geneticsas | Unsorted

Telegram-канал geneticsas - 🏅 Genetics A.S 🏅

7872

⚡️ Genetics A.S ⚡️ 🧬 نکات ژنتیک پزشکی 🧬 ✏️ تست‌های ژنتیک ✏️ 📖 لغات زبان 📖 📺 ویدیوهای آموزشی 📺 📝 نکات مشاوره‌ای و برنامه‌ریزی 📝 🔍 راهنمای استفاده از مطالب کانال : https://t.me/GeneticsAS/689 ارتباط با بنده : @Cyaxares ادمین تبادل : @starh20

Subscribe to a channel

🏅 Genetics A.S 🏅

📌استخدام در بیمارستان ،داروخانه ها و آزمایشگاه های خصوصی و دولتی با بالاترین حقوق و مزایا
@medjobpro

🩸هماتولوژی و ایمنی👇👇

@heamato
@abstract_of_immunology
@immunologyaali
@immunology_daneshvar
@hemato_case
@imonology_2022
@ImmunoRadio
@naderi_gp
@hematoka
@Immuno_Insights
@TAM_EdG
@Dr_hematology
@immunotalk
@arshadphdimeni
@immunologyaalii
@hematology_dr_namjoo

🔬بیوشیمی و سلولی ، مولکولی👇👇

@arabbioma
@Biolochemistry
@drjafarnezhad
@kheirollahibiochem
@molecularbiocell
@biochemistry1367
@biochemistryRahmanii
@manafi_cell
@Manafi_Academy
@arabbioma2
@DrNbiochemistry
@nemuneTadris7704
@Biolochemistry_English
@fellowship_FCLS
@BiochemistryK

✈️زبان و مهاجرت👇👇

@Drmohajernia_Eng_Acdmy
@dr_medicallanguage
@Canadafathi
@englishvocabtest
@DR_MHLE_MSRT
@MAEAC
@safdari_english
@medicallanguage

🧬ژنتیک 👇👇

@genemedia
@Rotbebartara
@medical_human_genetics
@Farahani_Genetics
@drfarhood_academy
@Genbank39
@genetic_master
@genetic_academic_lab
@genticcc
@basic_sciences_virtual_society
@geneticmedical
@GeneticsAS

💥قارچ،انگل،ویروس،باکتری👇👇

@behdashtparasit
@virology_moradi
@bacteri_0ta100

📌پزشکی و مقاله نویسی👇👇

@lisans_be_pezeshkie
@RoyanEsfahan
@pezeshk_yabb
@PaperWritingAcademy
@nursejob
@lisanse_pezeshki
@robin_vision
@academic_science

📚فایل و کتاب،مشاوره👇👇

@PDFFILLE
@ManafiF
@bbioka
@moshavere_group1403
@ketabjozvehpowerpoint
@Arso0ketabkade
@ketaboulumpezeshki
@rotbebartar1398
@BrinsicaBooks
@medbookkk
@book_shop2020
@Farahani_Moshavereh
@ProfessorsBooklet
@Laboratory_handouts
@vebinomoshavereh
@ketabepezeshki

🧰استخدامی ،آزمایشگاهی👇👇

@Lab_science
@laboratoryfellowship
@karamuzi
@research_lab
@fellowship_lab
@Aznorooztakonkoor
@azemayeshgahi
@SabaFlow
@AzmaTech
@Labmlc
@wwwlabworldir
@labkaramouziii
@roznameazmayeshghah

Читать полностью…

🏅 Genetics A.S 🏅

🤖 هی نوبت | اولین وبسایت تخصصی مدیریت کلینیک

🧪هی نوبت با ترکیب دستیار هوشمند و ابزارهای کامل مدیریت، تمام نیازهای پزشکان و دندانپزشکان و کلینیک‌ها با تمامی تخصص ها را در یک وبسایت یکپارچه فراهم کرده است.

✨ با هی نوبت همه چیز در اختیار شماست:

🤖 دستیار هوشمند پاسخگوی بیماران
📅 نوبت‌گیری آنلاین ۲۴ ساعته
🔔 یادآور هوشمند نوبت‌ها
💬 چت پشتیبان هوشمند
🌐 وب‌سایت اختصاصی پزشک
📱 اپلیکیشن اختصاصی پزشک و بیماران
📊 پنل مدیریت کلینیک
💰 مدیریت مالی، گزارش‌ها
📣ابزارهای تبلیغاتی هوشمند
📁 مدیریت پرونده بیماران
📈 مدیریت افزایش درآمد کلینیک با استفاده از هوش مصنوعی
و...

💡همین الان مشاوره رایگان دریافت کنید

@heynobat_bot

کانال رسمی هی‌نوبت

@heynobat
@heynobat

Читать полностью…

🏅 Genetics A.S 🏅

🔹 بررسی تست ⇐

✏️ باستان‌شناسان از اینکه در محل حفاری فسیل‌های باستانی را به خاطر فراهم آوردن اطلاعات ارزشمند درباره زندگی ماقبل تاریخ، از زیر خاک بیرون آوردند، بسیار هیجان‌زده بودند.

Conceal: پنهان کردن
Unearth: از زیر خاک بیرون آوردن، کشف کردن
Fabricate: جعل کردن، ساختن
Disintegrate: متلاشی کردن، متلاشی شدن
🔊 Archaeologist: باستان‌شناس
🔊 Thrill: هیجان، به هیجان آوردن
🔊 Ancient: باستانی، کهن
🔊 Excavation: حفاری، کاوش
🔊 Site: محل، مکان
🔊 Provide: فراهم کردن
🔊 Valuable: ارزشمند
🔊 Insight: نگرش، دیدگاه
🔊 Prehistoric: ماقبل تاریخ

🔹 این واژه‌ها رو اشتباه حفظ نکنید: Conceal به معنی پنهان کردن - Conceive به معنی تصور کردن، باردار شدن - Concise به معنی مختصر - Concentrate به معنی تمرکز کردن - Conceptualize به معنی مفهوم‌سازی کردن.

💯 مباحث و تست‌ از جزوه لغات زبان پزشکی.

🖥 جهت مطالعه لغات بیشتر، این هشتگ را دنبال کنید ⇦ #لغات_زبان


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#تست_زبان

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

📌 فیچر سلکشن و انتخاب بایومارکرهای پیش‌بینی‌کننده کاندید با روش Random forest (RF)

🔴 توضیحات ◀️

🔴 متود RF یکی از الگوریتم‌های یادگیری ماشین هست که از تعداد زیادی درخت تصمیم (Decision Tree) استفاده می‌کنه. هر درخت روی زیرمجموعه‌ای از داده‌ها و ژن‌ها آموزش داده می‌شه و در نهایت خروجی نهایی با رأی‌گیری تعیین می‌شه. در مطالعات سرطان و بیوانفورماتیک، Random Forest علاوه بر اینکه برای پیش‌بینی (مثلاً Tumor vs Normal) استفاده می‌شه، یک ابزار بسیار قوی برای Feature Selection هم هست، چون می‌تونه اهمیت هر ژن رو بر اساس میزان کاهش خطا یا کاهش ناخالصی (Gini impurity) محاسبه کنه. به زبان ساده اگه هزاران ژن داشته باشیم، این روش به هر ژن یک امتیاز اهمیت می‌ده و ژن‌هایی که بیشترین نقش رو در جداسازی کلاس‌ها دارن به عنوان بایومارکرهای کاندید انتخاب می‌شن.

