3682
Regional Student Group of ISCB. ارتباط با ادمین: @RSG_Iran Contact Us: http://yek.link/ISCB-RSGIran
⭕️سی و هفتمین #ژورنال_کلاب شاخه دانشجویی انجمن جهانی زیستشناسی محاسباتی در ایران به احترام مخاطبان عزیز برگزار نخواهد شد
❄️تاریخ برگزاری این ژورنال کلاب متعاقبا اعلام میگردد.
❄️از همراهی و شکیبایی شما سپاس گزاریم❤️
🎯تشخیص سکته مغزی خاموش و پیشبینی خطر سکته مغزی با یادگیری عمیق
🧠سکته مغزی خاموش (Silent Brain Infarction; SBI) در اثر انسداد جریان خون در بخشی از مغز رخ میدهد. این نوع سکته معمولاً بدون علائم بالینی است، اما با تصویربرداری مغزی مانند MRI یا CT قابل تشخیص است. با این حال، انجام تصویربرداری مغزی بهصورت گسترده در جمعیت عمومی پرهزینه و غیرعملی است.
📰در این مقاله، پژوهشگران با استفاده از یادگیری عمیق، امکان تشخیص SBI و پیشبینی خطر وقوع سکته مغزی آینده را از طریق تصویربرداری رتینال بررسی کردهاند. تصویربرداری رتینال با استفاده از دوربینهای اختصاصی، نمای دقیقی از شبکیه، عصب بینایی و عروق خونی فراهم میکند و روشی کمتهاجمیتر و در دسترستر نسبت به تصویربرداری مغزی محسوب میشود. مدل پیشنهادی که DeepRETStroke نام دارد، بهعنوان یک ابزار پژوهشی برای پالایش و بهبود ارزیابی ریسک سکته مغزی طراحی شده و در حال حاضر جایگزین تصمیمگیری بالینی مستقیم نیست.
🦾برای پیشآموزش (pretraining) مدل DeepRETStroke از 895,640 تصویر رتینال و برای ارزیابی از 213,762 تصویر متعلق به جمعیتهای با تنوع قومیتی استفاده شده است. عملکرد مدل با معیار AUC روی دادههای اعتبارسنجی برابر با 0.901 گزارش شده است. نتایج نشان میدهد که مدل مبتنی بر تصویر رتینال عملکرد بهتری نسبت به مدلهای مبتنی صرفاً بر ویژگیهای بالینی (متادیتا) دارد. این مدل در دو وظیفه متمایز ارزیابی شده است:
۱) تشخیص SBI بهعنوان یک مسئله طبقهبندی دودویی در سطح فرد، و
۲) پیشبینی وقوع سکته مغزی در بازه زمانی تا ۵ سال پس از تصویربرداری.
یافتهها نشان میدهند که بازنماییهای بصری آموختهشده برای تشخیص SBI حاوی اطلاعات مرتبط با خطر سکته آینده هستند و میتوانند عملکرد پیشبینی ریسک را بهبود دهند.
🤔معماری DeepRETStroke مبتنی بر ترنسفورمر بینایی (Vision Transformer; ViT) با ۲۴ بلاک است. در مرحله پیشآموزش، از راهبرد یادگیری خودنظارتی به سبک Masked Autoencoder (MAE) استفاده شده است؛ بهطوری که بخش بزرگی از patchهای تصویر رتینال ماسک شده و مدل بازسازی آنها را میآموزد. در مرحله یادگیری نظارتشده، تابع هدف شامل مجموع زیانهای Binary Cross-Entropy برای پیشبینی وقوع سکته در افقهای زمانی t=1 تا t=5 سال است، بهگونهای که برچسب y_t نشاندهنده وقوع یا عدم وقوع سکته پس از t سال از زمان تصویربرداری است.
🤨متادیتای بالینی مورد استفاده شامل سن، جنسیت، سابقه استعمال دخانیات، فشار خون، شاخص توده بدنی (BMI)، کلسترول تام، HDL، سابقه فشار خون بالا و سابقه دیابت است. برای مدل مبتنی بر متادیتا از logistic regression بهعنوان baseline استفاده شده است. در مدل چندوجهی، با بهرهگیری از late fusion، بردار ویژگی استخراجشده از انکودر تصویر با متادیتای بالینی الحاق شده و یک شبکه MLP بهعنوان دستهبند نهایی آموزش داده شده است
✍محمد شفیعزاده
لینک مقاله
🔗Telegram
🔗LinkedIn
🔗Instagram
🌙ای ماه که دامن بلندت یلداست
✨پیشانی روشن تو عرش اعلاست
🌿«قد قامت» تو؛ قد تو و قامت تو
🔆در سینهام انگار، قیامت برپاست
🍉شب چله بر تمامی علمدوستان مبارک باد و خنشان!
📣 به تیم ما بپیوندید! 📣
🔴 چنانچه علاقهمند به همکاری داوطلبانه با تیم اجرایی انجمن جهانی زیستشناسی محاسباتی، شاخهی دانشجویی ایران هستید، ما در مواردی خاص به افرادی با تواناییهای مرتبط نیازمندیم.
🔗 میتوانید از طریق فرم زیر، مهارتهای موردنیاز را چک نمائید و اگر آن تواناییها را در خود میبینید، فرم را تکمیل کنید تا بهزودی باهم گفتوگو کنیم و فرصتهای همکاری را بررسی نمائیم.
