🎯 سمینارهای هفتگی پاییزه و زمستانه آزمایشگاه زیست شناسی محاسباتی CBRC

📆 هر چهارشنبه ساعت 18

📝 اطلاعات تکمیلی به زودی ارائه خواهد شد.


@CBRC_aut

📢 برگزاری سمینارهای آزمایشگاه زیست‌ محاسباتی CBRC

به رسم قدردانی از همراهی شما عزیزان، دوره جدید سمینارهای هفتگی آزمایشگاه CBRC از چهارشنبه، ۲۱ مهر ماه، آغاز می‌گردد.


این سلسله جلسات حول ۴ محور اصلی زیر برگزار می‌گردد :

💊 دارو
🧫 پروتئین
🧬 RNA
💉 بیماری

🖥 بستر برگزاری جلسات ادوبی کانکت می باشد.

🌐 اطلاعات بیشتر هر کدام از دسته بندی ها، به زودی اعلام می‌گردد.

@CBRC_aut

📢 اولین دوره از سمینارهای هفتگی آزمایشگاه زیست محاسباتی CBRC


اولین دوره از این جلسات، با موضوع " طراحی و کشف دارو"برگزار می‌گردد.

📝 سرفصل ارائه ها به شرح زیر می باشد:

💊 جایگزینی دارو
🎯 تمایل اتصالات دارو به هدف
🧑🏻‍🔬 یافتن دارو-اثر جانبی
🔬 یافتن زیرساخت های مناسب در کشف دارو
🐍 پیش بینی تشخیص سمیت کاندید دارویی

📅از چهارشنبه، ۲۱ مهرماه ۱۴۰۰
@CBRC_aut

🔹️ اولین دوره از سمینارهای هفتگی آزمایشگاه زیست محاسباتی CBRC

طراحی و کشف دارو

💊 جلسه اول: جایگزینی دارو

👩🏻‍💻 ارائه دهنده: زهرا قربانعلی

⏰ چهارشنبه، ۲۱ مهرماه ۱۴۰۰، ساعت ۱۸

👥 شرکت در این جلسات برای عموم آزاد و رایگان است.

🌐 لینک برگزاری: http://meeting.aut.ac.ir/bioinformatic

@CBRC_aut

📝 #خلاصه_ارائه

💊 #جایگزینی_دارو

فرآیند کشف دارو به صورت سنتی، بسیار زمان‌بر و پرهزینه است. یکی از رایج‌ترین استراتژی ها برای غلبه بر این مشکلات، "جایگزینی دارو" می‌باشد.
در سال‌های اخیر به شکل روزافزونی از روش‌های مبتنی بر یادگیری ماشین برای حل این مسئله استفاده شده است. کارایی این روش‌ها وابسته به ویژگی‌های انتخاب شده، نمایش آن‌ها و مجموعه داده آموزش می‌باشد.
در مسئله جایگزینی دارو، تعداد زیادی ویژگی مازاد در مجموعه ویژگی‌‌ها وجود دارد که تاثیر نامطلوبی بر عملکرد روش می گذارند. به علاوه، انتخاب یک مجموعه آموزشی مناسب، باعث افزایش دقت عملکرد روش‌های یادگیری ماشین می‌گردد. روش‌های کنونی حل مسئله جایگزینی دارو، غالبا مجموعه روابط شناخته شده دارو و بیماری را به عنوان داده مثبت و تمام روابط ناشناخته بین داروها و بیماری‌ها را به عنوان داده منفی در نظر می‌گیرند.
در مسئله جایگزینی دارو، انتخاب داده آموزش با دو چالش اصلی رو به رو است. مورد اول، تعداد داده‌های مثبت، بسیار بسیار کمتر از داده‌های منفی است و این امر موجب می‌شود تا روش‌های یادگیری ماشین به سمت مجموعه بزرگتر منحرف شوند و عملکرد آنها دچار خطا گردد. مورد دوم، ناشناخته بودن یک ارتباط درمانی بین یک جفت دارو-بیماری به این معنا است که این ارتباط تاکنون دیده نشده‌ است و در آینده ممکن است تغییر کند.
در این سمینار، ما به ارائه روش‌های پیشنهادی جهت غلبه بر این چالش‌ها می‌پردازیم.

