اخبار پزشکی فارمامدیکال
前往频道在 Telegram
مدیران کانال تیم بزرگی از به روز ترین پزشکان متخصص و فوق تخصص رشته های مختلف هستندومطالب تهیه شده توسط آنها تماما براساس منابع معتبر میباشد
显示更多
网络:4 765
订阅者
-124 小时
-87 天
-730 天
数据加载中...
吸引订阅者
八月 '26
八月 '26
+28
在0个频道中
七月 '26
+32
在3个频道中
Get PRO
六月 '26
+39
在3个频道中
Get PRO
五月 '26
+21
在4个频道中
Get PRO
四月 '26
+3
在0个频道中
Get PRO
三月 '26
+3
在0个频道中
Get PRO
二月 '26
+32
在3个频道中
Get PRO
一月 '26
+12
在4个频道中
Get PRO
十二月 '25
+43
在1个频道中
Get PRO
十一月 '25
+67
在6个频道中
Get PRO
十月 '25
+41
在1个频道中
Get PRO
九月 '25
+47
在2个频道中
Get PRO
八月 '25
+32
在3个频道中
Get PRO
七月 '25
+42
在2个频道中
Get PRO
六月 '25
+69
在7个频道中
Get PRO
五月 '25
+43
在5个频道中
Get PRO
四月 '25
+73
在4个频道中
Get PRO
三月 '25
+31
在4个频道中
Get PRO
二月 '25
+44
在15个频道中
Get PRO
一月 '25
+67
在6个频道中
Get PRO
十二月 '24
+58
在3个频道中
Get PRO
十一月 '24
+45
在3个频道中
Get PRO
十月 '24
+53
在3个频道中
Get PRO
九月 '24
+25
在1个频道中
Get PRO
八月 '24
+39
在3个频道中
Get PRO
七月 '24
+63
在1个频道中
Get PRO
六月 '24
+35
在2个频道中
Get PRO
五月 '24
+55
在3个频道中
Get PRO
四月 '24
+51
在1个频道中
Get PRO
三月 '24
+58
在3个频道中
Get PRO
二月 '24
+59
在3个频道中
Get PRO
一月 '24
+75
在4个频道中
Get PRO
十二月 '23
+58
在4个频道中
Get PRO
十一月 '23
+44
在3个频道中
Get PRO
十月 '23
+79
在4个频道中
Get PRO
九月 '23
+56
在0个频道中
Get PRO
八月 '23
+65
在0个频道中
Get PRO
七月 '23
+73
在0个频道中
Get PRO
六月 '23
+73
在0个频道中
Get PRO
五月 '23
+80
在0个频道中
Get PRO
四月 '23
+125
在0个频道中
Get PRO
三月 '23
+86
在0个频道中
Get PRO
二月 '23
+44
在0个频道中
Get PRO
一月 '23
+49
在0个频道中
Get PRO
十二月 '22
+115
在0个频道中
Get PRO
十一月 '22
+136
在0个频道中
Get PRO
十月 '22
+242
在0个频道中
Get PRO
九月 '22
+40
在0个频道中
Get PRO
八月 '22
+28
在0个频道中
Get PRO
七月 '22
+64
在0个频道中
Get PRO
六月 '22
+5
在0个频道中
Get PRO
五月 '22
+1 670
在0个频道中
Get PRO
四月 '22
+81
在0个频道中
Get PRO
三月 '22
+67
在0个频道中
Get PRO
二月 '22
+47
在0个频道中
Get PRO
一月 '22
+37
在0个频道中
Get PRO
十二月 '21
+36
在0个频道中
Get PRO
十一月 '21
+20
在0个频道中
Get PRO
十月 '21
+57
在0个频道中
Get PRO
九月 '21
+115
在0个频道中
Get PRO
八月 '21
+574
在0个频道中
Get PRO
七月 '21
+117
在0个频道中
Get PRO
六月 '21
+76
在0个频道中
Get PRO
五月 '21
+218
在0个频道中
Get PRO
四月 '21
+668
在0个频道中
Get PRO
三月 '21
+94
在0个频道中
Get PRO
二月 '21
+90
在0个频道中
Get PRO
一月 '21
+152
在0个频道中
Get PRO
十二月 '20
+5 049
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 30 八月 | +2 | |||
| 29 八月 | 0 | |||
| 28 八月 | 0 | |||
| 27 八月 | 0 | |||
| 26 八月 | +4 | |||
| 25 八月 | 0 | |||
| 24 八月 | +1 | |||
| 23 八月 | 0 | |||
| 22 八月 | +1 | |||
| 21 八月 | +2 | |||
| 20 八月 | +1 | |||
| 19 八月 | +1 | |||
| 18 八月 | +2 | |||
| 17 八月 | 0 | |||
| 16 八月 | 0 | |||
| 15 八月 | 0 | |||
| 14 八月 | +1 | |||
| 13 八月 | +2 | |||
| 12 八月 | 0 | |||
| 11 八月 | +1 | |||
| 10 八月 | +3 | |||
| 09 八月 | +1 | |||
| 08 八月 | 0 | |||
| 07 八月 | 0 | |||
| 06 八月 | +1 | |||
| 05 八月 | 0 | |||
| 04 八月 | +2 | |||
| 03 八月 | 0 | |||
| 02 八月 | 0 | |||
| 01 八月 | +3 |
频道帖子
Repost from " فارمامدیکال 📞 pharmamedicall@ "
🎓هر روز یادگیری صفر تا صد یک مبحث حیاتی
برای آمادگی آزمونهای رزیدنتی و پرهانترنی در کانال مدوفست در قالب:
📍مایندمپهای خلاصه و کوییزهای آموزشی
📍سوالات منتخب آزمونهای کشوری همراه با پاسخنامه تشریحی
📍آزمونهای رایگان شبیهساز جامع برای تمام دروس
📍آزمونکها و تستهای تألیفی اختصاصی مدوفست
➕لینک کانال بالینی مدوفست:
http://t.me/medofast_balini
| 2 |  این پزشک توضیح داد که چگونه ورزش به کریمهایهایی که در آخرین مرحله سرطان هستند کمک میکند تا عمر خود را طولانیتر کنند.
