آکادمی بیوانفورماتیک ایران
رفتن به کانال در Telegram
آکادمی بیوانفورماتیک ایران 💻🔬 (وابسته به اتحاد زیستشناسان ایران) جایی برای یادگیری بیوانفورماتیک؛ از مفاهیم پایه تا کاربردهای پیشرفته. 📢 @ir_bioinf_group
نمایش بیشتر5 427
مشترکین
+224 ساعت
+277 روز
+7430 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
سپتامبر '26
سپتامبر '26
+40
در 0 کانالها
اوت '26
+190
در 1 کانالها
Get PRO
ژوئیه '26
+251
در 0 کانالها
Get PRO
ژوئن '26
+242
در 3 کانالها
Get PRO
مه '26
+41
در 0 کانالها
Get PRO
آوریل '26
+11
در 0 کانالها
Get PRO
مارس '26
+8
در 0 کانالها
Get PRO
فوریه '26
+77
در 0 کانالها
Get PRO
ژانویه '26
+46
در 0 کانالها
Get PRO
دسامبر '25
+475
در 51 کانالها
Get PRO
نوامبر '25
+362
در 9 کانالها
Get PRO
اکتبر '25
+323
در 6 کانالها
Get PRO
سپتامبر '25
+228
در 10 کانالها
Get PRO
اوت '25
+516
در 12 کانالها
Get PRO
ژوئیه '25
+218
در 15 کانالها
Get PRO
ژوئن '25
+207
در 1 کانالها
Get PRO
مه '25
+189
در 4 کانالها
Get PRO
آوریل '25
+67
در 0 کانالها
Get PRO
مارس '25
+100
در 1 کانالها
Get PRO
فوریه '25
+140
در 2 کانالها
Get PRO
ژانویه '25
+197
در 13 کانالها
Get PRO
دسامبر '24
+276
در 3 کانالها
Get PRO
نوامبر '24
+322
در 2 کانالها
Get PRO
اکتبر '24
+333
در 1 کانالها
Get PRO
سپتامبر '24
+266
در 2 کانالها
Get PRO
اوت '24
+304
در 2 کانالها
Get PRO
ژوئیه '24
+990
در 5 کانالها
Get PRO
ژوئن '240
در 2 کانالها
Get PRO
مه '240
در 6 کانالها
Get PRO
آوریل '240
در 3 کانالها
Get PRO
مارس '240
در 3 کانالها
Get PRO
فوریه '24
+280
در 3 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 06 سپتامبر | +3 | |||
| 05 سپتامبر | +3 | |||
| 04 سپتامبر | +1 | |||
| 03 سپتامبر | +14 | |||
| 02 سپتامبر | +8 | |||
| 01 سپتامبر | +11 |
پستهای کانال
🧬 ترنسکریپتوم فقط یک فهرست از RNAهای یک سلول نیست!
🔸️ وقتی یک ژن بیان میشود، اطلاعات آن در قالب RNA رونویسی میشود. بنابراین، با بررسی RNAهای موجود در سلول میتوانیم درباره بیان ژنها اطلاعات به دست بیاوریم.
✨️ مجموعه این RNAها در یک سلول یا بافت، در یک زمان و شرایط مشخص، ترنسکریپتوم (Transcriptome) نام دارد.
📊 با بررسی ترنسکریپتوم میتوانیم ببینیم:
🔹 چه رونوشتهایی (Transcripts) در سلول وجود دارند. 🔹 مقدار هرکدام چقدر است. 🔹 و الگوی بیان ژنها در یک شرایط مشخص چگونه است. 🔬 اما چطور میتوان این حجم از RNA را همزمان بررسی کرد؟ 🧬 یکی از روشهای اصلی برای این کار، RNA-Seq است. Instagram | LinkedIn | Q & A group ~~ آکادمی بیوانفورماتیک ایران 💻🔬 ~~@ir_bioinformtic_academy
| 2 | 🔬 واژههای ضروری بیوانفورماتیک | بخش نوزدهم: مفاهیم بیان ژن
📕 در تحلیل دادههای بیان ژن، اصطلاحات مختلفی برای توصیف مقدار بیان ژنها و مقایسه آنها بین نمونهها به کار میرود. در این بخش، با چند واژه پرکاربرد آشنا میشویم.
1️⃣ بیان ژن (Gene Expression)
فرایندی است که طی آن اطلاعات موجود در یک ژن برای تولید یک محصول ژنی، مانند RNA یا پروتئین، مورد استفاده قرار میگیرد.