⭐️ فرم ارسال درخواست
🤝 این همکاری داوطلبانه است؛ همچنین این فراخوان مربوط به امور اجرایی، برنامهریزیها و مدیریت انجمن میباشد. دقت نمائید که این فراخوان، ارتباطی با فعالیتهای پژوهشی انجمن نداشته و اختصاصاً مربوط به فعالیتهای اجرایی خواهد بود!
🖥 جهت کسب اطلاعات بیشتر میتوانید به وبسایت RSG-Iran و صفحات ما در شبکه های اجتماعی مراجعه کنید.
🔗 Telegram
🔗 LinkedIn
🔗 Instagram
یکی دیگر از پادکستهای مفید در بیوانفورماتیک، پادکست micro binfie است.
این پادکست در هر قسمت به موضوعهای مختلفی در زمینه بیوتکنولوژی و بیوانفورماتیک میپردازد.
در این متن به سه قسمت مفید در این پادکست میپردازیم.
📎 Chatgpt the bioinformatic calculator
در این قسمت درباره موضوعی بسیار جالب صحبت میشود.
((استفاده از چت جیپیتی در محاسبات بیوانفورماتیک))
مواردی مانند نحوه کار و انواع مختلف ابزارها.
📎 What language should I learn ?
یکی از مواردی که در بحث بیوانفورماتیک از اهمیت زیادی برخوردار هست، برنامهنویسی هست.
هر دانشجو یا محقق در این زمینه باید با برنامهنویسی و ابزارها آشنایی کافی داشته باشند.
در این قسمت در مورد اینکه کدام زبان برنامهنویسی مناسب هست صحبت میشود.
📎 13 question not to ask
این قسمت با قسمتهای دیگر این پادکست کاملاً متفاوت هست.
هر فردی در بعضی مواقع بهجای انجام کار خود، را در سوالاتی درباره موضوعی که پیش رو دارد غرق میکند.
در این قسمت از 13 سوالی که نباید در اولین مسیر از خودتون بپرسید صحبت میشود.
✍️ مهیار ابارقی
🔗Telegram
🔗LinkedIn
🔗Instagram
🔥برای رقم زدن عصر ماشینهای اندیشمند، برای همزمان شگفتزده و نگران کردن بشر و برای دگرگون کردن اکنون و عبور از مرزهای ممکن، «معماران هوش مصنوعی» بهعنوان «شخصیت سال ۲۰۲۵» مجلهٔ تایم برگزیده شدهاند.
🎆معماران هوش مصنوعی در تابلویی از جیسن سایلر به تصویر کشیده شدهاند؛ تابلویی که با ارجاع به عکس نمادین سال ۱۹۳۲، «ناهار بر فراز آسمانخراش»، چهرهٔ رهبران جهان فناوری یعنی مارک زاکربرگ، لیزا سو، ایلان ماسک، جنسن هوانگ، سم آلتمان، دِمیس هسابیس، داریو آمودی و فیفی لی را نشان میدهد.
🔗Telegram
🔗LinkedIn
🔗Instagram
🔴 اعلام نتایج انتخابات انجمن زیست شناسی محاسباتی ایران (RSG IRAN)
✨ با افتخار، نتایج انتخابات برای تعیین مدیر و دبیر انجمن اعلام میشود:
🟢 پست مدیر:
سرکار خانم یاسمین رضائی آشتیانی: 94.1 درصد از آرا
جناب آقای محمد ساجدی نسب: 5.9 درصد از آرا
✅ مدیر منتخب: سرکار خانم یاسمین رضائی آشتیانی
🟢 پست دبیر:
سرکار خانم زهرا چیذری: 42.1 درصد از آرا
جناب آقای امیرمهدی محمودی: 57.9 درصد از آرا
✅ دبیر منتخب: جناب آقای امیرمهدی محمودی
🌸از همه اعضای محترم که در این انتخابات شرکت کردند، صمیمانه سپاسگزاریم.
✨ برای همکاری و همفکری در پیشبرد اهداف انجمن، منتظر پیشنهادات شما هستیم!
- کمیته برگزاری انتخابات
🔥اعضای محترم! انتخابات سومین دورهی انجمن ISCB RSG-Iran برگزار میشود.
🗳برای رای دادن از این 《لینک》 استفاده کنید.
⭐️توجه بفرمایید که:
1️⃣ ابتدا باید لاگین کنید.
2️⃣انتخابات مدیر و دبیر جداگانه است؛ در هر دو انتخابات شرکت کنید.
3️⃣ روز جمعه ۱۴ آذر ساعت ۱۲ شب، انتخابات به پایان میرسد.
✨منتظر حضور گرم شما در انتخابات هستیم.
-کمیتهی برگزاری انتخابات
🟠سرکار خانم زهرا چیذری
کاندیدای سمت دبیر
لینکدین
مشخصات و برنامههای اعلامی
🔴سرکار خانم یاسمین رضائی آشتیانی
کاندیدای سمت مدیر
لینکدین
مشخصات و برنامههای اعلامی
یکی دیگر از پادکستهای بسیار مفید در زمینهٔ بیوانفورماتیک، The Bioinformatics and Beyond میباشد.
این پادکست از سال 2021 فعالیت خود را شروع کرد و همچنان محتواهای خود را در اسپاتیفای پادکست و اپل موزیک قرار میدهد.
📎 Dr. Afshin Beheshti: The Hazards and Molecular Features of Spaceflight
در این قسمت، دکتر افشین بهشتی، دانشمند ناسا، در مورد زیست شناسی فضایی، خطرات مهم در سفرهای فضایی و ویژگیهای مولکولی مربوط به آن صحبت میکند.
