Forwarded from عکس نگار
#اتوفاژي #Autophagy
@computational_science🔸🔹🔶🔷
✅اتوفاژی (به زبان یونانی خودخواري) فرآیندي براي کنترل میزان و کیفیت محتویات سیتوپلاسمی در سلول هاي یوکاریوتیک است که شامل تخریب و هضم پروتئین هاي آسیب دیده یا بدشکل گرفته و ارگانل هاي طویل العمري چون #میتوکندري و #پراکسی زوم می باشد.
در شرایط عادی اتوفاژی به منظور حفظ #هموستاز سلول، در مقادیر پایینی انجام می شود.
@computational_science🔸🔹🔶🔷
✅اتوفاژی تحت استرس های مختلف مانند گرسنگی، تجمعات پروتئينی، تکامل، استرس اکسيداتيو و عفونت ميکروبی القا مي شود. يکی از مسيرهای تنظيمی مهم اتوفاژی، مسير پروتئين کيناز mTOR که مهارکننده اصلی اتوفاژی مي باشد و در حضور فاکتورهای رشد، انسولين و مواد مغذی فراوان مانند اسيدآمينه، اتوفاژی را مهار مي کند. کاهش ATP داخل سلولی باعث فعال شدن AMPK مي شود که مهارکننده mTOR بوده و با القای اتوفاژی، هموستاز را حفظ مي کند.
✅اتوفاژی در فرایندهای مختلف سلولی مانند آپاپتوز و تعادل انرژی سلولی نقش حیاتی دارد. همچنین در نقش بسیار مهمی در بیماری دیابت و مقاومت به انسولین در بدن ایفا می کند.
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science🔸🔹🔶🔷
✅این تصویر، دانش امروز ما را از اتوفاژی نشان می دهد، که مرهون تلاش های اوهسومی است👇👇
@computational_science🔸🔹🔶🔷
✅اتوفاژی (به زبان یونانی خودخواري) فرآیندي براي کنترل میزان و کیفیت محتویات سیتوپلاسمی در سلول هاي یوکاریوتیک است که شامل تخریب و هضم پروتئین هاي آسیب دیده یا بدشکل گرفته و ارگانل هاي طویل العمري چون #میتوکندري و #پراکسی زوم می باشد.
در شرایط عادی اتوفاژی به منظور حفظ #هموستاز سلول، در مقادیر پایینی انجام می شود.
@computational_science🔸🔹🔶🔷
✅اتوفاژی تحت استرس های مختلف مانند گرسنگی، تجمعات پروتئينی، تکامل، استرس اکسيداتيو و عفونت ميکروبی القا مي شود. يکی از مسيرهای تنظيمی مهم اتوفاژی، مسير پروتئين کيناز mTOR که مهارکننده اصلی اتوفاژی مي باشد و در حضور فاکتورهای رشد، انسولين و مواد مغذی فراوان مانند اسيدآمينه، اتوفاژی را مهار مي کند. کاهش ATP داخل سلولی باعث فعال شدن AMPK مي شود که مهارکننده mTOR بوده و با القای اتوفاژی، هموستاز را حفظ مي کند.
✅اتوفاژی در فرایندهای مختلف سلولی مانند آپاپتوز و تعادل انرژی سلولی نقش حیاتی دارد. همچنین در نقش بسیار مهمی در بیماری دیابت و مقاومت به انسولین در بدن ایفا می کند.
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science🔸🔹🔶🔷
✅این تصویر، دانش امروز ما را از اتوفاژی نشان می دهد، که مرهون تلاش های اوهسومی است👇👇
✅ارایه چند کلیپ ویدئویی در زمینه اتوفاژی (خودخواری)👇👇
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
This media is not supported in your browser
VIEW IN TELEGRAM
#اتوفاژی(خودخواری) و #جایزه_نوبل
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
اتوفاژی درون سلولی.mov
1.3 MB
#اتوفاژی(خودخواری) و #جایزه_نوبل
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
با سلام و احترام خدمت اساتید و دوستان عزیزمان
انشاءالله مبحث بعدی ارایه مطالب در حوزه NGS-RNASEQ وچندین کلیپ متنوع و مطالب دیگر از دنیای بیولوژی🌺🌺🌺
✅دوستان لطف کنند با فوراد مطالب و لینک شبکه و دعوت دوستان دیگر به کانال و گروه علمی مان،تا از آموزش رایگان مطالب بهره مند گردند.
