طور کلی عوض می شود زیرا تمام تولیدات علمی زیستی از روی E. coli ساخته می شوند.
متن کامل مقاله را در لینک زیر ببینید:
https://linkinghub.elsevier.com/retrieve/pii/S0092867421014884
@practicalbioinformatics
Sciencedirect
Fundamental behaviors emerge from simulations of a living minimal cell
We present a whole-cell fully dynamical kinetic model (WCM) of JCVI-syn3A, a minimal cell with a reduced genome of 493 genes that has retained few reg…
Media is too big
VIEW IN TELEGRAM
نمایی از سلول شبیه سازی شده در دانشگاه ایلینویز در 20 دقیقه ی اول چرخه ی سلولی و واکنش های مربوط به پردازش اطلاعات ژنتیکی
@practicalbioinformatics
@practicalbioinformatics
⏪ظهور سریع انواع جدید ویروس کرونا به علت توانایی ویروس در افزایش لحظه ای سرعت تکامل خود
یکی از تفاوت های بزرگ ویروس کرونا یا همان SARS-CoV2 توسط تیم دکتر سباستین دوشن در دانشگاه ملبورن مورد بررسی قرار گرفته است. آنها دریافته اند که ویروسی که باعث بیماری کووید 19 می شود در واقع دچار انفجارهای جهشی کوتاه مدت می شود و سپس به سرعت "عادی" خود باز می گردد. منظور از سرعت عادی سرعتی است که معمولا همه ی ویروسها جهش می یابند و این سرعت جهش ها نسبتا ثابت است و بیشتر ویروس ها یک سال یا بیشتر طول می کشد تا یک گونه ی جدید تولید کنند.
دکتر دوشن گفت که با این حال آنچه ما در مورد انواع SARS-CoV2، به ویژه انواع نگران کننده مشاهده کردیم این است که آنها بیش از آنچه که ما در سرعت تکامل طبیعی ویروس های کرونا انتظار داریم دچار جهش شده اند. برای مثال نوع دلتا تنها در عرض شش هفته از شکل اجدادی خود پدیدار شد.
برای درک چرایی این اتفاق، آزمایشگاه دکتر دوشن روی صدها توالی ژنومی از سویه های SARS-CoV2 تجزیه و تحلیل های محاسباتی انجام داد تا مکانیسم های ظهور انواع نگران کننده ی ویروس یعنی چهار مورد اول: آلفا، بتا، گاما و دلتا را دریابد. در ابتدا اعتقاد بر این بود که SARS-CoV2 احتمالا سرعت تکامل خود را به طور کلی افزایش داده باشد، اما مشخص شد افزایش موقت سرعت خود است که باعث تفاوت در سرعت کلی تکامل شده است. دکتر دوشن گفته است که ماجرا مثل اینست که کسی پایش را روی پدال گاز فشار داده باشد. این انفجارهای جهشی می تواند بخاطر چند عامل رخ داده باشد مثل عفونت های طولانی مدت در افراد و یا انتخاب طبیعی قوی که باعث می شود ویروس توانایی فرار از سیستم ایمنی را پیدا کند. دلیل دیگر می تواند افزایش قابلیت انتقال در جمعیت های واکسینه نشده باشد که به ویروس اجازه می دهد به سرعت گسترش و تکامل یابد.
این کشف اهمیت ادامه ی تلاش ها برای نظارت و پیگیری ژنومی برای تشخیص زودهنگام انواع جدید ویروس را برجسته می کند. دکتر دوشن گفت با توجه به اینکه این ویروس به سرعت در حال تکامل است، بسیار مهم است که به تشخیص زودهنگام برای نظارت و پاسخ سریع به ویروس بپردازیم.
وی همچنین بر افزایش واکسیناسیون تاکید کرد و گفت هر کاری که بتوانیم انجام دهیم تا ویروس کمتری در جامعه وجود داشته باشد به کاهش ظهور گونه های جدید کمک می کند.
متن کامل این مقاله و محاسبات انجام شده را در لینک زیر ببینید:
https://academic.oup.com/mbe/article/39/2/msac013/6509545
@practicalbioinformatics
یکی از تفاوت های بزرگ ویروس کرونا یا همان SARS-CoV2 توسط تیم دکتر سباستین دوشن در دانشگاه ملبورن مورد بررسی قرار گرفته است. آنها دریافته اند که ویروسی که باعث بیماری کووید 19 می شود در واقع دچار انفجارهای جهشی کوتاه مدت می شود و سپس به سرعت "عادی" خود باز می گردد. منظور از سرعت عادی سرعتی است که معمولا همه ی ویروسها جهش می یابند و این سرعت جهش ها نسبتا ثابت است و بیشتر ویروس ها یک سال یا بیشتر طول می کشد تا یک گونه ی جدید تولید کنند.
