BioFizMat 5. Bistabilny przełącznik genetyczny
|
|
- Paweł Zalewski
- 6 lat temu
- Przeglądów:
Transkrypt
1 BioFizMat 5 Bistabilny przełącznik genetyczny Marta Tyran-Kamińska Instytut Matematyki Uniwersytet Śląski Warszawa, 9 grudnia 2016 Badania finansowane przez NCN grant 2014/13/B/ST1/00224
2 Od DNA poprzez mrna do białka Copyright c 2013 Nature Education
3 Plan Teoria operonu Regulacja transkrypcji Prosty model matematyczny operonu Bursting transkrypcyjny Przełącznik genetyczny [1] M.C. Mackey, M. Tyran-Kamińska, The limiting dynamics of a bistable molecular switch with and without noise, J. Math. Biol. (2016) 73: [2] M.C.Mackey, M. Santilán, M. Tyran-Kamińska, E. Zeron, Simple Mathematical Models of Gene Regulatory Dynamics, Springer, 2016.
4 Operon: Jacob & Monod (1960) gen regulatorowy miejsca kontrolne geny struktury geny struktury - geny kodujące białka, których ekspresja ma podlegać regulacji białka regulatorowe (kodowane przez geny regulatorowe) - białka rozpoznające sekwencje kontrolne; aktywatory stymulują transkrypcję genów, a represory blokują zapoczątkowanie transkrypcji genów; sekwencje kontrolne - miejsca wiążące polimerazę RNA (promotory ) czy represory (operatory )
5 Operon laktozowy (lac) p i p o z y a mrna represor lac p i p o z y a mrna mrna enzymy efektor (allolaktoza) laktoza
6 Operon tryptofanowy (trp) r p o e d c b a mrna nieaktywny represor trp enzymy tryptofan mrna r p o e d c b a mrna brak transkrypcji aktywny represor trp efektor (tryptofan)
7 Regulacja transkrypcji negatywna - białko regulatorowe jest represorem, łączy się z DNA i blokuje transkrypcję; pozytywna - białko regulatorowe działa jako aktywator, łącząc się z DNA stymuluje transkrypcję; operon indukowany - transkrypcja jest wyłączona i musi zostać włączona; operon hamowany - transkrypcja jest włączona i musi zostać wyłączona. Operon lac jest przykładem operonu indukowanego z negatywną regulacją, a operon trp przykładem operonu hamowanego z negatywną regulacją.
8 Bez regulacji Najprostszy operon składa się z jednego genu struktury i z jednego promotora; gen podlega ekspresji cały czas SG β M M P β P γ M γ P dm dt = β MSG γ M M, dp dt = β P M γ P P, gdzie M oraz P oznaczają stężenie mrna oraz białka. Wszystkie rozwiązania nieujemne są zbieżne do rozwiązań stacjonarnych M = β M γ M SG, P = β P γ P M.
9 Równania kinetyczne Goodwin: (1965) Adv. Enz. Regul. 3, 425 Griffith: (1968) J Theor. Biol. 20, 202 Tyson & Othmer: (1978) Prog. Biophy. 5, 1 dm dt = b maxϕ(e) γ M M, de dt = β EM γ E E, b max - maksymalny poziom transkrypcji, ϕ(e) - tempo transkrypcji DNA, przy wartości efektora E
10 Negatywna regulacja Reg O SG Operon R + E RE M R - represor, O - operator, E - efektor, M - mrna 1 + K 1 E n K1 K 2 ϕ(e) = ϕ m, R+nE RE 1 + KEn n, O+RE n ORE n n - liczba cząsteczek efektora, K = K 1 (1 + K 2 R tot ), R tot = R + K 1 R E n + K 2 O RE n R(1 + K 1 E n ), ϕ m -maksymalne tempo transkrypcji DNA
11 Równania Zmieniamy zmienne (M, E) na (x 1, x 2 ) tak aby gdzie γ x1, γ x2, κ d > 0 oraz dx 1 dt = γ x 1 ( κd f (x 2 ) x 1 ), dx 2 dt = γ x 2 (x 1 x 2 ), f (x) = 1 + x n 1 + x n, 1. Istnieje tylko jedno rozwiązanie stacjonarne, jest globalnie stabilne i jest dodatnim rozwiązaniem układu x 2 = x 1, x 1 = κ d f (x 2 ).