انشاءالله در آینده نزدیک در زمان های خاص در گروه تخصصی کلاس های آموزشی در مباحث بیوانفورماتیک، بیوتکنولوژی و مهندسی ژنتیک با حضور اساتید و دوستان عزیزمان خواهیم داشت
✔️خیلی از افراد نیازمند به این مباحث هستند! پس دست یاری بدهید و بقیه دوستانتان رو به مجموعه علمی خودتان که صاحبان اصلی این مجموعه هستید دعوت فرمایید..
با سپاس فراوان از حضور زیبای شما 🌺🌺🌺🌺🌺
انشاءالله مبحث بعدی ارایه مطالب در حوزه NGS-RNASEQ وچندین کلیپ متنوع و مطالب دیگر از دنیای بیولوژی🌺🌺🌺
✅دوستان لطف کنند با فوراد مطالب و لینک شبکه و دعوت دوستان دیگر به کانال و گروه علمی مان،تا از آموزش رایگان مطالب بهره مند گردند.
انشاءالله در آینده نزدیک در زمان های خاص در گروه تخصصی کلاس های آموزشی در مباحث بیوانفورماتیک، بیوتکنولوژی و مهندسی ژنتیک با حضور اساتید و دوستان عزیزمان خواهیم داشت
✔️خیلی از افراد نیازمند به این مباحث هستند! پس دست یاری بدهید و بقیه دوستانتان رو به مجموعه علمی خودتان که صاحبان اصلی این مجموعه هستید دعوت فرمایید..
با سپاس فراوان از حضور زیبای شما 🌺🌺🌺🌺🌺
Forwarded from JP
#کاربردهای_بیوانفورماتیک
Computational approaches for prediction of pathogen-host protein-protein interactions
بسیاری از مطالعات مربوط به شناسایی تعاملات پروتئین و شبکه های پروتئینی منشر شده است. بسیاری از مطالعات قبلی در درجه اول برای تعیین تعاملات پروتئین –پروتئین در یک ارگانیسم و درون گونه ای (PPI) صورت گرفته است با این حال مطالعه تعاملات پروتئین-پروتئین بین موجودات مختلف به تازگی پدید آمده است. تعاملات بین گونه ای ممکن است به اشکال مختلفی مورد بررسی قرار گیرد( از جمله در این تحقیق). با این حال در تعاملات PPI تمرکز بین پاتوژن ها و میزبان های خود می باشد. پیش بینی تعامل پاتوژن- میزبان (PHI) یک رویکرد مناسبی برای مکانیزم عفونت در موقع کمبود اطلاعات تجربی PHI تایید شده است. بیماری های عفونی هنوز هم همچنان یکی از دلایل به خطر اندازی سلامتی جوامع بشری است و عمدتا به دلیل مقاومت در برابر دارو عوامل پاتوژن بروز می شوند. در این میان برهمکنش های مولکولی بین پاتوژن ها و میزبان از بخش های کلیدی برای بررسی مکانیسم این عفونت ها است. درمان های ضد میکروبی برای مبارزه با مقاومت دارویی تنها راه ممکن است که باعث می شود که درک درست و جامعی از سیستم تعامل پاتوژن –میزبان (PHI) صورت گیرد.
@computational_science
Computational approaches for prediction of pathogen-host protein-protein interactions
بسیاری از مطالعات مربوط به شناسایی تعاملات پروتئین و شبکه های پروتئینی منشر شده است. بسیاری از مطالعات قبلی در درجه اول برای تعیین تعاملات پروتئین –پروتئین در یک ارگانیسم و درون گونه ای (PPI) صورت گرفته است با این حال مطالعه تعاملات پروتئین-پروتئین بین موجودات مختلف به تازگی پدید آمده است. تعاملات بین گونه ای ممکن است به اشکال مختلفی مورد بررسی قرار گیرد( از جمله در این تحقیق). با این حال در تعاملات PPI تمرکز بین پاتوژن ها و میزبان های خود می باشد. پیش بینی تعامل پاتوژن- میزبان (PHI) یک رویکرد مناسبی برای مکانیزم عفونت در موقع کمبود اطلاعات تجربی PHI تایید شده است. بیماری های عفونی هنوز هم همچنان یکی از دلایل به خطر اندازی سلامتی جوامع بشری است و عمدتا به دلیل مقاومت در برابر دارو عوامل پاتوژن بروز می شوند. در این میان برهمکنش های مولکولی بین پاتوژن ها و میزبان از بخش های کلیدی برای بررسی مکانیسم این عفونت ها است. درمان های ضد میکروبی برای مبارزه با مقاومت دارویی تنها راه ممکن است که باعث می شود که درک درست و جامعی از سیستم تعامل پاتوژن –میزبان (PHI) صورت گیرد.