2️⃣ رونوشت (Transcript)
مولکول RNA حاصل از رونویسی یک ژن است.
3️⃣ شمارش خوانشها (Read Count)
تعداد خوانشهای توالییابی است که به یک ژن یا رونوشت نسبت داده میشوند.
4️⃣ ماتریس شمارش (Count Matrix)
جدولی است که تعداد خوانشهای مربوط به هر ژن یا رونوشت را در نمونههای مختلف نشان میدهد.
5️⃣ نرمالسازی (Normalization)
فرایندی برای کاهش اثر تفاوتهای فنی و مقیاس دادهها، بهمنظور امکان مقایسه بیان ژنها بین نمونههاست.
6️⃣ ژن با بیان متفاوت (Differentially Expressed Gene | DEG)
ژنی است که میزان بیان آن بین دو یا چند گروه مورد مطالعه، تفاوت آماری معنیداری دارد.
7️⃣ افزایش بیان (Upregulation)
افزایش میزان بیان یک ژن در یک شرایط یا گروه، در مقایسه با شرایط یا گروه مرجع است.
8️⃣ کاهش بیان (Downregulation)
کاهش میزان بیان یک ژن در یک شرایط یا گروه، در مقایسه با شرایط یا گروه مرجع است.
9️⃣ تغییر چندبرابری (Fold Change | FC)
نسبت میزان بیان یک ژن بین دو شرایط یا گروه را نشان میدهد.
🔟 غنیسازی (Enrichment)
فرایندی برای بررسی بیشازحد مشاهده شدن مجموعهای از ژنها یا ویژگیهای زیستی در میان نتایج یک تحلیل است.
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~ @ir_bioinformtic_academy | 836 |
| 3 |  ⚠️ هشدار: این پست ممکن است نگاهتان به «پژوهش علمی» را عوض کند!
📌 چون با پژوهشهایی روبهرو میشوید که احتمالاًهیچوقت فکر نمیکردید کسی واقعاً آنها را انجام داده باشد!
برندگان عجیب ایگ نوبل را از دست ندهید!
🔗 مشاهده پست
اینستاگرام | تلگرام | لینکدین | بله | درباره ما
┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━ | 227 |
| 4 |  🧬 سلول فقط به DNA خودش گوش نمیدهد!
🔹️ در پست قبل دیدیم که سلولهای مختلف، با وجود DNA بسیار مشابه، میتوانند رفتار و عملکرد متفاوتی داشته باشند. دلیل مهم این تفاوت، این است که همه ژنها در همه سلولها به یک اندازه بیان نمیشوند.
❗️ اما این الگو هم ثابت نیست؛ سلول با توجه به محیط، شرایط فیزیولوژیک و پیامهایی که دریافت میکند، میتواند بیان بعضی ژنها را تغییر دهد.
📡 یکی از راههایی که این پیامها میتوانند بر بیان ژن اثر بگذارند، مسیرهای پیامرسانی (Signaling Pathways) است. هورمونها و فاکتورهای رشد از طریق این مسیرها میتوانند فعالیت تنظیمکنندههای بیان ژن را تغییر دهند.
💡 بنابراین، یک سلول با همان DNA میتواند در دو شرایط متفاوت، الگوی متفاوتی از RNA و بیان ژن داشته باشد.
🔬 برای دیدن این تفاوتها در سطح RNA، باید به ترنسکریپتوم (Transcriptome) نگاه کنیم.
💥 در پست بعدی میبینیم ترنسکریپتوم دقیقاً چیست و RNA-Seq چطور به ما اجازه میدهد الگوی بیان ژنها را بررسی کنیم.
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~@ir_bioinformtic_academy | 937 |
| 5 |  🧬 اُمیکس؛ نگاهی فراتر از DNA
💥 اُمیکس به مطالعه گسترده و جامعِ یک لایه از اطلاعات زیستی گفته میشود؛ از ژنوم (Genome) و ترنسکریپتوم (Transcriptome) گرفته تا پروتئوم (Proteome) و متابولوم (Metabolome).
🖇 در پستهای قبلی درباره مفهوم اُمیکس و شاخههای مهم آن صحبت کردیم. دیدیم که برای شناخت بهتر یک سیستم زیستی، میتوان از زاویههای مختلف به اطلاعات مولکولی آن نگاه کرد.
