⚗ متابولومیکس Metabolomics

🔬 متابولومیکس به مطالعه و تحلیل مجموعه مولکول‌های کوچک متابولیکی موجود در یک سلول، بافت یا نمونه زیستی در یک زمان و شرایط مشخص می‌پردازد. با بررسی متابولوم می‌توان تغییرات متابولیکی سلول و پاسخ آن به شرایط مختلف را بررسی کرد.

💻 در تحلیل داده‌های متابولومیکس، بیوانفورماتیسین‌ها می‌توانند:

🔹 داده‌های خام متابولومیکس را پردازش و کیفیت آن‌ها را بررسی کنند
🔹 متابولیت‌های موجود در نمونه را شناسایی و اندازه‌گیری کنند
🔹 میزان متابولیت‌ها را در نمونه‌های مختلف مقایسه کنند
🔹 متابولیت‌هایی را که بین دو یا چند شرایط تغییر کرده‌اند شناسایی کنند
🔹 الگوهای تغییرات متابولیکی را بررسی و تحلیل کنند
🔹 متابولیت‌های تغییرکرده را به مسیرهای متابولیکی مرتبط نسبت دهند
🔹 ارتباط میان تغییرات متابولیکی و فرایندهای زیستی یا بیماری‌ها را بررسی کنند.

🫁 مثال واقعی: سرطان ریه

🧪 در یک مطالعه در سال ۲۰۲۶، پژوهشگران با استفاده از متابولومیکس، نمونه‌های سرم افراد سالم، افراد دارای ضایعات پیش‌سرطانی و بیماران مبتلا به آدنوکارسینوم مرحله اول ریه را مقایسه کردند. آن‌ها الگوهای متفاوتی از متابولیت‌ها را شناسایی کردند و با کمک یادگیری ماشین، یک پنل شش‌متابولیتی برای شناسایی سرطان ریه در مراحل اولیه پیشنهاد دادند.

🌎 نمونه واقعی: Human Metabolome Database

🗃️ در پایگاه Human Metabolome Database (HMDB)، اطلاعات گسترده‌ای درباره متابولیت‌های موجود در بدن انسان، ویژگی‌های شیمیایی و زیستی آن‌ها و حضورشان در نمونه‌ها و بافت‌های مختلف جمع‌آوری شده است.

🔎 این داده‌ها به پژوهشگران کمک می‌کنند متابولیت‌های شناسایی‌شده در مطالعات متابولومیکس را بررسی و اطلاعات مربوط به آن‌ها را تفسیر کنند.

🧷 پس متابولومیکس فقط «شناسایی متابولیت‌ها» نیست؛ بلکه با تحلیل داده‌های متابولومیکس می‌توان تغییرات سطح متابولیت‌ها، الگوهای متابولیکی و ارتباط آن‌ها با فرایندهای سلولی و بیماری‌ها را بررسی و تفسیر کرد.

🔜 اما این فقط یکی از لایه‌های اطلاعاتی است که می‌توان از یک سیستم زیستی بررسی کرد... لایه بعدی چه چیزی را برای ما آشکار می‌کند؟

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━

🦠 روز جهانی میکروارگانیسم‌ها را به همه زیست‌شناسان، به‌ویژه میکروبیولوژیست‌ها، تبریک می‌گوییم.

👩‍🔬 در این پست، تصاویر ۱۰ نفر از برجسته‌ترین دانشمندانی را آورده‌ایم که هرکدام نقشی مهم در شناخت و پیشرفت علم میکروبیولوژی داشته‌اند.

🎁 اگر بتوانید نام ۵ نفر از این دانشمندان را درست حدس بزنید، در قرعه‌کشی شرکت داده خواهید شد.

📥 مشاهده پست اینستاگرام

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━

🤖 نسل جدید کشف دارو با هوش مصنوعی

🔬 در این ویدئو، با نقش هوش مصنوعی و روش‌های محاسباتی پیشرفته در نسل جدید فرایند Drug Discovery آشنا می‌شویم.

⚗️ هدف چیست؟
کاهش زمان و هزینه جست‌وجوی ترکیبات دارویی و افزایش احتمال شناسایی کاندیداهای موفق در مراحل اولیه توسعه دارو.

🧫 هوش مصنوعی می‌تواند فرایند کشف دارو را از یک جست‌وجوی گسترده و پرهزینه به فرایندی داده‌محور، هدفمند و هوشمندانه‌تر تبدیل کند.