12 Graficzne badanie rozwiązań stacjonarnych x x 1 wykresy x 1 = κ d f (x 2 ) przy rosnącym κ d
13 Transkrypcyjny/translacyjny bursting Eksperymentalnie zaobserwowano, że w pewnych organizmach DNA/mRNA jest transkrybowane w sposób nieciągły, Golding, Paulsson, Zawilski, Cox: (2005) Cell; Cai, Friedman, Xie: (2006) Nature; amplituda produkcji molekuł poprzez bursting ma rozkład wykładniczy z gęstością h(y) = 1 b e y/b, gdzie b jest średnią wielkością burstów ; częstotliwość burstingu ϕ zależy od stężenia molekuł.
14 Dynamika z burstingiem Transkrypcja odbywa się w losowych czasach 0 < t 1 < t 2 <..., a pomiędzy, proces przebiega zgodnie z równaniami x 1 x 2 dx 1 dt = γ x 1 x 1, dx 2 dt = γ x 2 (x 1 x 2 ). Pr(θ 1 > x) = e x/b θ 2 Pr(t 1 > t) = e t 0 ϕ(x2(s))ds θ 1 t 1 t 2 t
15 Dynamika z burstingiem Gdy obecny jest bursting, zastępujemy układ dx 1 dt = γ x 1 ( κd f (x 2 ) x 1 ), dx 2 dt = γ x 2 (x 1 x 2 ), układem stochastycznym dx 1 dt = γ x 1 x 1 + Ξ(h, ϕ(x 2 )), dx 2 dt = γ x 2 (x 1 x 2 ), Ξ(h, ϕ) jest skokowym procesem Markowa, w którym skoki pojawiają sie w tempie ϕ = γ x1 κ b f i ich wielkość ma rozkład zgodny z gęstością h. Istnieje jedyny rozkład stacjonarny (x 1, x 2 ), ale nie potrafimy znaleźć wzoru na ten rozkład.
16 Model zredukownay Na ogół tempo degradacji mrna jest dużo większe niż efektora x 1 κ d f (x 2 ). Wtedy dwa równania deterministyczne redukujemy do jednego dx dt = γ(κ df (x) x), f (x) = 1 + x n 1 + x n. W obecności burstingu otrzymujemy dx dt = γx + Ξ(h, ϕ(x)), ϕ(x) = γκ bf (x). Rozkład stacjonarny ma gęstość postaci P (x) = Ce x/b x κ b 1 (1 + x n ) θ, θ = κ b (1 ) < 0. n
17 Rozkład stacjonarny n = 2, = 3, b = 3, κ b rośnie od lewej do prawej
18 Przełącznik dwustanowy fag λ Fag λ jest wirusem infekującym bakterię E. coli. Dwa alternatywne cykle: lityczny oraz lizogenny. Copyright c Elsevier Ltd. Current Biology 17 (2007), no. 9, R305 R312
19 Stan lizogenii Lysogeny ci Monomer ci Dimer Ribosome mrna RNA Polymerase OR3 OR2 OR1 ci PRM PR cro fag integruje się z genomem; Lysis wyciszenie ekspresjicro genów Dimer faga; cro Monomer represor ci - białko odpowiedzialne za utrzymanie stanu lizogenii
20 Stan lizy ci PRM PR cro Lysis cro Dimer cro Monomer Ribosome OR3 OR2 OR1 RNA Polymerase mrna ci P RM P R cro ekspresja genów faga; replikacja; białko cro - blokuje ekspresję represora ci przełączenie z lizogenii w lizę - sygnał uszkodzeń genomu
21 Przełącznik syntetyczny Gardner, Cantor & Collins Nature (2000) 403:339
22 Model przełącznika genetycznego Reg x O x SG x Operon X R x + E y R x E y M x M y R y E x R y + E x SG y O y Reg y Operon Y
23 Równania dla przełącznika Wprowadzamy zmienne bezwymiarowe (x 1, x 2, y 1, y 2 ) tak aby f x (y 2 ) = dx 1 dt = γ x 1 [κ d,x f x (y 2 ) x 1 ], (1) dx 2 dt = γ x 2 (x 1 x 2 ), (2) dy 1 dt = γ y 1 [κ d,y f y (x 2 ) y 1 ], (3) dy 2 dt = γ y 2 (y 1 y 2 ), (4) 1 + y nx x y nx 2 oraz f y (x 2 ) = 1 + x ny 2. (5) 1 + y x ny 2
24 Rozwiązania stacjonarne Rozwiązania stacjonarne układu (1)-(4) są postaci x 1 = x 2 = x, y 1 = y 2 = y gdzie (x, y ) jest rozwiązaniem układu x 2 = κ d,x f x (y 2 ) (6) y 2 = κ d,y f y (x 2 ). (7) Dla każdego rozwiązania (x, y ) układu (6)-(7)istnieje rozwiązanie stacjonarne W w modelu, a parametry (κ d,x, κ d,y, x, y, n x, n y ) określają, czy W jest jedynym rozwiązaniem stacjonarnym, czy nie.