📎 Dr. Afshin Beheshti: MicroRNAs and COVID-19
در این قسمت، بار دیگر دکتر افشین بهشتی در مورد microRNA ها و دلیل مهم بودن آنها در پژوهشهای زیستی صحبت خود را آغاز کرده و در ادامه توضیح میدهد که چگونه microRNA ها میتوانند محرک عفونت COVID-19 یا همان کرونا باشند.
📎 Dr. Justin Siegel: Lab Automation, Cloud Labs, and the Future of the Wet Lab
در این قسمت، دکتر جاستین سیگل دربارهٔ گذشته و حال و آیندهٔ wet lab و چگونگی خودکارسازی کار در آن را توضیح داده و میگوید چگونه زمانی کار خود را برای عملهای تکراری در آزمایشگاه هدر ندهیم.
✍️ مهیار ابارقی
🔗Telegram
🔗LinkedIn
🔗Instagram
♦️سومین رویداد آموزشی CB Insight
انجمن جهانی زیستشناسی محاسباتی در ایران با همکاری آزمایشگاه نورالب دانشگاه صنعتی شریف برگزار میکند.
❓ موضوع:
"GNNs For Chemists: Implementations of Graph Neural Networks from Scratch for Chemical Applications"
👨🏻💻 مدرس جناب آقای حسین فولادی
✨ آقای فولادی پژوهشگر دکتری شیمیمحاسباتی (Cheminformatics) و یادگیری ماشین در گروه تحقیقاتی COMP3D Lab دانشگاه وین هستند. ایشان کارشناسی ارشد مهندسی پزشکی را از دانشگاه صنعتی شریف و کارشناسی مهندسی مکانیک را از دانشگاه صنعتی امیرکبیر دریافت کردهاند.
❗️ جهت کسب اطلاعات بیشتر میتوانید به صفحهی LinkedIn و Google Scholar آقای فولادی مراجعه نمایید.
🗓 تاریخ: سهشنبه ۹ دسامبر ۲۰۲۵ (۱۸ آذر)
⏰ ساعت: ۲۰ الی ۲۲ به وقت ایران
🔗 لینک ثبتنام
🌐 برگزاری به صورت آنلاین
🔖 علاقهمندان میتوانند برای ایجاد پیشزمینهی ذهنی بهتر، مقالات زیر را مطالعه کنند:
📌 گیتهاب
📌 مقاله اول
📌 مقاله دوم
📌مقاله سوم
🔗Telegram
🔗LinkedIn
🔗Instagram
یک پادکستهای بسیار موفق و مورد استقبال در زمینه بیوانفورماتیک و بیوتکنولوژی The Bioinformatics CRO میباشد.
در این متن میخواهیم به سه قسمت از این پادکست اشاره کنیم.
📎 AI and the future of biotechnology
در این قسمت، میزبان با Nick Wisniewski دربارهی هوش مصنوعی و نحوهی ارتباط آن با بیوتکنولوژی صحبت میکند و در مورد آیندهی این موضوع گفتوگو میکنند.
📎 Connecting biologists and bioinformaticians
موضوع این قسمت، ارتباط میان زیستشناسان و فعالان حوزهی بیوانفورماتیک است.
میزبان با Alfredo Andere، دکترای بیوانفورماتیک، در این پادکست صحبت میکند؛ اینکه چرا این دو به هم متصل هستند و به چگونگی و سؤالات این موضوع میپردازند.
📎 Remote work in biotech
یکی از دغدغههای جهان امروزی، کار به صورت دور از محل کار یا به اصطلاح ریموت است.
مهمان این قسمت، Grant Belgard، دربارهی تجربهی خود در این موضوع توضیح میدهد و روشهای مختلفی برای این کار ارائه میدهد.
✍️ مهیار ابارقی
🔗Telegram
🔗LinkedIn
🔗Instagram
بعضی اوقات وقت خواندن کتاب و رفرنس و مقاله نیست.
میتوانیم بهجای اینکه فقط اکسپلور خودمان را چک کنیم، پادکست گوش بدهیم یا یوتیوب تماشا کنیم.
در این متن به چند تا از پادکستها و چنلهای یوتیوب مربوط به حوزهی بیوانفورماتیک اشاره میکنیم.
پادکستها
The Bioinformatics CRO Podcast
میزبان این پادکست شرکت The Bioinformatics CRO Inc است؛ شرکتی فعال در حوزهی بیوانفورماتیک و ژنومیکس که بهعنوان یک شرکت تحقیقاتی (CRO) فعالیت میکند.
در هر قسمت از این پادکست، با پژوهشگران، مدیران شرکتهای بیوتک و متخصصان حوزههای مختلف گفتوگو میشود تا مسیر شغلی و تجربیات و چالشهای آنها بررسی میشود.
موضوعات اصلی این پادکست شامل تحلیل دادههای ژنومی، هوش مصنوعی در زیستفناوری و زیرساختهای محاسباتی در علوم زیستی است.
📎 thebioinformaticscro?si=oH32ecM80Q8qm-H9">YouTube Music
The Bioinformatics and Beyond Podcast
میزبان این پادکست Leo Elworth است.
او در هر قسمت با متخصصان بیوانفورماتیک و حوزههای مرتبط گفتوگو میکند.