دکتر دوشن گفت که با این حال آنچه ما در مورد انواع SARS-CoV2، به ویژه انواع نگران کننده مشاهده کردیم این است که آنها بیش از آنچه که ما در سرعت تکامل طبیعی ویروس های کرونا انتظار داریم دچار جهش شده اند. برای مثال نوع دلتا تنها در عرض شش هفته از شکل اجدادی خود پدیدار شد.
برای درک چرایی این اتفاق، آزمایشگاه دکتر دوشن روی صدها توالی ژنومی از سویه های SARS-CoV2 تجزیه و تحلیل های محاسباتی انجام داد تا مکانیسم های ظهور انواع نگران کننده ی ویروس یعنی چهار مورد اول: آلفا، بتا، گاما و دلتا را دریابد. در ابتدا اعتقاد بر این بود که SARS-CoV2 احتمالا سرعت تکامل خود را به طور کلی افزایش داده باشد، اما مشخص شد افزایش موقت سرعت خود است که باعث تفاوت در سرعت کلی تکامل شده است. دکتر دوشن گفته است که ماجرا مثل اینست که کسی پایش را روی پدال گاز فشار داده باشد. این انفجارهای جهشی می تواند بخاطر چند عامل رخ داده باشد مثل عفونت های طولانی مدت در افراد و یا انتخاب طبیعی قوی که باعث می شود ویروس توانایی فرار از سیستم ایمنی را پیدا کند. دلیل دیگر می تواند افزایش قابلیت انتقال در جمعیت های واکسینه نشده باشد که به ویروس اجازه می دهد به سرعت گسترش و تکامل یابد.
این کشف اهمیت ادامه ی تلاش ها برای نظارت و پیگیری ژنومی برای تشخیص زودهنگام انواع جدید ویروس را برجسته می کند. دکتر دوشن گفت با توجه به اینکه این ویروس به سرعت در حال تکامل است، بسیار مهم است که به تشخیص زودهنگام برای نظارت و پاسخ سریع به ویروس بپردازیم.
وی همچنین بر افزایش واکسیناسیون تاکید کرد و گفت هر کاری که بتوانیم انجام دهیم تا ویروس کمتری در جامعه وجود داشته باشد به کاهش ظهور گونه های جدید کمک می کند.
متن کامل این مقاله و محاسبات انجام شده را در لینک زیر ببینید:
https://academic.oup.com/mbe/article/39/2/msac013/6509545
@practicalbioinformatics
OUP Academic
Emergence of SARS-CoV-2 Variants of Concern Is Driven by Acceleration of the Substitution Rate
Abstract. The ongoing SARS-CoV-2 pandemic has seen an unprecedented amount of rapidly generated genome data. These data have revealed the emergence of lineages
◀️اپیدمی پنهان
مقاومت به آنتی بیوتیک به نقطه ی بحرانی رسیده و جهان باید هم اکنون اقدام کند.
دو سال قبل CDC یک پیش گویی ناراحت کننده انجام داد: بدون تغییر اساسی در نحوه ی استفاده از آنتی بیوتیک، پاتوژن های مقاوم به دارو که در حال حاضر باعث مرگ 700 هزار نفر در سال می شوند، تا سال 2050 سالانه 10 میلیون قربانی خواهند گرفت.
همچنین در گزارشی که اخیرا در مجله ی The Lancet چاپ شده آمده است که تلفات ناشی از مقاومت آنتی بیوتیکی حتی سریعتر از انتظارات به سوی بدتر شدن می رود.
گزارش پروژه ی گروه پژوهش های جهانی روی مقاومت آنتی بیوتیکی در ماه قبل نشان می دهد که در سال 2019 حدود 1.27 میلیون نفر به طور مستقیم به دلیل مقاومت ضد میکروبی جان خود را از دست داده اند، یعنی اگر عفونت آنها با آنتی بیوتیک های استاندارد درمانپذیر بود، نمی مردند. همچنین مجموع مرگ های ناشی از عفونت مقاوم به دارو به 4.95 میلیون نفر می رسد، به این معنی که آن بیمار دارای عفونت مقاوم به آنتی بیوتیک بوده اما علت اصلی مرگ ممکن است این عفونت نبوده نباشد.
این گزارش از داده های 23 عامل بیماریزا و 88 ترکیب بیماریزا-دارو در 204 کشور در سال 2019 استفاده کرده است. این اعداد جدید به این معناست که مقاومت ضد میکروبی به یکی از علل اصلی مرگ و میرهای جهان بدل شده و از آمار HIV و مالاریا پیشی گرفته است که به ترتیب باعث 864 هزار و 643 هزار مرگ در سال 2019 بوده اند.