25 Graficzne badanie rozwiązań stacjonarnych y E D C x 2 B A wykresy y 2 = κ d,y f y (x 2 ) oraz x 2 = κ d,x f x (y 2 ) przy rosnącym κ d,x
26 Graficzne badanie rozwiązań stacjonarnych 3 A B 1.5 C 1 D 0.5 E x możliwe rozwiązania stacjonarne x = κ d,x f x (κ d,y f y (x))
27 Graficzne badanie rozwiązań stacjonarnych κ d,x κ d,y obszar bistabilności dla n x = 2, n y = 3, x = 12, y = 10
28 Model zredukowany z burstingiem Dwie powolne zmienne - jedna w każdym genie Cztery równania redukujemy do dx dt = γ x[κ d,x f x (y) x], dy dt = γ y[κ d,y f y (x) y]. Stochastyczne równania są postaci dx dt = γ xx + Ξ(h 1, ϕ 1 (y)) z ϕ 1 (y) = γ x κ b,x f x (y), dy dt = γ yy + Ξ(h 2, ϕ 2 (x)) z ϕ 2 (x) = γ y κ b,y f y (x).
29 Jedna zmienna Jeśli istnieje pojedyncza dominująca zmienna najwolniej zmieniająca się (załóżmy, że jest w genie X) w stosunku do pozostałych trzech zmiennych, to układ redukuje się do równania dx dt = γ[κ d,xf x (κ d,y f y (x)) x], gdzie γ jest najmniejszą stałą tempa degradacji. Równanie stochastyczne jest postaci dx dt = γx + Ξ(h, ϕ(x)) z ϕ(x) = γκ b,xf(x), F(x) = f x (κ b,y f y (x)) = 1 + (κ b,yf y (x)) nx 1 + x (κ b,y f y (x)) nx
30 Monomeryczna represja jednego z genów Dla n x = 1, F ma prostszą postać F(x) = (1 + κ b,y) + ( y + κ b,y )x ny Λ + Γx ny, gdzie Λ = 1+ x κ b,y > 0, Γ = y + x κ b,y > 0. Gęstość rozkładu stacjonarnego jest postaci P (x) = Ce x/b x A 1 [Λ + Γx ny ] θ z A = κ b,x(1 + κ b,y ) Λ > 0, θ = κ b,xκ b,y ( x 1)( y 1) n y ΛΓ > 0.
31 κ b,y = 1, x = 12, y = 10, κ b,x [25, 37], n y = 2, 3, 4, 6
32 Lecture Notes on Mathematical Modelling in the Life Sciences Michael C. Mackey Moisés Santillán Marta Tyran-Kamińska Eduardo S. Zeron Simple Mathematical Models of Gene Regulatory Dynamics
Regulacja Ekspresji Genów
Regulacja Ekspresji Genów Wprowadzenie o Ekspresja genu jest to złożony proces jego transkrypcji do mrna, o Obróbki tego mrna, a następnie o Translacji do białka. 4/17/2019 2 4/17/2019 3 E 1 GEN 3 Promotor
Bardziej szczegółowoTematy prac magisterskich i doktorskich
Tematy prac magisterskich i doktorskich Stochastyczna dynamika z opóźnieniami czasowymi w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki
Bardziej szczegółowoHypatia? 415 PROCESY KAWAŁKAMI DETERMINISTYCZNE I ICH ASYMPTOTYKA RYSZARD RUDNICKI ŚLADAMI KOBIET W MATEMATYCE RZESZÓW, Strona 1 z 36 Wróć
Strona 1 z 36 Wróć PROCESY KAWAŁKAMI Hypatia? 415 DETERMINISTYCZNE I ICH ASYMPTOTYKA RYSZARD RUDNICKI ŚLADAMI KOBIET W MATEMATYCE RZESZÓW, 23.06.2017 Strona 2 z 36 Wróć Plan: Co to sa procesy kawałkami
Bardziej szczegółowoStochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów
Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 14
Bardziej szczegółowowykład dla studentów II roku biotechnologii Andrzej Wierzbicki
Genetyka ogólna wykład dla studentów II roku biotechnologii Andrzej Wierzbicki Uniwersytet Warszawski Wydział Biologii andw@ibb.waw.pl http://arete.ibb.waw.pl/private/genetyka/ 1. Gen to odcinek DNA odpowiedzialny
Bardziej szczegółowoGRA Przykład. 1) Zbiór graczy. 2) Zbiór strategii. 3) Wypłaty. n = 2 myśliwych. I= {1,,n} S = {polować na jelenia, gonić zająca} S = {1,,m} 10 utils
GRA Przykład 1) Zbiór graczy n = 2 myśliwych I= {1,,n} 2) Zbiór strategii S = {polować na jelenia, gonić zająca} S = {1,,m} 3) Wypłaty jeleń - zając - 10 utils 3 utils U i : S n R i=1,,n J Z J Z J 5 0
