‍ 🔶🔹شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران🔹🔶
@computational_science
#خبر علمی

✔️‌نرم‌افزار اکسل علت «۲۰ درصد» از اشتباهات مقاله‌های علم ژنتیک!
اکسل مسبب بیست درصد از اشتباهات مقالات علمی مرتبط با علم ژنتیک است.

♦️مقاله‌ای به تازگی در مجله علمی ژنوم بایولوژی منتشر شد است که فرمت پیش‌فرض شده برنامه اکسل (که یکی از برنامه‌های اداری شرکت مایکروسافت است) را مسئول حدود بیست درصد از خطاهای موجود در مقالات علمی در علم ژنتیک می‌داند.

🔶پژوهشگران دریافته‌اند که این خطاها از آنجا ناشی می‌شوند که برنامه تصحیح خودکار (auto correcting) اکسل،نام‌های متداول ژن‌ها را به تاریخ یا عدد تبدیل می‌کند. از آنجا که هیچ راهی برای خاموش کردن این گزینه اکسل وجود ندارد، دانشمندان باید این خطاهای خودکار را به طور دستی درست کنند؛ کاری که بسیاری از آنها فراموش می‌کنند و در نهایت، مقاله با همان خطای درست نشده،‌ منتشر می‌شود.

🔷یک گروه استرالیایی که به بررسی خطاهای موجود در صفحات اکسل مقالات ژنتیکی پرداخته می‌گوید اگر برای پردازش داده‌های ژنتیکی از اکسل در همان فرمت اولیه و خودکارش استفاده شود، آن وقت نام ژن‌ها به تاریخ و همینطور اعداد عوض می‌شود.
@computational_science

🔶این گروه تحقیقاتی بیش از سی و پنج هزار صفحه اکسل متعلق به بیش از سه هزار و پانصد مقاله علمی منتشر شده در ۱۹ مجله متفاوت در سال‌های بین ۲۰۰۵ و ۲۰۱۵ در حوزه علم ژنتیک را بررسی کرد و به این نتیجه رسید که تقریبا یک پنجم تمام مقالاتی که از اکسل در آنها استفاده شده است، دارای خطا هستند.
@computational_science

✅به گزارش واشینتگن پست، اگر محققی نام ژن MARCH1 را در اکسل وارد کند و دکمه Enter را بزند، اکسل به طور خودکار این نام را به تاریخ یکم مارچ یا 1-MAR عوض می‌کند. اگر محقق در همان زمان متوجه این اشتباه بشود و دکمه Undo را بزند، نام اولیه باز نمی‌گردد بلکه اکسل عدد 42430 را جایگزین می‌کند. چرا که این عدد معادل همان تاریخ یک مارس در برنامه‌ریزی داخلی اکسل است.

🔶🔹شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران🔹🔶

@computational_science
✔️با ارسال این پست شبکه محاسباتی رو به دوستانتان معرفی کنید.🔸🔹🔶🔷

🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
کتاب پروفسور علی کرمی
@computational_science

#طریقه گرفتن توالی ژن از NCBI
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science

‍ 🔷🔸شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران🔸🔷
@computational_science

♦️#نرم افزار R ، محیطی قدرتمند برای تحلیل آماری می باشد که در چندین سیستم عامل مختلف قابل اجرا است. 🔸🔹🔶🔷

✅نرم افزار R بصورت رایگان در دسترس بوده و تحت پروانه ی عمومی همگانی، گنو (GNU) از بنیاد نرم افزارهای آزاد (Free Software Foundation) توزیع می گردد.
شما می توانید این برنامه را از شبکه جامع آرشیو نرم افزار R در (CRAN) دانلود نمایید.
باینری های آماده اجرای نرم افزار R برای سیستم عامل های ویندوز (Windows)، مک او اس ایکس (Mac OS X) و لینوکس (Linux) در دسترس می باشد.
کد منبع (source code) نیز قابل دانلود بوده و می تواند برای سیستم عامل های دیگر کامپایل شود.
✅نرم افزار R برای اولین بار به عنوان یک پروژه تحقیقاتی توسط راس ایهاکا (Ross Ihaka) و رابرت جنتلمن (Robert Gentleman) نوشته شد،
و در حال حاضر توسط گروهی از متخصصان علم آمار به نام "تیم هسته نرم افزار R" با صفحه ای در آدرس www.r-project.org در حال توسعه ی فعال می باشد.
@computational_science

