کوپلیمرهای دوگانه دوست به دلیل ماهیت هم زمان آب دوستی و آب گریزی توانایی خودآرایی در محیط های آبی دارای رنگ و همچنین کپسوله کردن رنگ در محیط را دارند. همین امر موجب ایجاد برهم کنش مناسب رنگ با بسترهایی مانند پنبه می شود که در آن ها رنگرزی توسط چاپ دیجیتال به سختی انجام می گیرد و معمولاً رنگ پایداری مناسب ندارد. در این طرح، انواع مختلف کوپلیمرهای دوگانه دوست با استفاده از مونومرها و پلیمرهای مختلف تهیه شدند که بعد از بررسی اولیه از نظر ثبات امولسیونی، چندین نمونه انتخاب و با آنالیزهای مختلف مورد بررسی قرار گرفتند. برای شناسایی کوپلیمرها از آزمون هایی مانند H NMR، XRD، DSC، TGA و GPC استفاده و رفتار خودآرایی کوپلیمرها در محلول های آبی با DLS مطالعه شد. نمونه های انتخاب شده دارای ساختار آمورف بودند و پایداری حرارتی بالاتر از &#xB0, C 300 داشتند. همچنین، خودآرایی آن ها در محیط آبی باعث به وجود آمدن امولسیون ها در مقیاس nm100> شد. نمونه ها بعد از چاپ با جوهرهای ارائه شده توسط شرکت متقاضی شامل پیگمنت های مختلف آبی، قرمز، زرد و مشکی، ثبات شستشویی، ثبات مالشی و پایداری بسیار خوبی (5/5) نشان دادند. نتایج این طرح نشان داد که کوپلیمرهای دوگانه دوست می توانند به عنوان یک عامل کمکی در چاپ دیجیتال بر روی پنبه استفاده شوند. این کوپلیمرها با کپسوله کردن رنگ در خود، باعث می شوند که رنگ با پنبه برهم کنش مناسب داشته باشد و از آن در برابر عوامل محیطی محافظت نماید.

آلفا تالاسمی نوعی کم خونی ارثی با توارث اتوزومی مغلوب است که در آن میزان تولید هموگلوبین در خون کاهش می یابد. این بیماری در سطح مولکولی از هتروژنی بالایی برخوردار است و در هر جمعیتی دارای الگوی خاصی از موتاسیون های ژنتیکی می باشد. در این بیماری، شناسایی موتاسیون های ژنتیکی عامل بیماری آلفا-تالاسمی در توصیف پاتولوژی مولکولی بیماری، شناسایی سریع ناقلین، تشخیص پیش از تولد در خانواده های در معرض خطر، جلوگیری از موارد خاص هم توارثی با بتا-تالاسمی، تشخیص علت میکروسیتوز و جلوگیری از آزمایش های مکرر پرهزینه و طولانی مدت بسیار حائز اهمیت است. حدود 5% از کل جمعیت جهان دارای موتاسیون های مربوط به ژن گلوبین هستند که از این میزان حدود 7. 1% ناقل موتاسیون های مربوط به آلفا-تالاسمی می باشند. طرح حاضر به منظور طراحی روشی کارآمد جهت شناسایی حذف ها و مضاعف شدگی در کلاستر ژنی آلفا-گلوبین انسانی (بازوی کوتاه کروموزوم 16) که منجر به بروز بیماری ژنتیکی آلفا-تالاسمی می شود، انجام شده است. اساس عملکرد این روش تشخیصی، یک روش مولکولی نوین به نام Multiple Fluorescent Probe Amplification یا به اختصار MFPA می باشد که حاصل ایجاد نوآوری در روش های مولکولی رایج در تشخیص آلفا-تالاسمی است. این روش با استفاده از پروب های فلورسنت و تکثیر چندگانه، قادر است تمامی حالت های ممکن از تعداد کپی ژن های آلفا گلوبین را تشخیص دهد. نتایج این طرح نشان داد که کیت MFPA دارای دقت و عملکرد مشابه روش مرجع ( PCRچندگانه) است و می تواند حذف و مضاعف شدگی های رایج در کلاستر ژن آلفا را با سرعت و سهولت بیشتری تشخیص دهد. این کیت می تواند به عنوان یک روش تشخیصی کارآمد و اقتصادی برای غربالگری و تشخیص تالاسمی آلفا در جمعیت های در معرض خطر مورد استفاده قرار گیرد.