@computational_science
Forwarded from JP
#کاربردهای_بیوانفورماتیک
در حال حاضر پایگاه های داده موجود که حاوی اطلاعات (PHI) است و به صورت تجربی این اطلاعات تایید شده است، از کمبود گزارش کامل از تعاملات رنج می برد. که این مشکلات محققان و دانشمندان را وادار کرده است که با استفاده از پیش بینی ها و آنالیزهای محاسباتی به بررسی و تحلیل PHI ها بپردازند. که روش محاسباتی مورد استفاده از اطلاعات توالی، ساختار پروتئین و فعل و انفعالات و تعامل های شناخته شده بهره می برد. فعل و انفعالات بین پروتئين های پاتوژن و میزبان به میکرواورگانیسم های بیماری زا این اجازه را می دهد که مکانیسم میزبان را دستکاری کنند و از پاسخ های ایمنی میزبان فرار کنند. بنابراین درک کامل از عفونت از طریق مکانیسم PHI ها بسیار ضروری است و در درمان بیماری ها بسیار موثر است. با وجود نیاز مبرم به بهبود دانش PHI در حال حاضر پیشرفت کافی در این رویکرد وجود ندارد. علاوه بر این روش های تجربی با اینکه قابل اعتماد هستند ولی این روش ها بسیار زمان بر و هزینه بر هستند و برای ارزیابی تمام PHIs امکان پذیر نیستند. در این تحقیق تمرکز اصلی بر روی روش ها و مطالعات محاسباتی برای غنی سازی و و در نتیجه افزایش سرعت پژهش در این زمینه ها است. به این منظور در جدول ۱ انواع روش های محاسباتی که برای پیش بینی سیستم تعامل پاتوژن –میزبان (PHI) وجود دارد را مشاهده می کنیم.
@computational_science
در حال حاضر پایگاه های داده موجود که حاوی اطلاعات (PHI) است و به صورت تجربی این اطلاعات تایید شده است، از کمبود گزارش کامل از تعاملات رنج می برد. که این مشکلات محققان و دانشمندان را وادار کرده است که با استفاده از پیش بینی ها و آنالیزهای محاسباتی به بررسی و تحلیل PHI ها بپردازند. که روش محاسباتی مورد استفاده از اطلاعات توالی، ساختار پروتئین و فعل و انفعالات و تعامل های شناخته شده بهره می برد. فعل و انفعالات بین پروتئين های پاتوژن و میزبان به میکرواورگانیسم های بیماری زا این اجازه را می دهد که مکانیسم میزبان را دستکاری کنند و از پاسخ های ایمنی میزبان فرار کنند. بنابراین درک کامل از عفونت از طریق مکانیسم PHI ها بسیار ضروری است و در درمان بیماری ها بسیار موثر است. با وجود نیاز مبرم به بهبود دانش PHI در حال حاضر پیشرفت کافی در این رویکرد وجود ندارد. علاوه بر این روش های تجربی با اینکه قابل اعتماد هستند ولی این روش ها بسیار زمان بر و هزینه بر هستند و برای ارزیابی تمام PHIs امکان پذیر نیستند. در این تحقیق تمرکز اصلی بر روی روش ها و مطالعات محاسباتی برای غنی سازی و و در نتیجه افزایش سرعت پژهش در این زمینه ها است. به این منظور در جدول ۱ انواع روش های محاسباتی که برای پیش بینی سیستم تعامل پاتوژن –میزبان (PHI) وجود دارد را مشاهده می کنیم.