ولادیمیر مشچاریاکوف، پزشک ارشد مرکز بهداشت عمومی و پیشگیری پزشکی جمهوری قزاقستان، گفت که طبق نتایج تحقیقات دانشمندان استرالیایی، فعالیتهای ورزشی به طولانیتر شدن عمر افراد مبتلا به سرطان مرحله چهار کمک میکند.
او خاطرنشان کرد که یک برنامه ورزشی ویژه تدوین و آزمایش شده است. طبق نتایج این آزمایش، بیمارانی که ورزش میکردند، بیشتر از کسانی که ورزش نمیکردند، عمر میکردند.
مشچاریاکوف گفت: "برای چنین دستهای از افراد، زندگی طولانیتر، حتی برای چند روز، هفته، ماه، بسیار مهم است. به همین دلیل است که میگوییم فعالیت بدنی برای همه مفید است."
@pharmamedicalll
@pharmamedicalll | 97 |
| 3 | 👈 مناسب آزمون های بین المللی
📫 برای دریافت سرفصل کامل، اطلاعات دوره و نحوه ثبتنام، به ایدی زیر پیام بدید.
@Easyusmleadmincenter | 49 |
| 4 | طبقهبندی استاندارد سرطان سینه ممکن است تفاوتهای مهم را نادیده بگیرد
مطالعهای از موسسه کارولینسکا نشان میدهد که طبقهبندی سرطان سینه صرفاً به عنوان گیرنده استروژن مثبت (ER مثبت) یا منفی، تفاوتهای بیولوژیکی حیاتی را نادیده میگیرد. محققان با تجزیه و تحلیل دادههای بیش از ۷۵۰۰۰ زن سوئدی دریافتند که بیان ER باید به عنوان یک طیف به جای یک وضعیت دوتایی در نظر گرفته شود.
یافتههای کلیدی منتشر شده در The Lancet Regional Health – Europe عبارتند از:
• بیمارانی که بیان ER بالایی دارند (بیش از ۶۰٪) نسبت به بیمارانی که سطح ER آنها کم تا متوسط (۰ تا ۵۹٪) است، حتی پس از تعدیل سایر عوامل، میزان بقای بهتری داشتند.
• تومورهایی با بیان ER 10 تا ۲۹٪ از نظر بیولوژیکی مشابه تومورهای ER منفی بودند و آستانه ۱۰٪ فعلی مورد استفاده در سوئد را به چالش میکشند.
• سطوح ER کم تا متوسط ممکن است نشاندهنده مزیت شیمیدرمانی ترکیبی و هورموندرمانی باشد، که نشان میدهد درصد دقیق ER میتواند تصمیمات درمانی را هدایت کند.
@pharmamedicalll
@pharmamedicalll | 178 |
| 5 | انجمن قلب آمریکا:مصرف طولانی مدت ملاتونین با ۹۰٪ افزایش خطر نارسایی قلبی مرتبط است
مصرف طولانی مدت ملاتونین با افزایش قابل توجه خطر نارسایی قلبی مرتبط بود و فرضیات مبنی بر بیضرر بودن این کمک خواب محبوب را به چالش کشید.
خلاصه:
طبق یک مطالعه مقدماتی بزرگ، افرادی که مبتلا به بیخوابی مزمن بودند و در درازمدت از ملاتونین استفاده میکردند، تقریباً ۹۰٪ بیشتر در معرض خطر ابتلا به نارسایی قلبی در طول پنج سال بودند. این یافتهها ثابت نمیکند که ملاتونین باعث مشکلات قلبی میشود، اما سوالات جدیدی را در مورد ایمنی مصرف این مکمل خواب محبوب برای مدت طولانی مطرح میکند.
طبق تحقیقات مقدماتی ارائه شده در جلسات علمی انجمن قلب آمریکا در سال ۲۰۲۵، استفاده طولانی مدت از ملاتونین، یک مکمل خواب پرکاربرد، با خطر بالاتر نارسایی قلبی، بستری شدن در بیمارستان به دلیل نارسایی قلبی و مرگ به هر دلیلی در بین افراد مبتلا به بیخوابی مزمن مرتبط بود.
@pharmamedicalll
@pharmamedicalll | 232 |
| 6 | ⚠️ هوش مصنوعی میتواند دیابت و فشار خون بالا را از روی چهره شما تشخیص دهد
مراقبتهای بهداشتی به طور جدی آیندهنگرانه میشوند. محققان در توکیو یک سیستم هوش مصنوعی توسعه دادهاند که میتواند علائم فشار خون بالا و دیابت را تنها با چند ثانیه فیلمبرداری از صورت تشخیص دهد.
این سیستم تغییرات کوچک در جریان خون صورت، الگوهای موج نبض و رنگ پوست را که برای چشم انسان نامرئی هستند، تجزیه و تحلیل میکند.
نتایج شگفتانگیز است:
🩺 فشار خون بالا: 95٪ دقت از 30 ثانیه ضبط
⏰ فقط 5 ثانیه: 90.3٪ دقت
🩸 دیابت: 88.2٪ دقت از 30 ثانیه
⏰ فقط 5 ثانیه: 81.2٪ دقت
محققان همچنین آزمایش کردند که آیا هوش مصنوعی میتواند فشار خون را بدون کاف، با میانگین خطای -2.6 میلیمتر جیوه، تخمین بزند یا خیر.