👩🏻‍💻 #ارائه_دهنده : #زهرا_قربانعلی

⏰ امروز، ساعت 18

🌐 از طریق لینک زیر وارد جلسه شوید:
http://meeting.aut.ac.ir/bioinformatic

@CBRC_aut

اگر با موضوع دارو آشنایی ندارید، مشاهده قسمت مفاهیم اولیه سمینار سال گذشته آزمایشگاه CBRC می‌تواند مفید باشد:
🌐 https://www.aparat.com/v/qOfKe/

@CBRC_aut

🔹️ اولین دوره از سمینارهای هفتگی آزمایشگاه زیست محاسباتی CBRC

طراحی و کشف دارو

💊 جلسه دوم:تمایل اتصال دارو به هدف

👩🏻‍💻 ارائه دهنده: مهسا سعادت

⏰ چهارشنبه، ۲۸ مهرماه ۱۴۰۰، ساعت ۱۸

👥 شرکت در این جلسات برای عموم آزاد و رایگان است.

🌐 لینک برگزاری: http://meeting.aut.ac.ir/bioinformatic

@CBRC_aut

📝 #خلاصه_ارائه

🎯 تمایل اتصال دارو به هدف

به طور کلی طراحی و کشف دارو فرآیندی وقت‌گیر، پرهزینه و دشوار است. از این رو در سال‌های اخیر توسعه رویکردهای محاسباتی برای طراحی و کشف دارو بسیار مورد توجه قرار گرفتند. شناسایی تعامل دارو با هدف، مرحله مهمی از مراحل اولیه کشف دارو است و تا به امروز اکثر روش‌های توسعه یافته از دسته‌بندی دودویی برای پیش‌بینی وجود این تعامل استفاده می‌کنند. اما پیش‌بینی قدرت اتصال بین یک دارو و هدف آن آموزنده‌تر و در عین حال چالش برانگیزتر است. تمایل اتصال، نشان دهنده‌ی قدرت تعامل بین یک جفت دارو و هدف است.
هزینه‌های زمانی و مالی برای اندازه‌گیری تمایل اتصال از طریق روش‌های تجربی بسیار زیاد است. بنابراین، روش‌های محاسباتی برای پیش‌بینی تمایل اتصال دارو به هدف مورد توجه قرار گرفتند اما استفاده از اطلاعات ساختاری در این روش‌ها موجب افزایش هزینه زمانی و در نتیجه نیاز به منابع می‌شود.
در این سمینار، یک مدل جدید برای رفع برخی از چالش‌های این مسئله پیشنهاد می‌شود که بر روی روش‌های مبتنی بر هوش مصنوعی (به طور خاص یادگیری عمیق) تمرکز دارد و از توالی مولکول‌ها به عنوان ورودی استفاده می‌کند. نتایج نشان می‌دهد استفاده از یادگیری عمیق و ترنسفورمرها روی توالی‌های هدف، موجب بهبود عملکرد مدل‌های پیش‌بینی تمایل اتصال دارو به هدف می‌شود.

👩🏻‍💻 #ارائه_دهنده : #مهسا_سعادت

⏰ چهارشنبه، ۲۸ مهر، ساعت ۱۸

🌐 از طریق لینک زیر وارد جلسه شوید:
http://meeting.aut.ac.ir/bioinformatic

@CBRC_aut

🔹️ اولین دوره از سمینارهای هفتگی آزمایشگاه زیست محاسباتی CBRC

طراحی و کشف دارو

💊 جلسه سوم : ارتباطات دارو- اثر جانبی

👨🏻‍💻 ارائه دهنده: میلاد بشارتی فرد

⏰ چهارشنبه، ۵ آبان ماه ۱۴۰۰، ساعت ۱۸

👥 شرکت در این جلسات برای عموم آزاد و رایگان است.

