fa نقش هوش مصنوعی و انفورماتیک پیشرفته در تحول آموزش ژنتیک نوین هوش مصنوعی در حوزه سلامت Artificial Intelligence in Healthcare مقاله مروری تشریحی Narrative review articles <div style="text-align: justify;"><span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span style="line-height:2;">&nbsp;<span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">مقدمه: </span></b>&nbsp;<span lang="FA">با گسترش فناوری‌های توالی‌یابی نسل جدید (</span><span dir="LTR">NGS</span><span lang="FA">) و تحلیل داده‌های اُمیک، آموزش ژنتیک وارد مرحله‌ای نوین شده که با حجم بالای داده‌های پیچیده سروکار دارد. در این شرایط، روش‌های سنتی آموزشی کارآمدی خود را از دست داده‌اند. بهره‌گیری از هوش مصنوعی (</span><span dir="LTR">AI</span><span lang="FA">) و انفورماتیک زیستی می‌تواند به‌عنوان راهکاری نوآورانه، آموزش ژنتیک را به سطحی تعاملی، داده‌محور و تحلیل‌محور ارتقاء دهد. ضرورت این مطالعه در پاسخ به نیاز روزافزون به آموزش‌های داده‌محور و تحلیلی در حوزه ژنتیک است. با توجه به حجم عظیم داده‌های ژنومی و پیچیدگی تحلیل‌های مورد نیاز، استفاده از ابزارهای </span><span dir="LTR">AI</span><span lang="FA"> و انفورماتیک زیستی می‌تواند به‌عنوان راه‌حلی مؤثر در ارتقاء کیفیت آموزش و پژوهش در این حوزه عمل کند. هدف این مطالعه نقش مؤثر هوش مصنوعی و بیوانفورماتیک پیشرفته در بالابردن کیفیت آموزش ژنتیک نوین می‌باشد.</span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">روش کار:</span></b> <span lang="AR-SA">این مطالعه به‌صورت یک مرور روایتی (</span><span dir="LTR">narrative review</span><span lang="AR-SA">) انجام شده است. منابع علمی منتشرشده در پایگاه‌های </span><span dir="LTR">PubMed</span><span lang="AR-SA">، </span><span dir="LTR">Scopus</span><span lang="AR-SA"> و </span><span dir="LTR">Web of Science</span><span lang="AR-SA"> همچنین موتور جستجوگر </span><span dir="LTR">Google scholar</span><span lang="AR-SA"> بین سال‌های 2005 تا </span><span lang="FA">2025</span><span lang="AR-SA"> مورد بررسی قرار گرفتند. مقالات مرتبط با کاربرد </span><span dir="LTR">AI</span><span lang="AR-SA"> و انفورماتیک در آموزش ژنتیک انتخاب و تحلیل محتوایی شدند.</span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">یافته‌ها:</span></b> <span lang="AR-SA">نتایج مرور نشان دادند که ابزارهای مبتنی بر </span><span dir="LTR">AI</span><span lang="AR-SA">، از جمله الگوریتم‌های یادگیری ماشین، مدل‌های زبانی ژنومی و سیستم‌های آموزش تطبیقی، نقش چشمگیری در شخصی‌سازی آموزش، شبیه‌سازی فرآیندهای زیستی، و تحلیل واریانت‌های ژنتیکی ایفا می‌کنند. همچنین، آموزش مهارت‌های عملی در انفورماتیک زیستی شامل کار با پایگاه‌های داده ژنتیکی، نرم‌افزارهای تحلیلی، برنامه‌نویسی زیستی و آمار زیستی کاربردی، موجب توانمندسازی دانشجویان در تحلیل داده‌های پیچیده ژنومی می‌شود. کمبود منابع آموزشی دیجیتال و مربیان متخصص، از چالش‌های کلیدی در مسیر آموزش داده‌محور است.</span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">نتیجه‌گیری:</span></b> <span lang="AR-SA">ترکیب هوش مصنوعی و انفورماتیک زیستی با آموزش ژنتیک، می‌تواند به‌عنوان رویکردی نوین برای تربیت متخصصان توانمند در علوم ژنومی عمل کند. توسعه محتواهای بومی‌سازی‌شده، دوره‌های آموزشی مجازی، و سیاست‌گذاری در جهت همگام‌سازی نظام آموزش با پیشرفت‌های فناوری، از راهکارهای مؤثر برای ارتقاء کیفیت آموزش ژنتیک در ایران و کشورهای مشابه است.