🟡 دوستان در ادامه این آموزش اصطلاحاتی مطرح می‎شه که برای درکشون باید جزییات متود RF رو به صورت تئوری بلد باشید؛ برای این مورد، به ترتیب ویدیوهای زیر رو ببینید:
Decision and Classification Trees (Part 1)
Decision and Classification Trees (Part 2)
Random Forest (Part 1)
Random Forest (Part 2)
Random Forest in R

🟠 و اما برای اجرای عملی این روش روی دیتای خودتون، یه استراتژی اینه که اول آنالیز افتراقی بیان دیتای خودتون (میکرواری، bulk RNA-seq یا single cell RNA-seq یا ...) رو انجام بدید و ژن‌های up و down رو به دست بیارید؛ بعد مراحل downstream، مثل رسم شبکه PPI و WGCNA رو ادامه بدید تا در نهایت به تعدادی هاب‌ژن برسید. تو مرحله بعد با فیچر سلکشن با روش RF می‌تونید از بین این هاب‌ژن‌ها، بایومارکرهای کاندید رو انتخاب کنید.

1️⃣ آماده‌سازی دیتا؛ توجه کنید که دیتاتون باید دیتای بیانی نرمالایزشده باشه (اگه دیتای کانت RNA-seq دارید، با متود VST پکیج DESeq2 نرمالایز کنید)؛ دیتای ورودی باید شامل هاب‌ژن‌ها تو ستون‌ها و سمپل‌ها تو ردیف‌ها و همین‌طور حاوی یک ستون که شرایط سمپل‌ها رو نشون‌ می‌ده (مثلا نرمال و تومور)، باشه.

df <- dataset1[rownames(dataset1) %in% hubs, ]
df <- t(df)
df <- data.frame(df)
df$Status <- c(rep("Tumor", 25), rep("Normal", 25))
x <- as.matrix(df[, -ncol(df)])
View(x)
y <- c(rep(1,25), rep(0, 25))

تو کد بالا، hubs یک وکتور حاوی اسامی هاب‌ژن‌ها و dataset1 هم دیتای بیانی نرمالایزشده هست.

2️⃣ ساخت مدل Random Forest:
library(randomForest)

rf_model <- randomForest(Status ~ .,
data = df,
importance = TRUE,
ntree = 120)

🔹 آرگومان ntree: تعداد درخت‌ها (هرچی بیشتر ← پایدارتر ولی زمان بیشتر)
🔹 آرگومان importance = TRUE: فعال‌سازی محاسبه اهمیت ژن‌ها

3️⃣ بررسی خلاصه مدل؛ این خروجی شامل دقت مدل (OOB error) و عملکرد کلی طبقه‌بندی هست.
print(rf_model)


4️⃣ رسم نرخ خطا؛ این نمودار تغییر خطا را با افزایش تعداد درخت‌ها نشان می‌دهد (اولین پلات مهم برای مقاله).
plot(rf_model)


5️⃣ محاسبه اهمیت ژن‌ها؛ این مرحله یکی از کلیدی‌ترین بخش‌هاست. هر ژن بر اساس دو معیار اصلی رتبه‌بندی می‌شه: MeanDecreaseGini (کاهش ناخالصی) و MeanDecreaseAccuracy (کاهش دقت در صورت حذف ژن) (دومین پلات مهم برای مقاله).
importance_vals <- importance(rf_model)
varImpPlot(rf_model)


6️⃣ مرتب‌سازی ژن‌ها بر اساس اهمیت (از مهم‌ترین به کم‌اهمیت‌ترین).
important_genes_rf <- importance_vals[order(importance_vals[, "MeanDecreaseGini"], decreasing = TRUE), ]


7️⃣ انتخاب بایومارکرهای کاندید؛ می‌تونید از دو روش برای این کار استفاده کنید:
روش اول: آستانه روی MeanDecreaseAccuracy (Z-score):
z_scores <- scale(important_genes_rf[, "MeanDecreaseAccuracy"])
selected_genes <- names(z_scores[z_scores > 1])
selected_genes

روش دوم: انتخاب ژن‌های برتر (Top genes)؛ مثلا ده ژن برتر:
top_genes_rf <- rownames(important_genes_rf)[1:10]


⭐️ به این مقاله که چند ماه پیش نوشتم، توجه کنید؛ یکی از استپ‌ها مربوط به همین روش هست.
Machine learning and WGCNA reveal the PVT1/miR-143–3p/CDK1 ceRNA axis as a key regulator in NSCLC


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#بیوانفورماتیک

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

🧰 اگه به دنبال فرصت‌های شغلی ، پروژه‌های دورکاری ، دوره‌ های آموزشی و منابع درسی هستی این کانالها مختص شماست.
/channel/addlist/IXRKmeyHcBgxZDJk

/channel/addlist/8_2sKKdP5dBiMmQ0

Читать полностью…

🏅 Genetics A.S 🏅

📌 فیچر سلکشن و انتخاب بایومارکرهای پیش‌بینی‌کننده کاندید با روش LASSO

🔴 توضیحات ◀️

🔴 متود LASSO (Least Absolute Shrinkage and Selection Operator) یکی از روش‌های فیچر سلکشنه که با صفر کردن ضرایب متغیرها یا فیچرهای کم‌اهمیت، فقط مهم‌ترین فیچرها رو حفظ می‌کنه؛ تو مطالعات سرطان و بیماری‌ها، این روش به شناسایی تعداد محدودی از ژن‌ها به‌عنوان بایومارکرهای مؤثر از بین هزاران ژن کمک می‌کنه؛ فرض کنید داده‌های بیان ده هزار ژن بیماران مبتلا به سرطان و افراد سالم رو در اختیار داریم. بعد از اجرای LASSO، ممکنه ضریب ۹۹۹۰ ژن صفر بشه و فقط ده ژن با ضریب غیرصفر باقی بمونه. این ده ژن به عنوان بیومارکرهای بالقوه انتخاب می‌شن، چون بیشترین نقش رو در تمایز نمونه‌های سرطانی از نمونه‌های سالم دارن.

🟡 اگه می‌خواید جزییات تئوری این روش رو یاد بگیرید، به ترتیب ویدیوهای زیر رو ببینید:
Linear regression
Bias and Variance
Cross Validation
Ridge regression
LASSO

🟠 و اما برای اجرای عملی این روش روی دیتای خودتون، یه استراتژی اینه که اول آنالیز افتراقی بیان دیتای خودتون (میکرواری، bulk RNA-seq یا single cell RNA-seq یا ...) رو انجام بدید و ژن‌های upregulated و downregulated رو به دست بیارید؛ بعد مراحل downstream، مثل رسم شبکه PPI یا WGCNA و ... رو ادامه بدید تا در نهایت به تعدادی هاب ژن برسید. تو مرحله بعد با فیچر سلکشن با روش LASSO می‌تونید از بین این هاب ژن‌ها، بایومارکرهای پیش‌بینی‌کننده کاندید رو انتخاب کنید.

1️⃣ آماده‌سازی دیتا؛ توجه کنید که دیتاتون باید دیتای بیانی نرمالایزشده باشه (اگه دیتای کانت RNA-seq دارید، با متود VST پکیج DESeq2 نرمالایز کنید)؛ دیتای ورودی باید شامل هاب‌ژن‌ها تو ستون‌ها و سمپل‌ها تو ردیف‌ها و همین‌طور حاوی یک ستون که شرایط سمپل‌ها رو نشون‌ می‌ده (مثلا نرمال و تومور)، باشه.

df <- dataset1[rownames(dataset1) %in% hubs, ]
df <- t(df)
df <- data.frame(df)
df$Status <- c(rep("Tumor", 25), rep("Normal", 25))
x <- as.matrix(df[, -ncol(df)])
View(x)
y <- c(rep(1,25), rep(0, 25))

تو کد بالا، hubs یک وکتور حاوی اسامی هاب‌ژن‌ها و dataset1 هم دیتای بیانی نرمالایزشده هست.