محورهای اصلی برنامه شامل زیستشناسی محاسباتی، بیوتکنولوژی، ژنتیک و آمار، برنامهنویسی و مسیرهای شغلی در علوم زیستی است.
اگر بهدنبال پادکستی با تمرکز بر رشد حرفهای در بیوانفورماتیک هستید، این یکی از بهترین گزینههاست.
📎 Spotify
Micro Binfie Podcast
این پادکست با میزبانی Lee Katz به «بیوانفورماتیک میکروبی» (Microbial Bioinformatics) میپردازد؛ یعنی ترکیب زیستشناسی میکروبی و محاسبات.
محتوای این پادکست برای دانشجویان و پژوهشگرانی مناسب است که میخواهند در حوزهی میکروبیولوژی و دادههای ژنومی میکروبی بهروز بمانند.
📎 Spotify
The OmicsCast
این پادکست موضوعات مرتبط با ژنومیکس، پروتئومیکس، ترنسکریپتومیکس و سایر شاخههای Omics را بررسی میکند و برای علاقهمندان به تحلیل دادههای چندلایه (Multi-Omics) منبعی بسیار مفید است.
اگر میخواهید درک عمیقتری از کاربرد تحلیلهای داده در زیستفناوری مدرن پیدا کنید، این پادکست عالی است.
📎 YouTube Music
کانالهای یوتیوب
Bioinformatics Coach
این کانال یوتیوب به آموزش بیوانفورماتیک و تحلیل دادههای بزرگ اختصاص دارد و برای سطوح مبتدی تا پیشرفته مناسب است.
موضوعاتی مانند تحلیل دادههای ژنومی، برنامهنویسی با Python و R در بیوانفورماتیک پوشش داده میشود.
اگر در حال یادگیری پایتون هستید و میخواهید آن را در بیوانفورماتیک به کار بگیرید، این کانال گزینهی بسیار خوبی است.
📎 bioinformaticscoach?si=BG2-wdaJl0Iaec96">YouTube
Bioinformatics DotCa
این کانال زیرمجموعهی وبسایت Bioinformatics.ca است؛ سازمانی آموزشی در حوزهی بیوانفورماتیک کانادا.
در این کانال، آموزشها و کارگاههای ضبطشدهای منتشر میشود که شامل مباحث پایه، معرفی ابزارها و روشهای تحلیلی بیوانفورماتیک هستند.
برای دانشجویانی که میخواهند مفاهیم و ابزارهای اصلی بیوانفورماتیک را مرور کنند، منبعی عالی است.
📎 bioinformaticsdotca?si=04BmC0fBJUeUooO6">YouTube
SIB – Swiss Institute of Bioinformatics
مؤسسهی SIB یک سازمان مستقر در سوئیس است که در سطح بینالمللی منابع آموزشی و دورههای بیوانفورماتیکی ارائه میدهد.
کانال یوتیوب آن شامل وبینارها، کارگاهها و آموزشهاست.
اگر بهدنبال یادگیری علمی و معتبر در زمینهی بیوانفورماتیک هستید، این منبع بسیار ارزشمند است.
📎 sib-swissinstituteofbioinf4579?si=eVO8D__C1Y6Paep8">YouTube
✍️ مهیار ابارقی
🔗Telegram
🔗LinkedIn
🔗Instagram
📣«سی و ششمین #ژورنال_کلاب شاخهی دانشجویی انجمن جهانی زیستشناسی محاسباتی در ایران»
❓موضوع:
"Modeling Sources of Variation to Interpret Single-Cell Transcriptomic Maps"
👩🏻💻با حضور سرکار خانم دکتر دلارام پویابهار
✨خانم دکتر دلارام پویابهار، پژوهشگر پسادکترا در رشته زیستشناسی محاسباتی هستند و در مرکز تحقیقاتی زیست مولکولی Donnelly فعالیت میکنند. پیش از این، مدرک دکترای خود را در رشتهی زیستشناسی محاسباتی از University of Toronto دریافت کردهاند. ایشان دارای مدرک کارشناسی در رشتهی سلولی و مولکولی از دانشگاه تهران هستند.
❗️جهت کسب اطلاعات بیشتر درمورد سابقهی آموزشی و پژوهشی دکتر پویابهار، میتوانید به صفحهی لینکدین و گوگل اسکالر ایشان مراجعه نمائید.
🗓 تاریخ: جمعه، ۱۶ آبان ۱۴۰۴ (۷ نوامبر)
⏰ ساعت: ۲۰ الی ۲۲ به وقت ایران
🔗 لینک ثبتنام
🌐 این رویداد به صورت آنلاین برگزار میگردد.
🔖 علاقهمندان میتوانند برای ایجاد پیشزمینهی ذهنی بهتر و مشارکت بیشتر در ژورنال کلاب، مقالات زیر را مطالعه کنند:
📌 مقاله اول
📌 مقاله دوم
📌 مقاله سوم
🔗Telegram
🔗LinkedIn
🔗Instagram
😀 سی و هفتمین #ژورنال_کلاب شاخه دانشجویی انجمن جهانی زیستشناسی محاسباتی در ایران
😀 موضوع:
ساختارهای مولکولی بهمثابه ابرنقاط: زبانی نو برای زیستشناسی ساختاری
Molecular Structures as Point Clouds: A New Language for Structural Biology
💻سخنران: جناب دکتر محمد طاهری
👨🏫 دکتر محمد طاهری، دانش آموخته رشته بیوانفورماتیک از دانشگاه تهران هستند. حوزه تحقیقاتی ایشان مدلسازی ریاضی سیستمهای پیچیده زیستی و توسعه الگوریتمهای محاسباتی الهام گرفته شده از سیستمهای فیزیکی، هوش مصنوعی و یادگیری عمیق است.