</span></span></span></span></span></span></span></div> <div class="simple-translate-system-theme" id="simple-translate"> <div><div class="simple-translate-button isShow" style="background-image: url("chrome-extension://ibplnjkanclpjokhdolnendpplpjiace/icons/512.png"); height: 22px; width: 22px; top: 161px; left: 1212px;"></div> <div class="simple-translate-panel " style="width: 300px; height: 200px; top: 0px; left: 0px; font-size: 13px;"> <div class="simple-translate-result-wrapper" style="overflow: hidden;"><div class="simple-translate-move" draggable="true"></div> <div class="simple-translate-result-contents"><p class="simple-translate-result" dir="auto"></p><p class="simple-translate-candidate" dir="auto"></p></div> </div> </div> </div> </div> <div style="text-align: justify;"><span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span style="line-height:2;"><b>Introduction:</b> With the expansion of next-generation sequencing (NGS) technologies and omics data analysis, genetics education has entered a new phase characterized by large volumes of complex data. In this context, traditional teaching methods have become less effective. Utilizing artificial intelligence (AI) and bioinformatics offers an innovative approach to elevate genetics education to an interactive, data-driven, and analysis-focused level. This study responds to the growing demand for data-driven and analytical training in genetics. Given the vast amount of genomic data and the complexity of the required analyses, employing AI and bioinformatics tools can significantly enhance the quality of education and research in this field. The aim of this study is to investigate the impactful role of advanced AI and bioinformatics in improving modern genetics education.<br> <b>Method:</b> This study was conducted as a narrative review. Scientific sources published in PubMed, Scopus, Web of Science, and Google Scholar between 2005 and 2025 were reviewed. Articles related to the use of AI and informatics in genetics education were selected and analyzed using content analysis.<br> <b>Results:</b> The review results indicated that AI-based tools, including machine learning algorithms, genomic language models, and adaptive training systems, significantly contribute to personalizing education, simulating biological processes, and analyzing genetic variants. Furthermore, practical training in bioinformatics skills&mdash;such as working with genetic databases, analytical software, biological programming, and applied biostatistics&mdash;empowers students to analyze complex genomic data. However, the lack of digital educational resources and specialized instructors continues to pose a major challenge in data-driven education.<br> <b>Conclusion: </b>The integration of AI and bioinformatics into genetics education offers an innovative approach to training specialists in modern genetics. Developing localized content, virtual training courses, and policies that align the education system with technological advancements are effective strategies for enhancing the quality of genetics education in Iran and similar countries.</span></span></span></span></div> ژنتیک نوین, هوش مصنوعی, آموزش داده‌محور, انفورماتیک زیستی, یادگیری عمیق, تحلیل داده‌های ژنومی Modern Genetics, Artificial Intelligence, Learning, Data-Driven Learning, Omics Informatics, Deep Learning 105 116 http://jhbmi.ir/browse.php?a_code=A-10-1191-1&slc_lang=fa&sid=1 Ahmadreza Beshratania احمدرضا بشارت نیا a.rezabesharatnia@gmail.com 100319475328460010500 100319475328460010500 No M.Sc. Student in Medical Genetics, Cancer Research Center, Shahrekord University of Medical Sciences, Shahrekord, Iran دانشجوی کارشناسی ارشد ژنتیک پزشکی، مرکز تحقیقات سرطان، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران Sorayya Ghasemi ثریا قاسمی sorayya.ghasemi@gmail.com 100319475328460010499 100319475328460010499 Yes Associate Professor, Ph.D. in Medical Genetics, Cancer Research Center, Shahrekord University of Medical Sciences, Shahrekord, Iran دکتری ژنتیک پزشکی، دانشیار، مرکز تحقیقات سرطان، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران