مدت زمان دوره: ۳۰ ساعت
به همراه صدور گواهی از طرف پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری به زبان انگلیسی
دوره جامع بیوانفورماتیک و هوش مصنوعی در زیست شناسی یک دوره کامل برای تمام کسانی است که میخواهند با کاربردهای بیوانفورماتیک و هوش مصنوعی در زیست شناسی آشنا شوند. در این دوره کاربردی از بحث های پایه ای مانند مقدمات یادگیری ماشین و هوش مصنوعی، پروتئین و ژنتیک در بیوانفورماتیک تا مباحث پیشرفته تری مانند شبکه های زیستی، داکینگ و دینامیک مولکولی مورد بررسی قرار خواهند گرفت. همچنین این دوره توسط ۷ استاد از برترین اساتید دانشگاه تدریس می شود که به شما کمک می کند در این حیطه جذاب و بسیار کاربردی زیست شناسی یک آموزش درجه یک دریافت کنید. در پایان این دوره آفلاین از طرف پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری به شما گواهی شرکت در دوره به زبان انگلیسی اعطا خواهد شد.

سرفصل های دوره جامع بیوانفورماتیک و هوش مصنوعی در زیست شناسی

۱. مقدمه ای بر یادگیری ماشین و هوش مصنوعی
۲. پروتئین ها؛ از توالی تا ساختار
۳. پروتئین و بیوانفورماتیک
۴. ژنتیک و بیوانفورماتیک
۵. ترنسکریپتومیکس
۶. میکروبیوم
۷. شبکه های زیستی
۸. دینامیک مولکولی
۹. داکینگ مولکولی
۱۰. مهندسی پروتئین با رویکرد تولید محصولات بیوتکنولوژی

سرفصل های کارگاه دوره جامع بیوانفورماتیک و هوش مصنوعی در زیست شناسی

۱ – مقدمه ای بر یادگیری ماشین و هوش مصنوعی

استاد دوره:
دکتر حامد ملک؛ عضو هیئت علمی دانشکده مهندسی و علوم کامپیوتر دانشگاه شهیدبهشتی

سرفصل های دوره:
• آشنایی با تعاریف اولیه هوش مصنوعی و یادگیری ماشین
• آشنایی با کاربردهای هوش مصنوعی
• معرفی یک الگوریتم پایه ای و نحوه به کار گیری آن
• پیاده سازی الگوریتم معرفی شده و حل یک مساله مشخص با آن

۲ – کارگاه میکروبیوم

استاد دوره:
دکتر گلناز بهرامعلی؛ عضو هیئت علمی انستیتو پاستور ایران
سرفصل های دوره:
• آشنایی با میکروبیوم و نقش آن در سلامت انسان
• نقش هوش مصنوعی در تجزیه و تحلیل میکروبیوم انسانی
• کاربرد یادگیری ماشین در تحقیقات میکروبیوم
• آشنایی با داده های پایگاه های میکروبیوم
• مقدمه ای بر آنالیز داده های میکروبیوم

۳ – کارگاه پروتئین و بیوانفورماتیک

کارگاه مهندسی پروتئین با رویکرد تولید محصولات بیوتک
استاد دوره:
دکتر بیژن بمبئی؛ عضو هیئت علمی پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری
سرفصل های دوره:
• ساختار اول، دوم، سوم و چهارم پروتئین ها
• رابطه ساختار و عمل پروتئین ها
• پیش بینی ساختار دوم، سوم و چهارم پروتئین ها
• ساخت پروتئین های جدید با کمک هوش مصنوعی
• آشنایی با دیتاست های پروتئینی مانند ProtGPT2
• مهندسی پروتئین با رویکرد تولید محصولات بیوت

۴ – کارگاه ترنسکریپتومیکس

استاد دوره:
دکتر جواد زمانی؛ دکتری زیست فناوری از پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری
سرفصل های دوره:
• رونوشتام (Transcriptomics) و کاربردهای آن
• آشنایی با میکرواری (Microarray)
• آشنایی با RNA-seq
• معرفی دیتاست دادهای بیانی (Transcriptome Data)
• مروری بر آنالیزهای داده های بیانی

۵ – کارگاه ژنتیک و بیوانفورماتیک

استاد دوره:
دکتر زرین مینوچهر؛‌ عضو هیئت علمی پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری
سرفصل های دوره:
• مقدمه ای بر ژن و پروتئین
• آشنایی با مفاهیم پایه ای بیوانفورماتیک
• مراکز مهم بیوانفورماتیک
• پایگاه داده های بیوانفورماتیک
• استفاده از بیوانفورماتیک در حل مسئله

۶ – کارگاه دینامیک مولکولی

استاد دوره:
دکتر جواد زمانی؛ دکتری زیست فناوری از پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری
سرفصل های دوره:
• دینامیک مولکولی؛ تعاریف و کاربردها
• آشنایی با میدان نیروهای مورد استفاده در دینامیک مولکولی
• آماده سازی پروتئین و لیگاند برای دینامیک مولکولی
• مقدمه ای بر سیستم عامل لینوکس و معرفی دستورات پرکاربرد
• انجام کاهش سازی انرژی، NVT و NPT بر روی سیستم
• تحلیل نتایج دینامیک مولکولی و آماده سازی نتایج

۷ – کارگاه شبکه های زیستی

استاد دوره:
دکتر نجف اللهیاری فرد؛ استادیار پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری
سرفصل های دوره:
• مفاهیم و کاربردهای شبکه های زیستی
• انواع شبکه های زیستی
• پایگاه های داده، سرورها و نرم افزارهای شبکه های زیستی: KEGG, REACTOME, STRING, Cytoscape
• افزونه ها در شبکه های زیستی
• جستجو در برخی شبکه های زیستی

۸ – کارگاه پروتئین ها؛ از توالی تا ساختمان

استاد دوره:
دکتر زرین مینوچهر؛‌ عضو هیئت علمی پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری
سرفصل های دوره:
• ساختار پروتئین ها تا عملکرد آن ها
• پایگاه های داده توالی پروتئین: UNIPORT, …
• پایگاه های داده ساختار پروتئین:‌ SCOP, PDB, …

۹ – کارگاه داکینگ مولکولی

استاد دوره:
دکتر محمد صابری انوار؛ دکتری ژنتیک مولکولی
سرفصل های دوره:
• تعیین ساختار پروتئین ها
• کریستالوگرافی، مزایا و محدودیت ها
• مدل سازی، مزایا و محدودیت ها
• داکینگ مولکولی، اصول اولیه، توابع امتیازدهی و …