این مسئله هم مهم است که تحقیقات HIV سالانه 50 میلیارد دلار بودجه جذب می کند اما هزینه های جهانی برای رسیدگی به مقاومت ضد میکروبی بسیار کمتر از این ارقام است.
در قرن گذشته آنتی بیوتیک ها انقلابی در پزشکی ایجاد کردند و مرگ و میر ناشی از بیماری های عفونی را به طور گسترده ای کاهش داده اند و ایمنی جراحی های بزرگ و میزان درمان تروما را به شدت بهبود بخشیده اند و از زمان کشف آنتی بیوتیک در بیش از یک قرن پیش میانگین طول عمر انسان را بیش از 20 سال افزایش داده اند.
اما استفاده ی بیش از حد از آنتی بیوتیک ها چه در انسان ها و چه در دام ها منجر به سازگاری باکتری ها با داروها می شود و به مرور زمان اثر بخشی آنها کاهش می یابد. اگر سرعت ایجاد این مقاومت متوقف نشود، باید منتظر افزایش مرگ و میر ناشی از عفونت های رایج و عوارض جراحی ها باشیم و به دنیایی باز می گردیم که در آن یک بریدگی جزئی می تواند کشنده باشد. دو راه کاهش سرعت ایجاد مقاومت ضد میکروبی، استفاده ی عاقلانه تر از دارو ها و همچنین توسعه ی کلاس های جدید آنتی بیوتیک هاست.
در واقع مقاومت نتیجه ی اجتناب ناپذیر استفاده از آنتی بیوتیک هاست. بهترین کاری که می توانیم انجام دهیم این است که آن را به تعویق بیندازیم، عواقب آن را کاهش دهیم و برای تولید آنتی بیوتیک های جدیدی که باکتری ها هنوز به آن مقاومت پیدا نکرده اند، زمان بخریم.
برای دیدن متن کامل مقاله که به ارائه ی راهکارهایی در این زمینه می پردازد اینجا کلیک کنید.
@practicalbioinformatics
مقاومت به آنتی بیوتیک به نقطه ی بحرانی رسیده و جهان باید هم اکنون اقدام کند.
دو سال قبل CDC یک پیش گویی ناراحت کننده انجام داد: بدون تغییر اساسی در نحوه ی استفاده از آنتی بیوتیک، پاتوژن های مقاوم به دارو که در حال حاضر باعث مرگ 700 هزار نفر در سال می شوند، تا سال 2050 سالانه 10 میلیون قربانی خواهند گرفت.
همچنین در گزارشی که اخیرا در مجله ی The Lancet چاپ شده آمده است که تلفات ناشی از مقاومت آنتی بیوتیکی حتی سریعتر از انتظارات به سوی بدتر شدن می رود.
گزارش پروژه ی گروه پژوهش های جهانی روی مقاومت آنتی بیوتیکی در ماه قبل نشان می دهد که در سال 2019 حدود 1.27 میلیون نفر به طور مستقیم به دلیل مقاومت ضد میکروبی جان خود را از دست داده اند، یعنی اگر عفونت آنها با آنتی بیوتیک های استاندارد درمانپذیر بود، نمی مردند. همچنین مجموع مرگ های ناشی از عفونت مقاوم به دارو به 4.95 میلیون نفر می رسد، به این معنی که آن بیمار دارای عفونت مقاوم به آنتی بیوتیک بوده اما علت اصلی مرگ ممکن است این عفونت نبوده نباشد.
این گزارش از داده های 23 عامل بیماریزا و 88 ترکیب بیماریزا-دارو در 204 کشور در سال 2019 استفاده کرده است. این اعداد جدید به این معناست که مقاومت ضد میکروبی به یکی از علل اصلی مرگ و میرهای جهان بدل شده و از آمار HIV و مالاریا پیشی گرفته است که به ترتیب باعث 864 هزار و 643 هزار مرگ در سال 2019 بوده اند.
این مسئله هم مهم است که تحقیقات HIV سالانه 50 میلیارد دلار بودجه جذب می کند اما هزینه های جهانی برای رسیدگی به مقاومت ضد میکروبی بسیار کمتر از این ارقام است.
در قرن گذشته آنتی بیوتیک ها انقلابی در پزشکی ایجاد کردند و مرگ و میر ناشی از بیماری های عفونی را به طور گسترده ای کاهش داده اند و ایمنی جراحی های بزرگ و میزان درمان تروما را به شدت بهبود بخشیده اند و از زمان کشف آنتی بیوتیک در بیش از یک قرن پیش میانگین طول عمر انسان را بیش از 20 سال افزایش داده اند.