2️⃣ با انجام cross validation، بهترین مقدار λ برای مدل LASSO تعیین می‌شه.
library(glmnet)
cv_fit <- cv.glmnet(x = x,
y = y,
alpha = 1,
family = "binomial",
nfolds = 10,
type.measure = "deviance")


3️⃣ این نمودار تغییر خطای مدل رو تو مقادیر مختلف λ نشون می‌ده و بهترین λ رو مشخص می‌کنه (اولین پلاتی که باید تو مقاله بذارید).
plot(cv_fit)


4️⃣ استخراج بهترین λ؛ مقدار λ با کمترین خطا انتخاب می‌شه.
best_lambda <- cv_fit$lambda.min


5️⃣ مدل نهایی با استفاده از λ بهینه ساخته می‌شه.
lasso_model <- glmnet(x = as.matrix(df[, -30]),
y = labels,
alpha = 1,
lambda = best_lambda,
family = "binomial")


6️⃣ ژن‌هایی که ضریب‌شون صفر نشده، به عنوان بایومارکرهای پیش‌بینی‌کننده کاندید انتخاب می‌شن.
coef(lasso_model)
selected_genes <- rownames(coef(lasso_model))[coef(lasso_model)[,1] != 0]
selected_genes <- selected_genes[-1]


7️⃣ رسم مسیر ضرایب (Coefficient Paths)؛ این نمودار تغییر ضرایب ژن‌ها رو با افزایش λ نشون می‌ده؛ با بزرگ‌تر شدن λ، ضرایب بیشتری به صفر میل می‌کنن و تعداد فیچرهای انتخاب‌شده کاهش پیدا می‌کنه (دومین پلاتی که باید تو مقاله بذارید).
# Fit the full LASSO model (not cross-validation) to extract paths
fit <- glmnet(x = as.matrix(df[, -30]),
y = labels,
alpha = 1,
family = "binomial")
plot(fit,
xvar = "lambda",
label = TRUE,
main = "LASSO Coefficient Paths",
cex.main = 1)


⭐️ به این مقاله که چند ماه پیش نوشتم، توجه کنید؛ یکی از استپ‌ها مربوط به همین روش هست.
Machine learning and WGCNA reveal the PVT1/miR-143–3p/CDK1 ceRNA axis as a key regulator in NSCLC


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#بیوانفورماتیک

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

⚡️ نکته ۷۴ استراخان: سندرم McCune-Albright و سندرم Robinow (بسیار مهم).
💯 مباحث از جزوه استراخان.

🖥 جهت مطالعه مباحث رفرنس استراخان، این هشتگ را دنبال کنید ⇦ #نکات_استراخان


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید: @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#ژنتیک
#نکات_استراخان
#نکته۷۴

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

امتحان داری و هیچی نخوندی؟ 
نگران نباش! 

به کمک این فولدر، به تمامی منابع آموزشی (#فایل_جزوه_کتاب_کلاس_کارگاه) دسترسی پیدا کن!

👩‍⚕تحصیل #رایگان در رشته پزشکی

@lisans_be_pezeshkie

Читать полностью…

🏅 Genetics A.S 🏅

سلام
مدیریت کانال هستم
لطفا مقطع تحصیلی خود را انتخاب نموده و Join را بزنید✅

خبرهای خوشی برای شما در راه است🤗

Читать полностью…

🏅 Genetics A.S 🏅

🌪تدریس سلولی با مولف کتاب جامع پرفروش ترین کتاب سلولی کشور 💯
@arabbioma

🌪دانلود #رایگان کتاب و نمونه سوالات ارشد پزشکی و وزارت بهداشت
@ketabepezeshki

🌪✅جمع بندی زبان وزارت علوم +جزوه 👇
@medicallanguage

🌪آموزش #رایگان ژنتیک پزشکی استاد فراهانی
@genemedia

🌪گروه خرید و فروش کتاب نو و دست دوم
@ketabepezeshki2

🌪دنیای فایل /کتاب های علوم پزشکی
@culppezeshki2020

🌪همه رتبه برترهای امسال اینجان😍
@hematology_dr_namjoo

🌪تست‌های تالیفی #باکتری از سرتاسر رفرنس‌ها
@bacteri_0ta100

🌪کاملترین دوره های جامع و نکته تست  ایمونولوژی😍💯
@immunologyaali

🌪کارشناسی و ارشد و دکتری با رتبه های برتر
@basic_sciences_virtual_society

🌪نشنال بووک دکتر کاظم زاده
@national_book

🌪کتاب تست رتبه برتر ها اینجاست📚
@arso0ketabkade

🌪درصد ۱۰۰ هماتولوژی
@naderi_gp

🌪کلاس کنکور بیوشیمی بالینی
@biochemistry1367

🌪منابع آزمون ارشد و دکتری با قیمت مناسب + ارسال رایگان درب منزل
@brinsicabooks

🌪🟢نتایج فوق العاده بیوشیمی-سلولی مولکولی دکتر جعفرنژاد
@drjafarnezhad

🌪حل تست های 3 سال اخیر زبان علوم پزشکی
@zabanpezashki

🌪نکته تست 100 درصد شیمی عمومی و آلی
@chemistryka

🌪بالاترین پوشش دهی هماتولوژی
@hemato_case

🌪نکات مشاوره ای رایگان هماتولوژی ویژه جمع بندی
@hematologymoshaver

🌪کلید بیوشیمی
@kazemzadehs

🌪اخبار کنکور های وزارت بهداشت
@aznorooztakonkoor

🌪یادگیری روزانه زبان انگلیسی
@englishvocabtest

🌪بیوشیمی 100
@kazemzadehn

🌪نکته و تست ایمنی بر اساس ابوالعباس
@imonology_2022

🌪طرح مشاوره TNT دکتر کاظم زاده
@kazemzadeht

🌪🔥ایمونولوژی رو فاگوسیتوز کن💥
@immunoradio

🌪🔴جمع بندی زبان با بالاترین پوشش دهی و کم حجم برای کسب درصد بالا ( #ارشد ، #دکتری)، همراه با تخفیفات ویژه
@biolochemistry_english

🌪نمونه تدریس استاد قیومی
@nemunetadris7704

🌪آکادمی معجزه ; ویروس شناسی پزشکی (دکتر البرزی)
@medical_virology_dr_alborzi

🌪پرسش و پاسخ ویروس‌شناسی پزشکی
@porsesh_pasokh_virology

🌪✅✅سوالات تالیفی برای آمادگی کنکور فلوشیپ علوم آزمایشگاهی ( رایگان)
@fellowship_fcls

