#سیستم_بیولوژی
زیست شناسی یک مفهوم بسیار گسترده است اما برای تعریف سیستم بیولوژی از این زاویه به زیست شناسی نگاه می کنیم:
از برهمکنش تعداد زیادی مولکول یک اندامک درون سلولی به وجود می آید که به عنوان یک واحد عملکردی در سطوح مختلف سلولی، بافتی و فیزیولوژیک ایفای نقش می کند. مطالعه ی "کمی" همه ی این فرآیندها در حوزه ی سیستم بیولوژی قرار دارد.
پس رسالت سیستم بیولوژی استفاده از زیست شناسی مولکولی و بیوشیمی اجزاء سلولی به منظور درک عملکردهای فیزیولوژیک می باشد.
اصطلاح "سیستم بیولوژی" در اوایل قرن بیست و یکم مطرح شد و پیشتر از آن به این حوزه به طورکلی "سیستم های پیچیده" گفته می شد.
در اواخر دهه ی 90، آقای Ravi Iyengar اقدام به بررسی همزمان هزاران mRNA موجود در یک سلول پرداخت و از این طریق تلاش نمود تا نحوه ی پاسخ دادن سلول به یک محرک را مطالعه نماید. وی در مطالعه ای دیگر بصورت محاسباتی اثبات نمود که مولکول ها چگونه با یکدیگر تشکیل یک شبکه سیگنالینگ را می دهند؛ مولکول هایی که به تنهایی عملکرد معناداری ندارند بلکه ارتباط آنها با یکدیگر در قالب یک شبکه به صورت یک سیگنال سلولی بروز می یابد. نتایج این مطالعات در مجله ساینس منتشر شد.
سیستم بیولوژی دو رویکرد کلی را دنبال می کند:
الف- رویکرد پایین به بالا (Bottom-Up):
در این رویکرد از اجزای کوچک سلولی شروع می شود؛ برای مثال با درنظر گرفتن ژن ها، پروتئین ها، لیپیدها و...در کنار هم، به این موضوع می پردازیم که چگونه این اجزاء تشکیل یک سیستمی را می دهند که عملکرد خاصی را دنبال می کند.
ب- رویکرد بالا به پایین (Top-Down):
در این رویکرد به منظور درک خصوصیات و توانایی های یک سیستم، آن را به طور کامل و کلی در نظر می گیرند، درست برعکس حالت الف.
@computational_science
زیست شناسی یک مفهوم بسیار گسترده است اما برای تعریف سیستم بیولوژی از این زاویه به زیست شناسی نگاه می کنیم:
از برهمکنش تعداد زیادی مولکول یک اندامک درون سلولی به وجود می آید که به عنوان یک واحد عملکردی در سطوح مختلف سلولی، بافتی و فیزیولوژیک ایفای نقش می کند. مطالعه ی "کمی" همه ی این فرآیندها در حوزه ی سیستم بیولوژی قرار دارد.
پس رسالت سیستم بیولوژی استفاده از زیست شناسی مولکولی و بیوشیمی اجزاء سلولی به منظور درک عملکردهای فیزیولوژیک می باشد.
اصطلاح "سیستم بیولوژی" در اوایل قرن بیست و یکم مطرح شد و پیشتر از آن به این حوزه به طورکلی "سیستم های پیچیده" گفته می شد.
در اواخر دهه ی 90، آقای Ravi Iyengar اقدام به بررسی همزمان هزاران mRNA موجود در یک سلول پرداخت و از این طریق تلاش نمود تا نحوه ی پاسخ دادن سلول به یک محرک را مطالعه نماید. وی در مطالعه ای دیگر بصورت محاسباتی اثبات نمود که مولکول ها چگونه با یکدیگر تشکیل یک شبکه سیگنالینگ را می دهند؛ مولکول هایی که به تنهایی عملکرد معناداری ندارند بلکه ارتباط آنها با یکدیگر در قالب یک شبکه به صورت یک سیگنال سلولی بروز می یابد. نتایج این مطالعات در مجله ساینس منتشر شد.
