Gaussian.09W.D.01.rar
471.3 MB
آموزش فعال سازی نرم افزار نسخه 09 گوسین
فایل را از حالت فشرده خارج کنید.
نرم افزار را نصب و اجرا کنید.
با استفاده از سریال نرم افزار را رجیستر کنید.
فایل را از حالت فشرده خارج کنید.
نرم افزار را نصب و اجرا کنید.
با استفاده از سریال نرم افزار را رجیستر کنید.
👍3
G16-B01.tar.gz
841.1 MB
نحوه نصب گوسین 016 نسخه لینوکس
برای نصب فایل گوسین مراحل زیر را در لینوکس به ترتیب انجام دهید. بهتر است این نرم افزار را بر روی سیستم عامل اوبنتو یا سنتوس نصب کنید.
پس از انجام موارد بالا، اکنون می توانید گوسین را بر روی سیستم عامل خود نصب و اجرا کنید. برای انجام ران های پیچیده و چند مرحله ای حتی المقدور از پردازنده های قوی استفاده کنید و از لپتاپ برای گرفتن خروجی استفاده نکنید.
🆔🧬 @IRBioinformatics
برای نصب فایل گوسین مراحل زیر را در لینوکس به ترتیب انجام دهید. بهتر است این نرم افزار را بر روی سیستم عامل اوبنتو یا سنتوس نصب کنید.
#Create a working folder
$ mkdir -p $ HOME / opt / gaussian / scr
#export path
$ export g16root = $ HOME / opt / Gaussian
#unzip the downloaded file and follow the
$ tar xvjf G16-A03-AVX2.tbz -C $ g16root
$ export GAUSS_EXEDIR = $ g16root / g16
$ export GAUSS_SCRDIR = $ g16root / scr
$ chmod -R $ 700 GAUSS_EXEDIR
$ cd $ GAUSS_EXEDIR
$ ./bsd/install
# Run the calculation :
$ GAUSS_EXEDIR / g16 example.inp
پس از انجام موارد بالا، اکنون می توانید گوسین را بر روی سیستم عامل خود نصب و اجرا کنید. برای انجام ران های پیچیده و چند مرحله ای حتی المقدور از پردازنده های قوی استفاده کنید و از لپتاپ برای گرفتن خروجی استفاده نکنید.
🆔🧬 @IRBioinformatics
🔥2👍1
معرفی نرم افزار CPU-Z
اگر هنگام نصب برنامه های ویندوز از مشخصات سخت افزاری سیستم عامل خود اطلاعی ندارید و نمی دانید لپتاپ یا کامپیوتر شما دارای چه کانفیگ سخت افزاری است می توانید از نرم افزار CPU-z که یک ابزار رایگان است برای مشاهده مشخصات CPU، کارت گرافیک، MOBO، و سایر مواردی که مربوط به زیر ساخت سخت افزاری شما است استفاده کنید. دقت داشته باشید که یه بیوتکنولوژیست، بیولوژیست و بیوانفورماتیست خوب همیشه علاوه بر اطلاعات نرم افزاری بایستی اطلاعات سخت افزاری فوق العاده بالایی برای چینش کانفیگ های محاسباتی داشته باشد.
🆔🧬 @IRBioinformatics
اگر هنگام نصب برنامه های ویندوز از مشخصات سخت افزاری سیستم عامل خود اطلاعی ندارید و نمی دانید لپتاپ یا کامپیوتر شما دارای چه کانفیگ سخت افزاری است می توانید از نرم افزار CPU-z که یک ابزار رایگان است برای مشاهده مشخصات CPU، کارت گرافیک، MOBO، و سایر مواردی که مربوط به زیر ساخت سخت افزاری شما است استفاده کنید. دقت داشته باشید که یه بیوتکنولوژیست، بیولوژیست و بیوانفورماتیست خوب همیشه علاوه بر اطلاعات نرم افزاری بایستی اطلاعات سخت افزاری فوق العاده بالایی برای چینش کانفیگ های محاسباتی داشته باشد.
🆔🧬 @IRBioinformatics
👍3
cpu-z_2.08-en.exe
2.1 MB
نسخه نهایی نرم افزار CPU-z برای مشاهده زیرساخت های سخت افزاری کامپیوتر و لپتاپ
🆔🧬 @IRBioinformatics
🆔🧬 @IRBioinformatics
👍3
معرفی ابزارIntel® Processor Diagnostic Tool
اگر پردازنده مرکزی سیستم عامل شما از سری پردازنده های اینتل است، حتما نیاز است هرزگاهی بعد از هر کار محاسباتی سلامتی پردازنده ها و تعامل آنها با سایر بخش های سخت افزاری و نرم افزاری سیستم خود را چک کنید. برای اینکار شرکت اینتل یک ابزار خیلی خوب توسعه داده است که هم رایگان است و هم اینکه می تواند به نحو موثری به کاربر کمک نماید تا ایرادات پردازنده ها و مشکلات سخت افزاری مربوط به آنها را شناسایی کند و در اسرع وقت اقدام به رفع این ایرادات و نجات سیستم خود نماید. در ادامه می توانید ورژن 32 و 64 بیتی این ابزار رایگان را دانلود کنید و بر روی سیستم عامل خود نصب نمایید و هرزگاهی از لحاظ کیفی پردازنده های خود را چک نمایید
🆔🧬 @IRBioinformatics
اگر پردازنده مرکزی سیستم عامل شما از سری پردازنده های اینتل است، حتما نیاز است هرزگاهی بعد از هر کار محاسباتی سلامتی پردازنده ها و تعامل آنها با سایر بخش های سخت افزاری و نرم افزاری سیستم خود را چک کنید. برای اینکار شرکت اینتل یک ابزار خیلی خوب توسعه داده است که هم رایگان است و هم اینکه می تواند به نحو موثری به کاربر کمک نماید تا ایرادات پردازنده ها و مشکلات سخت افزاری مربوط به آنها را شناسایی کند و در اسرع وقت اقدام به رفع این ایرادات و نجات سیستم خود نماید. در ادامه می توانید ورژن 32 و 64 بیتی این ابزار رایگان را دانلود کنید و بر روی سیستم عامل خود نصب نمایید و هرزگاهی از لحاظ کیفی پردازنده های خود را چک نمایید
🆔🧬 @IRBioinformatics
👍4
IPDT_Installer_4.1.8.40_32bit.msi
6.7 MB
نسخه 32 بیتی
🆔🧬 @IRBioinformatics
🆔🧬 @IRBioinformatics
IPDT_Installer_4.1.8.40_64bit.msi
17.6 MB
نسخه 64 بیتی
👍3
معرفی نرم افزار
نرم افزار MedCalc نرم افزاری آماری برای تحقیقات زیست پزشکی است که با مجموعه ای غنی از توابع، انواع نمودار و ماژولی پیشرفته می تواند انواع منحنی های عملکرد سیستم را تحلیل و بررسی کند. MedCalc به گونه ای طراحی شده است تا الزامات و نیاز های تحقیقات رشته های طبیعی و زیست پزشکی را با توجه تجزیه و تحلیل محاسبات آماری پروژه، برطرف کند. این نرم افزار، ابزار ها و امکانات ضروری را برای تجزیه و تحلیل منحنی مشخصه عملکرد سیستم (ROC)، ترسیم داده ها و انجام محاسبات آماری فراهم کرده است.
🆔🧬 @IRBioinformatics
نرم افزار MedCalc نرم افزاری آماری برای تحقیقات زیست پزشکی است که با مجموعه ای غنی از توابع، انواع نمودار و ماژولی پیشرفته می تواند انواع منحنی های عملکرد سیستم را تحلیل و بررسی کند. MedCalc به گونه ای طراحی شده است تا الزامات و نیاز های تحقیقات رشته های طبیعی و زیست پزشکی را با توجه تجزیه و تحلیل محاسبات آماری پروژه، برطرف کند. این نرم افزار، ابزار ها و امکانات ضروری را برای تجزیه و تحلیل منحنی مشخصه عملکرد سیستم (ROC)، ترسیم داده ها و انجام محاسبات آماری فراهم کرده است.
🆔🧬 @IRBioinformatics
👍4
MedCalc 22.017 Multilingual x64.rar
31.5 MB
نرم افزار MedCalc نسخه 64 بیتی
برای نصب ابزار به فایل readme.txt در داخل پوشه کرک مراجعه نمایید
🆔🧬 @IRBioinformatics
برای نصب ابزار به فایل readme.txt در داخل پوشه کرک مراجعه نمایید
🆔🧬 @IRBioinformatics
👍4
۵ توصیه مهم برای موفق شدن در انجام صحیح کارهای محاسباتی
🎈 مطالعه مکرر و خواندن نوشتارهای منسجم و معتبر علمی
🎈 تمرین و تکرار فراوان (حتی با وجود مواجه شدن با خطاهای نرم افزاری)
🎈 مطالعه مطالب انجمن ها و فروم های مربوط به نرم افزارها و متدولوژی های محاسباتی مختلف
🎈 اعتماد به توانایی های ذاتی خود
🎈 تکرار مراحل ۱ تا ۴
با آرزوی موفقیت برای شما
با ما همراه باشید
🆔@IRBioinformatics
🎈 مطالعه مکرر و خواندن نوشتارهای منسجم و معتبر علمی
🎈 تمرین و تکرار فراوان (حتی با وجود مواجه شدن با خطاهای نرم افزاری)
🎈 مطالعه مطالب انجمن ها و فروم های مربوط به نرم افزارها و متدولوژی های محاسباتی مختلف
🎈 اعتماد به توانایی های ذاتی خود
🎈 تکرار مراحل ۱ تا ۴
با آرزوی موفقیت برای شما
با ما همراه باشید
🆔@IRBioinformatics
👍8
آکادمی بیوانفورماتیک محققان ایرانی
Amber22 (1).tar.bz2
نحوه نصب Amber22 در اوبنتو 2023:
برای نصب Amber در لینوکس مراحل زیرا را انجام دهید.
1- نصب پیش نیازهای امبر: ابتدا به مسیر روت رفته و سپس دستورات زیر را در ترمینال اجرا کنید. دقت کنید که برای رفتن به روت سیستم باید از دستور sudo su یا sudo -s استفاده کنید.
2- پس از نصب موارد بالا، اکنون در مسیر /opt/ بایستی یک زیرفولدر دیگر به اسم amber با استفاده از دستورات زیر ایجاد کنید. برای اینکار ابتدا با استفاده از دستور cd به مسیر /opt/ رفته و سپس با استفاده از mkdir یک پوشه به اسم amber مطابق فرامین زیر ایجاد نمایید.
3- اکنون فایل های AmberTools22.tar.bz2 و Amber22.tar.bz2 را در پوشه امبر کپی کنید. این فایل ها در کانال موجود است و میتوانید مستقیم آنها را از این کانال دانلود کنید. در صورت مشکل دانلود، می توانید از سایت امبر نیز آنها را دریافت نمایید. در این آدرس https://ambermd.org/GetAmber.php می توانید فایل های بالا را دانلود کنید. سپس با استفاده از دستور tar xvjf این دو فایل را از حالت فشرده خارج کنید.
4- اکنون پس از باز کردن فایل های مرحله 3 با استفاده از دستور cd وارد پوشه build در مسیر /opt/amber/amber22_src/build شوید و دستور زیر را اجرا کنید. دقت داشته باشید قبل از اجرای این دستورات بایستی در فایل run_cmake_file مقدار پارامتر DOWNLOAD_MINICONDA را بر روی FALSE تنظیم کنید و به cmake اجازه دهید به صورت اتوماتیک مسیر نصب پایتون را بر روی سیستم شما پیدا کند.
5- برای اینکه به طور کامل به امبر در ترمینال دسترسی داشته باشید مسیر نصب امبر را در انتهای فایل bashrc سیستم عامل کپی کنید و آن را ذخیره کنید. و در نهایت ترمینال را اپدیت کرده، و ببندید. تبریک! شما با موفقیت نرم افزار امبر را نصب کردید و نیاز نیست در هیچ ورکشاپی برای یادگیری این مورد شرکت کنید و ساعت ها وقت و هزینه خود را صرف یادگیری این مبحث نمایید. برای نصب امبرتولز 2022 هم میتوانید موارد بالا را انجام دهید.
🧬@IRBioinformatics
برای نصب Amber در لینوکس مراحل زیرا را انجام دهید.
1- نصب پیش نیازهای امبر: ابتدا به مسیر روت رفته و سپس دستورات زیر را در ترمینال اجرا کنید. دقت کنید که برای رفتن به روت سیستم باید از دستور sudo su یا sudo -s استفاده کنید.
$ sudo apt-get update & upgrade
$ sudo apt install cmake
$ sudo apt -y update
$ sudo apt -y install tcsh make
$ sudo apt install gcc
$ sudo apt -y install gcc gfortran
$ sudo apt -y install flex bison patch
$ sudo apt -y install bc xorg-dev libbz2-dev wget
$ sudo apt-get install gcc build-essential
2- پس از نصب موارد بالا، اکنون در مسیر /opt/ بایستی یک زیرفولدر دیگر به اسم amber با استفاده از دستورات زیر ایجاد کنید. برای اینکار ابتدا با استفاده از دستور cd به مسیر /opt/ رفته و سپس با استفاده از mkdir یک پوشه به اسم amber مطابق فرامین زیر ایجاد نمایید.
