https://virgool.io/feed/@jafareem fa 2026-06-16 05:01:37 https://files.virgool.io/upload/users/40193/avatar/avatar.png?height=120&width=120 https://virgool.io/@jafareem https://virgool.io/@jafareem/%D9%BE%DB%8C%D8%B4-%DA%86%D8%A7%D9%BE-%D9%87%D8%A7-%D9%88-%D8%AA%D8%A3%D8%AB%DB%8C%D8%B1-%D8%A2%D9%86-%D9%87%D8%A7-gmbbjzx2x0dz به مطلبی برخوردم که اگرچه مربوط به سال ۲۰۱۹ است، اما دیدم بسیاری از همکاران هنوز از اهمیت انتشار پژوهش‌ها در سرورهای پیش‌چاپ (Preprint servers) مطلع نیستند. بنابراین، تصمیم گرفتم لینک مقاله‌ی خلاصه و مقاله‌ی پژوهشی اصلی را به اشتراک بگذارم.یک مطالعه‌ی جالب نشان داده است که انتشار مقالات به‌صورت پیش‌چاپ در پایگاه‌هایی مانند bioRxiv می‌تواند مزایای قابل‌توجهی برای دیده‌شدن پژوهش‌ها داشته باشد. محققان داده‌های پیش‌چاپ‌های bioRxiv بین نوامبر ۲۰۱۳ تا دسامبر ۲۰۱۷ را با مقالات منتشرشده‌ی بعدی در مجلات داوری‌شده مقایسه کردند و نتایج زیر را به دست آوردند:🔹 افزایش ارجاعات (Citations): مقالاتی که ابتدا به‌صورت پیش‌چاپ منتشر شده بودند، به‌طور میانگین حدود ۷ ارجاع دریافت کردند، در حالی که مقالات بدون پیش‌چاپ حدود ۴ ارجاع داشتند.🔹 افزایش اشتراک‌گذاری آنلاین (Altmetric): این پیش‌چاپ‌ها در توییتر، وبلاگ‌ها و سایر شبکه‌های علمی بیشتر مورد بحث و بازنشر قرار گرفتند.🔹 ارجاعات مستقیم به پیش‌چاپ‌ها: حتی پیش‌چاپ‌هایی که هنوز در مجلات منتشر نشده‌اند، در مقالات علمی دیگر مستقیماً ارجاع داده شده‌اند.با این حال، پوشش خبری و ارجاعات در رسانه‌های عمومی و ویکی‌پدیا کمتر بوده، زیرا این منابع معمولاً منتظر انتشار نهایی در مجلات معتبر هستند.مقایسه تعداد ارجاعات مقالات دارای نسخه پیش چاپ با مقالات دیگرلینک خلاصه مطلب:tinyurl.com/2947thpcلینک اصلی مقاله:tinyurl.com/29cw4kz8@JafaRiLab Mohieddin Jafari Mohieddin Jafari Tue, 19 Aug 2025 14:05:41 +0330 https://virgool.io/@jafareem/%DB%8C%D9%87-%D9%87%D9%85%D8%A8%D8%B1%DA%AF%D8%B1-%D8%A8%D8%A7-%D8%B7%D8%B9%D9%85-%D8%A7%D9%86%D8%AA%D9%82%D8%A7%D8%AF-%D8%B3%D8%A7%D8%B2%D9%86%D8%AF%D9%87-hbdxizpegvhr شاید نیاز به توضیح نباشه که انتقاد برای خالی کردن فشار روانی (یا اصطلاحاً برای خنک شدن دلمون) معمولاً اصل مشکل رو برطرف نمی‌کنه. در واقع، این نوع انتقاد که بیشتر جنبه‌ی تخریبی داره (حتی اگه بدون توهین و تحقیر باشه)، اگه مشکل رو بدتر نکنه، نهایتاً یه آرامش موقتی برای منتقد داره و بس!من تا قبل از آشنایی با تعریف درست انتقاد سازنده، فکر می‌کردم که چنین انتقادی حتماً باید در کنار بیان مشکل، یه راه‌حل ساده و عملی هم ارائه بده، طوری که فرد مورد انتقاد بتونه بلافاصله ازش استفاده کنه و مسیر بهتری رو در پیش بگیره. فکر می‌کردم که اگه طرف مقابل یا مشکل رو از اساس قبول نداشته باشه، انتقاد کردن بی‌فایده‌ست. یا اگه مشکل رو قبول داره اما راه‌حلش رو نمی‌دونه، فقط ارائه‌ی راه‌حل می‌تونه انتقاد رو سازنده کنه.از اونجایی که هر انتقادی که راه‌حل نداشت رو غیرسازنده می‌دونستم و فکر می‌کردم فقط باعث تضعیف روحیه‌ی طرف مقابله، معمولاً ترجیح می‌دادم اصلاً انتقاد نکنم. یا اگه انتقاد می‌کردم، بعدش از کارم پشیمون می‌شدم! شما هم احتمالاً موافقید که پیدا کردن ایراد خیلی راحت‌تر از حل کردنشه! بارها شده که به یه مشکل برخوردم، ولی چون فکر می‌کردم انتقادم سازنده نیست، کلاً بی‌خیالش شدم.اما وقتی با مدل همبرگری انتقاد آشنا شدم، فهمیدم که حتی اگه برای یه مشکل راه‌حلی نداشته باشیم، اگه اون رو درست بیان کنیم، باز هم می‌تونه سازنده باشه. این مدل باعث می‌شه فرد مورد انتقاد نه‌تنها مشکل رو جدی‌تر بگیره، بلکه انگیزه‌ی بیشتری برای حلش پیدا کنه. حداقلش اینه که مطمئن می‌شیم حرفمون شنیده شده و طرف مقابل بهش توجه کرده.می‌خواستم درباره‌ی ویژگی‌های این همبرگرِ انتقادی بیشتر توضیح بدم، ولی دیدم که دو هفته پیش @Hamvaar.cowork توی این لینک مفصل بهش پرداخته و تصویر زیر هم خیلی گویاست.همبرگری با طعم انتقاد سازنده Mohieddin Jafari Mohieddin Jafari Tue, 11 Feb 2025 18:25:15 +0330 https://virgool.io/@jafareem/%D8%AF%D8%A7%D8%AF%D9%87-%DA%A9%D8%A7%D9%88%DB%8C-%D8%A7%D8%B3%D9%85%DB%8C-%D9%88-%D9%BE%D8%B2%D8%B4%DA%A9%DB%8C-%D8%AF%D9%82%DB%8C%D9%82-smxlt7ywqwgr در پزشکی شخصی، توسعه مجموعه داده مستلزم گسترش سطوح متغیرهای اسمی است. ما رویکرد داده کاوی اسمی برای کشف اطلاعات بیشتر و به طور خاص، نحوه استفاده از آن برای توصیه درمان ترکیبی موثر برای بیماران AML را معرفی کردیم.این پست ترجمه بلاگ پستی است که در سایت انتشارات نیچر به مناسبت انتشار مقاله "Bipartite network models to design combination therapies in acute myeloid leukaemia" در مجله Nature Communications، در کانال Nature Portfolio Cancer Community تحت عنوان Behind the Paper منتشر شده است. Behind the Paper عنوان مجموعه بلاگ پست هایی است که محققان به داستان های واقعی در پشت پرده آخرین مقالات تحقیقاتی شون می پردازند تا از شکل گیری ایده کار تا انتشار مقاله و بالا و پایین های پروژه تحقیقاتی صحبت کنند.تصور کنید در یک هوای معتدل و نسبتا شرجی، روی سکوهای چوبی در حال تماشای نمایش یک نبرد شوالیه های قرون وسطایی در قلعه ویشاگراد نشستید که ناگهان چراغی در مورد شبکه های چندبخشی در ذهن تان روشن می شود. این نمایش بخشی از برنامه روز دوم کارگاه بین رشته ای سینگنالینگ (ISW2017) در کشور مجارستان در سال ۲۰۱۷ بود که با نشستن و تماشا کردن به اتمام نرسید (در مورد این کنفرانس قبلا در ویرگول به طور مفصل نوشته ام که خواندن و مرور گالری تصاویرش خالی از لطف نیست). تماشاچی ها (شرکت کنندگان کنفرانس) هم عضوی از شوالیه های قرون وسطی شدند و در گروه های ده نفره ، با نیزه، شمشیر و ... در مهارت های جنگاوری رقابت کردند. در میان دیگر فرصت های شبکه سازی به یادماندنی در این کنفرانس (که به خاطر شرایط کرونا لزومشان را بیشتر احساس می کنم)، این فرصتی بود تا من ایده خودم را با دوستانی دانشمند که دیگر نه تنها نامشان را حفظ شده بودم، با هم خندیده بودیم، به هیجان آمده بودیم و برای یک هدف تمرینی تلاش کرده بودیم به اشتراک بگذارم و اولین بازخوردها را بگیرم. اولین خاطره ای که از شکل گیری ایده دارم در اینجا بود که به تدریج پخته تر شد تا اینکه یک سال و نیم بعد یعنی در اکتبر ۲۰۱۸ به دانشگاه هلسینکی کشور فنلاند به عنوان محقق ارشد مهاجرت کردم. اگرچه از پیشنهاد نوشتن پروپوزال برای جذب گرنت در بدو ورود متعجب شدم اما دیتاست هایی (۱) در موسسه وجود داشت که دقیقا حاوی ویژگی های بود که برای پیاده سازی ایده ام لازم داشتم یعنی دیتاست هایی با متغیرهای اسمی چند سطحی مبتنی بر بیماران. اینجا بود که احساس کردم ارائه پروپوزالی بر مبنای این ایده در مکان مناسب و زمان مناسب هست. یک سال روی پروپوزال کار کردم و موفق شدم گرنت ۴ ساله تحت عنوان شبکه های چندبخشی برای پزشکی شخصی شده را بگیرم. این مقاله ، اولین خروجی از این پروژه است که به صورت یک مطالعه پایلوت بر روی دیتاستی مشابه انجام شده است (۲).چند نما از مسابقات شوالیه ها و فعالیت تیم سازی قرون وسطایی محققین در حاشیه کنفرانس ISW2017طراحی این مطالعه همانطور که از شکل یک این مقاله مشخص است برمبنای پارادایم زیست شناسی سامانه ای شکل گرفته است. یعنی پارادایم تغییر-اندازه گیری-داده کاوی-مدلسازی (۳) که همراه با تاییدیه پیش بینی مدل بوده است. دیتاست های پاسخ دارو که از تعداد قابل توجهی بیمار و دارو ایجاد شده، بعد از پیش پردازش برای ساخت شبکه های دوبخشی مورد استفاده قرار گرفته و بوسیله خوشه بندی بیماران و داروها، مقدمات پیشنهاد ترکیب های دارویی کارآمد فراهم گردید. با استفاده از دانش قبلی، برای صحت پیش بینی ها شواهد دیگر بررسی شده و نهایتا در محیط آزمایشگاهی شواهد حمایت کننده بیشتری جمع آوری گردید.پارادایم زیست شناسی سامانه گرا در کنار فلوچارت مقالهپس می توان به این تحقیق، یک مطالعه زیست شناسی سامانه گرای تیپیک اطلاق کرد که شامل ماژول های محاسباتی و آزمایشگاهی مفصل در راستای هم، همراه با نگاه کل نگر و لحاظ اندرکنش های بین موجودیت هاست. در این قبیل مطالعات نکته کلیدی استفاده از زبان مشترک و برقراری ارتباط بین محققین چندرشته ای است تا بتوان نتایج قابل قبول و مرتبط بدست آورد. این قبیل مطالعات، اغلب براساس مسئله ای از میان زیست-پزشکی آغاز می گردند و با راه حل هایی از دیگر رشته ها مثل کامپیوتر، ریاضیات و آمار ادامه می یابند. اگر محققین با پس زمینه های مختلف، به هر بخش مطالعه مثل یک جعبه سیاه نگاه کنند، فقط به خروجی هر بخش توجه کنند و تا حدودی از جزییات آنالیزها مطلع نباشند، به نظر من، تعامل لازم در جهت بهبود کار ایجاد نمی گردد. وجود افرادی که پس زمینه چندرشته ای دارند در یک تیم برای ایجاد ارتباطی موثر، همیشه یک تجربه موفق بوده است. به عنوان مثال همانطور که در شکل دو مقاله نمایش داده شده، قبل از استفاده از معیار های متداول پاسخ دارو یعنی AUC و IC50 امکان استفاده از آنها با هدف مقایسه بهتر قدرت های دارویی مورد بررسی دقیقتر قرار گرفت . با توجه به مشکلاتی که این دو معیار دارند و در مقاله توضیح داده شده است، نهایتا با انتخاب میانه زنده ماندن سلول، مدل را توسعه دادیم. از دو منظر می توان به اهمیت این مطالعه تاکید کرد، منظر رویکرد مدلسازی و منظر درمانی. در ابتدای شروع مطالعه تمرکز اصلی روی استخراج بیشتر اطلاعات از بیماران بر اساس پاسخ نمونه های آزمایشگاهی آنها به داروهای مختلف بود تا بتوان بهترین ترکیب های دارویی را برای بیماران پیشنهاد کرد. در واقع بیشتر به این مسئله تمرکز کرده بودیم که چون پاسخ دارو، اطلاعاتی در سطح فنوتیپ سلولی هست بهتر بازتاب دهنده وقایع سیگنالینگ سلول در آزمایشگاه و متعاقبا در بیمار خواهد بود (۴). اما در حین بدست آمدن نتایج امیدوارکننده در مورد شباهت اعضای خوشه ها با شواهد مستقل بعد از خوشه بندی بیماران و داروها، ماهیت داده دوباره توجه ما را جلب کرد. منظورم ماهیت اسمی بودن داده هایی بود که ما بر آن اساس مدل را ایجاد و آنالیز کرده بودم. متوجه شدم که در واقع من در حال داده کاوی اسمی هستم و این رویکرد می تونه الهام بخش استخراج اطلاعات از دیگر مجموعه های داده حاوی حداقل دو داده اسمی با چندین سطح باشد. از طرفی دیگر، برخی از شباهت های ارائه شده بین داروها و بیماران در این مطالعه بسیار قابل توجه است و می تواند منشا انجام مطالعات مستقلی باشد. به عنوان مثال به شکل پنچم این مقاله که شواهد مستقل به منظور تایید همگنی اعضای خوشه ها آورده شده است توجه کنید. اینکه مشاهده شد تعداد زیادی دارو که عملکرد بسیار مشابه دارند (اکثرا مهارکننده کیناز) و بر اساس پاسخشون فقط در یک نوع بیماری خوشه بندی شده اند، از لحاظ ساختار شیمیایی یا پروتئین های هدف به دو دسته متمایز از گروه بندی تصادفی تقسیم بندی می شوند، از نظر نگارنده حائز اهمیت است. از لحاظ درمانی هم روش پیشنهاد ترکیب دارویی در این مطالعه، در شرایطی که به صورت تصاعدی حالت مختلف برای ترکیب داروها وجود دارد، امیدبخش است. این رویکرد ضمن لحاظ ناهمگونی بیماران، ترکیب هایی را پیشنهاد می کند که می تواند در اکثر نمونه های بیماران موثر عمل کند (نتایج آزمایشگاهی روی نمونه های بیماران مرحله بعد پروژه ماست که هنوز منتشر نشده است). خصوصا در شرایطی که به کمک فنآوری های خودکار کنترل مایعات برای آزمایش تعداد زیادی ترکیب دارویی در زمان کوتاه، اضافه شدن چند آزمایش بر اساس ترکیب های دارویی پیشنهادی، از لحاظ عملیاتی زحمت زیادی ندارد.ما خوشحال میشم اگر شما از خواندن این مقاله لذت برده و از رویکرد پیشنهاد شده برای دیتاست های مشابه مورد استفاده قرار بدید.خصوصا اینکه پکیج محاسباتی برای آزمون این رویکرد که توسط گروه ما توسعه داده شده است، به نام NIMAA در مخزن CRAN در دسترس هست (۵). در پایان، دوست دارم از تمامی همکاران و دوستانی که در به نتیجه رسیدن این مقاله سهیم بودند قدردانی کنم.گروه ما در دانشگاه هلسینکیReferences:1. Malani, D. et al. Implementing a functional precision medicine tumor board for acute myeloid leukemia. Cancer Discovery, candisc.0410.2021, doi:10.1158/2159-8290.CD-21-0410 (2021).2. Tyner, J.W., Tognon, C.E., Bottomly, D. et al. Functional genomic landscape of acute myeloid leukaemia. Nature 562, 526–531 (2018).3. Aldridge, Bree B., John M. Burke, Douglas A. Lauffenburger and Peter K. Sorger. “Physicochemical modelling of cell signalling pathways.” Nature Cell Biology 8 (2006): 1195-1203.4. Yaffe MB. Why geneticists stole cancer research even though cancer is primarily a signaling disease. Sci Signal. 2019 Jan 22;12(565):eaaw3483.5. Jafari, M., Chen, C., Mirzaie, M. & Tang, J. NIMAA: an R/CRAN package to accomplish NomInal data Mining AnAlysis. bioRxiv, 2022.2001.2013.475835, (2022). Mohieddin Jafari Mohieddin Jafari Wed, 04 May 2022 18:15:03 +0430 https://virgool.io/@jafareem/%D8%A7%D9%81%D8%B2%D8%A7%DB%8C%D8%B4-%D8%AA%D8%B9%D8%AF%D8%A7%D8%AF-%D8%A7%D8%B1%D8%AC%D8%A7%D8%B9-%D8%A8%D9%87-%D9%85%D9%82%D8%A7%D9%84%D9%87-%D9%BE%DA%98%D9%88%D9%87%D8%B4%DB%8C-gxfxahklsnda اهمیت تعداد ارجاع یا سایتیشن برای محققین در رشته های مختلف پوشیده نیست. جذب گرنت، استخدام در پوزیشن های شغلی جدید و حتی گرفتن ترفیع یا پروموشن در زندگی آکادمیک همگی به نوعی تحت تاثیر تعداد ارجاع قرار می گیره. البته واضحه که اگه شما در مجله مشهورتر و با ایمپکت فاکتور بالاتر بتونی مقاله ات را چاپ کنی قطعا باید انتظار سایتیشن های بیشتری داشته باشی. شکل زیر همین مطلب را نشون میده که اطلاعات مفصل ترش را می تونی از این لینک در توییتر و این لینک در مخزن بایوآرکایو بخونی. اما به هر حال امروزه تمامی مقالات در بستر اینترنت منتشر می شن و آشنایی با این بستر و به طور خاص روش کار موتورهای جستجو، در دیده شدن مقاله شما در وهله اول و متعاقب اون تعداد ارجاع به مقاله شما تاثیر داره. بیش از نیمی از ترافیک کتابخانه آنلاین انتشارات وایلی WILEY، از Google و Google Scholar و سایر موتورهای جستجو هست و برای همینه که امروزه ناشران و مجلات بر روی استراتژی های سئو برای کمک به بهبود استناد مقالات خود تمرکز کردن. در اینجا چند نکته برای افزایش ارجاع (قبل و بعد از چاپ مقاله با کمک ترجمه از این مقاله) آوردم که در ادامه در موردش توضیح میدم:تعیین کلیدواژه هامنابع تهیه کلیدواژه هابهینه سازی کلیدواژه هااستفاده از کلیدواژه هابازاریابی اقتدار در رسانه های اجتماعیتبلیغ مقالهارجاع به خودتعیین کلید واژه هابر اساس موضوع تحقیق خود، ۲ تا ۵ کلمه کلیدی را که می توانید استفاده کنید، شناسایی کنید. شما باید کلمات کلیدی را در تمام قسمت های محتوای خود مانند عنوان مقاله، چکیده، سرفصل ها، بخش کلمات کلیدی، اشکال مقاله، جداول وارد کنید. کلمات کلیدی برای خلاصه سازی و نمایه سازی به منظور برچسب گذاری محتوای تحقیق، استفاده می شوند. انتخاب کلمات کلیدی مناسب می تواند به بهبود قابلیت کشف مقاله و در نتیجه تعداد استنادات منجر شود.