💡 اما اینجا یک سؤال مهمتر مطرح میشود...
🔹️ وقتی این لایههای مختلف اطلاعات را کنار هم قرار میدهیم، میتوانیم تصویر کاملتری از وضعیت یک سلول داشته باشیم؛ اما آیا دانستن اطلاعات ژنتیکی یک سلول بهتنهایی برای توضیح رفتار آن کافی است؟
❓ اگر سلولهای مختلف بدن DNA بسیار مشابهی دارند، پس چه چیزی باعث میشود یکی سلول عصبی باشد، دیگری سلول عضلانی و دیگری سلول کبدی؟
🔎 برای پیدا کردن جواب، باید کمی عمیقتر از خود DNA نگاه کنیم...
🖋 نسا کارجو
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~@ir_bioinformtic_academy | 874 |
| 6 |  🧬 یک جهش کوچک؛ یک تغییر بزرگ در سرنوشت سلول؟
🔬 برای تغییر سرنوشت یک سلول، همیشه لازم نیست تغییر بزرگی در DNA رخ دهد؛ گاهی یک جهش کوچک میتواند مسیر سلول را عوض کند.
🧬 اما همه جهشها اثر یکسانی ندارند؛ بعضی از آنها میتوانند باعث شوند یک سلول بیشتر زنده بماند یا سریعتر تکثیر شود.
🔬 در این حالت، سلولِ دارای جهش میتواند نسبت به سلولهای اطراف بیشتر گسترش پیدا کند. به جهشهایی که در این فرایند نقش دارند، Driver Mutation گفته میشود.
⏳ با ادامه تکثیر این سلولها، ممکن است در طول زمان تغییرات دیگری هم در آنها ایجاد شود؛ تغییراتی که میتوانند ویژگیهای سلول و نحوه رشد آن را بیشتر تغییر دهند.
🧬 در برخی موارد، انباشت این تغییرات میتواند سلول را به سمت ویژگیهای سرطانی سوق دهد؛ به همین دلیل، سرطان را میتوان نتیجهی تکامل تدریجی سلولها در طول زمان دانست.
🔗 Source
🖋 تینا قربانخانلو
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~@ir_bioinformtic_academy | 445 |
| 7 |  💡 وقتی تعداد توالیها بیشتر شد، یک سؤال مهم مطرح شد...
⚡️ چطور میشد دو توالی DNA یا پروتئین را با هم مقایسه کرد و میزان شباهتشان را فهمید؟
🤔 چه کسی راهی برای حل این مسئله پیدا کرد؟
👨💻 مایکل واترمن (Michael S. Waterman)
🏆 دستاورد اصلی
واترمن همراه با تمپل اسمیت، الگوریتم Smith–Waterman را در سال ۱۹۸۱ ارائه کرد؛ روشی برای همترازی و مقایسه توالیهای زیستی که به پیدا کردن نواحی مشابه بین دو توالی کمک میکند.
🛤 مسیر پژوهش
واترمن با بهکارگیری روشهای محاسباتی در مطالعه توالیها، مقایسه آنها را دقیقتر کرد و به یکی از روشهای مهم در تحلیل توالیهای زیستی رسید.
🌍 تأثیر بر علم امروز
همترازی توالیها هنوز یکی از بخشهای مهم تحلیل دادههای زیستی است و برای بررسی شباهت ژنها و پروتئینها و مطالعه روابط تکاملی استفاده میشود.
💡 از مسیر او چه یاد میگیریم؟
گاهی برای حل یک مسئله زیستی، باید از ابزارهای یک حوزه دیگر کمک گرفت. واترمن با بهکارگیری روشهای محاسباتی در مطالعه توالیها، راه تازهای برای بررسی و مقایسه دادههای زیستی ایجاد کرد.
🔗 Source
✍️ نساء کارجو
Instagram | LinkedIn | Q & A Group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~ @ir_bioinformtic_academy | 1 092 |
| 8 |  🧬 آیا میتوان بیان ژن را از روی تصویر بافت پیشبینی کرد؟
🖇 بررسی بیان ژن در سطح تکسلولی اطلاعات زیادی درباره وضعیت سلولها میدهد؛ اما ترنسکریپتومیکس فضایی (Spatial Transcriptomics) پرهزینه و محدود به تعداد مشخصی از نمونهها و ژنها است.
🔬 برای کاهش این محدودیت، پژوهشگران با مدل هوش مصنوعی VOICE نشان دادند که میتوان با کمک تصاویر بافتشناسی H&E، بیان ژن سلولها را پیشبینی کرد.