اما استفاده ی بیش از حد از آنتی بیوتیک ها چه در انسان ها و چه در دام ها منجر به سازگاری باکتری ها با داروها می شود و به مرور زمان اثر بخشی آنها کاهش می یابد. اگر سرعت ایجاد این مقاومت متوقف نشود، باید منتظر افزایش مرگ و میر ناشی از عفونت های رایج و عوارض جراحی ها باشیم و به دنیایی باز می گردیم که در آن یک بریدگی جزئی می تواند کشنده باشد. دو راه کاهش سرعت ایجاد مقاومت ضد میکروبی، استفاده ی عاقلانه تر از دارو ها و همچنین توسعه ی کلاس های جدید آنتی بیوتیک هاست.
در واقع مقاومت نتیجه ی اجتناب ناپذیر استفاده از آنتی بیوتیک هاست. بهترین کاری که می توانیم انجام دهیم این است که آن را به تعویق بیندازیم، عواقب آن را کاهش دهیم و برای تولید آنتی بیوتیک های جدیدی که باکتری ها هنوز به آن مقاومت پیدا نکرده اند، زمان بخریم.
برای دیدن متن کامل مقاله که به ارائه ی راهکارهایی در این زمینه می پردازد اینجا کلیک کنید.
@practicalbioinformatics
Vox
The hidden epidemic
Antibiotic resistance is approaching a crisis point, and the world needs to act.
ماشین لرنینگ به سراغ تست های تشخیص ویروس هم رفت اما چگونه؟
پژوهشگران روشی اتوماتیک را توسعه داده اند که اثربخشی تست های تشخیص ویروس را پیش بینی کرده و بهترین نوع ممکن را طراحی می کند.
همانطور که ظهور بیماری کرونا بسیاری از اولویت ها در جهان پژوهش را تغییر داد، موج امیکرون هم نیاز فوری به آزمایش های تشخیصی را برجسته کرده است که بتوانند حتی در صورت وقوع جهش هم ویروس ها را به دقت تشخیص دهند. حالا دانشمندانی از ام آی تی و هاروارد اولین سیستم کاملا خودکاری را توسعه داده اند که از یادگیری ماشینی برای طراحی تشخیص ویروس ها استفاده می کند.
این روش که ADAPT نام دارد به دانشمندان کمک می کند تا تست های تشخیصی بسیار حساسی را ایجاد کنند که می توانند سطوح بسیار پایین ویروس را تشخیص دهند. همچنین بسیار اختصاصی عمل می کنند و فقط ویروس مورد نظر را تشخیص می دهند و نه سایر ویروس ها را. محققان در نشریه ی Nature Biotechnology توضیح داده اند که چگونه از این رویکرد خود برای تست تشخیصی برای 2000 ویروس شناخته شده ی مهره داران از جمله SARS-CoV-2 استفاده کرده اند.
طراحی یک تست تشخیص ویروس شامل انتخاب دقیق بهترین مکان ها در DNA یا RNA ویروس برای آزمایش هدف است. این کار تا کنون به طور دستی و بر اساس اصول و قوانین خاصی انجام می شد که نیازمند مقدار زیادی آزمون و خطا بود. روش ADAPT که از الگوریتم های آموزش دیده برای پیش بینی بهترین توالی ها برای تشخیص استفاده می کند، به دانشمندان کمک می کند تا به سرعت تست هایی را طراحی کنند که برای تعداد زیادی از ویروس های مختلف موثر هستند و می توانند همزمان با تکامل ویروس ها به سرعت اصلاح و مقیاس بندی شوند.
پردیس ثابتی نویسنده ی ارشد این مطالعه گفته است که هدف ADAPT توسعه ی اقدامات تقابلی است که ویروسی را که در حال حاضر در گردش است، هدف قرار دهد و آماده باشد که پا به پای ویروس در حال تکامل و تغییر حرکت کند. ثابتی همچنین محقق موسسه ی پزشکی هاروارد هیوز، استاد مرکز زیست شناسی سیستم ها و گروه زیست شناسی ارگانیسمی و تکاملی در دانشگاه هاروارد و استاد گروه ایمنولوژی و بیماری های عفونی در دانشکده ی بهداشت عمومی هاروارد تی چان است.
همچنین پریا پیلای مهندس نرم افزار تیم یک وبسایت ایجاد کرده است که محققان دیگر می توانند برای هر ویروس شناخته شده ای تست های تشخیصی خاص آن را بیابند یا سیستم ADAPT را بر روی داده های خود اجرا کنند.
برای مطالعه ی بیشتر اینجا کلیک کنید.
@practicalbioinformatics
پژوهشگران روشی اتوماتیک را توسعه داده اند که اثربخشی تست های تشخیص ویروس را پیش بینی کرده و بهترین نوع ممکن را طراحی می کند.