منابع تهیه کلیدواژه هاحتما با کلمات کلیدی و عباراتی که یک کاربر معمولی در حیطه تحقیقاتی شما جستجو می کند شروع کنید. در ضمن می توانید از ابزارهایی برای کمک به شناسایی کلمات کلیدی مناسب برای محتوای خود هم استفاده کنید، مانندالف) Google Trends  که  رتبه‌بندی نسبی کلمات کلیدی و عبارات را بر اساس محبوبیت در مناطق مختلف جغرافیایی به شما می‌دهد.ب) Google Adwords  که کلمات کلیدی را به شما می دهد که تبلیغ کنندگان برای آن پیشنهاد قیمت می دهند. این به شما نشان می دهد که چه کلمات کلیدی جستجوهای بیشتری را ایجاد می کنند.اگر هنوز مطمئن نیستید که از چه کلمات کلیدی استفاده کنید، برای مرجع، می تونید به مقالات محبوب در حوزه تحقیقاتی تون رجوع کنید و از کلمات کلیدی آنها الگو بگیرید.بهینه سازی کلیدواژه هایکی از مواردی که باید مراقب آن باشید این است که محتوای خود را با کلمات کلیدی به نحو مناسب پر کنید. شما باید بین محتوای خود و قابلیت جستجوی آنلاین آن تعادل ایجاد کنید. استفاده از کلمات کلیدی بیش از حد ممکنه مقاله شما را «غیر نمایه(un-indexed)» بکنه و یافتن آن را به صورت آنلاین سختتر کنه (نقض غرض!). برای همین ممکنه استفاده از محبوب ترین کلمه کلیدی لزوما برای مقاله شما بهترین نباشه. یک کلمه کلیدی کمتر محبوب اما مناسب تر و مرتبط تر با احتمال بیشتری می تونه بازدیدهای بیشتری را برای شما به دنبال داشته باشه.استفاده از کلیدواژه هاعنوان مقاله از عنوان کوتاه استفاده کنید و یک تا دو کلمه کلیدی را در 65 کاراکتر عنوان بگنجانید.چکیده مقالهدو جمله اول چکیده مقاله شما همان چیزی است که معمولاً در نتایج موتورهای جستجو نمایش داده می شه. برای همین مطمئن باشید که کلمات کلیدی مناسب در دو جمله اول گنجانده شده. بهتر است از کلمات کلیدی در مجموع سه تا شش بار در چکیده استفاده مناسب بکنید.سرفصل ها موتورهای جستجو از سرفصل ها برای شناسایی ساختار کلی و محتوای مقاله شما استفاده می کنن. گنجاندن کلمات کلیدی در این سرفصل ها به جستجوی مقاله شما کمک می کنه.بازاریابی اقتدار در رسانه های اجتماعیتعداد لینک های ورودی (inbound links) به مقاله شما از عوامل مهم در بهینه سازی موتورهای جستجو (SEO) هست. شما می تونید تعداد پیوندها را با اشتراک گذاری مقاله خود بعد از چاپ به آن افزایش بدید.الف) لینکدینب) فیس بوکج) توییترد) وب سایت هایی که شما در آنها مشارکت داریده) وبسایت موسسه شماو) نمایه مندلی/ResearchGate/Academia.edu شماز) وبسایت شخصی شماح) صفحه شخصی در وب سایت موسسه دانشگاهی شماط) گروه های فیس بوکی) و غیره ....بیشتر از اشتراک گذاری مقاله در این رسانه ها، می توانید با افراد تأثیرگذار و پرمخاطب حیطه تحقیقاتی خودتون نیز ارتباط برقرار کنید و از آنها بخواهید تا مقاله شما را بخوانند و بازخورد بدند. ذکر توییت یا پست فیس‌بوک توسط یک اینفلوئنسر می‌تونه ترافیک خوبی برای مقاله شما ایجاد کنه.تبلیغ مقالهسعی کنید علاوه بر به اشتراک گذاشتن لینک به مقاله خودتون، یک پست وبلاگ خوب در مورد مهمترین نتایج تحقیق و سوالی که برای حل کردنش وقت صرف کردید بگذارید. این کار بهتر می تونه تعداد استنادات را افزایش بده چون به مخاطب بیشتر کمک کنه تا تحقیقات شما را بهتر درک کنه و در نتیجه شانس استفاده و ارجاع را افزایش بده.ارجاع به خوددر مقاله جدید به مقالات گذشته خودتون و نویسندگان همکار گذشته تون هم استناد کنید البته در حد تعادل و در صورت وجود ارتباط علمی. این مسئله مهمه چون استناد به کار گذشته شما در رتبه بندی کار فعلی و آینده شما توسط موتورهای جستجو موثره. از لحاظ علمی هم نشون میده که شما یه روند تحقیقاتی مشخصی داشتی، در طول سال های تحقیقت دنبالش کردی و کمتر از این شاخه به شاخه دیگر پریدی. Mohieddin Jafari Mohieddin Jafari Tue, 22 Feb 2022 14:45:01 +0330 https://virgool.io/@jafareem/%D8%A2%D9%85%D8%A7%D8%B1-%D8%A8%D8%A7%D8%B2%D8%AF%DB%8C%D8%AF-%D9%BE%D8%B3%D8%AA-%D9%87%D8%A7%DB%8C-%D9%85%D9%86-%D8%AF%D8%B1-%D8%B3%D8%A7%D9%84-%DB%B9%DB%B9-cbn5dsiqtjs9 در طول تاریخ از اعداد استفاده کردیم تا اغلب داد و ستد کنیم و آن‌چیزی که شمردنی است را بشماریم. برای هر عدد واحد درست کردیم تا عددهای زندگی قاطی نشوند و از اعداد، شفاف‌تر استفاده کنیم؛ مثلا وقتی می‌گوییم ده هزار تومان به پول اشاره داریم و وقتی می‌گوییم ده هزار بلیط به بلیط!روز به روز که در زندگی جلو‌تر رفتیم عددها فرقی نکردند ولی این واحدها بودند که زیاد شدند. واحد کریپتو، واحد اصله درخت، واحد فاصله و …«واحد» یک توافق عمومی است برای شمردن؛ تا همانطور که گفتم شمردن‌ها قاطی نشود. مشاهده افراد دارای ثروت (اجتماعی یا مالی) به من ثابت کرده اینکه چه چیزی را بشماریم از اینکه چطور بشماریم مهم‌تر است. هرکس با واحد خاصی مسائل زندگی را می‌شمارد. اینطور به نظرم آمده که مشخص کردن واحد یعنی مشخص کردن اینکه من در زندگی برای چه چیزهایی ارزش قائلم و می‌خواهم چه چیزهایی را در زندگی بشمارم. https://cdn.virgool.io/annual-report/1399/owupj5vgyjx2-2wSh0.mp4 اعدادی که بدون واحد ثبت کردمبه ویدیویی که ویرگول برایم ساخته که نگاه می‌کنم میبینم که در سال ۹۹، من در مجموع ۶,۷۴۵ کلمه در ویرگول نوشتم و منتشر کردم و مخاطبین، پست‌های من را ۲۱ مرتبه پسندیدند و ۰ بار هم نظر خود را روی پست‌های من به اشتراک گذاشتند. در سال ۹۹، ۱۷ نفر در ویرگول من را دنبال کردند تا پست‌های بعدیم را بخوانند. این اعداد نشان میدهند من کاری کرده‌ام. هرکدام به واحدی وصل هستند. از خودم می‌پرسم من کدام واحد را شمارش کرده‌ام؟ کدامیک از واحدهای بالا از همه برای من مهم‌تر است؟ ادامه ویدیو را می‌بینم.آمار از اثر بیرونی می‌گویندطبق آمار پست‌های من ۱,۷۹۶ بار خوانده شدند و ۹۷,۳۹۹ ثانیه صرف مطالعه آنها شده است، که با توجه به جمعیتی که در ایران به اینترنت دسترسی دارند، ویرگول به من می‌گوید که توانستم ۰/۰۰۱۳۳۵۳۳۰ ثانیه، سرانه مطالعه دیجیتال کشور را بالا ببرم.از طرف دیگر ویرگول به من می‌گوید که اگر قرار بود پست‌هایم را چاپ و به دست تک تک خوانندگان برسانم باید ۱۲,۳۸۶ کاغذ مصرف می‌کردم.آن عددهای کوچک ابتدای ویدیو حالا تبدیل شده‌اند به عددهای بزرگ به اینکه من جلوی مصرف این تعداد کاغذ را گرفتم یا به اینکه من ۰/۰۰۱۳۳۵۳۳۰ ثانیه، سرانه مطالعه دیجیتال کشور را جابه جا کرده‌ام. واحد این عددها برای من ملموس‌تر است.واحد نوشتن چیست؟همه عددهای بالا و همینطور اثر بیرونی که روی خوانندگان و همینطور در مقیاس بزرگتر طبیعت و جامعه اطرافم گذاشتم اعدادی هستند که من دوستشان دارم و به آنها افتخار می‌کنم. اگر چنین ویدیویی دست شما نیز رسید به شما بابت تک تک اعداد تبریک می‌گویم.اثر هر نوشته تا حدودی معلوم است، اگر بنویسید جلوی قطع درخت را می‌گیرید، به سرانه مطالعه کشور اضافه می‌کنید و خوانندگانی جذب می‌کنید که شما را از طریق نوشته‌هایتان می‌شناسند و …به نظرم می‌رسد که نوشته‌های من و شما واحد ندارند ولی اثر بیرونی دارند. Mohieddin Jafari Mohieddin Jafari Mon, 22 Mar 2021 14:32:41 +0430 https://virgool.io/@jafareem/%D8%A7%D8%B2-%D9%88%DB%8C%D8%B1%DA%AF%D9%88%D9%84-%D8%AA%D8%A7-%DA%98%D9%86%D9%88%D9%85-%D8%A8%DB%8C%D9%88%D9%84-rqcxi50cfeko آره! درست حدس زدید! می‌خوام داستان چاپ یه مقاله در مجله ژنوم بیولوژی را تعریف کنم که ایده اولیه اش را همینجا توی ویرگول براتون نوشته بودم. بعد از فراز و نشیب فراوان بالاخره چاپ شد و من سعی می کنم بخش های جالب این فراز و نشیب را براتون نقل کنم. در واقع این بار یه اتفاق برعکس افتاد. یعنی داستان از ویرگول شروع شد و به نسخه انگلیسی و مجله بین المللی ختم شد. نشون دادم که ویرگول @virgool_io هم می تونه یک رسانه دسته اول یا اوریجینال باشه.برای شنیدن نسخه صوتی این مقاله به همراه نظر کارشناس مهمان به پادکست Jafarilab در هر یک از اپلیکیشن های پادگیر میتوانید رجوع کنید.بارها در طول فعالیت پژوهشی خودم و دیگر همکاران شاهد بودم که این سوال پرسیده میشه. آیا نتایج شما تایید (راستی آزمایی) تجربی یا آزمایشگاهی شده است؟ در درون این سوال پیش فرض های زیادی هست که منجر به برداشت های اشتباه از کارهای محاسباتی میشه که من دوست داشتم در موردشون اظهار نظر کنم. بعد از اینکه نسخه اولیه را در سایت ویرگول نوشتم. بازخوردهای متعددی از دوستان گرفتم که در شکل گیری فرمت نهایی سهم زیادی داشتند. بعد مترصد یه فرصتی بودم که به زبان انگلیسی هم منتشرش کنم. سال ۲۰۱۹ دکتر یوانفنگ گوآن، یک فرصت دو هفته ای به دانشگاه هلسینکی اومد تا سخنرانی کنه و جلسه داشته باشه. یه فرصت جالبی که ایجاد شد این بود که دعوت کننده ایشان دکتر جینگ تنگ، برای مدعو و علاقه مندان یه فرصت دیسکاشن خصوصی فراهم کرد. یعنی مثلا توی یک جدول زمانی هرکس یه فرصت نیم ساعته می تونست رزرو کنه تا یه جلسه خصوصی با مدعو داشته باشیم. منم از این فرصت استفاده کردم و چندتا ایده از جمله ایده همین مقاله را توی اون جلسه مطرح کردم. یوآن فنگ خوب گوش داد، تشویق کرد و از ایده نوشتن مقاله حمایت کرد. از اونجایی که محتوای مقاله انتقادی بود و از نوع ادیتوریال یا بحث و نظر بود می دونستم که برای چاپ مقاله در یک مجله خوب چالش خواهم داشت. بعد از برگردان مقاله و چندین بار رد و بدل با یوان فنگ، تصمیم گرفتیم که مقاله را سابمیت کنیم که متاسفانه در ۵ مجله مورد نظر مون ریجکت شد. یا گفتتند که به ایده علاقه ندارند یا اینکه قبلا به موضوعات شبیه به این موضوع اشاره کردند اگر چه من هنوز ضرورت بیانش را احساس می کردم. یاد یکی از دوستانم دکتر ناصر انصاری پور افتادم که به همین موضوع علاقه داشت و قبلا در گپ و گفت هامون موضوعاتی شبیه یه این ایده را بحث می کردیم. ناصر مقاله را خواند و طی چندین جلسه بخش های از مقاله را به کمک او برجسته کردیم که می تونست بیشتر موردتوجه قرار بگیره و متن مقاله را بازنویسی کردیم و به پیشنهاد ناصر چندین مثال به مفاهیم ارائه شده اضافه کردیم. در قدم بعدی به کمک ناصر به این فکر افتادیم تا از یه همکار دیگه با طرزفکر مشترک دعوت کنیم تا مقاله را بخونه و نظر بده. رفتیم سراغه دکتر دیوید ودج. خوشبختانه در دیوید هم درد مشترک دیدیم هم درک مشترک. دیوید تخصص خوبی در سوهان زدن تیزی انتقادها را داشت بدون صرفنظر کردن از بیان اونها، که منجر به بازنویسی بخش هایی زیادی از مقاله شد. مقاله آماده شد و دوباره رفتیم سراغ فرایند ژورنال شاپینگ. قلاب در ششمین مجله گیر کرد به لطف ادیتوری با درد مشترک. دکتر فلوریان مارکویتز نویسنده مقاله «تمامی زیست شناسی، زیست شناسی محاسباتی است» اینجوری از دست نوشته ما حمایت کرد تا منتشر بشه:برای این مقاله دوست داشتم که بخشی از حرف ها را که اهمیت داره پررنگتر کنم و از یک تصویر کاریکاتوری استفاده کنم. مشابه این تصاویر را در خیلی از مجلات معتبر دیده بودم اما نمی دونستم که از چه کسی بخوام که ایده ای که در ذهن دارم را به تصویر بکشه. اول سراغ کاریکاتوریست های مجلات معتبر رفتم که مشابه تمی که در نظر داشتم رسم کرده بودند که از هیچ کدام پاسخی دریافت نکردم. بعد به این فکر افتادم که از سایت های فریلنسری استفاده کنم که خوشبختانه این دفعه موفقیت آمیز بود. نمونه کارهای یه عده گرافیست را دیدم. قیمت ها را مقایسه کردم و بعد از برقراری تماس و اصلاح چندین اتود از کار به سرانجام رسید. هم در زمان مناسب هم با هزینه مناسب، اون چیزی که دوست داشتم به تصویر کشیده شد.Ricky Castillo رسم تصویر توسطخوشبختانه همونجور که انتظار داشتم مقاله مورد توجه قرار گرفت. در فاصله کمتر از دو هفته مقاله جز یک درصد مقالات مورد توجه مجله و جز ۵ درصد مقالات مورد توجه با عمر یکسان (200k~ مقاله) قرار گرفت. افراد مختلفی نظراتشون را بیان کردند و توییت مقاله در حساب خودم، دیگر نویسندگان و حساب مجله چندین بار لایک، ریتوییت و کوت توییت شد. جالب اونجاست که حتی مجله هایی که مقاله ریجکت کرده بودند هم توییت مجله ژنوم بیولوژی را ریتوییت کردند. در ادامه نمونه هایی از بازخورد افراد با این مقاله را در مشاهده می کنید:توییت اصلی مجله ژنوم بیولوژیتوییت نویسنده اولتوییت نویسنده مسئولاین یک جنگ را شروع می کند!یک انتقام شیرین از داورهایی که درخواست راستی آزمایی آزمایشگاهی دارندمقالات وت لب پر از کلماتی از تردیدآمیز هست چگونه می توانند راستی آزمایی کنند؟یک بحث جالب برای اجتناب از مفهوم رایج مشروعیت بخشیحتما باید راستی آزمایی بشه اگر چه بعضی وقتها اصلا امکان راستی آزمایی نیستکاملا تحریک آمیز ولی واقعا جالب توجهجمله برتر مقالهبا هم خوب باشیم تا پیشرفت کنیمراستی آزمایی فرضیات صحیح هست نه راستی آزمایی مدلهالطفا نتایج آزمایشگاهی خود را به صورت محاسباتی راستی آزمایی کنید!باید مقاله را بخونم ذهنم را خیلی درگیر کردید Mohieddin Jafari Mohieddin Jafari Wed, 17 Mar 2021 15:44:39 +0330 https://virgool.io/@jafareem/%DA%A9%D8%B1%DB%8C%D8%B3%D8%AA%D8%A7%D9%84-%D8%B4%D9%81%D8%A7%D9%81-kxdt5t954kpg برای شنیدن نسخه صوتی این متن به همراه مصاحبه با کارشناس به اپیزود دهم پادکست جعفری لب Jafarilab رجوع کنید.شاید اگر یه روز صبح پیام زیر را از یک محقق هلندی (ناشناس برای من) در شبکه اجتماعی لینکدین نمیدیدم، داستان این مقاله را موضوع یکی از اپیزودهای پادکست قرار نمی دادم. ایلیونورا ویالننو، محقق پسادکتری در دپارتمان بیماری های عفونی دانشگاه لیدن، با قرار دادن کل مقاله من و همکارم ناصر انصاری پور به صورت ضمیمه و ذکر کردن نام ما، این پیام را منتشر کرد:اگر آماردان ها به روانی و سادگی این مقاله توضیح می دادند، جهان جای بهتری بود. تشکر از محی الدین جعفری و ناصر انصاری پور برای شرح مفهوم تصحیح پی ولیو با استفاده از عبارات و مثال های شفافِ کریستالی.تعداد ارجاع به این مقاله که حدود یک ماه از وقت ما را گرفته بود، باعث تعجب ما شده بود. چطور یک مقاله سه صفحه ای از نوع نامه به سردبیر که در یک مجله ایرانی و نه چندان مشهور به چاپ رسیده تونسته در کمتر از دوسال (تا تاریخ نگارش این متن) ۳۰ بار ارجاع داشته باشه؟ این میزان ارجاع فراتر از انتظار ما بود و پاسخی برای اون نداشتیم تا اینکه پیام فوق را دیدیم. اگر چه موضوع این مقاله یک موضوع صرف آماری است، نکته جالب دیگه اینه که به صورت آکادمیک تحصیلات من و همکار نویسنده ام آمار نیست. به عبارتی، ما یک مفهوم آماری را همانطور که فهمیدیم و روزانه در کارهای بین رشته ای مون ازش استفاده می کنیم را روایت کردیم. به نظرم موفقیت نسبی این کار، مثالی است از اهمیت استفاده از زبان مشترک که درک این مفهوم را روان و ساده کرده و به تعبیر ایلیونورا همچون کریستالی شفاف.کریستال شفافزبان مشترک مسئله ای مهم در تمامی ارتباطات اجتماعی است که در تحقیقات بین رشته ای نمود بیشتری داره. حالا از عنوان مقاله شروع می کنم به شرح دوباره مفهوم تصحیح پی ولیو. خوشحالم که عنوان این مقاله هم برای دیوید امیر، سئو و بنیانگذار شرکت تشخیص طبی Astrolabe، جالب بوده و ما را به صورت خودجوش برنده بهترین عنوان مقاله سال اعلام کرده:)عنوان مقاله: چرا، کی و چگونه پی ولیو را تصحیح کنیم؟