آمیلاز آنزیمی است که از غدد بزاقی و پانکراس ترشح می شود و با هیدرولیز پیوندهای 4 و 6 آلفا گلوکوزیدار به هضم نشاسته کمک می کند. آمیلاز پانکراتیک توسط پانکراس تولید و در مجرای روده آزاد می گردد. هدف از این پروژه توسعه یک پنل شناسایی ریسک موربیدیتی به کووید 19 یا پنل پروگنوز شدت علائم است. این پنل بر اساس اندازه گیری آمیلاز سرم و تجزیه و تحلیل ژنتیکی ژن های مرتبط با ایمنی ذاتی طراحی شده است. در این طرح از هر بیمار نمونه خون گرفته شده و میزان آمیلاز سرم و ژنوتیپ ژن های مرتبط با ایمنی ذاتی با استفاده از روش های آزمایشگاهی مناسب تعیین شده است. داده ها با استفاده از روش های آماری مناسب تجزیه و تحلیل شده و رابطه بین آمیلاز سرم، ژنوتیپ و شدت علایم مورد بررسی قرار گرفتند. نتایج نشان دادند که بیماران با میزان آمیلاز سرم بالاتر و ژنوتیپ های حساس تر به عفونت کووید 19، شدت علائم بالاتری داشتند. همچنین یافته ها نشان دادند که آمیلاز سرم و ژنوتیپ ها به عنوان عوامل پیش بینی کننده قابل اعتمادی برای تشخیص پانکراتیت حاد در بیماران مبتلا به کووید 19 عمل می کنند. این طرح یک پنل شناسایی ریسک موربیدیتی به کووید 19 یا پنل پروگنوز شدت علائم را ارائه داده است. این پنل می تواند به پزشکان کمک کند تا از طریق درک مکانیسم های مولکولی و ژنتیکی، بیماران با خطر بالای ابتلا به پانکراتیت حاد را شناسایی و درمان مناسب را انجام دهند.

"تعمیرات و نگهداری سازه های فراساحلی، مانند سکوهای نفت و گاز، یک فرآیند مهم و ضروری است که باید با دقت و ایمنی انجام شود. شرایط آب وهوایی، به ویژه سرعت باد و ارتفاع امواج، می تواند تأثیر قابل توجهی بر ایمنی و بهره وری این عملیات داشته باشد. در حال حاضر، پیش بینی آب وهوا برای بازه های زمانی طولانی تر از 10 روز با دقت پایینی انجام می شود. این امر می تواند خطرات قابل توجهی را برای عملیات تعمیر و نگهداری سازه های فراساحلی ایجاد کند. هدف این پروژه، توسعه یک مدل پیش بینی پنجره های آب وهوایی در بازه های 10 تا 90 روز، برای تعمیر و نگهداری سازه های فراساحلی است. در این پروژه، یک مدل پیش بینی پنجره های آب وهوایی بر اساس ترکیبی از روش های شبیه سازی آب وهوایی و یادگیری ماشین توسعه یافته است. در بخش شبیه سازی آب وهوایی، از یک مدل جهانی برای پیش بینی میدان باد و امواج استفاده شد. سپس، این نتایج با استفاده از یک مدل یادگیری ماشین بهبود یافت. مدل یادگیری ماشین از داده های تاریخی باد و امواج برای یادگیری الگوهای آب وهوایی استفاده نمود. در نهایت، یک مدل نهایی با ترکیب نتایج دو مدل شبیه سازی و یادگیری ماشین توسعه داده شد. این مدل دقت پیش بینی را برای بازه های 10 تا 90 روز به طور قابل توجهی بهبود بخشید. برای بازه 10 روز، دقت پیش بینی مدل توسعه یافته حدود 90 درصد برآورد شده است. این میزان دقت، تقریباً دو برابر دقت پیش بینی های مدل های جهانی است. برای بازه 90 روز، دقت پیش بینی مدل توسعه یافته حدود 70 درصد است. این میزان دقت نیز، همچنان بالاتر از دقت پیش بینی مدل های جهانی است. این مدل می تواند برای بهبود ایمنی و بهره وری عملیات تعمیر و نگهداری سازه های فراساحلی مورد استفاده قرار گیرد. همچنین، مدل توسعه یافته می تواند برای برنامه ریزی فعالیت های دریایی مانند حمل و نقل، ماهیگیری و گردشگری نیز استفاده شود. "

