✨سومین سخنرانی از سلسله سخنرانی های CB Talk✨

🎤فردا، با حضور جناب آقای دکتر علی مدنی و سرکار خانم دکتر راضیه کرم‌زاده برگزار خواهد شد.🎤

⚠️اگر تاکنون ثبت‌نام خود را نهایی نکرده‌اید، فرصت باقی‌مانده را از دست ندهید.

🗓تاریخ: پنجشنبه، ۲۸ تیر(۱۸ژوئیه)
⏰ ساعت: ۱۶:۳۰ الی ۱۸:۳۰

لینک ثبت‌نام: سایت رایازی

🚀Telegram 
🖼LinkedIn 
🖼Instagram

#یادآوری
#رویداد
#CB_Talk

⚠️شناسایی DNA خارج کروموزومی(ecDNA) مبتنی بر یادگیری ماشین در مقیاس بزرگ بعنوان یک بایومارکر ارزشمند در تشخیص سرطان ⚠️


❓در این مقاله، محققین به بررسی استفاده از یک مدل یادگیری‌ماشین برای شناسایی و تحلیل DNA خارج کروموزومی(ecDNA) در بافت‌های سرطانی می‌پردازند.

🎮با استفاده از الگوریتم XGBoost، محققان مدلی برای پیش‌بینی، با ۱۱ ویژگی کلیدی مانند: تعداد کل کپی، پلی‌پلوئیدی تومور و بار تغییرات تعداد کپی ایجاد کردند.
این مدل با داده‌های توالی‌یابی کل اگزوم، از ۳۸۶ نمونه تومور، آموزش دیده و عملکرد قابل ملاحظه‌ای را بر اساس این داده‌ها از خود نشان‌داده است که از جمله‌ی آنان می‌توان مساحت زیر منحنی دقت-بازخوانی(auPRC) برابر ۰/۸۱۵ و مساحت زیر منحنی مشخصه عملکرد (auROC) برابر ۰/۸۶۳ که نسبت به مدل‌های رگرسیون لجستیک سنتی عملکرد بهتری داشت، اشاره کرد.

✔️این مدل در انواع مختلف سرطان مورد ارزیابی قرار گرفت و عملکرد یک‌نواختی نشان داد که نشان‌دهنده‌ی پتانسیل آن به عنوان ابزاری عمومی برای شناسایی ecDNA است.
از طریق شناسایی موثر  ecDNA که اغلب با پیش‌آگهی ضعیف و مقاومت به درمان مرتبط هستند، این مدل بینش‌های بالینی قابل توجه‌ای ارائه می‌دهد و می‌تواند به شخصی‌سازی درمان سرطان و تشخیص زودهنگام کمک کند. 

➕در مجموع، این تحقیقات نقش و عملکرد ecDNA را با استفاده از داده‌های توالی‌یابی کل اگزوم سرطان(WES) را اثبات میکند و پتانسیل تقویت ecDNA را به‌عنوان یک بایومارکر ارزشمند برای تسهیل درمان و تشخیص سرطان به‌خصوص در حوزه‌ی درمان شخصی‌سازی‌ شده، برجسته می‌کند.

🔗مقاله‌ی کامل را از این لینک می‌توانید دنبال کنید.

🚀Telegram
🖼LinkedIn
🖼Instagram

#مقاله
#سرطان
#یادگیری‌ماشین_ML

⭐️«هجدهمین #ژورنال_کلاب شاخه‌ی دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران»

🎤روز یکشنبه، با حضور جناب آقای جمال اسماعیلی برگزار خواهد شد. چناچنه هنوز ثبت‌نام خود را نهایی نکرده‌اید، فرصت باقی‌مانده را از دست ندهید.

🗓تاریخ: یکشنبه، ۳۱ تیر ۱۴۰۳(۲۱ ژوئیه)
⏰ساعت: ۲۰ الی ۲۲

🔗لینک ثبت‌نام: سایت رایازی


🚀Telegram
🖼LinkedIn
🖼Instagram

#یادآوری

📣به تیم‌ ما بپیوندید!📣

چنان‌چه علاقه‌مند به همکاری داوطلبانه با تیم اجرایی انجمن جهانی زیست‌شناسی محاسباتی، شاخه‌ی دانشجویی ایران هستید، ما در مواردی خاص به افرادی با توانایی‌های مرتبط نیازمندیم.

🔗می‌توانید از طریق فرم زیر، مهارت‌های موردنیاز را چک نمائید و اگر آن توانایی‌ها را در خود می‌بینید، فرم را تکمیل کنید تا به‌زودی باهم گفت‌وگو کنیم و فرصت‌های همکاری را بررسی‌ نمائیم.

