📣 شاخه دانشجویی انجمن جهانی زیست شناسی محاسباتی در ایران، با همکاری رایازی برگزار می‌کند:

🔠 دومین کنفرانس HBC

🔼رویداد HBC2025 میزبان دانشمندان حوزه سلامت، بیوانفورماتیک و زیست‌شناسی محاسباتی از سراسر جهان است.

🔥۱۳ دانشمند از ۷ کشور

۱۳ ساعت سخنرانی علمی همراه با پرسش و پاسخ

✍️همراه با اعطای گواهی شرکت در کنفرانس

سخنران اختتامیه:
دکتر علی شریفی زارچی
استاد دانشگاه صنعتی شریف

▶️ زمان: ۲۵ و ۲۶ بهمن‌ماه ۱۴۰۳ - به صورت آنلاین

⚡️ مهلت ثبت‌نام تا ۲۲ بهمن

👆ثبت‌نام و اطلاعات سخنرانان:

▶️ rayazi.com/events/hbc2025

📱 Telegram
📱 LinkedIn
📱 Instagram

😮 جدول سخنرانی‌های #HBC2025

💥 همچین همایشی رو جای دیگه‌ای سراغ دارید؟

همین الان ثبت‌نام کنید تا مهلت ثبت ‌نام زودهنگام نگذشته!

➡️ https://rayazi.com/events/hbc2025

✔️ پروفسور Fabian Theis

🔗 مدیر انستیتوی زیست‌شناسی محاسباتی در Helmholtz Munich، استاد مدل‌سازی ریاضی سیستم‌های زیستی در دانشگاه پلی‌تکنیک مونیخ (TUM) و مدیر علمی پلتفرم هوش مصنوعی HelmholtzAI.

⭐️ زمینه‌های پژوهشی:

🔗 توسعه روش‌های یادگیری ماشین و هوش مصنوعی برای تحلیل داده‌های سینگل‌سل.
مدل‌سازی ناهمگنی سلولی و تفسیر داده‌های ژنومیک با استفاده از تکنیک‌های یادگیری عمیق.
🔗 کاربرد داده‌های Omics برای پزشکی شخصی‌سازی‌شده و توسعه رویکردهای نوین برای درک سیستم‌های زیستی پیچیده.
🔗 همکاری در طراحی و توسعه ابزارهای محاسباتی برای تحلیل داده‌های زیستی در مقیاس وسیع.

⭐️ جوایز و افتخارات:

🔗 جایزه Gottfried Wilhelm Leibniz در سال ۲۰۲۳
🔗 عضویت در آکادمی ملی علوم آلمان Leopoldina در سال ۲۰۱۸
🔗 عضویت افتخاری ISCB در سال ۲۰۲۳
🔗 جایزه Helmholtz برای پژوهش‌های نوآورانه در زیست‌شناسی محاسباتی در سال ۲۰۲۲

🖥 لینک ثبت‌نام

#HBC2025

✔️ پروفسور Nassir Navab

🔗 استاد تمام و مدیر آزمایشگاه Computer Aided Medical Procedures در دانشگاه پلی‌تکنیک مونیخ (TUM) و دانشگاه جانز هاپکینز.


⭐️ زمینه‌های پژوهشی:

🔗توسعه روش‌های آماری و محاسباتی برای بهبود جراحی‌های کامپیوتری‌شده، تصویربرداری پزشکی، واقعیت افزوده و یادگیری ماشین.
کاربرد این تحقیقات در زمینه‌های مداخلات جراحی کامپیوتری‌شده، جراحی رباتیک هدایت‌شده و تصویربرداری اولتراسوند.
🔗گسترش این تحقیقات در زمینه‌هایی مانند جمع‌سپاری زیست‌پزشکی، کامپیوتر ویژن و واقعیت افزوده صنعتی.