سیستم بیولوژی دو رویکرد کلی را دنبال می کند:
الف- رویکرد پایین به بالا (Bottom-Up):
در این رویکرد از اجزای کوچک سلولی شروع می شود؛ برای مثال با درنظر گرفتن ژن ها، پروتئین ها، لیپیدها و...در کنار هم، به این موضوع می پردازیم که چگونه این اجزاء تشکیل یک سیستمی را می دهند که عملکرد خاصی را دنبال می کند.
ب- رویکرد بالا به پایین (Top-Down):
در این رویکرد به منظور درک خصوصیات و توانایی های یک سیستم، آن را به طور کامل و کلی در نظر می گیرند، درست برعکس حالت الف.
@computational_science
با عرض سلام و اخترام خدمت دوستان.بنا به درخواست عده ای از دوستان و مبنی بر گذاشتن سورس اصلی نرم افزار انتخاب شده برای آموزش بنده این هم خود نرم افزار و هم نحوه نصبش رو لینوکس رو اینجا خدمتتون قرار میدم.با تشکر از همراهی و صبر شما بزرگواران
شما ابتدا نرم افزار fftw رو نصب نموده و سپس اقدام به نصب گرومکس نمایید.
sudo su root
copy fftw-3.3.3.tar.gz and gromacs-4.5.3 files in installation directory
cd installation directory
—----------------------------------------------------------------------
fftw installation:
tar xvzf fftw-3.3.3.tar.gz
cd fftw-3.3.3
./configure —enable-float —enable-threads
make
make install
—---------------------------------------------------------------------
Gromacs installation:
cd .. (cd installation directory )
tar xvzf gromacs-4.5.3.tar.gz
cd gromacs-4.5.3
./configure
make
make install
make links
copy fftw-3.3.3.tar.gz and gromacs-4.5.3 files in installation directory
cd installation directory
—----------------------------------------------------------------------
fftw installation:
tar xvzf fftw-3.3.3.tar.gz
cd fftw-3.3.3
./configure —enable-float —enable-threads
make
make install
—---------------------------------------------------------------------
Gromacs installation:
cd .. (cd installation directory )
tar xvzf gromacs-4.5.3.tar.gz
cd gromacs-4.5.3
./configure
make
make install
make links
در صورت داشتن هرگونه سوالی لطفا در گروه زیر مطرح نمایید.
تصویر پروتئین در داخل آب که حاصل شبیه سازی بوده و توسط نرم افزار VMD گرفته شده است.
@computational_science
@computational_science
در ضمن لازم به دکر می باشد که این نرم افزار روی لینوکس نصب می شود
#سیستم_بیولوژی :
همانطوری که می دانیم با استفاده از روش های مختلف Omics می توان به مطالعه و اندازه گیری اجزای سیستم های زیستی بزرگ پرداخت. برای مثال درعلم ژنومیکس به مطالعه ی همزمان تعداد زیادی از ژن های دخیل در یک فرآیند فیزیولوژیک پرداخته می شود و یا در پروتئومیکس همین فرآیند برای پروتئین ها تکرار می شود.
از طرفی دیگر با استفاده از علم بیوانفورماتیک به سازماندهی داده های حاصل از همین روش های Omics پرداخته می شود، به طوری که این دیتاها بصورت منظمی قابل دسترسی و مطالعه باشند. برای مثال در پایگاه PubMed می توان به حجم انبوهی از اطلاعات سازمان یافته درباره ی ژنوم انسان، ژنوم موش، الگوهای بیان ژنی و ... به صورت رایگان دسترسی داشت. این اطلاعات بصورت Big Data هستند و می توان با استفاده از ابزارهای متعددی آن ها را مورد آنالیز و بررسی قرار داد. از جمله ی این دیتابانک های معروف میتوان به GEO (mRNA profiling)، Target Scan (microRNA)، Swiss-Prot (Proteins)، DbGAP (Genome-wide association studies)، OMIM (Disease Genes) و Pharm GKB (Drugs) اشاره نمود. با استفاده از مطالعات آماری می توان به بررسی روابط بین داده های موجود در هریک از این دیتابانک ها پرداخت. همچنین می توان داده های چند دیتابانک را بصورت همزمان مورد مطالعه آماری قرار داد. برای مثال می توان داده های ژنومی مرتبط با سرطان ریه را از یک دیتابانک، با داده های mRNA همین سرطان از دیتابانک دیگر و نیز داده های پروتئینی مربوطه از یک دیتابانک دیگر، تجمیع نمود و مطالعه کرد. بنابراین می توان لیستی از داده های ژنتیکی، mRNA ای و پروتئینی مربوط به یک بیماری یا یک شرایط فیزیولوژیک خاص را تهیه نمود.