$ cd /opt/
$ mkdir amber
$ cd amber/
3- اکنون فایل های AmberTools22.tar.bz2 و Amber22.tar.bz2 را در پوشه امبر کپی کنید. این فایل ها در کانال موجود است و میتوانید مستقیم آنها را از این کانال دانلود کنید. در صورت مشکل دانلود، می توانید از سایت امبر نیز آنها را دریافت نمایید. در این آدرس https://ambermd.org/GetAmber.php می توانید فایل های بالا را دانلود کنید. سپس با استفاده از دستور tar xvjf این دو فایل را از حالت فشرده خارج کنید.
4- اکنون پس از باز کردن فایل های مرحله 3 با استفاده از دستور cd وارد پوشه build در مسیر /opt/amber/amber22_src/build شوید و دستور زیر را اجرا کنید. دقت داشته باشید قبل از اجرای این دستورات بایستی در فایل run_cmake_file مقدار پارامتر DOWNLOAD_MINICONDA را بر روی FALSE تنظیم کنید و به cmake اجازه دهید به صورت اتوماتیک مسیر نصب پایتون را بر روی سیستم شما پیدا کند.
$ cd /opt/amber/amber22_src/build
$ ./run_cmake
$ make install
$ source /opt/amber/amber22/amber.sh
5- برای اینکه به طور کامل به امبر در ترمینال دسترسی داشته باشید مسیر نصب امبر را در انتهای فایل bashrc سیستم عامل کپی کنید و آن را ذخیره کنید. و در نهایت ترمینال را اپدیت کرده، و ببندید. تبریک! شما با موفقیت نرم افزار امبر را نصب کردید و نیاز نیست در هیچ ورکشاپی برای یادگیری این مورد شرکت کنید و ساعت ها وقت و هزینه خود را صرف یادگیری این مبحث نمایید. برای نصب امبرتولز 2022 هم میتوانید موارد بالا را انجام دهید.
🧬@IRBioinformatics
ambermd.org
Download Amber MD
Amber is a package of programs for
molecular dynamics simulations of proteins and nucleic acids
molecular dynamics simulations of proteins and nucleic acids
👍3
نحوه جستجو و ارجاع به مقالات علمی با استفاده از اسکالر.
1- جستجوی رفرنس
2- انتخاب دکمه ارجاع یا cite
3- انتخاب پلتفرم رفرنس نویسی
#اندنوت
#آموزش
#ارجاع
🧬@IRBioinformatics
1- جستجوی رفرنس
2- انتخاب دکمه ارجاع یا cite
3- انتخاب پلتفرم رفرنس نویسی
#اندنوت
#آموزش
#ارجاع
🧬@IRBioinformatics
❤2👍1
آکادمی بیوانفورماتیک محققان ایرانی
AmberTools20.tar.bz2
نصب ambertools
به طور کلی برای نصب امبرتولز موارد زیر را انجام دهید
1- نرم افزار امبرتولز (ورژن دلخواه 20، 22 یا 23) را دانلود کنید و در مسیر دلخواه قرار دهید.
2- با استفاده از دستورات زیر آن را نصب کنید. دقت داشته باشید باید پیش نیازهایی که در نصب امبر نیاز است از قبل بر روی سیستم عامل شما نصب شده باشد
3- پس از نصب ابزار، مسیر نصب آن را به فایل bashrc سیستم عامل اضافه کنید. ترمینال را اپدیت کنید و ابزار را فراخوانی کنید. در صورتی که برای نصب آن با مشکل مواجه شدید به فایل readme داخل فایل فشرده دقت فرمایید. ورژن های بعدی امبرتولز به زودی در کانال بارگذاری می شود.
🧬@IRBioinformatics
به طور کلی برای نصب امبرتولز موارد زیر را انجام دهید
1- نرم افزار امبرتولز (ورژن دلخواه 20، 22 یا 23) را دانلود کنید و در مسیر دلخواه قرار دهید.
2- با استفاده از دستورات زیر آن را نصب کنید. دقت داشته باشید باید پیش نیازهایی که در نصب امبر نیاز است از قبل بر روی سیستم عامل شما نصب شده باشد
tar xvf AmberTools*.tar.bz2
cd AmberTools*
./configure
make
make test
sudo make install
3- پس از نصب ابزار، مسیر نصب آن را به فایل bashrc سیستم عامل اضافه کنید. ترمینال را اپدیت کنید و ابزار را فراخوانی کنید. در صورتی که برای نصب آن با مشکل مواجه شدید به فایل readme داخل فایل فشرده دقت فرمایید. ورژن های بعدی امبرتولز به زودی در کانال بارگذاری می شود.
🧬@IRBioinformatics
👍4
برای یادگیری بیوانفورماتیک از کجا شروع کنیم
برای یادگیری بیوانفورماتیک بایستی همیشه مطالعه کنید و مهمتر از همه باید رودمپ داشته باشین اینکه وقت و هزینتون هدر بدین و فقط برین دوره شرکت کنین و ورکشاپ برین و کلی هزینه کنین فقط بهتره که اول خودتون مهک بزنین.
اول از همه باید یک بیس اماری داشته باشین و مفاهیم و فرمول های اماری رو به صورت کاربردی بلد باشین. مفاهیمی مانند واریانس، انحراف معیار، میانگین و... رو بلد باشین.
دوم بیوشیمی پروتئین ها و ترکیبات ارگانیک رو بلد باشید. حتی المقدور برای لیگاندها و متابولیت ها روی یک گروه خاص متمرکز شوید و در همان راستا جلو روید.
سوم، مباحث پایه ژنتیکی و ژنومی رو بلد باشین تا بتونین از لحاظ مولکولی تفسیرگر خوبی باشین.
چهارم با اسکریپت نویسی با یکی از زبان های برنامه نویسی مثل bash، python یا R آشنایی داشته باشین و بتونین کارتون رو جلو ببرین.
پنجم، ساختار ژن ها و پروتئین ها رو بلد باشین و اطلاعات داشته باشین.
ششم متناسب با بیس لیسانس و ارشدتون دنبال بیوانفورماتیک برین.
هفتم، جستجوگر خیلی خوبی در محیط اکادمیک باشین و با روش تحقیق و پرسشگری اشنا باشید.
هشتم، مقالات مرتبط رو بخونین و مطالعه پیوسته داشته باشید.
نهم، وقتتون تو ورکشاپا و دوره های بی فایده و بدون عملکرد تلف نکنین.
دهم، خودتون رو غرق یادگیری صدها ابزار نکنین. یه ابزار خوب یادبگیرین باهاش صدتا کار انجام بدین و مهمتر از همه بایستی برنامه نویسی بلد باشین تا بتونین ماهیت کلی ساختار داده های زیستی دریابید. در ادامه نکات بیشتری براتون میزاریم که در مدت زمان کمتری فرایندهای محاسباتی رو یاد بگیرید.