⭐️جوایز و افتخارات:

🔗جایزه MICCAI Enduring Impact در سال ۲۰۲۱
🔗جایزه IEEE ISMAR 10 Years Lasting Impact در سال ۲۰۱۵
🔗جایزه SMIT Technology در سال ۲۰۱۰
🔗 عضویت افتخاری در آکادمی بین‌المللی مهندسی پزشکی و زیستی (IAMBE)

🖥لینک ثبت‌نام

#HBC2025

✔️ پروفسور Mark Robinson

🔗 استاد ژنومیک آماری در دپارتمان علوم زیستی مولکولی دانشگاه زوریخ


⭐️ زمینه‌های پژوهشی:

🔗توسعه روش‌های آماری برای تحلیل داده‌های ژنومی از جمله RNA-seq و Single-Cell Genomics.
🔗بررسی داده‌های اپی‌ژنتیک و ترنسکریپتومیک برای درک بیان ژن و تنظیم آن.
تمرکز بر تحلیل داده‌های سینگل‌سل برای درک ناهمگنی در سیستم‌های زیستی.


⭐️ دستاوردها:

🔗توسعه ابزارهای برجسته در Bioconductor مانند edgeR برای تحلیل داده‌های RNA-seq
🔗مشارکت فعال در پروژه‌های بین‌المللی مرتبط با ژنومیک و بیوانفورماتیک

🖥لینک ثبت‌نام

#HBC2025

✔️ دکتر Fritz Sedlazeck

🔗 استاد در مرکز توالی‌یابی ژنوم انسانی کالج پزشکی Baylor


⭐️زمینه‌‌های پژوهشی:

🔗توسعه ابزارهای بیوانفورماتیکی مانند NextGenMap و Sniffles برای تحلیل داده‌های ژنومی.
🔗تشخیص و تحلیل واریاسیون‌های ساختاری ژنومی (SV) با استفاده از فناوری‌های توالی‌یابی طولانی‌خوان (long-read)، به‌ویژه با ابزار Sniffles.
🔗بررسی نقش واریاسیون‌های ساختاری در سرطان، بیماری‌های نادر و ژنتیک جمعیت.
🔗بهبود مونتاژ ژنوم از طریق داده‌های HiFi و بهینه‌سازی پلتفرم‌های توالی‌یابی برای تحلیل ژنومی دقیق.
🔗توسعه روش‌های نوین برای تشخیص واریاسیون‌های ژنوم در مقیاس گسترده.


⭐️ جوایز و افتخارات:

🔗 جایزه Michael E. DeBakey Research Excellence در سال ۲۰۲۳
🔗 کمک‌هزینه SMRT برای گیاهان و حیوانات در سال ۲۰۱۸
🔗 جایزه دکترای مرکز زیست‌شناسی وین در سال ۲۰۱۳

🖥لینک ثبت‌نام

#HBC2025

✔️ دکتر Omar Abudayyeh

🔗 عضو هیئت علمی دپارتمان سلول‌های بنیادی و زیست‌شناسی بازساختی در دانشگاه هاروارد، محقق در مؤسسه ژن و درمان سلولی Brigham

⭐️ زمینه‌های پژوهشی:

🔗تشخیص‌های CRISPR: توسعه‌دهنده SHERLOCK، پلتفرمی پیشرفته برای تشخیص اسیدهای نوکلئیک مبتنی بر CRISPR.
🔗ردیابی و ویرایش RNA: پیشبرد سیستم‌های CRISPR هدف‌گذاری RNA با طراحی‌های دقیق مبتنی بر هوش مصنوعی.
🔗مهندسی ژنوم: بهینه‌سازی ابزارهای درمان‌های ژنتیکی و پزشکی دقیق با استفاده از هوش مصنوعی.