در حال حاضر با تولید داده های زیست شناختی در مقیاس بزرگ نه تنها با بهمن داده های خام مواجه شده ایم بلکه برای استخراج اطلاعات از این داده ها، باید چندین فرضیه را به طور همزمان آزمایش کنیم. برای آزمایش این فرضیه ها، از آمار استنباطی استفاده می کنیم که منجر به بینش های زیست شناختی محتمل بیشتری می شود. اساساً، آزمون فرضیه یک روش آماری است که احتمال قوت شواهد را بر اساس داده های مربوط به نمونه گرفته شده به نفع یا خلاف فرضیه صفر محاسبه می کند که نتیجه آن معمولا با یک عدد واحد یعنی مقدار P بیان می شود. در اینجا، در مورد مقادیر P و به طور خاص در مورد چرایی، زمان و چگونگی تصحیح یا تنظیم این مقادیر بحث شده. امیدوارم که این راهنمای کوتاه، به دقیق تر گزارش کردن مقدار P و استنباط های آماری مربوط به آن منجر بشود.مقدار P یا P ولیو چیست؟وقتی می خواهید استنباطی را از نظر آماری در مورد فرضیه صفر به صورت معنی دار نتیجه گیری کنید، احتمال وقوع نتیجه یکسان به صورت تصادفی یا شانسی را محاسبه می کنیم. یک حد آستانه یا حد برش برای رد فرضیه صفر وجود داره که به صورت شهودی یا بیشتر تاریخی تعیین شده و برابر با پنج صدم است. به عبارتی دیگه، یعنی اگر نتیجه یکسان به صورت رندوم با احتمال کوچکتر از پنج صدم یا در یک بیستم موارد اتفاق بیفته خیلی نادره و نتایج ما از لحاظ آماری معنی داره چون در نوزده بیستم موارد اتفاق نمی افته. در مورد این حد آستانه مفصل تر در یه پست دیگه ام در ویرگول و در اپیزود دوم پادکست جعفری لب صحبت کردم. بر اساس این قرارداد، اگر احتمال آزمون فرضیه صفر، به عنوان مثال آزمون برابری میانگین میزان بیان ژن X در گروه مورد و در گروه شاهد کمتر از پنج صدم باشه، با صدای بلند می تونیم عبارت اورکا اورکا ارشمیدس را تکرار کنیم و بگیم فرضیه صفر یا همون شانسی بودن نتایج را رد کردیم. یعنی ما میگیم احتمال اینکه ادعاهای ما غلط باشه و نتایج شانسی بدست اومده باشه کمتر از پنج صدم هست و چون این عدد خیلی کوچکه پس ادعاهای ما درسته! البته ناگفته نماند که غیر از مقدار P، مقادیر دیگه ای مثل قدرت آزمون، فواصل اطمینان و اندازه اثر هم باید گزارش بشه تا به صحت این ادعا اطمینان بیشتری کرد.مشکلات مقدار Pدر مورد جایگاه مقدار P و نحوه استفاده از آن در استنباط های علمی، بحث و جدل قابل توجهی وجود دارد. این امر با ظهور تجزیه و تحلیل داده های بزرگ در زیست شناسی، بیشتر مورد توجه قرار گرفته. مشکل اول مربوط میشه به حدآستانه پنج صدم که کاملاً دلبخواه و صرفاً یک قرارداد است. این مقدار لزوماً برای همه متغیرها و در تحقیقات مختلف مناسب نیست. به عنوان مثال، در مطالعات رابطه بیماری و تنوع ژنومی، حدآستانه کوچکتر یعنی یک صدم به طور قراردادی استفاده می شود. علاوه بر این، دو مشکل دیگر یعنی گزارش انتخابی و هک کردن مقدار P هم مطالعات را تحت تاثیر قرار می دهد. به طور خلاصه، منظور از گزارش انتخابی مقادیر P، گزارش بسیار کمتر مقادیر P بزرگتر از حدآستانه یا غیرمعنی دار در متون علمی است. هک کردن مقدار P نیز به انتخاب مغرضانه داده ها به صورتی که مقادیر بزرگ P را کوچک کند، اشاره می کند. اگرچه این کار از نظر تئوری آماری درست است، اما صورت پنهانی از دستکاری مستقیم اطلاعات است.مشکل آزمایش چندگانهبا فرض حل مشکلات و نقایص ذکر شده، آخرین و اما مهمترین مشکلی که در تعیین مقدار P باقی می ماند زمانی است که آزمایش چندگانه انجام می دهیم. یک سناریو را تصور کنید که بیان بیست ژن در سطح رونوشت بین یک مجموعه ثابت از موارد تیمار شده و گروه کنترل مقایسه شده باشد. به طور کاملاً تصادفی، با فرض استقلال آزمون ها، فرض کنید که از بیست مورد رونوشت ژنی، تغییرات بیان یک رونوشت با حدآستانه پنج صدم معنی دار باشد. یعنی ما احتمال مثبت کاذب بودن در این سناریو را پنج صدم و احتمال مثبت واقعی بودن را نود و پنج صدم قرار دادیم. حالا اگر فرض کنیم تمام بیست ژن به صورت معنی داری تغییرات بیان را با همین احتمال خطا نمایش دهند در آنصورت احتمال وجود مثبت واقعی در کل مطالعه چه میزان است؟ اینجا به یک محاسبه ساده نیاز داریم، احتمال مشاهده نشدن خطای در آزمون یکی از ژنها نود و پنج صدم است. پس احتمال مشاهده نشدن خطا در تمامی بیست آزمون دیگر برابر است با نود و پنج صدم به توان بیست. این میزان تقریبا برابر است با سی و شش صدم! بنابراین افزایش قابل توجهی در وجود خطای نوع یک یا همون مثبت کاذب در کل مطالعه وجود دارد. حالا فرض کنید به جای بیست ژن، صدتا یا هزار تا ژن را باهم بررسی کنیم. در این صورت احتمال نبود مثبت کاذب عددی بسیار نزدیک به صفر است. این درحالی که در مطالعات امیک، مثل GWAS یا ترنسکریپتومیک تعداد متغیرها یا همون ژن هایی که همزمان آزمون می شوند خیلی بیشتر از صد تاست مثلا یک میلیون SNP یا بیست هزار ژن.چگونه مقادیر P را تصحیح کنیم؟در ادامه مقاله ما دو روش متداول برای تصحیح مقدار P بدون جزئیات و فرمولهای ریاضی عمیق معرفی کردیم که در اینجا به صورت خلاصه ارائه می دهم. اگر به کدهای R و جزئیات بیشتر مثال ذکر شده علاقه داشتید به خود مقاله در این لینک رجوع کنید.روش بونفرونیساده ترین راه برای تصحیح مقادیر P، استفاده از روش تصحیح محافظه کارانه بونفرونی است. در این روش مقادیر P خام را در تعداد آزمایش ضرب می کنیم و بعد نسبت به حدآستانه از پیش تعریف شده مقایسه می کنیم. این روش تصحیح، به این علت محافظه کارانه است که به طور بالقوه نرخ منفی کاذب را هم افزایش می دهد. منظور از منفی کاذب مواردی است که در واقع صحیح هستند اما به خاطر شرایط سختگیرانه ما غلط گزارش شده اند.روش بنیامین و هوچبرگیک روش تصحیح دیگر که از نظر فلسفی متفاوت و قدرتمندتر است، روشی است که توسط بنیامین و هوچبرگ تحت عنوان FDR ارائه شده است. در این روش، ابتدا مقادیر P به صورت صعودی رتبه بندی می کنیم، سپس در تعداد آزمایش تقسیم بر رتبه هر مقدار P در بردار مرتب شده، ضرب می کنیم. با این کار، احتمال گزارش منفی کاذب به مراتب کمتر می شود.برای مقایسه بهتر این دو روش تصحیح آزمایش چندگانه، به تصویر زیر نگاه کنید. این شکل با بردار بزرگی از مقادیر P تصادفی رسم شده است. توزیع این مقادیر قبل از تصحیح و بعد از تصحیح با دو روش بالا نشان داده شده است. روش بونفرونی به طور چشمگیری تعداد مقادیر P معنی دار (یعنی کوچکتر از پنج صدم) را کاهش داده و مقادیر P بزرگ (نزدیک یا برابر 1) را به طور قابل توجهی افزایش داده است. در حالی که روش FDR مقادیر P معنی دارتری را نسبت به بونفرونی حفظ می کند در حالی که مقادیر P غیر معنی دار را با نقطه اوجی در حدود 0.8 افزایش می دهد. این مسئله با تحلیل همبستگی نیز نمایش داده شده است. در این مقایسه مشخص است که در این مثال روش بهتر، روش تصحیح FDR است زیرا نه تنها باعث کاهش مثبت کاذب می شود، بلکه منفی های کاذب را نیز به حداقل می رساند.مقایسه دو روش تصحیح در آزمون آماری چندگانه. توزیع 500 مقدار P تصادفی قبل و بعد از تصحیح بر روی قطر نشان داده شده است. مثلث بالا و پایین به ترتیب ضرایب همبستگی و نمودار پراکندگی را به ترتیب بین مقادیر P خام و تصحیح شده نمایش می دهد.نتیجه گیریفارغ از موضوع مطالعه و ماهیت متغیرها (SNP، ژن های متفاوت بیان شده (DEG) یا اصطلاحات هستی شناسی ژنی (GO))، لحظه ای که چندین آزمایش را روی نمونه های یکسان انجام می دهید با مشکل آزمایش چندگانه در مقادیر P خام مواجه هستید. ارائه راه حل برای این مشکل امری ضروری است. بدون شک این کار، منجر به افزایش اعتبار و تکرارپذیری بیشتر یافته های هر تحقیقی می شود. Mohieddin Jafari Mohieddin Jafari Tue, 06 Oct 2020 14:04:34 +0330 https://virgool.io/@jafareem/%D9%BE%D8%B2%D8%B4%DA%A9%DB%8C-%D8%B3%D9%86%D8%AA%DB%8C-%D8%A8%D9%87-%D9%85%D9%86%D8%B2%D9%84%D9%87-%DB%8C%DA%A9-%D9%85%D8%AC%D9%85%D9%88%D8%B9%D9%87-%D8%AF%D8%A7%D8%AF%D9%87-m72gqle5h81w مدت ها بود دوست داشتم در مورد پزشکی سنتی بنویسم. موضوعی که هم دارای طرفداران و هم مخالفان بسیار زیاد بوده و در هر دو دسته افرادی سرسخت با رویکردهای غیر قابل مباحثه و حتی تهاجمی وجود دارد! :). به نظر من، مشابه مباحث اجتماعی دیگر، منشا این جانبداری های متعصبانه از هر دو طرف، می تواند خارج از موضوع اصلی مورد بحث باشد. اما به عنوان یک پژوهشگر علم داده (خصوصا داده های زیست پزشکی) فکر می کنم که این نوع پزشکی، مکتبِ درمانی یا پارادایم متفاوت فکری را هم می توان به صورت یک مجموعه داده دید. از آنجا که علم داده (Data Science) همزمان با توسعه تحقیقات مستقل از فرضیه (Data-driven Research) توسعه بیشتری یافت، می توان فرضیات جدید را از میان داده ها بیرون کشیده و به محک گذاشت. برخلاف تحقیقات مبتنی بر فرضیه (Hypothesis-driven Research) بدون داشتن فرضیه ای که ممکن است مورد مناقشه بین متخصصان باشد، یک راست سراغ داده های موجود رفته و سعی کرد تا فرضیات را از روابط بین داده ها استخراج کرد. قطعا دسترسی به داده های دست اول، پیش پردازش و دست ورزی داده ها (Data Wrangling)، استانداردسازی داده ها، ساخت مدل های پیش بینی کننده بر مبنای این داده ها، ارزیابی آنها و دیگر مراحل متداول در علم داده ها برای استخراج اطلاعات مفید لازم و ضروری است. تا جایی که یک فرضیه به صورت علمی قابل بررسی (یعنی تایید یا رد) باشد نسبت به آن نباید موضعی گرفت. حتی در صورت بررسی آن فرضیه (رد یا تایید)، اصل عدم قطعیت و احتمالات برای آزمون فرضیه را نباید فراموش کرد تا در دام اعتقادی فراتجربی به یک پدیده تجربی نیفتیم. ناگفته نماند که قطعا کار با داده های برآمده از تاریخ سرزمینم و سروکله زدن با متون قدیمی بخش هیجان انگیز این نوع از تحقیقات است که نمی شود انکار کرد. خوشبختانه اخیرا خلاصه ای از این تلاش ها به کمک مجموعه بزرگی از همکارانم به عنوان اولین داده پایگاه داروهای مفرده پزشکی سنتی ایرانی با نام اوناپراد (UNaProd) منتشر شده و در دسترس عمومی و رایگان است. برای ساخت این داده پایگاه، از کتاب مخزن الادویه که مؤخرترین کتاب در این زمینه با بیشترین تعداد مفردات است، استفاده شده است. این کتاب در حدود ۲۵۰ سال قبل توسط حکیم مشهور ایرانی محمد حسین عقیلی خراسانی شیرازی به زبان فارسی به نگارش درآمده است. این داده پایگاه با استفاده از روش های متن کاوی و مرور دستی ایجاد شده و در حال حاضر مشتمل بر اطلاعات مربوط به ۳۴۱۱ مفرده در خصوص ماهیت، مزاج، افعال و خواص، مضرات، مصلحات، بدل، میزان مصرف، نحوه تلفظ نام دارو، نام مفرده به گویش ها و زبان های مختلف، منشأ دارویی، نام رایج و نام علمی است. برای اطلاع از جزییات بیشتر این داده پایگاه می تونید به مقاله مرتبط که اخیرا در مجله Evidence-based Complementary and Alternative Medicine منتشر شده رجوع کنید.حالا دوتا مثال می زنم تا توضیح بدم که منظورم از پزشکی سنتی به مثابه یک مجموعه داده چیست. یه دسته بندی یا طبقه بندی مشهور در پزشکی سنتی ایران وجود داره به نام مزاج. ممکنه اولین سوال هر فردی با این دسته بندی این باشد که آیا این دسته بندی درست هست یا نه؟ چیزی به نام مزاج وجود دارد یا نه؟ قبل از پاسخ به این سوال ترجیح می دهم که به سوال دیگری پاسخ بدم.مزاج چیست؟شاید پاسخ سریعی از بسیاری از افراد بشنویم که همان طبع گرم و سرد را مزاج می گویند. پاسخ یه مقدار دقیقتر اینه که ما چهار مزاج ساده (گرم، سرد، تر و خشک) و چهار مزاج مرکب (گرم و تر، سرد و تر، گرم و خشک، و سرد و خشک) داریم که برای دسته بندی جهان طبیعت از انسان ها گرفته تا حیوانات و گیاهان و جمادات در طبیعیات قدیم (ارسطویی) استفاده می شده. اما برای پاسخ به این سوال حداقل در مورد داروهای مورد استفاده در پزشکی سنتی به این پاسخ ها اکتفا نکردم. به کمک همکارانم و با کمک رویکرد متن کاوی یکی از منابع اصلی پزشکی سنتی در مورد داروهای مورد استفاده در این پزشکی را بررسی کردیم متوجه شدیم که مزاج از نظر عقیلی شیرازی خراسانی با ۲۹ نوع و ۶۸ درجه تعریف و تقسیم بندی میشه! یعنی مثلا یه دارو در طب سنتی داریم به نام افتیمون که عقیلی خراسانی در کتابش آورده که مزاج این دارو در آخرِ اول خشک و در وسطِ سوم گرم است. اطلاعات تکمیلی این پژوهش در این مقاله موجود است.مریدین چیست؟بار دیگه سراغ یک سری از مجموعه های داده های پزشکی سنتی از نوع چینی رفتم. در این مطالعه، به کمک همکاران چینی که دغدغه مشترکی داشتیم، سعی کردیم تا مفهوم مریدین (Meridian) در پزشکی سنتی چین را باز کرده و تعریفی جدید از آن به کمک دانش مولکولی روز ارائه دهیم. مشابه تمامی پژوهش های علمی دنیا برای پیش بینی های مان احتمال خطاهای نوع اول و دوم را گزارش کردیم و نشان دادیم که با احتمال خیلی بالا، مریدین ها که برآمده از تجربه طولانی و پرتکرار یک عده انسان از گذشته های دور (با آرزوها و نیازهای مشابه به انسان کنونی) در پارادایمی متفاوت بوده است با دانش کنونی ما از ترکیبات بیوشیمیایی قابل تطبیق است. یعنی مثلا دو گیاه مربوط به یک مریدین، دارای ترکیبات مولکولی مشابه تری هستند نسبت به دو گیاه منتسب به دو مریدین متفاوت.برای اطلاع از جزيیات بیشتر مطالعه ما در مورد مریدین ها در پزشکی چینی قسمت دوم این نوشته را ملاحظه کنید و به لینک های مربوطه رجوع کنید. برای اطلاع از آخرین محتوای علمی - پژوهشی و علمی - ترویجی اینجانب و همکارانم می توانید کانال تلگرام مرا تحت عنوان (JafaRriLab) دنبال کنید. همچنین نسخه صوتی نوشته های من در ویرگول در پادکستی به همین نام نیز منتشر می شود.عنوان مقاله:پیش بینی مریدین ها در پزشکی سنتی چین با استفاده از رویکرد یادگیری ماشینخلاصه مقاله:محصولات طبیعی مشتق از گیاهان یا همان داروهای گیاهی در پزشکی سنتی چینی (TCM) برای پیشگیری و درمان بیماری ها مورد استفاده قرار می گیرد. مطابق مبانی این مکتب پزشکی، داروهای گیاهی را می توان بر اساس مریدین های مختلف طبقه بندی کرد. مریدین، ین (Yin) و یانگ (Yang) به عنوان مفاهیمی متافیزیکی شناخته می شوند که شالوده پزشکی سنتی چین را تشکیل می دهند.با وجود کاربرد موثر روش های درمانی پزشکی سنتی چین در بسیاری از موارد، منطق علمی این طبقه بندی بر اساس مریدین ها ناشناخته است. در این مطالعه برای درک مبانی این طبقه بندی، ما از روش های محاسباتی و اطلاعات مولکولی موجود یعنی اثرانگشت ساختاری و ویژگی های جذب، توزیع، متابولیسم و دفع (ADME) در مورد مواد موثره گیاهان (۶۴۶ گیاه مختلف) استفاده کردیم. به عبارتی دیگر، در این مطالعه از رویکردی یادگیری ماشین برای کشف اساس مولکولی طبقه بندی مریدینی استفاده شده است. ما نشان دادیم که مریدین های منتسب به گیاهان را می توان با خصوصیات مولکولی و شیمیایی ترکیبات موثره گیاهان پیش بینی کرد. این یافته ها نشان می دهد که مفهوم مریدین با خواص فیزیکوشیمیایی و بیوشیمیایی ترکیبات مولکولی گیاهان مرتبط است. یافتن ارتباط بین دانش مولکولی و مفاهیم موجود در پزشکی سنتی می تواند به طراحی استراتژی های جدیدتر و موثرتر درمانی با توجه به سازوکارهای عمل دارو و فرایندهای بیماریزایی منجر بشود.