هنوز آماده جایگزینی آزمایش خون یا کافهای فشار خون نیست، اما ایده بزرگی است: روزی، یک دوربین ساده میتواند علائم هشدار دهنده بیماری را قبل از اینکه حتی متوجه شوید مشکلی وجود دارد، تشخیص دهد.
@pharmamedicalll
@pharmamedicalll | 174 |
| 7 | 👈 برای اولین بار فایل های جدای دوره کیلینیکال
📫 برای دریافت سرفصل کامل، اطلاعات دوره و نحوه ثبتنام، به ایدی زیر پیام بدید.
@Easyusmleadmincenter | 104 |
| 8 |  20% تخفیف ویژه مناسبت روز پزشک
دیگه لازم نیست برای هر مبحث
دنبال منبع و مدرس جدا بگردی!
👨⚕️ برای اولین بار دوره های زیر رو میتونید به صورت مستقل داشته باشید
با تدریس دکتر صالحی | مدرس آزمونهای بینالمللی پزشکی
📚 سرفصلهای تدریس:
🔹 داخلی
• کاردیولوژی ❤️
• روماتولوژی
• نفرولوژی
• نورولوژی 🧠
• هماتولوژی
• غدد
• ریه
• گوارش
🔹 طب اورژانس 🚑
🔹 جراحی 🩺
🔹 روانپزشکی
🔹 ارتوپدی
🔹 زنان و زایمان
🔹 اخلاق پزشکی
🔹 آمار حیاتی
🔹 اطفال 👶
🔹 پوست
✨ ویژگی دوره:
✅ دوره افلاین
✅ امکان تهیه هر مبحث بهصورت مستقل
✅ تمرکز بر مباحث موردنیاز
📩 برای دریافت سرفصل کامل، اطلاعات دوره و نحوه ثبتنام، به ایدی زیر پیام بدید.
@Easyusmleadmincenter
مطالب پزشکی رو فقط حفظ نکن؛ برای آزمون، هدفمند یاد بگیر. 🎯 | 117 |
| 9 |  رابرت کندی جونیور همچنین بیان کرده است که کودکان با نرخ نگرانکنندهای به سرطان روده بزرگ مبتلا میشوند و این ممکن است با آفتکشهای موجود در مواد غذایی مرتبط باشد.
"نه تنها غذاهای فوق فرآوری شده، بلکه آفتکشها! شما بالاترین نرخها را در ایالتهای کشاورزی میبینید."
"ما در حال بررسی علت و معلول هستیم.
این تحقیقی است که باید 10 تا 20 سال پیش توسط NIH انجام میشد! به وضوح با تغییرات محیطی مرتبط است."
"این موضوع در کودکان نسلهای قبلی ناشناخته بود!"
"ما اکنون آن را زیاد میبینیم."
"ما در حال تدوین توصیههای غربالگری بسیار سختگیرانه برای جوانان مبتلا به سرطان روده بزرگ هستیم."
@pharmamedicalll
@pharmamedicalll | 174 |
| 10 |  همین الان: رابرت اف. کندی جونیور میگوید میخواهد تبلیغات بزرگ دارویی را در تلویزیون ممنوع کند
رابرت اف. کندی جونیور، وزیر بهداشت و خدمات انسانی، میگوید میخواهد تبلیغات دارویی مستقیم به مصرفکننده را در تلویزیون ممنوع کند، اما ادعا میکند که حکم دیوان عالی مانع از ممنوعیت کامل میشود. کندی میگوید در عوض، مقررات جدید شرکتهای داروسازی را ملزم به افشای عوارض جانبی بیشتری میکند که باعث طولانیتر و گرانتر شدن تبلیغات میشود. کندی گفت: «ما مقررات را تغییر دادهایم تا آنها صادقانهتر باشند.»
@pharmamedicalll
@pharmamedicalll | 173 |
| 11 | هرکسی که برای رزیدنتی میخواد یه روزی آزمون بده
براش واجبه تو این وبینار رایگان که قراره
۱۰۰ تا رتبه خفن دستیاری توش از تجربه هاشون حرف بزنن
شرکت کنه 👇
https://openmed.ir/product/7khan4/
❌فقط تا فردا مهلت ثبت نامش رایگانه 👆 | 48 |
| 12 | ‼️داوطلبین دستیاری ۴۰۶ و ۴۰۷ ‼️
📡برای ثبت نام تا رایگانه روی لینک زیر کلیک کنید👇
(فیلترشکن خودتون رو خاموش کنید)
👉 https://openmed.ir/product/7khan4/
@Dr_Keivani | 51 |
| 13 | سازمان غذا و داروی آمریکا (FDA) اولین داروی از این نوع را برای پلیسیتمی ورا، یک اختلال خونی نادر، تأیید کرد.
@pharmamedicalll
@pharmamedicalll | 250 |
| 14 |  مجموعه وبینار بزرگ هفت خان ۴
گفتگوی تخصصی با ۱۲۰ نفر از رتبه برتر تک رقمی ، دو رقمی و سه رقمی آزمون دستیاری ۱۴۰۵
⏳از شنبه ۱۰ شهریور هر شب ساعت ۸
‼️ اگر داوطلب آزمون دستیاری و پره انترنی هستید شرکت در بزرگترین وبینار سال ایران برای شما واجب است .
