RSG - Iran

📣 فراخوان کاندیداتوری و اعلام زمان‌بندی انتخابات RSG-Iran

هر انجمن، با حضور و مشارکت اعضای خود معنا پیدا می‌کند؛ و بخشی از این مشارکت، پذیرفتن مسئولیت و تلاش برای ساختن مسیر بهتر برای جامعه‌ی علمی است. 🌱

در همین راستا، RSG-Iran در چارچوب قوانین انجمن جهانی ISCB، فرایند انتخابات سالانه‌ی خود را آغاز می‌کند.

✨ اگر به فعالیت‌های انجمن علاقه‌مند هستید، ایده‌ای برای پیشبرد اهداف RSG-Iran دارید و مایلید در مدیریت و توسعه‌ی فعالیت‌های انجمن نقش داشته باشید، می‌توانید برای یکی از دو جایگاه مدیریت یا دبیری انجمن اعلام کاندیداتوری کنید.

🔴 توجه: تنها افرادی که پیش از پایان مهلت عضویت، در سایت RSG-Iran عضو شده باشند، امکان اعلام کاندیداتوری در انتخابات را خواهند داشت.

🔴 انتخابات در سایت RSG-Iran برگزار خواهد شد.

🗓️ بازه و مراحل انتخابات:

📌 انتشار اطلاعیه و آغاز فرایند انتخابات:
۲۵ سپتامبر ۲۰۲۶ | ۳ مهر ۱۴۰۵

📌 بسته شدن عضویت:
۲۷ سپتامبر ۲۰۲۶ | ۵ مهر ۱۴۰۵

📌 اعلام کاندیداتوری و تأیید کاندیداها:
۲۸ سپتامبر ۲۰۲۶ | ۶ مهر ۱۴۰۵

📌 بازه تبلیغات انتخاباتی:
۲۹ سپتامبر تا ۱ اکتبر ۲۰۲۶ | ۷ تا ۹ مهر ۱۴۰۵

📌 برگزاری انتخابات:
۲ اکتبر ۲۰۲۶ | ۱۰ مهر ۱۴۰۵

📌 اعلام نتایج:
۵ اکتبر ۲۰۲۶ | ۱۱ مهر ۱۴۰۵

📌 گزارش انتخابات به اعضای انجمن و ISCB:
۶ اکتبر ۲۰۲۶ | ۱۴ مهر ۱۴۰۵

🌿 اگر ایده‌ای برای آینده‌ی RSG-Iran دارید، شاید زمان آن رسیده باشد که خودتان بخشی از این آینده را بسازید.

از همه‌ی اعضای RSG-Iran دعوت می‌کنیم با حضور و مشارکت خود، در شکل‌گیری مسیر آینده‌ی انجمن سهیم باشند.

#RSGIran #ISCB #Election

📣 انجمن RSG-Iran، شاخه‌ی دانشجویی انجمن جهانی زیست‌شناسی محاسباتی (ISCB) است و طبق قوانین، هر سال برای انتخاب مدیر و دبیر جدید، انتخابات برگزار می‌کند.

✨ امسال، انتخابات انجمن به‌صورت زودهنگام برگزار خواهد شد و تیم جدید برای ادامه‌ی فعالیت انجمن انتخاب می‌شود.

از تیم مدیریت دوره‌ی قبل که در طول این مدت برای انجمن وقت گذاشتند و در پیشبرد فعالیت‌های RSG-Iran همراه بودند، صمیمانه تشکر می‌کنیم و برایشان در ادامه‌ی مسیر آرزوی موفقیت داریم. 💚

✨ تیم مدیریت شامل مدیر و دبیر انجمن است و انتخاب معاونین پس از انتخابات و توسط مدیر انجمن صورت می‌گیرد.

⚡️ تنها اعضای انجمن می‌توانند:
۱. به‌عنوان کاندیدای یکی از دو سمت «مدیر» یا «دبیر» ثبت‌نام کنند.
۲. در انتخابات شرکت کرده و رأی بدهند.

📌 عضویت در انجمن منوط به داشتن حساب کاربری در سایت ISCB RSG-Iran است و پس از تأیید عضویت، امکان ثبت‌نام به‌عنوان کاندیدا و شرکت در رأی‌گیری فراهم می‌شود.