🧬@IRBioinformatics
برای یادگیری بیوانفورماتیک بایستی همیشه مطالعه کنید و مهمتر از همه باید رودمپ داشته باشین اینکه وقت و هزینتون هدر بدین و فقط برین دوره شرکت کنین و ورکشاپ برین و کلی هزینه کنین فقط بهتره که اول خودتون مهک بزنین.
اول از همه باید یک بیس اماری داشته باشین و مفاهیم و فرمول های اماری رو به صورت کاربردی بلد باشین. مفاهیمی مانند واریانس، انحراف معیار، میانگین و... رو بلد باشین.
دوم بیوشیمی پروتئین ها و ترکیبات ارگانیک رو بلد باشید. حتی المقدور برای لیگاندها و متابولیت ها روی یک گروه خاص متمرکز شوید و در همان راستا جلو روید.
سوم، مباحث پایه ژنتیکی و ژنومی رو بلد باشین تا بتونین از لحاظ مولکولی تفسیرگر خوبی باشین.
چهارم با اسکریپت نویسی با یکی از زبان های برنامه نویسی مثل bash، python یا R آشنایی داشته باشین و بتونین کارتون رو جلو ببرین.
پنجم، ساختار ژن ها و پروتئین ها رو بلد باشین و اطلاعات داشته باشین.
ششم متناسب با بیس لیسانس و ارشدتون دنبال بیوانفورماتیک برین.
هفتم، جستجوگر خیلی خوبی در محیط اکادمیک باشین و با روش تحقیق و پرسشگری اشنا باشید.
هشتم، مقالات مرتبط رو بخونین و مطالعه پیوسته داشته باشید.
نهم، وقتتون تو ورکشاپا و دوره های بی فایده و بدون عملکرد تلف نکنین.
دهم، خودتون رو غرق یادگیری صدها ابزار نکنین. یه ابزار خوب یادبگیرین باهاش صدتا کار انجام بدین و مهمتر از همه بایستی برنامه نویسی بلد باشین تا بتونین ماهیت کلی ساختار داده های زیستی دریابید. در ادامه نکات بیشتری براتون میزاریم که در مدت زمان کمتری فرایندهای محاسباتی رو یاد بگیرید.
🧬@IRBioinformatics
👍6
آیا شرکت در کارگاه های بیوانفورماتیک تاثیری در رزومه من دارد؟
یکی از سوالاتی که اغلب ذهن دانشجویان را به خود مشغول می کند توجه به این مورد است که ایا شرکت کردن در کلاس های مختلف و کارگاه های متنوع تاثیری در یادگیری و روزمه آنها دارد یا خیر. پاسخ می تواند هم بله و هم خیر باشد. در درجه اول، اگر شما بیس تئوری لازم برای یادگیری یک ابزار یا روش محاسباتی را ندارید، به هیچ عنوان سریعا وقت و هزینه خود را صرف یادگیری ابزار مذکور نکنید. فرض کنید شما می خواهید مدلینگ پروتئین را یاد بگیرید و یک دوره آموزشی با قیمت n تومان برای یادگیری مدلینگ پروتئین توسط یک مرکز خاص ارائه شده است. با این پیشفرض که شرکت در این دوره و کسب گواهی آن می تواند برای شما مفید باشد، در این دوره شرکت می کنید ولی در انتهای دوره متوجه می شوید که نه تنها چیزی یاد نگرفته اید بلکه دچار ابهام بزرگی نیز شده اید و به اصطلاح "ابزار زده" یا "روش زده" یا به اصطلاح ساده تر "بیوانفورماتیک زده" می شوید. برای جلوگیری از این مورد: - ابتدا مفاهیم تئوری را خوب مطالعه کنید.
- برای خود پلن ایجاد کنید. فرض کنید می خواهید مدلینگ پروتئین را یاد بگیرید، شما حتما بایستی اطلاعات کاملی از انواع ساختارهای ثانویه پروتئین داشته باشید. لازمه بدونین که الفا هلیکس، هلیکس 3-10، هلیکس پای لوپ ها ... چه جایگاهی در ساختار یک پروتئین دارند و چطوری اینا رو باید مدل کنید و اگر در خروجی مدلینگ خود اینا رو دیدید چطوری ساختار پروتئین رو تفسیر کنید
- مقالات مروری مرتبط با موضوعی که خواهید در دوره آن شرکت کنید را به درستی مطالعه کنید تا بتوانید مفاهیم کلاس ها را به درستی درک کنید. صرفا اجرای کامندهای بیوانفورماتیکی و گرفتن خروجی ساده به منزله تسلط شما بر یک موضوع نمی باشد. علاوه بر مقالات مروری، در لول بالاتر می توانید ژورنال های هدف را پیدا کنید و مقالات ریسرچ آنها را نیز مطالعه کنید و از نحوه تفسیر و پردازش خروجی ها اطلاعات بیشتری داشته باشید.
- بسته به نوع موضوع پایان نامه ارشد یا دکتری خود برای یادگیری ابزارها و متدهای بیوانفورماتیک هزینه کنید. فرض کنید شما در رشته بیوتک کشاورزی تحصیل کرده اید، دوره هایی مانند ارزیابی های ترانسکریپتومیکسی، ژنومیکس مقایسه ای و ... می بینید هر ماهه برگذار می شوند ولی تز شما بر روی پروتئین های نوترکیب بوده است. در این حالت برای یادگیری تخصصی بایستی به سراغ متدولوژی انالیز ساختاری پروتئین ها و روش های مشابه بروید و شرکت در دوره هایی مثل QTL mapping و ... کیفیت کار شما را در یادگیری مباحث بیوانفورماتیکی را بالا نمی برد.
- وقت خود را با ابزارهای گوناگون هدر ندهید. چند ابزار کاربردی برای ترسیم گراف، انالیز توالی ها، انالیز ترکیبات ارگانیک و برهمکنش انها با زیست مولکولها را به شرط مطالعه قوی یاد بگیرید و به صورت حرفه ای انها را بیاموزید
- اسکریپت نویسی را به هیچ عنوان فراموش نکنید. حتی المقدور سیستم عامل Lubuntu یا توزیع های سبکتر اوبنتو را نصب کنید و کار با bash و R یا Python با دید زیستی برای بهبود کیفیت کار خود را تلاش به یادگیری کنید.