برای ثبت نام روی لینک زیر کلیک کنید👇
(فیلترشکن خودتون رو خاموش کنید)
👉 https://openmed.ir/product/7khan4/
@Dr_Keivani | 104 |
| 15 | از سوی دیگر، نشانههای روشنی از قابلیتهای نوظهور را نشان میدهد، تواناییهایی که وقتی یک مدل از آستانه خاصی از مقیاس و پیچیدگی فراتر میرود و نه توسط برنامهنویسان آن طراحی و نه پیشبینی شده است، پدیدار میشوند: این مدل قوانین زیستشناسی مولکولی را بدون اینکه به آنها آموزش داده شود، به تنهایی کشف کرد؛ راهحلهایی را ایجاد کرد که انسانها قادر به طراحی منطقی آنها نبودند؛ و یک کوکتل فاژ تولید کرد که بر مقاومت باکتریایی غلبه کرد، جایی که فاژهای طبیعی شکست خوردند. اوو جایی در این بین قرار میگیرد: او یک طوطی صرف نیست زیرا درک عمیقی (هرچند مبهم) از قوانین سیستم را نشان میدهد، اما به معنای انسانی کلمه "خالق" نیز نیست زیرا نوآوریهای آن نسخههایی از مضامین موجود هستند. بلکه، او یک کاوشگر فوقالعاده کارآمد در فضایی از امکانات است که قادر به یافتن مسیرهایی است که تکامل و انسانها هنوز کشف نکردهاند.
اگر یک مدل قوانین زیستشناسی را به تنهایی بیاموزد، به شریکی ارزشمند برای تحقیقات علمی تبدیل میشود. میتوانیم آن را بررسی کنیم تا قوانینی را که هنوز نمیدانیم کشف کنیم، آنزیمهایی را تولید کنیم که در طبیعت وجود ندارند و قادر به تجزیه پلاستیک در اقیانوسها هستند، باکتریوفاژهای سفارشی را برای مبارزه با عفونتهای مقاوم به آنتیبیوتیک بدون نیاز به بررسی نمونههای محیطی برای سالها طراحی کنیم، مدارهای متابولیک مصنوعی را تصور کنیم که ضایعات کشاورزی را به دارو یا سوختهای زیستی تبدیل میکنند و با طراحی ذرات ویروسی مصنوعی که سیستم ایمنی را بدون هیچ گونه خطر عفونت آموزش میدهند، کشف واکسنهای جدید را تسریع کنیم. Evo به نوعی «میکروسکوپ محاسباتی» تبدیل میشود که به ما امکان میدهد فضای توالیهای ممکن را که بسیار بزرگتر از تعداد اتمهای جهان قابل مشاهده هستند، بدون نیاز به سنتز و آزمایش هر نوع در آزمایشگاه، بررسی کنیم و اکتشافاتی را که دههها طول میکشید، به ماهها فشرده کنیم. اما روی دیگر سکه هم وجود دارد: همین توانایی مهندسی ژنومهای ویروسی کاربردی میتواند برای ایجاد ویروسهای بیماریزای خطرناکتر، تقویت عوامل عفونی موجود و طراحی سلاحهای بیولوژیکی بدون نیاز به دسترسی به یک آزمایشگاه ویروسشناسی با امنیت بالا استفاده شود. مانع ورود از بین رفته است: تا دیروز، مهارتهای تخصصی، تجهیزات گرانقیمت و سالها کار مورد نیاز بود. امروزه، با یک مدل به اندازه کافی آموزشدیده و یک سرویس سنتز DNA تجاری (که به صورت آنلاین در دسترس است، هرچند هنوز تا حد زیادی به طور ناکافی کنترل میشود)، هر کسی که میداند چگونه از هوش مصنوعی سوالات درست بپرسد، میتواند یک ویروس خطرناک طراحی کند. یک سابقه نگرانکننده در سال ۲۰۲۲ پدیدار شده بود، زمانی که گروهی از محققان در Nature Machine Intelligence نشان دادند که یک هوش مصنوعی که برای طراحی داروها آموزش دیده است، میتواند به راحتی با تغییر معیارهای بهینهسازی، برای تولید مولکولهای بسیار سمی، از جمله عوامل عصبی، تغییر کاربری دهد. با انتشار این مطالعه در مجله ساینس، یک جهش کوانتومی رخ داده است: ما دیگر در مورد مولکولهای خطرناکی که توسط کامپیوتر طراحی شدهاند صحبت نمیکنیم، بلکه کل ژنومهای ویروسی سنتز شده و آماده آلوده کردن یک سلول هستند. همانطور که خود نویسندگان تأکید میکنند، تولید ژنومهای جدید فاژ با سیستمهای هوش مصنوعی، مسائل ایمنی زیستی، مهار زیستی و امنیت زیستی قابل توجهی را ایجاد میکند و آنها توصیه میکنند که گروههایی که در کارهای طراحی ژنوم آینده مشارکت دارند، در طول چرخه عمر پروژه با متخصصان ایمنی همکاری کنند.
