طراحی دارو با کمک زیست محاسباتی و هوش مصنوعی

طراحی دارو دیگر محدود به آزمون و خطاهای سنتی نیست.   امروزه با پیشرفت زیست‌محاسباتی و هوش مصنوعی، مسیرهای نوینی برای کشف و توسعه داروها ایجاد شده‌اند.   در این مقاله مروری، بررسی می‌کنیم که چگونه ابزارهای پیشرفته‌ای مثل:    شبیه‌سازی دینامیک مولکولی روش‌های مکانیک کوانتومی   در درک مکانیسم بیماری، شناسایی نقاط اتصال دارویی و بهینه‌سازی ترکیبات مؤثر به کار می‌روند.   همچنین نگاهی داریم به روش‌های کلاسیک CADD (طراحی دارو به کمک …
ادامه مطلب

آموزش کار با آلفافولد

آموزش کار با آلفافولد
امروزه مدلسازی و پیش بینی ساختار پروتئین ها یکی از مهمترین بخش های تحقیقات زیست شناسی و پزشکی مدرن شده.   ابزارهای مختلفی روز به روز دراین زمینه معرفی میشه. یکی از معروف ترین و پرکاربردترین ابزارها AlphaFold هست.   با این که همه ی نسخه های آلفافولد به صورت رایگان عرضه شده، اما اجرای این مدل ها نیاز به سرور و سخت افزار قوی داره.   اما نگران نباش! …
ادامه مطلب

گام سوم از مسیر آموزش‌های In Silico با محوریت هوش مصنوعی

پس از برگزاری موفق دو کارگاه مقدماتی در حوزه‌های ریاضیات کاربردی و برنامه‌نویسی پایتون، اکنون در آستانه ورود به مرحله‌ای کلیدی و تخصصی قرار داریم:   کارگاه سوم: آشنایی کاربردی با مفاهیم هوش مصنوعی در زیست‌شناسی محاسباتی   در این بخش از دوره، شرکت‌کنندگان با مبانی نظری و کاربردی یادگیری ماشین و هوش مصنوعی آشنا خواهند شد و خواهند آموخت چگونه از این ابزارها در تحلیل داده‌های زیستی، مدل‌سازی و …
ادامه مطلب

شکار هوشمندانه داروی سرطان پروستات با کمک هوش مصنوعی و گیاهان دارویی!

     سرطان پروستات یکی از شایع‌ترین انواع سرطان در مردان است. پژوهشی تازه و جذاب منتشرشده در Scientific Reports نشان داده است که می‌توان با استفاده از هوش مصنوعی، شبیه‌سازی دینامیک مولکولی و ترکیبات گیاهی، داروهای جدیدی برای درمان این سرطان پیدا کرد.    در این مطالعه، پژوهشگران ابتدا بیش از ۹۰۰۰ ترکیب گیاهی را بررسی کردند تا ببینند کدام‌ها می‌توانند آنزیم کلیدی مرتبط با سرطان پروستات به نام PARP1 را مهار کنند.    مراحل …
ادامه مطلب

 رازهای لقاح در آینه شبیه‌سازی‌ دینامیک مولکولی

 رازهای لقاح در آینه شبیه‌سازی‌ دینامیک مولکولی
     سفری هیجان‌انگیز به دنیای JUNO و IZUMO1    آیا می‌دانستید لقاح اسپرم و تخمک، حاصل ارتباط هماهنگ میان دو پروتئین کلیدی است؟   با کمک شبیه‌سازی‌های دینامیک مولکولی، پرده از رازهای تعامل بین JUNO (در تخمک) و IZUMO1 (در اسپرم) برداشته شده است      این یافته‌ها می‌توانند در توسعه روش‌های درمان ناباروری نقش کلیدی ایفا کنند.   دنیای زیست‌محاسباتی، هر روز ما را یک گام به رمزگشایی از پیچیده‌ترین پدیده‌های زیستی نزدیک‌تر می‌کند.   …
ادامه مطلب

یادگیری ماشین در خدمت زیست‌شناسی: ابزار یا تحول؟

یادگیری ماشین در خدمت زیست‌شناسی: ابزار یا تحول؟
امروزه یادگیری ماشین (Machine Learning)  صرفاً یک روند نوظهور در علوم کامپیوتر نیست، بلکه به یکی از ارکان اصلی تحلیل داده در علوم زیستی تبدیل شده است—به‌ویژه در عصر انفجار داده‌های اُمیکی (Omics)  از تحلیل داده تا کشف الگوهای پنهان روش‌های یادگیری ماشین به پژوهشگران این امکان را می‌دهند که از دل داده‌های پیچیده و حجیم، الگوهایی استخراج کنند که با روش‌های سنتی آماری قابل شناسایی نیستند یا نیاز به زمان …
ادامه مطلب

یادگیری ماشین برای بازکاربردیابی دارو: پیشرفت‌ها و چالش‌های اخیر

یادگیری ماشین برای بازکاربردیابی دارو: پیشرفت‌ها و چالش‌های اخیر
یادگیری ماشین برای بازکاربردیابی دارو: پیشرفت‌ها و چالش‌های اخیر   از آنجایی که دانش رو به رشد درباره بیماری‌های انسانی نسبت به درمان‌ها کندتر از حد انتظار بوده است، استفاده از تکنیک‌های یادگیری ماشین برای تغییر موقعیت دارو جذاب شده است. درک موثر و جامع از وضعیت فعلی تغییر موقعیت دارو می‌تواند به محققان کمک کند تا الگوریتم‌های کارآمدتر و دقیق‌تری را بررسی کنند و نیز آن هارا در مسیر …
ادامه مطلب

هفته‌نامه BioData  کاوش در پایگاه‌های زیستی با آزمایشگاه رایازیست‌آزما: ‌Uniprot

هفته‌نامه BioData  کاوش در پایگاه‌های زیستی با آزمایشگاه رایازیست‌آزما: ‌Uniprot
     وقتی یک پروتئین افسارِ سرطان را پاره می‌کند...    سرطان سینه، یکی از شایع‌ترین تومورهای بدخیم در میان زنان، گاهی‌اوقات با یک بازیگر کلیدی وارد فاز تهاجمی‌تری می‌شود: پروتئین HER2.    در حدود ۲۰٪ از موارد، ژنی به نام ERBB2 بیش‌ازحد فعال می‌شود (overexpression) و پروتئین HER2 در غشای سلولی تجمع پیدا می‌کند. این تجمع، باعث فعال‌ شدن بی‌رویه‌ی مسیرهای سیگنالینگ می‌شود و رشد و تکثیر سلول‌ها از …
ادامه مطلب

مروری بر ML و پیش بینی های QSAR/QSPR

مروری بر ML و پیش بینی های QSAR/QSPR
این مقاله به بررسی و تحلیل کاربردهای یادگیری ماشین (Machine Learning) و مدل‌سازی QSAR/QSPR (Quantitative Structure-Activity/Property Relationship) در پیش‌بینی تعاملات بین مولکول‌های آلی و سیکلودکسترین‌ها می‌پردازد. ادغام یادگیری ماشین با QSAR/QSPR می‌تواند به توسعه داروهای جدید و بهینه‌سازی فرایندهای صنعتی کمک کند و امید است با پیشرفت‌های مداوم در تکنیک‌های یادگیری عمیق و افزایش دسترسی به داده‌ها، انتظار می‌رود که این حوزه رشد بیشتری داشته باشد.    سیکلودکسترین‌ها: ترکیبات حلقوی …
ادامه مطلب

جستجو در مقالات

سبد خرید