مجله:PLOS Computational Biologyاگر زبان چینی بلدید این لینک را هم ببینید:http://news.bioon.com/article/6747804.html Mohieddin Jafari Mohieddin Jafari Wed, 17 Jun 2020 20:11:35 +0430 https://virgool.io/@jafareem/%DA%A9%D8%B1%D9%88%D9%86%D8%A7-%D9%88-%D8%AA%D8%B9%D9%85%DB%8C%D8%B1-%D8%B1%D8%A7%D8%AF%DB%8C%D9%88-ucbd58ohuogr از ابتدای پاندمی کرونا تا کنون اخبار زیادی شنیدید که درمان کرونا را یافتیم یا حدس می زنیم که درمان کرونا در استفاده از دارویی خاص باشه یا حتی خیلی جدی تر مثلا اینکه:دارو مال ماست، دارو را به ما بدید، به ما پس بدید. از این دست اخبار که گاهی در برخی رسانه ها تحت عنوان شایعه هم شناخته می شوند از همه طیفی منتشر شده. از طرفداران شبه علم داخل و خارج از ایران گرفته تا متخصصان علمی در سطوح و تخصص های مختلف مثل تغذیه، عفونی، طب ایرانی، ریه، داخلی، اورژانس و ... همه تلاش کردند تا یه راه حلی ارائه بدهند یا راه حل موردنظرشون را زودتر رویه تعدادی از بیماران اعمال کنن تا شواهد کافی بدست بیاد. البته اگر یه نگاه به گذشته بکنیم می بینیم که بخش های احساسی یا جملات و کلمات اغراق آمیز این اخبار به تدریج کم و کمتر شدن و جنبه های محافظه کارانه این اظهارات تقویت شدند. اگر دنبال کننده این اخبار بوده باشید احتمالا کلمه کارآزمایی بالینی را این اواخر زیاد شنیدید و همگی منتظریم که کدام یک زودتر، بهترین جواب را میدهد. اگر چه برخی از این جواب ها امیدهای گذشته را ناامید می کنن و برخی دیگر امیدهای تازه ایجاد می کنن. اما مراد من از این نوشته مرور این اخبار تکراری یا احتمالا ملال آور نیست. من میخواهم توجه شما را به ریشه این ادعاها جلب کنم. چرا توقع داریم که زیست شناس ها بتونن خیلی سریع درمانی برای کرونا پیدا کنن؟ زیست شناس ها به معنای کلی که شامل سلول شناسان، ویروس شناس ها، داروسازها، پزشکان و پیراپزشکان و غیره میشه. دانش عمومی از روش شناسی این دسته از محققان در دنیای علم چقدر است؟ برای درک بهتر این موضوع تصمیم گرفتم یه مقاله قدیمی از مجله Cancer Cell را مجدد مرور کنم. آیا زیست شناس ها می توانند رادیو تعمیر کنن؟پروفسور یوری لیزبنیک نویسنده این مقاله، یه مقدمه جالبی از موقعیت شغلی اش در اوائل کارش مطرح می کنه که من ازش می گذرم و یه راست میرم سراغ جواب به این سوال. به نظر شما اگر یه رادیو داشته باشی که خراب باشه و بخوای تعمیرش کنی. اگر رادیو را بدی به یک زیست شناس با همون معنای کلی که بالا اشاره کردم، اون رادیو را چه جوری تعمیر می کنه؟ روش تعمیرش چقدر زمان میگیره و هزینه اش چقدر میشه؟ خب معلومه اول باید یه گرنت (بودجه تحقیقاتی) خوبی جذب کنه؟ چرا؟ نه برای دستمزد بلکه برای اینکه حداقل ۳۰ رادیو دیگه با همین مارک و مدل بتونه تهیه کنه (اشاره به نمونه گیری و عدد ۳۰ هم معمولا برای تخمین توزیع نرمال). بعد یه مدت زمانی که طول می کشه تا درب پشت رادیو را باز بکنه (توجه داشته باشید که زیست شناس مفروض ما هیچ اطلاع فنّی نداره) با یه دنیای عجیبی از اجزا پیچیده و متنوع از ترانزیستورها، خازن ها و مدارها مواجه میشه.حالا فکر می کنید یه زیست شناس چی کار می کنه؟ از کجا شروع می کنه؟ احتمالا اول یه تعجب عمیق میکنه :) بعدش میگه عهه چه جالب چندتا از این چیزها استوانه ای هستن، چندتاشون مربع شکل، یه چیزهای سیم مانند، یه سری چیزهای قرمز رنگ، آبی رنگ و زرد رنگ هستن. اینا را قشنگ دسته بندی میکنه و بعد یه اسمی هم براشون انتخاب می کنه. بعد میرسه سراغ سوال اصلی چرا اون رادیو اولی کار نمی کنه؟ فرض کنید که خوشبختانه تمام اون ۳۰ تا رادیو که جمع کرده، همه سالم هستن و کار می کنن. زیست شناس مدنظر ما میره درب تمام ۳۰ تا رادیو را باز می کنه و رادیوها را روشن می کنه. بعد میره به صورت تصادفی در حالی که رادیو ها روشن هستن، سیمی را قطع می کنه یا قطعه ای را از مدار رادیو تخریب یا جدا می کنه تا اینکه رادیو ها از کار بیفتن. با چه هدفی؟ با این امید که دقیقا همین قطعه در رادیو خراب موردنظر از بین رفته باشه یا آسیب دیده باشه. فرض کنیم که زیست شناس ما خوش شانس بوده باشه و دقیقا یکی از این قطعات گفته شده در رادیو خراب رنگش به سیاهی تبدیل شده و بوی سوختگی هم میده. می تونید خوشحال باشید که احتمالا رادیوتون به زودی تعمیر میشه. چون الان زیست شناس میره از یک رادیو سالم همون قطعه را جدا می کنه و با قطعه موردنظر در رادیو خراب جابه جا می کنه و رادیو را تحویل شما میده (با این فرض که بعد از باز کردن درب رادیو اطلاعات فنّیش به حدی رسیده که اینکار را انجام بده).فکر می کنید که چقدر احتمال داره که برای هر رادیو خراب دقیقا همین سناریو اتفاق بیفته؟اگر بیش از یکی قطعه دچار آسیب شده باشه و نیاز به تعویض باشه با چه احتمالی میشه موفقیت زیست شناس را تخمین زد؟ اگر این خرابی از نوع سوختگی نباشه و از ظاهر شکل و رنگ قابل تشخیص نباشه چطور؟البته ناگفته نباشه که اکثر موفقیت های صنعت داروسازی ناشی از همین خوش شانسی بوده تا حالا. یه تارگت پروتئینی مشخص میشه و دنبالش کلی طرح و ایده برای مهار فعالیت اون پروتئین با انواع ترکیبات شیمیایی سنتزی و مشتق شده طبیعی. هر جا هم که صنعت و تحقیقات داروسازی هنوز درگیر هست، بودجه میگیره و آدم استخدام می کنه مربوط میشه به همین نکته که هنوز اون قطعه خراب و سوخته را پیدا نکرده.می دونم شما هم به همین فکر می کنی که چرا وقتی همین رادیو را به یک تکنسین عمومی فنّی میدیم با احتمال خیلی بالاتری در زمان خیلی کوتاه تری تعمیر میشه؟شاید این شکل خیلی بهتر پاسخی برای این سوال باشه. بخش A حاصل سال ها تحقیقات و بودجه فراوان توسط یه تعدادی زیست شناس برای مکانیسم عمل رادیو است و تصویر بخش B نقشه مداری رادیو است که مهندسان باهاش سروکار دارند. اگه بخوام به طور خلاصه تفاوت این دوتا را بگم اینه که زبان مورد استفاده مهندسان کمّی، استاندارد و مشترک است. اگر بخوایم اظهاراتی که برای کرونا وجود داره را توی مثال رادیو بیاریم فرض کنید یه روز همینطور که زیست شناس موردنظر ما مشغول بررسی رادیو است یه دوست زیست شناس میاد بهش سر میزنه و در حین قهوه خوردن باهم در مورد پروژه جدیدش صحبت می کنن. بعد دوستش میگه: عه چه جالب بابابزرگ من هم یه رادیو شبیه به این داشت که خیلی خوب کار می کرد فقط بعضی وقت ها که صداش قطع میشد، با کف دست محکم میزد به پهلوی رادیو و مشکلش حل می شد. خود من هم چندبار امتحان کردم و موفق شدم. چرا این کار را امتحان نمی کنی؟البته ناگفته نباشه که زیست شناس ها هم خیلی وقته تلاش می کنن که زبانشون این سه تا ویژگی را پیدا کنه یعنی اولا مشترک باشه تا همه منظور همدیگر را بفهمند، استاندارد باشه تا کسی دچار سوتفاهم علمی نشه و کمّی باشه و از توصیف های کیفی فاصله بگیره، ولی راه طولانیه. در خبرها دیدم که ویروس کرونا را با سارس و مرس مقایسه می کنن و عدم موفقیت در اون دو بیماری را مانع خوش باوری در مورد یافتن درمانی زودهنگام برای کرونا می دانن. من میخوام یه ویروس دیگه ای را مثال بزنم. ویروس هاری. این ویروس بیشتر از ۱۵۰ سال هست که شناخته شده. براش واکسن هست و درمان سرمی وجود داره. خوشبختانه با اقدامات پیشگیرانه از شیوع این بیماری در خیلی از نقاط دنیا جلوگیری شده. اما یه ولی اینجا وجود داره. هنوز نمی توانیم برای فردی (شامل انسان و حیوان) که ویروس هاری وارد دستگاه عصبی مرکزی اش شده باشه توضیحی ارائه بدیم که منجر به درمان بشه. تمام تلاش های درمانی برای هاری اینه که قبل از ورود ویروس به دستگاه عصبی مرکزی یه کاری بکنن. هنوز کاملا تسلیم هستیم در مقابل ویروسی که تنها ۵ پروتئین کد می کند و به جرات میشه گفت هزاران مقاله (تقریبا ۱۶۰۰۰ بر مبنای داده پایگاه پابمد) در موردش وجود داره.پیشنهاد می کنم اگه تا اینجای متن آمدید به پست دیگه من در مورد کروناویروس هم سر بزنید. Mohieddin Jafari Mohieddin Jafari Sat, 02 May 2020 23:08:07 +0430 https://virgool.io/@jafareem/%DA%A9%D8%B1%D9%88%D9%86%D8%A7-%D9%88-%D8%A7%D8%B9%D8%AF%D8%A7%D8%AF%D8%B4-xeuihyijh4qr کتاب زیست شناسی سلولی و اعدادش را در سال ۱۳۹۵ برای اولین بار دیدم، پسندیدم و برای درس مباحث پیشرفته زیست سلولی مقطع دکتری تدریس کردم. به نظرم این کتاب بهترین پیشگفتار هست برایه ورود به دنیای زیست شناسی محاسباتیه. جایی که اعداد و مقادیر کمّی حرف اول را می زنن نه توصیف های ادبی یا گنگ از واقعیت های زنده. بسیاری از تصورات غلط از رویدادهای دنیای زنده با اعدادی که در این کتاب و وبسایت متصل به آن جمع آوری شده، قابل تصحیح و بازنگریه. در ضمن به کمک مباحث این کتاب با هنر تخمین زدن هم آشنا میشید، ابزاری که خیلی از زیست شناس ها ازش غافلند.حالا نویسنده های این کتاب به مناسبت پاندمی کرونا یه مقاله منتشر کردند که در ادامه گزیده ای از اونو ترجمه کردم.پاندمی فعلی SARS-CoV-2 داستان ناخوشایندی از اعداد است. اعدادی مربوط به دینامیک ویروس، چه در یک میزبان انسانی و چه از موج عفونت در قاره ها. این تصویر، یک منبع گرافیکی برای اعداد کلیدی است که به ما در درک این ویروس عامل بحران جهانی کنونی کمک می کند. این اعداد پیرامون دو موضوع اصلی هستند: ۱) زیست شناسی خود ویروس ۲) ویژگی های عفونت در یک میزبان انسانی. برای استخراج این اعداد از مقالات داوری شده استفاده شده است. برخی از اعداد زیر به صورت تخمینی آورده شده اند که یادآور این موضوع اند که دانش ما در مورد این بیماری و ویروس در حال تکمیل است. در ادامه منطق کمّی و اصول مورد استفاده برای این محاسبات تخمینی آورده شده است. این محاسبات بینش ما را نسبت به بررسی های بهداشتی بهبود می دهد اگرچه جایگزین آنالیز اپیدمیولوژیک دقیق نمی شود.اندازه و محتواقطر: ≈ ۱۰۰ نانومترحجم: ~ ۱۰ به توان ۶ نانومتر مکعب = ۱۰ به توان منفی ۳ فمتولیترجرم: ~ ۱۰ به توان ۳ مگادالتون ≈ ۱ فمتوگرمتعداد پروتئین های غشایی ≈ ۲۰۰۰ عدد (بر اساس ارزیابی SARS-CoV-1)تعداد پروتئین های پوششی ≈ ۲۰ عدد (بر اساس ارزیابی TGEV کروناویروس ها)تعداد نوکلئوپروتئین ها ≈ ۱۰۰۰ عدد (بر اساس ارزیابی SARS-CoV-1)پروتئین های تاجی: طول:‌ ≈ ۱۰ نانومتر تعداد در هر ویروس: ≈ ۱۰۰ عدد (بر اساس ارزیابی SARS-CoV-1) قدرت اتصال (Kd) به گیرنده ACE2 انسانی: ≈ ۱ تا ۳۰ نانومولارژنومطول ژنوم: ≈ ۳۰ کیلوبازتعداد ژن: ۱۰-۱۴ عددتعداد پروتئین: ۲۴-۲۷ عددنرخ تکاملی: ۱۰ به توان منفی ۳ در هر جایگاه در هر سال (بر اساس ارزیابی SARS-CoV-1)نرخ جهش: ۱۰ به توان منفی ۶ در هر جایگاه در هر چرخه (بر اساس ارزیابی SARS-CoV-1)میزان شباهت ژنوم:‌ سارس خفاشی:‌ ٪۹۶ سارس پنگولین:‌ ٪۹۱ سارس ۱: ٪۸۰ مرس: ٪۵۵ کروناویروس سرماخوردگی:‌ ٪۵۰مقیاس های زمانی در کشت بافتورود ویرون به سلول: ~ ۱۰ دقیقه (بر اساس ارزیابی SARS-CoV-1)دوره نهفتگی: ۱۰ ساعتاندازه انفجار سلولی: ۱۰۰۰ ویروس (بر اساس ارزیابی ویروس کرناویروس MHV)سلول های میزبان (تعداد سلول در هر شخص)پنوموسیت نوع ۱ و ۲: ۱۰ به توان ۱۱ سلولماکروفاژهای آلوئولار: ~ ۱۰ به توان ۱۰ سلولسلول های مخاطی در حفره بینی: ~ ۱۰ به توان ۹ سلولحجم سلول میزبان: ۱۰ به توان ۳ میکرومتر مکعبغلظت ها (حداکثر مقدار مشاهده شده پس از تشخیص)نازوفارنکس: ۱۰ به توان ۶ تا ۱۰ به توان ۹ RNAs در هر سوآپگلو: ۱۰ به توان ۴ تا ۱۰ به توان ۸ RNAs در هر سوآپمدفوع: ۱۰ به توان ۴ تا ۱۰ به توان ۸ RNA در هر گرمخلط: ۱۰ به توان ۶ تا ۱۰ به توان ۱۱ RNA در هر میلی لیتر(توجه شود که شمارش RNA می تواند به میزان قابل توجهی ویروس های عفونی را بیش از حد ارزیابی کند)پاسخ آنتی بادیردیابی آنتی بادی ها در خون بعد از: ≈ ۱۰ تا ۲۰ روز باقی ماندن پاسخ آنتی بادی تا: ۲ تا ۳ سال (بر اساس ارزیابی SARS-CoV-1)پایداری محیطی ویروس در دمای ۲۱-۲۳ و رطوبت نسبی ٪۴۰ تا ٪۶۵ آئروسل: نیمه عمر، ≈ ۱ ساعت تا هزار برابر نابودی، ≈ ۴ تا ۲۴ ساعتسطوح: نیمه عمر، ≈ ۱ تا ۷ ساعت تا هزار برابر نابودی، ≈ ۴ تا ۹۶ ساعت (van Doremalen et al. 2020)پیشرفت عفونت در یک بیمارتعداد تولید مثل اساسی ، R 0: به طور معمول ۲ تا ۴ باردوره کمون (میانه): ≈ ۵ روزتشخیص پس از: ≈ ۵ روزدوره نهفتگی: ≈ ۳ روز دوره عفونی: ≈ ۴ روزبهبودی موارد خفیف: ≈ ۲ هفتهبهبودی موارد شدید: ≈ ۶ هفتهنرخ مرگ و میر در جمعیت: ≈ ٪۰/۸ تا ٪۱۰ نرخ مرگ و میر افراد مبتلا: ٪۰/۳ تا ٪۱/۳۱- چه مدت طول می کشد که یک فرد آلوده بتواند یک میلیون فرد دیگر را آلوده کند؟ اگر همه به طور معمول رفتار کنند ، چه مدت طول می کشد که این بیماری همه گیر از یک شخص به یک میلیون قربانی آلوده گسترش یابد؟ عدد بیسیک تولید مثل ، R0 ، نشان می دهد که در صورت عدم وجود اقدامات متقابل مانند دوری اجتماعی ، هر عفونت بطور مستقیم به ۲ الی ۴ نفر دیگر سرایت می کند. هنگامی که یک فرد آلوده می شود، قبل از اینکه بتواند ویروس را انتقال دهد، یک دوره زمانی به نام دوره نهفته دارد. بهترین تخمین فعلی برای میانه زمان دوره نهفته تقریبا ​​۳ روز است و میانه زمان حداکثر عفونت تقریبا ۴ روز است (لی و همکاران 2020). مدت زمان دقیق در بین افراد متفاوت است و برخی از آنها بسیار طولانی تر آلوده می شوند. با استفاده از R0≈۴، تعداد موارد در هر ۷ روز چهار برابر خواهد شد یا هر ۳ روز دو برابر می شود. رشد ۱۰۰۰ برابری (رفتن از یک مورد به ۳ به توان ۱۰) نیازمند ۱۰ بار دو برابر شدن دارد پس ۳ روز × ۱۰ = ۳۰ روز یا حدود یک ماه. بنابراین انتظار داریم در یک ماه شاهد افزایش ۱۰۰۰ برابری عفونت باشیم، در دو ماه یک میلیون برابر و یک میلیارد برابر در سه ماه. حتی اگر این محاسبه بسیار ساده انگارانه باشد، به این معنی که مثلا از اثرات "اَبَرمنتشر کننده ها" صرفنظر شود، اما بر این واقعیت تأکید می کند که در صورت عدم انجام اقدامات متقابل ویروس ها می توانند با سرعت گیج کننده ای گسترش یابد. این اعداد نشان می دهند که چرا محدود کردن شیوع ویروس با اقدامات فاصله گذاری اجتماعی بسیار مهم است.۲- تأثیر فاصله گذاری اجتماعی چقدر است؟ یک مثال کمّی کاملاً ساده شده به روشن شدن نیاز به فاصله گذاری اجتماعی کمک می کند. فرض کنید شما به یک فرد آلوده شده اید و در طول یک روز کاری، در حین رفت و آمد و معاشرت با ۵۰ نفر روبرو هستید. برای رُند کردن اعداد، فرض کنیم که شما احتمالاً در هر یک از این برخوردها ٪۲ از ویروس را منتقل می کنید ، بنابراین به احتمال زیاد شما هر روز ۱ نفر جدید را آلوده می کنید. اگر به مدت ۴ روز به عفونت مبتلا باشید، به طور متوسط ​​۴ نفر دیگر را آلوده خواهید کرد. اگر به جای آن، به دلیل فاصله گذاری اجتماعی هر روز با ۵ نفر برخورد داشته باشید، در هر روز ۰/۱ نفر مبتلا می کنید. تأثیر مطلوب فاصله گذاری اجتماعی ایجاد هر عفونت فعلی کمتر از ۱ عفونت جدید دیگر است. این نرخ، تعداد عفونت ها را در نهایت کاهش می دهد.۳- چرا دوره قرنطینه دو هفته است؟ دوره زمانی از عفونت تا علائم، دوره کمون نامیده می شود. میانه دوره کمون SARS-CoV-2 تقریباً ۵ روز تخمین زده می شود (Lauer و همکاران 2020). اگرچه این میزان در هر فرد می تواند متفاوت باشد. تقریباً ٪۹۹ از کسانی که علائم کرونا دارند، تا قبل روز ۱۴ این علائم را نشان می دهند. نکته مهم این است که از افراد آلوده ای که هرگز علائم را نشان نمی دهند غفلت می شود. از آنجا که معمولاً افراد بدون علامت مورد آزمایش قرار نمی گیرند، هنوز مشخص نیست که چه تعداد از این موارد وجود دارد یا چه مدت افراد بدون علامت عفونی بوده اند.۴- ماسک های N95 چگونه راه SARS-CoV-2 را مسدود می کنند؟ ماسک های N95 به گونه ای طراحی شده اند که بیش از ٪۹۵ از کل ذراتی را که قطر آنها حداقل ۰/۳ میکرون (میکرومتر) است، حذف کنند (NIOSH 42 CFR قسمت 84). در حقیقت، اندازه گیری بازدهی تصفیه ذرات ماسک های N95 نشان می دهد که آنها قادر به تصفیه ٪۹۹/۸ از ذرات با قطر ۱ میکرون هستند (Regnasamy و همکاران 2017). SARS-CoV-2 یک ویروس غشایی با قطر تقریبی ۰/۱ میکرومتر است، بنابراین ماسک های N95 قادر به فیلتر کردن اکثر ویروس های آزاد در محیط هستند، اما آنها کارایی بیشتری دارند. چطور؟ توجه کنید که ویروس ها اغلب از طریق قطرات تنفسی تولید شده توسط سرفه و عطسه پراکنده می شوند. قطرات تنفسی معمولاً به دو دسته از لحاظ اندازه تقسیم بندی می شوند، قطرات بزرگ ( با قطر بزرگتر از ۵ میکرومتر) که به سرعت به زمین سقوط می کنند و فقط در مسافت های کوتاه منتقل می شوند و قطرات کوچک (با قطر کمترمساوی از ۵ میکرومتر). قطرات کوچک می توانند در اثر تبخیر به "هسته قطره" تبدیل شوند و برای مدت زمان قابل توجهی در هوا معلق باشند و استنشاق شوند. بعضی از ویروس ها، مانند سرخک، توسط هسته قطره ها قابل انتقال هستند (تلیر و همکاران 2019). در حال حاضر هیچ مدرک مستقیمی مبنی بر انتقال SARS-CoV-2 توسط هسته قطرها وجود ندارد. در عوض، اعتقاد بر این است که قطرات بزرگتر عامل اصلی انتقال SARS-CoV-2 هست و معمولاً با قرار گرفتن روی سطحی که با دست لمس می شود و متعاقبا توسط دستها روی غشاهای مخاطی مانند چشم ، بینی و دهان قرار می گیرد، منتقل می شوند (CDC 2020). قطر قطرات بزرگ تولید شده توسط عطسه، ۱۰۰ میکرومتر است (Han J. R. Soc. Interface 2013) ، در حالی که قطر هسته قطرهای تولید شده توسط سرفه تقریبا ۱ میکرومتر است (یانگ و همکاران 2007). بنابراین، ماسک های N95 احتمالاً در برابر چندین حالت از انتقال ویروسی محافظت می کنند.۵- ویروس SARS-CoV-2 چقدر شبیه ویروس های سرماخوردگی و آنفولانزا است؟ویروس SARS-CoV-2 یک بتا-کروناویروس است که ژنوم آن یک رشته RNA با ۳۰۰۰۰ باز نوکلئوتیدی است. آنفولانزا توسط یک خانواده کاملاً متفاوت از RNA ویروس ها به نام ویروس آنفلوانزا ایجاد می شود. ویروس های آنفولانزا ژنوم های كوچك تری (۱۴ كیلوباز) دارند كه در ۸ رشته مجزا از RNA كدگذاری شده اند و سلولهای انسانی را به روشی متفاوت نسبت به كرونا ویروس ها آلوده می كنند. "سرماخوردگی" ناشی از ویروس های مختلفی است، از جمله برخی ویروس های کرونا و رینو ویروس ها. کرونا ویروس های سرماخوردگی (به عنوان مثال سویه OC43 و 229E) کاملاً شبیه به SARS-CoV-2 در طول ژنوم (در ٪۱۰) و تنوع ژن ها هستند، اما با SARS-CoV-2 از لحاظ توالی (٪۵۰ ماهیت نوکلئوتیدی) و شدت عفونت تفاوت دارند. یکی از جنبه های جالب توجه در کروناویروس ها این است که آنها بزرگترین ژنوم را در میان دیگر RNA ویروس های شناخته شده (۳۰ کیلوبایت) دارند. این ژنوم بزرگ باعث شده که محققان به وجود "سازوکار ترمیمی ژنوم" برای کاهش سرعت جهش و تثبیت ژنوم مشکوک بشوند. در واقع، کروناویروس ها یک اگزونوکللاز ترمیم کننده به نام ExoN دارند که میزان جهش آن بسیار کم است (۱۰ به توان منفی ۶ بار در هر جایگاه در هر چرخه در مقایسه با آنفلوانزا با نرخ ۳۰ به توان منفی ۵ در هر سایت در هر چرخه Sanjuan et al. 2010). این میزان جهش نسبتاً کم مورد توجه مطالعات آینده خواهد بود که پیش بینی کنند آیا سرعت ایمنی زایی ما بیشتر از جهش در کروناویروس است؟۶- چقدر از ژنوم و پروتئوم SARS-CoV-2 شناخته شده است؟ ویروس SARS-CoV-2 دارای ژنوم RNA با رشته مثبت است که روی آن کد ۱۰ ژن قرار دارد و در نهایت ۲۶ پروتئین بر اساس اطلاعات موجود در وبگاه NCBI تولید می کند (NC_045512). چگونه ۱۰ ژن می توانند بیش از ۲۰ پروتئین را کد کنند؟ یک ژن طولانی به نام orf1ab وجود دارد که در واقع یک پلی پروتئین است و توسط پروتئازهایی که خود بخشی از پلی پروتئین هستند، به ۱۶ پروتئین تبدیل می شود.علاوه بر پروتئاز، این پلی پروتیین منشا RNA پلیمراز ویروسی، اندونوکلئاز ترمیمی ویروس و چند پروتئین غیرساختاری دیگر نیز هست. ژنهای باقی مانده عمدتا اجزای ساختاری ویروس را کدگذاری می کنند: ۱) پروتئین میخی شکل که به گیرنده مشابهی روی سلول های انسانی یا حیوان متصل می شود. ۲) نوکلئوپروتئین که ژنوم را بسته بندی می کند و ۳) دو پروتئین متصل به غشا. اگرچه بسیاری در حال حاضر بر درک نقش پروتئین ها در چرخه زندگی ویروسی متمرکز شده اند، ولی ما تخمین می زنیم که تقریبا ٪۵۰ از عملکردهای بیوشیمیایی یا ساختاری پروتئین های ویروسی برای ما شفاف شده است.۷- از میزان جهش ویروس چه چیزی می توانیم یاد بگیریم؟ محققان با مطالعه تکامل ویروسی، از دو معیار برای توصیف میزان تغییر ژنومی استفاده می کنند. اولین معیار، نرخ تکاملی یا میانگین تعداد جابه جایی هایی ثابت شده است که در سال در سویه های ویروس اتفاق می افتد. معیار دوم، میزان جهش است که تعداد جایگزین ها در هر سایت در هر چرخه تکثیر است. چگونه می توانیم این دو مقدار را با هم ارتباط دهیم؟ در پایان سال یک جایگاه ژنی واحد را در نظر بگیرید. تنها یک اندازه گیری میزان جهش در کروناویروس های بتا انجام شده است که نشان می دهد نرخ جهش ۱۰ به توان منفی ۶ مورد در هر دور از تکثیر است. هر دور چرخه تکثیر ۱۰ ساعت طول می کشد پس ۱۰۰۰ چرخه تکثیر در سال وجود دارد. با ضرب نرخ جهش و تعداد تکثیر و صرفنظر از اثرات احتمالی مثل انتخاب و رانش تکاملی، به عدد ۱۰ به توان منفی ۳ برای جهش در هر جایگاه ژنی در سال می رسیم. به عنوان مثال، از آنجا که سرعت جهش ۱۰ به توان منفی ۶ جهش در هر جایگاه ژنی در هر چرخه است و ۱ میلی لیتر خلط ممکن است بیشتر از ۱۰ به توان ۷ RNA ویروسی داشته باشد، آنگاه می شود نتیجه گرفت که در هر نمونه خلط بیش از ۱ جهش وجود دارد.۸- ویریون روی سطوح چقدر پایدار و عفونی است؟ مولکول RNA ویروس SARS-CoV-2، چندین هفته پس از آخرین لمس بر روی سطوح مختلف شناسایی شده اند (Moriarty et al. 2020). توجه شود که بین تشخیص RNA ویروسی و ویروس فعال تفاوت وجود دارد. احتمال آلودگی انسان از چنین مواجهه ای هنوز مشخص نشده است، زیرا طراحی آزمایش برای انجام این احتمال بسیار چالش برانگیز است. با این وجود باید اقدامات احتیاطی و محافظتی بهتر است انجام شود. ما تخمین می زنیم که در طی دوره عفونی، یک فرد عفونی تشخیص داده نشده ده ها بار سطح را لمس می کند. این سطوح متعاقبا توسط صدها نفر دیگر نیز لمس خواهد شد. با توجه به تعداد تولید مثل اولیه R0 ≈ ۲-۴ می توانیم استنباط کنیم که کسی با لمس آن سطوح، آلوده نخواهد شد. جزئیات دقیق تر در مورد خطر ابتلا به عفونت از لمس سطوح موقوف به مطالعات بیشتری است. Mohieddin Jafari Mohieddin Jafari Tue, 14 Apr 2020 19:29:15 +0430 https://virgool.io/@jafareem/%D8%AF%D9%88%D8%A7%D8%B2%D8%AF%D9%87-%D9%82%D8%A7%D9%86%D9%88%D9%86-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%B3%D8%A7%DB%8C%D9%86%D8%B3-otv9kjnsplhc این قانونا را آقای جان یتس از خودش درآورده. وقتی یه روز با سگش آنی رفته بوده پیاده روی و به پادکستی در مورد یه روانشناس به نام جوردن پترسون نویسنده کتاب دوازده قانون برای زندگی گوش می داده. گوینده پادکست میگه که یکی از دلایل موفقیت این کتاب این بود که بعد از چاپش کلی لیست دوازده تایی برای چیزهای مختلف توسط افراد مختلف پیشنهاد شد. جان یتس هم پیش خودش فکر می کنه که این لیست دوازده تایی را برای ساینس هم داریم یا نداریم؟ یهو یادش میفته که در طول جلسه های گروهش حین صحبت با دانشجوها و همکارانش افاضات زیادی داری که اگر اونا را مرتب کنه شاید دوازده تا بشه. پیدا کنید «۱۲ قانون» گزار را!البته گفته که این دوازده تا کاملا شخصیه و همیشه نمیشه تعمیمش داد. یعنی مثلا ممکنه شما هم مثل من با همه اینا موافق نباشی یا با برخی هاش فقط چند درصد موافق باشی،‌ ولی خوندن این مقاله خالی از لطف نیست:۱) چاپ کن، چاپ کن، چاپ کندرسته که ما درگیر تولید دانش هستیم اما تا دانشی را به اشتراک نگذاریم، دانشی تولید نکردیم. بهترین راه برای اینکه این اشتراک گذاری ثبت بشه انتشار نسخه مکتوب اونه. پس تا می تونی بنویس.۲) آزمایش بکنبهترین ایده ها تا زمانی که آزمایش نشدن فقط یک ایده ساده هستن. بهتره همیشه اول باشی تا بهتر. پس ایده ها، مفاهیم و کشفیاتت را از ذهنت بیرون بکش و اجرا کن. اصلاح این ایده ها مرحله بعدیه کاره. بزار یه مثال برات بزنم. می دونی دومین نفری که تونست اقیانوس اطلس را به تنهایی پرواز بکنه کی بود؟ این شخص با سوخت کمتر و سرعت بیشتر این کار را کرد و بهتر انجام داد اما اسمش در لابه لای تاریخ گمشده چون اولین نفر نبود. (من با این ایده ۵۰٪ موافقم به دو دلیل. اول اینکه گذاشتن اسم در لابه لای تاریخ را به خودی خود (فی نفسه) ارزش نمی دونم، ثانیا به نظرم ایده های اصیل (منظورم غیر دزدی) و تازه، مثل اثر انگشت می مونن و دو نفر هیچگاه دقیقا مثل هم اجراش نمی کنن. ولی با آزمایش کردن هرچه سریعتر ایده ها خیلی موافقم تا با ایده های بعدی که قراره به ذهنم برسه زودتر مواجه بشم).۳) بنویس، بنویس، بنویسشاید این قانون یه نتیجه فرعی از قانون یک باشه ولی خودش به تنهایی خیلی اهمیت داره. نوشتن یه مهارته که نیازمند تمرین منظم و اصلاحه. من همه را تشویق می کنم که همیشه در حال نوشتن یه چیزی باشن.(مثلا توی ویرگول بنویس ؛) )۴) ایده ات را بقاپمن همیشه میگم اگه یه ایده جالب شما داری مطمئن باش حداقل یکی دیگه هم این ایده را داره. زودتر تستش کن و وقت را تلف نکن. ساینس هم شبیه صنعته. همیشه باید از اینکه ایده هات را یکی دیگه زودتر تست کنی بترسی.(اینم ۵۰٪ رجوع شود به کامنتم در شماره ۲)۵) مراقب کامنت ها باشگاهی اوقات نظرخواهی از دیگران منجر به دلسرد شدن و تجربه نکردن میشه. خود من بارها شده گفتم فلان آزمایش عملی نیست و انجام دادنش بیهوده است اما بعد از گذر زمان و انجام دادن همون آزمایش توسط دیگران، فهمیدم که خیلی هم عملی بوده و کار درستی بوده.۶) سرسخت باشسرسخت بودن خیلی مهمه. خصوصا وقتی که اکثر گرنت هایی که می نویسی یا مقاله های ارسالیت به مجله های خیلی خوب، رد میشن. اگر یک ایده ای به لطف یک داور تبدیل به مقاله یا گرنت نمیشه لزوما به معنی بد بودن ایده نیست. شاید ایده ات را واضح نگفتی یا داور اهمیت ایده را درک نکرده. بازخوردها را ببین و دوباره تلاش کن. یادت باشه که داورها عوض میشن و بالاخره شانس برخورد به داورهای حامی به جای شکاک در تلاش های متعدد را داری.۷) با همکارانت مرتبط باشمن عاشق طوفان ذهنی با همکارانم هستم. به نظرم بهترین قسمت همایش های علمی قسمت شامه که با دوستان و همکاران برگزار میشه. به نظرم بهترین سوال برای اینکه یه بحث تو اینجور موقعیت ها شروع کنی اینه که بپرسی: چه مشکلی را دوست داری در پنج ساله آینده حل کرده باشی؟ البته حواست باشه که برخی از آدما روی ایده هاشون خیلی حساسند و اگر در حین این گفتگو به اون ایده ها علاقه مند شدی حتما باهاشون همکاری کنی.۸) بدون که یک تجربه هیچ وقت بیهوده نیستمن عمیقا ایمان دارم که یادگرفتن هر چیز جدیدی ارزشمنده حتی اگر در اون لحظه مفید نباشه. مثلا کدنویسی کامپیوتری برای من توی سال های کارشناسی و در حین یه دوره آموزشی فوق دکترا یه کاری بود که من در اوقات فراغتم انجام می دادم. اما همین مهارت کلید موفقیت من شد وقتی آزمایشگاه خودم را تاسیس کردم.(با این یکی که دیگه ٪۳۰-۲۰٪. شاید یه دوره توی زندگی آدم باشه که آزمون و خطا خیلی اهمیت داره ولی فکر کنم به تدریج باید با برنامه ریزی و هدف بیشتر پیش بره. البته منظورم این نیست که آزمون و خطا کلا حذف بشه که شدنی هم نیست!)۹) یادبگیر کد بزنیتوانایی کدنویسی کامپیوتری خیلی مهمه. حتی اگر شده یه زبان ساده کامپیوتری را یادبگیر تا بتونی بهتر داده هات را آنالیز کنی. اگر چه نوشتن الگوریتم های پیچیده تر با داشتن مهارت بالاتر کدنویسی می تونه بهتر باشه اما یه حداقلی یادبگیر که برای کارهای ساده وابسته به دیگران نباشی.(این یکی ۲۰۰٪ موافقم بهتر بود جای این نکته بالاتر توی این لیست قرار می گرفت. مثلا #از_R_لذت_ببریم)۱۰) همکاری کنهمکاری با آدم های مشتاق تحقیقات (عشق ساینس) خیلی اهمیت داره. همکاری با این افراد معمولا به نتایج مفیدی منجر میشه که انتظارش را نداری. اینو دیدم که میگم.۱۱) شجاع و جسور باش این نکته واقعا گفتنش از انجام دادنش خیلی راحتتره. بالاخره زندگی کوتاهه و خیلی وقت نداریم تا کارهای مهم و تاثیرگزار انجام بدیم. بدون که بعضی وقتها باید ریسک کرد.۱۲) اصلاً نگو اصلاًدر مواجه با شنیدن ایده ها نگو که من می دونم که نمیشه. سعی کن فکر کنی به یه رویکردی که کمک به شدن یه ایده بکنه. یعنی سعی کن بگی چیکار کنیم که بشه. Mohieddin Jafari Mohieddin Jafari Fri, 14 Feb 2020 13:12:42 +0330 https://virgool.io/@jafareem/%D9%87%D8%B1-%D9%88%D8%B9%D8%AF%D9%87-%DA%A9%D9%87-%D8%AF%D8%A7%D8%AF%D9%86%D8%AF-%D8%A8%D9%87-%D9%85%D8%A7-%D8%A8%D8%A7%D8%AF-%D9%87%D9%88%D8%A7-%D8%A8%D9%88%D8%AF-%D8%A7%D9%84%D8%A8%D8%AA%D9%87-%D9%81%D8%B9%D9%84%D8%A7-mjjyhglrrh1e تصور کنید در یک هوای گرگ و میش، از بلندای کوهی سوار بر پاراگلایدر به سمت مناظر پایین دست پرواز می کنید. ابتدا از چشم انداز بی نظیر با وجود تاریکی نسبی لذت می برید و شناختی کلی از محل پرواز خود بدست می آورید. اما متاسفانه بخاطر یه مشکل فنی وسط دریایی فرود میایید که از بالا مشاهده کرده بودید اما در نقطه ای ناشناخته که هیچ اثری از خشکی در دید شما در محل فرود مشخص نیست. خوشبختانه شنا و غواصی بلد هستید و لوازم موردنیاز برای زنده ماندن در شرایط تا حدودی فوق عادی با شما همراه است. چند متر شنا یا غواصی میکنید یه سری اطلاعات از محل فرود کسب می کنید. مثلا متوجه می شوید که چند متر جلوتر عمق دریا کم می شود و حدس می زنید اگر جلوتر برید شاید بتونید ساحل را پیدا کنید اما در همین حین به کمک چراغ قوه ضدآبی که همراهتون هست، توجه تون به سمت یک ماهی خوشرنگ با نحوه شنای متفاوتی جلب می شود و تا چندین متر برای بیشتر دیدنش به دنبالش حرکت می کنید و ..... .شادترین فرد فرانسیس کولین رییس کنونی NIH در کنار جان کریگ ونتر رییس موسسه JCVI و بیل کلینتون رییس جمهور وقت آمریکا در زمان اعلام پایان نسخه اولیه پروژه ژنوم انسانیبا این مثال فی البداهه و ساده میخواستم تا حدودی حال زیست شناس های دنیا (خصوصا متخصصین ژنتیک) را در آستانه سال ۲۰۲۰ درک کرده باشید. در این نوشته سعی کردم داستان این مقاله در مجله تحقیقات بالینی (IF=12.3) را ترجمه و تلخیص کنم. بیست سال پیش فرانسیس کولین شکل زیر را کشید و پیش بینی کرد حالا که داریم به زودی اتمام پروژه ژنوم انسانی را جشن میگیریم، به زودی (اولین پیش بینی ۲۰۱۰ و نهایتا ۱۵-۲۰ سال دیگه) به کلی پزشکی متحول خواهد شد. ولی در آستانه ۲۰۲۰ هنوز احساس می کنیم اول راه هستیم.اصطلاح پزشکی دقیق یا شخصی که اخیرا به صورت مکرر مورد استفاده قرار می گیرد، بیشتر پیرامون این دیدگاه است که اطلاعات رمزگذاری شده در ژنوم انسان به عنوان عامل اصلی برای پیش بینی، تشخیص و درمان بیماری های انسانی، منجر به پیشرفت های چشمگیری در سلامت انسان می شود. اگر چه این تعریف می تواند فراتر از ژنوم، با استفاده از سطوح دیگر اطلاعات مولکولی حیات توسعه یابد، به علت تقدم دانش ژنومیک بیشتر ملازم آن تلقی می شود.تشخیص بیماری:در ابتدا بر اساس فرضیه بیماری مشترک/واریانت مشترک (common disease/common variant) تصور می شد که با استفاده از روش GWAS و با یافتن واریانت ها یا تنوع رمز های ژنتیکی می توان توضیح بیشتری در مورد خطر ابتلا به بیماریهای پیچیده شایع ارايه داد. اما عدم موفقیت صدها مطالعه GWAS در یافتن رابطه ای بین این واریانت ها و بیماری نشان داد که این فرض در پزشکی دقیق از اساس دچار مشکل است. بجز چند مورد معدود مثل واریانت ژن BRCA در سرطان سینه،بقیه شواهد منجر به تقویت فرضیه نمره خطر چند ژنی (polygenic risk scores) شدند. اساس این فرضیه بر مبنای اثر تجمعی تغییرات حداقلی تعداد زیادی واریانت ژنی مختلف است. نکته قابل توجه در مورد این فرضیه این است که یافته های بر مبنای آن، مانند مدل های پیش بینی سنتی نبوده و به صورت احتمالی رابطه های بین بیماری و واریانت ها بیان می کند. به عبارتی دیگر یافته های ما در مورد ژنها، مثلا در بیماری های قلبی عروقی، چیز زیادی به دانسته های ما در مورد این بیماری با توجه به مدل های سنتی پیش بینی خطر بیماری اضافه نمی کند.