https://www.scienzainrete.it/articolo/genomi-su-misura-con-lia-nuova-frontiera-della-biologia-sintetica/francesco-branda/2026-08
@pharmamedicalll
@pharmamedicalll | 243 |
| 16 | محققان یک سیستم فیلتر سه لایه ایجاد کردند: یک بررسی کنترل کیفیت اولیه برای طول صحیح، محتوای GC مناسب و عدم وجود توالیهای مشکلساز؛ یک فیلتر تروپیسم، یعنی توانایی آلوده کردن باکتری هدف، که از طریق وجود پروتئینهای اتصال مشابه پروتئینهای ΦX174 تأیید میشود؛ و یک فیلتر تنوع که ژنومهایی را انتخاب میکند که به اندازه کافی از نمونههای طبیعی فاصله دارند، با معماریهای ژنتیکی جدید و توالیهای پروتئینی واگرا. از هزاران ژنوم تولید شده، ۳۰۲ مورد برای سنتز شیمیایی انتخاب شدند، ۲۸۵ مورد در آزمایشگاه مونتاژ شدند و ۱۶ مورد عملکردی بودند: ویروسهای زنده که قادر به آلوده کردن و کشتن باکتریها هستند. میزان موفقیت، بین ۵ تا ۷ درصد، ممکن است کوچک به نظر برسد، اما وقتی در نظر بگیرید که شامل طراحی یک ژنوم کامل با صدها جهش در مقایسه با ژنومهای طبیعی است، فوقالعاده است، در حالی که میزان بقای مورد انتظار برای جهشهای تصادفی نزدیک به صفر بوده است. ۱۶ ویروس تولید شده کپیهای سادهای از ΦX174 نیستند، بلکه دارای ترکیبات ژنتیکی قبلاً دیده نشدهای هستند که ژنهای آنها بازآرایی، تعویض یا حذف شدهاند. یک مثال بارز Evo-Φ36 است که در آن، اصلاحی که در آزمایشهای قبلی کشنده بودن آن ثابت شده بود، به لطف مجموعهای از جهشهای جبرانی که به طور خودکار شناسایی شدهاند، توسط مدل امکانپذیر شد. ویروسهای مصنوعی رفتارهای بسیار متنوعی از خود نشان میدهند: برخی باکتریها را به سرعت میکشند، برخی دیگر کندتر، و رقابتیترین آنها اصلاً شبیهترین ویروسها به ویروسهای طبیعی نیستند. وقتی محققان ویروسها را در برابر سویههای باکتریایی مقاوم آزمایش کردند، ترکیب تولید شده توسط هوش مصنوعی تنها پس از یک یا دو پاساژ غالب شد، در حالی که فاژ طبیعی و خویشاوندان نزدیک آن پس از پنج پاساژ شکست خوردند. تنوع مهندسی شده توسط هوش مصنوعی، ماده خام لازم برای سازگاری سریع را فراهم کرد: تنها چند نوترکیبی برای تولید ویروسهایی که قادر به غلبه بر مقاومت بودند، کافی بود و پیامدهای عمیقی برای فاژدرمانی داشت.
یکی از جذابترین و بحثبرانگیزترین سوالات مطرح شده توسط این مطالعه، مربوط به اصالت واقعی ژنومهای تولید شده است. اگر دادههای منتشر شده را بررسی کنیم، یک پارادوکس آشکار را کشف میکنیم: ۱۶ فاژ عملکردی، شباهت توالی با نزدیکترین ژنوم طبیعی از ۹۳.۲٪ تا ۹۸.۸٪ را نشان میدهند و همبستگی مثبتی بین زنده ماندن فاژها و شباهت آنها با ژنوم طبیعی وجود دارد. به نظر میرسد این دادهها نشان میدهد که مدل به سادگی الگوهای موجود را نوترکیب کرده است، اما واقعیت پیچیدهتر است. اصالت نباید صرفاً از نظر درصد شباهت سنجیده شود: ژنومهای تولید شده، بازآراییهای ژنی، جهشهای جدید و معماریهای واگرا را در ترکیباتی نشان میدهند که هرگز در طبیعت مشاهده نشدهاند. سیزده مورد از شانزده ژنوم فعال حاوی جهشهایی بودند که در هیچ توالی طبیعی شناختهشدهای وجود نداشتند؛ در Evo-Φ36، مدل، یک پروتئین بستهبندی DNA را از یک فاژ از نظر تکاملی دور، راهحلی که محققان با مهندسی منطقی بهطور ناموفقی امتحان کرده بودند، ترکیب کرد؛ و ویروسهای تولید شده رفتارهای فنوتیپی بسیار متنوعی را نشان میدهند که برخی از آنها در ویروسهای طبیعی وجود ندارند. پارادوکس کاهش زیستپذیری با دور شدن از ژنومهای طبیعی، نه تنها این فرضیه را که مدل، قوانین کلی بیولوژیکی را درونی کرده است، رد نمیکند، بلکه بهطور متناقضی آن را تأیید میکند: مدل آموخته است که ژنوم یک سیستم بسیار محدود است، جایی که یک نوکلئوتید نادرست میتواند کل ویروس را غیرقابل زیست کند و بنابراین توالیهایی تولید میکند که نزدیک به توالیهای طبیعی باقی میمانند، نه به دلیل فقدان خلاقیت، بلکه به این دلیل که فضای «از نظر بیولوژیکی ممکن» بسیار محدود است. آنچه این نتیجه را خارقالعاده میکند، تولید ژنومهای کاملاً متفاوت نیست، بلکه تولید ژنومهای کاربردی با صدها جهش در مقایسه با ژنومهای طبیعی است، با نرخ موفقیت ۵ تا ۷ درصد که در مقایسه با نرخ بقای مورد انتظار برای جهشهای تصادفی (نزدیک به صفر)، واقعاً چشمگیر است.
این ما را به قلب بحث علمی فعلی میرساند: آیا مدلهایی مانند Evo «طوطیهای تصادفی» هستند که صرفاً الگوهای آموختهشده را بازترکیب میکنند، یا قابلیتهای نوظهوری از خود نشان میدهند؟ از یک سو، Evo قطعاً یک «طوطی» است: الگوهای آماری را از دادههای آموزشی آموخته و آنها را بازتولید میکند، و شباهت آن با ژنومهای طبیعی و همبستگی بین زیستپذیری و شباهت، روشنترین گواه این مکانیسم است.