✨فرم ارسال درخواست


🤝 این همکاری داوطلبانه‌ است، همچنین این فراخوان مربوط به امور اجرایی، برنامه‌ریزی‌ها و مدیریت انجمن می‌باشد. دقت نمائید که این فراخوان، ارتباطی با فعالیت‌های پژوهشی انجمن نداشته و اختصاصاً مربوط به فعالیت‌های اجرایی خواهد بود!


🚀Telegram
🖼LinkedIn
🖼Instagram

#جذب

❓مغز ما در تعاملات اجتماعی چگونه با افراد دیگر منطبق می‌شود و تصمیم‌گیری می‌کند؟

🟢در هنگام تصمیم‌گیری مغز ما اطلاعات را به‌تدریج جمع‌آوری و پردازش می‌کند. این فرآیند به‌ عنوان تجمع شواهد عصبی شناخته می‌شود.

➕در موقعیت‌های اجتماعی، ما اغلب زمانی که نسبت به افکارمان اطمینان داریم آن را با بقیه به اشتراک می‌گذاریم. این‌کار باعث می‌شود تا تفکراتمان با دیگران هم‌سو بشود.

✔️تحقیقات نشان‌داده است که وقتی افراد افکار خود را به اشتراک می‌گذارند، فعالیت‌های مغزی آن‌ها هم‌گام می‌شود و به تصمیم‌گیری هماهنگ‌تر و بهتری منجر می‌شود.

➕به عنوان مثال به همکاری تیمی، مذاکره‌ها و یا حتی گفتگوهای غیررسمی‌ خود در گذشته فکر کنید. اشتراک افکار و تصمیم‌گیری‌ها به ما کمک می‌کند تا یکدیگر را بهتر درک کنیم و تصمیم‌های مشترکی بگیریم.

🙂درک این فرآیند می‌تواند ارتباطات، همکاری و تصمیم‌گیری را در تمامی جنبه‌های زندگی بهبود ببخشد!

📣اگر علاقمند هستید تا با این موضوع بیشتر از بُعد علمی آشنا شوید، با ما در هجدهمین ژورنال کلاب شاخه دانشجویی انجمن جهانی زیست‌شناسی محاسباتی ایران همراه بشوید.

🎤در این ژورنال کلاب ما میزبان جناب آقای جمال اسماعیلی می‌باشیم. ایشان هم‌اکنون کاندیدای دکترای رشته‌ی Computational Neuroscience در موسسه‌ی Ludwig Maximilian University of Munich هستند.


👀یکشنبه، ۳۱ تیر، ساعت ۲۰ منتظر شما هستیم.👀


🚀Telegram
🖼LinkedIn
🖼Instagram

#ژورنال_کلاب

📣«نوزدهمین #ژورنال_کلاب شاخه‌ی دانشجویی انجمن جهانی زیست‌شناسی محاسباتی در ایران»

✔️موضوع:

"Disco Tope-3.0: improved B-cell epitope prediction using inverse folding latent representations"

🧑🏻‍💻 با حضور جناب آقای دکتر اردوان عبیری

✨«آقای اردوان عبیری هم‌اکنون به عنوان محقق در دانشگاه ییل(Yale University) آمریکا مشغول هستند و پیش از این مدرک دکترای حرفه‌ای داروسازی خود را از دانشگاه علوم‌پزشکی کرمان با پایان‌نامه‌ای در خصوص طراحی محاسباتی دارو(Computational Drug Design) دریافت کردند. آقای اردوان عبیری در حال حاضر بر روی طراحی واکسن با استفاده از هوش مصنوعی و یادگیری‌ماشین، خصوصاً ترنسفرمر، فعالیت می‌کنند.»

❗️جهت کسب اطلاعات بیش‌تر درمورد سابقه‌ی آموزشی و پژوهشی ایشان، می‌توانید به صفحه‌ی لینکدین و گوگل‌اسکالر ایشان مراجعه نمائید.

🗓تاریخ: یکشنبه، ۷ مرداد ۱۴۰۳(۲۸ ژوئیه)
⏰ ساعت: ۲۰ الی ۲۲

🔗 لینک ثبت‌نام: سایت رایازی
🌐 این رویداد به صورت آنلاین برگزار می‌گردد.

🔖 دوستان علاقه‌مند جهت شرکت در #ژورنال_کلاب توجه داشته‌باشند که جهت ایجاد پیش‌زمینه‌ی ذهنی بهتر و بهره‌مندی و مشارکت بیش‌تر شما عزیزان، مطالعه‌ی مقاله‌ی زیر پیشنهاد می‌شود.