انتخابات امسال در ۱۰ مهر ۱۴۰۵ (۲ اکتبر ۲۰۲۶) برگزار خواهد شد و جزئیات و زمان‌بندی سایر مراحل در اطلاعیه‌های بعدی اعلام می‌شود.

🔗 Telegram
🔗 LinkedIn
🔗 Instagram

🧬 وقتی هوش مصنوعی شروع به طراحی پروتئین کرد

داستان Protein Language Models؛ از خواندن زبان مولکولی حیات تا ساخت پروتئین‌هایی که طبیعت هنوز نساخته است

پروتئین‌ها را می‌توان ماشین‌های مولکولی حیات دانست؛ زنجیره‌هایی از اسیدهای آمینه که ترتیب آن‌ها، ساختار و عملکرد پروتئین را شکل می‌دهد. برای سال‌ها، دانشمندان تلاش می‌کردند رابطه میان توالی، ساختار و عملکرد را با آزمایش‌های پیچیده و زمان‌بر کشف کنند.

اما حالا یک سؤال متفاوت مطرح شده است:

«اگر توالی پروتئین یک زبان باشد، آیا هوش مصنوعی می‌تواند این زبان را یاد بگیرد؟» 🧠🧬

مدل‌های زبانی پروتئین یا Protein Language Models دقیقاً با همین ایده ساخته شده‌اند. این مدل‌ها با مشاهده میلیون‌ها توالی پروتئینی، الگوهایی را یاد می‌گیرند که در طول تکامل شکل گرفته‌اند؛ الگوهایی که می‌توانند با ساختار، عملکرد و حتی اثر جهش‌ها ارتباط داشته باشند.

اما اتفاق جذاب‌تر زمانی رخ می‌دهد که مدل دیگر فقط پروتئین‌ها را «پیش‌بینی» نکند، بلکه شروع به «طراحی» آن‌ها کند.

در اینجا سؤال از «این توالی چه عملکردی دارد؟» به «برای رسیدن به یک عملکرد خاص، چه توالی‌ای باید بسازیم؟» تغییر می‌کند.

مدل‌های جدید می‌توانند توالی‌هایی پیشنهاد دهند که از نظر محاسباتی ویژگی‌هایی مانند پایداری، فعالیت یا توانایی اتصال به یک هدف مشخص را داشته باشند. ترکیب این مدل‌ها با اطلاعات ساختاری و بیوفیزیکی نیز می‌تواند طراحی پروتئین را از یک فرآیند آزمون‌وخطای طولانی به یک چرخه سریع‌تر تبدیل کند. 🔬

از طرف دیگر، ابزارهایی مانند AlphaFold 3 نشان داده‌اند که می‌توان برهم‌کنش میان پروتئین‌ها، DNA، RNA و مولکول‌های کوچک را نیز در مقیاس محاسباتی مدل‌سازی کرد. این پیشرفت‌ها می‌توانند مسیر طراحی دارو و مهندسی پروتئین را تغییر دهند.

اما یک چالش مهم همچنان وجود دارد:

آیا پروتئینی که هوش مصنوعی طراحی می‌کند، واقعاً در دنیای زیستی کار خواهد کرد؟

لزوماً نه.

محیط سلولی، دینامیک ساختاری، برهم‌کنش با مولکول‌های دیگر و محدودیت‌های بیوفیزیکی می‌توانند نتیجه‌ای متفاوت از پیش‌بینی مدل ایجاد کنند. بنابراین آزمایش تجربی همچنان بخش جدایی‌ناپذیر این فرآیند است.

آینده احتمالاً متعلق به چرخه‌ای خواهد بود که در آن:

🧠 هوش مصنوعی طراحی می‌کند
🧬 مدل‌های محاسباتی ساختار و عملکرد را پیش‌بینی می‌کنند
آزمایشگاه نتایج را بررسی می‌کند
🔄 و داده‌های جدید دوباره به مدل بازمی‌گردند.

ما سال‌ها تلاش کردیم بفهمیم طبیعت چگونه پروتئین می‌سازد.