- قیمت بالای یک دوره به منزله خوب بودن آن نیست. قبل از شرکت در هر دوره ای حتما رزومه مدرس را درخواست کنید، و مقالات قبلی او را مطالعه کنید و با سرفصل های دوره تطبیق دهید. در صورت عدم تطابق سرفصل ها با رزومه فرد مدرس، مطمن باشید امکان یادگیری شما صفر است، چرا که شرکت در چنین کلاس هایی صرفا به منزله گوش دادن به مطالب سطحی و پراکنده است که خود شما نیز با گشت و گذاری تو سایت های اینترنتی پیدا کنید.
- گواهی ورکشاپ ها تاثیر چندانی در رزومه حرفه ای شما ندارند، لذا وقت خود را صرف یادگیری کنید تا هزینه برای شرکت در کلاس های رنگارنگ با پوسترهای خیره کننده. کلا شرکت تو یکی دوتا ورکشاپ معتبر با مدرسای خیلی معتبر که حداقل 5 سال سابقه تدریس بیوانفورماتیک یا مباحث مرتبط در زمینه زیستی یا شیمی محاسباتی دارند خیلی میتونه به شما کمک کنه و اینم مستلزم اینه که حتما حتما مباحث تئوری رو بلد باشید. سعی کنید همیشه پرسشگر باشید و مهارت جستجو و رفع ایراد خود را بهبود ببخشید تا بتوانید به نحو احسن یادگیری قابل توجهی داشته باشید و اصلا استرس بهتون وارد نشه. خیلی مباحث ساده تر از اون چیزی هستش که فکرش رو میکنید فقط ارامش داشته باشید و به توانایی های خودتون ایمان داشته باشید.
- و در پایان سعی کنید شبکه دوستاتون رو گسترش بدین و از بچه های شیمی الی، کشاورزی، بیولوژی، گیاه پزشکی، بیولوژی خاک ... در حلقه نزدیکاتون باشه تا هر وقت یه مبحثی رو نفهمیدید ازشون کمک بگیرید و مباحث تئوری رو خوب یاد بگیرید و بعد برای کار با ابزارها اقدام کنید. کانال ما رو هم به دوستاتون معرفی کنید.
🧬@IRBioinformatics
یکی از سوالاتی که اغلب ذهن دانشجویان را به خود مشغول می کند توجه به این مورد است که ایا شرکت کردن در کلاس های مختلف و کارگاه های متنوع تاثیری در یادگیری و روزمه آنها دارد یا خیر. پاسخ می تواند هم بله و هم خیر باشد. در درجه اول، اگر شما بیس تئوری لازم برای یادگیری یک ابزار یا روش محاسباتی را ندارید، به هیچ عنوان سریعا وقت و هزینه خود را صرف یادگیری ابزار مذکور نکنید. فرض کنید شما می خواهید مدلینگ پروتئین را یاد بگیرید و یک دوره آموزشی با قیمت n تومان برای یادگیری مدلینگ پروتئین توسط یک مرکز خاص ارائه شده است. با این پیشفرض که شرکت در این دوره و کسب گواهی آن می تواند برای شما مفید باشد، در این دوره شرکت می کنید ولی در انتهای دوره متوجه می شوید که نه تنها چیزی یاد نگرفته اید بلکه دچار ابهام بزرگی نیز شده اید و به اصطلاح "ابزار زده" یا "روش زده" یا به اصطلاح ساده تر "بیوانفورماتیک زده" می شوید. برای جلوگیری از این مورد: - ابتدا مفاهیم تئوری را خوب مطالعه کنید.
- برای خود پلن ایجاد کنید. فرض کنید می خواهید مدلینگ پروتئین را یاد بگیرید، شما حتما بایستی اطلاعات کاملی از انواع ساختارهای ثانویه پروتئین داشته باشید. لازمه بدونین که الفا هلیکس، هلیکس 3-10، هلیکس پای لوپ ها ... چه جایگاهی در ساختار یک پروتئین دارند و چطوری اینا رو باید مدل کنید و اگر در خروجی مدلینگ خود اینا رو دیدید چطوری ساختار پروتئین رو تفسیر کنید
- مقالات مروری مرتبط با موضوعی که خواهید در دوره آن شرکت کنید را به درستی مطالعه کنید تا بتوانید مفاهیم کلاس ها را به درستی درک کنید. صرفا اجرای کامندهای بیوانفورماتیکی و گرفتن خروجی ساده به منزله تسلط شما بر یک موضوع نمی باشد. علاوه بر مقالات مروری، در لول بالاتر می توانید ژورنال های هدف را پیدا کنید و مقالات ریسرچ آنها را نیز مطالعه کنید و از نحوه تفسیر و پردازش خروجی ها اطلاعات بیشتری داشته باشید.
- بسته به نوع موضوع پایان نامه ارشد یا دکتری خود برای یادگیری ابزارها و متدهای بیوانفورماتیک هزینه کنید. فرض کنید شما در رشته بیوتک کشاورزی تحصیل کرده اید، دوره هایی مانند ارزیابی های ترانسکریپتومیکسی، ژنومیکس مقایسه ای و ... می بینید هر ماهه برگذار می شوند ولی تز شما بر روی پروتئین های نوترکیب بوده است. در این حالت برای یادگیری تخصصی بایستی به سراغ متدولوژی انالیز ساختاری پروتئین ها و روش های مشابه بروید و شرکت در دوره هایی مثل QTL mapping و ... کیفیت کار شما را در یادگیری مباحث بیوانفورماتیکی را بالا نمی برد.
- وقت خود را با ابزارهای گوناگون هدر ندهید. چند ابزار کاربردی برای ترسیم گراف، انالیز توالی ها، انالیز ترکیبات ارگانیک و برهمکنش انها با زیست مولکولها را به شرط مطالعه قوی یاد بگیرید و به صورت حرفه ای انها را بیاموزید
- اسکریپت نویسی را به هیچ عنوان فراموش نکنید. حتی المقدور سیستم عامل Lubuntu یا توزیع های سبکتر اوبنتو را نصب کنید و کار با bash و R یا Python با دید زیستی برای بهبود کیفیت کار خود را تلاش به یادگیری کنید.
- قیمت بالای یک دوره به منزله خوب بودن آن نیست. قبل از شرکت در هر دوره ای حتما رزومه مدرس را درخواست کنید، و مقالات قبلی او را مطالعه کنید و با سرفصل های دوره تطبیق دهید. در صورت عدم تطابق سرفصل ها با رزومه فرد مدرس، مطمن باشید امکان یادگیری شما صفر است، چرا که شرکت در چنین کلاس هایی صرفا به منزله گوش دادن به مطالب سطحی و پراکنده است که خود شما نیز با گشت و گذاری تو سایت های اینترنتی پیدا کنید.