حال که لیستی از اجزاء مرتبط داریم می توانیم ارتباط این اجزاء را به صورت یک شبکه ترسیم کنیم. با توجه به دانش زیست شناسی می دانیم که بسیاری از بیومولکول ها بر روی یکدیگر تاثیرگذارند و این تاثیر گذاری معانی متعددی دارد؛ مثل فعالسازی و غیرفعالسازی. بنابراین وقتی دو جزء را می خواهیم به هم متصل کنیم باید تاثیر آن ها بر یکدیگر را در نظر گرفت.
وقتی که یک شبکه ترسیم شد به هر یک از اجزاء شبکه node و به خطی که آن ها را به هم وصل میکند و بیانگر نوع ارتباط آن هاست یال یا edge می گوییم. خوشبختانه علم محاسبه ی خصوصیات یک شبکه از دیرباز در دانش ریاضیات توسعه یافته و قوانین جامع و کارآمدی برای آن موجود است. بنابراین خصوصیات یک شبکه را می توان با تئوری گراف ها مطالعه نمود و مورد محاسبه قرار داد.
پس به طور خلاصه می توان گفت:
ما مجموعه ای از اطلاعات مختلف حاصل از روش های Omics داریم که در دیتابانک هایی ذخیره شده اند. این اطلاعات را می توان به صورت شبکه درآورد و با استفاده از اصول تئوری گراف به مطالعه خصوصیات مختلف آن پرداخت. مجموعه ی این کارها در علم سیستم بیولوژی قرار می گیرد.
@computational_science
همانطوری که می دانیم با استفاده از روش های مختلف Omics می توان به مطالعه و اندازه گیری اجزای سیستم های زیستی بزرگ پرداخت. برای مثال درعلم ژنومیکس به مطالعه ی همزمان تعداد زیادی از ژن های دخیل در یک فرآیند فیزیولوژیک پرداخته می شود و یا در پروتئومیکس همین فرآیند برای پروتئین ها تکرار می شود.
از طرفی دیگر با استفاده از علم بیوانفورماتیک به سازماندهی داده های حاصل از همین روش های Omics پرداخته می شود، به طوری که این دیتاها بصورت منظمی قابل دسترسی و مطالعه باشند. برای مثال در پایگاه PubMed می توان به حجم انبوهی از اطلاعات سازمان یافته درباره ی ژنوم انسان، ژنوم موش، الگوهای بیان ژنی و ... به صورت رایگان دسترسی داشت. این اطلاعات بصورت Big Data هستند و می توان با استفاده از ابزارهای متعددی آن ها را مورد آنالیز و بررسی قرار داد. از جمله ی این دیتابانک های معروف میتوان به GEO (mRNA profiling)، Target Scan (microRNA)، Swiss-Prot (Proteins)، DbGAP (Genome-wide association studies)، OMIM (Disease Genes) و Pharm GKB (Drugs) اشاره نمود. با استفاده از مطالعات آماری می توان به بررسی روابط بین داده های موجود در هریک از این دیتابانک ها پرداخت. همچنین می توان داده های چند دیتابانک را بصورت همزمان مورد مطالعه آماری قرار داد. برای مثال می توان داده های ژنومی مرتبط با سرطان ریه را از یک دیتابانک، با داده های mRNA همین سرطان از دیتابانک دیگر و نیز داده های پروتئینی مربوطه از یک دیتابانک دیگر، تجمیع نمود و مطالعه کرد. بنابراین می توان لیستی از داده های ژنتیکی، mRNA ای و پروتئینی مربوط به یک بیماری یا یک شرایط فیزیولوژیک خاص را تهیه نمود.