همانطور که ظهور بیماری کرونا بسیاری از اولویت ها در جهان پژوهش را تغییر داد، موج امیکرون هم نیاز فوری به آزمایش های تشخیصی را برجسته کرده است که بتوانند حتی در صورت وقوع جهش هم ویروس ها را به دقت تشخیص دهند. حالا دانشمندانی از ام آی تی و هاروارد اولین سیستم کاملا خودکاری را توسعه داده اند که از یادگیری ماشینی برای طراحی تشخیص ویروس ها استفاده می کند.
این روش که ADAPT نام دارد به دانشمندان کمک می کند تا تست های تشخیصی بسیار حساسی را ایجاد کنند که می توانند سطوح بسیار پایین ویروس را تشخیص دهند. همچنین بسیار اختصاصی عمل می کنند و فقط ویروس مورد نظر را تشخیص می دهند و نه سایر ویروس ها را. محققان در نشریه ی Nature Biotechnology توضیح داده اند که چگونه از این رویکرد خود برای تست تشخیصی برای 2000 ویروس شناخته شده ی مهره داران از جمله SARS-CoV-2 استفاده کرده اند.
طراحی یک تست تشخیص ویروس شامل انتخاب دقیق بهترین مکان ها در DNA یا RNA ویروس برای آزمایش هدف است. این کار تا کنون به طور دستی و بر اساس اصول و قوانین خاصی انجام می شد که نیازمند مقدار زیادی آزمون و خطا بود. روش ADAPT که از الگوریتم های آموزش دیده برای پیش بینی بهترین توالی ها برای تشخیص استفاده می کند، به دانشمندان کمک می کند تا به سرعت تست هایی را طراحی کنند که برای تعداد زیادی از ویروس های مختلف موثر هستند و می توانند همزمان با تکامل ویروس ها به سرعت اصلاح و مقیاس بندی شوند.
پردیس ثابتی نویسنده ی ارشد این مطالعه گفته است که هدف ADAPT توسعه ی اقدامات تقابلی است که ویروسی را که در حال حاضر در گردش است، هدف قرار دهد و آماده باشد که پا به پای ویروس در حال تکامل و تغییر حرکت کند. ثابتی همچنین محقق موسسه ی پزشکی هاروارد هیوز، استاد مرکز زیست شناسی سیستم ها و گروه زیست شناسی ارگانیسمی و تکاملی در دانشگاه هاروارد و استاد گروه ایمنولوژی و بیماری های عفونی در دانشکده ی بهداشت عمومی هاروارد تی چان است.
همچنین پریا پیلای مهندس نرم افزار تیم یک وبسایت ایجاد کرده است که محققان دیگر می توانند برای هر ویروس شناخته شده ای تست های تشخیصی خاص آن را بیابند یا سیستم ADAPT را بر روی داده های خود اجرا کنند.
برای مطالعه ی بیشتر اینجا کلیک کنید.
@practicalbioinformatics
Nature
Designing sensitive viral diagnostics with machine learning
Nature Biotechnology - Viral diagnostics with maximum sensitivity are designed using machine learning and combinatorial optimization.
LigPlus.zip
3.9 MB
💽نرم افزار +LigPlot به همراه لایسنس یک ساله اکادمیک تا August 2023
✍️برنامه ای برای نمایش اینتراکشن بین پروتئین-پروتئین و پروتئین-لیگاند
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
✍️برنامه ای برای نمایش اینتراکشن بین پروتئین-پروتئین و پروتئین-لیگاند
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
This media is not supported in your browser
VIEW IN TELEGRAM
دوره طراحی دارو
سرفصل ها:
مقدمه اي بر طراحی دارو
آشنایی با انواع روش های طراحی دارو (براساس ساختار،بر اساس لیگاند)
آشنایی با فرمت های مختلف مولکولهای شیمیایی
آشنایی با انواع دیتابیس های دارویی
آشنایی با دیتابیس های ماکرومولکولی
مبانی تئوری داکینگ، اصول غربال گري مجازي
آشنایی و آموزش روش های طراحی و بهینه سازی مولکولی
آشنایی و آموزش openbabel
آموزش بهینه سازی و آماده سازی ماکرو مولکول
آشنایی و آموزش Autodock و Vina
آموزش داکینگ بروی پروتئین
آموزش استخراج و آنالیز نتایج
آموزش نرمافزار Molegro و Chimera
آموزش استفاده از PyRx برای غربالگری مجازی
آموزش کار با LIGPLOT+ و Discovery Studio
آموزش غربالگری مجازی فارماکوفوری ساختار محور باZincPharmer
آموزش غربالگری مجازی فارماکوفوری لیگاند محور با PharmaGist
