لوگوی پیام رسان بلهدانلود «بله»
عکس پروفایل Sina Nouri | Clinical Data InsightsS
۷۶ عضو

Sina Nouri | Clinical Data Insights

مشاهده در اپلیکیشن بلهمشاهده در وب بله
۱۸ اردیبهشت
thumbnail
بازنویسی علمی یک مقاله، فقط اصلاح متن نیست؛بازسازی منطق، انسجام، و قدرت استدلال علمی است.
یک Discussion قوی فقط نتایج را تکرار نمی‌کند؛بلکه میان داده‌ها، مکانیسم‌های زیستی، و شواهد پیشین ارتباط معنادار ایجاد می‌کند.
در این نسخه، بخش Discussion و Conclusion با تمرکز بر تفسیر مکانیکی یافته‌ها، انسجام علمی، و استانداردهای داوری بین‌المللی بازطراحی شد.
بخش مهمی از کیفیت یک مقاله، نه در داده‌ها؛ بلکه در نحوه‌ی تحلیل و روایت علمی آن شکل می‌گیرد.
کانال تلگرام : @sina_nouri_dataکانال بله : @sina_nouri_dataراه ارتباطی: 09363922565تلگرام : @ssina_nبله : @sina_nouri
undefined۳

۱۷۵

۱۴:۱۱

thumbnail
undefined۳

۱۷۵

۱۴:۱۱

thumbnail
Sina Nouri | Clinical Data Insights
از داده‌های خام تا خروجی قابل انتشار.

حوزه خدمات تخصصی:• تحلیل داده‌های پژوهشی در علوم زیستی، پزشکی و سلامت• تحلیل داده های بیان ژن (Micro array & RNA-seq)• تحلیل داده‌های فلوسایتومتری و داده‌های سلولی• تحلیل آماری، تفسیر و استخراج بینش از داده‌ها• طراحی نمودار و Visualization علمی استاندارد• بازنگری علمی Manuscript و ارتقای کیفیت Discussion • تحلیل داده‌های چندلایه زیستی (Omics) و Translational Bioinformatics برای کشف Biomarker، مسیرهای مولکولی و تولید بینش‌های قابل ترجمه به بالین و درمان

تمرکز اصلی بر تولید خروجی‌های علمی تمیز، قابل تفسیر و publication-ready است؛با رویکردی مبتنی بر دقت علمی و ارائه استاندارد داده‌ها.
با تجریه داوری در ژورنال‌های معتبر علمی مثل Frontiers in Oncology و Transitional Medicine.
ارتباط و همکاری:Telegram: ssina_nChannel (Telegram & Bale): @sina_nouri_dataBale: @sina_nouriPhone: 09363922565
undefined۱۴

۳.۶K

۱۶:۲۲

۲۱ اردیبهشت
thumbnail
Microarray Data Integration & Batch Effect CorrectionOne of the major challenges in transcriptomic and microarray studies is the presence of batch effects caused by differences in platforms, laboratories, or experimental conditions.In this workflow, multiple datasets were integrated and corrected using the ComBat algorithm in R to reduce technical variation while preserving biological signals.Proper preprocessing and normalization are critical steps before downstream analyses such as: • Differential expression analysis• Biomarker discovery• Machine learning models• Pathway enrichment analysisBioinformatics is not only about generating results — it is about ensuring the reliability and interpretability of biological data.
ادغام داده‌های میکرواری و تصحیح Batch Effectیکی از چالش‌های اصلی در تحلیل داده‌های ترنسکریپتوم و میکرواری، وجود Batch Effect ناشی از تفاوت پلتفرم‌ها، شرایط آزمایشگاهی و نحوه تولید داده‌هاست.در این تحلیل، چندین دیتاست با استفاده از الگوریتم ComBat در محیط R ادغام و تصحیح شدند تا تغییرات تکنیکال کاهش یافته و سیگنال‌های بیولوژیک واقعی حفظ شوند.پیش‌پردازش صحیح داده‌ها، مرحله‌ای حیاتی پیش از تحلیل‌هایی مانند: • شناسایی ژن‌های دیفرانسیلی• کشف بیومارکر• مدل‌های یادگیری ماشین• تحلیل مسیرهای بیولوژیکاست.
تحلیل زیستی صرفاً تولید خروجی نیست؛ بلکه اطمینان از اعتبار و قابلیت تفسیر داده‌هاست.
ارتباط و همکاری: Telegram: ssina_nChannel (Telegram & Bale): @sina_nouri_dataBale: @sina_nouriPhone: 09363922565
undefined۷