⌛ایشان پروژههای متعددی در حوزههای زیست شناسی محاسباتی و بیوانفورماتیک انجام داده اند، از جمله: پیاده سازی و انتشار پکیج pastboon در R برای شبیه سازی شبکه های Boolean تصادفی پارامتری، پیاده سازی پایپلاین استخراج neoantigen از داده های ژنومیک و ترنسکریپتومیک و پایپلاین تشخیص زودهنگام تومور با استفاده از داده های cfDNA.
😀 جهت آشنایی بیشتر با فعالیتها و پروژههای تحقیقاتی او، میتوانید به صفحه لینکدین و صفحه گوگل اسکالر ایشان مراجعه نمایید.
😀 تاریخ: ۱۷ دی ماه
🔜 ساعت: ۲۰ به وقت تهران
🔗لینک ثبت نام
🌐برگزاری به صورت آنلاین
😀Telegram
😀LinkedIn
😀Instagram
امروز به سراغ یکی از چنلهای مفید یوتیوب در حوزهٔ بیوانفورماتیک میرویم.
چنل Bioinformatics Coach از سال ۲۰۲۰ فعالیت خود را آغاز کرده و تمرکز اصلی آن بر آموزش برنامهنویسی و تحلیل داده در بیوانفورماتیک است.
در این مطلب، به بررسی سه ویدیوی کاربردی از این چنل میپردازیم.
📎 Ubuntu Tutorial
بیشتر ما با سیستمعامل ویندوز آشنایی داریم و بسیاری از افرادی که این متن را میخوانند از ویندوز استفاده میکنند.
با این حال، لینوکس یکی از سیستمعاملهای متنباز (Open Source) است که در حوزهٔ بیوانفورماتیک اهمیت زیادی دارد، زیرا بسیاری از ابزارهای تخصصی این حوزه بهصورت انحصاری یا بهینهتر روی لینوکس اجرا میشوند.
در این ویدیو، نحوهٔ دانلود، نصب و استفاده از اوبونتو (یکی از توزیعهای معروف لینوکس) آموزش داده میشود و مخاطب با محیط لینوکس و کاربردهای آن آشنا میشود.
📎 Python Pandas
یکی از مهمترین مراحل در بیوانفورماتیک، تحلیل دادههای بهدستآمده است.
در این ویدیو، کتابخانهٔ pandas که یکی از ابزارهای اصلی تحلیل داده در زبان پایتون محسوب میشود، معرفی شده و نحوهٔ نصب و استفادهٔ اولیه از آن آموزش داده میشود.
📎 Bacterial Genome Analysis
در این بخش، یک پروژهٔ عملی با استفاده از دادههای واقعی ارائه میشود که در آن تحلیل دادههای ژنوم باکتری انجام میگیرد.
این ویدیو علاوه بر تقویت مهارت کار با pandas، به آشنایی مخاطب با دادههای ژنومی و نحوهٔ تحلیل آنها کمک میکند.
✍️ مهیار ابارقی
🔗Telegram
🔗LinkedIn
🔗Instagram
🧠روش سال ۲۰۲۵ در Nature Methods:
«کانکتومیکس مبتنی بر میکروسکوپ الکترونی (EM-based connectomics)»
⚡️مغز از شبکهای بزرگ از نورونها تشکیل شده که با سیناپسها به هم وصلاند. کانکتومیکس تلاش میکند این شبکه را تا سطح اتصالهای سیناپسی کامل و قابل جستوجو، بازسازی کند. اما، حتی در جانورانی مثل مگس هم تعداد نورونها و سیناپسها آنقدر زیاد است که کار را دشوار میکند.
🔬برای دیدن سیناپسها به تفکیکپذیری نانومتری نیاز است؛ به همین دلیل، کانکتومیکس سالها به EM تکیه داشته است. چالش سنتی EM این است که دادهها یک تار عنکبوتی بدون برچسب از ساختارها هستند و باید با چند مرحلهی پردازشی، نورونها و اتصالها را از دل تصاویر بیرون کشید؛ کاری که امروز با کمک هوش مصنوعی + بازبینی انسانی، شدنیتر شده است.
🔝پیشرفتهای روششناختی باعث شده تا بازسازی کانکتومهای بزرگمقیاس و حتی کل مغز در چند جاندار ممکن شود مثل:
🪰کانکتوم کل مغز مگس بالغ (FlyWire)
🐭کانکتومیکس کارکردی در قشر بینایی موش (MICrONS)
💆♂یک میلیمتر مکعب از قشر مغز انسان
📚منبع
🔗Telegram
🔗LinkedIn
🔗Instagram
✨ پنجمین کنفرانس بینالمللی و چهاردهمین کنفرانس ملی بیوانفورماتیک ایران (ICB14)
💫 برای اولین بار، پنجمین کنفرانس بینالمللی و چهاردهمین کنفرانس ملی بیوانفورماتیک ایران (ICB14)، با همکاری مشترک دو قطب علمی برتر کشور، دانشگاه تهران و دانشگاه علوم پزشکی تهران، برگزار خواهد شد.