حالا شاید وارد مرحله‌ای شده‌ایم که سؤال بزرگ‌تر این باشد:

اگر زبان پروتئین‌ها را یاد گرفته‌ایم، آیا می‌توانیم با این زبان، پروتئین‌های جدید بنویسیم؟ 🧬

✍🏻 گردآورنده: مهدی کتابی

📚 منابع

🔗 منبع اول
🔗 منبع دوم
🔗 منبع سوم
🔗 منبع چهارم
🔗 منبع پنجم

🚀 Telegram
📱 LinkedIn
📱 Instagram

🌎🧬 اکسپوزوم؛ ردپای نامرئی جهان درون ما

ما دهه‌ها زمان صرف رمزگشایی از DNA کردیم، با این تصور که نقشه کامل زیست‌شناسی ما در همین کدهای وراثتی نهفته است. اما ژنوم تنها یک روی این داستان پیچیده است. در هر لحظه از زندگی، بدن ما در معرض هزاران تأثیر از دنیای بیرون قرار می‌گیرد و زیست‌شناسی نوین اکنون در حال پرسیدن این سؤال است که وقتی تمام این مواجهه‌ها به بخشی از زیست‌شناسی ما تبدیل شوند، دقیقاً چه اتفاقی می‌افتد؟ 🧬🌎

در کنار ژنوم که کدهای وراثتی ما را در بر دارد و میکروبیوم که زیست‌بوم میکروبی درون ماست، مفهوم دیگری در خط مقدم علم در حال درخشیدن است: اکسپوزوم (Exposome). 🔬

اکسپوزوم مجموعه‌ای از تمام مواجهه‌های محیطی است که یک انسان در طول زندگی خود تجربه می‌کند. این مفهوم به هیچ وجه یک ماده منفرد یا یک سنجش ساده نیست؛ بلکه شبکه‌ای پویا و پیچیده از مواجهه‌ها و پاسخ‌های زیستی درونی است که با تغییر سن، مکان، شغل، رژیم غذایی، محیط اجتماعی و حتی وضعیت بیماری، دائماً دگرگون می‌شود. 🔄

ما در اقیانوسی نامرئی از عوامل محیطی شناوریم. ذرات معلق هوا، دود دخانیات، فلزات سنگین، آلاینده‌های صنعتی، مواد شیمیایی مختل‌کننده غدد درون‌ریز، داروها، پرتوهای فرابنفش، سر و صدا، عفونت‌ها و حتی استرس‌های روانی، همگی می‌توانند با سلول‌های ما وارد تعامل شوند. اما هر مواجهه‌ای لزوماً مضر نیست؛ اثر یک عامل می‌تواند مخرب، مفید، خنثی یا کاملاً وابسته به بستر باشد.

دوز، مدت زمان، مسیر ورود به بدن و تعامل میان عوامل مختلف می‌توانند نتیجه نهایی را به‌شدت تغییر دهند. 🧩

امروزه دانشمندان تنها نمی‌پرسند چه چیزی وارد بدن می‌شود؟ بلکه می‌خواهند بدانند بدن با آن چه می‌کند؟ به کمک فناوری‌هایی مانند طیف‌سنجی جرمی با وضوح بالا و رویکردهای چنداُمیکی مانند متابولومیکس، پروتئومیکس و اپی‌ژنومیکس، پژوهشگران در حال ردیابی هزاران سیگنال شیمیایی به‌طور همزمان هستند. 🧬🔬

بسیاری از مواد شیمیایی خارجی پس از ورود به بدن توسط فرایندهای متابولیکی تغییر می‌کنند و به ترکیبات زیستی جدیدی تبدیل می‌شوند. بنابراین، چیزی که در نهایت در بدن ما باقی می‌ماند الزاماً همان چیزی نیست که از محیط دریافت کرده‌ایم.

مسیر تبدیل یک مواجهه به یک اثر زیستی نیز به ندرت خطی است. یک عامل محیطی می‌تواند به آسیب DNA، استرس اکسیداتیو، التهاب، تغییرات اپی‌ژنتیک و اختلال عملکرد میتوکندری منجر شود؛ فرایندهایی که در نهایت می‌توانند بر خطر ابتلا به بیماری‌ها اثر بگذارند. ❕

در این میان، زمان‌بندی اهمیت فوق‌العاده‌ای دارد. دوران جنینی، کودکی، بلوغ و سالمندی می‌توانند پنجره‌هایی از حساسیت متفاوت باشند؛ دوره‌هایی که مواجهه‌های محیطی ممکن است پیامدهایی طولانی‌مدت بر سلامت داشته باشند.