📌 لینک مقاله

🚀Telegram
🖼LinkedIn
🖼Instagram

#ژورنال_کلاب

✨"دانشمندی که می‌توانست دو بار برنده‌ی جایزه‌ی نوبل بشود"✨

🔍کشف ساختار DNA یکی از مهم‌ترین دست‌آوردهای علمی در تاریخ انسان است و همیشه با نام واتسون و کریک می‌آید؛ ولی فرد دیگری هم بود که شاید او را بشناسید، روزالیند فرانکلین.

🗓روزالیند در ۲۵ ژوئیه ۱۹۲۰ در لندن به دنیا آمد. او از نوجوانی علاقه داشت که دانشمند شود؛ شغلی که در آن زمان برای دختران رایج نبود. او برنده‌ی بورس تحصیلی شیمی از دانشگاه کمبریج شد و مدرک دکترا گرفت. تحقیقاتش روی ساختار ذغال سنگ باعث تولید ماسک‌های بهتر برای انگلیسی‌ها در جنگ جهانی دوم شد. او برای مطالعه‌ی ساختار DNA به کالج کینگز رفت تا از تجهیزات اشعه ایکس استفاده کند.

✔️فرانکلین در سال ۱۹۵۲، "تصویر ۵۱" که معروف‌ترین تصویر از DNA است را با تکنیک کریستالوگرافی پرتو ایکس گرفت.
واتسون و کریک، پنهانی، این عکس را دیدند و با استفاده از آن، به ساختار DNA دست پیدا کردند و برنده‌ی جایزه نوبل در سال ۱۹۶۲ شدند.

➕فرانکلین در سال ۱۹۵۸ بر اثر ابتلا به سرطان درگذشت‌؛ بدون اینکه بداند واتسون و کریک تصویر او را دیده‌اند.

🙂در واقع ممکن بود که او ۲بار برنده‌ی جایزه‌ نوبل شود؛ زیرا تحقیقاتش روی ساختار ویروس، همکارش ارون کلوگ را هم در سال ۱۹۸۲ نوبلیست کرد.

🚀Telegram
🖼LinkedIn
🖼Instagram

📣سلول هایی با خصوصیات غیر بنیادی، آغازگر سرطان روده بزرگ

🟢بر اساس دیدگاه‌های مرسوم، #سرطان روده بزرگ از سلول‌های بنیادی حاضر در روده نشأت می‌گیرد. با این حال، التهاب یکی از عوامل جدی در بروز سرطان‌ها، از جمله سرطان روده‌ی بزرگ است. در این مطالعه، از سلول‌های پانت به عنوان مدلی برای ارزیابی ظرفیت رده‌های تمایز یافته برای تحریک تومورزایی در زمینه التهاب در موش‌ها استفاده شد.

✔️پس از ایجاد التهاب، جهش‌هایی که تنها خاص سلول پانت در ژن APC هستند، منجر به تومورهای روده‌ای شد که نه تنها شبیه به تومورهایی بود که در بیماران مبتلا به بیماری التهاب روده(bowel disease) مشاهده می‌شود، بلکه بخش بزرگی از سرطان‌های روده‌ی بزرگ انسانی پراکنده(sporadic) نیز بود.
احتمالاً این امر به دلیل پیامدهای التهابی ناشی از عادات غذایی غربی است که یک عامل خطر قابل توجه برای سرطان روده بزرگ محسوب می‌شود.

➕روش‌های #یادگیری‌ماشین_ML که برای پیش‌بینی سلول آغاز کننده سرطان از نمونه‌های بافت توموری بیمار طراحی شده در این مطالعه به کار گرفته شدند و تأیید کردند که در بخش قابل توجه‌ای از موارد پراکنده، منشاء سرطان روده‌ی بزرگ در رده‌های ترشحی و نه در سلول‌های بنیادی قرار دارد.

🔗مقاله‌ی کامل را از این لینک می‌توانید دنبال کنید.

🚀Telegram
🖼LinkedIn
🖼Instagram

#مقاله
#سرطان
#یادگیری‌ماشین_ML

⭐️"هر فناوری که به‌‌ اندازه‌ی کافی پیشرفته باشد، غیرقابل‌تشخیص از جادو است."
- آرتور سی‌. کلارک

👀تصور کنید که می‌خواهید متنی را ویرایش کنید؛ اما، ابزاری که در دست دارید یک قیچی‌‌ است. می‌توانید کلماتی را که دوست ندارید برش دهید، شاید چند کلمه‌ی جدید بچسبانید، اما ویرایش دقیق؟ فراموشش کنید.

