We are searching data for your request:
Upon completion, a link will appear to access the found materials.
وصف الأنظمة العضلية والهيكلية والغلافية
تم تجميع هذه المجموعة من أنظمة الجسم معًا باسم "أنظمة الدعم". تذكر أن هذا ليس تصنيفًا صارمًا وسريعًا: فهذه الأنظمة مجمعة معًا لمساعدتك في تنظيم تعلمك. توفر أنظمة الدعم هذه البنية (والدعم!) لجسمك: عضلاتك وهيكلك العظمي وجلدك.
ما سوف تتعلم القيام به
- تحديد هيكل ووظيفة الجهاز العضلي
- تحديد هيكل ووظيفة نظام الهيكل العظمي
- تحديد هيكل ووظيفة النظام غلافي
نشاطات التعلم
تشمل الأنشطة التعليمية لهذا القسم ما يلي:
- الجهاز العضلي
- نظام الهيكل العظمي
- نظام غلافي
- الفحص الذاتي: أنظمة الدعم
16.1 الخلايا العصبية والخلايا الدبقية
تختلف الأنظمة العصبية في جميع أنحاء المملكة الحيوانية من حيث التركيب والتعقيد ، كما يتضح من تنوع الحيوانات الموضحة في الشكل 16.2. تفتقر بعض الكائنات الحية ، مثل إسفنج البحر ، إلى نظام عصبي حقيقي. البعض الآخر ، مثل قنديل البحر ، يفتقر إلى دماغ حقيقي وبدلاً من ذلك لديه نظام من الخلايا العصبية المنفصلة ولكن المتصلة (الخلايا العصبية) تسمى "الشبكة العصبية". تحتوي شوكيات الجلد مثل نجوم البحر على خلايا عصبية مجمعة في ألياف تسمى الأعصاب. الديدان المفلطحة من فصيلة Platyhelminthes لها جهاز عصبي مركزي (CNS) ، يتكون من "دماغ" صغير وحبلين عصبيين ، وجهاز عصبي محيطي (PNS) يحتوي على نظام من الأعصاب التي تمتد في جميع أنحاء الجسم. يعتبر الجهاز العصبي الحشري أكثر تعقيدًا ولكنه أيضًا لا مركزي إلى حد ما. يحتوي على دماغ وحبل عصبي بطني وعقد (مجموعات من الخلايا العصبية المتصلة). يمكن لهذه العقد أن تتحكم في الحركات والسلوكيات دون تدخل من الدماغ. قد يكون لدى Octopi أكثر الأجهزة العصبية اللافقارية تعقيدًا - فهي تحتوي على عصبونات منظمة في فصوص وأعين متخصصة تشبه بنيوياً أنواع الفقاريات.
الشكل 16.2. تختلف النظم العصبية في التركيب والتعقيد. في (أ) الكائنات المجوفة ، تشكل الخلايا العصبية شبكة عصبية لامركزية. في (ب) شوكيات الجلد ، يتم تجميع الخلايا العصبية في ألياف تسمى الأعصاب. في الحيوانات التي تظهر تناظرًا ثنائيًا مثل (ج) المستوحات ، تتجمع الخلايا العصبية في دماغ أمامي يعالج المعلومات. بالإضافة إلى الدماغ ، (د) تحتوي المفصليات على مجموعات من أجسام الخلايا العصبية ، تسمى العقد المحيطية ، وتقع على طول الحبل العصبي البطني. الرخويات مثل الحبار والأخطبوط ، والتي يجب أن تصطاد للبقاء على قيد الحياة ، لديها أدمغة معقدة تحتوي على ملايين من الخلايا العصبية. في الفقاريات (و) يتكون الدماغ والحبل الشوكي من الجهاز العصبي المركزي ، بينما الخلايا العصبية الممتدة إلى بقية الجسم تشكل الجهاز العصبي المحيطي. (الائتمان e: تعديل العمل بواسطة Michael Vecchione ، و Clyde F.E. Roper ، و Michael J. Sweeney ، NOAA credit f: تعديل العمل بواسطة NIH)
بالمقارنة مع اللافقاريات ، فإن الجهاز العصبي للفقاريات أكثر تعقيدًا ومركزية وتخصصًا. في حين أن هناك تنوعًا كبيرًا بين الأنظمة العصبية المختلفة للفقاريات ، إلا أنها تشترك جميعها في بنية أساسية: الجهاز العصبي المركزي الذي يحتوي على الدماغ والحبل الشوكي والجهاز العصبي المحيطي المكون من الأعصاب الحسية والحركية المحيطية. أحد الاختلافات المثيرة للاهتمام بين الجهازين العصبيين للافقاريات والفقاريات هو أن الحبال العصبية للعديد من اللافقاريات تقع بطنيًا بينما تقع الحبال الشوكية للفقاريات ظهريًا. هناك جدل بين علماء الأحياء التطورية حول ما إذا كانت هذه الخطط المختلفة للجهاز العصبي قد تطورت بشكل منفصل أو ما إذا كان ترتيب خطة جسم اللافقاريات "انقلب" بطريقة ما أثناء تطور الفقاريات.