اما حتی دو انسان که در معرض یک عامل یکسان قرار می‌گیرند، الزاماً پاسخ یکسانی ندارند. تفاوت‌های ژنتیکی، متابولیسم، وضعیت سلامت و عوامل دیگر می‌توانند نحوه واکنش بدن را تغییر دهند. اینجاست که مفهوم تعامل ژن و محیط وارد داستان می‌شود. 🧬🤝🌎

و شاید پیچیده‌ترین بخش ماجرا این باشد که ما تقریباً هیچ‌وقت با یک عامل محیطی منفرد مواجه نیستیم. ما همزمان با مجموعه‌ای از مواد، شرایط و محرک‌ها روبه‌رو می‌شویم؛ عواملی که ممکن است اثر یکدیگر را تقویت یا خنثی کنند. بنابراین، مطالعه یک ماده در شرایط آزمایشگاهی نمی‌تواند همیشه پیچیدگی جهان واقعی را بازسازی کند. 🧩

فناوری‌های پوشیدنی، داده‌های مکانی، حسگرهای محیطی و هوش مصنوعی اکنون به دانشمندان کمک می‌کنند تا تاریخچه مواجهه‌های انسان را با جزئیات بیشتری ثبت کنند. اما هنوز فاصله زیادی تا درک کامل اکسپوزوم وجود دارد و نمی‌توان با یک آزمایش ساده، تمام مواجهه‌های یک فرد را بازسازی یا خطر دقیق بیماری‌های آینده را پیش‌بینی کرد. 🚫🔮

روزی تصور می‌کردیم ژنوم، داستان کامل ماست. امروز می‌دانیم داستان زیست‌شناسی ما در تعامل میان ژن‌ها، سلول‌ها، میکروب‌ها و جهانی که در آن زندگی می‌کنیم نوشته می‌شود. 🌎🧬

اگر بدن ما حامل ردپای مولکولی جهانی است که در آن زندگی کرده‌ایم، چه مقدار از آنچه به آن تبدیل می‌شویم در ژن‌هایمان نوشته شده، و چه مقدار از آن را محیط، بی‌صدا در طول زندگی‌مان به رشته تحریر درمی‌آورد؟


✍🏻گردآورنده: محمد جواد پاپی زاده

📚 منابع

🔗منبع اول 🔗منبع ششم
🔗منبع دوم
🔗منبع سوم
🔗منبع چهارم
🔗منبع پنجم



🚀 Telegram
📱 LinkedIn
📱 Instagram

📣 برنامه امروز | روز سوم و پایانی HBC2026

همراهان گرامی،

امروز، یکشنبه ۱۳ سپتامبر ۲۰۲۶ (۲۲ شهریور)، سومین و آخرین روز از سمینار پیشرفته HBC2026 برگزار خواهد شد. 🧬

🎙 برنامه علمی روز سوم:

🔹 Dr. Waqar Hanif
📌 Applications of Large Language Models in Bioinformatics

🔹 Dr. Delaram Pouyabahar
📌 Modeling Sources of Variability to Interpret Single-Cell RNA-seq Maps

🔹 Prof. Olga Vitek
📌 Statistics, Machine Learning and AI for Design and Analysis of Mass Spectrometry Imaging Experiments

🌎 برای مشاهده‌ی ساعت دقیق هر ارائه بر اساس منطقه‌ی زمانی محل زندگی خود و برنامه کامل رویداد، از لینک زیر استفاده کنید:

https://spentagen.com/hbc-2026-schedule/

منتظر حضور شما در روز سوم و پایانی HBC2026 هستیم. 🚀🧬

کمیته‌ی برگزاری HBC2026

📢 برنامه امروز | روز دوم HBC2026

همراهان گرامی،

امروز، شنبه ۱۲ سپتامبر ۲۰۲۶ (۲۱ شهریور)، دومین روز از سمینار پیشرفته HBC2026 برگزار خواهد شد. 🧬