💊 آینده Drug Discovery فقط پیدا کردن یک مولکول مناسب نیست؛ طراحی هوشمندانه آن است.

📝 همراه با زیرنویس فارسی اختصاصی اتحاد زیست‌شناسان

🎬 پریا دستیاری

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━ 
     🆔 @UIBiologists🔬🧪
┗━━━━━━

📽️ نام فیلم: کلونی (Colony) -2026
🎬 ژانر: اکشن ـ علمی‌تخیلی
💯 امتیاز: ۶.۶ / ۱۰

🎞️ در یک کنفرانس بزرگ بیوتکنولوژی، انتشار ناگهانی ویروسی ناشناخته و به‌شدت جهش‌پذیر، همه‌چیز را به کابوسی مرگبار تبدیل می‌کند. مقامات برای جلوگیری از گسترش آلودگی، کل مجموعه را قرنطینه می‌کنند؛ اما برای گروهی از افراد حاضر در آنجا، راه فراری باقی نمی‌ماند.

🔖 خلاصه فیلم:
پروفسور سه‌جونگ و گروه کوچکی از بازماندگان، در حالی که در محاصره ویروس گرفتار شده‌اند، برای زنده ماندن تلاش می‌کنند. اما خطر تنها خود ویروس نیست؛ افراد آلوده دچار دگرگونی‌های هولناکی می‌شوند و هر لحظه بقای بازماندگان دشوارتر از قبل می‌شود.

✍️ الناز عابدینی

🍿 #معرفی_فیلم


اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━ 
     🆔 @UIBiologists 🌱💡 
┗━━━━━━

🦠 متاژنومیکس Metagenomics

🧬 متاژنومیکس به مطالعه و تحلیل مجموعه DNA موجود در یک جامعه میکروبی می‌پردازد؛ بدون اینکه لازم باشد هر میکروارگانیسم به‌صورت جداگانه کشت و بررسی شود. با این روش می‌توان ترکیب میکروبی یک نمونه و همچنین ژن‌ها و قابلیت‌های عملکردی موجود در آن جامعه را بررسی کرد.

🔬 یکی از روش‌های مهم در متاژنومیکس، Shotgun Metagenomics است؛ در این روش DNA موجود در نمونه به‌صورت گسترده توالی‌یابی و سپس با ابزارهای محاسباتی تحلیل می‌شود.

💻 بیوانفورماتیسین‌ها می‌توانند:

🔹 کیفیت داده‌های خام توالی‌یابی را بررسی و داده‌های نامناسب را فیلتر کنند
🔹 توالی‌ها را از نظر ترکیب و تنوع میکروبی تحلیل کنند
🔹 میکروارگانیسم‌های موجود در نمونه را شناسایی و طبقه‌بندی کنند
🔹 توالی‌ها را مونتاژ کرده و Contig بسازند
🔹 ژن‌های موجود را شناسایی و عملکرد احتمالی آن‌ها را بررسی کنند
🔹 با روش Binning، ژنوم‌های میکروبی را از داده‌های متاژنومیک بازسازی کنند
🔹 داده‌های چند نمونه را از نظر ترکیب میکروبی و عملکردهای ژنی با هم مقایسه کنند.

🌊 یک نمونه واقعی: نشت نفت Deepwater Horizon

🧪در جریان نشت نفت Deepwater Horizon در خلیج مکزیک، پژوهشگران با استفاده از توالی‌یابی متاژنومیک، جامعه میکروبی رسوبات آلوده را بررسی کردند.

🔬 تحلیل داده‌ها نشان داد که در مناطق تحت‌تأثیر نفت، برخی میکروب‌ها و ژن‌های مرتبط با تجزیه هیدروکربن‌ها افزایش یافته‌اند؛ یعنی متاژنومیکس کمک کرد ظرفیت این جامعه میکروبی برای تجزیه ترکیبات نفتی بررسی شود.

🧷 پس متاژنومیکس فقط شناسایی «چه میکروب‌هایی وجود دارند» نیست؛ بلکه با تحلیل داده‌های DNA می‌توان ترکیب جامعه میکروبی، ژن‌های موجود و قابلیت‌های عملکردی آن را بررسی کرد.

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━

🥼 آزمایشگاهی که خودش روپوش به تن دارد!

⚗️ تا امروز آزمایشگاه جایی بود که پژوهشگر در آن آزمایش انجام می‌داد؛ اما حالا خود آزمایشگاه هم می‌تواند در فرایند کشف علمی نقش داشته باشد.