🌐 لینک برگزاری: http://meeting.aut.ac.ir/bioinformatic

@CBRC_aut

📝 #خلاصه_ارائه

🧑🏻‍🔬 #یافتن_ارتباط_دارو_اثر_جانبی

تشخیص واکنش‌های نامطلوب دارویی به عنوان یک معیار کیفیت در کشف دارو شناخته می‌شود. اگرچه اثرات جانبی داروها در مراحل مختلف آزمایشگاهی بررسی می‌شوند اما این آزمایش‌ها پر‌هزینه و زمان‌بر هستند. از این رو روش‌های محاسباتی به عنوان جایگزینی برای روش‌های آزمایشگاهی در بررسی اثرات نامطلوب دارویی پیشنهاد شدند. روش‌های محاسباتی و یادگیری ماشین می‌توانند به‌طور کار‌آمد مشخصه‌های دارو و اثرات جانبی را برای پیش‌بینی اثرات جانبی داروها تجزیه و تحلیل کنند.
در این سمینار، ما به بررسی چالش‌های اساسی موجود در این مساله و راه‌‌کارهایی که می‌تواند در رفع آن‌ها مفید باشد، می‌پردازیم.

👨🏻‍💻#ارائه_دهنده : #میلاد_بشارتی_فرد

⏰ چهارشنبه، 5 آبان 1400، ساعت 18

@CBRC_aut

🔹 اولین دوره از سمینارهای هفتگی آزمایشگاه زیست محاسباتی CBRC

طراحی و کشف دارو

💊 جلسه چهارم : یافتن ترکیبات مناسب در فرآیند کشف دارو

👨🏻‍💻 ارائه دهنده: مهدی پیکان حیرتی

⏰ چهارشنبه، 12 آبان ماه ۱۴۰۰، ساعت ۱۸

👥 شرکت در این جلسات برای عموم آزاد و رایگان است.

🌐 لینک برگزاری: http://meeting.aut.ac.ir/bioinformatic

@CBRC_aut

📝 #خلاصه_ارائه

🧑🏻‍🔬 #یافتن_ترکیبات_مناسب_در_فرآیند_کشف_دارو

هر یک از مراحل کشف دارو شامل هزینه های مادی و زمانی زیادی است. رویکرد های محاسباتی، به خصوص هوش مصنوعی، برای تسهیل هر یک از این مراحل استفاده می‌شوند.
تاکنون روش‌های محاسباتی، به ویژه یادگیری ماشین، سهم بسزایی در کشف داروها داشته است.
یکی از فازهای کشف دارو "بهینه سازی لید (lead optimization)" است. هدف از این مرحله افزایش تعداد ترکیبات دارویی مناسب برای بهبود اثربخشی، کاهش سمیت یا افزایش جذب دارو است. یافتن ترکیبات دارویی مناسب، نیاز به رویکردی برای استخراج ویژگی های خاص از ساختارهای دارویی دارد تا بتوان در نهایت ترکیبات مناسب را از ساختارهای مختلف انتخاب کرد.
متأسفانه الگوریتم های قدیمی تر برای استخراج ویژگی ها از مولکول های دارو، قابلیت یادگیری نداشتند؛ اما روش های جدید مبتنی بر یادگیری ماشین، قابلیت پیش بینی فعالیت زیستی داروها را دارند.
در این سمینار یکی از روش های استخراج ویژگی از ساختارهای دارویی بررسی شده و چالش‌های پیش روی این مسئله نیز بررسی می‌گردد. تمرکز اصلی این روش، استخراج ویژگی به طور مستقیم از ساختارهای مولکولی بر اساس رویکردهای یادگیری عمیق است. نتایج نشان می دهد این روش ها قدرت یادگیری ساختارها متناسب با فعالیت زیستی آنها را دارند.