- گواهی ورکشاپ ها تاثیر چندانی در رزومه حرفه ای شما ندارند، لذا وقت خود را صرف یادگیری کنید تا هزینه برای شرکت در کلاس های رنگارنگ با پوسترهای خیره کننده. کلا شرکت تو یکی دوتا ورکشاپ معتبر با مدرسای خیلی معتبر که حداقل 5 سال سابقه تدریس بیوانفورماتیک یا مباحث مرتبط در زمینه زیستی یا شیمی محاسباتی دارند خیلی میتونه به شما کمک کنه و اینم مستلزم اینه که حتما حتما مباحث تئوری رو بلد باشید. سعی کنید همیشه پرسشگر باشید و مهارت جستجو و رفع ایراد خود را بهبود ببخشید تا بتوانید به نحو احسن یادگیری قابل توجهی داشته باشید و اصلا استرس بهتون وارد نشه. خیلی مباحث ساده تر از اون چیزی هستش که فکرش رو میکنید فقط ارامش داشته باشید و به توانایی های خودتون ایمان داشته باشید.
- و در پایان سعی کنید شبکه دوستاتون رو گسترش بدین و از بچه های شیمی الی، کشاورزی، بیولوژی، گیاه پزشکی، بیولوژی خاک ... در حلقه نزدیکاتون باشه تا هر وقت یه مبحثی رو نفهمیدید ازشون کمک بگیرید و مباحث تئوری رو خوب یاد بگیرید و بعد برای کار با ابزارها اقدام کنید. کانال ما رو هم به دوستاتون معرفی کنید.
🧬@IRBioinformatics
👍5❤1
برنامه نویسی با پایتون
چرا پایتون؟ پایتون یک زبان شی گرا و پیشرفته است که امروزه به صورت گسترده در حوزه های مختلف مورد استفاده قرار می گیرد. برخلاف R که برای آنالیزهای گرافیکی و آماری توسعه داده شده است، پایتون برای اهداف گسترده تری توسعه یافته است و به دلیل سهولت در یادگیری، کتابخانه های در دسترس، سازگاری کدها با پلتفرم های مختلف سیستم عامل و رایگان بودن آن به صورت چشمگیری استفاده از آن توسعه یافته است. بعد از برنامه نویسی جاوا، HTML/CSS زبان برنامه نویسی پایتون سومین زبان برنامه نویسی استفاده شده در جهان است و بیش از 8 و نیم میلیون نفر از آن در سرتاسر دنیا استفاده می کنند. پایتون به دلیل پشتیبانی از ماژول ها و کتابخانه های متنوع، قابلیت سازگاری با سیستم های عامل، سهولت در کد نویسی با این برنامه، انعطاف پذیری بالا، قابلیت استفاده در برنامه نویسی چندسکویی، محبوبیت صنعتی و اکادمیک، و ... به یکی از بهترین زبان های برنامه نویسی دنیا تبدیل شده است.
مدت زمان یادگیری پایتون برای کاربران عمومی تقریبا 3 ماه است و افرادای که هیچ پس زمینه در یادگیری پایتون ندارند، به راحتی می توانند در 6 ماه پایتون را یاد بگیرند. پایتون به دو صورت پایتون عمومی و پایتون زیستی یا biopython در دسترس است و در حال حاضر نسخه 12-3 پایتون جدیدترین ورژن آن است. پایتون مانند سایر برنامه های مشابه دارای توابع و عملگرها و آرگومان های خاص خود است و کد نویسی با پایتون مستلزم آشنایی اولیه با پایتون است. برای یادگیری پایتون منابع مختلفی وجود دارد و شاید بتوان گفت کتاب Python cookbook یکی از بهترین منابع یادگیری پایتون در کنار سایر آموزش های اینترنتی و مستندات علمی است.
برای یادگیری پایتون به عنوان کاربر مبتدی نیاز به بیس سخت افزاری پیچیده ندارید، با یک سیستم 3 هسته ای و حداقل رم 4 گیگابایت و فضای دیسک 10 گیگ بایت می توانید کدهای خود را اجرا کنید. برای اجرای کدهای پایتون محیط های تلفیقی و گرافیکی مختلفی مانند anaconda، pycharm، Visual Studio Code، Jupyter Notebook و همچنین IDLE پایتون توسعه داده شده است که بنابر نیاز خود می توانید از این محیط ها که به صورت رایگان یا لایسنس دار هستند استفاده کنید. برای اجرای کدهای پایتون ابتدا بایستی آخرین نسخه پایتون را بر روی سیستم عامل خود نصب کنید، پایتون را به PATH سیستم (در ویندوز از طریق تنظیمات ENVIRONMENT VARIABLES) و در اوبنتو در مسیر نصب کنونی اضافه کنید و سپس با فراخوانی پایتون آن را اجرا کنید. پایتون دارای یک بسته نرم افزاری برای نصب پکیچ ها و کتابخانه های مختلف است که به آن pip می گویند. در پایتون 3 به بالا بایستی از طریق pip3 ماژول های دلخواه را نصب کنید. ماژول های پایتون اساسا رایگان هستند مگر اینکه کاربران به ماژول اختصاصی خاصی نیاز داشته باشند که به صورت تجاری در دسترس است. برای استفاده از پایتون زیستی بایستی با استفاده از pip3 ابتدا بیوپایتون را به عنوان یک ماژول نصب کنید سپس از توابع آن هنگام اسکریپت نویسی استفاده کنید. هر دو نسخه پایتون و بیوپایتون رایگان هستند.
برای شروع یادگیری پایتون، بایستی ابتدا آن را نصب کنید. به سایت پایتون رفته و آخرین نسخه را دانلود کنید و نصب کنید. در اوبنتو به صورت پیشفرض پایتون بر روی سیستم عامل شما نصب است. کاربران ویندوز بایستی اخرین نسخه آن را نصب کنند. سپس با استفاده از دستور pip3 ماژول های موردنیاز مثل biopython، pandas، seaborn، proplot، matplotlib و ... را نصب کنید و با مطالعه دستورالعمل کار با هر بسته آن را یادبگیرید. با توجه به اینکه پایتون مثل R ماژول بیس است، لذا برای یادگیری پایتون نیاز ندارید که کلی اموزش پیجیده رو دنبال کنید. اول ببینید از پایتون چی میخاین (کار گرافیکی، انالیز اماری، برنامه نویسی، طراحی سایت، برنامه نویسی backend، طراحی نرم افزار و ...) بعد در مرحله بعد بسته ها و ماژول های اختصاصی کارتون رو پیدا کنید و اونا رو با استفاده از cmd ویندوز یا ترمینال لینوکس نصب کنید و در نهایت اقدام به یادگیری پایتون نمایید. حداقل 2 تا 3 ماه طول می کشد تا با ساختار داده و انواع توابع و دستورات اشنایی پیدا کنید. برای یادگیری بهتر پایتون باید اساسا فرمول ها و قواعد ماتریس ها، جبر خطی، ریاضیات گستسه و برخی دیگر از توابع پایه و ساده آماری و ریاضی رو بلد بشید. اگر تا الان این مباحث نشنیدین ایرادی نداره میتونین برین سرچ کنین و پیش نیازهای تئوری پایتون رو پیدا کنید و با مطالعشون برای یادگیری اقدام کنید. توجه داشته باشید در صورتی که کاربر مبتدی پایتون هستید به هیچ عنوان در دوره های پیشرفته شرکت نکنید. مرحله به مرحله جلو برید و از یادگیری پایتون لذت ببرید.