📃محورهای اصلی کنفرانس:
1️⃣هوش مصنوعی و یادگیری ماشین در علوم زیستی
2️⃣پزشکی دقیق و مدلسازی بیماریهای پیچیده
3️⃣طراحی و کشف دارویی محاسباتی
4️⃣تحلیل دادههای اُمیکس و تصویر و سایر زمینههای پیشرو
1️⃣ارائه آخرین دستاوردهای پژوهشی ملی و بینالمللی
2️⃣برگزاری کارگاههای آموزشی تخصصی پیش از همایش
3️⃣دارای امتیاز بازآموزی برای متخصصان زیرمجموعه وزارت بهداشت
4️⃣شبکهسازی با اساتید و پژوهشگران برجسته
استنتاج نوع سلول در بیوپسی مایع
در سالهای اخیر شاهد پیشرفت استفاده از داده رونویسی تکسلولی (single-cell transcriptomic) برای تشخیص بیماری یا نظارت بر آن بودیم. یک پیشنیازی که این دسته از داده برای جمعآوری دارد، بیوپسی (biopsy) است که با استفاده از وسیلهای شبیه سوزن، بخش کوچکی از بافت مورد نظر از بدن خارج میشود. یک جایگزین برای این داده میتواند استفاده از نوکلئیک اسیدهای آزاد (cfNA) موجود در خون یا هر مایع دیگر بدن باشد که تهیه آن به نسبت کمتر تهاجمی است و liquid biopsy نام دارد.
منشا cfNA میتواند از نقاط مختلف بدن باشد که معمولا یا متعلق به سلولهای مرده است یا با انتقال فعال از سلول خارج شده است. با پیشرفت تشخیص cfNA در کنار تحلیل نوع سلول در سطح مولکولی، میتوان انواع سلول در این داده را پیدا کرد. بطور کلی دو دسته تحلیل وجود دارد.
در دسته اول میخواهیم مقدار نسبی هر نوع سلول را نسبت به هم پیدا کنیم. با استفاده از داده رونویسی تکسلولی میدانیم هر نوع سلول چه مثلا ژنهایی دارد. از آن به عنوان مرجع استفاده میکنیم. یک متود آن الگوریتم رگرسیون کمترین مربعات نامنفی (Nonnegative Least Squares) است که به کمک آن مقدار نسبی هر نوع سلول حساب میشود. در دسته دوم به جای همه انواع سلول، تاثیر یک دسته خاصی از آنها بررسی میشود. این تحلیل برای بررسی نوع سلول بیماری مفید است. یک متود محاسبه آن تست آماری است که چک کند آیا ویژگیهای یک نوع سلول خاص از حالت عادی بیشتر مشاهده میشود.
سه کاربرد تحلیل نوع سلول از cfNA در شکل میبینید. در بیماریهایی که در چند عضو علائم دارند یا در یک بافت حساس مثل مغز قرار دارند، استفاده از بیوپسی سخت یا غیر ممکن است. از دیدگاه نویسندگان این مقاله، یکپارچهسازی این نوع داده با انواع داده (omics) دیگر از مسیرهای آینده میتواند باشد.
✍️محمد شفیعزاده
لینک مقاله
🔗Telegram
🔗Instagram
🔗LinkedIn
♦️سومین رویداد آموزشی CB Insight
انجمن جهانی زیستشناسی محاسباتی در ایران با همکاری آزمایشگاه نورالب دانشگاه صنعتی شریف برگزار میکند.
❓ موضوع:
"GNNs For Chemists: Implementations of Graph Neural Networks from Scratch for Chemical Applications"
👨🏻💻 مدرس جناب آقای حسین فولادی
✨ آقای فولادی پژوهشگر دکتری شیمیمحاسباتی (Cheminformatics) و یادگیری ماشین در گروه تحقیقاتی COMP3D Lab دانشگاه وین هستند. ایشان کارشناسی ارشد مهندسی پزشکی را از دانشگاه صنعتی شریف و کارشناسی مهندسی مکانیک را از دانشگاه صنعتی امیرکبیر دریافت کردهاند.
❗️ جهت کسب اطلاعات بیشتر میتوانید به صفحهی LinkedIn و Google Scholar آقای فولادی مراجعه نمایید.
🗓 تاریخ: سهشنبه ۹ دسامبر ۲۰۲۵ (۱۸ آذر)
⏰ ساعت: ۲۰ الی ۲۲ به وقت ایران
🔗 لینک ثبتنام
🌐 برگزاری به صورت آنلاین
🔖 علاقهمندان میتوانند برای ایجاد پیشزمینهی ذهنی بهتر، مقالات زیر را مطالعه کنند:
📌 گیتهاب
📌 مقاله اول
📌 مقاله دوم
📌مقاله سوم
🔗Telegram
🔗LinkedIn
🔗Instagram
صحنه و پشت صحنهی انتخابات🌟
مهلت ثبت رای تا ساعت ۲۴
لینک انتخابات
🟠جناب آقای امیرمهدی محمودی
کاندیدای سمت دبیر
لینکدین
مشخصات و برنامههای اعلامی
🔴جناب آقای محمد ساجدی نسب
کاندیدای سمت مدیر
لینکدین
مشخصات و برنامههای اعلامی
🟡 همانگونه که اطلاع دارید،
انتخابات مدیر و دبیر شاخه دانشجویی انجمن جهانی زیستشناسی محاسباتی در ایران در روز جمعه ۱۴ آذر (۵ دسامبر) برگزار خواهد شد.