👨🏻‍💻#ارائه_دهنده : #مهدی_پیکان_حیرتی

⏰ چهارشنبه، 12 آبان 1400، ساعت 18

@CBRC_aut

🔹 اولین دوره از سمینارهای هفتگی آزمایشگاه زیست محاسباتی CBRC

طراحی و کشف دارو

💊 جلسه پنجم : پیش‌بینی سمیت کاندید دارویی

👨🏻‍💻 ارائه دهنده: محمد فراهانچی

⏰ چهارشنبه، ۱۹ آبان ماه ۱۴۰۰، ساعت ۱۸

👥 شرکت در این جلسات برای عموم آزاد و رایگان است.

🌐 لینک برگزاری: http://meeting.aut.ac.ir/bioinformatic

@CBRC_aut

📝 #خلاصه_ارائه

🦠 #پیش‌بینی_سمیت_کاندید‌های_دارویی

سم‌شناسی محاسباتی به منظور مدلسازی و پیش‌بینی اثرات نامطلوب ترکیبات شیمیایی، کاربردهای فراوانی دارد. در طی چند سال اخیر ظهور روش های جدید یادگیری ماشین و به طور همزمان مطرح شدن ملاحظات زیست-محیطی از سوی نهاد‌های دولتی روح تازه‌ای بر پیکر این مبحث دمیده‌اند. از طرفی هزینه‌های سنگین فرآیند کشف دارو، تشخیص و حذف زودهنگام کاندید‌های دارویی نامحتمل را بیش از پیش پر اهمیت کرده‌ است.
در این سمینار ضمن تعریف و تشریح چالش‌های امروز این مسئله، به معرفی و پیاده‌سازی راه‌حل و برخی ملاحظات مرسوم آن خواهیم پرداخت.

👨🏻‍💻#ارائه_دهنده : #محمد_فراهانچی

⏰ چهارشنبه، ۱۹ آبان 1400، ساعت 18

@CBRC_aut

تمامی ویدئوهای مربوط به دوره "طراحی و کشف دارو" از سلسله سمینارهای آزمایشگاه زیست‌شناسی محاسباتی CBRC بارگذاری شده است.
هم اکنون با کلیک بر روی لینک زیر، می‌توانید آن‌ها را مشاهده نمایید:

🌐 https://www.aparat.com/playlist/1321340/Weekly_Online_Seminars_-_2021_-_Drug_Discovery_and_Desig

📢 دومین دوره از سمینارهای هفتگی آزمایشگاه زیست محاسباتی CBRC


دومین دوره از این جلسات، با موضوع " طراحی پروتئین"برگزار می‌گردد.

📝 سرفصل ارائه ها به شرح زیر می باشد:

📊 بررسی نقش ژن های ضروری در پایداری شبکه های بر هم کنش پروتئین-پروتئین

🧬 طراحی معکوس پروتئین با استفاده از ماتریس بلوسام

🧫 پیش بینی بی نظمی پروتئین

🦠 بررسی تعامل پروتئین - متابولیت با استفاده از شبکه متابولیک

💻 بررسی تعامل پروتئین - متابولیت با استفاده از یادگیری عمیق

📅از چهارشنبه، ۲۶ آبان ماه ۱۴۰۰

@cbrc_aut

🔹 دومین دوره از سمینارهای هفتگی آزمایشگاه زیست محاسباتی CBRC

طراحی پروتئین

📊 جلسه اول : نقش ژن‌های ضروری در پایداری شبکه‌های برهمکنش پروتئین-پروتئین

👨🏻‍💻 ارائه دهنده: دکتر جواد رضایی

⏰ چهارشنبه، ۲۶ آبان ماه ۱۴۰۰، ساعت ۱۸

👥 شرکت در این جلسات برای عموم آزاد و رایگان است.