🎙 برنامه علمی امروز:

🔹 Prof. Marcus Kaiser
📌 Non-invasive Neuromodulation: Challenges and Solutions for At-home Devices

🔹 Prof. Kathryn Roeder
📌 Genomic Inferences in the Era of Black Box Predictions

🔹 Prof. Arjun Krishnan
📌 Harnessing Public Omics Data at Scale Using AI: Why It’s Hard, What It Reveals About Disease Biology, and What It Teaches Us About Doing Science

🌐 برای مشاهده‌ی ساعت دقیق هر ارائه بر اساس منطقه‌ی زمانی محل زندگی خود و برنامه‌ی کامل رویداد، از لینک زیر استفاده کنید:
https://spentagen.com/hbc-2026-schedule/

منتظر حضور شما در روز دوم HBC2026 هستیم. 🚀

🧬کمیته برگزاری HBC2026

📢 برنامه امروز | روز اول HBC2026
همراهان گرامی،

امروز، جمعه ۱۱ سپتامبر ۲۰۲۶ (۲۰ شهریور)، نخستین روز از سمینار پیشرفته HBC2026 برگزار خواهد شد. 🧬

🎙 برنامه علمی امروز:

🔹 Prof. Heidi Rehm
📌 Global Strategies to Decipher Rare Disease

🔹 Dr. Mohieddin Jafar
i📌 SOORENA: Systematic Discovery of Autoregulatory Nodes in Biological Networks

☕️ Extended Networking Break

🔹 Dr. Iman Dehzangi
📌 Hippocampal Tissue Image Analysis Using Generative and Foundation Models

🔹 Prof. Anshul Kundaje
📌 Decoding Regulatory DNA with Deep Learning Models

🌐 برای مشاهده‌ی ساعت دقیق هر ارائه و برنامه‌ی کامل رویداد، از لینک زیر استفاده کنید:
https://spentagen.com/hbc-2026-schedule

منتظر حضور شما در روز اول HBC2026 هستیم. 🚀🧬

کمیته برگزاری HBC2026

📢 اطلاعیه مهم برای شرکت‌کنندگان رویداد HBC2026

همراهان گرامی،

اطلاعات مربوط به نحوه‌ی ورود به پلتفرم برگزاری رویداد، نام کاربری و رمز عبور، برنامه‌ی جلسات و سایر نکات مهم شرکت در HBC2026 از طریق ایمیل برای ثبت‌ نام‌ کنندگان ارسال شده است.

لطفاً Inbox و همچنین پوشه‌‌ی Spam ایمیل خود را بررسی فرمایید.

⚠️ در صورتی که در رویداد ثبت‌ نام کرده‌اید اما ایمیل اطلاع‌رسانی را دریافت نکرده‌اید، لطفاً در اسرع وقت از طریق تلگرام به پشتیبانی پیام دهید تا موضوع بررسی شود.

🔹 پشتیبانی تلگرام:
@spentagen_admin
@RSG_Iran

لطفا در پیام خود، نام و نام خانوادگی و آدرس ایمیلی که با استفاده از آن ثبت‌ نام کرده‌اید را نیز ذکر کنید تا امکان بررسی سریع‌تر فراهم باشد.

با سپاس

کمیته‌ی برگزاری HBC2026

🔸مهلت ثبت نام، تمدید شد🔸

📌قابل توجه علاقمندان به سمینار پیشرفته HBC2026؛

📟 مهلت ثبت نام در رویداد HBC2026 تمدید گردید.

⏱ شما می‌توانید تا ساعت ۲۰:۰۰ روز پنجشنبه، ۱۹ شهریور ماه از طریق لینک زیر در رویداد، ثبت نام فرمائید:

🔗 https://spentagen.com/hbc2026

HBC2026 🚀

⭕️اطلاعیه پایان ثبت نام⭕️

همراهان گرامی؛

⌛️بازه زمانی ثبت نام رویداد HBC2026 در ساعت ۲۲:۰۰ امشب به پایان رسید.
تا
📊از استقبال خوبتون برای این رویداد هیجان انگیز سپاسگزاریم.