⭐️ جوایز و افتخارات:

🔗برگزیده لیست نوآوران زیر ۳۵سال از سوی Technology Review
🔗انتخاب به‌عنوان Bloomberg New Economy Catalyst برای نوآوری در زیست‌فناوری
🔗دریافت جایزه Endpoints 20 under 40
🔗برنده بورسیه معتبر Termeer Scholar در سال ۲۰۲۲
🔗حضور در لیست Forbes 30 under 30 در سال ۲۰۱۸
🔗برگزیده لیست Business Insider 30 under 30
🔗تقدیر شده در TEDMED Hive Honoree در سال ۲۰۱۸
🔗دریافت Paul and Daisy Soros Fellow در سال ۲۰۱۳

🖥لینک‌ ثبت‌نام

#HBC2025

✔️ دکتر Jonathan Gootenberg

🔗 استاد دانشگاه Harvard Medical School و محقق در Beth Deaconess Medical Center
از بنیان‌گذاران شرکت‌های بیوتکنولوژی Sherlock Biosciences و Tome Biosciences

⭐️ زمینه‌های پژوهشی:

🔗 تشخیص‌های CRISPR: توسعه ابزارهایی مانند SHERLOCK برای شناسایی دقیق نوکلئیک اسیدها.
🔗 ردیابی و ویرایش RNA: پیشبرد سیستم‌های CRISPR برای کاربردهای درمانی RNA.
🔗 مهندسی ژنتیک و درمان‌های مبتنی‌بر ژن: طراحی ابزارهای نوآورانه برای درمان‌های ژنتیکی و پزشکی دقیق.

⭐️ جوایز و افتخارات:

🔗 برگزیده لیست ۳۰ دانشمند برتر زیر ۳۰ سال در حوزه سلامت از سوی Forbes در سال ۲۰۱۷
🔗 انتخاب به‌عنوان نوآور منتخب TEDMED Hive در سال ۲۰۱۷
🔗 حضور در لیست ۳۰ فرد برتر زیر ۳۰ سال از سوی Business Insider در سال ۲۰۱۸
🔗 برگزیده لیست ۳۵ نوآور برتر زیر ۳۵ سال از سوی MIT Technology Review در سال ۲۰۲۱
🔗 یکی از ۲۰ متخصص برتر زیر ۴۰ سال توسط Endpoints در سال ۲۰۲۲
🔗 جایزه Hevolution/AFAR New Investigator Award در Aging Biology and Geroscience Research در سال ۲۰۲۳

لینک ثبت نام

#HBC2025

✔️ پروفسور Roderic Guigó i Serra

🔗 استاد بیوانفورماتیک در دانشگاه پومپئو فابرا و مدیر برنامه بیوانفورماتیک و ژنومیک در Centre for Genomic Regulation (CRG) بارسلونا، اسپانیا

⭐️ زمینه‌های پژوهشی:

🔗روش‌های Gene Prediction و Genome Annotatio: توسعه روش‌های محاسباتی برای شناسایی ژن‌ها و عناصر تنظیمی در توالی‌های ژنومی.
🔗تجزیه و تحلیل داده‌های RNA-Seq: بررسی فرآیندهای پردازش RNA و بیان ژن با استفاده از داده‌های توالی‌یابی نسل جدید.
🔗ژنومیک تطبیقی: مطالعه تکامل ژنوم‌ها و شناسایی سیگنال‌های انتخاب طبیعی در توالی‌های ژنتیکی.

⭐️ جوایز و افتخارات:

🔗 دریافت جایزه ملی تحقیقات در سال ۲۰۱۷، بالاترین تقدیر برای برتری پژوهشی در کاتالونیا.
🔗 انتخاب به‌عنوان یکی از پژوهشگران پراستناد در جهان توسط Clarivate Analytics در سال ۲۰۱۸.
🔗 نقش کلیدی در پروژه‌های بین‌المللی مانند ENCODE و GENCODE برای Functional Annotation ژنوم انسان.

لینک ثبت نام

#HBC2025

✔️ پرفسور Rafael A. Irizarry

🔗 استاد آمار زیستی در دانشکده بهداشت عمومی هاروارد T.H. Chan و انیستیتو سرطان دانا-فاربر.


⭐️زمینه‌ پژوهشی:

🔗توسعه روش‌های آماری برای تحلیل داده‌های ژنومی شامل Microarrays و تکنولوژی‌های نسل جدید توالی‌یابی.
🔗ابداع‌کننده روش Robust Multiarray Analysis (RMA) برای تحلیل داده‌های Microarray.
🔗پیشگام در توسعه ابزارهای بیوانفورماتیک با دسترسی آزاد از طریق پروژه Bioconductor.


