گالری عکس
لطفاً در مورد سوابق تحصیلی خود توضیح دهید.
رشته تحصیلی من در مقطع کارشناسی ریاضیات کاربردی دانشگاه فردوسی مشهد (1369)، در مقطع کارشناسی ارشد آمار زیستی از دانشگاه علوم پزشکی تهران (1378) و در مقطع دکتری تخصصی رشته انفورماتیک پزشکی دانشگاه علوم پزشکی تهران است.

در خصوص سوابق کاری خود توضیح دهید.
به مدت 16 سال است که هیئت‌علمی دانشکده پزشکی دانشگاه علوم پزشکی قزوین هستم. حدود 10 سال است که در کارهای پژوهشی با مرکز تحقیقات بیماری‌های پوست و جذام دانشگاه علوم پزشکی تهران همکاری دارم.

در خصوص عنوان رساله خود و موضوع و روش انجام آن توضیح مختصر دهید.
ايران از کشورهای مواجهه با مشکل بهداشتی ليشمانيوز است و در دهه گذشته مطالعات متعددی برای طراحی و ارزيابی واکسن علیه این بیماری در ایران انجام‌شده است. گزارشات منتشرشده از نتايج این مطالعات عدم اثربخشی این واکسن‌ها را نشان می‌دهد. طراحی واکسن یک فرآیند پیچیده است که با ظهور علم مهندسی ژنتیک و بیوانفورماتیک این روش‌ها متحول شده است. واکسن‌های نوین با استفاده از DNA و یا پپتیدهای یک پاتوژن طراحی می‌شوند مهم‌ترین گام برای ساخت واکسن‌های پپتیدی شناخت پپتیدهای ایمونوژن (اپی توپ‌ها) است. روش‌های تجربی شناسایی اپی توپ نیاز به‌صرف منابع زیادی دارد. برای حل این مشکلات تکنیک‌های محاسباتی ابزاری قدرتمند می‌باشند. لذا در روش‌های جدید فرآیند طراحی و ارزیابی واکسن با استفاده از مدل‌های محاسباتی و در محیط کامپیوتر (In-silico) آغاز می‌شود. در این شیوه با غربالگری مجازی (Virtual Screening) محتمل‌ترین اپی توپ‌ها از بین حجم بسیار وسیعی از پپتیدها یک پاتوژن شناسایی می‌شود و پس‌ازآن آزمایش‌های تکمیلی برای توسعه واکسن انجام می‌شود. ازاین‌رو پژوهش حاضر به‌منظور طراحی یک مدل محاسباتی ترکیبی برای شناسایی اپی توپ‌های سلول‌های T لیشمانیا جلدی و معرفی کاندید مناسب برای طراحی واکسن پپتیدی انجام شد. برای دستیابی به این هدف با استفاده از تکنیک داده‌کاوی 5 مدل محاسباتی داده-محور برای پیش‌بینی کلاس پپتید طراحی شد، سپس با ترکیب خروجی مدل‌ها با استفاده از گره تجمیع با قانون اکثریت آراء کلاس نهائی پپتید تعیین گردید. پس از بررسی کارآیی مدل ترکیبی ارائه‌شده در این پژوهش با استفاده از آن محتمل‌ترین اپی توپ‌های لیشمانیا جلدی شناسایی و برای بررسی تجربی معرفی شدند.

آیا مطالعه مشابهی در این زمینه در ایران انجام‌شده است؟
بر اساس بررسی انجام‌شده در ایران مطالعه‌ای برای طراحی مدل ترکیبی پیش‌بینی کلاس اپی توپ‌ها انجام‌نشده است.

آیا مطالعه مشابهی در این زمینه در خارج از کشور انجام‌شده است؟
اگرچه مدل‌های ترکیبی متعددی برای پیش‌بینی اپی توپ‌های یک پاتوژن با استفاده از روش‌های محاسباتی طراحی‌شده است. ولی اکثر آن‌ها از ترکیب مدل‌ها پیش‌بینی برای پوشش طول متغیر (9 تا 15 اسیدآمینه) اپی توپ‌های وابسته به مولکول MHC-II طراحی‌شده‌اند به‌عبارت‌دیگر هر مدل اپی توپ‌های با طول معین را شناسایی می‌کند. ولی در این پژوهش ابتدا طول پپتیدها با استفاده از روش‌های محاسباتی با یکدیگر انطباق یافته سپس به‌منظور بهبود کارآیی مدل پیش‌بینی کلاس پپتید به‌وسیله هر 5 الگوریتم پیش‌بینی شد و کلاس نهائی پپتید با ترکیب نتایج هر 5 الگوریتم تعیین گردید. یافته‌ها نشان می‌دهد که کارآیی مدل ترکیبی طراحی‌شده در این پژوهش نسبت به مدل‌های ترکیبی در دسترس برای شناسایی کلاس پپتید بیشتر است.

مهم‌ترین مانع انجام طرح خود را چه می‌دانید؟
باوجود توسعه پایگاه داده‌های ایمونولوژی و اپی توپ هنوز مجموعه داده کاملی از اپی توپ‌های انگل لیشمانیا برای پژوهش در دسترس نیست و داده‌های موجود محدود و ناقص هستند.

نتیجه و دستاورد پژوهش خود را چه می‌دانید؟
در این پژوهش یک مدل ترکیبی محاسباتی با استفاده از 5 الگوریتم داده‌کاوی برای شناسایی توالی‌های پپتیدی اپی توپ از غیر اپی توپ ارائه گردید. یافته‌های مطالعه نشان داد که این مدل قادر است که کلاس توالی‌های پپتیدی اپی توپیک و غیر اپی توپیک را با صحت 94 درصد پیشی بینی کند. میزان کارآیی این مدل ترکیبی بین 9% تا 28% بیشتر از مدل‌ها موجود است. نهایتاً با استفاده از این مدل به‌صورت عملی از بین حدود 700 هزار توالی پپتیدی استخراج‌شده از پروتئین انگل لیشمانیا تعداد 17 پپتید به‌عنوان اپی توپ شناسایی شد. نتایج ارزیابی پپتیدها شناسایی‌شده نشان داد که این اپی توپ‌ها به‌صورت تئوریک توانائی تعامل با مولکول MHC Class-II و القا پاسخ ایمنی رادارند.

از کار شما چند مقاله تهیه‌شده است؟
تاکنون 4 مقاله از پایان‌نامه استخراج‌شده و 2 مقاله دیگر در حال بازبینی است.