🔬 آزمایشگاه‌های خودران (SDLs) با ترکیب هوش مصنوعی، رباتیک و فناوری‌های نوین، می‌توانند آزمایش‌ها را طراحی و اجرا کنند و نتایج را تحلیل کنند.

🧬 مثلا در یک پروژه مهندسی پروتئین، SDLs می‌تواند بر اساس نتایج آزمایش‌های قبلی، آزمایش بعدی را پیشنهاد دهد، نمونه‌ها را آماده و آزمایش را اجرا کند و سپس داده‌های جدید را برای تصمیم‌گیری مرحله بعد تحلیل کند.

💊 این رویکرد در حوزه‌هایی مثل کشف دارو، مهندسی پروتئین و میکروبیولوژی در حال استفاده و توسعه است و هدف آن افزایش سرعت و تعداد چرخه‌های آزمایش و یادگیری است.

📈 با این حال، SDLs هنوز نمی‌توانند کاملا مستقل و در هر حوزه‌ای مانند یک پژوهشگر انسانی تصمیم‌گیری کنند و همچنان برای بسیاری از مراحل پژوهش به نظارت و دخالت انسان نیاز دارند.

✍️ روژینا احسانی
📚 منبع

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
🆔 @UIBiologists🔬🧪
┗━━━━━━

🧬 اپی‌ژنومیکس Epigenomics

🧬 اپی‌ژنومیکس به مطالعه تغییرات اپی‌ژنتیکی در سراسر ژنوم می‌پردازد؛ تغییراتی که می‌توانند بر فعالیت ژن‌ها اثر بگذارند، بدون اینکه توالی DNA تغییر کند.

🔬 برای مطالعه اپی‌ژنوم، داده‌هایی درباره متیلاسیون DNA، تغییرات هیستونی و وضعیت کروماتین به دست می‌آید. بیوانفورماتیک با پردازش و تحلیل این داده‌ها، الگوهای اپی‌ژنتیکی را شناسایی و مقایسه می‌کند و به بررسی ارتباط آن‌ها با فعالیت ژن‌ها کمک می‌کند.

💻 بیوانفورماتیسین‌ها می‌توانند:

🔹 داده‌های خام اپی‌ژنومیک را پردازش و کیفیت آن‌ها را بررسی می‌کنند
🔹 الگوهای DNA methylation را شناسایی و بین نمونه‌ها مقایسه می‌کنند
🔹 نواحی دارای تغییرات هیستونی را بررسی می‌کنند
🔹 نواحی باز کروماتین را شناسایی می‌کنند
🔹 نواحی تنظیمی مانند promoter و enhancer را بررسی می‌کنند
🔹 داده‌های اپی‌ژنومیک را با داده‌های بیان ژن ترکیب و ارتباط میان آن‌ها را تحلیل می‌کنند
🔹 تفاوت‌های اپی‌ژنومیک بین سلول‌ها، بافت‌ها یا شرایط مختلف را شناسایی می‌کنند.

🫁 یک نمونه واقعی: سرطان ریه

📊در یک مطالعه روی سرطان ریه غیرکوچک‌سلولی (NSCLC)، پژوهشگران با استفاده از پروفایل‌سازی اپی‌ژنومیک، الگوهای متیلاسیون DNA را بررسی کردند.

🔬 تحلیل داده‌ها چندین ناحیه با الگوهای متفاوت متیلاسیون را شناسایی کرد. در میان آن‌ها، متیلاسیون ناحیه پروموتر LRP12 با مقاومت به داروی کاربوپلاتین ارتباط داشت و این یافته در یک گروه مستقل ۳۵ بیمار نیز بررسی شد.

🌎 یک پروژه مهم: Roadmap Epigenomics

🧬پروژه Roadmap Epigenomics با هدف ایجاد نقشه‌های مرجع از اپی‌ژنوم سلول‌ها و بافت‌های انسانی انجام شد.

📊در این پروژه، ۱۱۱ اپی‌ژنوم مرجع انسانی با استفاده از داده‌هایی مانند متیلاسیون DNA، دسترسی‌پذیری DNA، تغییرات هیستونی و بیان RNA بررسی شدند. تحلیل یکپارچه این داده‌ها به شناسایی نواحی تنظیمی ژنوم و بررسی ارتباط آن‌ها با فعالیت ژن‌ها و بیماری‌ها کمک کرد.