7.6 ملخص
- ينقسم جسم الإنسان إلى عدد من تجاويف الجسم ، وهي مساحات مليئة بالسوائل في الجسم تحافظ على الأعضاء الداخلية وتحميها. أكبر تجويفين في جسم الإنسان هما التجويف البطني والتجويف الظهري.
- يقع التجويف البطني في الجزء الأمامي (أو الأمامي) من الجذع. وينقسم إلى التجويف الصدري والتجويف البطني.
- يقع التجويف الظهري في الجزء الخلفي (أو الخلفي) من الجسم ، ويتضمن الرأس والجزء الخلفي من الجذع. وينقسم إلى تجويف الجمجمة وتجويف العمود الفقري.
دليل عملي لبيولوجيا أنظمة السرطان
تجمع بيولوجيا الأنظمة بين الأساليب الحسابية والتجريبية لتحليل الأنظمة البيولوجية المعقدة وتركز على فهم الأنشطة الوظيفية من منظور على مستوى الأنظمة. يوفر عملية تكرارية للقياسات التجريبية وتحليل البيانات والمحاكاة الحسابية لنمذجة السلوك البيولوجي. يقدم هذا الكتاب بروتوكولات مشروحة للتجارب عالية الإنتاجية وإجراءات التحليل الحسابي المركزية لأبحاث وتعليم بيولوجيا أنظمة السرطان. سيتعلم القراء كيفية إنشاء وتحليل البيانات عالية الإنتاجية ، ونمذجة هيكل البروتين العلاجي المستهدف ، ومحاكاة الإرساء لاكتشاف الأدوية. هذا هو أول دليل عملي للطلاب والعلماء الذين يرغبون في أن يصبحوا علماء أحياء أنظمة أو يستخدمون نهج أبحاث السرطان.
- مقدمة في بيولوجيا أنظمة السرطان (Hsueh-Fen Juan و Hsuan-Cheng Huang)
- تحليل النسخ: بناء المكتبة (Hsin-Yi Chang و Hsueh-Fen Juan)
- البروتين الكمي: العلامات المتساوية للكميات النسبية والمطلقة (iTRAQ) (يي هسوان وو وسويه فين جوان)
- بروتين فسفوري: تحضير العينة (شيا وي هو وسويه فين جوان)
- تحليل البيانات النسخية: تحليل تسلسل الحمض النووي الريبي باستخدام المجرة (شيا لانج هسو وشانتال هوي يين تشيونغ)
- تحليل البيانات البروتينية: الإثراء الوظيفي (هسين يي تشانغ وهسوه فين جوان)
- تحليل بيانات الفسفرة (شيا لانغ هسو ووي هسوان وانغ)
- تحليل المسار والشبكة (تشين تسونغ هوانغ وهسويه فين خوان)
- النمذجة الديناميكية (يو تشاو وانغ)
- نمذجة بنية البروتين (شيا هسين لي وسويه فين جوان)
- محاكاة الإرساء (شيا هسين لي و Hsueh-Fen Juan)
أمامي
1: مقدمة في بيولوجيا أنظمة السرطان
السرطان مرض يهدد الحياة وهو أحد الأسباب الرئيسية للوفاة في جميع أنحاء العالم. تتقدم معرفتنا بالسرطان بمعدل مذهل ، ومع ذلك ، فكلما فهمنا أكثر ، زادت التعقيدات التي يكشفها السرطان. تعمل العمليات المختلفة ، على المستويين الجزيئي والخلوي ، بطريقة ديناميكية ورابطية يجب فهمها لمعالجة المرض. يمكن أن يؤدي فحص تعبيرات الحمض النووي والحمض النووي الريبي والبروتينات العالمية إلى توليد بيانات أوميكس كبيرة والتي بدورها تخلق نهجًا نظميًا لأبحاث بيولوجيا السرطان ، والمعروفة أيضًا باسم بيولوجيا أنظمة السرطان. تتناول بيولوجيا أنظمة السرطان مدى تعقيد السرطان من خلال دمج الأساليب التجريبية والحسابية في تركيب واختبار الفرضيات البيولوجية للسرطان.
