1- مسئول هسته
رضا 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.