🧷 پس اپی‌ژنومیکس فقط بررسی توالی DNA نیست؛ با تحلیل داده‌های اپی‌ژنومیک می‌توان الگوهای تنظیمی ژنوم را شناسایی و ارتباط آن‌ها با فعالیت ژن‌ها و ویژگی‌های سلولی را بررسی کرد.

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━

🧬 فردریک سنگر؛ دانشمندی که خواندن DNA را متحول کرد!

📖 اوایل دهه ۱۹۷۰، دانشمندان می‌دانستند DNA حامل اطلاعات ژنتیکی است؛ اما هنوز روش ساده‌ای برای تعیین دقیق ترتیب A، T، C و G نداشتند.

🔍 سنگر برای حل این مسئله، سراغ فرایند ساخت DNA رفت. او در کنار نوکلئوتیدهای معمولی، دیدئوکسی‌نوکلئوتیدها (ddNTPs) را وارد واکنش کرد؛ مولکول‌هایی که با قرارگرفتن در رشته DNA، ادامه ساخت آن را متوقف می‌کردند.

🧬 در نتیجه، مجموعه‌ای از قطعات DNA با طول‌های متفاوت ایجاد می‌شد که هرکدام در نقطه‌ای مشخص متوقف شده بودند. سنگر با جدا کردن این قطعات بر اساس اندازه، توانست ترتیب بازهای DNA را بازسازی کند. این روش بعدها «توالی‌یابی سنگر» (Sanger sequencing) نام گرفت.

🏆 این روش راه تازه‌ای برای خواندن اطلاعات ژنتیکی باز کرد و سال‌ها یکی از روش‌های مهم توالی‌یابی بود. اهمیت این دستاورد در سال ۱۹۸۰ با دریافت دومین جایزه نوبل شیمی توسط Frederick Sanger به رسمیت شناخته شد.

✍️ ریحانه سادات تقوی

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━

👀 وقتی یک سلول را از چند زاویه می‌بینیم!

🔗 تا اینجا با ژنومیکس، ترنسکریپتومیکس، پروتئومیکس و متابولومیکس آشنا شدیم؛ اما همه این حوزه‌ها در یک خانواده بزرگ‌تر به نام اُمیکس (Omics) قرار می‌گیرند.

🔬 اُمیکس به مجموعه‌ای از رویکردها گفته می‌شود که به‌جای بررسی یک یا چند مولکول به‌صورت جداگانه، مجموعه بزرگی از اجزای یک سیستم زیستی را به‌صورت گسترده و سیستماتیک بررسی می‌کنند.

🧪 این رویکردها در پژوهش‌های زیستی کمک می‌کنند تغییرات سلولی را بهتر بررسی کنیم، سازوکار بیماری‌ها را بشناسیم و الگوها یا نشانگرهای زیستی مرتبط با بیماری را شناسایی کنیم.

🔗 وقتی داده‌های چند اُمیکس در کنار هم قرار می‌گیرند و ارتباط میان آن‌ها بررسی می‌شود، با مفهوم Multi-omics روبه‌رو می‌شویم؛ رویکردی که می‌تواند دید جامع‌تری از یک سیستم زیستی ایجاد کند.

🤔فکر می‌کنید چه لایه‌های دیگری از یک سیستم زیستی را می‌توان با رویکردهای اُمیکس بررسی کرد؟

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━

🧠 اگر می‌توانستیم تمام ارتباطات مغز یک مگس را ببینیم، چه چیزی پیدا می‌کردیم؟

🪰 مگس سرکه یکی از جانداران مدل مهم در پژوهش‌های زیستی است و مغز کوچک آن، شبکه‌ای پیچیده از نورون‌ها و ارتباطات عصبی دارد.

🔬 برای بررسی این شبکه، مغز به برش‌های بسیار نازک تقسیم و از هر برش تصویربرداری می‌شود. سپس میلیون‌ها تصویر دوبعدی با کمک روش‌های محاسباتی و هوش مصنوعی کنار هم قرار می‌گیرند تا ساختار سه‌بعدی نورون‌ها و ارتباطاتشان بازسازی شود.

🧩 برای نخستین بار، نقشه‌ کامل مغز و دستگاه عصبی مرکزی یک مگس سرکه‌ی نر بالغ به‌صورت یکپارچه تهیه شده؛ نقشه‌ای شامل بیش از ۱۶۶ هزار نورون و حدود ۱۲۵ میلیون اتصال سیناپسی.