📨اطلاعات و جزئیات شرکت در رویداد به زودی برای شرکت کنندگان، ایمیل خواهد گردید.

به امید دیدار شما در HBC2026 🚀

✔️ Dr. Delaram Pouyabahar | دکتر دلارام پویابهار

🔗 Researcher at the Broad Institute & Wellcome Sanger Institute

🔅 Academic & Industrial Background:

🔹 Researcher / Postdoctoral Fellow at the Broad Institute of MIT and Harvard
🔹 Researcher / Postdoctoral Fellow at the Wellcome Sanger Institute

🎓 Educational Background:

▪️ Ph.D. in Computational Biology / Bioinformatics, University of Toronto

🔗 LinkedIn / Google Scholar

📌 Presentation Title | عنوان ارائه

~ Modeling sources of variability to interpret single cell RNAseq maps

🌎 Language of Presentation

~ English | انگلیسی


#ComputationalBiology #Bioinformatics #Genomics #BroadInstitute #HBC2026 #Presenters

Instagram / Linkedin

✔️ Dr. Waqar Hanif | دکتر وقار حنیف

🔗 Researcher at the University of Bonn & Founder of BioCode

🔅 Academic & Industrial Background:

🔹 Researcher, University of Bonn, Germany
🔹 Researcher, DZNE (German Center for Neurodegenerative Diseases)
🔹 Founder & CEO, BioCode (Learn Bioinformatics Platform)

🎓 Educational Background:

▪️ Advanced Research & Studies in Bioinformatics and Computational Biology

🔗 LinkedIn

📌 Presentation Title | عنوان ارائه

~ Applications of Large Language Models in Bioinformatics


🌎 Language of Presentation

~ English | انگلیسی


#Bioinformatics #ComputationalBiology #LargeLanguageModels #AgenticAI #HBC2026

Instagram / Linkedin

📳بعد از پاسخ دادن به آخرین سوال مسابقه📳

✅اگه فقط به سه سوال از چالش‌های HBC2026 درست پاسخ دادی (پیدا کردن کد مخفی ویدیو اینستاگرام، حدس سخنران و سه سوال مرتبط با موضوعات سخنرانی HBC) همین الان به ادمین RSG پیام بده برای دریافت تخفیف 50% ثبت نام در رویداد HBC...

@RSG_Iran

توجه داشته باشید که فقط 3 نفر اول که امتیازشون شامل جایزه باشه امکان دریافت تخفیف 50درصدی خواهند داشت..

🔹 هیپوکامپ (Hippocampus) بخشی از مغزه که نقش کلیدی در حافظه و یادگیری داره.
🔹 تحلیل تصاویر بافت هیپوکامپ می‌تونه به تشخیص زودهنگام بیماری‌هایی مثل آلزایمر کمک کنه.

🤔اما تحلیل دستی این تصاویر، زمان‌بر، پیچیده و وابسته به نظر متخصصه...

🛜مدل‌های بنیادین مثل SAM، روی مجموعه‌های داده‌ی عظیم و متنوع (شامل تصاویر پزشکی و غیرپزشکی) آموزش دیده‌اند.
این تنوع بالا باعث میشه که مدل توانایی تعمیم‌پذیری (Generalization) بالایی داشته باشه.

♨️اما چالش اصلی اینجاست که این مدل‌ها معمولاً روی تصاویر باکیفیت بالا آموزش دیده‌اند و وقتی با داده‌های MRI با نویز بالا یا وضوح پایین مواجه می‌شن، ممکنه عملکردشون به شدت کاهش پیدا کنه.

✅استفاده از مدل‌های مولد برای تولید داده‌های مصنوعی شبیه‌سازی‌شده (Synthetic Data) میتونه راه حل مناسبی باشه تا مدل روی سناریوهای مختلف هم آموزش ببینه.

🔥در رویداد HBC2026 دکتر ایمان ده‌زنگی، استاد دانشگاه Rutgers، قراره در مورد این چالش برامون سخنرانی داشته باشن...

و اما آخرین سوال مسابقه HBC2026 آخرین امتیاز برای دریافت تخفیف 50 درصدی!!