2: تحليل الترنسكريبتوم: بناء المكتبة
يكشف تحليل الترنسكريبتوم عن لوائح التعبير الجيني المحورية في حالات بيولوجية معينة. توفر تحليلات المصفوفات الدقيقة التقليدية فرصًا لدراسة المستويات ذات الصلة من النصوص ذات التسلسلات المعروفة. لذلك ، يمكن قياس التعبيرات الجينية والتضفير البديل للجينات وكمية أي تسلسلات محددة بواسطة المستخدم بطريقة عالية الإنتاجية. ومع ذلك ، تظهر العديد من القيود أثناء استخدام تحليل المصفوفة الدقيقة: فقدان الخطية للإشارة ، والاكتشاف المحدود لكثافة التألق الضعيفة ، وعدم القدرة على اكتشاف النصوص الجديدة ...
3: البروتين الكمي: العلامات المتساوية للكميات النسبية والمطلقة (iTRAQ)
تم تقديم مصطلح "البروتين" لأول مرة في عام 1996 بالتناظر مع الجينوم مع تعريف كامل مكملات البروتينات المعبر عنها في حالة معينة لخلية أو نسيج أو كائن حي. على الرغم من التشابه بين الجينوم والنسخة والبروتينات ، لا يمكن نقل التنميط البروتيني لموضوع ما مباشرة من الجينوم أو النسخ. تعتبر أحداث تنظيم الجينات ومتغيرات الربط البديلة والتعديلات اللاحقة للنسخ وما بعد الترجمة مسؤولة عن التنميط المتنوع للبروتينات التي تختلف عن الجينوم أو النسخ. لا يقتصر مجال علم البروتينات على تحديد البروتينات وتحديد كميتها فحسب ، بل يشمل أيضًا أبعاد توطين البروتينات الفرعية ، والتعديلات اللاحقة للترجمة ، والتغييرات الزمنية في التعبير والتفاعلات ...
4: بروتين فوسفوري: تحضير العينة
فسفرة البروتين هي واحدة من أهم التعديلات اللاحقة للترجمة في الخلايا. يلعب دورًا مهمًا في العمليات البيولوجية المختلفة بما في ذلك دورة الخلية وإشارات الخلية والتمثيل الغذائي. في حقيقيات النوى ، يُعتقد أن الفسفرة تشارك في 40٪ على الأقل من البروتينات. الكينازات والفوسفاتيز هما الإنزيمان الرئيسيان اللذان يتحكمان في آلية الفسفرة العكسية / نزع الفسفرة باستخدام أدينوسين ثلاثي الفوسفات (ATP) كمانح للفوسفات. في نقل الإشارة ، تتوسط الفسفرة توهين الإشارة وإنهائها ، في حين أن التنظيم الشاذ لفسفرة البروتين غالبًا ما ينتج عنه إشارات خلوية غير منضبطة ، مما يؤدي إلى مجموعة متنوعة من الأمراض. لذلك ، تعد الدراسة المنهجية لأحداث الفسفرة عاملاً محددًا مهمًا لفهم تنظيم فسيولوجيا الخلية ...