📌 در ادامه کاندیداهای هر سمت به ترتیب حروف الفبا معرفی میگردند:
📯شروع بازهی کاندیداتوری
⏳بازهی اعلام کاندیداتوری امروز، ۲ دسامبر (۱۱ آذر) آغاز شده است و تا ساعت ۲۴ روز ۳دسامبر (۱۲ آذر) ادامه خواهد داشت.
🔆از علاقهمندانی که در سایت ISCB RSG-Iran عضو هستند، دعوت میشود جهت کاندید شدن در دو پست مدیر و دبیر انجمن به لینک زیر مراجعه کنند:
🔗اعلام کاندیداتوری
🗳زمان برگزاری انتخابات در سایت: ۵ دسامبر (۱۴ آذر)
⌛️اکانتهایی که در این بازه در سایت ساخته میشوند، از روز ۶ دسامبر (۱۵ آذر)، یعنی بعد از اعلام نتایج تائید خواهند شد.
روشن و خاموش کردن حافظه با اپیژنتیک
📚تحقیقات زیادی نشان میدهند که تغییرات اپیژنتیک مثل استیله شدن هیستون در شکل گیری حافظه نقش دارد. اما یک رابطه علّی که یک اصلاح اپیژنتیک در مکان خاص چه تاثیری بر حافظه دارد هنوز کشف نشده. در سالهای اخیر شواهد نشان میدهند خاطرات تا حدی در جمعیتی کم و پراکنده از سلولهای مغزی به نام انگرام (engram) نوشته میشوند. امروزه سلولهای انگرام نزدیکترین تقریب نگهداری حافظه در مغز هستند.
📌در این تحقیق جدید، محققان ژن Arc که در یادگیری نقش دارد را نشان کردند. آنها دو آزمایش انجام دادند که متوجه شدند بیان این ژن با یادآوری خاطرات رابطه مستقیم دارد. در هر آزمایش، ابتدا موش تحت شک الکتریکی قرار میگیرد که هرچقدر تکان بخورد بیشتر آسیب (البته قابل تحمل) به آن میرسد (contextual fear conditioning). موش یاد میگیرد که دفعه بعدی که در این شرایط قرار گرفت نباید خیلی تکان بخورد. محققان بعد از تغییر اپیژنتیکی موردنظر، دوباره موش را در محیط شک الکتریکی قرار میدهدند و با حالتی که تغییر ندادهاند مقایسه میکنند و میزان ثابت ماندن موش (freezing) را اندازهگیری میکنند. برای انجام این آزمایش آنها از روشهای مبتنی بر CRISPR–dCas9 (که اپیژنتیکی میتوانند یک ژن را خاموش یا تقویت کنند) به همراه راهنمای sgRNA تقویتکننده Arc استفاده کردند.
🧪در آزمایش اول، dCas9-KRAB-MeCP2 برای خاموش کردن Arc استفاده شد. باید اثر این سرکوبکننده را زمانی (بعد تجربه اول موش) و مکانی (فقط سلولهای انگرام) کنترل کرد. هنگام یادگیری، سلولهای عصبی که فعال میشوند، ژن c-Fos بیان میکنند که منجر به بیان tTA میشود. این سرکوبکننده فقط در حضور TRE که به tTA وصل شده فعال میشود. این شرایط فقط در سلولهای انگرام برقرار است. همچنین اگر در بدن موش DOX وجود داشته باشد، DOX به tTA میچسبد و از فعال شدن سرکوبکننده جلوگیری میکند. همانطور که در شکل میبینید، بعد از اینکه موش شرایط ترس را تجربه کرد، sgRNA یکبار بطور هدفنمند Arc و یکبار بدون هدف (Non Targeting) انتخاب میشود. در هر دوحالت میزان ثابت ماندن موش در تجربه مجدد شرایط ترس بیشتر میشود اما به طور معناداری در حالت Arc sgRNA کمتر است.
🎯در آزمایش دوم از فعالکننده dCas9-VPR استفاده میشود. روند انجام آزمایش شبیه قبلی است. نتیجه تایید کننده فرضیه محققان بود. میزان freezing موش در حالت Arc sgRNA به طرز معناداری بیشتر بود. این نشان میدهد که با افزایش بیان ژن Arc میتوان حافظه را در موش تقویت کرد. و برعکس، با کاهش بیان آن، حافظه تضعیف میشود. تمام این تاثیرها رشته DNA را تغییر ندادند و صرفا با تغییر تراکم رشته DNA (epigenetic) بوسیله تکنیکهای بر پایه CRISPR–dCas9 انجام شدند
✍محمد شفیعزاده
نحوه عملکرد CRISPR–dCas9
لینک مقاله
🔗Telegram
🔗LinkedIn
🔗Instagram
انجمن RSG Iran، شاخهی دانشجویی انجمن جهانی زیستشناسی محاسباتی (ISCB) است و طبق قوانین، هر سال برای انتخاب مدیر و دبیر جدید، انتخابات برگزار میکند.
✨تیم مدیریت شامل مدیر و دبیر انجمن است و انتخاب معاونین پس از انتخابات و توسط مدیر انجمن صورت میگیرد.
دورهی مدیر و دبیر فعلی در تاریخ ۱ ژانویه ۲۰۲۶ (۱۱ دی ۱۴۰۴) به پایان میرسد و برای یک سال آینده، مدیر و دبیر جدید از طریق انتخابات، انتخاب خواهند شد.
⚡️تنها اعضای انجمن میتوانند:
۱. به عنوان کاندیدای یکی از دو سمت «مدیر» یا «دبیر» ثبتنام کنند.