Bardziej szczegółowoWPROWADZENIE DO GENETYKI MOLEKULARNEJ
WPROWADZENIE DO GENETYKI MOLEKULARNEJ Replikacja organizacja widełek replikacyjnych Transkrypcja i biosynteza białek Operon regulacja ekspresji genów Prowadzący wykład: prof. dr hab. Jarosław Burczyk REPLIKACJA
Bardziej szczegółowoOBLICZENIA ZA POMOCĄ PROTEIN
OBLICZENIA ZA POMOCĄ PROTEIN KODOWANIE I PRZETWARZANIE INFORMACJI W ORGANIZMACH Informacja genetyczna jest przechowywana w DNA i RNA w postaci liniowych sekwencji nukleotydów W genach jest przemieniana
Bardziej szczegółowoPorównanie różnych podejść typu ODE do modelowania sieci regu
Porównanie różnych podejść typu ODE do modelowania sieci regulacji genów 8 stycznia 2010 Plan prezentacji 1 Praca źródłowa Sieci regulacji genów 2 Założenia Funkcja Hill a Modele dyskretne 3 Przykład Modele
Bardziej szczegółowoWPROWADZENIE DO GENETYKI MOLEKULARNEJ
WPROWADZENIE DO GENETYKI MOLEKULARNEJ Replikacja organizacja widełek replikacyjnych Transkrypcja i biosynteza białek Operon regulacja ekspresji genów Prowadzący wykład: prof. dr hab. Jarosław Burczyk REPLIKACJA
Bardziej szczegółowoAnaliza modelu ekspresji genu białka Hes1
Analiza modelu ekspresji genu białka Hes1 Agnieszka Bartłomiejczyk Politechnika Gdańska Konferencja Śladami Kobiet w Matematyce w stulecie urodzin Profesor Heleny Rasiowej Rzeszów, 24 czerwca 2017 (współautor:
Bardziej szczegółowopaździernika 2013: Elementarz biologii molekularnej. Wykład nr 2 BIOINFORMATYKA rok II
10 października 2013: Elementarz biologii molekularnej www.bioalgorithms.info Wykład nr 2 BIOINFORMATYKA rok II Komórka: strukturalna i funkcjonalne jednostka organizmu żywego Jądro komórkowe: chroniona
Bardziej szczegółowoPrzełączniki genetyczne. Genetyczne podstawy rozwoju i różnicowania
Przełączniki genetyczne Genetyczne podstawy rozwoju i różnicowania Brown, r. 14 Literatura Ekspresja genów a rozwój Zmiany ekspresji genu odpowiadają na czynniki środowiskowe i wewnętrzne Utrzymanie homeostazy
Bardziej szczegółowoDr. habil. Anna Salek International Bio-Consulting 1 Germany
1 2 3 Drożdże są najprostszymi Eukariontami 4 Eucaryota Procaryota 5 6 Informacja genetyczna dla każdej komórki drożdży jest identyczna A zatem każda komórka koduje w DNA wszystkie swoje substancje 7 Przy
Bardziej szczegółowoRównania różniczkowe z opóźnieniem w opisie zjawisk biologicznych
Równania różniczkowe z opóźnieniem w opisie zjawisk biologicznych Marek Bodnar Zakład Biomatematyki i Teorii Gier, Instytut Matematyki Stosowanej i Mechaniki, Wydział Matematyki, Informatyki i Mechaniki,
Bardziej szczegółowoEscherichia coli. System pbad
Escherichia coli System pbad System pbad System pbad został skonstruowany w oparciu o elementy regulacji transkrypcji operonu arabinozowego E. coli Elementy regulacji transkrypcji operonu arabinozowego
Bardziej szczegółowoNowoczesne systemy ekspresji genów
Nowoczesne systemy ekspresji genów Ekspresja genów w organizmach żywych GEN - pojęcia podstawowe promotor sekwencja kodująca RNA terminator gen Gen - odcinek DNA zawierający zakodowaną informację wystarczającą
Bardziej szczegółowoRegulacja ekspresji genów. Materiały dydaktyczne współfinansowane ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego.