"با توجه به اهمیت تشخیص بسیاری از بیماری ها به خصوص بیماری های عصبی و روان، در مراحل اولیه، لزوم استفاده از ابزاهای مجهز به هوش مصنوعی و سیستم های تصمیم یار بالینی، بیشتر احساس می شود. در این طرح یک سیستم تصمیم یار بالینی ایجاد شده است که با استفاده از صدا و گفتار بیمار، وجود بیماری در سه دسته کلی بیماری های حنجره، بیماری های عصبی و مشکلات روانی، به عنوان بیماری هایی که پروزودی گفتار را تحت تاثیر قرار می دهند، تشخیص می دهد. در انجام این کار، ابتدا یک مرور دامنه برای شناسایی الگوریتم های یادگیری ماشین جهت تشخیص بیماری های پروزدیک گفتاری با استفاده از صدا یا گفتار با تمرکز بر سه دسته بیماری های عصبی، حنجره و روان انجام گرفت. در مرحله دوم طرح، برای هر دسته از بیماری های هدف این طرح، مدل یادگیری عمیق پیاده سازی گردید و معیارهای ارزیابی مدل ها ارائه شد. در مرحله سوم یک سیستم تصمیم یار بالینی، بر پایه مدل های یادگیری عمیق پیاده سازی شده در مرحله قبل، جهت تشخیص وجود بیماری حنجره، عصبی یا روانی ایجاد شد. نتایج مرحله اول نشان داد که الگوریتم های یادگیری ماشین برای تشخیص بیماری های حنجره صرفا از ویژگی های آکوستیک صدا و برای تشخیص بیماری های روان عمدتا از ویژگی های پروزودیک استفاده کرده است. همچنین در خصوص بیماری های عصبی نیز، ویژگی های آکوستیک بیشتر از ویژگی های پروزودیک مورد استفاده قرار گرفتند. از دیگر نتایج حاصل شده در این طرح می توان به کاربردپذیری سیستم تصمیم یار بالینی پیاده سازی شده اشاره کرد. نتایج این طرح نشان داد که می توان از صدا یا گفتار بیمار به عنوان یک منبع غنی برای تشخیص بیماری های عصبی، روان و حنجره بهره جست. "

"برخی از بنیادی ترین مسائل در حوزه علوم اعصاب، کشف مکانیزم های مختلف یادگیری در مغز و همچنین بررسی روند تکامل مغز و بخش های مختلف آن است. درصورتیکه درک واضح و صحیحی از روند توسعه و تحول شبکه مغز و اتصالات میان اجزای آن وجود داشته باشد، می توان به پرسش های متنوعی پاسخ داد. به عنوان مثال درصورتی که مکانیزم یادگیری به صورت کامل مشخص شود، می توان با ارائه روش هایی غیرتهاجمی نظیر بازی های شناختی، اثرات یک بیماری را که ناشی از اختلال در ساختار مغز است، درمان کرد یا دست کم دامنه آن را محدود نمود. به بیان دیگر، درصورتی که مکانیزم های یادگیری و چگونگی تحول و پیشرفت مغز مشخص شود، امکان تغییر ساختار اتصالات به نحوی که اثر مورد نظر در بافت های هدف پدیدار گردد، فراهم می شود. در این پروژه، یک یا چند بافت مغزی در محیطی خارج از بدن جانور نگه داری شده و سپس با استفاده از روش Multi-electrode array، فعالیت الکتریکی بخش های مختلف بافت با دقت بسیار بالای زمانی و مکانی، ثبت گردید. سپس با تحلیل داده های ثبت شده در طول روزهای مختلف، تغییر و تحولات شبکه اتصالات و رفتار آن بافت در دوره مد نظر مورد بررسی قرار گرفت. در میان مطالعاتی که در حوزه بررسی رشد بافت های نورونی انجام شده است، پژوهش های کمی در حوزه ایجاد یادگیری در چنین بافت هایی منتشر شده است و خلأ بسیار بزرگی در ادبیات این حوزه احساس می شود. سیستمی که با استفاده از آن، بتوان در یک بافت نورونی، یادگیری را بصورت مصنوعی ایجاد کند از اصلی ترین اهداف این پروژه بود که با موفقیت به نتیجه رسید. به بیان دیگر، هدف آن بود که بافت نورونی به گونه ای رشد یابد که به ازای ورودی های معین، فعالیت مطلوب در آن بافت ایجاد شود که در این پروژه، روشی برای دستیابی به چنین بافتی ارائه شد. "