۱۸۶

۱۶:۲۹

۲۴ اردیبهشت
thumbnail
بسیاری از مقالات، نه به‌خاطر ضعف ایده یا داده،بلکه به‌دلیل تحلیل نادرست و نمایش ضعیف نتایج رد می‌شوند.
به‌عنوان داور، یکی از رایج‌ترین مشکلاتی که دیده می‌شود:استفاده اشتباه از تست‌های آماری، نمودارهای غیرعلمی و تفسیرهای اغراق‌آمیز از داده‌هاست.
داده خام به‌تنهایی ارزش علمی ایجاد نمی‌کند؛این «تحلیل صحیح» است که داده را به Evidence تبدیل می‌کند.
یک نمودار حرفه‌ای باید:شفاف باشد، قابل دفاع باشد و بدون ایجاد bias واقعیت داده را منتقل کند.
در پژوهش، کیفیت تحلیل دادهمستقیماً روی اعتبار مقاله، پذیرش ژورنال و اعتماد به نتایج اثر می‌گذارد.
ارتباط و همکاری: Telegram: ssina_nChannel (Telegram & Bale): @sina_nouri_dataBale: @sina_nouriPhone: 09363922565
undefined۶
undefined۱

۱۵۶

۱۸:۲۲

۲۶ اردیبهشت
thumbnail
در پروژه‌های Transcriptomics و Microarray، ادغام چند دیتاست بدون اصلاح Batch Effect می‌تواند باعث شود مدل به‌جای تفاوت‌های زیستی واقعی، اختلافات تکنیکی بین آزمایش‌ها را یاد بگیرد.
در PCA سمت چپ، نمونه‌ها عمدتاً بر اساس batch از هم تفکیک شده‌اند؛ نشانه‌ای از غلبه واریاسیون تکنیکی بر سیگنال زیستی.پس از Batch Correction (سمت راست)، داده‌ها ساختار واقعی‌تری پیدا کرده‌اند و امکان تحلیل قابل اعتماد DEG، Pathway و Network فراهم شده است.
تحلیل حرفه‌ای داده‌های Omics، فراتر از اجرای چند نمودار و کدنویسی ساده است.
In transcriptomics and microarray projects, integrating multiple datasets without proper batch effect correction can lead models to capture technical variation rather than true biological signals.
In the left PCA plot, samples are primarily separated by batch, indicating that technical variability dominates the data structure.After batch correction (right panel), the data show a more biologically meaningful distribution, enabling more reliable DEG, pathway, and network analyses.
Professional omics data analysis goes far beyond running a few plots or scripts.

ارتباط و همکاری: Telegram: ssina_nChannel (Telegram & Bale): @sina_nouri_dataBale: @sina_nouriPhone: 09363922565
undefined۵
undefined۱
undefined۱

۱۶۰

۱۷:۱۲

۳۱ اردیبهشت
thumbnail
امروزه تحلیل داده‌های زیستی تنها به شناسایی چند ژن یا رسم چند نمودار محدود نمی‌شود.آنچه پژوهش مدرن را ارزشمند می‌کند، توانایی تبدیل داده‌های خام به بینش‌های قابل استفاده در تشخیص، پیش‌آگهی و درمان بیماری‌هاست؛ جایی که مفهوم Translational Bioinformatics اهمیت پیدا می‌کند.
.Translational Bioinformatics پلی میان داده‌های Omics، بیولوژی مولکولی و کاربردهای بالینی است.از تحلیل RNA-seq و شناسایی مسیرهای سیگنالینگ گرفته تا کشف biomarker، پیش‌بینی اهداف دارویی و بررسی شبکه‌های ژنی، هدف نهایی تنها «تحلیل داده» نیست؛ بلکه استخراج دانش قابل ترجمه به پزشکی و درمان است.در این مسیر، کیفیت تحلیل تنها به اجرای pipeline وابسته نیست؛درک صحیح از طراحی مطالعه، batch effects، biological context و تفسیر دقیق نتایج، نقش تعیین‌کننده‌ای در اعتبار یافته‌ها دارد.آینده پژوهش‌های زیست‌پزشکی متعلق به کسانی است که بتوانند داده را به تصمیم زیستی و بالینی تبدیل کنند.
Modern biomedical research is no longer limited to identifying a few genes or generating basic plots.The real value of bioinformatics lies in transforming omics data into clinically meaningful insights — the foundation of Translational Bioinformatics.
From RNA-seq and pathway analysis to biomarker discovery and drug target prediction, the goal is not just data analysis, but translating biological data into diagnostic and therapeutic knowledge.
Reliable omics analysis requires more than running pipelines; biological context, study design, batch effects, and accurate interpretation are critical for producing meaningful results.
ارتباط و همکاری: Telegram: @ssina_nChannel (Telegram & Bale):@sina_nouri_dataBale: sina_nouriPhone: 09363922565
undefined۶