حال که لیستی از اجزاء مرتبط داریم می توانیم ارتباط این اجزاء را به صورت یک شبکه ترسیم کنیم. با توجه به دانش زیست شناسی می دانیم که بسیاری از بیومولکول ها بر روی یکدیگر تاثیرگذارند و این تاثیر گذاری معانی متعددی دارد؛ مثل فعالسازی و غیرفعالسازی. بنابراین وقتی دو جزء را می خواهیم به هم متصل کنیم باید تاثیر آن ها بر یکدیگر را در نظر گرفت.
وقتی که یک شبکه ترسیم شد به هر یک از اجزاء شبکه node و به خطی که آن ها را به هم وصل میکند و بیانگر نوع ارتباط آن هاست یال یا edge می گوییم. خوشبختانه علم محاسبه ی خصوصیات یک شبکه از دیرباز در دانش ریاضیات توسعه یافته و قوانین جامع و کارآمدی برای آن موجود است. بنابراین خصوصیات یک شبکه را می توان با تئوری گراف ها مطالعه نمود و مورد محاسبه قرار داد.
پس به طور خلاصه می توان گفت:
ما مجموعه ای از اطلاعات مختلف حاصل از روش های Omics داریم که در دیتابانک هایی ذخیره شده اند. این اطلاعات را می توان به صورت شبکه درآورد و با استفاده از اصول تئوری گراف به مطالعه خصوصیات مختلف آن پرداخت. مجموعه ی این کارها در علم سیستم بیولوژی قرار می گیرد.
@computational_science
Forwarded from 🔷شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران🔷
با سلام و احترام
دوستانی که سوال یا هر مشکلی در زمینه های تئوری دارن میتونن تو گروه زیر عضو بشن و سوالاتشونو بپرسن.با تشکر
https://telegram.me/joinchat/BP7D2wMpgBMa-vyZ7mwALw
دوستانی که سوال یا هر مشکلی در زمینه های تئوری دارن میتونن تو گروه زیر عضو بشن و سوالاتشونو بپرسن.با تشکر
https://telegram.me/joinchat/BP7D2wMpgBMa-vyZ7mwALw
با سلام و عرض ادب محضر سعادتمند تک تک اعضای محترم کانال بیوانفورماتیک و محاسبات زیستی
💐ضمن قدردانی از حضور سروران گرامی
🌺تقاضا میشود جهت هر چه بهتر شدن این مجموعه و ارتقای سطح کیفی کانال
🌹 مطالب ارزشمند خود را در زمینه بیوانفورماتیک و محاسبات زیستی به آدرس مدیر کانال:
@ammar_mohseni
ارسال نموده تا در معرض دید عموم قرار بگیرد.
💐 با توجه به اینکه این کانال سعی دارد که نرم افزارهای خوب در زمینه زیست شناسی، علوم داروی و ... را با بهترین کیفیت آموزش دهد، لطفا جهت بالا رفتن کیفیت کار و همچنین افزایش انگیزه مدیران، آدرس کانال را به دوستان خود معرفی فرمایید.
با تشکر
🌺🌺🌺🌺🌺🌺🌺🌺🌺🌺🌺🌺🌺🌺
@computational_science
💐ضمن قدردانی از حضور سروران گرامی
🌺تقاضا میشود جهت هر چه بهتر شدن این مجموعه و ارتقای سطح کیفی کانال
🌹 مطالب ارزشمند خود را در زمینه بیوانفورماتیک و محاسبات زیستی به آدرس مدیر کانال:
@ammar_mohseni
ارسال نموده تا در معرض دید عموم قرار بگیرد.
💐 با توجه به اینکه این کانال سعی دارد که نرم افزارهای خوب در زمینه زیست شناسی، علوم داروی و ... را با بهترین کیفیت آموزش دهد، لطفا جهت بالا رفتن کیفیت کار و همچنین افزایش انگیزه مدیران، آدرس کانال را به دوستان خود معرفی فرمایید.
با تشکر
🌺🌺🌺🌺🌺🌺🌺🌺🌺🌺🌺🌺🌺🌺
@computational_science