@computational_science
Forwarded from JP
Forwarded from JP
#کاربردهای_بیوانفورماتیک
با توجه به اینکه داده های تعامل برای ویروس HIV انسانی بیشتر در دسترس است، تعداد قایل توجهی از مطالعات به این پاتوژن اختصاص داده شده است. روش های محاسباتی معمول که برای پیش بینی PHIs ارائه می شوند استفاده از تعامل پروتئین های شناخته شده است. برخی دیگر عوامل بیماری زای ویروسی و باکتریایی که هدف اصلی آنها سلول های انسانی می باشد نیز در روش پیش بینی PHIs ارائه می شود. روش های محاسباتی برای پیش بینی پیش بینی PHIs، بهره برداری از پرتئین های شناخته شده، اینترکشن های دومین ها و توالی بوانفورماتیکی پروتئین ها است. برای مثال با هدف قرار دادن پروتئین های میزبان (انسان) و شبکه های پروتئینی PPI توسط پروتئین های پاتوژن که ایده ی بسیار پذیرفته شده ای است می توان به بررسی تعامل های پروتئین های پاتوژن-میزبان پرداخت. روش های یادگیری ماشین کلاسیک، روش های ازرشمندی در مواقعی هستند که اطلاعات کافی در دسترس نیست. با این حال تلاش های ارزشمندی اخیرا برای تکنیک های محاسباتی که از کمبود داده ها رنج می برند با استفاده از روش یادگیری کلاسیک و روش های یادگیری چندکاره صورت گرفته است. در مطالعات پیش بینی PPI روش های خاصی برای مطالعه تعاملات و اینترکشن های درون گونه ای مورد استفاده قرار می گیرد. از سوی دیگر، با تمرکز بر روی تعامل بین موجودات مختلف نیز می توان این رویکرد را انجام داد که یک شاخه جوان در این رشته است.
@computational_science
با توجه به اینکه داده های تعامل برای ویروس HIV انسانی بیشتر در دسترس است، تعداد قایل توجهی از مطالعات به این پاتوژن اختصاص داده شده است. روش های محاسباتی معمول که برای پیش بینی PHIs ارائه می شوند استفاده از تعامل پروتئین های شناخته شده است. برخی دیگر عوامل بیماری زای ویروسی و باکتریایی که هدف اصلی آنها سلول های انسانی می باشد نیز در روش پیش بینی PHIs ارائه می شود. روش های محاسباتی برای پیش بینی پیش بینی PHIs، بهره برداری از پرتئین های شناخته شده، اینترکشن های دومین ها و توالی بوانفورماتیکی پروتئین ها است. برای مثال با هدف قرار دادن پروتئین های میزبان (انسان) و شبکه های پروتئینی PPI توسط پروتئین های پاتوژن که ایده ی بسیار پذیرفته شده ای است می توان به بررسی تعامل های پروتئین های پاتوژن-میزبان پرداخت. روش های یادگیری ماشین کلاسیک، روش های ازرشمندی در مواقعی هستند که اطلاعات کافی در دسترس نیست. با این حال تلاش های ارزشمندی اخیرا برای تکنیک های محاسباتی که از کمبود داده ها رنج می برند با استفاده از روش یادگیری کلاسیک و روش های یادگیری چندکاره صورت گرفته است. در مطالعات پیش بینی PPI روش های خاصی برای مطالعه تعاملات و اینترکشن های درون گونه ای مورد استفاده قرار می گیرد. از سوی دیگر، با تمرکز بر روی تعامل بین موجودات مختلف نیز می توان این رویکرد را انجام داد که یک شاخه جوان در این رشته است.
@computational_science
Forwarded from JP
#کاربردهای_بیوانفورماتیک
استفاده از روش های یادگیری ماشین برای بیوانفورماتیک یک ایده ی خوبی است که پذیرفته شده است که شامل تلاش های اولیه برای پیش بینی PPI است. این روش ها از داده در دسترس PPI به عنوان ویژگی هایی برای آموزش و طبقه بندی تعامل و پروتئین های غیرتعاملی استفاده می کنند. هر دو یادگیری نیمه نظارتی و تحت نظارتی برای پیش بینی PHI مورد استفاده قرار می گیرند. یکی از این رویکردها رویکرد یادگیری ماشین و داده کاوی است که روش معمول است که امروزه به وفور مورد استفاده قرار می گیرد. در شکل زیر نیز تعدادی از کارهایی را که به این روش در سال های اخیر صورت گرفته اند را نشان می دهد.
@computational_science
استفاده از روش های یادگیری ماشین برای بیوانفورماتیک یک ایده ی خوبی است که پذیرفته شده است که شامل تلاش های اولیه برای پیش بینی PPI است. این روش ها از داده در دسترس PPI به عنوان ویژگی هایی برای آموزش و طبقه بندی تعامل و پروتئین های غیرتعاملی استفاده می کنند. هر دو یادگیری نیمه نظارتی و تحت نظارتی برای پیش بینی PHI مورد استفاده قرار می گیرند. یکی از این رویکردها رویکرد یادگیری ماشین و داده کاوی است که روش معمول است که امروزه به وفور مورد استفاده قرار می گیرد. در شکل زیر نیز تعدادی از کارهایی را که به این روش در سال های اخیر صورت گرفته اند را نشان می دهد.