5: تحليل البيانات الترنسكريبتوميك: تحليل RNA-Seq باستخدام المجرة
يعد التوصيف العالمي وتنميط النسخ خطوات حاسمة للكشف عن الحمض النووي الريبي الذي يلعب دورًا متعدد الأوجه في العديد من العمليات البيولوجية. في أبحاث السرطان ، تم استخدام تحليلات الترنسكريبتوم لتحديد النصوص الشاذة المرتبطة بآليات مسببة للأمراض محددة ومجموعة من الجينات ، وهي التوقيع الجيني للتمييز بين الأنواع الفرعية للسرطان أو التنبؤ بمرضى السرطان. مع تطور تقنيات تسلسل الجيل التالي (NGS) ، تم استكمال الطرق التقليدية ، مثل علامة التسلسل المعبر عنها (EST) ومصفوفة ميكروأري للتعبير الجيني ، من خلال تسلسل الحمض النووي الريبي المتوازي على نطاق واسع (RNA-seq). يوفر RNA-seq قدرة ممتازة على التحديد الكمي غير المتحيز لتعبير النص في اختبار واحد. بالإضافة إلى ذلك ، فإن RNA-seq لديه القدرة المحتملة على اكتشاف الجينات الجديدة والأشكال الإسوية للنسخ ، والمتغيرات الجينية (على سبيل المثال ، متغيرات النوكليوتيدات المفردة ، والإدخالات ، والحذف) ، والاندماج الجيني. يفتح RNA-seq عصرًا جديدًا تمامًا من تحليل النسخ في أبحاث السرطان ...
6: تحليل البيانات البروتينية: الإثراء الوظيفي
يتطور تحديد البروتين عالي الإنتاجية والتحليل الكمي بناءً على قياس الطيف الكتلي بوتيرة سريعة. يوفر مقياس الطيف الكتلي الحديث منصة لتحديد البروتينات المعقدة ذات الحساسية العالية بتكلفة منخفضة نسبيًا وقابلية استنساخ عالية. يجب معالجة البيانات المكتسبة من قياس الطيف الكتلي وإدارتها وتصورها وتحليلها مسبقًا. يمكن تحقيق ذلك من خلال مجموعة متنوعة من البرامج المجانية والمتوفرة تجاريًا. وبالتالي ، يتم تقديم تحديد البروتين كخطوط أنابيب روتينية بسبب تطوير خوارزميات إحصائية جيدة ...
7: تحليل بيانات الفسفرة
تتيح التطورات في قياس الطيف الكتلي (MS) وطرق الإثراء تغييرات قياس واسعة النطاق في فسفورات البروتين الخاصة بالموقع بدقة عالية. يمكن أن تؤدي تجربة بروتينات فسفورية مفردة تعتمد على MS إلى إنشاء مجموعات بيانات تتكون من أكثر من آلاف مواقع الفسفرة المحددة والمحددة كمياً. الهدف من إجراء مثل هذا التحقيق الفسفوري البروتيني عالي الإنتاجية هو استخراج معلومات بيولوجية ذات مغزى يمكن أن توفر رؤى أو فرضيات ميكانيكية لمزيد من الدراسات. على الرغم من أن هذا لا يزال يمثل عنق الزجاجة في مجال علم البروتينات الفوسفورية ، فإن التطورات والتحسينات المستمرة لأدوات المعلوماتية الحيوية توفر استراتيجيات مفيدة لتشريح مجموعات البيانات الكبيرة واستخراج المعلومات المهمة بيولوجيًا. يمكن استخدام هذه الأدوات لتحديد أي كيناز أكثر نشاطًا في ظل الظروف التجريبية ، أو المسارات أو العمليات البيولوجية التي يتم إثرائها بشكل كبير في البيانات ، أو لإنشاء وتصور البيانات في سياق الشبكات البيولوجية ...
8: تحليل المسار والشبكة
يسمح لنا تحليل المسار والشبكة بدمج بيانات "omic" المتنوعة (علم الجينوم ، ونسخ النصوص ، والبروتيوميات ، وما إلى ذلك) وتفسيرها إلى مسارات وشبكات بيولوجية أكثر قابلية للفهم والتي ربما تكمن وراء نظام بيولوجي معقد معين (على سبيل المثال ، بعض أنواع السرطان). في هذا الفصل ، نوضح تحليلات المسار والشبكة باستخدام لغة البرمجة R ، وهي لغة البرمجة الإحصائية الأكثر شيوعًا الموجهة للكائنات بين الإحصائيين الحيويين وأعضاء هيئة التدريس في الطب الحيوي مع العديد من حزم R المتاحة التي ساهم بها المستخدمون حول العالم. ستساعدك هذه الإجراءات التدريجية على التعرف أكثر على المهارات والتقنيات في بيولوجيا أنظمة السرطان.