🌪فایل و کلیپ‌های پزشکی
@clipolumpezeshki

🌪جمع بندی ایمنی (پوشش دهی بالای 70 درصد)
@immunology_education

🌪مشاوره و رفع اشکال بیوشیمی
@biochemiaa

🌪گروه مصاحبه و مشاوره ارشد و دکتری استاد عالی
@immunologyaalii

🌪مهارت های تندخوانی
@mindoka

🌪نیازمندی های آزمایشگاهی
@medical_lab_niazmandi_iran

🌪زبان ارشد و دکتریMHLE, IELTS, EPT مهاجرنیا
@drmohajernia_mhle_ielts_ept

🌪تغذیه ارشد و دکتری دکتر انصاری
@taghz_2019

🌪کسب درصد 70 زبان علوم پزشکی در 90 دقیقه
@zabanabdollahpour

🌪مهاجرت آسان به کانادا
@canadafathi

🌪بیوشیمی لیسانس به پزشکی
@biochemistry_p

🌪هر روز یک نکته و تست از ابوالعباس 🦠🦠🦠
@dr_immunology

🌪بانک تست بیوشیمی هارپر
@bioteest

🌪پک کامل جزوات ارشد و دکترای ویروس با دکتر مرادی
@virology_moradi

🌪کانال نابغه ها (بیوشیمی)
@kazemzadehk

🌪مشاوره کنکوری ویژه  جمع بندی
@kazemzadehm

🌪نیازمندی های علوم پزشکی کشور
@nursejob

🌪ارسال انواع کتب کنکوری ارشد ودکتری علوم پزشکی و سایر شاخه ها و زیر شاخه های علوم پزشکی
@book_shop2020

🌪سلولی مولکولی دکتر مهدوی
@mj_mahdavi97

🌪یادگیری پایه بیوشیمی
@drnbiochemistry

🌪بانک کتب و پاورپوینت
@ketabjozvehpowerpoint

🌪کانال مشاوره تخصصی کنکور استاد فراهانی
@farahani_moshavereh

🌪ایمونولوژی
@immunology_daneshvar

🌪گروه رفع اشکال ژنتیک استاد فراهانی👇
@farahani_genetics

🌪ایمنولوژی دکتر محمودی
@tam_edg

🌪مشاوره و تدریس زبان وزارت بهداشت
@safdari_english

🌪آموزش مورفولوژی ویژه تمام آزمایشگاهیان 🩸🩸🩸
@hematologyatlas

🌪1500تست تالیفی مخصوص داوطلبین فلوشیپ_علوم_آزمایشگاهی 
@biolochemistry

🌪سوپر گروه ژنتیک پزشکی با مترجمین کتابهای ژنتیک پزشکی ۲۰۲۴
@medical_human_genetics

🌪رفع اشکال رایگان سلولی با دکتر عرب 
@arabbioma2

🌪مباحث رایگان #امری، #جرد، #تامپسون و #استراخان | مشاوره و برنامه‌ریزی بهداشت و علوم | مهارت‌های بیوانفورماتیکی
@geneticsas

🌪قبولی هماتولوژی و ایمونولوژی در وقت اضافه با دکتر یزدان دوست 🩸🩸
@heamato

🌪نیازمندی های رشته های علوم آزمایشگاهی  میکروب شناسی ژنتیک زیست
@roznameazmayeshghah

🌪🧴 منبع رسمی زبان ارشد و دکتری (دکتر مهاجرنیا)
@drmohajernia_eng_acdmy


===========================

@starh20
📆 1405/03/26

Читать полностью…

🏅 Genetics A.S 🏅

📌 ساخت شبکه‌های تنظیمی ژن با استفاده از دیتاهای سینگل‌سل

🔴 توضیحات ◀️

🔴 شبکه‌های تنظیمی ژن (GRNs) مجموعه‌ای از اینتراکشن‌های مولکولی هستن که در اون‌ها فاکتورهای رونویسی، ژن‌های هدف خودشون رو کنترل می‌کنن و در نهایت تعیین می‌کنن که هر ژن تو چه زمانی و تو چه سلولی روشن یا خاموش بشه؛ به بیان ساده، GRNها یک نقشه از روابط تنظیمی بین ژن‌ها هستن که بیان ژن و هویت سلولی رو هدایت می‌کنن. تو این شبکه‌ها، گره‌ها (nodes) معمولاً ژن‌ها یا TFها هستن و یال‌ها (edges) نشون‌دهنده رابطه تنظیمی بین اوناست.

🟡 حالا اگر داده‌های سینگل‌سل داشته باشیم، هدف اینه که GRNها رو در سطح هر سلول به‌صورت جداگانه بازسازی کنیم، نه به‌صورت میانگین جمعیت سلولی. این موضوع اهمیت زیادی داره، چون سلول‌ها حتی تو یک بافت، حالت‌های تنظیمی متفاوتی دارند.

🟠 تو R، پکیجی داریم تحت‌عنوان SCENIC که یکی از ابزارهای قدرتمند برای بازسازی شبکه‌های تنظیمی ژن در داده‌های Single cell RNA-seq است. برخلاف روش‌های معمول که صرفا بر بیان ژن‌ها تمرکز دارن، SCENIC فعالیت فاکتورهای رونویسی و ژن‌های هدف‌شون را رو شناسایی و به درک بهتر مکانیسم‌های تنظیمی در سطح سلولی کمک می‌کنه.

🟢 کدهای پکیج SCENIC
1⃣ بازسازی شبکه هم‌بیانی ژن‌ها: تو این مرحله، ارتباط بین فاکتورهای رونویسی و ژن‌های هدف با استفاده از الگوریتم‌های GENIE3 یا GRNBoost2 محاسبه می‌شه.

install.packages("devtools")
devtools::install_github("aertslab/SCENIC")

counts <- GetAssayData(seurat.obj,
slot = "counts")
exprMat <- as.matrix(counts)

genesKept <- geneFiltering(exprMat, scenicOptions)
exprMat_filtered <- exprMat[genesKept, ]

runGenie3(exprMat_filtered, scenicOptions)


2⃣ شناسایی Regulonها: تو این مرحله، ارتباط‌های به‌دست‌اومده با استفاده از اطلاعات موتیف‌های DNA پالایش شده و مجموعه ژن‌های تحت کنترل هر فاکتور رونویسی یا Regulon تعیین می‌شن (Regulon یعنی فاکتور رونویسی + ژن‌های هدف).
runSCENIC_1_coexNetwork2modules(scenicOptions)
runSCENIC_2_createRegulons(scenicOptions)


3⃣ محاسبه فعالیت Regulonها در هر سلول: فعالیت هر Regulon با استفاده از روش AUCell اندازه‌گیری شده و می‌شه سلول‌ها رو بر اساس الگوهای تنظیمی‌شون خوشه‌بندی کرد.
runSCENIC_3_scoreCells(scenicOptions)

aucell_regulonAUC <- loadInt(scenicOptions, "aucell_regulonAUC")


4⃣ مرحله مصورسازی:
tsneAUC <- plotTsne_AUCellApp(
scenicOptions,
aucell_regulonAUC)

library(igraph)

g <- graph_from_data_frame(regulonTargetsInfo)
plot(g)


🔴 خروجی این آنالیز مجموعه‌ای از Regulonها، میزان فعالیت‌شون در هر سلول و شبکه تنظیمی ژن‌هاست. این اطلاعات امکان شناسایی مسیرهای تنظیمی، تعیین هویت سلولی و کشف فاکتورهای کلیدی دخیل تو بیماری‌ها و فرآیندهای زیستی رو فراهم می‌کنن.

🔴 لینک گیت‌هاب: https://github.com/aertslab/SCENIC/


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#بیوانفورماتیک

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

🔍 آزمون کارشناسی ارشد وزارت علوم ۱۴۰۵ که قرار بود در روزهای پنج‌شنبه و جمعه ۱۸ و ۱۹ تیر ماه برگزار شود، در روزهای پنج‌شنبه و جمعه ۲۵ و ۲۶ تیرماه در سراسر کشور برگزار خواهد شد.


#اخبار
#کارشناسی_ارشد

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

🔴 خیلی از شما دوستان کار با دیتابیس GEO رو بلدید؛ اما شاید به یک‌سری از جزییات در مورد این دیتابیس کمتر دقت کردید. این فایل تقریبا تمام چیزهایی که باید در مورد GEO بدونید رو داره.