📊 این مدل در هفت معیار، عملکرد بهتری از روشهای قبلی داشت و روی نمونههای جدید هم عملکرد خوبی نشان داد.
💡 این روش میتواند با تکیه بر تصاویر بافتیِ در دسترس، راهی کمهزینهتر برای استخراج اطلاعات مولکولی از آرشیوهای بزرگ بافتی فراهم کند.
🔗 Source
🖋 فاطمه خانلرپور
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~@ir_bioinformtic_academy | 1 290 |
| 9 |  🧬 بعد از NGS، با دادهها چه میکنیم؟
🖇 تا اینجا از نمونه و آمادهسازی کتابخانه رسیدیم به توالییابی و تولید داده. اما حالا یک سؤال مهم داریم:
❓ از این حجم از داده چطور به یک نتیجه زیستی میرسیم؟
📍 دادههای تولیدشده باید کنترل، پردازش و تحلیل شوند تا بتوانیم از دل آنها اطلاعات معناداری درباره سیستم زیستی به دست بیاوریم.
⚡️ اما یک نکته جالب وجود دارد؛ همه دادههای زیستی از یک جنس نیستند. گاهی با DNA سروکار داریم، گاهی RNA، گاهی پروتئینها و گاهی متابولیتها.
❓ پس سؤال بعدی این است:
💥 این لایههای مختلف اطلاعات زیستی را چطور دستهبندی و مطالعه میکنیم؟
آیا این همان چیزی است که «اُمیکس» (Omics) نامیده میشود؟
🖋 نساء کارجو
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~@ir_bioinformtic_academy | 1 067 |
| 10 |  ❗️ آیا میتوان هویت یک سلول را از روی سلولهای اطراف پیشبینی کرد؟
🖇 مدل هوش مصنوعی CellWorld با استفاده از اطلاعات مولکولی و موقعیت سلولهای اطراف، ویژگیهای سلولی را پیشبینی میکند.
🔹 برخلاف روشهایی که مستقیماً ژنهای حذفشده را بازسازی میکنند، CellWorld با ترکیب بیان ژن و اطلاعات فضایی بافت، یک نمایش نهفته از سلول ایجاد میکند.
📊 این مدل با دادههای ۴۶ میلیون سلول انسانی از ۱۱ اندام و سه فناوری رونویسی فضایی آموزش داده شد و در ارزیابیهای مختلف، عملکرد بهتری نسبت به روشهای مقایسهشده داشت.
🧪 نکته مهم این بود که تنوع زیستی دادههای آموزشی برای تعمیمپذیری مدل اهمیت زیادی داشت؛ نه صرفاً تعداد بیشتر سلولها.
🔗 Source
🖋 الینا صنایعی
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻
@ir_bioinformtic_academy | 1 123 |
| 11 | ❗️ آیا میتوان هویت یک سلول را از روی سلولهای اطراف پیشبینی کرد؟
🖇 مدل هوش مصنوعی CellWorld با استفاده از اطلاعات مولکولی و موقعیت سلولهای اطراف، ویژگیهای سلولی را پیشبینی میکند.
🔹 برخلاف روشهایی که مستقیماً ژنهای حذفشده را بازسازی میکنند، CellWorld با ترکیب بیان ژن و اطلاعات فضایی بافت، یک نمایش نهفته از سلول ایجاد میکند.
📊 این مدل با دادههای ۴۶ میلیون سلول انسانی از ۱۱ اندام و سه فناوری رونویسی فضایی آموزش داده شد و در ارزیابیهای مختلف، عملکرد بهتری نسبت به روشهای مقایسهشده داشت.
🧪 نکته مهم این بود که تنوع زیستی دادههای آموزشی برای تعمیمپذیری مدل اهمیت زیادی داشت؛ نه صرفاً تعداد بیشتر سلولها.
🔗 Source
🖋 الینا صنایعی
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻
@ir_bioinformtic_academy | 1 |
| 12 |  🧬 از کنترل کیفیت داده تا تفسیر نتایج (Data QC to Interpretation)
🔸️ در پستهای قبلی، مراحل مختلف یک پروژه NGS را از آمادهسازی کتابخانه تا توالییابی مرور کردیم.
🔹️ این بار در این اینفوگرافیک، مسیر دادهها را از کنترل کیفیت (Data QC) تا تحلیل و تفسیر نتایج، ساده مرور میکنیم.