⭐️ جوایز و افتخارات:

🔗 جایزه COPSS Presidents' 2009
🔗 جایزه Mortimer Spiegelman 2009
🔗 جایزه Benjamin Franklin 2017
🔗 عضویت افتخاری در ISCB 2020

🖥لینک ثبت‌نام

#HBC2025

✔️دکتر James Zou

🔗دانشیار علوم داده‌های زیست‌پزشکی، علوم کامپیوتر و مهندسی برق در دانشگاه استنفورد و مدیر گروه دانشکده AI4Health


⭐️ زمینه‌های پژوهشی:

🔗یادگیری ماشین و هوش مصنوعی: توسعه الگوریتم‌های یادگیری ماشین قابل‌‌اعتماد، سازگار با انسان و دارای دقت آماری، با تمرکز ویژه بر کاربردهای مرتبط با بیماری‌های انسانی و سلامت.
🔗ژنومیک و سلامت محاسباتی: استخراج بینش‌های مرتبط با بیماری از ژنومیک جمعیت و اپی‌ژنومیک.
🔗پردازش زبان طبیعی: کاربرد تکنیک‌های یادگیری ماشین در پردازش و تحلیل داده‌های متنی زیست‌پزشکی.


⭐️ جوایز و افتخارات:

🔗محقق Chan-Zuckerberg Biohub در سال‌های ۲۰۱۷ و ۲۰۲۳
🔗بورسیه تحقیقاتی Sloan در سال ۲۰۲۱
🔗جایزه NSF CAREER در سال ۲۰۲۰
🔗جایزه بهترین مقاله RECOMB در سال ۲۰۱۹
🔗جایزه Google Faculty در سال ۲۰۱۸
🔗جایزه هوش مصنوعی Tencent در سال ۲۰۱۸

🖥لینک ثبت‌نام

#HBC2025

✔️ دکتر Jingyi Jessica Li

🔗 استاد گروه آمار  و عضو هیئت علمی در گروه‌های آمار زیستی، پزشکی محاسباتی، ژنتیک انسانی و بیوانفورماتیک در دانشگاه کالیفرنیا، لس‌آنجلس.


⭐️ زمینه‌های پژوهشی:

🔗توسعه ابزارهای آماری پیشرفته برای تحلیل داده‌های RNA Sequencing و Single-Cell.
تخصص در تحلیل Differential Gene Expression و Cell-Type-Specific Regulation.
🔗دست‌یابی به بینش‌های زیستی از داده‌های Omics با ابعاد بالا.
🔗کاربردهای تحقیقاتی در درک بیماری‌های پیچیده و ارائه رویکردهای نوین برای تفسیر داده‌های زیست‌پزشکی.


⭐️ جوایز و افتخارات:

🔗 فلوشیپ تحقیقاتی Sloan در سال ۲۰۱۸
🔗 جایزه توسعه حرفه‌ای اساتید جوان NSF CAREER Award در سال ۲۰۱۹
🔗 جایزه دانشمندان زن WiSTEM2D شرکت جانسون‌ اند‌ جانسون در سال ۲۰۱۸
🔗 منتخب ۳۵ نوآور زیر ۳۵ سال از دید MIT Technology Review چین در سال ۲۰۲۰

🖥لینک ثبت‌نام

#HBC2025

✔️ دکتر Shila Ghazanfar

🔗 استادیار ارشد دانشکده ریاضیات و آمار دانشگاه سیدنی


⭐️ زمینه‌های پژوهشی:

🔗توسعه روش‌های آماری و محاسباتی برای Single-cell Genomics و Spatial Genomics.
🔗تخصص در درک ناهمگنی سلولی، بیان دینامیک ژن‌ها و Spatial Trannoscriptomics.
🔗توسعه ابزارهای برجسته‌ای مانند scHOT برای آزمایش‌های مرتبه بالاتر در بیان ژن و DCARS برای شناسایی همبستگی‌های تفاضلی در داده‌ها.