#HBC2026 #RSGIran #SpentaGen

Instagram / Linkedin / Website

✔️ Dr. Iman Dehzangi | دکتر ایمان ده‌زنگی

🔗 Assistant Professor of Computer Science, Rutgers University

🔅 Academic & Industrial Background:

🔹 Assistant Professor at Rutgers, The State University of New Jersey
🔹 Academic and Research Affiliations with Morgan State University, Griffith University, and The University of Iowa
🔹 Researcher in Bioinformatics, Machine Learning, and Computational Biology

🎓 Educational Background:

▪️ Ph.D. in Computer Science, Griffith University
▪️ Extensive research in biomedical image analysis and deep learning frameworks

🔗 LinkedIn / Google Scholar


📌 Presentation Title | عنوان ارائه

~ Hippocampal Tissue Image Analysis Using Generative and Foundation Models


🌎 Language of Presentation

~ English | انگلیسی


#DeepLearning #Bioinformatics #MedicalImaging #ComputerVision #HBC2026 #Presenters

Instagram / Linkedin

✔️ Prof. Arjun Krishnan | پروفسور آرجِن کریشنن

🔗 Associate Professor of Biomedical Informatics at the University of Colorado Anschutz Medical Campus

🔅 Academic & Industrial Background:

🔹 Associate Professor, Department of Biomedical Informatics, University of Colorado Anschutz
🔹 Former Faculty Member at Michigan State University (MSU)
🔹 Principal Investigator of the Krishnan Lab (Data-driven integration for biomedicine)

🎓 Educational Background:

▪️ Postdoctoral Research, Lewis-Sigler Institute for Integrative Genomics, Princeton University
▪️ Ph.D. in Genetics, Bioinformatics, and Computational Biology, Virginia Tech

🔗 LinkedIn / Google Scholar

📌 Presentation Title | عنوان ارائه

~ Harnessing public omics data at scale using AI: why it’s hard, what it reveals about disease biology, and what it teaches us about doing science


🌎 Language of Presentation

~ English | انگلیسی


#ComputationalBiology #Bioinformatics #MachineLearning #HBC2026 #Presenters

Instagram / Linkedin

✔️ Prof. Olga Vitek | پروفسور اولگا ویتک

🔗 Raymond Bradford Bradstreet Professor & Director of the Barnett Institute at Northeastern University

🔅 Academic & Industrial Background:

🔹 Raymond Bradford Bradstreet Professor in the Khoury College of Computer Sciences, Northeastern University
🔹 Director of the Barnett Institute for Chemical and Biological Analysis at Northeastern University
🔹 Former Faculty and University Faculty Scholar at Purdue University
🔹 Elected Fellow of the American Statistical Association and President-elect of the US Human Proteome Organization (USHUPO)

🎓 Educational Background:

▪️ Ph.D. in Statistics, Purdue University

📥 LinkedIn / Google Scholar

📌 Presentation Title | عنوان ارائه

~ Statistics, machine learning and AI for design and analysis of mass spectrometry imaging experiments

🌎 Language of Presentation

~ English | انگلیسی


#MachineLearning #MassSpectrometry #Bioinformatics #ArtificialIntelligence #HBC2026 #Presenters

Instagram / Linkedin

✔️ Prof. Anshul Kundaje | پروفسور انشول کُنداژِی

🔗 Associate Professor of Genetics and Computer Science at Stanford University

🔅 Academic & Industrial Background:

🔹 Associate Professor of Genetics and Computer Science, Stanford University
🔹 Principal Investigator of the Kundaje Lab (Deep Learning for Genomics)
🔹 Member of Stanford Bio-X, Stanford Cancer Institute, and Wu Tsai Neurosciences Institute

🎓 Educational & Research Background:

▪️ Ph.D. in Computer Science, Columbia University
▪️ Postdoctoral Scholar, Stanford University
▪️ Former Research Scientist, MIT

📥 LinkedIn / Google Scholar

📌 Presentation Title | عنوان ارائه

~ Decoding regulatory DNA with deep learning models

🌎 Language of Presentation

~ English | انگلیسی


#ComputationalBiology #DeepLearning #Genomics #AI #HBC2026 #Presenters

Instagram / Linkedin