طبقوعده قبلی امروز برنامه همایش بیوانفورماتیک و بیوشیمی محاسباتی رو اعلام میکنیم
روز چهرشنبه 15 اردیبهشت دانشگاه صنعتی اصفهان
دوستان جهت ثبت نام می توانند از طریق آدرس تلگرام و یا پست الکترونیکی اعلام شده در پوستر اقدام کنند.
شنبه 18 اردیبهشت دانشگاه آزاد اسلامی رودهن
#همایش دانشگاه آزاد اسلامی رودهن @computational_science
برنامه سایر دانشگاه ها نیز کم کم اعلام خواهد شد.
همایش در دانشگاه تبریز در روز سه شنبه ۲۱ اردیبهشت ماه برگزار خواهد شد. دوستان عزیز می توانند جهت ثبت نام از طریق اطلاعات درج شده در پوستر زیر اقدام فرمایید.
با تشکر
با تشکر
مروری بر تارخ های ذکر شده در بالا:
چهارشنبه ۱۵ اردیبهشت در دانشگاه صنعتی اصفهان
شنبه ۱۸ اردیبهشت در دانشگاه رودهن
سه شنبه ۲۱ اردیبهشت در دانشگاه تبریز
چهارشنبه ۱۵ اردیبهشت در دانشگاه صنعتی اصفهان
شنبه ۱۸ اردیبهشت در دانشگاه رودهن
سه شنبه ۲۱ اردیبهشت در دانشگاه تبریز
#خبر
#همایش_دانشگاه_صنعتی_اصفهان
با توجه به استقبال گسترده و بی نظیر دوستان و به علت اینکه عده کثیری از دوستان نمی توانستند روز 15 اردیبهشت در همایش حضور داشته باشند به همین جهت دوستان درخواست به تغییر زمان همایش داشتند که در ابتدا از دوستانی که ثبت نام کردند عذرخواهی کرده و اعلام میکنیم که همایش به 29 اردیبهشت منتقل شد.
از همکاری شما ممنونیم
#همایش_دانشگاه_صنعتی_اصفهان
با توجه به استقبال گسترده و بی نظیر دوستان و به علت اینکه عده کثیری از دوستان نمی توانستند روز 15 اردیبهشت در همایش حضور داشته باشند به همین جهت دوستان درخواست به تغییر زمان همایش داشتند که در ابتدا از دوستانی که ثبت نام کردند عذرخواهی کرده و اعلام میکنیم که همایش به 29 اردیبهشت منتقل شد.
از همکاری شما ممنونیم
#نرم_افزارهای_مفید
Genetic Algorithms Learning
در 30 سال اخیر علاقه به استفاده از الگوریتم ژنتیک به شدت افزایش یافته است. به صورتی که رشد فوق العاده ای در کنفرانس ها، همایش ها و مقاله های مربوط به الگوریتم ژنتیک مشاهده می شود. امروزه ژنتیک الگوریتم به عنوان یک تکنیک امیدوارکننده برای بهینه سازی، طراحی، کنترل و برنامه های یادگیری ماشین مورد استفاده قرار می گیرد.به طوری که اصول خیلی از برنامه های شبیه سازی و آنالیز داده ها بر اساس ژنتیک الگوریتم صورت می گیرد. تصویر زیر یک مفهوم کلی از ژنتیک الگوریتم را بیان می کند.
الگوریتم های ژنتیک توسط شخصی به نام John Holland ابداع و بیان شد. در جامعه محاسباتی استفاده از ژنتیک الگوریتم بر اساس اصول تکامل زیستی است و پایه مشترک تمام شبیه سازی ها و آنالیزها بر اساس فرایند انتخاب طبیعی و عملگرهای ژنتیکی است. و یک مفهوم مهم دیگر در ژنتیک الگوریتم استفاده از مفهوم اساسی به نام جهش است. در این الگوریتم هر مرحله که جلو می رویم نمونه ها و داده های اصلح انتخاب می شوند. البته قبل از انتخاب نمونه اصلح که کاملا بر اساس اصل تکاملی است، یکسری معیار ها برای انتخاب فرد اصلح تعیین می شوند. در واقع این انتخاب باعث می شود که محاسبات بجای اینکه کل نمونه ها صورت گیرد فقط بر روی تعداد خاصی از نمونه ها صورت گیرد.همانند شکل زیر:
البته در استفاده از ژنتیک الگوریتم یکسری اعمال باید با دقت و آگاهی کامل صورت گیرند که شامل:
• اینکه تعداد نمونه های اولیه چه مقدار باشد.
• اتنخاب نمونه های اصله بر اساس چه پارامترهایی باشد.
• تعداد مناسب نمونه های انتخاب شده چقدر باشد.
• تولید نسل نمونه ها از هر چند مرحله یکبار صورت گیرد.
• نرخ جهش چه مقدار باشد.
• میزان ماندگاری نمونه های انتخاب شده چقدر باشد.
• و.........