✔️حالا تصور کنید کسی یک قلم به شما می‌دهد تا هرچه می‌خواهید را در هرجای دل‌خواهی بنویسید. این همان نوع جهشی است که در دنیای ویرایش #ژنوم می‌بینیم.

➕در چند دهه‌ی گذشته، ما با ابزارهایی مانند کریسپر(CRISPR) در حال برش ژنوم‌ها بودیم و پیشرفت‌های چشمگیری داشتیم؛ اما، همیشه محدود به ماهیت اساسی ابزارهایمان بودیم: آنها DNA را برش می‌دهند.

❓چه می‌‌شد اگر می‌توانستیم مستقیماً درون ژنوم، هرچه می‌خواهیم را در هرجای دل‌خواه بنویسیم بدون اینکه حتی یک برش ایجاد کنیم؟

😮این دیگر فقط یک رویا نیست!
🔥محققان موسسه Arc یک سیستم جدید کشف کرده‌اند که دقیقاً این کار را انجام می‌دهد. این سیستم را  "Bridge Recombination" یا "بازآرایی پل" نامیده‌اند که ممکن است بزرگترین انقلاب در مهندسی ژنتیک از زمان کریسپر باشد.

💥با سیستم بازآرایی پل که مکانیسم دقیق آن در ویدئو توضیح داده شده، ما دیگر فقط ژنوم را ویرایش نمی‌کنیم؛ بلکه، آن را می‌نویسیم و این بسیار نزدیک به جادو است.


🔗مقالات کامل را از لینک‌های می‌توانید دنبال کنید.
مقاله۱
مقاله۲

🚀Telegram
🖼LinkedIn
🖼Instagram

#مقاله
#بیوتکنولوژی

🟢معرفی ابزار BLAST و انواع آن🟢


✨BLAST(Basic Local Alignment Search Tool):

ابزاری‌ است که برای مقایسه‌ی سریع توالی‌های نوکلئوتیدی و پروتئینی استفاده می‌شود.
این ابزار به دانشمندان این امکان را می‌دهد تا توالی‌های ژنتیکی یا پروتئینی را با پایگاه داده‌های بزرگ موجود مقایسه کرده و شباهت‌ها یا هم‌ترازی‌های مهم را شناسایی کنند.


✔️کاربردهای اصلی BLAST عبارتند از:

➕تعیین هومولوژی توالی‌ها: یافتن شباهت‌ها و تفاوت‌های توالی‌های نوکلئوتیدی یا پروتئینی با توالی‌های موجود در پایگاه داده‌ها.

➕شناسایی ژن‌ها و پروتئین‌ها: یافتن ژن‌ها و پروتئین‌های ناشناخته از طریق مقایسه توالی‌های جدید با توالی‌های شناخته شده.

➕پیش‌بینی عملکرد ژن‌ها و پروتئین‌ها: با مقایسه توالی‌ها و شناسایی هومولوگ‌ها، می‌توان به عملکرد احتمالی ژن‌ها و پروتئین‌ها پی برد.

➕تحلیل فیلوژنتیکی: یافتن روابط تکاملی میان موجودات از طریق مقایسه توالی‌های ژنتیکی آن‌ها.

➕شناسایی نواحی حفاظتی: یافتن نواحی از توالی که در طول تکامل تغییرات کمی داشته‌اند و احتمالاً اهمیت عملکردی بالایی دارند.

➕پیدا کردن موتیف‌ها: شناسایی الگوهای خاص در توالی‌ها که می‌توانند نشان‌دهنده محل‌های اتصال پروتئین‌ها یا نواحی فعال آنزیمی باشند.


🎮برخی‌از انواع مختلف BLAST عبارتند از:

➡️BLASTN:
برای مقایسه‌ی توالی‌های نوکلئوتیدی با یکدیگر استفاده می‌شود.

➡️BLASTP:
برای مقایسه‌ی توالی‌های پروتئینی با یکدیگر استفاده می‌شود.

➡️BLASTX:
یک توالی نوکلئوتیدی را به تمام توالی‌های پروتئینی ممکن ترجمه کرده و سپس آن‌ها را با پایگاه داده‌های پروتئینی مقایسه می‌کند.

➡️TBLASTN:
یک توالی پروتئینی را با پایگاه داده‌های نوکلئوتیدی که به توالی‌های پروتئینی ترجمه شده‌اند، مقایسه می‌کند.

➡️TBLASTX:
توالی‌های نوکلئوتیدی را به #پروتئین ترجمه کرده و سپس این توالی‌های پروتئینی را با یکدیگر مقایسه می‌کند.