فارماکوژنومیک:علیرغم موفقیت در جلوگیری از معدودی از واکنش های ناخواسته دارویی، اکثر تحقیقات از این دست نتوانسته اند از ایده استفاده از ابزارهای فارماکوژنومیک برای انواع متداول داروها پشتیبانی کنند. این مسأله در مورد انواع سرطان نمود بیشتری داشته است و مطالعاتی بسیاری در استفاده از اطلاعات ژنتیکی برای دارودرمانی بیماران سرطانی ناموفق بوده اند. در مقابل، ایده های متضاد پزشکی دقیق مانند مطالعه استفاده از یک-قرص-یکسان-برای-همه (one-size-fits-all pill) (حاوی آسپرین ، استاتین، داروی ضد فشار خون و داروی ضد انعقاد خون) در پیشگیری از بیماری های قلبی عروقی بسیار موثر بوده است.پزشکی پیشگیری:آیا دانش ژنیتکی منجر به تغییر رفتار می شود؟ به عبارتی دیگر دانستن اینکه یک فرد سیگاری به علت نوع تنوع ژنتیکش جز افراد با خطر زیاد به سرطان هست، مانع از پیوستن او به غیرسیگاری ها می شود؟ خصوصا اینکه تمامی این اطلاعات به صورت احتمالی بوده و بسته به نوع سلول و شرایط محیطی نیز متغیر هستند. اول اینکه تا کنون همچنین ژنی پیدا نشده که با شش برابرشدن ابتلا به سرطان افراد سیگاری ارتباط داشته باشد. ثانیا اینکه یافتن مجموعه واریانت های متعامل می تواند باعث کاهش خطر ابتلا به سرطان بشود نیز تا کنون تایید نشده است. ژن درمانی:برای سالهای متمادی، کاربرد بالینی ژن درمانی متوقف شده بود. اگرچه آزمایشات اخیر نتایج امیدوار کننده ای را در چندین بیماری نادر نشان داده است. این موفقیت ها چشمگیر است، اما هزینه های آنها بسیار زیاد است و تامین آن برای سیستم بهداشتی درمانی فعلا متصور نیست. ایده ژن درمانی برای معالجه بیماریهای شایع که در ابتدای دوران ژنومی بسیار بیان می شد، تا حد زیادی کنار گذاشته شده است. ژنوم میزبان، عامل اصلی هر حادثه سلولی نیست. ماشه عملکرد ژن ها، اغلب در دست محرک محیطی است.در تمامی این مطالعات، فرض پنهان این بود که ژنوم میزبان، عامل اصلی هر حادثه سلولی است. اما ژنوم به همان اندازه که می تواند کارگردان این سناریو باشد، بازیگر آن نیز هست. ماشه عملکرد ژن ها، اغلب در دست محرک محیطی است.وعده پزشکی دقیق، تغییر چشمگیر مراقبت از بیمار از طریق روشهای درمانی اختصاصی بود که در نتیجه جلوگیری از ابتلا به بیماری ، بهبود بقا و گسترش دامنه سلامتی بدست می آید. اما تقریباً دو دهه پس از اولین پیش بینی های موفقیت چشمگیرمان، هیچ تأثیری از پروژه ژنوم انسانی نمی یابیم که منجر به افزایش امید به زندگی جمعیت و یا هرگونه اقدامات بهداشت عمومی دیگر شده باشد علی رغم منابع گسترده ای که برای تحقیقات ژنومیک در نظر گرفته شده است. ما باید با چاقی، عدم تحرک و دیابت مقابله کنیم. ما باید به مشکلات سلامت روان که منجر به پریشانی و خشونت می شود، بپردازیم. ما باید آگاهانه خود را برای همه گیری بعدی احتمالی آنفلوانزا آماده کنیم. ما وظیفه داریم از آلودگی مداوم هوا، مواد غذایی و آب جلوگیری کنیم. مباحثی از این دست یادآور سرمایه گذاری های بسیار NIH و موسسات تحقیقاتی دیگر است که پاسخ آنها را در تحقیقات مبتنی بر ژنوم انسانی می دانند و فقط وعده های بیشتری داده اند. متاسفانه برای حل این مشکلات هنوز اقدامات قابل توجهی انجام نشده است. Mohieddin Jafari Mohieddin Jafari Tue, 17 Dec 2019 16:22:17 +0330 https://virgool.io/@jafareem/%DB%8C%DA%A9-%D8%AF%D8%A7%D8%B3%D8%AA%D8%A7%D9%86-%D8%B9%D9%84%D9%85%DB%8C-%D8%A7%D8%B2-%D9%86%D9%88%D8%B9-%D9%88%D8%A7%D9%82%D8%B9%DB%8C-jqrvunywdmti لینک هایی که در ادامه این یادداشت می بینید، نشان می دهد که این داستان، مروری بر یک فرایند علمی است و البته به نظر من تا حدی هیجان انگیز. از آن جهت که اهمیت توجه به ابطال پذیری علم را نشان می دهد و شامل تمامی مراحل فرضیه، آزمایش، انتشار، فرضیه جدید، آزمایش، انتشار نقد و استرداد انتشار اولیه است. این داستان را می شود از جنبه های متفاوتی بررسی کرد. در این نوشته، به منظور نقد فرهنگ مصرف گرایی علمی (در اینجا مطالب علمی موردنظر است) که با سواد رسانه ای هم ارتباط نزدیکی دارد، این داستان واقعی را برای شما نقل می کنم: روزی بود روزگاری. داستان ما از جایی شروع میشه که یک بازی به نام بازی دیکتاتور ایجاد شد. در این بازی مقداری پول یا غذا یا هر چیز ارزشمند به نفر اول داده می شود و از او می خواهند که بخشی را برای خود و بخش دیگر را برای نفر دوم بردارد. نفر دوم هیچ حق انتخاب، اعتراض یا انتقامی ندارد و نفر اول کاملا مختار است. او می تواند همه پول را برای خود بردارد یا بخشی را برای خود و بخش دیگر را برای نفر دوم اختصاص دهد. این بازی حالت ساده تری از بازی پیچیده تر اولتیماتوم است. یکی از کاربردهای این بازی در رشته اقتصاد تجربی برای بررسی بخشندگی و نوع دوستی افراد مختلف است. چهار سال پیش جین دستی و همکاران این بازی را به کمک 1051 کودک پنج الی دوازده ساله از کشورهای مختلف (شش کشور کانادا، آمریکا، چین، ترکیه، آفریقای جنوبی و اردن) انجام دادند تا میزان بخشندگی و نوع دوستی آنها را با توجه به تفاوت های فرهنگی هر کشور بررسی کنند. این بررسی نتایج جالب توجهی داشت. آنها با قدرت در مقاله ای با این عنوان "ارتباط منفی مذهبی بودن و نوع دوستی بچه ها در تمام جهان" اعلام کردند که:1) خانواده های مذهبی بچه های خسیس تری دارند.2) مذهبی بودن یا نبودن می تواند میزان حساسیت کودکان به مفاهیم بی عدالتی یا همدلی را پیش بینی کند.3) بچه های خانواده های مذهبی به علت تمایل خانواده های شان به فعالیت های تنبیهی، زندگی ناگوارتری دارند.جین دستی یک استاد تمام روان شناسی و علوم رفتاری در دانشگاه شیکاگو است با شاخص اچ 119، فردی شناخته شده و معتبر در این حوزه. بلافاصله با چاپ این مقاله در مجله Current Biology در 16 نوامبر 2015، البته با کمی تعجیل گزارشی در 7 نوامبر 2015 در نشریه اقتصادی مشهور Economist به چاپ میرسد و نتایج این مطالعه به صورت گسترده تر برای مخاطبان متنوع تری منتشر می شود. این مقاله در طول 4 سال گذشته تا کنون (یعنی نوامبر 2019)، 93 بار ارجاع داده شده و بارها مورد توجه علاقه مندان قرار گرفته است. بحث های گسترده ای راجع به رابطه مذهب و اخلاق بر مبنای این یافته ها انجام شده است.در فاصله کمتر از یک سال، یعنی در آگوست سال 2016 شریف و همکاران که متوجه اشتباهی در آنالیزهای انجام شده توسط دستی و همکاران شده بودند، یادداشتی در مجله Current Biology مبنی بر اشتباه بودن استنتاج دستی و همکاران به چاپ می رسانند. اشتباه صورت گرفته در نوع خود بسیار جالب است. شریف و همکاران متوجه شدند که دستی و همکاران در فایل های مربوط به داده های خود برای راحتی از کدهای 1، 2، 3 و ... به جای اسم کشورها استفاده کردند. اما در ادامه از این کدها به عنوان متغیرهای پیوسته در ساخت مدل استفاده کردند و تفاوت های گزارش شده همگی ناشی از این اشتباه در محاسبات بوده است. به عبارت دیگر، دستی و همکاران یک متغیر اسمی-رتبه ای را به عنوان یک متغیر کمّی در نظر گرفته بودند. در پایان شریف و همکاران از دستی و همکاران به خاطر به اشتراک گذاشتن این مجموعه داده وسیع و ارزشمند به منظور آنالیز مجدد تشکر کردند و اعلام کردند که آنالیز مجدد آنها نتایج کاملا متفاوتی را نشان می دهد. نکته جالب توجه آنکه مقاله شریف و همکاران از سال 2016 تا کنون تنها 12 بار ارجاع شده است و در نشریات پرمخاطب تر در زمان خود منعکس نشده است.بعد از گذشت بیش از سه سال در ماه نوامبر 2019، دستی و همکاران با ارسال یادداشتی به مجله Current Biology نسبت به انتشار مقاله اول با وجود اشتباهی که شریف و همکاران گزارش داده بودند، واکنش نشان می دهند. دستی و همکاران اعلام کردند که تفاوت ها در نتیجه بازی دیکتاتور، حداکثر به کشورها و فرهنگ های آنها مرتبط است نه به مذهبی بودن یا نبودن خانواده های کودکان بازی کننده.دستی و همکاران مقاله خود را پس گرفته و از جامعه علمی عذرخواهی می کنند. بلافاصله با کمی تعجیل در 31 اکتبر 2019، مجله Economist نیز گزارشی با این عنوان منتشر می کند: داستان یک اشتباه و استرداد مقاله نشان می دهد که علم بالاخره کار می کندصرف نظر از طولانی بودن زمان چاپ مقاله اول و استرداد آن (که می تواند نشان دهنده طولانی بودن زمان اقناع نویسندگان یا فرایند چاپ در رسانه های علمی پژوهشی و علمی ترویجی باشد)، به نظر من این داستان از جنبه های متفاوتی قابل بررسی و یادگیری است. اما من در این دو جمله خلاصه می کنم:جان مایه تحقیقات تجربی، آمار، را بایستی خوب یاد گرفت و استفاده کرد.ابطال پذیری علم و نقد پذیری محقق از ارکان یک فرایند علمی است. Mohieddin Jafari Mohieddin Jafari Wed, 06 Nov 2019 11:48:21 +0330 https://virgool.io/@jafareem/%D8%AA%D8%A7%DB%8C%DB%8C%D8%AF-%D8%AA%D8%AC%D8%B1%D8%A8%DB%8C-%DB%8C%D8%A7-%D8%A2%D8%B2%D9%85%D8%A7%DB%8C%D8%B4%DA%AF%D8%A7%D9%87%DB%8C-%D9%88%D8%AC%D9%88%D8%AF-%D9%86%D8%AF%D8%A7%D8%B1%D8%AF-dwcwfy2msrr7 برای بسیاری از کسانی که در علوم محاسباتی با استفاده از روش های رایانه ای فعالیت می کنند مثل بیوانفورماتیک یا ریاضیات زیستی این جمله آشناست: آیا نتایج شما تایید تجربی یا آزمایشگاهی شده است؟معمولا این جمله از طرف کسانی شنیده می شود که در ظاهر یا لایه های درونی تر ذهنشون یک بدبینی یا بدگمانی به روش های محاسباتی، ریاضیاتی و نظری و به عبارت کلی تر استدلال منطقی فراتر از مشاهده تجربی وجود دارد. بسیاری از مشکلات علمی یا اجتماعی و حتی سیاسی از یک جا شروع میشه و اون نارسایی زبان مورد استفاده است. در اینجا منظورم زبان خاصی مثل زبان فارسی یا انگلیسی نیست؛ بلکه منظورم مجموعه لغات یا عبارات متداول دانشمندان یا دانشوران هر رشته تخصصی است. این عبارات متداول، با هدف خلاصه سازی و رهایی از اطناب (طولانی شدن) کلام، به نحوی مورد استفاده قرار می گیرند که گهگاه به خوبی نماینده مفهومی که موردنظر گوینده است، نیستند. یک مثال از این دست، عبارت توزیع نرمال است که به وفور در علوم مختلف تجربی با استناد به یک مفهوم آماری استفاده می شود. در حالی که دیده شده در بسیاری از مواقع آنچه توسط مخاطبان یا حتی گوینده استنباط می شود یک مفهوم عمومی از کلمه نرمال به معنی حالتی طبیعی، استاندارد، درست، صحیح و حتی دوست داشتنی (!) است.در این مورد هم به نظر چنین مشکلی وجود دارد. به عبارتی دقیقتر، آیا مشاهده تجربی صرف می تواند تایید کننده یک استدلال منطقی و عقلی باشد؟ به عنوان مثال، اگر نتایج یک تحقیق محاسباتی نشان داد که یک پدیده زیستی مثل کنترل رشد سلول های سرطانی در صورت شروع، چگونه با استفاده از یک ماده شیمیایی می تواند خاتمه یابد؛ آیا بایستی با کشت سلول های سرطانی در محیط آزمایشگاه تایید گردد تا نشان دهد روش محاسباتی درست کار می کند یا خیر؟ البته که در این نوشته منظورم مخالفت با انجام روش های آزمایشگاهی نیست بلکه می خواهم توجه شما را به استفاده صحیح از زبان جلب کنم و نشان دهم چگونه خلاصه سازی نابجای متن منجر به درک اشتباه و در نتیجه توقع نابجا می شود.اولین نکته مربوط می شود به مفهوم یک روش محاسباتی. به زبانی ساده، روش محاسباتی یا یک مدل محاسباتی تشکیل شده از فرضیات یا یکسری مشاهدات (تجربی) پیشین به علاوه روابطی منطقی و ریاضیاتی است. به عبارتی دیگر در مثال فوق، می دانیم که سرطان پدیده ای زیستی ناشی از رشد و تکثیر افسار گسیخته سلول های بدن است و یکی از روابط منطقی و ریاضیاتی عملگر جمع و ضرب است مثلا ۲ ضربدر ۲ می شود ۴. روشن است که اگر مدل محاسباتی ما نتوانست تعداد سلول های سرطانی در زمانی مفروض را درست تشخیص دهد، مشکل از عملگر جمع و ضرب نیست بلکه مشکل از فرضیه ماست که در رشد و تکثیر افسارگسیخته، قید مواد مغذی و ارتباط با سلول های ایمنی در بدن را در نظر نگرفتیم. در واقع ما از تایید تجربی استفاده می کنیم برای تایید فرضیات ناشی از مشاهدات تجربی نه قسمت عملیاتی محاسباتی تحقیق. ما نیازمند یک تایید آزمایشگاهی یا تجربی هستیم برای فرضیات تجربی یا آزمایشگاهی که در ساخت مدل از آنها استفاده کردیم. بنابراین، اگر یک مدل نتایج مطابق مشاهدات ما ندارد به اعتبار محاسباتی بودنش این اتفاق نمی افتد بلکه با فرضیاتی غلط یا ناقص بنا شده است. به عبارتی دیگر وظیفه ما بررسی درستی یا غلط بودن یک مدل نیست بلکه وظیفه ما بررسی کار کردن یک مدل در شرایط مورد نظر ماست. به نظر می رسد که بهتر باشه که این جمله مشهور جرج باکس را به این گونه اصلاح کنیم که:تمامی مدل ها صحیح هستند، برخی از‌ آنها مفید اند. نکته دوم که از نظر من اهمیت بیشتری دارد، توجه به مفهوم مشاهده تجربی است. آیا منظور ما از یک مشاهده تجربی واقعا فقط یک مشاهده تجربی صرف است. همانطور که از نام علوم تجربی می شود تا حدودی استنباط کرد، علوم تجربی به بخشی از دانش بشری اشاره می کند که با استفاده از تجربه حواس پنچگانه خصوصا مشاهده بدست می آید. اما این نکته را نباید فراموش کرد که این تجربه یا مشاهده بایستی تکرار شود. تکرار در شرایط مختلف زمانی و مکانی و توسط افراد مختلف، تا با مجموعه ای از مشاهدات یا تجربه ها مواجه شویم و بتوانیم یک استنتاج علمی با توجه به روابط علّی و معلولی کنیم. گزارش تجربه های بدون تکرار (case report) هم به امید تکرار مجدد است که ارزش علمی دارد و به تنهایی قابلیت استنتاج علمی ندارند.حال این سوال مطرح می شود که تجربه ای که ۱۰ بار تکرار شده ۹ بار مشابه بوده و یک بار متفاوت بوده را چگونه می توان استنتاج نمود؟ آن یک بار مشاهده مختلف چه مقدار بختانه (شانسی) اتفاق افتاده اند یا تحت شرایط کنترل نشده یا ناشناخته بودند؟ اگر مشاهده ای دیگر ۱۰۰۰۰ بار تکرار شده و ۹۶۰۰ بار شبیه بوده و ۴۰۰ بار نتایج متفاوتی داده را چطور؟ آیا به راحتی می شود از ۴۰۰ مشاهده متفاوت گذشت؟ اصلا مفهوم شباهت بین مشاهدات به چه معناست؟ چطور می توان گفت دو مشاهده شبیه یکدیگرند؟ اگر هستند، شباهت زیاد است یا کم است؟ از کجا می توان گفت این شباهت آنقدر کم است که تفاوت را نشان می دهد؟ ارزش تکرار تکنیکی و نمونه گیری زیاد یا کم چه مقدار است؟اگر به سوالات فوق دوباره دقت کنیم، روشن است که برای همه آنها پاسخ هایی وجود دارد اما نه از جنس مشاهدات تجربی بلکه روش های محاسباتی، منطقی، آماری و ریاضیاتی. به عبارت دیگر یک مشاهده تجربی فی نفسه، زمانی ارزش علمی (از نوع تجربی) دارد و می توان از آن گزاره علمی استنتاج کرد که توسط یکسری روش های محاسباتی بدست آمده باشد. همیشه اولین سوال ما از یک زیست شناسی تجربی یا آزمایشگاهی یا به عبارت دقیقتر یک زیست شناس خیس (wet lab) این است که آیا نتایجی که به دست آورده بختانه بوده یا خیر؟ برای پاسخ به این سوال، معمولا مقدار پی ولیو (فارغ از مشکلات ناشی از استفاده نادرست از آن،‌ برای اطلاع بیشتر به نوشته ای دیگر از اینجانب در این لینک رجوع کنید) گزارش می شود. نکته جالب اینجاست که دقیقا این سوال نیز همیشه از یک زیست شناسی خشک (dry lab) هم پرسیده می شود تا احتمال بختانه بودن نتایج بررسی شود. به عبارتی دیگر می توان گفت که:تمامی تحقیقات در زیست شناسی خیس و خشک با استفاده از روش های محاسباتی که بختانه (شانسی) بودن آن را بررسی می کنند، تایید می گردند و لاغیر. البته در این نوشته به این نکته نپرداختم که بواسطه بسیاری از تکنولوژی های جدید آنچه ما آنرا یک مشاهده تجربی فرض می کنیم در واقع با استفاده از روش های پیچیده محاسباتی بدست آمده، نه یک احساس ساده با یکی از حواس پنج گانه. در این زمینه، بررسی ساختار و عملکرد ردیابی کننده ها (Detector) در تجهیزات آزمایشگاهی از میکروسکوپ گرفته تا دستگاه کروماتوگرافی و ... توصیه شود.