👀 با این نقشه می‌توان مسیر ارتباط نورون‌ها را دنبال کرد و دید اطلاعاتی مثل بینایی، شنوایی و بویایی چگونه در مدارهای عصبی پردازش و به خروجی‌های حرکتی مرتبط می‌شوند.

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━

🍪 وقتی پسماند پلاستیکی به ماده اولیه کلوچه تبدیل می‌شود!

🧬 پژوهشگران نمونه اولیه‌ای از کلوچه‌ای پروتئینی به نام µBites تولید کرده‌اند که بخشی از مواد اولیه آن از ترکیبات به‌دست‌آمده از پلاستیک و پسماندهای گیاهی تأمین می‌شود. در این روش، پلاستیک مستقیما وارد کلوچه نمی‌شود و ترکیبات کربنی آن پس از پردازش، برای تولید مواد غذایی به کار می‌روند.

🧪 در این فرایند، پلاستیک PET که در تولید بطری‌های آب و نوشیدنی استفاده می‌شود و پسماندهای گیاهی مانند ساقه و برگ ذرت، با آب و اکسیژن در دما و فشار بالا تجزیه شده و به مولکول‌های کوچک‌تری تبدیل می‌شوند. سپس مخمرهای مهندسی‌شده این ترکیبات را به موادی مانند پروتئین، چربی، وانیلین و بتاکاروتن تبدیل می‌کنند. در نهایت، فیبر، نشاسته و شیرین‌کننده به ترکیب اضافه می‌شوند.

🔬 این پژوهش نشان می‌دهد که می‌توان از میکروب‌های مهندسی‌شده برای تبدیل پسماندهای پلاستیکی و زیستی به مواد مورد استفاده در تولید غذا بهره گرفت. بااین‌حال، این محصول هنوز در مرحله پژوهشی قرار دارد و برای ارزیابی مصرف انسانی به بررسی‌های بیشتری نیاز دارد.

✍️ زهرا آکریم علمدار
📥 منبع

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
     🆔 @UIBiologists 🌱💡
┗━━━━━━

📕 The Immortal Life of Henrietta Lacks
📘 زندگی جاودانه هنریتا لاکس

✍️ نویسنده: ربکا اسکلوت (Rebecca Skloot)

📕 این کتاب، زندگی هنریتا لاکس و کشف رده سلولی نامیرای HeLa را روایت می‌کند که باعث نجات زندگی میلیون‌ها انسان شد؛ اما زندگی هنریتا را از او گرفت.

👩🏾 او زنی سیاه‌پوست بود که برای درمان به بیمارستان مراجعه کرده بود؛ پزشکان، بدون اطلاع وی، سلول‌های سرطانی دهانه رحمش را استخراج کرده و در آزمایشگاه کشت دادند. واژه HeLa، برگرفته از نام و نام‌خانوادگی وی است. سرعت رشد این سلول‌ها به‌قدری بود که در مدت یک هفته، به ۶ تریلیون رسید و توانست سر از آزمایشگاه‌های سرتاسر جهان دربیاورد.

📖 ربکا اسکلوت، این کتاب را در سال 2010 نوشت که در مدت زمان کوتاهی، تبدیل به یکی از مهم‌ترین کتاب‌های نوشته‌شده در زمینه اخلاق زیستی شد. روایتی بسیار جذاب از زندگی زنی که در سن 31 سالگی درگذشت؛ اما بدون شک یکی از تأثیرگذارترین افراد دنیای پزشکی است و نامش در تاریخ جاودانه خواهد ماند.

✍️ شیرین خسروی
📥 دریافت کتاب

📚 #معرفی_کتاب

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━

🌌 عظمتی به اندازه کهکشان‌ها در بدن انسان!

🤔تا حالا فکر کردید اگر DNA، پروتئین‌ها و اطلاعات موجود در بدن انسان رو کنار هم بذاریم، با چه مقیاس عظیمی روبه‌رو می‌شیم؟

💻 در این پست چند واقعیت شگفت‌انگیز درباره بدن انسان رو کنار هم آوردیم؛ واقعیت‌هایی که نشون میدن چرا برای مطالعه این حجم از اطلاعات، به علمی مثل بیوانفورماتیک نیاز داریم.

❤️ لینک پست

اینستاگرام | تلگرام | لینکدین | بله | درباره ما

┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━