https://www.scienzainrete.it/articolo/genomi-su-misura-con-lia-nuova-frontiera-della-biologia-sintetica/francesco-branda/2026-08 | 185 |
| 17 | از سوی دیگر، نشانههای روشنی از قابلیتهای نوظهور را نشان میدهد، تواناییهایی که وقتی یک مدل از آستانه خاصی از مقیاس و پیچیدگی فراتر میرود و نه توسط برنامهنویسان آن طراحی و نه پیشبینی شده است، پدیدار میشوند: این مدل قوانین زیستشناسی مولکولی را بدون اینکه به آنها آموزش داده شود، به تنهایی کشف کرد؛ راهحلهایی را ایجاد کرد که انسانها قادر به طراحی منطقی آنها نبودند؛ و یک کوکتل فاژ تولید کرد که بر مقاومت باکتریایی غلبه کرد، جایی که فاژهای طبیعی شکست خوردند. اوو جایی در این بین قرار میگیرد: او یک طوطی صرف نیست زیرا درک عمیقی (هرچند مبهم) از قوانین سیستم را نشان میدهد، اما به معنای انسانی کلمه "خالق" نیز نیست زیرا نوآوریهای آن نسخههایی از مضامین موجود هستند. بلکه، او یک کاوشگر فوقالعاده کارآمد در فضایی از امکانات است که قادر به یافتن مسیرهایی است که تکامل و انسانها هنوز کشف نکردهاند.
اگر یک مدل قوانین زیستشناسی را به تنهایی بیاموزد، به شریکی ارزشمند برای تحقیقات علمی تبدیل میشود. میتوانیم آن را بررسی کنیم تا قوانینی را که هنوز نمیدانیم کشف کنیم، آنزیمهایی را تولید کنیم که در طبیعت وجود ندارند و قادر به تجزیه پلاستیک در اقیانوسها هستند، باکتریوفاژهای سفارشی را برای مبارزه با عفونتهای مقاوم به آنتیبیوتیک بدون نیاز به بررسی نمونههای محیطی برای سالها طراحی کنیم، مدارهای متابولیک مصنوعی را تصور کنیم که ضایعات کشاورزی را به دارو یا سوختهای زیستی تبدیل میکنند و با طراحی ذرات ویروسی مصنوعی که سیستم ایمنی را بدون هیچ گونه خطر عفونت آموزش میدهند، کشف واکسنهای جدید را تسریع کنیم. Evo به نوعی «میکروسکوپ محاسباتی» تبدیل میشود که به ما امکان میدهد فضای توالیهای ممکن را که بسیار بزرگتر از تعداد اتمهای جهان قابل مشاهده هستند، بدون نیاز به سنتز و آزمایش هر نوع در آزمایشگاه، بررسی کنیم و اکتشافاتی را که دههها طول میکشید، به ماهها فشرده کنیم. اما روی دیگر سکه هم وجود دارد: همین توانایی مهندسی ژنومهای ویروسی کاربردی میتواند برای ایجاد ویروسهای بیماریزای خطرناکتر، تقویت عوامل عفونی موجود و طراحی سلاحهای بیولوژیکی بدون نیاز به دسترسی به یک آزمایشگاه ویروسشناسی با امنیت بالا استفاده شود. مانع ورود از بین رفته است: تا دیروز، مهارتهای تخصصی، تجهیزات گرانقیمت و سالها کار مورد نیاز بود. امروزه، با یک مدل به اندازه کافی آموزشدیده و یک سرویس سنتز DNA تجاری (که به صورت آنلاین در دسترس است، هرچند هنوز تا حد زیادی به طور ناکافی کنترل میشود)، هر کسی که میداند چگونه از هوش مصنوعی سوالات درست بپرسد، میتواند یک ویروس خطرناک طراحی کند. یک سابقه نگرانکننده در سال ۲۰۲۲ پدیدار شده بود، زمانی که گروهی از محققان در Nature Machine Intelligence نشان دادند که یک هوش مصنوعی که برای طراحی داروها آموزش دیده است، میتواند به راحتی با تغییر معیارهای بهینهسازی، برای تولید مولکولهای بسیار سمی، از جمله عوامل عصبی، تغییر کاربری دهد. با انتشار این مطالعه در مجله ساینس، یک جهش کوانتومی رخ داده است: ما دیگر در مورد مولکولهای خطرناکی که توسط کامپیوتر طراحی شدهاند صحبت نمیکنیم، بلکه کل ژنومهای ویروسی سنتز شده و آماده آلوده کردن یک سلول هستند. همانطور که خود نویسندگان تأکید میکنند، تولید ژنومهای جدید فاژ با سیستمهای هوش مصنوعی، مسائل ایمنی زیستی، مهار زیستی و امنیت زیستی قابل توجهی را ایجاد میکند و آنها توصیه میکنند که گروههایی که در کارهای طراحی ژنوم آینده مشارکت دارند، در طول چرخه عمر پروژه با متخصصان ایمنی همکاری کنند.