⭐️ جوایز و افتخارات:

🔗دریافت جایزه پژوهشگر جوان ARC DECRA در سال ۲۰۲۱
🔗برنده فلوشیپ بین‌المللی نیوتون از انجمن سلطنتی بریتانیا در سال ۲۰۱۹
🔗دریافت گرنت Chan Zuckerberg Initiative برای Spatial Trannoscriptomics در سال ۲۰۲۰

🖥لینک ثبت‌نام

#HBC2025

✔️ پرفسور Tim Hubbard

🔗 رئیس دپارتمان ژنتیک پزشکی و مولکولی در King’s College London و معاون مدیر Health Data Research UK
مدیر پروژه ELIXIR، زیرساخت داده‌های زیستی اروپا


⭐️ حوزه تحقیقاتی:

🔗مشارکت در پروژه‌های بزرگ بین‌المللی شامل Human Genome Project (نقشه‌برداری ژنوم انسان)، ENCODE (پروژه رمزگذاری عناصر کاربردی ژنوم) و GENCODE (پروژه شناسایی ژن‌ها و عناصر تنظیمی).
🔗پیشگام در معرفی و استفاده از تکنولوژی Whole Genome Sequencing (توالی‌یابی کل ژنوم) در سیستم سلامت ملی بریتانیا طی دهه گذشته.
🔗مدیریت ELIXIR، پروژه‌ای برای ایجاد زیرساخت‌های بیوانفورماتیک در سراسر اروپا و هماهنگی پروژه ۱ میلیون ژنوم در ۲۷ کشور اتحادیه اروپا.


⭐️ دستاوردها:

🔗 نقش کلیدی در توسعه Ensembl، مرورگری برای دسترسی به اطلاعات ژنوم.
🔗 همکاری اولیه در CASP (ارزیابی ساختارهای پیش‌بینی شده پروتئینی).
🔗 شناخته‌شده به‌عنوان مدیر یکپارچه‌سازی داده‌های ژنومی با سیستم‌های بهداشتی در اروپا.

🖥لینک ثبت‌نام

#HBC2025

✔️ دکتر Ali Sharifi Zarchi

🔗 عضو هیئت‌علمی هوش‌مصنوعی و بیوانفورماتیک، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف


⭐️ زمینه‌های پژوهشی:

🔗توسعه الگوریتم‌ها و روش‌های نوین در حوزه بیوانفورماتیک و هوش‌مصنوعی برای کاربردهای پزشکی و صنعتی
🔗تحلیل داده‌های زیستی پیشرفته و دستیابی به بینش‌های کلیدی از داده‌های مولکولی و ژنتیکی
🔗استفاده از هوش‌مصنوعی در بهبود فرآیندهای تشخیصی و درمانی

⭐️ سوابق علمی و صنعتی:
🔗ریاست کمیته علمی بین‌المللی المپیاد انفورماتیک (IOI)
🔗عضویت در کمیته علمی بین‌المللی المپیاد هوش‌ مصنوعی
🔗سرپرست آزمایشگاه بیوانفورماتیک در انستیتو رویان


⭐️ سوابق تحصیلی:

🔗پژوهشگر پسادکترا در Colorado State University
🔗پژوهشگر Max Planck Institute for Molecular Biomedicine
🔗دکترای بیوانفورماتیک از دانشگاه تهران
🔗کارشناسی ارشد و کارشناسی مهندسی کامپیوتر از دانشگاه صنعتی شریف

🖥لینک ثبت‌نام

#HBC2025

📣 همراهان محترم RSG-Iran

🔴 مهلت ثبت نام رویداد HBC 2025 تا ساعت ۲۴ امشب، ۲۳ بهمن (۱۱ فوریه) تمدید شد!

🖥 برای اطلاعات بیشتر و ثبت‌نام، اینجا کلیک کنید.

