دکتر جمشید پیرگزی، اولین دانشجوی دوره دکترای  کامپیوتر دانشگاه زنجان، شهریور ماه 1397 با دفاع از رساله دکتری خود با عنوان «استنتاج شبکه تنظیم ژنی داده های سری زمانی با هدف پایدارسازی در برابر نویز» فارغ­التحصیل شد. به همین بهانه گفتگوی کوتاهی با ایشان داشته ایم:

لطفا پس از معرفی بفرمائید که دوره های قبلی تحصیلی را در کدام دانشگاه گذرانده اید و از چه سالی به عنوان دانشجوی دوره دکترا در دانشگاه زنجان مشغول به تحصیل شده اید؟

جمشید پیرگزی هستم. دوره کارشناسی را در شهر خودم نیشابور بودم، دوره کارشناسی ارشد را در دانشگاه صنعتی شاهرود گذرانده ام و از سال 92 تا 97 هم دوره دکترا را در دانشگاه زنجان تحصیل کرده ام.

عنوان رساله دکتری شما چیست و اساتید راهنما و مشاورتان چه کسانی بودند؟

رساله دکتری من با عنوان «استنتاج شبکه تنظیم ژنی از داده های سری زمانی با هدف پایدارسازی در برابر نویز» در گرایش هوش مصنوعی بوده که آن را با راهنمایی آقای دکتر علیرضا خان­تیموری از اساتید دانشگاه زنجان و مشاوره خانم دکتر پگاه خسروی که در حال حاضر برای دوره فرصت مطالعاتی در دانشگاه «Cornell » امریکا هستند، انجام داده ام.

لطفا کمی در مورد موضوع پایان نامه تان صحبت کنید. البته به طور خلاصه و تا حد امکان با زبان ساده؟

بدن ما از صدها نوع سلول مختلف ساخته شده است که همگی حاصل تقسیم یک سلول اولیه هستند. بنابر این عناصر تشکیل دهنده همه آنها یکسان است. اما در هر نوع سلول فقط برخی از ژن‌ها بیان می‌شوند. به همین دلیل شکل و کار سلول‌ها با یکدیگر متفاوت است. بررسی نحوه بیان ژن­ها و تعاملات تنظیمی بین آنها یکی از چالش­های اساسی در دهه اخیر بوده است.

برای فهمیدن اینکه ژن‌ها تحت شرایط مختلف داخلی و خارجی چگونه عمل می‌کنند، باید فرایند پایه‌ای عملکرد ژن و نحوه تنظیم ژن مشخص شود. در واقع فرایند تنظیم بیان ژن مشخص می‌کند که در یک زمان خاص، کدام ژن‌ها روشن و کدام خاموش باشند. استنتاج شبکه‌های تنظیم ژنی می‌تواند در زمینه‌های مختلفی مانند کشف داروهای جدید، کم کردن اثرات جانبیِ روش‌های درمانی، شناسایی کامل‌تر بیماری‌های ژنتیکی، انتخاب كاندیدهای ژن­درمانی و بررسی الگوهای بیان ژن‌هایی با عملکرد شناخته شده و به دست آوردن ایده‌هایی در مورد عملکرد آ‌نها کاربرد داشته باشد.

اخیرا داده‌های میکرو­آرایه، اطلاعات زیادی درمورد سطح بیان ژن‌ها فراهم می‌کند. حجم زیاد این داده‌ها مستلزم استفاده از روش‌های محاسباتی به منظور شناسایی و آنالیز شبکه‌های تنظیم ژنی است. اما در این زمینه با چالش‌های مانند: تعداد زیاد ژن‌ها در مقابل تعداد کم نمونه‌ها و نویزی بودن آنها مواجه هستیم.

در همین راستا، هدف اصلی این پژوهش ارائه­ی یک روش مدل‌سازی یا استنتاج شبکه‌های تنظیم ژنی با استفاده از روش‌های مبتنی بر رگرسیون و شبکه­های بیزی مبتنی بر فیلر کالمن می­باشد که تا حدی با بهبود کارهای پیشین، گامی برای رسیدن به یک مدل دقیق در شناسایی روابط تنظیمی در داده های نویزی و سری زمانی بردارد. در روش پیشنهادی از روش فیلتر کالمن با رویکرد رگرسیون خطی استفاده شده است. به‌طور کلی در این روش از متدی جدید برای محاسبه احتمال پسین یال‌ها (از تنظیم‌کننده‌ها به ژن هدف) استفاده می‌شود.

نتایج تحقیقات شما در کجاها و در چه علومی کاربرد دارد؟

در موارد متعددی مانند: پزشکی، زیست شناسی، طراحی دارو، ژن درمانی و... می تواند کاربرد داشته باشد.

پژوهش ها و تحقیقات شما در چه مجلات و ژورنال هایی چاپ شده است؟

از این پژوهش چندین مقاله در کنفرانس های داخلی وخارجی، یک مقاله ژورنال داخلی و دو مقاله ISI با عناوین زیر چاپ شده است.

1-Jamshid Pirgazi, Ali Reza Khanteymoori. A robust gene regulatory network inference method base on Kalman filter and linear regression. PLOS ONE.2018.

2-Jamshid Pirgazi, Ali Reza Khanteymoori, Maryam Jalilkhani. GENIRF: An Algorithm for Gene Regulatory Network Inference Using Rotation Forest. Current Bioinformatics.2017.

همچنین دو مقاله با عناوین زیر در ژورنالهای معتبر در حال داوری می باشند:

1- Jamshid Pirgazi, Alireza Khanteymoori, ”KFGRNI: A Robust method to inference gene regulatory network from time-course gene data based on Ensemble Kalman filter”, IEEE/ACM Transactions on Computational Biology and Bioinformatics, Under Review.

2- Jamshid Pirgazi, Maryam Jalilkhani, Alireza Khanteymoori, “TIGRNCRN‌: Trustful Inference of Gene Regulatory Network Using Clustering and Refining the Network”, journal of Bioinformatics and Computational Biology, Under Review.