مقدمه : به کار بردن ترکیبی از داروهای ضد رتروویروسی (haart) ثابت شده که بطور قابل توجهی در کنترل پیشرفت بیماریhiv-1 موثر می باشد و باعث افزایش طول عمر بیمار می شود ، اما این وضعیت می تواند با توسعه ی مقاومت دارویی به خطر بیفتد. گسترش سویه های hiv-1 که حساسیت آنها نسبت به داروهای ضد رتروویروسی کاهش یافته است، دلیل اصلی شکست درمانی می باشد. بنابراین آزمایشات مقاومت دارویی، ابزار مهمی در مدیریت بیماران آلوده با hiv-1 تحت درمان می باشد. مواد و روش ها: بعد از طراحی پرایمرها برای ناحیه ی ژنی پروتئاز، rna ویروسی استخراج و سپس rt nested-pcr، برروی نمونه ها انجام و محصولات نهایی توالی یابی گردید. توالی ها با استفاده از نرم افزار bioedit ویرایش و با mega4 همردیف سازی آنها انجام گرفت و در نهایت با توالیهای رفرانس مقایسه گردید. آنالیز فیلوژنیک بوسیله ی mega4 انجام شد. از standford hiv sequence databaseبرای جستجوی مقاومت های دارویی استفاده شد. نتایج: تجزیه و تحلیل توالی یابی، هیچگونه مقاومت دارویی را نسبت به مهار کننده های پروتئاز نشان نداد و آنالیز فیلوژنتیک مشخص نمود که، تحت گونه a1 در ایران غالب می باشد. نتیجه گیری: آنالیز فیلوژنتیک می تواند در استراتژی پیشگیری و کنترل برنامه ریزی ها مفید باشد. در حال حاضر استفاده ی گسترده از داروهای ضد رتروویروسی احتیاج به تجزیه و تحلیل جامع تر مقاومت ژنوتیپی دارد.

مقدمه: امروزه از روش های مختلف مدل سازی در پزشکی بالینی، در تشخیص بیماری ها و بررسی ویژگی های مولکولی آنها استفاده می شود. در میان روشهای نوین مدلسازی، سیستمهای فازی از جایگاه ویژه ای در زمینه های مختلف علوم برخوردارند. هدف از این مطالعه بکارگیری یک مدل هوشمند ریاضی برای پیش بینی قدرت زنوتیپی ویروس hiv بر اساس تعدادی از ویژگی های ساختاری پپتید حاصل از ناحیه ی v3 loop است. مواد وروش ها: در مطالعه ی حاضر یک جفت پرایمر دژنره طراحی و بهینه سازی گردید و در ترکیب با hemi nested pcr برای تشخیص تاحیه ی v3- loop ژن env طیف وسیعی از ژنوتیپ های ویروس hiv-1 که دارای تغییرات نوکلئوتیدی بسیار شدید است استفاده گردید. در مرحله ی بعد گروهی از ویژگی های پپتید حاصل از ناحیه ی v3 برای مدل سازی زنوتیپ های ویروس با استفاده از شبکه های عصبی مصنوعی مورد مطالعه قرار گرفتند.بحث: در این مطالعه، از دو پرایمر دژنره جدید با قابلیت اتصال به نواحی اختصاصی از ژنوم استفاده گردید. در مرحله بعد داده های مولکولی بدست آمده از تکثیر ناحیه ی v3- loop برای مدل سازی ریاضی مورد استفاده قرار گرفتند. مدل ایجاد شده به خوبی موفق به تشخیص ژنوتیپ ویروس از روی خصوصیات تعیین شده بود.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.