@computational_science
Genetic Algorithms Learning
در 30 سال اخیر علاقه به استفاده از الگوریتم ژنتیک به شدت افزایش یافته است. به صورتی که رشد فوق العاده ای در کنفرانس ها، همایش ها و مقاله های مربوط به الگوریتم ژنتیک مشاهده می شود. امروزه ژنتیک الگوریتم به عنوان یک تکنیک امیدوارکننده برای بهینه سازی، طراحی، کنترل و برنامه های یادگیری ماشین مورد استفاده قرار می گیرد.به طوری که اصول خیلی از برنامه های شبیه سازی و آنالیز داده ها بر اساس ژنتیک الگوریتم صورت می گیرد. تصویر زیر یک مفهوم کلی از ژنتیک الگوریتم را بیان می کند.
الگوریتم های ژنتیک توسط شخصی به نام John Holland ابداع و بیان شد. در جامعه محاسباتی استفاده از ژنتیک الگوریتم بر اساس اصول تکامل زیستی است و پایه مشترک تمام شبیه سازی ها و آنالیزها بر اساس فرایند انتخاب طبیعی و عملگرهای ژنتیکی است. و یک مفهوم مهم دیگر در ژنتیک الگوریتم استفاده از مفهوم اساسی به نام جهش است. در این الگوریتم هر مرحله که جلو می رویم نمونه ها و داده های اصلح انتخاب می شوند. البته قبل از انتخاب نمونه اصلح که کاملا بر اساس اصل تکاملی است، یکسری معیار ها برای انتخاب فرد اصلح تعیین می شوند. در واقع این انتخاب باعث می شود که محاسبات بجای اینکه کل نمونه ها صورت گیرد فقط بر روی تعداد خاصی از نمونه ها صورت گیرد.همانند شکل زیر:
البته در استفاده از ژنتیک الگوریتم یکسری اعمال باید با دقت و آگاهی کامل صورت گیرند که شامل:
• اینکه تعداد نمونه های اولیه چه مقدار باشد.
• اتنخاب نمونه های اصله بر اساس چه پارامترهایی باشد.
• تعداد مناسب نمونه های انتخاب شده چقدر باشد.
• تولید نسل نمونه ها از هر چند مرحله یکبار صورت گیرد.
• نرخ جهش چه مقدار باشد.
• میزان ماندگاری نمونه های انتخاب شده چقدر باشد.
• و.........
@computational_science
#نرم_افزارهای_مفید
SAMSON (Software for Adaptive Modeling and Simulation Of Nanosystems)
یک نرم افزار برای شبیه سازی و مدلینگ سیستم های نانو و مواد نانو است که به وسیله ی گروه NANO-D توسعه داده شده است. این نرم افزار مدل سازی مناسبی برای انواع دمین های علم نانو شامل علوم مواد، علوم زیستی، فیزیک ، الکترونیک و شیمی کاربرد دارد.
شبیه سازی و مدل سازی:
نرم افزار SAMSON سیستم های نانو را با استفاده از 4 دسته از مدل ها ارائه می دهد:
• مدل های ساختاری-که توصیف هندسه و توپولوژی را ارائه می دهد.
• مدل های بصری-حالت های گرافیکی را ارائه می دهد.
• مدل های داینامیکی-درجه آزادی داینامیک مولکولی را بیان می کند.
• مدل تعاملی-که انرژی ها و نیروها را ارائه می دهد.
این نرم افزار امروزه به فراوانی برای شبیه سازی مواد در ابعاد نانویی مورد استفاده قرار می گیرد. مزیت اصلی این نرم افزار سرعت بالای شبیه سازی و پردازش داده ها است. این نرم افزار با استفاده از برنامه C++ نوشته شده است. در شکل زیر محیط گرافیکی این نرم افزار برای مشاهده سیستم شبیه سازی شده را مشاهده می کنیم.
@computational_science
SAMSON (Software for Adaptive Modeling and Simulation Of Nanosystems)
یک نرم افزار برای شبیه سازی و مدلینگ سیستم های نانو و مواد نانو است که به وسیله ی گروه NANO-D توسعه داده شده است. این نرم افزار مدل سازی مناسبی برای انواع دمین های علم نانو شامل علوم مواد، علوم زیستی، فیزیک ، الکترونیک و شیمی کاربرد دارد.
شبیه سازی و مدل سازی:
نرم افزار SAMSON سیستم های نانو را با استفاده از 4 دسته از مدل ها ارائه می دهد:
• مدل های ساختاری-که توصیف هندسه و توپولوژی را ارائه می دهد.
• مدل های بصری-حالت های گرافیکی را ارائه می دهد.
• مدل های داینامیکی-درجه آزادی داینامیک مولکولی را بیان می کند.
• مدل تعاملی-که انرژی ها و نیروها را ارائه می دهد.
این نرم افزار امروزه به فراوانی برای شبیه سازی مواد در ابعاد نانویی مورد استفاده قرار می گیرد. مزیت اصلی این نرم افزار سرعت بالای شبیه سازی و پردازش داده ها است. این نرم افزار با استفاده از برنامه C++ نوشته شده است. در شکل زیر محیط گرافیکی این نرم افزار برای مشاهده سیستم شبیه سازی شده را مشاهده می کنیم.