آموزش غربالگری مجازی بر اساس شکل ساختار محور با Pharmit
اشنایی با دینامیک مولکولی و نرمافزار گرومکس
آموزش و راهنمایی طراحی پروژه و مقاله در زمینه طراحی دارو
اطلاعات بیشتر:
09106665590
www.parssilico.com
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
سرفصل ها:
مقدمه اي بر طراحی دارو
آشنایی با انواع روش های طراحی دارو (براساس ساختار،بر اساس لیگاند)
آشنایی با فرمت های مختلف مولکولهای شیمیایی
آشنایی با انواع دیتابیس های دارویی
آشنایی با دیتابیس های ماکرومولکولی
مبانی تئوری داکینگ، اصول غربال گري مجازي
آشنایی و آموزش روش های طراحی و بهینه سازی مولکولی
آشنایی و آموزش openbabel
آموزش بهینه سازی و آماده سازی ماکرو مولکول
آشنایی و آموزش Autodock و Vina
آموزش داکینگ بروی پروتئین
آموزش استخراج و آنالیز نتایج
آموزش نرمافزار Molegro و Chimera
آموزش استفاده از PyRx برای غربالگری مجازی
آموزش کار با LIGPLOT+ و Discovery Studio
آموزش غربالگری مجازی فارماکوفوری ساختار محور باZincPharmer
آموزش غربالگری مجازی فارماکوفوری لیگاند محور با PharmaGist
آموزش غربالگری مجازی بر اساس شکل ساختار محور با Pharmit
اشنایی با دینامیک مولکولی و نرمافزار گرومکس
آموزش و راهنمایی طراحی پروژه و مقاله در زمینه طراحی دارو
اطلاعات بیشتر:
09106665590
www.parssilico.com
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
This media is not supported in your browser
VIEW IN TELEGRAM
⚙سرور پارس MD
▪️شرکت پارس سیلکو با در اختیار داشتن سرور های مبتنی بر GPU و همکاران متخصص شبیه سازی دینامیک مولکولی این امکان را فراهم کرده
تا در سریعترین زمان ممکن، دقیقترین و جامع ترین خدمات شبیه سازی دینامیک مولکولی را در اختیار محققین عزیز قرار دهد.
▪️آدرس دسترسی به وب سرور :
parssilico.com/index.php/services/other-services/md
▪️شرکت پارس سیلکو با در اختیار داشتن سرور های مبتنی بر GPU و همکاران متخصص شبیه سازی دینامیک مولکولی این امکان را فراهم کرده
تا در سریعترین زمان ممکن، دقیقترین و جامع ترین خدمات شبیه سازی دینامیک مولکولی را در اختیار محققین عزیز قرار دهد.
▪️آدرس دسترسی به وب سرور :
parssilico.com/index.php/services/other-services/md
Forwarded from Iranian Bioinformatics Society (IBIS) (Zahra Ghorbanali)
💭 سلسله جلسات بایوگپ(BioGap)
در سومین جلسه بایوگپ، میزبان خانم دکتر ژاله صفی‌خانی از موسسه Skyhawk Therapeutic و دکتر پگاه خسروی، استادیار دانشگاه CUNY Newyork city college of technology هستیم.
در این جلسه در مورد «بیوانفورماتیک: در آکادمی و شرکت ها» به گفتگو با این دو سخنران بزرگوار می‌پردازیم.
❗️ این جلسه در بستر اسکای روم برگزار میگردد و ورود برای عموم آزاد و رایگان است.
⏰ یکشنبه، ۹ بهمن ماه ۱۴۰۱ ساعت ۱۹
🌐 لینک جلسه:
https://www.skyroom.online/ch/arashfj/biogap
@IranianBioinformaticsSociety
@CBRC_aut
در سومین جلسه بایوگپ، میزبان خانم دکتر ژاله صفی‌خانی از موسسه Skyhawk Therapeutic و دکتر پگاه خسروی، استادیار دانشگاه CUNY Newyork city college of technology هستیم.
در این جلسه در مورد «بیوانفورماتیک: در آکادمی و شرکت ها» به گفتگو با این دو سخنران بزرگوار می‌پردازیم.
❗️ این جلسه در بستر اسکای روم برگزار میگردد و ورود برای عموم آزاد و رایگان است.
⏰ یکشنبه، ۹ بهمن ماه ۱۴۰۱ ساعت ۱۹
🌐 لینک جلسه:
https://www.skyroom.online/ch/arashfj/biogap
@IranianBioinformaticsSociety
@CBRC_aut
❄️ چرا XBB.1.5 - جدیدترین سویه Omicron - می تواند در رقابت با دیگر سویه COVID-19 پیروز شود"
• سویه XBB.1.5 فرعی Omicron به سرعت در کشورهای مختلف از جمله ایالات متحده و کانادا در حال افزایش است.
• مرکز کنترل بیماری های ایالات متحده XBB.1.5 به زودی تقریباً 40٪ موارد COVID-19 در ایالات متحده را تشکیل می دهد.