در انتها پیشنهاد می کنم در مواجه با نتایج یک مدل محاسباتی، اولا به درستیِ فرضیات مدل دقت کنیم نه خروجیِ مدل؛ ثانیا اگر یک زیست شناس خیس هستید به جای توقع نابجا از زیست شناس خشک در ارائه شواهدی آزمایشگاهی، به این موضوع فکر کنیم که چگونه می توان با روش های خیس همراه با تاییدهای محاسباتی (مثل مقدار خطای نوع اول، نوع دوم و فاصله اطمینان)، چیزی به نتایج مدل مفروض اضافه کنید. Mohieddin Jafari Mohieddin Jafari Mon, 07 Oct 2019 11:47:37 +0330 https://virgool.io/@jafareem/%D8%B4%D8%A8%DA%A9%D9%87-%D8%A2%D8%B4%D9%86%D8%A7%DB%8C%D8%A7%D9%86%D9%85-%D8%B1%D8%A7-%DA%AF%D8%B3%D8%AA%D8%B1%D8%B4-%D9%85%DB%8C-%D8%AF%D9%87%D9%85-%D9%BE%D8%B3-%D9%87%D8%B3%D8%AA%D9%85-hvwmybc6dxid مهمترین هدف از شرکت در یک کنفرانس علمی چیه؟ احتمالا پاسخ شما یه جورایی به علم مربوط میشه مثل اینکه افزایش دانش، آشنایی با یافته های نوین علمی، ارائه یافته های نوین خودمان یا شناختن دانشمندان در رشته ای خاص و استفاده از نظریاتشون. اما باید بهتون بگم که پاسختون کاملا صحیح نیست. یکی از اهداف فرعی مون شاید این جور چیزها باشه ولی مهمترین هدفمون نیست. این قبیل اهداف با خواندن و نوشتن کتاب ها و مقالات با هزینه کمتر هم امکانپذیره. چرا باید هزینه کنیم؟ هزینه های صدور روادید تا هزینه های اقامت و احیانا خرید سوغاتی را بپردازیم تا با یک مفهوم علمی آشنا بشیم یا به دیگران از یافته های خودمان بگوییم؟ قبل از اینکه برم سراغ یه تجربه شخصی از شرکت در یک رویداد علمی در سال ۲۰۱۷ در کشور مجارستان، بهتره یه مقدار با تعاریف و تفاوت انواع رویدادهای علمی آشنا بشیم.کنفرانسبزرگ ترین (از لحاظ تعداد افراد شرکت کننده و روزهای برگزاری) و با کلاس ترین رویداد ممکن در یک زمینه مشخص حرفه ای که به صورت ملی یا بین المللی برگزار میشه و دارای تمام قسمت ها رایج یک همایش مانند سخنرانان اصلی مدعو، سخنرانان فرعی و محققین و نمایش و ارائه پوسترها است. کنفرانس یا همایش فرم رسمی و مفصل تر سمینار و ورکشاپ یا کارگروه ها هستن و یک کنفرانس می تونه شامل چند سمینار یا ورکشاپ نیز باشه.سمپوزیومآنچه می توان فصل مشترک کنفرانس و سمپوزیوم دانست اینه که سمپوزیم یه جورایی مینی کنفرانسه و موضوعات مطرح شده در آن تخصصی تر بوده و از اینرو دایره مخاطبانش کوچکتر هستن. در سمپوزیوم ها نیز همان روال کنفرانس معمولا رعایت میشه اما در ابعاد کوچکتر.ورکشاپ و سمیناراین دوتا رویداد از لحاظ ابعاد و اینکه مشخصا روی یک موضوع خاص با جزییات بیشتر تمرکز دارن، به همدیگه خیلی شبیه هستن. تنها تفاوت اینه که توی ورکشاپ همینجوری که از اسمش پیداست، مخاطبان کمی دست به آچار میشن تا مستمع صرف نباشن. معمولا توی ورکشاپ ها چیزهای بیشتری دستگیر مخاطبها میشه برای همین برای ثبت نامش پول بیشتری میدن و اصطلاحا مخاطبهای ورکشاپ زخمی میشن و میرن. زخمیه یه مبحث علمی که تا مدتها ذهنشون درگیر التیام زخم می مونه.ریتریتآخرین نوع رویدادی که میخوام در موردش توضیح بدم ریتریت هاست. شاید خیلی شاهد برگزاری این رویداد در ایران نباشید و یا به شکل دیگه اون تجربه کرده باشید. ولی اون چیزی که رایج هست اینه که معمولا یه موسسه یا یه ابرگروه حرفه ای یا تحقیقاتی با برگزاری این رویداد سالانه سعی می کنه سازمان خودشو منسجم تر کنه و چشم انداز و رسالتشو در کنار راه طی شده به اعضای خودش یادآوری کنه. در عین حال یه فرصتی باشه که به دور از فشار کار روزمره، همکاری های جدید شکل بگیره و اعضای جدید و قدیم بهتر با هم هماهنگ بشن.حالا بریم سراغ رویدادی که من شرکت کردم که شاید نسل نوعی از برگزاری رویداد باشه و در هیچ کدام یا همه تعاریفی که باهم مرور کردیم بگنجه. شاید تا الان حدس زده باشید که توی این نوشته نمی خوام به ابعاد علمی این رویداد بپردازم و بیشتر جنبه های ایجاد شبکه آشنایی تاکید کنم.قبل از شرکت در رویداد یه چیزی که برای من خیلی جالب توجه بود درخواست برگزار کننده های رویداد به ارسال پیش پروپوزال یه کار تحقیقاتی یا همان بیان مسئله به غیر از خلاصه مقاله بود. خب خلاصه مقاله که مربوط می شد به کاری که از قبل انجام دادیم و نتایجش به صورت پوستر یا سخنرانی در چنین رویداد های علمی مطرح میشه. اما هدف برگزار کننده از درخواست ارسال یک بیان مسئله جدید، انتخاب بهترین آنها و ایجاد گروه هایی از شرکت کنندگان برای تکمیل اون پیش پروپوزال ها و امکان رقابت بین گروه ها در طول برگزاری رویداد بود که برای من خیلی جالب توجه بود. گروه هایی که متشکل بود از تعدادی اساتید راهنما و دانشجو از دانشگاه ها و کشورهای مختلف، پیرامون یک موضوع خاص تبادل نظر، همکاری و رقابت می کردن. بعد از برنامه سخنرانی های اصلی رویداد، فرصتی برای اینجور فعالیت ها در نظر گرفته بودن. خیلی شبیه به یک استارتاپ ویکند اما از نوع علمی پژوهشی نه اقتصادی و فناوری.اما در طول برگزاری همایش من با سورپرایزها یا شگفتانه های بیشتری روبرو شدم. مثلا اینکه برای اینکه بریم سالن غذاخوری و ناهار روزانه در این ۴ روز برگزاری رویداد میل کنیم قبل از اینکه بشقاب غذا را برداریم و از بوفه اون پر کنیم، هر روز موظف بودیم با برداشتن قرعه، میز نشستن خودمون را به صورت تصادفی مشخص کنیم. این کار ساده باعث شد در طول این ۴ روز هر دفعه با ۸ نفر متفاوت به صورت تصادفی سر یک میز بشینیم و قرابت فیزیکی، توفیقی اجباری بود تا به صورت چهره به چهره و از نزدیک با هم آشنا بشیم. برنامه های فوق برنامه این رویداد هم برام خیلی جالب بود. مثلا روز اول بعد از ساعت ۴ قرار شد که به بازدید قلعه ای در نزدیکی هتل محل اقامت بریم. باید بگم هتل در یک شهر بسیار کوچک قرار داشت و انتظار دیدن یکی از آثار باستانی با ابهت و خاص کاملا دور از ذهن بود. تا جایی که تا قبل از رفتن به این برنامه تصمیم قطعی به پیوستن به این برنامه فوق برنامه نداشتم. بعد از اینکه مسافت هتل تا قلعه را با مینی بوس به مدت ۱۰ دقیقه طی کردیم، راننده مسافران را ابتدای جاده پیاده کرد که کمی برای ما عجیب بود اما بعد از کمی پیاده روی صدایی توجه همه را جلب کرد. دو نفر با لباس قرون وسطی و طبل به دست به استقبال ما اومده بودند و در بقیه راه راهنمای شرکت کننده ها شدند تا درب قلعه. در محوطه اصلی قلعه، راهنمای قلعه ایستاده بود و منتظر بود تا همگی ما جمع بشیم و سخنرانی اش را شروع کنه.نکته جالب توی توضیحاتی که در بخش های مختلف قلعه من بهش برخوردم، لحن و ادبیات طنز راهنمای قلعه بود که با لباس و محیط قرون وسطایی و روایت خشک و خشن تاریخ یه پارادوکس جالب ساخته بود و شنوندگان را بیشتر مشتاق شنیدن توضیحات می کرد.بالاخره به بالای قلعه رسیدیم و چشم انداز جالبی از رودخانه دانوب در کنار توضیحات آخری راهنمای قلعه به نظر حسن ختام برنامه و برگشت به هتل را نوید می داد. اگر چه از برنامه تا اینجاش خسته نشده بودم اما به این مسئله فکر می کردم که اگر در هتل می ماندم چیز زیادی را از دست نمی دادم در عین حال که استراحت بیشتری می کردم.اما راهنمای قلعه از همه خواست که به حیاط پشتی قلعه بریم و با قرون وسطی بیشتر آشنابشیم.بعد از اینکه روی سکوهای محوطه نشستیم به انتخاب خودش یک فرماندار و ملکه از میان شرکت کنندگان انتخاب کرد و با لباس و تشریفات مخصوص در جایگاه نشاند.بعد از این قسمت یه گروهی از سربازان حرفه ای قرون وسطایی با همه مشخصات ظاهری اونا داخل حیاط ظاهر شدن و شروع کردن به شبیه سازی یکسری از حرکات نظامی با وسايل و ادوات شبیه سازی شده از قرون وسطی.واقعا این بخش از آشنایی با تاریخ این قلعه و آداب و رسوم رایج در اون برهه تاریخی هیجان انگیز بود و خاطره اش هنوز بوی تازگی داره. اما جالبتر از این قسمت، مرحله ای بود که انتظارش را نداشتیم. راهنمای قلعه از تمامی تماشاگران تاریخ درخواست کرد که به وسط حیاط آمده و از میان میزی که تعبیه شده بود روپوش های رنگی برای خود انتخاب کرده و بپوشن و یک سفر در زمان بکنن. به این ترتیب به صورت کاملا تصادفی یا شاید بر مبنای شباهت سلیقه در انتخاب رنگ ها چند گروه ۸ نفره ایجاد شد. برنامه بعدی رقابت بین این گروه ها بود. رقابت با استفاده از همان وسايل جنگی قرون وسطی که تا چند دقیقه پیش شاهد نمایش سربازانش بودیم. نهایتا هر سرباز مربی یکی از گروه قرار گرفت.در پایان این رقابت جالب، شاد و خاطره انگیز به گروه اول تا سوم جوایزی نمادین از طرف راهنمای قلعه اهدا شد. این برنامه برای روز اول شاید کمی سنگین به نظر می رسید خصوصا اینکه بیشتر شرکت کنندگان از قاره های دیگر و مسیرهای دور به این رویداد دعوت شده بودند، اما به راحتی یخ ایجاد آشنایی را آب کرد تا شرکت کنندگان زودتر و راحت تر در مورد تحقیقات یکدیگر و بررسی امکان همکاری یا وجود موقعیت های شغلی سر صحبت را باز کنن.نهایتا فوق برنامه روز اول با گردش در بازارچه صنایع دستی شهر کوچک ویشگراد در نزدیکی بوداپشت به پایان رسید.برنامه های روزهای دیگه هم مانند روز اول با سخنرانی های اصلی رویداد شروع میشد. بعد از ظهر جلسات کارگروه های ایجاد شده برای تبیین بهتر پیش پروپوزال ها پیگیری شده و نمایش و ارائه پوسترها هر شب دو ساعت بعد از شام برگزار میشد.حالا دیگه کم کم افراد حتی به اسم همدیگر را میشناختن و به یاد می آوردن. زمزمه هایی برای ایجاد همکاری های جدید شنیده می شد و حتی برنامه هایی بلندمدت در ذهن خیلی ها برای جذب بودجه و انجام کارهای تحقیقاتی جدید شکل گرفته بود. فوق برنامه روز دوم که جنگل نوردی و صرف شام در طبیعت بود بستری مناسب ایجاد کرد تا در طول پیاده روی، نکات ابهام خیلی از این طرح های ذهنی برطرف بشه. در عین حال استادان و دانشجویان یا همکاران جدید تحقیقاتی (احتمالی در آینده) با اخلاق حرفه ای هم بیشتر آشنا بشن.فوق برنامه روز سوم هم بازدید از بافت تاریخی شهر بود، زنده، فشرده و آمیخته با طنز. فرصتی برای گپ زدن های متفاوت در طول یک روز پرکار و پر از ایده.حسن ختام این رویداد شام آخر و اهدای جوائز به بهانه های مختلف (گروه برنده در ارائه پیش پروپوزال، پوسترهای برتر، سخنران های برتر و ... ) به شرکت کنندگان در محیطی سنتی و صمیمی و مراسم تفریحی مختلف در هتل بود. شبکه های آشنایی تشکیل شده مستحکم تر شد و دوستی های جدید شکل گرفته بود و همگی دوستانه از یکدیگر خداحافظی کردند.چیزهایی که من از این رویداد یادگرفتم فراتر از یکسری یافته های علمی صرف یا ایده های خام تحقیقاتی بود. در حقیقت من اهمیت شناختن آدم های جدید، حداقل در جامعه تحقیقاتی مرتبط با زمینه تخصصی خودم را لمس کردم. باید از فرصت استفاده کرد و با بهانه های مختلف با همکاران خود در نقاط مختلف دنیا آشنا شد. از فرصت کنار هم صبحانه یا ناهار خوردن تا یک دست پینگ پنگ بازی کردن نباید غافل شد. قدرتی در موقعیت های غیررسمی در نزدیکتر کردن انسانها به یکدیگر هست که در موقعیت های خشک رسمی هرگز ایجاد نخواد شد. باید شبکه آشنایی خود را گسترش داد و با دوستان جدیدتری همکاری کرد. رویدادهای علمی از هر نوعی بهترین فرصت برای انجام این نوع شبکه سازی است و اگر برگزار کنندگان رویداد از اهمیت این مسئله آگاه باشند و برای آن برنامه ریزی و بسترسازی بکنن رویدادهای پربارتر و مستدام تری را تجربه خواهند کرد. به عبارتی موضوع یک رویداد علمی، سخنرانان، پوسترها و ... همه و همه بهانه هایی هستند تا از لحاظ فیزیکی بیشتر بهم نزدیک بشیم، ارتباطات چهره به چهره صورت بگیره و شبکه آشنایانمون را بزرگتر کنیم. Mohieddin Jafari Mohieddin Jafari Fri, 02 Aug 2019 20:54:09 +0430 https://virgool.io/@jafareem/%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%A7%DA%A9%D8%AA%D8%B4%D8%A7%D9%81%DB%8C-%D9%88-%D8%AA%D8%B9%D8%A7%D9%85%D9%84%DB%8C-ltfwpqsbyjzh در سال های اخیر، در مورد موفقیت های سیستم آموزشی فنلاند، سنگاپور و در یک سال گذشته حتی استونی زیاد شنیدم، ویدیو دیدم و مطلب خواندم. اکثر مواردی که بهش برخوردم مربوط می شد به آموزش در مقطع دبستان و دبیرستان که (از نظر من) خوشبختانه در ایران هم با وجود مخالفانی سرسخت، در حال گسترش و بومی سازی است. این شیوه آموزش تحت عنوان شیوه شناختی در ایران جا افتاده و دارای ویژگی هایی از قبیل یادگیری اکتشافی، توجه به آزادی عمل و تفاوت های فردی، مبتنی بر خلاقیت بودن و .... است (برای اطلاع بیشتر به عنوان مثال به این صفحه رجوع کنید). اما هدف من از این نوشته نه شرح و بسط یا نقد این شیوه آموزشی بلکه به اشتراک گذاشتن مشاهده عینی خودم از نحوه برگزاری دو واحد درس تخصصی در مقطع دکتری در دانشگاه هلسینکی، فنلاند است. طبیعی است که همه کلاس ها در اینجا به این صورت که توصیف خواهم کرد برگزار نمیشه ولی رویکرد عمومی حمایت از نوآوری آموزشی به منظور ایجاد رقابتی سالم بین مدرسین در جذب بیشتر مخاطب یا دانشجو است. این درس که مربوط به زیست شناسی سرطان بود با عنوان مخفف CBSS در ترم بهار ۲۰۱۹ ارائه شد. اولین نکته ای که توجه مرا جلب کرد تبلیغات جذاب این درس به صورت ایمیلی و پوستری و دعوت از همه علاقه مندان در تمامی مقاطع تحصیلی و تحقیقاتی اعم از دانشجویان فوق لیسانس، دکتری، پست داک و فارغ التحصیلان مشغول به کار در دانشگاه بود. گذشته از سامانه ثبت نام آنلاین، اطلاع رسانی منظم و بروز از زمان و مکان برگزاری و دسترسی مشخص به منابع آموزشی، دومین نکته جالب کلاس برای من جلسه اول کلاس تحت عنوان kick-off meeting بود. در این جلسه با کلیتی از برگزاری ادامه جلسات، تیم آموزشی (شامل مدرس اصلی، مدرسان مدعو و تیم دانشجویان دستیار مدرسین) و هم کلاسی ها آشنا شدیم. اولین سورپرایز در این جلسه برای من درخواست مجری یا مدرس اصلی دوره از تمامی افراد حاضر در کلاس برای معرفی خود بود. البته نه به صورت یک کار روتین، وقت گیر و بی فایده که در خیلی از کلاس ها در جلسه اول انجام میشه. مدرس از تک تک شرکت کنندگان و تیم آموزشی خواست که با استفاده از ماژیک و تخته سفید، زمینه کاری و علاقه تحقیقاتی خودشون را به صورت خلاصه ترسیم کرده (Graphical abstract) تا دیگر حضار موضوع اصلی آن را حدس بزنن. اولین گام در شکستن یخ برقراری ارتباط یا شروع شبکه سازی اجتماعی و کار گروهی در یک فضای صمیمی همین جا برداشته شد. افراد بعد از رد یا تایید یا اصلاح حدس دیگران عنوان دقیق تحقیقاتی خود را معرفی کرده و با برچسبی بزرگ حاوی اسم خودشان به جای خود برمی گشتند. این برچسب ها آخر هر جلسه جمع آوری و در جلسه بعد تحویل شرکت کنندگان داده می شد. یکی دیگر از اصول مهارت ارتباطی به خاطر سپردن اسامی افراد در آشنایی است که با این کار امکان پذیر می شد. غیر از این جلسه و جلسه آخر (که شرح مفصلی تر دارد)، کلاس شامل ۱۲ جلسه یا اپیزود (سرفصل) یک ساعته بود. هر دو اپیزود در یک روز برگزار می شد. شرکت کنندگان که ۲۰ نفر بودن به ۱۰ گروه ۲ نفره تقسیم بندی شدند و برای هر گروه مسئولیت ارائه در یک جلسه زیر نظر مدرس اپیزود تعیین گردید. این درس در واقع یک تدریس گروهی منسجم و هماهنگ بود. به این ترتیب که هر جلسه توسط یک متخصص در سرفصل مربوطه مدیریت می شد. مدرس اصلی در تمام جلسات حضور داشته، نقش شیرازه این درس تخصصی را به خوبی ایفا کرده و از تبدیل شدن آموزش تیمی به یک لحاف چهل تیکه بی سر و ته یا همپوشان جلوگیری می کرد. ۹ نفر از متخصصین سرفصل های کلاس از داخل دانشگاه هلسینکی و یک نفر از دانشگاه واشنگتن برای تدریس دعوت شده بودند. برای هر جلسه یک یا دو رفرنس اصلی از مقالات مروری در مجلات معتبر تعیین شده بود و همه شرکت کنندگان موظف بودند که قبل از آمدن به کلاس مقالات را مطالعه کنند. هر جلسه با یک امتحان کوتاه (Quiz) به مدت ۵ دقیقه شروع می شد. این مسئله باعث می شد که همه شرکت کنندگان درس به موقع راس ساعت در کلاس حضور داشته و پیش مطالعه کرده باشند. بعد از امتحان، متخصص سرفصل مربوطه در حد ۵ دقیقه به معرفی خودش و مهمترین کارهایش در رابطه با سرفصل می پرداخت. بلافاصله گروهی از شرکت کنندگان که مسئولیت ارائه مقاله را در آن جلسه به عهده داشتن در مدت ۵ دقیقه مقاله مربوطه را مرور کرده و به صورت گروهی شرح می دادند. نحوه ارائه آنها توسط تمامی شرکت کنندگان درس ارزیابی و امتیاز دهی می شد.