🔒 رمز فایل (حروف بزرگ و کوچک رعایت شود): GeneticsAS


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#بیوانفورماتیک

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

⚡️ پارت چهارم جدول بیماری‌های ژنتیک تکوین 💯
پارت اول
پارت دوم
پارت سوم

🔒 رمز فایل (حروف بزرگ و کوچک رعایت شود): GeneticsAS

⚡️ اگر می‌خواید به پست‌ها و نکات درسی کامل این فصل دسترسی داشته باشید، هشتگ #ژنتیک_تکوین رو دنبال کنید (پست اول).


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

🟡 لیست آپدیت‌شده از بهترین ویدیوهای آموزشی یوتوب در رابطه با تکنیک‌های آزمایشگاهی، بیوانفورماتیک و مهارت‌های مربوط به بایولوژی (آپدیت نهم) 👈🏻


🤔 تکنیک‌های آزمایشگاهی 👈

🖥 تکنیک PCR (تئوری)
🖥 تکنیک PCR (عملی)
🖥 تکنیک Real-time PCR (تئوری)
🖥 تکنیک Real-time PCR (عملی)
🖥 تکنیک ARMS PCR (تئوری)
🖥 تکنیک Tetra ARMS PCR (تئوری)
🖥 تکنیک Hot start PCR (تئوری)
🖥 تکنیک Nested PCR (تئوری)
🖥 تکنیک Nested PCR (تئوری و عملی)
🖥 تکنیک Droplet Digital PCR
🖥 تکنیک RFLP (تئوری)
🖥 تکنیک Southern Blot (تئوری)
🖥 تکنیک Northern Blot (تئوری)
🖥 تکنیک Gel Electrophoresis (تئوری)
🖥 تکنیک Gel Electrophoresis (عملی)
🖥 تکنیک DNA Microarray (تئوری)
🖥 تکنیک Sanger Sequencing (تئوری)
🖥 تکنیک Pyrosequencing (تئوری)
🖥 تکنیک Illumina Sequencing (تئوری)
🖥 تکنیک PacBio Sequencing (تئوری)
🖥 تکنیک Oxford Nanopore Sequencing
🖥 تکنیک Bisulfite sequencing (تئوری)
🖥 تکنیک Single cell RNA-seq (تئوری) (۱)
🖥 تکنیک Single cell RNA-seq (تئوری) (۲)
🖥 تکنیک CUT & RUN
🖥 تکنیک CUT & TAG
🖥 تکنیک فلوسایتومتری (تئوری)
🖥 تکنیک CRISPR-Cas9 (تئوری)
🖥 تکنیک ChIP-Seq (تئوری)
🖥 تکنیک ATAC-Seq با توضیحات کوتاه (تئوری)
🖥 تکنیک ATAC-Seq با توضیحات تکمیلی (تئوری)
🖥 تکنیک Hi-C
🖥 تکنیک FISH (تئوری)
🖥 استخراج RNA با استفاده از trizol (تئوری)
🖥 استخراج RNA با استفاده از trizol (عملی)
🖥 سنتز cDNA (تئوری)


🤔 دیتابیس‌های زیستی 👈

🖥 دیتابیس NCBI
🖥 دیتابیس UCSC
🖥 دیتابیس TCGA
🖥 پلی‌لیست آموزش کامل دیتابیس TCGA
🖥 دیتابیس Xena Browser
🖥 دیتابیس Enrichr
🖥 آدیتابیس gprofiler
🖥 دیتابیس DAVID
🖥 دیتابیس STRING
🖥 دیتابیس miR2Disease
🖥 دیتابیس‌های TargetScan، miRDB و RNA22


🤔 مهارت‌های بیوانفورماتیکی 👈

🖥 طراحی پرایمر PCR با استفاده از ابزار primer blast دیتابیس NCBI
🖥 طراحی پرایمر PCR با وبسایت Primer3plus
🖥 طراحی پرایمر Real-time PCR با ابزار primer blast دیتابیس NCBI
🖥 بررسی اختصاصیت پرایمر طراحی‌شده با primer blast دیتابیس NCBI
🖥 بررسی اختصاصیت پرایمر طراحی‌شده با in silico PCR دیتابیس UCSC
🖥 آشنایی با مفهوم Gene Ontology
🖥 آشنایی با آنالیز Pathway
🖥 نحوه‌ی دانلود دیتاهای سرطان از دیتابیس TCGA
🖥 آنالیز دیتای Microarray با ابزار GEO2R
🖥 آنالیز دیتای Microarray با پکیج affy در زبان برنامه‌نویسی R
🖥 آنالیز Gene Ontology پکیج custerProfiler در زبان‌ برنامه‌نوسی R
🖥 آنالیز دیتای فلوسایتومتری با نرم‌افزار Flowjo
🖥 آموزش آنالیز شبکه هم‌بیانی وزن‌دار (WGCNA)
🖥 توضیحات تئوری پکیج DESeq2 برای آنالیز RNA-seq
🖥 کار با پکیج DESeq2 برای آنالیز RNA-seq (پارت 1)
🖥 کار با پکیج DESeq2 برای آنالیز RNA-seq (پارت 2)
🖥 معرفی فایل‌های SAM و BAM
🖥 پلی‌لیست آموزش ابزار samtools
🖥 معرفی فایل‌های تولیدشده در آنالیز ChIP-seq
🖥 آنالیز دیتای ChIP-seq در R
🖥 آموزش زبان برنامه‌نویسی R سطح مبتدی
🖥 آموزش زبان برنامه‌نویسی Python سطح مبتدی
🖥 آموزش کتابخانه numpy در پایتون
🖥 آموزش کتابخانه pandas در پایتون
🖥 آموزش کتابخانه matplotlib در پایتون
🖥 آموزش پکیج ggplot2 در R
🖥 آموزش پکیج dplyr در R
🖥 مجموعه ویدیوهای آمار و آمار زیستی
🖥 مجموعه ویدیوهای تئوری آنالیز بقا (Survival analysis)
🖥 انجام آنالیز بقا در زبان برنامه‌نویسی R
🖥 مجموعه ویدیوهای آموزش Graphpad Prism
🖥 مجموعه ویدیوهای آموزش Graphpad Prism (فارسی)
🖥 آموزش نصب سیستم عامل Linux ubuntu
🖥 آموزش نصب ماشین مجازی در ویندوز
🖥 آموزش کامندهای لینوکس (دوره کامل)
🖥 آموزش کامندهای ضروری لینوکس (در ده دقیقه)
🖥 پلی‌لیست آموزش Shell Scripting در لینوکس

💬 توجه: دوستان زیرنویس انگلیسی برای همه‌ی این ویدیوها اکتیو هست و می‌تونید برای یادگیری بهتر ازش استفاده کنید. دوستانی که ویدیوهای بهتر تو یوتوب یا جاهای دیگه دیدن، می‌تونن لینکش رو برام بفرستن که من تو این لیست قرار بدم. همین‌طور این لیست به مرور زمان آپدیت می‌شه و ویدیوهای تخصصی‌تر، مخصوصا تو حوزه بیوانفورماتیک که خودم‌ ازشون استفاده کردم، به لیست اضافه می‌شن.


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#تکنیک
#ویدیو_آموزشی

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

📌 فیچر سلکشن و انتخاب بایومارکرهای پیش‌بینی‌کننده کاندید با روش Boruta

🔴 توضیحات ◀️

🔴 متود Boruta یکی از الگوریتم‌های قدرتمند فیچر سلکشن هست که بر پایه الگوریتم Random Forest توسعه داده شده. برخلاف بسیاری از روش‌های فیچر سلکشن که فقط به دنبال پیدا کردن کمترین تعداد ویژگی برای بهترین عملکرد مدل هستن، هدف Boruta شناسایی تمام ویژگی‌های واقعاً مهم هست؛ تو این روش اول برای هر ژن موجود در دیتاست، یک نسخه تصادفی و به‌هم‌ریخته از همون ژن ساخته می‌شه که به اون Shadow Feature گفته می‌شه؛ بعد الگوریتم Random Forest روی مجموعه داده شامل ژن‌های واقعی و Shadow Featureها اجرا می‌شه و اهمیت هر کدوم محاسبه می‌شه. اگه اهمیت یک ژن واقعی به طور معناداری بیشتر از بهترین Shadow Feature باشه، اون ژن به عنوان Important تأیید می‌شه؛ اگر کمتر باشه حذف می‌شه و اگر وضعیتش مشخص نباشه به عنوان Tentative باقی می‌مونه تا تو تکرارهای بعدی دوباره بررسی بشه. به زبان ساده، Boruta فقط ژن‌هایی رو نگه می‌داره که واقعاً اطلاعات زیستی ارزشمند برای تفکیک کلاس‌ها دارن و احتمال انتخاب ویژگی‌های تصادفی یا نویز رو تا حد زیادی کاهش می‌ده.

🟡 برای یادگیری تئوری این الگوریتم، اول ویدیوهای زیر رو ببینید:
Decision and Classification Trees (Part 1)
Decision and Classification Trees (Part 2)
Random Forest (Part 1)
Random Forest (Part 2)

🟠 و اما برای اجرای عملی این روش روی دیتای خودتون، یه استراتژی اینه که اول آنالیز افتراقی بیان دیتای خودتون (میکرواری، bulk RNA-seq یا single cell RNA-seq یا ...) رو انجام بدید و ژن‌های up و down رو به دست بیارید؛ بعد مراحل downstream، مثل رسم شبکه PPI و WGCNA رو ادامه بدید تا در نهایت به تعدادی هاب‌ژن برسید. تو مرحله بعد با فیچر سلکشن با روش Boruta می‌تونید از بین این هاب‌ژن‌ها، بایومارکرهای کاندید رو انتخاب کنید.

1️⃣ آماده‌سازی دیتا؛ توجه کنید که دیتاتون باید دیتای بیانی نرمالایزشده باشه؛ دیتای ورودی باید شامل هاب‌ژن‌ها تو ستون‌ها و سمپل‌ها تو ردیف‌ها و همین‌طور حاوی یک ستون که شرایط سمپل‌ها رو نشون‌ می‌ده (مثلا نرمال و تومور)، باشه.

df <- dataset1[rownames(dataset1) %in% hubs, ]
df <- t(df)
df <- data.frame(df)
df$Status <- c(rep("Tumor", 25), rep("Normal", 25))
x <- as.matrix(df[, -ncol(df)])
View(x)
y <- c(rep(1,25), rep(0, 25))

تو کد بالا، hubs یک وکتور حاوی اسامی هاب‌ژن‌ها و dataset1 هم دیتای بیانی نرمالایزشده هست.

2️⃣ اجرای الگوریتم Boruta:
library(Boruta)
df$Status <- as.factor(df$Status)
set.seed(123)
boruta_result <- Boruta(Status ~ .,
data = df,
doTrace = 2,
maxRuns = 500)

🔹 آرگومان doTrace = 2: نمایش روند اجرای الگوریتم و وضعیت فیچرها تو هر تکرار.
🔹 آرگومان maxRuns = 500: حداکثر تعداد دفعات اجرای Random Forest برای تصمیم‌گیری نهایی درباره فیچرها؛ هرچی بیشتر ← احتمال تصمیم‌گیری دقیق‌تر و زمان اجرای بیشتر.

3️⃣ رسم نمودار اهمیت فیچرها؛ این نمودار توزیع اهمیت ژن‌های واقعی رو در مقایسه با Shadow Featureها نشون می‌ده (نموداری که باید تو مقاله بذارید).
par(mar = c(5, 5, 5, 5))
plot(boruta_result,
las = 2,
cex.axis = 0.6,
main = "Boruta Feature Importance")

🟢 فیچر سبز: ژن‌ تأیید شده (Confirmed)
🟡 فیچر زرد: ژن‌ نامشخص (Tentative)
🔴 فیچر قرمز: ژن‌ رد شده (Rejected)
🔵 فیچر آبی: Shadow Feature

4️⃣ تعیین تکلیف فیچرهای Tentative؛ تابع زیر سعی می‌کنه تصمیم نهایی رو برای این فیچرها بگیره که تو بازی باشن یا نه :)
final_boruta <- TentativeRoughFix(boruta_result)


5️⃣ استخراج بایومارکرهای منتخب و قطعی:
selected_boruta <- getSelectedAttributes(final_boruta,
withTentative = FALSE)
print(selected_boruta)


⭐️ به این مقاله که چند ماه پیش نوشتم، توجه کنید؛ یکی از استپ‌ها مربوط به همین روش هست.
Machine learning and WGCNA reveal the PVT1/miR-143–3p/CDK1 ceRNA axis as a key regulator in NSCLC


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#بیوانفورماتیک

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

⚡️ فصل ژنتیک سرطان یکی از فصل‌هاییه که شامل اسامی متعدد ژن‌ها و سرطان‌های مختلف هست. از اونجا که این موارد تو فصل ۱۴ امری به‌صورت پراکنده مطرح شده‌، برای مرور بهتر، اونا رو در قالب چند جدول دسته‌بندی کردم و فعلا پارت ۱ رو داشته باشید 💯

🔒 رمز فایل (حروف بزرگ و کوچک رعایت شود): GeneticsAS

⚡️ اگر هم می‌خواید به پست‌ها و نکات درسی کامل این فصل دسترسی داشته باشید، هشتگ #ژنتیک_سرطان رو دنبال کنید (پست اول).


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

📚 امشب از ساعت 22 تا 10 صبح به مدت 12ساعت جزوات رشته های زیر را به صورت رایگان در کانالها گذاشته میشه، عضویت کاملا محـدود

/channel/addlist/TRp3xECstCo2ZDU5

Читать полностью…

🏅 Genetics A.S 🏅

💯 پاسخ تست (سطح تست: متوسط).
💯 مباحث از جزوه جرد.

🖥 جهت مطالعه مباحث رفرنس استراخان، این هشتگ را دنبال کنید ⇦ #نکات_جرد


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید: @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#تست_روز

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

سوالات شبیه سازی شده دکتری علوم آزمایشگاهی ۴۰۵ 🔬

پکیج طلایی زبان ارشد و دکتری (دکتر مهاجرنیا)

بالاترین آمار قبولی ژنتیک پزشکی، ۳ سال پیاپی ۳ رتبه ۱ کشوری استاد(فراهانی)🧬

مباحث رایگان #امری، #جرد، #تامپسون و #استراخان | مشاوره و برنامه‌ریزی بهداشت و علوم | مهارت‌های بیوانفورماتیکی