@pharmamedicalll
@pharmamedicalll | 1 |
| 18 | محققان یک سیستم فیلتر سه لایه ایجاد کردند: یک بررسی کنترل کیفیت اولیه برای طول صحیح، محتوای GC مناسب و عدم وجود توالیهای مشکلساز؛ یک فیلتر تروپیسم، یعنی توانایی آلوده کردن باکتری هدف، که از طریق وجود پروتئینهای اتصال مشابه پروتئینهای ΦX174 تأیید میشود؛ و یک فیلتر تنوع که ژنومهایی را انتخاب میکند که به اندازه کافی از نمونههای طبیعی فاصله دارند، با معماریهای ژنتیکی جدید و توالیهای پروتئینی واگرا. از هزاران ژنوم تولید شده، ۳۰۲ مورد برای سنتز شیمیایی انتخاب شدند، ۲۸۵ مورد در آزمایشگاه مونتاژ شدند و ۱۶ مورد عملکردی بودند: ویروسهای زنده که قادر به آلوده کردن و کشتن باکتریها هستند. میزان موفقیت، بین ۵ تا ۷ درصد، ممکن است کوچک به نظر برسد، اما وقتی در نظر بگیرید که شامل طراحی یک ژنوم کامل با صدها جهش در مقایسه با ژنومهای طبیعی است، فوقالعاده است، در حالی که میزان بقای مورد انتظار برای جهشهای تصادفی نزدیک به صفر بوده است. ۱۶ ویروس تولید شده کپیهای سادهای از ΦX174 نیستند، بلکه دارای ترکیبات ژنتیکی قبلاً دیده نشدهای هستند که ژنهای آنها بازآرایی، تعویض یا حذف شدهاند. یک مثال بارز Evo-Φ36 است که در آن، اصلاحی که در آزمایشهای قبلی کشنده بودن آن ثابت شده بود، به لطف مجموعهای از جهشهای جبرانی که به طور خودکار شناسایی شدهاند، توسط مدل امکانپذیر شد. ویروسهای مصنوعی رفتارهای بسیار متنوعی از خود نشان میدهند: برخی باکتریها را به سرعت میکشند، برخی دیگر کندتر، و رقابتیترین آنها اصلاً شبیهترین ویروسها به ویروسهای طبیعی نیستند. وقتی محققان ویروسها را در برابر سویههای باکتریایی مقاوم آزمایش کردند، ترکیب تولید شده توسط هوش مصنوعی تنها پس از یک یا دو پاساژ غالب شد، در حالی که فاژ طبیعی و خویشاوندان نزدیک آن پس از پنج پاساژ شکست خوردند. تنوع مهندسی شده توسط هوش مصنوعی، ماده خام لازم برای سازگاری سریع را فراهم کرد: تنها چند نوترکیبی برای تولید ویروسهایی که قادر به غلبه بر مقاومت بودند، کافی بود و پیامدهای عمیقی برای فاژدرمانی داشت.
یکی از جذابترین و بحثبرانگیزترین سوالات مطرح شده توسط این مطالعه، مربوط به اصالت واقعی ژنومهای تولید شده است. اگر دادههای منتشر شده را بررسی کنیم، یک پارادوکس آشکار را کشف میکنیم: ۱۶ فاژ عملکردی، شباهت توالی با نزدیکترین ژنوم طبیعی از ۹۳.۲٪ تا ۹۸.۸٪ را نشان میدهند و همبستگی مثبتی بین زنده ماندن فاژها و شباهت آنها با ژنوم طبیعی وجود دارد. به نظر میرسد این دادهها نشان میدهد که مدل به سادگی الگوهای موجود را نوترکیب کرده است، اما واقعیت پیچیدهتر است. اصالت نباید صرفاً از نظر درصد شباهت سنجیده شود: ژنومهای تولید شده، بازآراییهای ژنی، جهشهای جدید و معماریهای واگرا را در ترکیباتی نشان میدهند که هرگز در طبیعت مشاهده نشدهاند. سیزده مورد از شانزده ژنوم فعال حاوی جهشهایی بودند که در هیچ توالی طبیعی شناختهشدهای وجود نداشتند؛ در Evo-Φ36، مدل، یک پروتئین بستهبندی DNA را از یک فاژ از نظر تکاملی دور، راهحلی که محققان با مهندسی منطقی بهطور ناموفقی امتحان کرده بودند، ترکیب کرد؛ و ویروسهای تولید شده رفتارهای فنوتیپی بسیار متنوعی را نشان میدهند که برخی از آنها در ویروسهای طبیعی وجود ندارند. پارادوکس کاهش زیستپذیری با دور شدن از ژنومهای طبیعی، نه تنها این فرضیه را که مدل، قوانین کلی بیولوژیکی را درونی کرده است، رد نمیکند، بلکه بهطور متناقضی آن را تأیید میکند: مدل آموخته است که ژنوم یک سیستم بسیار محدود است، جایی که یک نوکلئوتید نادرست میتواند کل ویروس را غیرقابل زیست کند و بنابراین توالیهایی تولید میکند که نزدیک به توالیهای طبیعی باقی میمانند، نه به دلیل فقدان خلاقیت، بلکه به این دلیل که فضای «از نظر بیولوژیکی ممکن» بسیار محدود است. آنچه این نتیجه را خارقالعاده میکند، تولید ژنومهای کاملاً متفاوت نیست، بلکه تولید ژنومهای کاربردی با صدها جهش در مقایسه با ژنومهای طبیعی است، با نرخ موفقیت ۵ تا ۷ درصد که در مقایسه با نرخ بقای مورد انتظار برای جهشهای تصادفی (نزدیک به صفر)، واقعاً چشمگیر است.
این ما را به قلب بحث علمی فعلی میرساند: آیا مدلهایی مانند Evo «طوطیهای تصادفی» هستند که صرفاً الگوهای آموختهشده را بازترکیب میکنند، یا قابلیتهای نوظهوری از خود نشان میدهند؟ از یک سو، Evo قطعاً یک «طوطی» است: الگوهای آماری را از دادههای آموزشی آموخته و آنها را بازتولید میکند، و شباهت آن با ژنومهای طبیعی و همبستگی بین زیستپذیری و شباهت، روشنترین گواه این مکانیسم است. | 1 |
| 19 | ژنومهای سفارشی با هوش مصنوعی: مرز جدید زیستشناسی مصنوعی
در زیستشناسی مرزی وجود دارد که تا چند سال پیش دستنیافتنی به نظر میرسید، اما امروزه، به لطف هوش مصنوعی، از آن فراتر رفته است: طراحی کل ژنوم از ابتدا به آسانی نوشتن یک متن به واقعیت تبدیل شده است. در ۶ آگوست ۲۰۲۶، تیمی از محققان به رهبری برایان ال. های، مطالعهای را در مجله ساینس با عنوان «طراحی مولد باکتریوفاژها با مدلهای زبان ژنوم» منتشر کردند که نقطه عطفی را نشان میدهد: برای اولین بار، یک مدل زبان ژنومی، ویروسهای باکتریوفاژ عملکردی تولید کرده است که قادر به آلوده کردن باکتریهای خاص و تکامل برای غلبه بر مقاومت باکتریایی هستند. اینها کپیهای سادهای از ویروسهای موجود نیستند، بلکه ژنومهای کاملاً جدیدی هستند که توالیهایی دارند که در طبیعت یافت نمیشوند، معماریهای ژنتیکی بازآرایی شده و راهحلهای تکاملی بدیع دارند. این نتیجه، چشماندازهای فوقالعادهای را برای فاژدرمانی، زیستشناسی مصنوعی و به طور کلیتر، برای توانایی ما در طراحی حیات ایجاد میکند. اما مانند هر پیشرفت بزرگ فناوری، این کشف نیز سوالات عمیقی را مطرح میکند که بسیار فراتر از آزمایشگاه میروند: سوالاتی در مورد ایمنی، حاکمیت، مسئولیت و در نهایت، معنای انسان بودن در عصری که مرز بین طبیعی و مصنوعی به طور فزایندهای مبهم میشود.