• داده های نظارتی در بریتانیا نشان می دهد که XBB.1.5 نشان دهنده 1 مورد از 25 مورد COVID-19 است و می تواند به سویه غالب بعدی تبدیل شود.
• سویه XBB.1.5 تا روز پنجشنبه در 29 کشور شناسایی شده است
• سویه XBB.1.5 از شاخه BA2 Omicron تکامل یافته و آن را به یکی از آخرین اعضای یک شجره خانوادگی پیچیده تبدیل کرده است.
• سویه XBB.1.5 می تواند چندین مزیت تکاملی داشته باشد، از جمله جهش هایی که به چسبیدن آن به سلول های انسانی و فرار از سیستم ایمنی کمک می کند.
• یکی از محققان انستیتوی فناوری نیویورک در حال ردیابی شیوع XBB.1.5 است و پیشنهاد می‌کند که ممکن است جهش‌هایی داشته باشد که گرفتن و انتشار آن را آسان‌تر می‌کند.
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
• سویه XBB.1.5 فرعی Omicron به سرعت در کشورهای مختلف از جمله ایالات متحده و کانادا در حال افزایش است.
• مرکز کنترل بیماری های ایالات متحده XBB.1.5 به زودی تقریباً 40٪ موارد COVID-19 در ایالات متحده را تشکیل می دهد.
• داده های نظارتی در بریتانیا نشان می دهد که XBB.1.5 نشان دهنده 1 مورد از 25 مورد COVID-19 است و می تواند به سویه غالب بعدی تبدیل شود.
• سویه XBB.1.5 تا روز پنجشنبه در 29 کشور شناسایی شده است
• سویه XBB.1.5 از شاخه BA2 Omicron تکامل یافته و آن را به یکی از آخرین اعضای یک شجره خانوادگی پیچیده تبدیل کرده است.
• سویه XBB.1.5 می تواند چندین مزیت تکاملی داشته باشد، از جمله جهش هایی که به چسبیدن آن به سلول های انسانی و فرار از سیستم ایمنی کمک می کند.
• یکی از محققان انستیتوی فناوری نیویورک در حال ردیابی شیوع XBB.1.5 است و پیشنهاد می‌کند که ممکن است جهش‌هایی داشته باشد که گرفتن و انتشار آن را آسان‌تر می‌کند.
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
فرصت کاراموزی بیوانفورماتیک
لینک ثبت نام
https://www.baseclear.com/career-jobs/intern-bioinformatics/
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
لینک ثبت نام
https://www.baseclear.com/career-jobs/intern-bioinformatics/
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
🎯دوره کارآموزی بیوانفورماتیک کارشناسی ارشد - گروه van Heesch
لینک ثبت نام
https://werkenbijprinsesmaximacentrum.nl/vacature/masters-internship-bioinformatics-the-van-heesch-group/
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
لینک ثبت نام
https://werkenbijprinsesmaximacentrum.nl/vacature/masters-internship-bioinformatics-the-van-heesch-group/
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
http://bit.do/ePCeQ
📣 دوره های آموزشی تابستان پارس سیلیکو
انلاین و حضوری
📋لیست دوره ها:
▫️طراحی دارو
▫️طراحی واکسن
▫️کیوسار QSAR
▫️دینامیک مولکولی
▫️زیست شناسی سامانه ای
▫️انالیز داده های متاژنومیکس
▫️انالیز بیان ژن (Microarry و RNA-seq)
▫️انالیز Single-cell RNA sequencing
▫️زبان برنامه نویسی پایتون (بایو پایتون)
▫️زبان برنامه نویسی R
▫️بایولینوکس
🧩به همراه شرایط اقساطی پرداخت
🎁 ثبت نام در دوره‌ها با تخفیف ویژه!
🏆 موفقیت بیش از ۹۰٪ درصد در طراحی پروژه و مقاله نویسی
📈 بهبود مهارت‌های خود در حوزه بیوانفورماتیک با آموزش‌های بهاره پارس سیلیکو!
👨🏫 جزئیات بیشتر:
▫️۰۹۱۰۶۶۶۵۵۹۰
📞 برای دریافت سرفصل ها و هزینه دوره ها به سایت ما مراجعه بفرمایید :
🌍 goo.gl/9ytXkG
🥇آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalbioinformatics
📣 دوره های آموزشی تابستان پارس سیلیکو
انلاین و حضوری
📋لیست دوره ها:
▫️طراحی دارو
▫️طراحی واکسن
▫️کیوسار QSAR
▫️دینامیک مولکولی
▫️زیست شناسی سامانه ای
▫️انالیز داده های متاژنومیکس
▫️انالیز بیان ژن (Microarry و RNA-seq)
▫️انالیز Single-cell RNA sequencing
▫️زبان برنامه نویسی پایتون (بایو پایتون)
▫️زبان برنامه نویسی R
▫️بایولینوکس
🧩به همراه شرایط اقساطی پرداخت
🎁 ثبت نام در دوره‌ها با تخفیف ویژه!