✅نرم افزار R به گونه‌ای طراحی شده، که بی شباهت به زباننرم افزار S که توسط جان چمبرز (John Chambers) و دیگر افراد در آزمایشگاه‌های بل توسعه یافته بود نباشد.
نسخه ی تجاری نرم افزار S با قابلیتهای بیشتر، توسط موسسه ی علوم آماری به عنوان نرم افزار SPlus توسعه یافته و به بازار عرضه شده؛
بعدها این نسخه نرم افزار SPlus، توسط شرکت Insightful خریداری شده و اکنون نیز متعلق به TIBCO Spotfire می باشد.
✔️نرم افزار R و نرم افزار SPlus را می توان به عنوان دو پیاده‌ سازی زبان نرم افزار S در نظر گرفت.
🔷🔸شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران🔸🔷
@computational_science

🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران🔶

@computational_science

🔶🔹شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران🔹🔶

@computational_science
♦️#بررسی اجمالی زبان برنامه نویسی پایتونpythone

✅زبان پایتون یک زبان برنامه نویسی اسکریپتی ، سطح بالا ، تفسیری ، تعاملی و شی گرا می باشد .

✔️زبان پایتون ، تفسیری است
✔️زبان پایتون ، تعاملی است
✔️زبان پایتون ، شی گرا است
✔️زبان پایتون ، زبانی برای مبتدیان است

✅زبان برنامه نویسی پایتون توسط " گیدو ون روسوم " در اواخر دهه هشتاد و اوایل دهه نود در موسسه ملی تحقیقات ریاضی و رایانه ( CWI ) در هلند توسعه یافت .

✅ویژگی های برجسته زبان برنامه نویسی پایتون عبارتند از

✔️یادگیری آسان
✔️خوانده شدن آسان
✔️نگهداری و تغییر آسان
✔️دارا بودن یک کتابخانه گسترده استاندارد
✔️حالت تعاملی
✔️قابل حمل بودن
✔️توسعه پذیری
✔️دارا بودن پایگاه های داده
✔️برنامه نویسی رابط گرافیکی کاربر - GUI
✔️مقیاس پذیری

✅دسترسی به زبان برنامه نویسی پایتون🌐

به روزترین و رایج ترین سورس کد ، باینری ها ، مستندات ، اخبار و غیره در وب سایت رسمی زبان پایتون در دسترس می باشد :

وب سایت رسمی زبان برنامه نویسی پایتون : http://www.python.org

✅شما می توانید مستندات زبان برنامه نویسی پایتون را از سایت زیر دانلود نمایید . اسناد در فرمت های HTML ، پی دی اف ، و پست اسکریپت موجود می باشند .

🔶🔹شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران🔹🔶
اولین شبکه محاسباتی ایران
@computational_science

وب سایت اسناد زبان پایتون : http://www.python.org/doc

🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران🔶

@computational_science

Tim J. Stevens, Wayne Boucher-Python Programming for Biology_ Bioinformatics and Beyond-Cambridge University Press (2015)

🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران🔶

@computational_science

-Bioinformatics Programming Using Python-Oreilly (2009)

✅از دوستان عزیزم در پی وی پیام داده بودن تا در مورد سیستم بیولوژی (System Biology) و توالی یابی نسل سوم NGS- RNNseq مطالبی گذاشته شود.👇👇

#سیستم_بیولوژی
برای سیستم بیولوژی تااکنون تعاریف بسیار متفاوت و گوناگونی ارایه شده و هنوز یک تعریف جامع و کامل که مورد توافق اکثریت باشد معرفی نشده است . از این رو سعی کردیم در این مطلب یک تعریف مناسب و قابل فهمی برای شما ارایه دهم. سیستم بیولوژی علمی است که سعی در مدل سازی محاسباتی و ریاضی، شبیه سازی و انالیز مکانیزم ها و فرایند ها در سیستم های پیچیده زیستی دارد.
@computational_science

🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
#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.
🔶🔹شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔹🔶
@computational_science

🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science

#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.
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science

مثالی از system_biology

#سیستم_بیولوژی
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science