@computational_science
بعد از برگزاری همایش بیوانفورماتیک و بیوشیمی محاسباتی در دانشگاه آزاد رودهن و دانشگاه تبریز این دفعه افتخار حضور در دانشگاه الزهرا در روز دوشنبه تاریخ ۲۷ اردیبهشت را داریم،
#نرم_افزارهای_مفید
Multi-Scale Simulation and Multi-scale Modeling in Biomolecular System
شبیه سازی چندمقیاسی (Multi-Scale) به فرایند شبیه سازی اطلاق می شود که در آن با توجه به سطح پیچیدگی سیستم های زیستی شبیه سازی در سطوح مختلفی شامل شبیه سازی دانه درشت(coarse-grained) و تمام اتم (all atom) در ترکیب با هم صورت می گیرند. مطالعه پدیده هایی مثل خاصیت selfassembling ماکرومولکول ها، سیستم های غشایی، پدیده لیگاند-بایندینگ و فولدینگ پروتئین ها با استفاده از شبیه سازی داینامیک مولکولی تمام اتم بسیار پیچیده است و زمان بر و هزینه بر خواهد بود و لازم است این مطالعات با استفاده از شبیه سازی دانه درشت صورت گیرد.
به طور کلی و همانطور که در شکل زیر مشاهده می شود شبیه سازی در سطوح مختلفی صورت می گیرد که هر کدام از سطوح زمان خاص خود را دارند که برخی مواقع با توجه به زمان در دسترس، سیستم زیستی مورد مطالعه و سیستم های محاسباتی موجود، نیاز است که این سطوح در ارتباط و تلفیق با هم صورت گیرند. ( Multi-Scale Simulation )
@computational_science
Multi-Scale Simulation and Multi-scale Modeling in Biomolecular System
شبیه سازی چندمقیاسی (Multi-Scale) به فرایند شبیه سازی اطلاق می شود که در آن با توجه به سطح پیچیدگی سیستم های زیستی شبیه سازی در سطوح مختلفی شامل شبیه سازی دانه درشت(coarse-grained) و تمام اتم (all atom) در ترکیب با هم صورت می گیرند. مطالعه پدیده هایی مثل خاصیت selfassembling ماکرومولکول ها، سیستم های غشایی، پدیده لیگاند-بایندینگ و فولدینگ پروتئین ها با استفاده از شبیه سازی داینامیک مولکولی تمام اتم بسیار پیچیده است و زمان بر و هزینه بر خواهد بود و لازم است این مطالعات با استفاده از شبیه سازی دانه درشت صورت گیرد.
به طور کلی و همانطور که در شکل زیر مشاهده می شود شبیه سازی در سطوح مختلفی صورت می گیرد که هر کدام از سطوح زمان خاص خود را دارند که برخی مواقع با توجه به زمان در دسترس، سیستم زیستی مورد مطالعه و سیستم های محاسباتی موجود، نیاز است که این سطوح در ارتباط و تلفیق با هم صورت گیرند. ( Multi-Scale Simulation )
@computational_science
#نرم_افزارهای_مفید
****مثال****
Multi-scale Simulations of Ligands Binding to HIV-1 Protease
شبیه سازی چندمقیاسی (coarse-grained Brownian dynamics simulations and all-atom molecular dynamics simulations in implicit solvent) برای بررسی فرایندهای اتصال لیگاند به پروتئین HIV-1 پروتئاز استفاده شد و مکانیسم های اتصال را مشخص کرد. در این حالت لیگاندی که به پروتئین HIV-1 پروتئاز وصل می شود به صورت دانه درشت شبیه سازی می شود و خود پروتئین HIV-1 پروتئاز به صورت تمام اتم شبیه سازی می شود که این حالت باعث می شود که در مقیاس زمانی مناسب اطلاعات مورد نیاز به دست آید که این حالت در شکل زیر مشخص است.
@computational_science
****مثال****
Multi-scale Simulations of Ligands Binding to HIV-1 Protease
شبیه سازی چندمقیاسی (coarse-grained Brownian dynamics simulations and all-atom molecular dynamics simulations in implicit solvent) برای بررسی فرایندهای اتصال لیگاند به پروتئین HIV-1 پروتئاز استفاده شد و مکانیسم های اتصال را مشخص کرد. در این حالت لیگاندی که به پروتئین HIV-1 پروتئاز وصل می شود به صورت دانه درشت شبیه سازی می شود و خود پروتئین HIV-1 پروتئاز به صورت تمام اتم شبیه سازی می شود که این حالت باعث می شود که در مقیاس زمانی مناسب اطلاعات مورد نیاز به دست آید که این حالت در شکل زیر مشخص است.
@computational_science
#نرم_افزارهای_مفید شکل سمت چپ لیگاند XK263 در اتصال با پروتئین HIV-1 پروتئاز را نشان می دهد و شکل سمت راست حالت های مختلف لیگاند XK263 را نشان می دهد. @computational_science