🔗 لینک دسترسی به ابزار BLAST🔗


🚀Telegram
🖼LinkedIn
🖼Instagram

#معرفی_سایت
#BLAST

🔥پاندمی کووید-۱۹ با وجود تمام بحران‌هایی که در دنیا ایجاد کرد، باعث شتاب در نوآوری‌های علمی و تقویت همکاری‌های جهانی در علم پزشکی شد. یکی از مهمترین دستاوردها، طراحی واکسن با استفاده از هوش مصنوعی است.🔥

🔼این فناوری‌های نوین امکان بهبود کارایی و پایداری واکسن‌ها را فراهم کرده‌اند و روند توسعه آن‌ها را به طور قابل توجهی تسریع نمودند.

⭐️ابزار AI به نام LinearDesign توسط محققان دانشگاه ایالتی اورگان و با همکاری شرکت Baidu Research طراحی شده است. این ابزار قادر است ساختارهای mRNA را بهینه‌سازی کرده و واکسن‌هایی با پایداری حرارتی بالا و پاسخ ایمنی قوی‌تر تولید کند. این تکنولوژی جدید در واکسن‌های mRNA به کار گرفته شده است.
🖥بیشتر بخوانید
🖥بیشتر بخوانید



✨یکی دیگر از دستاوردهای مهم، پلتفرم RAVEN است که توسط شرکت Evaxion Biotech توسعه یافته است. این پلتفرم با استفاده از هوش مصنوعی، کاندیداهای واکسن را در برابر ویروس‌های موجود و نوظهور شناسایی کرده و واکسن‌هایی تولید می‌کند که پاسخ ایمنی قوی و پایدار ایجاد می‌کنند. این تکنولوژی توانایی تولید واکسن‌هایی را دارد که قادر به پوشش طیف گسترده‌ای از ویروس‌ها هستند.
🖥بیشتر بخوانید


⭐️محققان MIT نیز با استفاده از سیستم‌های یادگیری ماشین، واکسن‌هایی طراحی کرده‌اند که قادر به مقابله با گونه‌های مختلف ویروس COVID-19 هستند. این واکسن‌ها بر پاسخ ایمنی سلول‌های T تمرکز دارند و می‌توانند در آینده برای تولید واکسن‌های مؤثرتر علیه ویروس‌های دیگر نیز مورد استفاده قرار گیرند.
بیشتر بخوانید
بیشتر بخوانید


🟢استفاده از هوش مصنوعی در طراحی واکسن با تسریع فرآیند توسعه و امکان بهبود کیفیت و کارایی واکسن‌ می‌تواند نقش مهمی در مبارزه با بیماری‌های عفونی و سرطان ایفا کند.

🟢اخیرا مدل جدیدی به نام DiscoTope-3.0 توسط محققان دانشگاه کپنهاگ و دانشگاه فنی دانمارک (DTU) ابداع شده با دقت بالایی می تواند اپی‌توپ‌های (نواحی آنتی ژنی که می‌توانند به آنتی‌بادی‌ها متصل و پاسخ ایمنی را تحریک کنند) سلول‌های B را پیش‌بینی کند.
مدل DiscoTope-3.0 از یک روش یادگیری عمیق به نام PU bagging و همچنین مدل‌سازی معکوس ساختار #پروتئین استفاده می‌کند. این مدل هوش مصنوعی می‌تواند اپی‌توپ‌های خطی و غیر خطی را در ساختار پروتئین‌ها به خوبی تشخیص دهد.

🟢در نوزدهمین ژورنال کلاب RSG ایران، میزبان آقای دکتر اردوان عبیری هستیم. ایشان هم‌اکنون به عنوان محقق در دانشگاه ییل (Yale University) آمریکا مشغول هستند و پیش از این مدرک دکترای حرفه‌ای داروسازی خود را از دانشگاه علوم‌پزشکی کرمان با پایان‌نامه‌ای در خصوص طراحی محاسباتی #دارو دریافت کردند. دکتر عبیری در حال حاضر بر روی طراحی واکسن با استفاده از هوش مصنوعی و #یادگیری‌ماشین_ML، خصوصاً ترنسفرمر، فعالیت می‌کنند.

🔥در این ژورنال کلاب با مدل DiscoTope-3.0 و کاربردهای هوش مصنوعی در ایمونولوژی آشنا خواهیم شد. فرصت را از دست ندهید!🔥


🚀Telegram
🖼LinkedIn
🖼Instagram


#بیوانفورماتیک
#زیست‌شناسی_محاسباتی