باقی مانده جلسات به پرسش و پاسخ می گذشت و گروه ارائه دهنده با کمک متخصص سرفصل به سوالات دیگر دانشجویان پاسخ می دادند. نکته جالب دیگر معرفی دو نفر تصادفی از دیگر شرکت کنندگان به عنوان مخالف (opponent) بود تا آغازگر سوالات به مدت ۵ دقیقه باشند. غیر از این دو نفر هر کس دیگری که سوالی را مطرح کرده و در بحث شرکت می کرد امتیاز مشارکت برای او به ثبت می رسید. نکته جالب توجه این بود که معمولا جلسات پرسش و پاسخ آنقدر جذاب یا چالشی برگزار می شدند که اغلب توسط مدرس اصلی درس به علت کمبود وقت قطع می گشت تا زمان بندی اپیزود بعدی که بلافاصله انجام می شد رعایت گردد.وظیفه شرکت کنندگان برای هر اپیزود به صورت خلاصه یه این شرح بود که اولا راس ساعت حاضر باشند، مقاله را پیش مطالعه کرده باشند، با یک یا دو سوال چالشی یا حتی عامیانه مربوط به موضوع، سر کلاس حاضر باشند و در بحث مشارکت کنند. در صورت غیبت در یکی از جلسات شرکت کنندگان موظف بودند به صورت صوتی یا تصویری در حد ۵ دقیقه محتوای اپیزود مربوطه را برای تیم تدریس ارسال کنند. آخرین جلسه این درس تعاملی تحت عنوان روز مسابقه معرفی شد. برنامه روز مسابقه یک روز کامل از ساعت ۹ صبح تا ۹ شب به طول انجامید. از ساعت ۹ تا ۱۱ آخرین اپیزود و جلسه توجیهی مسابقه برگزار شد. بعد از یک ساعت وقت ناهار، راس ۱۲ همگی از درب ورودی دانشگاه با وسیله نقلیه عمومی به مرکز شهر رفتیم. به هر گروه یک نقشه و یک مسئله علمی تحویل داده شد. هر گروه طبق نقشه، از یک نقطه مشخص بایستی به ۶ ایستگاه مختلف در نقشه مراجعه کرده و در هر ایستگاه در یک مسابقه شرکت کند. بسته به نتیجه هر مسابقه، هر گروه از راهنمایی هایی برای حل مسئله علمی برخوردار می شد. مسئله علمی در واقع یک مسئله ساختگی برای یک شرکت داروسازی فرضی بود و شرکت کنندگان موظف به ارائه یک پروپوزال تحقیقاتی برای حل آن بودند. در ایستگاه ششم دو نفر از متخصصین به عنوان داوران اصلی نحوه ارائه طرح پژوهشی فرضی و محتوای منطقی آن را ارزیابی می کردند. در ایستگاه پنجم یک پیش ارائه توسط هر گروه به مدرس اصلی انجام می شد تا آمادگی لازم برای ارائه اصلی در ایستگاه ششم فراهم شود. در ایستگاه اول تا چهارم به ترتیب چهار مسابقه آلیاس (Alias)، بازی فیلم (Movie game)، پیکشنری (Pictionary) و پانتومیم (Pantomime) با کمک مفاهیمی که در طول اپیزود های قبلی مربوط به سرطان مرور شده بود، صورت گرفت. در بازی آلیاس، کلیدواژه های اصلی بدون اشاره مستقیم توسط یکی از اعضای گروه معرفی و توسط دیگری حدس زده می شد. در بازی فیلم، هر گروه می بایست از سناریو فیلم های مشهور دنیا برای ارتباط دادن به مفاهیم زیست شناختی و بالینی سرطان استفاده کند. در بازی پیکشنری با استفاده از تصاویر چند کلیدواژه مهم توسط یکی از اعضای هر گروه رسم و توسط دیگری حدس زده می شد و سرانجام به کمک پانتومیم برخی دیگر از این کلیدواژه ها توسط اعضای گروه اجرا و حدس زده می شدند. برای هر مسابقه در زمان مشخص توسط دانشجویان دستیار مدرسین که از قبل در ایستگاه مربوط منتظر رسیدن هر گروه بودند داوری و امتیاز دهی می شد. در صورت موفق بودن در هر بازی کارت هایی فرصت (مثبت) یا کارت های مسئله (منفی) برای ارائه پروپوزال نهایی به هر گروه داده می شد. در طی این مسابقه ضمن مرور مهمترین مفاهیم و کلیدواژه های مربوط به درس، در ضمن یک فعالیت فیزیکی و فکری در طبیعت بهاری و بافت تاریخی شهر هلسینکی، در طی مسیر بین اعضای هر گروه بحث و تبادل نظر پیرامون ارائه پایانی مطرح می شد. تمامی گروه ها یک پایلوت فانتزی از اجرای یک ایده پژوهشی را تجربه کردند. کل مسابقه در مدت زمان ۵ ساعت به اتمام رسید.حسن ختام این درس، برگزاری مراسم شام و اعلام بهترین ها در کلاس بود که در رستورانی از قبل تعیین شده برگزار شد. گروهی که بهترین پروپوزال را ارائه دادند، گروهی که بهترین ارائه را در اپیزود ها اجرا کردند و گروهی که بیشترین فعالیت در بحث و پرسش و پاسخ ها نشان دادند مورد تقدیر قرار گرفتند.حقیقتا شرکت در این کلاس یک تجربه خاص آموزشی بود. افراد با رشته های مختلف تحقیقاتی مثل پزشکی، زیست شناسی مولکولی، مهندسی شیمی و ... در کنار هم آخرین یافته های مربوط به سرطان را مرور کردند و تبادل نظر داشتند. بر پایه یکسری اطلاعات مشترک، یکدیگر را به چالش می کشیدند و در رد و تایید نظرات یکدیگر از تجربیات کاری و مطالعات قبلی خود مثال می آوردند. در عین تکمیل دانش خود با جدیدترین یافته ها درباره سرطان، مهارت های ارتباطی مورد نیاز یک محقق مانند کار گروهی و مواجه صحیح با داور یا منتقد و رویکرد حل مسئله پژوهشی بارها تمرین شد. به عبارتی دیگر در این رویکرد به جای تاکید بر به خاطر سپردن یکسری جزئیات مولکولی یا بالینی که معمولا در صورت عدم استفاده با گذشت چند هفته از اتمام کلاس به فراموشی سپرده می شود، نحوه فکر کردن، اهمیت کشف و دریافت شخصی و تعامل با همکاران در حل مسئله پژوهشی آموزش داده شد. البته از این مسئله نباید غافل بود که سیستم آموزشی هم از مدرس حمایت همه جانبه دارد تا دست مدرس برای نوآوری باز بوده و هزینه های تبلیغات، دعوت اساتید خارج از کشور، برگزاری مسابقه، اهدای جوائز و مراسم شام تامین بشود. Mohieddin Jafari Mohieddin Jafari Sun, 02 Jun 2019 05:15:49 +0430 https://virgool.io/@jafareem/%D8%B2%D9%85%D8%A7%D9%86-%D8%A8%D8%A7%D8%B2%D9%86%D8%B4%D8%B3%D8%AA%DA%AF%DB%8C-p-value-005-%D8%B1%D8%B3%DB%8C%D8%AF%D9%87-ocquaxd3ogue با ساینس یا زنجیره ای از رد و تایید فرضیات و نظریات به کمک تجربه و تکرار، هر روز سروکار داریم حتی اگر درکش نکنیم یا فراتر از ظرفیتش ازش انتظار داشته باشیم. وقتی اسم تکرار میاد یعنی یکی از پایه های اصلی ساینس دانش آمار است. حالا میخوام توجه تون را به یکسری جملات رایج در مورد برخی مسایل روزمره زندگی جلب کنم. شنیدیم که میگن "این دانشمندها هم خودش حرف خودشون را نقض می کنن و هر روز یه چیز میگن"، "استفاده از مایکرویو یا موبایل به صورت مستمر بیماری زاست یا نیست بالاخره"، "من آخرش نفهمیدم که چایی و قهوه خوبه بخوریم یا نه"، "غذاهای تراریخته سرطان زا هستن یا نیستن" و ....... . ای "معنی داری آماری" بازنشست شدی لطفا خداحافظ!هدف من از نوشتن این مطلب پرداختن به پاسخ این سوالات نیست بلکه با تلخیص و ترجمه دو تا مقاله که لینکش را اینجا و اینجا گذاشتم میخوام توضیح بدم که این اظهارنظر ها فارغ از مسایل ژورنالیستی یا تبلیغاتی اش از کجا نشات میگیره. بله درست حدس زدید آمار یا به عبارت دقیقتر بدفهمیدن مفاهیم آماری. اینکه منشا بدفهمیدن تقصیر کیه خیلی مهم نیست و به نظر من مهمه که یکی از این مفاهیم آماری که منشا تناقضات علمی است را یه بار باهم مرور کنیم (برای اطلاع از پیشنهاد دیگه در مورد تغییر نام "بازه اطمینان" به اصل مقالات رجوع کنید). منظورم مفهوم p-value یا مقدار پی است. مقدار پی یه عدده که خیلی ها ازش انتظار دارن که معیار حق و باطل باشه. به عبارتی دقیقتر با این عدد دانشمندها میگن که نتایج مثبت یا منفی بود، اختلاف وجود داره، یا نداره دارو اثر داشت یا نداشت، آزمایش جواب داد یا نداد، فرضیه رد شد یا نشد، مقاله چاپ بشه یا نشه، محصول به بازار بیاد یا نیاد و ..... اگر این عدد کوچکتر یا بزرگتر از یه حدآستانه قراردادی ۰.۰۵ باشه اصطلاحا میگن؛ از لحاظ آماری معنی دار؛ هست یا نیست. یعنی اگر این عدد از ۰.۰۵ کوچکتر باشه در اکثر مواقع زندگی برای یه محقق شیرین میشه و اگر نباشه ..... .اما نکته اینجاست که در واقع این حدآستانه یه مقدار کاملا قراردادی با یه تاریخچه مختصر مربوط به کارهای آقای فیشر (یه دانشمند مهم در علم آمار) در معرفی مفهوم این مقدار داره که یه جا تو یه مقاله ای داشته مثال میزده و این عدد را مثال زده و همین طوری نقل قول از ایشون ادامه داشته و هر کی هرجا میخواسته آمار یاد بگیره این عدد را به صورت سنتی یاد گرفته و استفاده کرده. به مدت طولانی این عدد و حدآستانه تبدیل به یک تابو در ساینس شده و منشا خیلی از اظهارنظرهای بعضا متناقض افراد شده. یعنی خیلی از تناقض ها ناشی از نحوه بیان و استفاده از این عدد در متون علمی است. خیلی ها اومدن پیشنهادی برای رفع مشکلات این تابو بدن که بیشتر مربوط به تغییر حدآستانه به اعدادی کوچکتر یا محاسبه اون با روش های پیچیده تر می شه.اخیرا یه اتفاق نظری بین یه تعداد قابل توجهی از متخصصین آمار شده و برای رفع این مشکل یه پیشنهاد ساده دادن و اون عدم استفاده از عبارت از لحاظ آماری معنی دار است. یعنی کلا مدعی شدن اینکه یه حد آستانه تعریف بکنیم تا یه مفهوم کمی را خیلی ساده کیفی بکنیم اولا هیچ ربطی به آمار نداره ثانیا اصلا این عدد قرار نبوده یه فضای دوقطبی ایجاد بکنه و مفهوم عدم قطعیت در ساینس را نابود بکنه. البته این متخصصین معتقدند که این اصطلاح آنچنان نفوذی در متون علمی کرده که شبیه یه وسیله جراحی جامونده در بدن بیماری که مدتها از زمان عمل جراحی اش گذشته و این شی خارجی کاملا در بافت بدن جا خوش کرده و بیرون کردنش درد داره (یه عمل جراحی دیگه ای لازم داره). تاکید نابجا به این عدد تا اونجا پیش رفته که حتی در خیلی از مواقع به منطق، پس زمینه و طراحی آزمایش یک مطالعه توجهی نمیشه.خلاصه اینکه هر گزاره علمی را به راحتی قبول یا رد نکنید، به بیان مسئله و روش پاسخ به سوال بیشتر از نتایج به دست آمده توجه کنید و از اعداد فقط برای نزدیک شدن به حقیقت استفاده کنید و از عبارت "از لحاظ آماری معنی دار" یا موارد مشابه آن در متون علمی به هیچ وجه استفاده نکنید. Mohieddin Jafari Mohieddin Jafari Tue, 23 Apr 2019 08:09:16 +0430 https://virgool.io/@jafareem/%D8%A2%D9%86%DA%86%D9%87-%D9%85%D9%86-%D8%AF%D9%88%D8%B3%D8%AA-%D8%AF%D8%A7%D8%B1%D9%85-%D8%AF%D8%A7%D9%86%D8%B4%D8%AC%D9%88%DB%8C%D8%A7%D9%86-%D8%AF%DA%A9%D8%AA%D8%B1%DB%8C-%D8%A7%D8%B2-%D8%AF%D9%88%D8%B1%D9%87-%D8%AF%DA%A9%D8%AA%D8%B1%DB%8C-%D8%A8%D8%AF%D8%A7%D9%86%D9%86%D8%AF-kvf7lmir7gfj تصمیم گرفتم نوشتن در ویرگول را با خلاصه-ترجمه مقاله ای از نیچر که سه هفته پیش (۲۱ مارچ ۲۰۱۹) چاپ شده شروع و امتحان کنم. این مقاله را برای این انتخاب کردم که هم درد دل خیلی از دانشجوهای دکتری است، هم اینکه خیلی ها بدون داشتن تصوری از این قسمت ماجرا تصمیم به ادامه تحصیل در مقطع دکتری می کنن و باعث میشه یا خسته شن یا افسرده یا با رویکردهای ماستمالی (اگر سیستم آموزشی یا به عبارتی استاد راهنماشون بهشون اجازه بده) یه کاغذ-مدرک به مدرک های قبلیشون اضافه کنن. البته یه دلیل دیگه هم مربوط میشه به وقت زیادی که من برای دانشجوهام میگذارم تا بتونن این اتفاقات حاشیه ای دوران تحصیل و تحقیقشون را بهتر مدیریت کنن.عنوان اصلی مقاله: آنچه دوست دارم خانواده و دوستانم از دوره دکتری من بدانند؟نویسنده کیت سماردزیچاز زمانی که تحصیلات عالیه ام را شروع کردم، آدم های دوروبر من به دو دسته تقسیم شدند: اونایی که می دونستن گرفتن دکتری یعنی چی و اونایی که نمی دونستن. حتی بعد از سه سال از شروع دکترام، هنوز دوستانی داشتم که از تمام وقت کار کردن من روی پایان نامه و جلسات متعددم در طول هفته تعجب می کردن و توقع داشتن یه زندگی روزمره دانشجویی برپایه ترم تحصیلی داشته باشم.فکر می کنم موضوع گرفتن دکترای تخصصی، بین عموم مردم بدفهمیده شده و مقصر هم جامعه دانشگاهی است. ما بیشتر تجربه های خوب و شیرینشو بازگو کردیم. ما عاشق رشته ای که انتخاب کردیم هستیم و مشتاقانه نتایج تحقیق خودمون و فرصت هایی که به صورت بین المللی اونا را به اشتراک می گذاریم را مطرح کردیم.آیا دوستان و خانواده ما واقعا می دونن که ما تا ایده ها و تکنیک های جدید را یاد بگیریم، پردازش و اجرا کنیم چقدر باید پایدار (این که هفته ها تحقیق و برنامه ریزی می کنیم تا یک آزمایش را برای اولین بار انجام دهیم، به آرامی آن را طی چند روز انجام می دهیم و مدت زمان بیشتری برای به دست آوردن و تحلیل نتایج منتظر می مانیم، و نهایتا میفهمیم که که آزمایش شکست خورده است) باشیم؟. آیا آنها درک می کنند که شکست تکراری و پر هزینه که با فرهنگ «فشار برای انتشار» مخلوط شده است، معجونی از استرس، ناامیدی، سرخوردگی و عدم اعتماد بنفس است؟از اونجایی که زندگی دانشجویان دکتری در خیلی از مواقع مترادف با پایان نامه اشون هست (ضمن احترام به برقراری تعادل زندگی و کار)، شکست ها معنی خیلی عمیقتری دارن. ما باید انعطاف پذیر باشیم در عین حالی که تلاش می کنیم تا انعطاف پذیری علمی را بیاموزیم، ما نیاز داریم که دوستان و خانواده مون درک کنن که احساس ما تنها یک تنش "شغلی عادی" نیست و به نیاز ما به حمایت بیشتر پاسخ بدهن.در ادامه فهرست چیزهایی که از خانواده و دوستانم نیاز دارم را آوردم:- بدونید که دوره دکترای تخصصی آسان نیست و لزوما ما باهوش نیستیم بلکه فقط باید سخت کار کنیم.- در طول این دوره خیلی فراز و نشیب داریم و زندگی و کارمون خیلی با هم عجین شده تا جایی که وقتی چیزی اشتباه میشه یا شکست میخوریم، واقعا احساس می کنیم که دنیا به آخر رسیده.- یادمون بندازید که دنیا به آخر نرسیده. به ما بگید که هر روز شروعی دوباره است و مشکلات امروز بخشی از یک فرایند علمی است. یادمون بندازید که هنوز دانشجو هستیم.- وقتی از يک پروتکل جدید غافلگير میشیم يا در تجزيه و تحليل مجموعه ای جديد از داده ها سردرگم میشیم، تشویقمون کنید. اين کار شما باعث میشه به شک و ترديد خودمون غلبه کنیم. ما اغلب فراموش مي کنيم که ما به اندازه کافي مهارت داريم- لطفا از ما نپرسید کی دکتراتو میگیری یا بعدش میخوای چیکار کنی. شاید هنوز ندونیم و سوال شما می تونه ترسناک باشه. ناشناخته ها برای ما زیاده و مطمئن باشید وقتی پاسخ این سوالات را فهمیدیم قبل از اینکه بپرسید بهتون میگیمما نمی دونیم که آزمایش بعدی مون جواب میده یا نه، به موقع کارمون تموم میشه یا نه، اگر مقاله بعدی ما رد شد کی می تونیم دفاع کنیم یا اگر در طول دوره دکتری یه شغل ثابت پیدا کردیم چیکار باید بکنیم.بعضی روزا، قابلیت انعطاف پذیری ما از بین میره و عوامل استرس زای زیادی که در حاشیه هستن روی ما تاثیر میگذاره. در اینجور روزا ، ما فقط نیاز داریم که عزیزانمون عمیقا همدلی کنن و به ما یادآوری کنند که فردا یک روز جدید است.https://www.nature.com/articles/d41586-019-00948-7 Mohieddin Jafari Mohieddin Jafari Wed, 10 Apr 2019 14:09:55 +0430