9: النمذجة الديناميكية
النمذجة البيولوجية هي نشاط ترجمة نظام بيولوجي إلى رياضيات لتحليلها لاحقًا. في مجال بيولوجيا الأنظمة ، الهدف النهائي للنمذجة البيولوجية هو فهم التفاعلات بين مكونات النظام والحصول على وصف تنبؤي كامل للنظام ، أي أن المحاكاة الحسابية مضمونة لتكون تمثيلات دقيقة للسلوك الحقيقي لـ النظام البيولوجي. تحقيقًا لهذه الغاية ، تعد المعادلات التفاضلية أكثر الأدوات الرياضية شيوعًا لنمذجة الأنظمة البيولوجية. باختصار ، يمكن تصنيف النماذج الرياضية إلى فئتين: النماذج الثابتة حيث لا تتغير متغيرات النظام بمرور الوقت ، والنماذج الديناميكية التي تفسر التغييرات المعتمدة على الوقت في النظام. نظرًا لأن معظم الأنظمة البيولوجية تعتمد على الوقت والسلوكيات الديناميكية ضرورية لفهم الآليات البيولوجية ، فسوف نركز على النماذج الديناميكية في هذا الفصل. في الفصول السابقة ، تم تقديم توليد وتحليل بيانات بيولوجية عالية الإنتاجية مثل النسخ ، البروتينات الكمية ، والبروتيوميات الفسفورية. هنا ، سوف نقدم إجراء النمذجة الديناميكية واستخدام النمذجة الديناميكية لتحليل تلك البيانات عالية الإنتاجية لفهم التفاعلات / اللوائح بين مكونات الأنظمة البيولوجية ، أي بناء الشبكات البيولوجية.
10: نمذجة بنية البروتين
تلعب بنية البروتين أدوارًا مهمة في أجزاء مختلفة من البحث البيولوجي. في البداية ، حصل الباحثون على بنية البروتين بشكل تجريبي مع حيود الأشعة السينية لتعلم آلية عمل البروتين أو خطوات التفاعل الكيميائي الحيوي للإنزيم ، أو السبب الذي يجعل بعض الطفرات تسبب كارثة على وظيفة البروتين. باختصار ، لقد تعلمنا الكثير من تلك الهياكل البروتينية ، وبفضلها ، اتسعت معرفتنا بالكيمياء الحيوية وبعض تخصصات البيولوجيا الأخرى ...
11: محاكاة الإرساء
في اكتشاف الأدوية الحسابي ، هناك استراتيجيتان للقيام بتصميم الدواء: القائمة على الترابط والقائمة على الهيكل. في تصميم الأدوية القائمة على الترابط ، تُستخدم مجموعة من الروابط المشتركة للبروتين المستهدف لاستنتاج ، من تشابه تلك المجموعة من الروابط ، دواء جديد. في تصميم الأدوية المعتمد على الهيكل ، يتم استخدام معلومات بنية البروتين والمركبات المفترضة في عملية اكتشاف الدواء. على سبيل المثال ، في عمل بيسا وآخرون. لي وآخرون. تم استخدام محاكاة الإرساء (القائمة على الهيكل) والحامل الدوائي (تصميم الدواء القائم على الترابط) ثم تم العثور على مركبين مفترضين من الرصاص لنزع هيدروجين إنزيم الإينوزين 5′-أحادي الفوسفات ، وهو هدف جذاب في الاستراتيجيات العلاجية المثبطة للمناعة ومضادات السرطان والفيروسات والطفيليات. سنركز على تصميم الأدوية القائم على الهيكل ، وخاصة محاكاة الإرساء ، من الآن فصاعدًا ...
مشكلة ظهر
Hsueh-Fen Juan حصلت على درجة البكالوريوس والماجستير في علم النبات ودكتوراه في العلوم الكيميائية الحيوية من جامعة تايوان الوطنية (NTU) في عام 1999. عملت كعالمة أبحاث في مركز اليابان الدولي للبحوث للعلوم الزراعية (تسوكوبا ، اليابان) خلال الفترة 2000-2001 وما بعد الدكتوراه زميل باحث في معهد الكيمياء البيولوجية ، أكاديميا سينيكا (تايبيه ، تايوان) خلال الفترة 2001-2002. بدأت حياتها المهنية الأكاديمية في قسم الهندسة الكيميائية ، جامعة تايبيه الوطنية للتكنولوجيا كأستاذ مساعد وفي قسم علوم الكمبيوتر وهندسة المعلومات في NTU كأستاذ مساعد مساعد في عام 2002. انتقلت إلى NTU في عام 2004 كمساعد أستاذ في قسم علوم الحياة ومعهد البيولوجيا الجزيئية والخلوية. تمت ترقيتها لتصبح أستاذًا مشاركًا في عام 2006 وأستاذًا متفرغًا في عام 2009 في قسم علوم الحياة ، ومعهد البيولوجيا الجزيئية والخلوية ومعهد الدراسات العليا للإلكترونيات الطبية الحيوية والمعلوماتية الحيوية ، NTU. يعمل الدكتور جوان حاليًا على بيولوجيا الأنظمة من خلال دمج علم الجينوم وعلم النسخ والبروتيوميات والمعلوماتية الحيوية للإشارات الجزيئية بالإضافة إلى العلامات الحيوية واكتشاف الأدوية.
طور البروفيسور جوان عددًا من الأساليب الجديدة لتطوير أبحاث النظم والبيولوجيا وطبق هذا النهج لاكتشاف الأدوية وتوضيح الآلية الجزيئية لاستجابات الأدوية في الخلايا السرطانية. نشرت أكثر من 100 مقال صحفي وهي الآن محررة للعديد من المجلات بما في ذلك التقارير العلمية (مجموعة Nature Publishing Group). لتعزيز مجال بيولوجيا الأنظمة ، فقد نظمت العديد من الندوات الدولية لعلم الأحياء. وهي واحدة من مؤسسي مركز بيولوجيا الأنظمة والمعلوماتية الحيوية (NTU) ، وهي حاليًا عضو مجلس في ثلاث جمعيات ، وهي جمعية المعلوماتية الحيوية والأنظمة التايوانية ، وجمعية البروتينات البروتينية التايوانية ، وجمعية تايوان للتطور والبيولوجيا الحاسوبية والمشرف على تايوان. جمعية الكيمياء الحيوية والبيولوجيا الجزيئية. نظرًا لأن الدكتورة جوان قدمت مساهمات كبيرة من خلال نهج بيولوجيا الأنظمة لتطوير المنهجية وعلاج السرطان ، فقد حصلت على الجوائز & quot ؛ برنامج زمالة دعوة JSPS للأبحاث في اليابان لعام 2011 ، وجائزة KT Li Breakthrough من معهد المعلومات وآلات الحوسبة ، الوطنية جائزة مجلس العلوم (NSC) / وزارة العلوم والتكنولوجيا (MOST) للمواهب الخاصة للكليات وجائزة خدمة جمعية المعلومات والتكنولوجيا الناشئة بالولايات المتحدة الأمريكية (EITA). بالإضافة إلى ذلك ، تمت دعوتها لإلقاء أكثر من 150 محادثة حول العالم وقادت أعضاء فريقها للحصول على أكثر من 70 جائزة بحثية.
Hsuan-Cheng Huang حصل على درجة البكالوريوس والماجستير والدكتوراه في الفيزياء من جامعة تايوان الوطنية في الأعوام 1992 و 1994 و 1998 على التوالي. كان منخرطًا في أبحاث الفيزياء التجريبية عالية الطاقة في تايوان وفي منظمة أبحاث تسريع الطاقة العالية ، اليابان ، ومنح زمالة ما بعد الدكتوراه المتميزة من NSC في عام 2003.بتشجيع من ظهور بيولوجيا الأنظمة ، انضم الدكتور Huang إلى جامعة Yang-Ming الوطنية في عام 2004 وهو حاليًا أستاذ ومدير معهد المعلوماتية الطبية الحيوية ، التابع أيضًا لمركز الأنظمة والبيولوجيا التركيبية. في عام 2007 ، حصل على جائزة NSC Wu Ta-You التذكارية ، وهي تكريم للمحققين الشباب المتميزين في تايوان. يعمل الآن كعضو في هيئة تحرير التقارير العلمية ، ومحرر مشارك ونائب محرر قسم بي إم سي سيستمز بيولوجي ، وعضو مجلس إدارة تنفيذي في جمعية تايوان للتطور والبيولوجيا الحاسوبية. تشمل اهتماماته البحثية المعلوماتية الحيوية ، وبيولوجيا الحساب والأنظمة ، وبيولوجيا الشبكة. حاليًا ، يسعى الدكتور Huang إلى جهوده البحثية للتحليل الحسابي ونمذجة الشبكات البيولوجية ، ويطبقها لكشف الآليات الجزيئية لاستجابة الخلايا السرطانية ، وتنظيم الحمض النووي الريبي غير المشفر ، بالإضافة إلى العمليات البيولوجية الأخرى.