دنیای فایل /کتاب های علوم پزشکی

سوپر گروه ژنتیک پزشکی با مترجمین کتابهای ژنتیک پزشکی ۲۰۲۴

1500تست تالیفی مخصوص داوطلبین فلوشیپ_علوم_آزمایشگاهی

آموزش مورفولوژی ویژه تمام آزمایشگاهیان 🩸🩸🩸

منبع زبان قبولی های ارشد✅

نشنال بووک دکتر کاظم زاده

گروه رفع اشکال ژنتیک استاد فراهانی👇

درصد ۱۰۰ هماتولوژی

کلاس کنکور بیوشیمی بالینی

بانک کتب و پاورپوینت

نتایج فوق العاده بیوشیمی-سلولی مولکولی دکتر جعفرنژاد

حل تست های 3 سال اخیر زبان علوم پزشکی

سلولی مولکولی دکتر مهدوی

ارسال انواع کتب کنکوری ارشد ودکتری علوم پزشکی و سایر شاخه ها و زیر شاخه های علوم پزشکی

نکات مشاوره ای رایگان هماتولوژی ویژه جمع بندی

گروه بایوکا |بیوشیمی دکتر کاظم زاده

کلید بیوشیمی

کانال سلولی و مولکولی منافی

بیوشیمی 100

بیوشیمی لیسانس به پزشکی

مهاجرت آسان به کانادا

تدریس رایگان ژنتیک بصورت ویدیویی

جمع بندی زبان با بالاترین پوشش دهی و کم حجم برای کسب درصد بالا ( #ارشد ، #دکتری)، همراه با تخفیفات ویژه

تغذیه ارشد و دکتری دکتر انصاری

آکادمی معجزه ; ویروس شناسی پزشکی (دکتر البرزی)

پرسش و پاسخ ویروس‌شناسی پزشکی

سوپر❌گروه #مشاوره #درسی با حضور 🔥رتبه‌های برتر

گروه مصاحبه و مشاوره ارشد و دکتری استاد عالی

مشاوره و رفع اشکال بیوشیمی

مشاوره تخصصی میکروبیولوژی(میکروکا):

زبان انگلیسی ارشد و دکتری وزارت علوم و بهداشت ـ هیراد جوادی

تحلیل 💯تست‌های #احتمالی 🔥باکتری

نکته و تست رایگان باکیفیت ایمونولوژی

اطلسسسس ایمنی

علیرضا خادمی رتبه 5 بیوشیمی بالینی؛ مشاوره و فلش کارت‌های جمع بندی و خودخوان

نکته تست | فیزیولوژی پزشکی

رابین ویژن | ارتقاء رزومه | چاپ کتاب و ثبت اختراع

فایل و کلیپ‌های پزشکی

سوالات تالیفی برای آمادگی کنکور فلوشیپ علوم آزمایشگاهی ( رایگان)

مهارت های تندخوانی

نیازمندی های آزمایشگاهی

نمونه تدریس استاد قیومی

زبان ارشد و دکتریMHLE, IELTS, EPT مهاجرنیا

کسب درصد 70 زبان علوم پزشکی در 90 دقیقه

ایمونولوژی رو فاگوسیتوز کن💥

طرح مشاوره TNT دکتر کاظم زاده

هر روز یک نکته و تست از ابوالعباس 🦠🦠🦠

یادگیری روزانه زبان انگلیسی

جمع بندی ایمنی (پوشش دهی بالای 70 درصد)

اخبار کنکور های وزارت بهداشت

مشاوره کنکوری ویژه جمع بندی

بالاترین پوشش دهی هماتولوژی

نکته تست 100 درصد شیمی عمومی و آلی

مشاوره رتبه های برتر ارشد و دکتری

همایش رتبه ساز بیوشیمی 🥇🥇

منابع آزمون ارشد و دکتری با قیمت مناسب + ارسال رایگان درب منزل

کانال مشاوره تخصصی کنکور استاد فراهانی

ایمونولوژی ارشد و دکتری

کتاب تست رتبه برتر ها اینجاست📚

ایمنولوژی دکتر محمودی

کانال آموزشی ارشد و دکتری

کارشناسی و ارشد و دکتری با رتبه های برتر

ایمونولوژی استاد عالی (کلاس های جامع و نکته تست )😍✅

تست‌های تالیفی #باکتری از سرتاسر رفرنس‌ها

همه رتبه برترهای امسال اینجان😍

رفع اشکال رایگان سلولی با دکتر عرب

از تست تا نکته؛ هرآنچه برای جمع‌بندی هماتولوژی نیاز دارید در یک کتاب 👇🩸🩸

تدریس سلولی با مولف کتاب جامع پرفروش ترین کتاب سلولی کشور 💯

دانلود #رایگان کتاب و نمونه سوالات ارشد پزشکی و وزارت بهداشت

===========================

@starh20

Читать полностью…

🏅 Genetics A.S 🏅

⚡️ نکته ۷۵ استراخان: نکاتی در مورد ژن TP63 (بسیار مهم).
💯 مباحث از جزوه استراخان.

🖥 جهت مطالعه مباحث رفرنس استراخان، این هشتگ را دنبال کنید ⇦ #نکات_استراخان


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید: @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#ژنتیک
#نکات_استراخان
#نکته۷۵

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

💯 پاسخ تست (سطح تست: سخت).
💯 مباحث از جزوه استراخان.

🖥 جهت مطالعه مباحث رفرنس استراخان، این هشتگ را دنبال کنید ⇦ #نکات_استراخان


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید: @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#تست_روز

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

🟡 لیست پست‌های مربوط به بیوانفورماتیک کانال 👈🏻

💻 دیتابیس HMDD (پارت 1)
💻 دیتابیس HMDD (پارت 2)
💻 دیتابیس miRCancer (پارت 1)
💻 دیتابیس miRCancer (پارت 2)
💻 دیتابیس DGIdb
💻 دیتابیس Lnc2Cancer v3
💻 کار با دیتابیس GEO
💻 دیتابیس LncTarD
💻 دیتابیس TISIDB
💻 وب‌سرور RNAfold
💻 ابزار FastQC
💻 تفسیر نتایج FastQC (پارت ۱)
💻 تفسیر نتایج FastQC (پارت ۲)
💻 تفسیر نتایج FastQC (پارت ۳)
💻 ابزار trimmomatic (پارت ۱)
💻 ابزار trimmomatic (پارت ۲)
💻 ابزار SRAtoolkit
💻 آشنایی با miRها و دیتابیس miRbase (پارت ۱)
💻 آشنایی با miRها و دیتابیس miRbase (پارت ۲)
💻 آشنایی با ceRNA و شبکه ceRNA (پارت ۱)
💻 آشنایی با ceRNA و شبکه ceRNA (پارت ۲)
💻 ساخت شبکه ceRNA (پارت ۱)
💻 ساخت شبکه ceRNA (پارت ۲)
💻 ساخت شبکه ceRNA (پارت ۳)
💻 ساخت شبکه ceRNA (پارت ۴)
💻 ساخت شبکه ceRNA (پارت ۵)
💻 ساخت شبکه ceRNA (پارت ۶)
💻 ساخت شبکه ceRNA (پارت ۷)
💻 ساخت شبکه ceRNA (پارت ۸)
💻 ساخت شبکه ceRNA (پارت ۹)
💻 ساخت شبکه ceRNA (پارت ۱۰)
💻 پکیج circlize جهت رسم circle plot
💻 پکیج multiMiR
💻 دانلود دیتای GTEx با پکیج recount3
💻 رسم پلات Upset با پکیج UpSetR
💻 تهیه لیست ژنی یک مسیر سلولی خاص (پارت ۱)
💻 تهیه لیست ژنی یک مسیر سلولی خاص (پارت ۲)
💻 تبدیل IDهای مختلف ژنی به Symbol
💻 انتخاب بایومارکرهای کاندید با Feature selection
💻 آنالیز دیتاهای single cell RNA-seq با scanpy
💻 مرحله annotation‌ دیتای سینگل‌سل (دیتابیس)
💻 مرحله annotation دیتای سینگل‌سل (پکیج)
💻 مفهوم و آنالیز Trajectory در دیتاهای سینگل‌سل
💻 ساخت شبکه‌های تنظیمی ژن با استفاده از دیتاهای سینگل‌سل با پکیج SCENIC