"بیماری کرونا، ناشی از SARS-CoV-2، عمدتاً از طریق قطره های تنفسی گسترش می یابد و دستگاه تنفسی انسان را هدف قرار می دهد. باتوجه به ضرورت مطالعه زمینه ژنتیکی افراد، برای شناسایی پنل های غربالگری ژنومیک مرتبط با تعیین میزان مقاومت، حساسیت و نیز شدت ابتلا به بیماری و نیز توسعه هوشمند راهکارهای پیشگیری و مدیریت درمان، استفاده از روش های اختصاصی توالی یابی با کارایی بالا (WGS) بر روی پلتفرم DNBSeq و الگوریتم های اختصاصی توسعه یافته بر پایه یادگیری ماشین گزینه مطلوبی جهت رسیدن به این اهداف است. در این پروژه ابتدا داده های مربوط به 100 نمونه مورد تجزیه و تحلیل قرار گرفت. پس از بهینه سازی مراحل آنالیز داده ها، توزیع کروموزومی واریانت ها بعد از توسعه پنل ژنومیک به دست آمدکه تعداد 14، 489 واریانت برای پنل نهایی غربالگری شناسایی شدند. با توجه به تنوع فنوتیپی نمونه های مربوط به گروه های کم خطر، تعداد واریانت ها و نیز تعداد موارد چندشکلی این گروه در مقایسه با گروه افراد پر خطر بیشتر بود. در این طرح، علاوه بر شناسایی پنل غربالگری ژنومیک، با استفاده از روش های محاسباتی و آماری، ترکیب پنل مرجع توسعه یافته و آنالیزGene Set Enrichment نیز برای درک بهتر کارایی پنل انجام شد. بررسی ژن های پنل نشان دادند، 20 ژنی که بیشترین تعداد SNP در آن ها وجود دارد از خانواده ncRNA هایی هستند که اغلب در فرآیند های تنظیمی سیستم ایمنی نقش دارند. با توجه به نتایج به دست آمده، توسعه پنل ژنومیک مرتبط، درک ماهیت این پنل و نقش اساس ژنتیکی میزان حساسیت به COVID-19 در سطح سلولی، می تواند در آینده به توسعه واکسن ها و تدوین اقدامات کنترلی برای سایر بیماری های ویروسی و پاندمی های احتمالی کمک کند. همچنین، این نتایج نشان داد که آگاهی از تنوع موجود در توالی کل ژنوم، می تواند عوامل ژنتیکی موثر در دامنه گسترده واکنش به بیماری های ویروسی را شناسایی کرده و در مدیریت و درمان نقش موثری ایفا کند. "

"آنغوزه یک گیاه دارویی است که فقط با بذر تکثیر می شود. بذرهای این گیاه دارای دوره خواب طولانی و قوه نامیه پایین است. این عوامل باعث می شوند که تلفات بذر بالا باشد و این گونه گیاهی در معرض انقراض قرار گیرد. برای بازسازی گستره های طبیعی این گیاه، باید روش هایی برای شکستن خواب بذر پیدا کرد. بسیاری از گیاهان دارویی با روش های مرسوم قابل تولید نیستند. روش های تکثیر غیرجنسی؛ روش های کارآمدتر و مفیدتری برای تولید این گیاهان هستند. ریزازدیادی یکی از روش های تکثیر غیرجنسی گیاهان دارویی است که در دو دهه گذشته انجام شده است. پرآوری از اصلی ترین راه های ریزازدیادی است که برای گیاهانی که تکثیر آن ها مشکل است و فقط با بذر تکثیر می شوند، مناسب است. در این شیوه، با انتخاب گیاهان مزرعه ای با فرم ها و تولیدات مطلوب، می توان آن ها را با ریزازدیادی و به فرم رویشی تکثیر کرد تا بتوان بذر کافی از این گیاهان را به دست آورد. تکثیر این گیاه با روش های سنتی زمان بر است. بنابراین، از تکنیک کشت بافت برای تکثیر سریع و بهینه آنغوزه استفاده شد. در این طرح، ابتدا با استفاده از هورمون و سرمادهی، خواب بذرها شکسته شد. سپس مرحله پرآوری و تولید نشا در سه آزمایش مجزا انجام شد. در نهایت، مرحله سازگاری گیاهچه های تولید شده در شرایط محیطی انجام شد. خروجی این پروژه، رسیدن به پروتکل بهینه تولید گیاه آنغوزه از طریق کشت بافت و تولید نشاهای با کیفیت و قابل استقرار در خاک بوده است. "