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~ @ir_bioinformtic_academy | 600 |
| 13 | 🧬 از کنترل کیفیت داده تا تفسیر نتایج (Data QC to Interpretation)
🔸️ در پستهای قبلی، مراحل مختلف یک پروژه NGS را از آمادهسازی کتابخانه تا توالییابی مرور کردیم.
🔹️ این بار در این اینفوگرافیک، مسیر دادهها را از کنترل کیفیت (Data QC) تا تحلیل و تفسیر نتایج، ساده مرور میکنیم.
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~ @ir_bioinformtic_academy | 1 |
| 14 | ![📌 در این پست ببینید دانش بیوانفورماتیک چطور نگاه یک دانشجوی زیستشناسی به پژوهش رو تغییر میده. 🔗 [لینک پست] اینستاگرام | ت](data:image/jpeg;base64,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){kind=small} 📌 در این پست ببینید دانش بیوانفورماتیک چطور نگاه یک دانشجوی زیستشناسی به پژوهش رو تغییر میده.
🔗 [لینک پست]
اینستاگرام | تلگرام | لینکدین | بله | درباره ما
┏━━━━━━
🆔 @UIBiologists 🌱💡
┗━━━━━━ | 285 |
| 15 |  💻 نسبت جرم به بار (Mass-to-Charge Ratio)؛ m/z چه نقشی دارد؟
🔬 در طیفسنجی جرمی، برای بررسی یونهای مختلف از مقداری به نام نسبت جرم به بار (m/z) استفاده میشود؛ اما این عدد دقیقاً چه چیزی را نشان میدهد؟
📊 این نسبت از جرم و بار یون به دست میآید و کمک میکند یونهای مختلف در طیف جرمی از هم تفکیک شوند. با این اطلاعات میتوان سرنخهایی درباره مولکولهای موجود در نمونه به دست آورد.
🔎 وقتی m/z، شدت سیگنال و الگوی قلهها کنار هم بررسی میشوند، میتوان پروتئینها، پپتیدها و متابولیتها را شناسایی و تغییرات مولکولی نمونهها را بررسی کرد.
💻 اینجاست که تحلیلهای بیوانفورماتیکی وارد میشوند؛ دادههای طیف جرمی پردازش میشوند تا الگوهای موجود بهتر شناسایی و تفسیر شوند.
📌 نکته: طیفسنج جرمی معمولاً جرم مولکول را مستقیماً اندازهگیری نمیکند؛ بلکه نسبت جرم به بار (m/z) یونها را اندازهگیری میکند.
🔗 Source
🖋مرضیه حسینی
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~@ir_bioinformtic_academy | 568 |
| 16 |  🧬 کنترل کیفیت کتابخانه و توالییابی (Library QC & Sequencing)
🔸️ در پست قبلی، آمادهسازی کتابخانه (Library Preparation) را مرور کردیم.
این بار به دو مرحله مهم بعدی در مسیر NGS رسیدیم: کنترل کیفیت کتابخانه و توالییابی.
🔹️ در این اینفوگرافیک، این دو مرحله را ساده و قدمبهقدم مرور میکنیم.
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~ @ir_bioinformtic_academy | 1 308 |
| 17 | #جذب_همکار
📣 آکادمی بیوانفورماتیک ایران در فرآیند تولید محتوا و طراحی از بین افراد فعال و واجد شرایط نیرو جذب میکند.
✅ شرایط:
- داشتن وقت آزاد و کافی
- آشنایی با اصول نویسندگی علمی
- توانایی سرچ محتوای علمی مرتبط با بیوانفورماتیک
- داشتن ذهن باز و افکار نوین و خلاق جهت ایدهپردازی
_ آشنایی به علم بیوانفورماتیک
_ ترجمه اخبار
⭐ درصورت تمایل به همکاری و داشتن شرایط فوق و بهرهمندی از مزایا به آیدی تلگرامی زیر پیام دهید:
🆔 @Rei_irani
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~@ir_bioinformtic_academy | 1 666 |
| 18 | #جذب_همکار
📣 آکادمی بیوانفورماتیک ایران در فرآیند تولید محتوا و طراحی از بین افراد فعال و واجد شرایط نیرو جذب میکند.