⏸ برای شرکت در رویداد،

عزیزانی که در رویداد ثبت‌نام نموده‌اند، می‌بایست از طرف سامانه محیط ایمیلی حاوی یوزرنیم و پسورد دریافت نموده باشند.

📣 سپس با مراجعه به این لینک:

https://mohit.online/event/gx9mtd/lobby

و با استفاده از آن یوزرنیم و پسورد، می‌توانند وارد کنفرانس شوند

استنتاج ارتولوژی چیست؟

📌استنتاج ارتولوژی برای فهم روابط تکاملی بین ژن‌ها در گونه‌های مختلف بسیار مهم است. ژن‌های ارتولوگ آن‌هایی هستند که از یک اجداد مشترک از طریق یک رویداد گونه‌زایی منشأ گرفته‌اند، و شناسایی این ژن‌ها به حاشیه‌نویسی عملکردی در میان گونه‌ها کمک می‌کند.

📎FastOMA:
ابزار قدرتمندی است که برای انجام استنباط ارثولوژی در مقیاس بزرگ طراحی شده است.

📎مقیاس پذیری:
ابزار FastOMA به چالش مقیاس‌پذیری در استنتاج ارتولوژی می‌پردازد. روش‌های قدیمی با مجموعه داده‌های بزرگ مقابله می‌کنند اما FastOMA می‌تواند هزاران ژنوم یوکاریوتی را در یک روز مدیریت کند. این امر از طریق ترکیبی از الگوریتم‌های کارآمد و محاسبات موازی به دست می‌آید.

📎 دقت و وضوح:
علیرغم سرعت، FastOMA دقت و وضوح بالایی را حفظ می‌کند، شبیه به رویکرد ماتریس ارتولوگ (OMA) به خوبی تثبیت شده است که اطمینان می‌دهد که ارتولوگ‌های استنباط شده قابل اعتماد هستند و می‌توانند برای تجزیه و تحلیل‌های مختلف پایین دست استفاده شوند.

📎 الگوریتم:
ابزار FastOMA بازنویسی کاملی از الگوریتم OMA است که از ابتدا بر مقیاس پذیری تمرکز دارد که از چندین تکنیک ابتکاری استفاده می‌کند:


🔤 خوشه‌بندی همسانی فوق سریع: با استفاده از k-mers، FastOMA توالی‌های همولوگ را به سرعت خوشه‌بندی می‌کند.

🔤نمونه‌گیری فرعی با هدایت تاکسونومی: این تکنیک به کاهش اندازه مجموعه داده‌ها بدون به خطر انداختن دقت استنتاج ارتولوژی کمک می‌کند.


🔤محاسبات موازی: FastOMA به‌طور موثر از محاسبات موازی برای پردازش سریع‌تر مجموعه داده‌های بزرگ استفاده می‌کند.

🔤 برنامه‌های کاربردی:
توانایی FastOMA برای شناسایی سیستماتیک ارتولوگ‌ها، چندین تحلیل پایین دستی را امکان پذیر می‌کند، از جمله:
🔣انتشار حاشیه نویسی
🔣 فیلوژنومیکس
🔣پروفایل فیلوژنتیکی

این برنامه‌ها برای درک روابط تکاملی و حاشیه نویسی‌های عملکردی در گونه‌های مختلف ضروری هستند.

🔤 در دسترس بودن
ابزار FastOMA در GitHub در دسترس است و برای محققان و توسعه دهندگان قابل دسترسی است. پژوهشگران می‌توانند از آن برای مطالعات ژنومی خود استفاده کنند و حتی به توسعه آن کمک کنند.


✔️ ابزار FastOMA با بهبود چشمگیر سرعت و مقیاس پذیری فرآیند بدون از بین بردن دقت، استنتاج ارثولوژی را متحول می‌سازد. این ابزار قدرتمندی برای مطالعات مقایسه‌ای ژنومیکس در مقیاس بزرگ است که به محققان این امکان را می‌دهد تا یافته‌های معناداری را از مجموعه داده‌های ژنومی گسترده به دست آورند.

🖼LinkedIn
🚀Telegram
🖼Instagram