۱۳۸

۱۸:۳۰

۴ خرداد
thumbnail
فرآیند Peer Review یکی از مهم‌ترین بخش‌های کمتر دیده‌شده در پژوهش علمی است؛جایی که کیفیت، دقت و اعتبار مطالعات پیش از انتشار مورد ارزیابی قرار می‌گیرد.
خوشحالم که این فرصت را داشتم تا به‌عنوان Reviewer در Journal of Translational Medicine در فرایند داوری مقالات حوزه زیست‌پزشکی مشارکت داشته باشم.تجربه داوری، علاوه بر مسئولیت علمی، نگاه عمیق‌تری نسبت به طراحی مطالعه، تحلیل داده و تفسیر نتایج ایجاد می‌کند.
Peer review is one of the most important yet less visible parts of scientific research;a process in which the quality, accuracy, and reliability of studies are critically evaluated before publication.
I am honored to have had the opportunity to contribute as a reviewer for the Journal of Translational Medicine.Beyond its scientific responsibility, the peer-review process provides a deeper perspective on study design, data analysis, and interpretation of research findings.
ارتباط و همکاری: Telegram: ssina_nChannel (Telegram & Bale): @sina_nouri_dataBale: @sina_nouriPhone: 09363922565
undefined۶
undefined۲

۱۱۲

۱۷:۲۶

۷ خرداد
thumbnail
In many transcriptomics projects, identifying differentially expressed genes is only the starting point and does not fully explain the underlying disease mechanisms.
Approaches such as GSEA and pathway enrichment analysis make it possible to investigate functional and biological alterations across disease progression — from metabolic and immune-related changes to signaling pathway dysregulation and cellular dysfunction.
The goal of these analyses is not simply to generate a list of genes, but to biologically interpret the data, identify key disease-associated processes, and translate raw omics data into meaningful translational insights.
Omics analysis becomes truly valuable when robust computational pipelines are combined with accurate biological interpretation and pathway-level understanding.
در بسیاری از پروژه‌های Transcriptomics، شناسایی ژن‌های Differentially Expressed تنها نقطه شروع تحلیل است و به‌تنهایی نمی‌تواند تصویری کامل از مکانیزم بیماری ارائه دهد.
تحلیل‌هایی مانند GSEA و Pathway Enrichment این امکان را فراهم می‌کنند که تغییرات عملکردی و مسیرهای زیستی در روند پیشرفت بیماری بررسی شوند؛ از تغییرات متابولیک و ایمنی گرفته تا اختلالات مرتبط با signaling pathways و عملکرد سلولی.
در این نوع تحلیل‌ها، هدف تنها استخراج لیستی از ژن‌ها نیست، بلکه تفسیر زیستی داده‌ها، شناسایی فرآیندهای کلیدی بیماری و تبدیل داده‌های خام به بینش‌های قابل استفاده در پژوهش‌های Translational است.
تحلیل داده‌های Omics زمانی ارزشمند می‌شود که علاوه بر اجرای صحیح pipelineها، biological context و ارتباط میان pathwayها نیز به‌درستی تفسیر شوند.
ارتباط و همکاری: Telegram: ssina_nChannel (Telegram & Bale): @sina_nouri_dataBale: @sina_nouriPhone: 09363922565
undefined۶

۱۱۰

۱۶:۱۹

۱۶ خرداد
سلام و احترام خدمت پژوهشگران و محققین عزیز
با توجه بهبود نسبی شرایط اینترنت، ادامه فعالیت گروه در اپلیکیشن تلگرام به آدرس زیر، خواهد بود.باعث افتخار من خواهد بود که درین کانال هم عضو باشید.ممنون از همراهی و توجه شما
Channel: https://t.me/sina_nouri_data
undefined۴

۶۲

۱۸:۳۷