🌐 لینک برگزاری: http://meeting.aut.ac.ir/bioinformatic

@CBRC_aut

📝 #خلاصه_ارائه

📊 #نقش_ژن_های_ضروری_در_پایداری_شبکه_های_برهمکنش_پروتئین_پروتئین

در شبکه هاي زیستی نظیر شبکه‌هاي برهمکنش پروتئین-پروتئین، یافتن ژن‌ها و محصولات ژنی ضروري یک مسئله بسیار مهم به شمار میرود. شبکه‌هاي زیستی، نمونه‌هایی از یک سیستم پیچیده هستند که در آنها عملکرد سیستم، از نحوه تعامل بین مولفه‌هاي تشکیل دهنده‌اش تاثیر می‌پذیرد.
یکی از چالشهاي اساسی در رابطه با شبکه‌هاي پیچیده زیستی، یافتن مولفه‌هاي موثر و مهم آن‌ها است. براي سنجش اهمیت یک مولفه، معیارهاي بسیار زیادي نظیر معیارهاي مرکزیت، می‌توان در نظر گرفت. با این وجود، هیچ یک از این معیارها به عنوان یک معیار استاندارد و قطعی در سنجش میزان اهمیت یک مولفه در شبکه به حساب نمیآیند.
از این رو در مطالعات اخیر براي تشخیص میزان اهمیت یک مولفه، از میزان تخریبی که حذف آن مولفه میتواند در سیستم به وجود بیاورد، به عنوان یک معیار اصلی استفاده می‌شود.
در این سمینار، مسئله “پیدا کردن گرههاي حیاتی شبکه” مورد مطالعه قرار گرفته و دو الگوریتم جدید براي شناسایی گره‌هاي حیاتی که در پایداري شبکه موثر هستند، ارائه میگردد. نتایج به دست آمده، نمایانگر عملکرد بسیار بهتر الگوریتم‌هاي معرفی شده در حل مسئله بالا هستند. در حالی که الگوریتم پایه، مسئله را بر روي شبکه‌هایی با اندازه حداکثر 50 گره حل می‌نماید، الگوریتم پیشنهادي، مسئله را بر روي گراف‌هایی با 500 گره نیز به خوبی حل می‌نماید. همچنین، با ارائه یک الگوریتم ژنتیک براي حل مسئله نامبرده در شبکه‌هاي برهمکنش پروتئین-پروتئین، تعریفی جدید از گره‌هاي مرکزي یک شبکه ارائه کرده و قانون مرکزیت-کشندگی از نگاهی متفاوت مورد بررسی قرار می‌گیرد.

🧑🏻‍💻#ارائه_دهنده : #دکتر_جواد_رضایی
⏰ چهارشنبه، ۲۶آبان ۱۴۰۰، ساعت ۱۸

@CBRC_aut

📝📌 پیش سمینار دوره " طراحی پروتئین"

در این ارائه با مفاهیم اولیه زیستی پروتئین از قبیل ساختارهای اصلی و عملکرد این درشت مولکول آشنا می‌شویم.

جهت مشاهده روی لینک زیر کلیک کنید:
🌐 https://aparat.com/v/cQIjS

@CBRC_aut

🔹 دومین دوره از سمینارهای هفتگی آزمایشگاه زیست محاسباتی CBRC

طراحی پروتئین

🧬 جلسه دوم : طراحی معکوس پروتئین با استفاده از ماتریس بلوسام

👨🏻‍💻 ارائه دهنده: امین رحمانی

⏰ چهارشنبه، ۳ آذر ماه ۱۴۰۰، ساعت ۱۸

👥 شرکت در این جلسات برای عموم آزاد و رایگان است.

🌐 لینک برگزاری: http://meeting.aut.ac.ir/bioinformatic

@CBRC_aut

📝 #خلاصه_ارائه

🧬 #طراحی_معکوس_پروتئین_با_استفاده_از_ماتریس_بلوسام

طراحی پروتئین یک مسئله شناخته شده است که در آن سعی داریم دنباله ای را پیدا کنیم که به یک ساختار سوم معین مربوط می شود.
در این ارائه، ما توسعه‌ای را برای مدل یادگیری عمیق وانگ ارائه می‌کنیم که از اطلاعات تکاملی در ماتریس جایگزینی Blosum62 برای در نظر گرفتن احتمال جایگزینی اسید آمینه هنگام طراحی یک دنباله استفاده می‌کند.

🧑🏻‍💻 #ارائه_دهنده: #امین_رحمانی
⏰ چهارشنبه، ۳ آذرماه ۱۴۰۰، ساعت ۱۸

@CBRC_aut