@computational_science
Forwarded from JP
Forwarded from JP
#کاربردهای_بیوانفورماتیک
رویکرد دوم بر اساس همسانی است. در این روش تعامل های بین یک جفت پروتئین بر اساس تعامل همولوگ در گونه های دیگر مورد بررسی قرار می گیرد. رویکرد دیگر بر مبنای ساختار است. تعدای از مطالعات با استفاده از داده های PPI برای شناسایی جفت پروتئین های میزبان و عامل پاتوژن از ساختارهای مشابه موجود استفاده می کنند. نکته ای که باید در نظر داشت این است که شباهت ساختاری باید خیلی بالا باشد تا در نتایج نهایی به دست آمده اشتباهی رخ ندهد. رویکرد بعدی بر اساس دومین ها و موتیف های پروتئینی است. این ایده به طور مناسب برای موجودات تک سلولی مورد بررسی قرار گرفته است. و برای بررسی تعامل بین پروتئین های میزبان و پاتوژن مورد نظر موتیف ها و دومین ها را در نظر می گیرد. نتیجه گیری نهایی اینکه پیش بینی بر اساس PPI بین گونه های مختلف جانوری در سال های اخیر محبوبیت زیادی را به دست آورده است.روش های محاسباتی نقش مهمی در اثبات داده های تجربی برای پایگاه های PPI را بر عهده داشتند. در این مقاله مطالعاتی بیان شده اند که که به طور مستقیم در پیش بینی PHI نقش دارند. و این روش ها بر اساس تعامل پاتوژن با میزبان مورد نظر طبقه بندی می شوند. Hiv-1 یکی از برجسته ترین پاتوژن هایی که به طور خاص با استفاده از روش یادگیری ماشین مورد بررسی قرار گرفته است.
@computational_science
رویکرد دوم بر اساس همسانی است. در این روش تعامل های بین یک جفت پروتئین بر اساس تعامل همولوگ در گونه های دیگر مورد بررسی قرار می گیرد. رویکرد دیگر بر مبنای ساختار است. تعدای از مطالعات با استفاده از داده های PPI برای شناسایی جفت پروتئین های میزبان و عامل پاتوژن از ساختارهای مشابه موجود استفاده می کنند. نکته ای که باید در نظر داشت این است که شباهت ساختاری باید خیلی بالا باشد تا در نتایج نهایی به دست آمده اشتباهی رخ ندهد. رویکرد بعدی بر اساس دومین ها و موتیف های پروتئینی است. این ایده به طور مناسب برای موجودات تک سلولی مورد بررسی قرار گرفته است. و برای بررسی تعامل بین پروتئین های میزبان و پاتوژن مورد نظر موتیف ها و دومین ها را در نظر می گیرد. نتیجه گیری نهایی اینکه پیش بینی بر اساس PPI بین گونه های مختلف جانوری در سال های اخیر محبوبیت زیادی را به دست آورده است.روش های محاسباتی نقش مهمی در اثبات داده های تجربی برای پایگاه های PPI را بر عهده داشتند. در این مقاله مطالعاتی بیان شده اند که که به طور مستقیم در پیش بینی PHI نقش دارند. و این روش ها بر اساس تعامل پاتوژن با میزبان مورد نظر طبقه بندی می شوند. Hiv-1 یکی از برجسته ترین پاتوژن هایی که به طور خاص با استفاده از روش یادگیری ماشین مورد بررسی قرار گرفته است.
@computational_science
دوستانی که در pv در خواست جزوات خوب و مفید در زمینه تکنیک Real time PCR را خواسته بودند خدمتتان ارسال میکنیم 👇👇👇
✔️به دوستانتان خودتان هم فوروارد کنید تا کمکی برای یادگیری این تکنیک مهم آزمایشگاه بیولوژی مولکولی شود.
✔️به دوستانتان خودتان هم فوروارد کنید تا کمکی برای یادگیری این تکنیک مهم آزمایشگاه بیولوژی مولکولی شود.
REAL TIME PCR.ppt
6.8 MB
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
@computational_science
Real_time_manudagur.ppt
672 KB
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
@computational_science
Real-time PCR workshop presentation.ppt
2.6 MB
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
@computational_science
Real-time_PCR_کلیات.pdf
1.9 MB
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
@computational_science
RealtimePCRFarsi_2.pdf
2.5 MB
جزوه فارسی : ریل تایم پی سی آر«سیناژن»
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
RealtimePCRFarsi_3.pdf
3.3 MB
جزوه فارسی : ریل تایم پی سی آر«سیناژن»
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science
🔶شبکه بیوانفورماتیک و بیولوژی محاسباتی ایران 🔶
@computational_science