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید: @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#بیوانفورماتیک

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

🧪 دانشجویان عزیز 🧪🔥 
⏰ فقط ازساعت22 تا 10 صبح فرصت دارید از 
📚
#کلاس_کارگاه_جزوه‌ها_کتاب‌ها_تدریس‌های_صوتی 
به صورت
#رایگان استفاده کنید ❤️
🚀پس فرصت رو از دست ندهید و در کانال های زیر عضو شوید
📝
/channel/addlist/IXRKmeyHcBgxZDJk

/channel/addlist/8_2sKKdP5dBiMmQ0

Читать полностью…

🏅 Genetics A.S 🏅

کاریابی اختصاصی در سوئد 🇸🇪
ویژه پزشکان ، دندان پزشکان ، پرستاران

متخصصین بدون مدرک زبان
Medical Job Offer Sweden 🏥

جاب آفر آماده تایید شده ✅

خدمات کاریابی و اقامت کاری 🏠

کلاس زبان تخصصی درمانی 🗣️

آمادگی برای آزمون لجیتیمیشن 📝

02188882006

موسسه KAP با مجوز رسمی و ۲۳ سال تجربه در اعزام کادر درمان

/channel/kapinstitute

Читать полностью…

🏅 Genetics A.S 🏅

✅ حفظ "لغات 504" در 25 روز

/channel/addlist/TRp3xECstCo2ZDU5

Читать полностью…

🏅 Genetics A.S 🏅

⚡️ پارت پنجم (آخر) جدول بیماری‌های ژنتیک تکوین 💯
پارت اول
پارت دوم
پارت سوم
پارت چهارم

🔒 رمز فایل (حروف بزرگ و کوچک رعایت شود): GeneticsAS

⚡️ اگر می‌خواید به پست‌ها و نکات درسی کامل این فصل دسترسی داشته باشید، هشتگ #ژنتیک_تکوین رو دنبال کنید (پست اول).


جهت شرکت در دوره برنامه‌ریزی و مشاوره و جزوات جامع و جمع‌بندی ژنتیک پزشکی امری، جرد، تامپسون و جزوه لغات زبان پزشکی پیام دهید : @Cyaxares

💎 جهت مشاهده مصاحبه و کارنامه رتبه برترهایی که از مشاوره و جزوات من استفاده کردن، از این لینک‌ استفاده کنید : 🏆 رتبه‌ها - مصاحبه‌ها 🏆

😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…

🏅 Genetics A.S 🏅

بااحترام به
  دوستانی که گزینه بله رو انتخاب کردن لینک کانال ها رو در زیر قرار میدم👇🌹🌹

/channel/addlist/IXRKmeyHcBgxZDJk

Читать полностью…

🏅 Genetics A.S 🏅

دوره جامع تطبیق و اعزام تخصصی کادر درمان به کشورهای سوئد و نروژ

🧰 موسسه کاریابی بین‌المللی KAP، با بهره‌گیری از ۲۳ سال تجربه کسب مجوز رسمی از وزارت تعاون، کار و رفاه اجتماعی، فرصتی ویژه برای متخصصان حوزه سلامت فراهم آورده است. 🌍

ما با مشارکت دانشگاه‌های برتر سوئد و نروژ، «دوره جامع تطبیق کادر درمان» را طراحی کرده‌ایم تا با اطمینان کامل، مسیر مهاجرت کاری شما را هموار کنیم. ✨

🔹 مزایای همکاری با ما
✅ پوشش تمامی مراحل اعزام برای متقاضیان کار و زندگی در خارج از کشور. 🌏
✅ تسهیل امور مالی با امکان پرداخت اقساطی ۳۶ ماهه بانکی. 💳
✅ پشتیبانی تخصصی از لحظه شروع تا استقرار در مقصد. 🏥

جهت دریافت مشاوره اختصاصی و مطالعه جزئیات بیشتر، از طریق لینک زیر با ما در ارتباط باشید:
/channel/kapinstitute 🔗

Читать полностью…

🏅 Genetics A.S 🏅

❗️ داراکسونراسیب (Daraxonrasib)؛ امید تازه در درمان سرطان پانکراس ❗️


💀 سرطان پانکراس یکی از مرگبارترین سرطان‌هاست؛ علت اصلی هم این است که در اکثر موارد، خیلی دیر تشخیص داده می‌شود و از طرفی به درمان‌های رایج هم به‌خوبی پاسخ نمی‌دهد. اما در سال‌های اخیر، تمرکز تحقیقات روی یک هدف بسیار مهم تغییر کرده: ژن KRAS.

🧬 در حالت طبیعی، پروتئین RAS مثل یک کلید روشن/خاموش برای رشد سلول عمل می‌کند؛ اما در بسیاری از سرطان‌ها، RAS جهش‌یافته به‌طور مداوم در حالت فعال باقی می‌ماند و سیگنال رشد را بدون کنترل به سلول منتقل می‌کند. بیش از ۹۰٪ سرطان‌های پانکراس دارای جهش KRAS هستند (مثل G12D، G12V و G12R)؛ همین موضوع این مسیر را به یک هدف طلایی در درمان تبدیل کرده است.

داراکسونراسیب یک داروی نسل جدید است که برخلاف درمان‌های قبلی، به‌جای هدف‌گیری یک جهش خاص، طیف وسیعی از پروتئین‌های RAS جهش‌یافته و فعال را هدف قرار می‌دهد. به بیان دیگر داراکسونراسیب یک مهارکننده‌ برای حالت فعال RAS است و مسیر سیگنال‌دهی رشد RAS/MAPK signaling را خاموش می‌کند.

طبق نتایج مقاله‌ای که اخیرا منتشر شد، داروی داراکسونراسیب در بیماران مبتلا به سرطان پانکراس متاستاتیک که قبلاً درمان شده بودند، نسبت به شیمی‌درمانی استاندارد نتایج به‌مراتب بهتری داشته است؛ به‌طوری‌که بقای کلی بیماران تقریباً از حدود ۶.۶ ماه در گروه شیمی‌درمانی به حدود ۱۳.۲ ماه در گروه دارو افزایش پیدا کرده و زمان پیشرفت بیماری نیز تقریباً دو برابر شده است. همین‌طور خطر مرگ حدود ۶۰٪ کاهش یافت.

⚠️ البته این دارو هنوز تأیید نهایی FDA را دریافت نکرده است، اما نتایج یک کارآزمایی بزرگ فاز ۳ بسیار امیدوارکننده بوده‌اند. با این وجود، داراکسونراسیب را می‌توان یکی از جدی‌ترین تلاش‌ها برای هدف‌گیری مستقیم RAS در سرطان پانکراس دانست؛ مسیری که اگر موفق شود، می‌تواند یکی از سخت‌ترین سرطان‌های دنیا را وارد عصر درمان‌های هدفمند واقعی کند.

🌐لینک مقاله: https://www.nejm.org/doi/full/10.1056/NEJMoa2605555


😢 کپی کردن مباحث و پست‌های کانال، تنها با ذکر نام کانال بلامانع است!

پست‌ها رو برای دوستانتون فوروارد کنید.


#رازهای_ژنتیک

کانال آموزشی آرش صفرزاده (@GeneticsAS 🌐)
🔠🔠🔠🔠🔠🔠🔠🔠 ⚡️ 🔠🔠

Читать полностью…
Subscribe to a channel