@BioUT 🔻 انجمن بیوانفورماتیک ایران با همکاری پژوهشگاه دانش های بنیادی نهمین همایش بیوانفورماتیک ایران را برگزار می کند.

✔️آخرین مهلت ارسال مقالات: ۱۵ دی
✔️تاریخ برگزاری: 20-22 اسفند
🌐 وب سایت:
https://icb9.ibis.org.ir/
📱 کانال تلگرام: icb9_ibis@

نمونه طراحی برای یکی از محققین خوب حوزه علوم اعصاب کشورمان

با عمق دریا آشنا بشین...

neal.fun/deep-sea/ #لینک #کوتاه

مهندسی T cell ها با پاسخ های انتخابی
آدرس کانال:
@BioUT
📍کلوب بیوانفورماتیک و سیستم بیولوژی دانشگاه تهران📍

https://www.nature.com/articles/d41586-019-03926-1

ظاهرا فعلا شایعه س ولی خب اگر بشه خیلی بده !!!

@BioUT

@BioUT

به تازگی سوالات زیادی در خصوص توضیح کلی روش های مختلف فیلوژنی مطرح شد که در زیر توضیح برخی رو برای دوستانی که سوال داشتن میگذاریم، امیدوارم مورد توجه دوستان قرار بگیره:

Q: What's the difference between neighbor joining, maximum likelihood, maximum parsimony, and Bayesian inference?

A: "Neighbor joining and UPGMA are clustering algorithms that can make quick trees but are not the most reliable, especially when dealing with deeper divergence times. These method are good to give you an idea about your data, but are almost never acceptable for publication.

Maximum parsimony and minimum evolution are methods that try to minimize branch lengths by either minimizing distance (minimum evolution) or minimizing the number of mutations (maximum parsimony). The major problem with these methods is that the fail to take into account many factors of sequence evolution (e.g. reversals, convergence, and homoplasy). Thus, the deeper the divergence times that more likely these methods will lead to erroneous or poorly supported groupings.

Maximum likelihood and Bayesian methods can apply a model of sequence evolution and are ideal for building a phylogeny using sequence data. These methods are the two methods that are most often used in publications and many reviewers prefer these methods. The main downside of these methods is that they are computational expensive. However, with the today's computers this is not too much of a problem (except for some next-generation sequencing methods).
For maximum likelihood MEGA is not the fastest method out there. For example, if you have a hundred samples for 16S, RAxML will complete is a matter of minutes whereas MEGA will take hours. This will become more of a problem with the more data you include. MEGA also does not have Bayesian method, thus, if you choose to use a Bayesian method you will have to look elsewhere.
If the phylogeny is the main focus of your work, my suggestion is to make both maximum likelihood and Bayesian trees. For these methods you will need to choose a model of sequence evolution. The best way to do this is to use JModelTest, in which you simply input your alignment and it will tell you the best model for your data (you will have to do this if you use MEGA or other software to make your tree). From there you can run a maximum likelihood tree (I would use PhyML or RAxML) and a Bayesian tree (I would use Mr.Bayes or BEAST).
If you do not want to download these programs or do not have access to a computer that you can dedicate to making trees I would suggest using the CIPRES online portal.
https://www.phylo.org/portal2
This portal will give you access to fast computers that can run in parallel and has all of the software I have mention above in an easy to use point and click environment. This is a great resource to use and is free (they just ask that you cite them).
Hope this helps and if you have any questions please ask.

https://www.researchgate.net/post/Whats_the_difference_between_neighbor_joining_maximum_likelihood_maximum_parsimony_and_Bayesian_inference

@BioUT
لینک ویدئوهای آموزشی مفید:
https://study.com/academy/lesson/maximum-parsimony-likelihood-methods-in-phylogeny.html

https://www.youtube.com/watch?v=6H8o0_RQleQ

https://www.youtube.com/watch?v=xDKUIegYpWM

@BioUT

سال نو میلادی مبارک @BioUT

رفتن
#عکاسی
@BioArts

تست کرونا بدهید...
آنلاین بر اساس به روزترین الگوریتم تشخیصی

https://test.corona.ir

@BioUT

این روزای آخری حداقل یکم شاد بشیم 😁

@BioUT

تائید یک دارو برای درمان علائم حاد COVID-19

🔹دولت چین داروی ضدالتهاب Actemra شرکت داروسازی سوئیسی رُش را برای درمان علائم حاد کروناویروس جدید (COVID-19) تائید کرد

🔹به گزارش اکونومیک تایمز، ۱۴ بیمار شدیدا بدحال مبتلا به COVID-19 در بیمارستانی متعلق به دانشگاه علم و فناوری چین که این دارو را دریافت کردند، نتایج مثبتی را از خود نشان دادند

🔹داروی Actemra با نام ژنریک Tocilizumab که حدود یک دهه قبل موفق به دریافت تائیدیه FDA شد، عمدتا برای درمان آرتریت روماتوئید (RA) و آرتریت ایدیوپاتیک سیستمیک جوانان (sJIA) بکار می‌رود

🔹داروی Actemra همچنین برای موقعیت‌های التهابی از جمله طوفان سیتوکین در بیماران سرطانی که سلول درمانی را دریافت می‌کنند، بکار رفته است

🔹پیش‌بینی می‌شود مطالعه بالینی این دارو با حضور ۱۸۸ بیمار مبتلا به COVID-19 تا ۱۰ می آغاز شود.

@BioUT

tocilizumab (Rx)

Cytokine Release Syndrome

Indicated for the treatment of chimeric antigen receptor (CAR) T cell-induced severe or life-threatening cytokine release syndrome (CRS)
SC is not approved for CRS
8 mg/kg IV over 60 min ...

@BioUT

دوستان فعال در زمینه بیوانفورماتیک که میخواهند با دیتاست ویروس کرونا کار کنند

یک مسابقه جدید #kaggle درباره ی coronavirus ایجاد کرده - از مهارت های خودتون برای پیش بینی شیوع covid19 بر اساس مجموعه داده های واقعی استفاده کنید:

https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset/tasks?taskId=508

@BioUT

https://news.1rj.ru/str/BioUT

https://twitter.com/GoogleAI/status/1238531053033160705

Neural Tangents کتابخانه

@BioUT

@BioUT

به تعداد مرگ ها (Death) توجه کنید. کرونا با وجود rate کشندگی پایین تر نسبت به سه Nipah، SARS و MERS مرگ بیشتری دارد. اشتباهی که درمورد H1N1 در حال انجام است. و فقط میزان کشندگی و مرگ و میر در نظر گرفته می شود.

آمار تا سه روز پیش

منبع:
https://www.businessinsider.com/coronavirus-compared-to-sars-swine-flu-mers-zika-2020-3

@BioUT

مقاله جدید مجله ی NEJM
https://www.nejm.org/doi/full/10.1056/NEJMc2004973

میانه ی نیمه عمر ویروس بیماری کوید۱۹ در آئروسل ۱/۱ تا ۱/۲ ساعت با فاصله اطمینان ۹۵٪ برابر با ۰/۶۴ و ۲/۶۴ می باشد.
میانه نیمه عمر ویروس بیماری کوید 19 و ویروس سارس در آئروسل و سطوج محتلف و اختلاف بین آنها را در جدول مشاهده می کنید.
پایداری ویروس بیماری کوید۱۹ در شرایط آزمایشگاهی مشابه با ویروس بیمارس سارس می باشد. در نتیجه تفاوت موجود در ویژگی های اپیدمیولوژیکی این دو ویروس از عوامل دیگری مثل حجم بالای ویروس در مسیر تنفسی فوقانی و توانایی انتقال ویروس توسط افراد بدون علامت می باشد.
قبلا مقاله ای که در مجله ی جاما منتشر شده بود، عدم وجود ویروس در هوای در جریان اتاق بیماران کوید۱۹ را نشان می داد که دلیلی بر عدم انتقال به شکل Airborne بود.

@BioUT

مدرسه یادگیری ماشین در Seville سال 2020

https://bigml.com/events/machine-learning-school-in-seville-2020

@BioUT

💡 علاوه بر دوره Powe BI بقیه دوره‌های گروه آموزشی Maven Analytics هم در سایت Udemy برای مدت محدودی و با اعمال کوپن کدِ FREE2020 رایگان شده!

توصیه میکنم کورس‌های با کیفیت این گروه رو Enroll کنید و با گذروندن اونها مدرک معتبر Udemy رو دریافت کنید.

برای دیدن لیست تمامی دوره‌های این گروه اینجا کلیک کنید.
https://www.udemy.com/user/maven-analytics/

@BioUT

عید واقعی از آن کسی اسـت
که پایان سالش را جشن بگیرد،
نه آغاز سالی که از آن بی خبر است. (خسرو شکیبایی)

آخرین ماه سالتون قشنگ🌸

@ScImagTel

دوستانی که منتظر تخفیف نوروز امسال بودن

%30 تخفیف ویژه برای 5 سفارش اولی که تا 5 فروردین ثبت نام کنند.

@ScImagTel

#Coronavirus
#Pandemic
#HIV
#COVID_9
#Yellow_Fever
#Flu

🧬🦠 The History Of Pandemics

🧬🦠 تاریخچه پاندمیک ها

💥 Viral Pandemics 💥

@BioUT

#Coronavirus
#nCOV2019
#Wuhan_Coronavirus
#SARS_Like_Coronavirus
#COVID_19


🧬🦠 از تاریخ عبرت بگیریم.

در سال ۱۹۱۸ به دنبال پاندمی انفلونزا، دو شهر در آمریکا دو مسیر جداگانه را پیش گرفتند.
۱- فبلادلفیا: پاندمی جدی گرفته نشد. مراسمی خیابانی با حضور ۲۰۰ هزار نفر برگزار شد. سه روز بعد تمام بیمارستانها پر از بیمار شد و در نهایت طی یک هفته ۴۵۰۰ نفر به علت انفلونزا درگذشتند.
۲-سنت لوییس: با اعلام اولین موارد انفلونزا، مدارس و کلیساها تعطیل شدند، اجتماع بیش از بیست نفر ممنوع شد و اقدامات حفاظتی رعایت شد. نتیجه مشخص بود.

در اپیدمی COVID-19 تمایل دارید فیلادلفیا باشید یا سنت لوییس؟

پاندمی COVID-19 را جدی بگیرید قبل از آنکه هر کدام از ما یکی از عزیزان و آشنایان خود را به خاطر کورونا از دست بدهیم!

🏠در خانه بمانیم!

💥 Coronavirus Pandemic 💥

@BioUT