- CS 531: الذكاء الاصطناعي
- 533 CS: الوكلاء الأذكياء واتخاذ القرار
- CS 534: تعلم الآلة
- 535 CS: التعلم العميق
- CS 536: نماذج رسومية احتمالية
- CS 537: رؤية الحاسوب
- 538 CS: معالجة اللغة الطبيعية
- CS 637: رؤية الكمبيوتر II
- CS 519: استكشاف البيانات والتحليلات
- CS 519: الذكاء الاصطناعي الموزع
- ECE 565: التقدير والكشف والتصفية
- ECE 599: تحسين محدب
- ROB 514: مقدمة في الروبوتات
- ROB 521: الروبوتات التطبيقية
- ROB 537: التحكم المستند إلى التعلم
- ROB 534: اتخاذ القرار المتسلسل في مجال الروبوتات
- ME 531: أنظمة التحكم الخطية متعددة المتغيرات I
- ME 533: التحليل الديناميكي غير الخطي
حسام عباس
تصميم الأنظمة السيبرانية الفيزيائية والتحكم فيها والتحقق منها
جولي آدامز
تم توزيع روبوتات الذكاء الاصطناعي بين الإنسان والآلة التي تتفاعل بين الإنسان والحاسوب التفاعل بين الإنسان والروبوت
توم ديتريتش
التعلم الآلي الآمن والقوي لشبكات استشعار أنظمة الذكاء الاصطناعي واجهات المستخدم الذكية
آلان فيرن
الذكاء الاصطناعي ، بما في ذلك التعلم الآلي ، واستخراج البيانات ، والتخطيط / التحكم الآلي
شياولي فيرن
التنقيب في بيانات التعلم الآلي ، معلوماتية النظام الإيكولوجي للتعلم غير الخاضعة للإشراف ، معالجة اللغة الطبيعية
ديفيد هندريكس
العثور على الحافز لبنية RNA غير المشفرة وتطبيقات تحليل وظائف الأمبير للتعلم الآلي لتحليل بيانات التسلسل العميق لعلم الأحياء الحسابي
ليانغ هوانغ
معالجة اللغة الطبيعية ، بما في ذلك التحليل والترجمة ، علم الأحياء الهيكلي الحسابي الهيكلي المهيكل (RNA وطي البروتين) التعلم العميق
مينسوك كانج
التحليلات المرئية للتعلم الآلي القابل للتفسير للتعلم العميق لبيانات الذكاء الاصطناعي التي تركز على الإنسان لاستخراج بيانات قواعد بيانات التفاعل بين الإنسان والحاسوب
هيذر نايت
التفاعل بين الإنسان والروبوت اتصالات الآلة غير اللفظية الروبوتات الاجتماعية غير المجسمة
ستيفان لي
رؤية الكمبيوتر معالجة اللغة الطبيعية التعلم العميق التعلم الآلي
فوشين لي
رؤية الكمبيوتر التعلم العميق التعلم الآلي التعرف على الأشياء القائمة على التجزئة وفهم المشهد تحليل الفيديو المكاني والزماني
ستيفن رامزي
تعلم الآلة الأنظمة الحسابية علم الأحياء المعلوماتية الحيوية طرق حسابية تكاملية لرسم خرائط لشبكات تنظيم الجينات
براساد تاديبالي
التعلم الآلي للذكاء الاصطناعي التخطيط الآلي لمعالجة اللغة الطبيعية
سينيسا تودوروفيتش
منطقة / شكل التعرف على الكائن الذي يتطابق مع نسيج فيديو تجزئة الكائنات النحوية العشوائية للصور
كيري واجستاف
نماذج التعلم الآلي القابلة للتفسير ، تطبيقات علم اكتشاف الحداثة
وينغ كين وونغ
نماذج رسومية احتمالية للتعلم الآلي تكشف الشذوذ عن الاستدامة الحسابية لتعلم الإنسان في الحلقة
قواعد المعرفة وأنظمة دعم القرار السريري والتعلم السريع في علم الأورام
توضح هذه المقالة ثلاثة مصادر فريدة للبيانات الصحية التي تكمن وراء أنواع مختلفة جذريًا من قواعد المعرفة التي تغذي أنظمة دعم القرار السريري.