🧬@IRBioinformatics
استفاده از مطالب با ذکر منبع بلامانع است.
چرا پایتون؟ پایتون یک زبان شی گرا و پیشرفته است که امروزه به صورت گسترده در حوزه های مختلف مورد استفاده قرار می گیرد. برخلاف R که برای آنالیزهای گرافیکی و آماری توسعه داده شده است، پایتون برای اهداف گسترده تری توسعه یافته است و به دلیل سهولت در یادگیری، کتابخانه های در دسترس، سازگاری کدها با پلتفرم های مختلف سیستم عامل و رایگان بودن آن به صورت چشمگیری استفاده از آن توسعه یافته است. بعد از برنامه نویسی جاوا، HTML/CSS زبان برنامه نویسی پایتون سومین زبان برنامه نویسی استفاده شده در جهان است و بیش از 8 و نیم میلیون نفر از آن در سرتاسر دنیا استفاده می کنند. پایتون به دلیل پشتیبانی از ماژول ها و کتابخانه های متنوع، قابلیت سازگاری با سیستم های عامل، سهولت در کد نویسی با این برنامه، انعطاف پذیری بالا، قابلیت استفاده در برنامه نویسی چندسکویی، محبوبیت صنعتی و اکادمیک، و ... به یکی از بهترین زبان های برنامه نویسی دنیا تبدیل شده است.
مدت زمان یادگیری پایتون برای کاربران عمومی تقریبا 3 ماه است و افرادای که هیچ پس زمینه در یادگیری پایتون ندارند، به راحتی می توانند در 6 ماه پایتون را یاد بگیرند. پایتون به دو صورت پایتون عمومی و پایتون زیستی یا biopython در دسترس است و در حال حاضر نسخه 12-3 پایتون جدیدترین ورژن آن است. پایتون مانند سایر برنامه های مشابه دارای توابع و عملگرها و آرگومان های خاص خود است و کد نویسی با پایتون مستلزم آشنایی اولیه با پایتون است. برای یادگیری پایتون منابع مختلفی وجود دارد و شاید بتوان گفت کتاب Python cookbook یکی از بهترین منابع یادگیری پایتون در کنار سایر آموزش های اینترنتی و مستندات علمی است.
برای یادگیری پایتون به عنوان کاربر مبتدی نیاز به بیس سخت افزاری پیچیده ندارید، با یک سیستم 3 هسته ای و حداقل رم 4 گیگابایت و فضای دیسک 10 گیگ بایت می توانید کدهای خود را اجرا کنید. برای اجرای کدهای پایتون محیط های تلفیقی و گرافیکی مختلفی مانند anaconda، pycharm، Visual Studio Code، Jupyter Notebook و همچنین IDLE پایتون توسعه داده شده است که بنابر نیاز خود می توانید از این محیط ها که به صورت رایگان یا لایسنس دار هستند استفاده کنید. برای اجرای کدهای پایتون ابتدا بایستی آخرین نسخه پایتون را بر روی سیستم عامل خود نصب کنید، پایتون را به PATH سیستم (در ویندوز از طریق تنظیمات ENVIRONMENT VARIABLES) و در اوبنتو در مسیر نصب کنونی اضافه کنید و سپس با فراخوانی پایتون آن را اجرا کنید. پایتون دارای یک بسته نرم افزاری برای نصب پکیچ ها و کتابخانه های مختلف است که به آن pip می گویند. در پایتون 3 به بالا بایستی از طریق pip3 ماژول های دلخواه را نصب کنید. ماژول های پایتون اساسا رایگان هستند مگر اینکه کاربران به ماژول اختصاصی خاصی نیاز داشته باشند که به صورت تجاری در دسترس است. برای استفاده از پایتون زیستی بایستی با استفاده از pip3 ابتدا بیوپایتون را به عنوان یک ماژول نصب کنید سپس از توابع آن هنگام اسکریپت نویسی استفاده کنید. هر دو نسخه پایتون و بیوپایتون رایگان هستند.
برای شروع یادگیری پایتون، بایستی ابتدا آن را نصب کنید. به سایت پایتون رفته و آخرین نسخه را دانلود کنید و نصب کنید. در اوبنتو به صورت پیشفرض پایتون بر روی سیستم عامل شما نصب است. کاربران ویندوز بایستی اخرین نسخه آن را نصب کنند. سپس با استفاده از دستور pip3 ماژول های موردنیاز مثل biopython، pandas، seaborn، proplot، matplotlib و ... را نصب کنید و با مطالعه دستورالعمل کار با هر بسته آن را یادبگیرید. با توجه به اینکه پایتون مثل R ماژول بیس است، لذا برای یادگیری پایتون نیاز ندارید که کلی اموزش پیجیده رو دنبال کنید. اول ببینید از پایتون چی میخاین (کار گرافیکی، انالیز اماری، برنامه نویسی، طراحی سایت، برنامه نویسی backend، طراحی نرم افزار و ...) بعد در مرحله بعد بسته ها و ماژول های اختصاصی کارتون رو پیدا کنید و اونا رو با استفاده از cmd ویندوز یا ترمینال لینوکس نصب کنید و در نهایت اقدام به یادگیری پایتون نمایید. حداقل 2 تا 3 ماه طول می کشد تا با ساختار داده و انواع توابع و دستورات اشنایی پیدا کنید. برای یادگیری بهتر پایتون باید اساسا فرمول ها و قواعد ماتریس ها، جبر خطی، ریاضیات گستسه و برخی دیگر از توابع پایه و ساده آماری و ریاضی رو بلد بشید. اگر تا الان این مباحث نشنیدین ایرادی نداره میتونین برین سرچ کنین و پیش نیازهای تئوری پایتون رو پیدا کنید و با مطالعشون برای یادگیری اقدام کنید. توجه داشته باشید در صورتی که کاربر مبتدی پایتون هستید به هیچ عنوان در دوره های پیشرفته شرکت نکنید. مرحله به مرحله جلو برید و از یادگیری پایتون لذت ببرید.
🧬@IRBioinformatics
استفاده از مطالب با ذکر منبع بلامانع است.