✅ شرایط:
- داشتن وقت آزاد و کافی
- آشنایی با اصول نویسندگی علمی
- توانایی سرچ محتوای علمی مرتبط با بیوانفورماتیک
- داشتن ذهن باز و افکار نوین و خلاق جهت ایدهپردازی
_ آشنایی به علم بیوانفورماتیک
_ ترجمه اخبار
⭐ درصورت تمایل به همکاری و داشتن شرایط فوق و بهرهمندی از مزایا به آیدی تلگرامی زیر پیام دهید:
🆔 @Rei_irani
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~@ir_bioinformtic_academy | 1 |
| 19 | 🔬 واژههای ضروری بیوانفورماتیک | بخش هجدهم: واریانتهای ژنتیکی
📕 در تحلیل دادههای ژنومی، شناخت انواع تغییرات ژنتیکی و اصطلاحات مربوط به آنها اهمیت زیادی دارد. در این بخش، با چند واژه پرکاربرد در این حوزه آشنا میشویم.
1️⃣ آلل (Allele)
یکی از شکلهای متفاوت یک ژن در یک جایگاه مشخص ژنومی است.
2️⃣ ژنوتیپ (Genotype)
ترکیب آللهای یک فرد در یک جایگاه ژنی مشخص است.
3️⃣ واریانت (Variant)
هرگونه تفاوت در توالی DNA نسبت به یک توالی مرجع یا توالی مورد مقایسه است.
4️⃣ جهش (Mutation)
تغییری در توالی DNA است که در ماده ژنتیکی ایجاد میشود و میتواند شامل تغییر در یک یا چند نوکلئوتید یا تغییرات بزرگتر ژنومی باشد.
5️⃣ تغییر تکنوکلئوتیدی (SNV | Single Nucleotide Variant)
نوعی واریانت است که در آن تنها یک نوکلئوتید در یک موقعیت مشخص از توالی DNA با نوکلئوتید دیگری متفاوت است.
6️⃣ پلیمورفیسم تکنوکلئوتیدی (SNP | Single Nucleotide Polymorphism)
نوعی تغییر تکنوکلئوتیدی است که در یک جمعیت با فراوانی حداقل ۱٪ مشاهده میشود.
7️⃣ درج (Insertion)
افزودهشدن یک یا چند نوکلئوتید به توالی DNA است.
8️⃣ حذف (Deletion)
از دسترفتن یک یا چند نوکلئوتید از توالی DNA است.
9️⃣ تغییر تعداد نسخه (CNV | Copy Number Variation)
نوعی تغییر ژنتیکی است که در آن تعداد نسخههای یک بخش از ژنوم بین افراد متفاوت است.
🔟 هموزیگوت (Homozygous)
حالتی است که دو آلل یک فرد در یک جایگاه ژنی یکسان باشند.
1️⃣1️⃣ هتروزیگوت (Heterozygous)
حالتی است که دو آلل یک فرد در یک جایگاه ژنی متفاوت باشند.
🖋 نساء کارجو
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~@ir_bioinformtic_academy | 1 189 |
| 20 |  ❕ میانبری برای بازسازی ژنوم میکروبهای کشتنشده
💡 میکروبهایی که هنوز نتوانستهایم در آزمایشگاه کشت دهیم، حالا میتوانند سریعتر از روی دادههای متاژنوم شناسایی و بررسی شوند. بازسازی ژنوم این میکروبها معمولاً به زمان و توان محاسباتی زیادی نیاز دارد.
🔬 برای کاهش این هزینه محاسباتی، پژوهشگران پایپلاین MetaBolt را معرفی کردهاند؛ ابزاری که با بهینهسازی مراحل بازسازی ژنوم، میتواند پردازش دادههای متاژنوم را سریعتر و کارآمدتر کند.
🧪 عملکرد این پایپلاین روی دادههای متاژنومی روده نشان داد که MetaBolt در مقایسه با روشهای مشابه، ۲.۳ تا ۳.۸ برابر سریعتر است و حدود ۵٪ ژنوم باکیفیت بیشتری بازسازی میکند؛ درحالیکه زمان محاسبات به تنها ۲ تا ۴٪ روشهای معمول کاهش مییابد.
📌 در مجموع، MetaBolt میتواند راهی سریعتر برای بازسازی ژنوم میکروبها از دادههای متاژنوم باشد.
🔗 Source
🖋 راضیه کریمی
Instagram | LinkedIn | Q & A group
~~ آکادمی بیوانفورماتیک ایران 💻🔬
~~@ir_bioinformtic_academy | 701 |