من أهم فوائد تقنية المعلومات الصحية مساعدة العملية المعرفية للعقل البشري في مواجهة كميات هائلة من البيانات الصحية ، والوقت المحدود لاتخاذ القرار ، وتعقيد المريض المصاب بالسرطان. كثيرًا ما يُستشهد بأدوات دعم القرار السريري كحل تقني لهذه المشكلة ، ولكن حتى الآن كانت أنظمة دعم القرار السريرية المفيدة (CDSS) محدودة في المنفعة والتنفيذ. توضح هذه المقالة ثلاثة مصادر فريدة للبيانات الصحية التي تكمن وراء أنواع مختلفة جذريًا من قواعد المعرفة التي تغذي CDSS. تشكل CDSS نفسها مجموعة متنوعة من النماذج التي تمت مناقشتها. تعتبر العلاقة بين قواعد المعرفة و CDSS بتصميم النظم الصحية للتعلم السريع أمرًا بالغ الأهمية لأن CDSS هي محركات أساسية للتعلم السريع في الرعاية السريرية.
أنظمة صحة التعلم السريع (RLS) هي أنظمة رعاية صحية تعمل على مواءمة الثقافة والتكنولوجيا لتجميع بيانات المريض الفردية عبر المجموعات السكانية التي تشترك في خصائص مشتركة تحدد الحالة الصحية من أجل توليد المعرفة والتعلم. على الرغم من أن معهد الطب قد أشار إلى نموذج RLS باعتباره حاسمًا لتسريع التحسينات في النتائج الصحية ، لم يتم تصميم أو تنفيذ مثل هذه الأنظمة في الرعاية الصحية حتى الآن. من المهم أن ندرك أن أنظمة الرعاية الصحية لا يجب أن تقتصر على الأنظمة القائمة على المستشفيات أو على المجموعات الطبية الكبيرة ، ولكن يمكن أن تتكون من كيانات مستقلة تختار مشاركة البيانات لدعم الأهداف المشتركة ، بما في ذلك المرضى والجمعيات الطبية المهنية. ينتج التعلم من تحويل هذه البيانات إلى معرفة والتطبيق اللاحق لتلك المعرفة على رعاية المرضى. وبالتالي هناك عملية متسلسلة لتحويل البيانات إلى معرفة والمعرفة إلى تعلم. تتنوع مصادر البيانات وتشمل بيانات العلوم المترجمة ، وبيانات التجارب السريرية ، وبيانات من مصادر المريض ، وبيانات الأنظمة الصحية حول العمليات التشغيلية ونتائج المرضى. عندما يتم تحليل مستودعات البيانات وملاحظة الارتباطات وإنشاء النماذج لفهم البيانات ، يتم إنشاء قاعدة معرفية. قد تولد قاعدة المعرفة الناتجة بعد ذلك إرشادات للممارسة السريرية أو خوارزمية. قواعد المعرفة مرنة وتتوسع وتتطور مع اكتساب بيانات جديدة وإعادة النظر في النماذج. 1 ومع ذلك ، لا تحقق المعرفة فائدة سريرية إلا عندما تصبح قابلة للتنفيذ لتحسين صحة المريض. يمكن للمرء أن يفكر في التعلم باعتباره عملية تطبيق المعرفة لتحسين نتائج المرضى ، والجودة ، وقيمة الرعاية الصحية.
هناك ثلاثة مصادر مختلفة جوهريًا للبيانات المتعلقة بالصحة ، يرتبط كل منها بنوع فريد من قاعدة المعرفة (الجدول 1).