۲. در انتخابات شرکت کرده و رای بدهند.
🌟عضویت در انجمن منوط به داشتن حساب کاربری در سایت ISCB RSG-Iran
است و پس از تایید عضویت، امکان ثبتنام بهعنوان کاندیدا و شرکت در رایگیری فراهم میشود.
💫انتخابات در دههی اول دسامبر برگزار خواهد شد و از تاریخ ۲ دسامبر ۲۰۲۵ (۱۱ آذر ۱۴۰۴)، امکان عضویت جدید در وبسایت انجمن غیرفعال خواهد شد.
🔗Telegram
🔗LinkedIn
🔗Instagram
آموزش زبان زیستشناسی به مدلهای زبانی بزرگ
🧬سال 2024 مقاله Cell2Sentence منتشر شد. ایده کلی این مقاله فهماندن زبان سلولها (میزان بیان ژنها) به مدلهای زبانی بزرگ(LLM) بود. اگر ژنهای یک سلول را بر اساس میزان بیان آنها مرتب کنیم، سپس نام آنها را با فاصله کنار هم قرار بدهیم، میتوانیم وضعیت یک سلول را به یک جمله قابل گنجایش در ورودی LLM ها قرار بدیم. از طرفی اگر مدل زبانی بخواهد یک سلول تولید کند، صرفا یک جمله متشکل از اسم ژنها که با فاصله از هم جدا شدند خروجی میدهد و ما با یک تبدیل خطی به سطح بیان ژن هرکدام میرسیم.
🔬با این ایده کارهای مختلفی میتوان انجام داد. مثلا پیشبینی نوع سلول، اثر تغییر (دارو، محیط، ...) روی سلول، تولید سلول از نوع خاص و پرسش و پاسخ در مورد یک سلول. اما این مقاله مدل کوچکی استفاده کرده بود و دقت خوبی روی این مسائل نداشت. طبق قانونی که در مسائل یادگیری عمیق دیدیم، با افزایش تعداد پارامترهای مدل میتوانیم بطور پیوسته افزایش دقت ببینیم. برای همین سال 2025 به کمک Google Research و Google Deepmind مدل خیلی بزرگتر Scale-C2S معرفی شد که پیشرفت چشمگیری روی درک عمیق مفاهیم زیستشناسی داشت.
💡یکی از این پیشرفتها توسط Google در تاریخ Oct 15, 2025 منتشر شد که C2S-Scale 27B یک درمان جدید محتمل برای تومورهای سرطانی سرد ارائه داد. این تومورها برای سیستم ایمنی قابل ردیابی نیستند. مدل دارو silmitasertib که kinase CK2 inhibitor هست پیشنهاد داد. این پیشنهاد در آزمایشگاه اجرا و تایید شد. این نشان میدهد با افزایش حجم، مدل میتواند فرضیههای جدید ارائه بده، نه اینکه حقیقتهای شناخته شده را تکرار کند.
🔍سوالی که پیش میآید، آیا با بزرگتر کردن مدلهای زیستشناسی میتوان به تراپیهای جدید زودتر رسید؟ دسترسی به C2S-Scale در گیتهاب و hugging face عمومی شده.
✍محمد شفیعزاده
لینک مقالات:
How a Gemma model helped discover a new potential cancer therapy pathway
Scaling Large Language Models for Next-Generation Single-Cell Analysis
Cell2Sentence: Teaching Large Language Models the Language of Biology
🔗Telegram
🔗LinkedIn
🔗Instagram
"A Mosaic Activating Mutation in AKT1 Associated with Proteus Syndrome"
🧬سندرم پروتئوس یک اختلال رشد بسیار نادر است که با رشد نامتقارن و بیشازحد بافتهای مختلف بدن از جمله استخوان، پوست و بافت همبند مشخص میشود. علت ژنتیکی این بیماری تا مدتها ناشناخته بود. در این مقاله، پژوهشگران با بررسی نمونههای بافتی بیماران و انجام توالییابی ژنومی، جهش موزائیکی c.49G>A در ژن AKT1 را شناسایی کردند که منجر به تغییر آمینواسید Glu17Lys میشود و این جهش باعث فعال شدن غیرطبیعی مسیر سیگنالینگ PI3K/AKT و در نتیجه رشد کنترلنشده سلولها میشود.
📃نتایج نشان دادند که وجود این جهش تنها در بخشی از سلولها (بهصورت موزائیکی) دلیل اصلی بروز الگوی رشد نامتقارن در بیماران است. بررسیهای سلولی نیز افزایش فسفوریلاسیون و فعالیت AKT را در سلولهای دارای جهش تایید کردند. امروزه مدلسازیهای بیوانفورماتیکی مسیرهای سیگنالینگ نشان دادند که حتی حضور محدود این جهش میتواند سبب ناهنجاریهای پیچیده در رشد بافتها شود.
📌در مجموع، این پژوهش برای نخستینبار جهش مولکولی مسئول سندرم پروتئوس را معرفی کرده است و بینش تازهای در مورد مکانیسمهای رشد غیرقرینه ارائه میدهد. همچنین یافتهها میتوانند مبنایی برای طراحی درمانهای هدفمند آینده، بهویژه با تمرکز بر مهار مسیر PI3K/AKT، فراهم کنند.
📎 مشاهده منبع
✍ محیا قوشی
🔗Telegram
🔗LinkedIn
🔗Instagram