"در سال های ابتدایی پس از تولد و حتی پیش از آن، عوامل محیطی، تاثیر بسیاری در رشد فیزیکی، شناختی و عصبی افراد دارد. هدف از این طرح، مطالعه بر روی اختلالات و مشکلات در بین کودکان زیر 5 سال، با رویکرد استفاده از پرسشنامه سنین و مراحل در راستای شناسایی عوامل موثر، تشخیص اختلالات و مداخله زودهنگام بوده است. در این پروژه با بررسی چند هزار پرونده ی روانشناسی مربوط به مراجعین مرکزی درمانی در شهر تهران، مجموعه داده ای به حجم 1، 400 مورد، متشکل از پاسخ پرسشنامه سنین و مراحل، نتایج چک لیست رفتاری کودکان، اطلاعات جمعیت شناسی و برخی ویژگی های مربوط به تولد، تحول و پزشکی جمع آوری شد. سپس با استفاده از تحلیل ها و آزمون های آماری پارامتری و ناپارامتری به کشف روابط موجود بین این دادگان و نتایج حاصل از چک لیست رفتاری کودکان پرداخته شد. از جمله مهم ترین ویژگی های موثر کشف شده در بروز برخی از این اختلالات، می توان به شاغل بودن مادر، جنسیت، تحصیلات پدر و مادر و همچنین حیطه های پرسشنامه ی سنین و مراحل اشاره نمود. در ادامه این کار با استفاده از روش های یادگیری ماشین، به همراه استفاده از روش های کاهش بعد و انتخاب ویژگی ها، یادگیری مشخصات شناختی موجود، به تشخیص هر کدام از این اختلالات پرداخته شد. در نهایت به پیاده سازی نتایج این پژوهش به عنوان یک سیستم پیشنهاددهنده در اپلیکیشن مربوطه پرداخته شد. در این سیستم با گرفتن اطلاعات پروفایل شناختی کودکان و نتایج آزمون های روانشناسی ذکر شده، بر اساس مدل های مبتنی بر هوش مصنوعی و بر پایه ی دادگان جمع آوری شده تشخیص و پیش بینی 15 اختلال و یا مشکل روانشناسی میسر شد. "

"در سال های اخیر کشور ما با ورود بسیاری از مردم به بازار سرمایه و تزریق حجم بالای نقدینگی به این بازار مواجه بوده است. تشتت در تصمیم گیری و معاملات هیجانی افراد در این بازار منجر به متضرر شدن آن ها در این بازارها می شود. در این وضعیت با استفاده از ابزارهای هوش مصنوعی می توان ابزاری ساخت که افراد را در مدیریت سرمایه شان در بازارهای مالی مختلف یاری کند. در این طرح به عنوان ورودی، میزان ریسک پذیری، میزان علاقه به بازارهای مختلف، میزان نیاز به نقدپذیری سرمایه و سایر فاکتورها از کاربر گرفته می شود و به صورت هوشمندانه برای وی پورتفویی از اوراق بهادار مختلف و کانال های سرمایه ای در نظر گرفته شده و به وی پیشنهاداتی می دهد که تا حد ممکن با ویژگی های انتخاب شده توسط وی منطبق باشد. در این طرح یک سیستم پشتیبانی تصمیم گیری (DSS) برای مدیریت پورتفوی شخصی سرمایه گذاری در بازار سرمایه طراحی و ساخته شده است. این سامانه با استفاده از هوش مصنوعی، به سرمایه گذاران در انتخاب سبدی از اوراق بهادار و کالاهای سرمایه ای متناسب با ویژگی هایشان کمک می کند. در این کار از الگوریتم های بهینه سازی برای کاهش وابستگی میان انتخاب های انجام شده و الگوریتم های یادگیری تقویتی برای یادگیری تاثیرات انتخاب ها بر روی بازدهی و ریسک سبد انتخاب شده استفاده شده است. از مزایای این سامانه می توان به کمک به سرمایه گذاران در انتخاب سبدی متناسب با ویژگی هایشان، کاهش ضرر و زیان سرمایه گذاران، افزایش کارایی و سودآوری سرمایه گذاری و ارائه اطلاعات و سیگنال های ساده و قابل فهم به کاربران اشاره کرد. به نظر می رسد که این سامانه می تواند تاثیر به سزایی در مدیریت سرمایه گذاری شخصی داشته باشد و به سرمایه گذاران کمک کند تا تصمیم گیری های بهتری در بازار سرمایه انجام دهند. "