🏆 موفقیت بیش از ۹۰٪ درصد در طراحی پروژه و مقاله نویسی
📈 بهبود مهارت‌های خود در حوزه بیوانفورماتیک با آموزش‌های بهاره پارس سیلیکو!
👨🏫 جزئیات بیشتر:
▫️۰۹۱۰۶۶۶۵۵۹۰
📞 برای دریافت سرفصل ها و هزینه دوره ها به سایت ما مراجعه بفرمایید :
🌍 goo.gl/9ytXkG
🥇آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalbioinformatics
📢 دوره طراحی دارو
💎شرکت کنندگان در این دوره شانس حضور در پروژه های مقاله محور آزمایشگاه را دریافت می‌کنند.
سرفصل ها:
مقدمه اي بر طراحی دارو
آشنایی با انواع روش های طراحی دارو (براساس ساختار،بر اساس لیگاند)
آشنایی با فرمت های مختلف مولکولهای شیمیایی
آشنایی با انواع دیتابیس های دارویی
آشنایی با دیتابیس های ماکرومولکولی
مبانی تئوری داکینگ، اصول غربال گري مجازي
آشنایی و آموزش openbabel
آموزش بهینه سازی و آماده سازی ماکرو مولکول
آشنایی و آموزش Autodock و Vina
آموزش داکینگ بروی پروتئین
آموزش استخراج و آنالیز نتایج
آموزش نرمافزار MVW و Chimera
آموزش استفاده از PyRx برای غربالگری مجازی
آموزش کار با LIGPLOT+ و Discovery Studio
آموزش غربالگری مجازی فارماکوفوری ساختار محور باZincPharmer
آموزش غربالگری مجازی فارماکوفوری لیگاند محور با PharmaGist
آموزش غربالگری مجازی بر اساس شکل ساختار محور با Pharmit
اشنایی با دینامیک مولکولی و نرمافزار گرومکس
آموزش طراحی پروژه و مقاله
اطلاعات بیشتر:
09106665590
www.parssilico.com
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
💎شرکت کنندگان در این دوره شانس حضور در پروژه های مقاله محور آزمایشگاه را دریافت می‌کنند.
سرفصل ها:
مقدمه اي بر طراحی دارو
آشنایی با انواع روش های طراحی دارو (براساس ساختار،بر اساس لیگاند)
آشنایی با فرمت های مختلف مولکولهای شیمیایی
آشنایی با انواع دیتابیس های دارویی
آشنایی با دیتابیس های ماکرومولکولی
مبانی تئوری داکینگ، اصول غربال گري مجازي
آشنایی و آموزش openbabel
آموزش بهینه سازی و آماده سازی ماکرو مولکول
آشنایی و آموزش Autodock و Vina
آموزش داکینگ بروی پروتئین
آموزش استخراج و آنالیز نتایج
آموزش نرمافزار MVW و Chimera
آموزش استفاده از PyRx برای غربالگری مجازی
آموزش کار با LIGPLOT+ و Discovery Studio
آموزش غربالگری مجازی فارماکوفوری ساختار محور باZincPharmer
آموزش غربالگری مجازی فارماکوفوری لیگاند محور با PharmaGist
آموزش غربالگری مجازی بر اساس شکل ساختار محور با Pharmit
اشنایی با دینامیک مولکولی و نرمافزار گرومکس
آموزش طراحی پروژه و مقاله
اطلاعات بیشتر:
09106665590
www.parssilico.com
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
🎯۷۰ پوزیشن دکتری در زمینه های زیست شناسی، سرطان، ژنتیک، ایمونولوژی، بیوانفورماتیک ، طراحی دارو و... در دانشگاه های ایتالیا
لینک ثبت نام
https://www.semm.it/education/open-positions
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
لینک ثبت نام
https://www.semm.it/education/open-positions
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
با Boost کردن کانال پارس سیلیکو، به ما در فعال کردن قابلیت انتشار استوری کمک کنید🧡
https://t.me/PracticalBioinformatics?boost
https://t.me/PracticalBioinformatics?boost
Telegram
آزمایشگاه پارس سیلیکو
از این کانال حمایت کنید تا بتواند استوری‌ها پست کند.
Drug design, molecular dynamics
اطلاعات بیشتر
https://quintana.chem.ufl.edu/
💎 آزمایشگاه بیوانفورماتیک پارس سیلیکو
@practicalBioinformatics
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in the widget
VIEW IN TELEGRAM
This media is not supported in the widget
VIEW IN TELEGRAM
This media is not supported in the widget
VIEW IN TELEGRAM