پردیس دانشگاهی سبلان نمین
هسته پژوهشی بیوانفورماتیک
| تاریخ ارسال: 1397/9/5 - 10:40 |
فعالیتهای هسته پژوهشی بیوانفورماتیک
1- مسئول هستهرضا حسن زاده
2- اعضای هسته
رضا حسن زاده
3- عناوین فعالیت های پژوهشی
3 - 1 - انجام یافته: پیشبینی مکان پروتئینها در سلول
3 – 2 - در حال انجام: شناسایی تعامل بین داروها و هدفهای دارویی، شناسایی ژنهای مهم در بیماریها به ویژه سرطان
4- تشریح فعالیتهای پژوهشی
4 – 1 – فعالیت شماره 1
4 – 1 – 1 – عنوان: ارائه روشی جدید مبتنی بر سامانههای توصیه گر برای پیش بینی مکان پروتئینها در سلول
4 – 1 – 2 – مقدمه: سامانههای توصیهگر بیشتر در تجارت الکترونیک کاربرد دارند و برای فائق آمدن به مشکلات ناشی از حجم زیاد و رو به رشد اطلاعات ارائه شدهاند. این سامانهها، به کاربر با تحلیل رفتارش بهترین کالا را پیشنهاد میدهد و کمک می‌کند تا در میان حجم عظیم اطلاعات سریع‌تر به هدف خود نزدیک شود. در این پژوهش مساله پیش بینی مکان پروتئینها را با استفاده از سامانههای توصیهگر حل کرده ایم و نتایج خوبی به دست آورده ایم.
4 – 1 – 3 – کاربردها: فهمیدن مکان یک پروتئین میتواند در شناسایی کارکرد و فعالیت آن، شناسایی پروتئینهایی که به عنوان هدف یک دارو هستند، Genome Annotation و خیلی از زمینههای تحقیقاتی زیست شناسی کمک کند. روشهای تجربی و آزمایشگاهی هم زمانبر هستند و هم هزینهبر. به همین دلیل دانشمندان به دنبال راهی هستند تا مکان پروتئینها را با صرفه جویی در زمان و هزینه پیش بینی کنند. در این میان، روشهای محاسباتی میتوانند چارهای برای این کار باشند. روشهای محاسباتی متعددی نیز معرفی شدهاند اما هر یک مزایا و معایبی دارند.
4 – 1 – 4 – تحلیل: روش پیشنهادی ما نتایج بسیار خوبی به دست آورده است که در بسیاری از تستهای انجام شده، در مقایسه با روشهای دیگر بهتر کار کرده است و پیش بینیهای دقیقتری انجام داده است. این کار به عنوان یک مقاله در ژورنال معتبری در حال داوری است.
4 – 2 – فعالیت شماره 2
4 – 2 – 1 – عنوان: شناسایی تعامل بین دارو و هدف دارویی به منظور پیدا کردن کاربردهای جدید برای داروهای قدیمی
4 – 2 – 2 – مقدمه: در سالهای اخیر با وجود پیشرفت قابل توجه علم داروسازی، داروهای طراحی شده جایگاه خود در پزشکی و بازار را از دست میدهند و مهمترین علت آن، عوارضی است که بعد از مصرف دارو نمایان میشود. همچنین، حدود 90 درصد داروها در مرحله اول کارآزمایی بالینی با شکست مواجه میشوند و شرکتهای تولیدی را متحمل خسارتهای فراوانی میکنند. هزینهی تولید داروهای جدید میلیونها دلار است و سالهای زیادی طول میکشد تا یک داروی جدید جایگاه خود را در بازار پزشکی پیدا کند. به همین دلایل، دانشمندان به دنبال پیدا کردن کاربردهای جدید برای داروهایی هستند که قبلا امتحان خود را هم از نظر عوارض و هم از نظر بازار دارو پس دادهاند. مهمترین مرحلهی این کار، پیشبینی تعامل بین داروها و هدفهای دارویی یا پروتئینها است. تا کنون چندین الگوریتم برای پیشبینی تعامل بین داروها و پروتئینها ارائه شدهاند ولی همگی دارای معایبی هستند که دقت پیش بینی آنها را کاهش داده است. در این پژوهش، به دنبال ارائه الگوریتم جدیدی هستیم تا کارایی بهتری نسبت به دیگر الگوریتمها داشته باشد.
4 – 2 – 3 – کاربردها: اهمیت زیادی در صنعت داروسازی دارد که در بخش مقدمه به آن اشاره شده است.
4 – 2 – 4 – تحلیل: الگوریتم پیشنهادی ما پیاده سازی شده است و در مرحله مقایسه با الگوریتمهای مشهور موجود است. امید زیادی وجود دارد که نتایج رضایت بخش باشد.