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

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   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

     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

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

اصول Deep QSAR  در QSAR سنتی، از توصیف‌گرهای عددی مولکولی استفاده می‌شود که جدا از مرحله یادگیری مدل هستند.  در Deep QSAR، تعبیه‌های مولکولی (molecular embeddings) از داده‌های خام )مثل SMILES یا گراف شیمیایی( استخراج می‌شوند و همزمان با یادگیری مدل بهینه می‌شوند.  این روش می‌تواند وظایف بهینه‌سازی چندهدفه (multi-objective) را بهتر مدیریت کند و از انتقال دانش (transfer learning) بهره ببرد.   تولید مولکول‌های جدید (Generative Modelling)e Deep QSAR …

ادامه مطلب

 داروها علاوه بر مزایای فراوان در سلامت انسان و حیوانات، می‌توانند از طریق باقی‌مانده‌های دارویی وارد محیط زیست شوند و به اکوسیستم‌ها آسیب برسانند. آلودگی‌های دارویی پایدار در محیط زیست (EPPPs) می‌توانند اثرات مخربی بر موجودات غیرهدف و زیست‌بوم‌ها داشته باشند. برای مثال، باقی‌مانده‌های داروهای ضدبارداری می‌توانند باعث تغییر جنسیت ماهی‌ها و موجودات آبزی شوند و باقی‌مانده‌های داروهای روان‌پزشکی رفتار ماهی‌ها را تغییر دهند. همچنین، آلودگی آنتی‌بیوتیکی به مقاومت میکروبی …

ادامه مطلب

یکی از مشکلات اصلی در صنعت داروسازی، زمان‌بر بودن و هزینه‌ی بسیار بالای کشف و توسعه‌ی داروهای جدید است. طبق آمار، تولید یک دارو حدود ۱۰ تا ۱۵ سال طول می‌کشد و هزینه‌ی آن ممکن است به چند میلیارد دلار برسد. حتی با این همه هزینه و زمان، تقریباً ۹۰ درصد داروها در مراحل آزمایش‌های بالینی شکست می‌خورند. این شکست‌ها معمولاً به دلایلی مثل اثربخشی پایین دارو، ویژگی‌های نامطلوب فارماکوکینتیکی …

ادامه مطلب

این مطالعه یک سیستم هوش مصنوعی پیشرفته را برای تشخیص و ارزیابی بیماری آلزایمر (AD) از طریق ضبط صدای بیماران ارائه می‌دهد. روش‌های سنتی تشخیص آلزایمر، مانند تصویربرداری از مغز، آزمایش‌های شناختی و بررسی‌های آزمایشگاهی، معمولاً هزینه‌بر، تهاجمی و به سختی در دسترس هستند. سیستم هوش مصنوعی پیشنهادی، یک روش غیرتهاجمی، کم‌هزینه و کارآمد را ارائه می‌دهد که می‌تواند برای تشخیص زودهنگام و کنترل مداوم آلزایمر مورد استفاده قرار گیرد. …

ادامه مطلب

     این دیتابیس یک منبع گسترده و جامع در حوزه لیپیدها است که برای دسترسی به اطلاعات ساختاری، بیوشیمیایی و متابولیکی طیف وسیعی از ترکیبات لیپیدی طراحی شده است و تحت نظر چندین مرکز تحقیقاتی برجسته، از جمله دانشگاه کالیفرنیا سن‌دیگو (UCSD) مدیریت می‌شود.      اهداف و خصوصیات این دیتابیس:      Lipid Classification:     - شامل بیش از 40,000 مولکول لیپیدی با طبقه‌بندی دقیق براساس سیستم استاندارد LIPID MAPS  …

ادامه مطلب