👍5
نصب ماژول های کلیدی پایتون با pip یا pip3 در ویندوز 10 و بالاتر (ویژه محققان علوم زیستی)
برای نصب ماژول های پایتون و استفاده از کتابخانه ها ابتدا به سایت پایتون رفته و آخرین بیلد پایتون را دانلود کنید سپس cmd ویندوز را به صورت Run as administrator اجرا کنید و دستورات زیر را به ترتیب در محیط cmd وارد کنید. در صورتی که از WSL یا powershell ویندوز برای نصب ماژول های پایتون استفاده می کنید حتما دقت داشته باشید که پایتون از قبل به PATH سیستم اضافه شده باشد. اینکار را می توانید در مرحله نصب پایتون یا بعد از نصب پایتون و افزودن پوشه نصب پایتون به محیط PATH ویندوز انجام دهید تا با هر بار باز کردن cmd و powershell به آن دسترسی داشته باشید.
1- محیط cmd را در مود ادمینستریتور یا superuser اجرا کنید.
2- اطمینان حاصل کنید که pip3 بر روی سیستم شما نصب باشد. از کامند شماره 1 می توانید برای مشاهده نسخه فعلی pip بعد از نصب پایتون بر روی سیستم عامل خود استفاده کنید. در صورتی که نسخه قدیمی pip بر روی سیستم شما نصب است با استفاده از کامند 2 آن را به آخرین نسخه ارتقا دهید. مجددا با کامند 1 ورژن pip را چک کنید و مطمن شوید که اخرین نسخه بر روی سیستم شما نصب شده است.
3- اکنون مطابق کامندهای بعدی به ترتیب seaborn، matplotlib، pandas، numpy، biopython را نصب کنید. در قدم اول یادگیری پایتون شما اکنون یاد گرفته اید چگونه بسته ها و ماژول های پایتون را نصب کنید. همانطور که می بینید بسیار کار ساده ای است و با کمی دقت خودتان در خونه بدون نیاز به شرکت تو هیچ کلاسی میتونین این موارد رو یاد بگیرین.
با ما همراه باشید.
🧬@IRBioinformatics
استفاده از مطالب با ذکر منبع بلامانع است.
برای نصب ماژول های پایتون و استفاده از کتابخانه ها ابتدا به سایت پایتون رفته و آخرین بیلد پایتون را دانلود کنید سپس cmd ویندوز را به صورت Run as administrator اجرا کنید و دستورات زیر را به ترتیب در محیط cmd وارد کنید. در صورتی که از WSL یا powershell ویندوز برای نصب ماژول های پایتون استفاده می کنید حتما دقت داشته باشید که پایتون از قبل به PATH سیستم اضافه شده باشد. اینکار را می توانید در مرحله نصب پایتون یا بعد از نصب پایتون و افزودن پوشه نصب پایتون به محیط PATH ویندوز انجام دهید تا با هر بار باز کردن cmd و powershell به آن دسترسی داشته باشید.
1- محیط cmd را در مود ادمینستریتور یا superuser اجرا کنید.
2- اطمینان حاصل کنید که pip3 بر روی سیستم شما نصب باشد. از کامند شماره 1 می توانید برای مشاهده نسخه فعلی pip بعد از نصب پایتون بر روی سیستم عامل خود استفاده کنید. در صورتی که نسخه قدیمی pip بر روی سیستم شما نصب است با استفاده از کامند 2 آن را به آخرین نسخه ارتقا دهید. مجددا با کامند 1 ورژن pip را چک کنید و مطمن شوید که اخرین نسخه بر روی سیستم شما نصب شده است.
3- اکنون مطابق کامندهای بعدی به ترتیب seaborn، matplotlib، pandas، numpy، biopython را نصب کنید. در قدم اول یادگیری پایتون شما اکنون یاد گرفته اید چگونه بسته ها و ماژول های پایتون را نصب کنید. همانطور که می بینید بسیار کار ساده ای است و با کمی دقت خودتان در خونه بدون نیاز به شرکت تو هیچ کلاسی میتونین این موارد رو یاد بگیرین.
# Download and install latest version of python3
# Run win CMD or PowerShell in Administrator mode
# Check pip3 version and upgrade it to the latest version
> pip3 --version #check pip version (1)
> python -m pip install --upgrade pip #upgrade pip version to latest version (2)
> pip3 --version # check pip version after upgrade. (1)
> pip install matplotlib #install the latest version of matplotlib
> pip install seaborn #install the latest version of seaborn
> pip install pandas #install the latest version of pandas
> pip install numpy #install the latest version of numpy
> pip install biopython #install the latest version of biopython
با ما همراه باشید.
🧬@IRBioinformatics
استفاده از مطالب با ذکر منبع بلامانع است.
👍4
نمونه کد پایتون برای استفاده از ماژول seaborn
پس از نصب seaborn در محیط idle می توانید این ماژول را فراخوانی کنید و سپس با استفاده از آن دیتاهای خود را آنالیز کنید
پس از ران این کامند دیفالت اکنون می توانید خروجی را که مطابق با گراف پیوست است بر روی صفحه نمایش خود مشاهده کنید.
با ما همراه باشید.
🧬@IRBioinformatics
استفاده از مطالب با ذکر منبع بلامانع است.
پس از نصب seaborn در محیط idle می توانید این ماژول را فراخوانی کنید و سپس با استفاده از آن دیتاهای خود را آنالیز کنید
import seaborn as sns
import matplotlib.pyplot as plt
sns.set_theme(style="ticks")
# Initialize the figure with a logarithmic x axis
f, ax = plt.subplots(figsize=(7, 6))
ax.set_xscale("log")
# Load the example planets dataset
planets = sns.load_dataset("planets")
# Plot the orbital period with horizontal boxes
sns.boxplot(
planets, x="distance", y="method", hue="method",
whis=[0, 100], width=.6, palette="vlag"
)
# Add in points to show each observation
sns.stripplot(planets, x="distance", y="method", size=4, color=".3")
# Tweak the visual presentation
ax.xaxis.grid(True)
ax.set(ylabel="")
sns.despine(trim=True, left=True)
پس از ران این کامند دیفالت اکنون می توانید خروجی را که مطابق با گراف پیوست است بر روی صفحه نمایش خود مشاهده کنید.
با ما همراه باشید.
🧬@IRBioinformatics
استفاده از مطالب با ذکر منبع بلامانع است.
👍5
نحوه اجرای Jupyter notebook در محیط تلفیقی آناکوندا برای کدنویسی و استفاده از ماژول ها و کتابخانه های پایتون
با ما همراه باشید.
🧬@IRBioinformatics
استفاده از مطالب با ذکر منبع بلامانع است
12 ژانویه 2024
#پایتون
با ما همراه باشید.
🧬@IRBioinformatics
استفاده از مطالب با ذکر منبع بلامانع است
12 ژانویه 2024
#پایتون
👍1