برای درک اهمیت این کشف، ابتدا باید از خود بپرسیم که ژنوم چیست. پاسخ این است که ژنوم کل ساختار ژنتیکی یک موجود زنده است، مجموعه کاملی از دستورالعملهای مورد نیاز برای ساخت و عملکرد آن شکل خاص از حیات. در مورد باکتریوفاژها، ویروسهایی که باکتریها را آلوده میکنند، ژنوم نسبتاً کوچک است: ژنوم ΦX174، ویروسی که محققان به عنوان مدل انتخاب کردهاند، تقریباً از 5400 "حرف" کد ژنتیکی تشکیل شده است، اما بیایید فریب اندازه آن را نخوریم. این 5400 حرف شامل 11 ژن، حداقل هفت عنصر تنظیمی، دو توالی تشخیص و یک معماری پیچیده است که باید در هماهنگی کامل عمل کند. مانند یک ساعت سوئیسی مینیاتوری است: هر چرخ دنده باید در جای مناسب باشد، هر فنر باید کشش مناسب داشته باشد. یک خطا، یک جهش، میتواند کل ژنوم را غیرقابل زیست کند. این توضیح میدهد که چرا تاکنون، بیشتر پیشرفتها در طراحی بیولوژیکی بر روی ژنهای منفرد یا مدارهای ژنتیکی کوچک متمرکز بودهاند. طراحی کل ژنوم همیشه بسیار پیچیده، بسیار پرخطر و بسیار دشوار تلقی شده است.
محققان از دو مدل هوش مصنوعی به نامهای Evo 1 و Evo 2 استفاده کردند که بر روی صدها میلیارد جفت باز DNA از باکتریها، آرکیها و ویروسها آموزش دیده بودند. وظیفه آموزش ساده و تقریباً پیشپاافتاده بود: با داشتن یک توالی از نوکلئوتیدها، نوکلئوتید بعدی را پیشبینی کنید. بدون برچسب، بدون قوانین صریح در مورد اینکه چه چیزی یک ژن، یک پروموتر یا یک توالی بستهبندی را تشکیل میدهد. فقط DNA روی DNA، برای ماهها محاسبات. در طول این آموزش، مدلها قوانین عمیقی را که بر DNA حاکم است، یاد گرفتند: کدام توالیها کار میکنند و کدامها کار نمیکنند، کدام ساختارها در طول میلیونها سال تکامل حفظ شدهاند و کدامها به دلیل نامناسب بودن کنار گذاشته شدهاند. کودکی را تصور کنید که در حال یادگیری یک زبان است: در ابتدا، آنها قوانین دستوری را نمیدانند، اما با گوش دادن به میلیونها جمله، شروع به درک شهودی ترکیب کلمات میکنند که کدام ترکیبها معنی دارند و کدامها ندارند. به طور مشابه، Evo به میلیونها ژنوم گوش داده و قوانین دستوری زندگی را آموخته است، اما بین تولید یک جمله و تولید یک ژنوم تفاوت اساسی وجود دارد. وقتی ChatGPT متن تولید میکند، میتواند اشتباه کند: یک کلمه نابجا یا توافق دستوری نادرست، قابل فهم بودن جمله را به خطر نمیاندازد. این مورد در مورد ژنوم صدق نمیکند. یک نوکلئوتید نادرست میتواند به این معنی باشد که ویروس تکثیر نمیشود، آلوده نمیشود و زنده نمیماند. دقیقاً همین محدودیت دقت است که طراحی ژنوم را به چالشی بسیار پیچیدهتر از تولید متن تبدیل میکند.
فرآیند طراحی پیچیده است و نیاز به تعادل ظریفی بین وفاداری به مدل طبیعی و نوآوری دارد. محققان ابتدا مدلهای Evo را بر روی یک مجموعه داده خاص شامل تقریباً ۱۵۰۰۰ ژنوم از Microviridae، خانوادهای از ویروسها که ΦX174 به آن تعلق دارد، "اصلاح" کردند. سپس آنها مدلها را با توالیهای کوتاه از ابتدای ژنوم ΦX174 "تحریک" کردند و هزاران ژنوم کاندید جدید تولید کردند. اما تولید کافی نیست: انتخاب مورد نیاز است. | 176 |
| 20 | 💠 ۵۰٪ تخفیف اشتراک نرمافزار مدیریت مطب بقراط
💠 ۵۰٪ تخفیف اشتراک تلفن گویا اختصاصی بقراط
💠 اشتراک ۳ ماهه رایگان جالینوس، دستیار هوش مصنوعی
https://bqrt.ir/drdaytg1
بقراط، کاملترین پلتفرم آنلاین سلامت | 46 |