Regulacja ekspresji genów Materiały dydaktyczne współfinansowane ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego. Problem: jak sprawić aby z jednej komórki powstał wielokomórkowy
Bardziej szczegółowoTATA box. Enhancery. CGCG ekson intron ekson intron ekson CZĘŚĆ KODUJĄCA GENU TERMINATOR. Elementy regulatorowe
Promotory genu Promotor bliski leży w odległości do 40 pz od miejsca startu transkrypcji, zawiera kasetę TATA. Kaseta TATA to silnie konserwowana sekwencja TATAAAA, występująca w większości promotorów
Bardziej szczegółowoTRANSLACJA II etap ekspresji genów
TRANSLACJA II etap ekspresji genów Tłumaczenie informacji genetycznej zawartej w mrna (po transkrypcji z DNA) na aminokwasy budujące konkretne białko. trna Operon (wg. Jacob i Monod) Zgrupowane w jednym
Bardziej szczegółowowykład dla studentów II roku biotechnologii Andrzej Wierzbicki
Genetyka ogólna wykład dla studentów II roku biotechnologii Andrzej Wierzbicki Uniwersytet Warszawski Wydział Biologii andw@ibb.waw.pl http://arete.ibb.waw.pl/private/genetyka/ Wykład 5 Droga od genu do
Bardziej szczegółowoMechanizmy kontroli ekspresji genów w regulacji rozwoju bakteriofagów lambdoidalnych
Mechanizmy kontroli ekspresji genów w regulacji rozwoju bakteriofagów lambdoidalnych Sylwia Bloch Bakteriofagi lambdoidalne to grupa wirusów bakteryjnych, zaliczanych do rodziny Siphoviridae, których najlepiej
Bardziej szczegółowoTRANSKRYPCJA - I etap ekspresji genów
Eksparesja genów TRANSKRYPCJA - I etap ekspresji genów Przepisywanie informacji genetycznej z makrocząsteczki DNA na mniejsze i bardziej funkcjonalne cząsteczki pre-mrna Polimeraza RNA ETAP I Inicjacja
Bardziej szczegółowoProcesy stochastyczne 2.
Procesy stochastyczne 2. Listy zadań 1-3. Autor: dr hab.a. Jurlewicz WPPT Matematyka, studia drugiego stopnia, I rok, rok akad. 211/12 1 Lista 1: Własność braku pamięci. Procesy o przyrostach niezależnych,
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Zadanie. W pewnej populacji kierowców każdego jej członka charakteryzują trzy zmienne: K liczba przejeżdżanych kilometrów (w tysiącach rocznie) NP liczba szkód w ciągu roku, w których kierowca jest stroną
Bardziej szczegółowoMaking the impossible possible: the metamorphosis of Polish Biology Olympiad
Making the impossible possible: the metamorphosis of Polish Biology Olympiad Takao Ishikawa Faculty of Biology, University of Warsaw, Poland Performance of Polish students at IBO Gold Silver Bronze Merit
Bardziej szczegółowoHopfa w modelach reakcji biochemicznych z opóźnieniem
Nieujemność rozwiazań, stabilność i bifurkacja Hopfa w modelach reakcji biochemicznych z opóźnieniem Marek Bodnar Wydział Matematyki, Informatyki i Mechaniki, Instytut Matematyki Stosowanej i Mechaniki,
Bardziej szczegółowoZawartość. Wstęp 1. Historia wirusologii. 2. Klasyfikacja wirusów
Zawartość 139585 Wstęp 1. Historia wirusologii 2. Klasyfikacja wirusów 3. Struktura cząstek wirusowych 3.1. Metody określania struktury cząstek wirusowych 3.2. Budowa cząstek wirusowych o strukturze helikalnej
Bardziej szczegółowoJak działają geny. Podstawy biologii molekularnej genu
Jak działają geny Podstawy biologii molekularnej genu Uniwersalność życia Podstawowe mechanizmy są takie same u wszystkich znanych organizmów budowa DNA i RNA kod genetyczny repertuar aminokwasów budujących
Bardziej szczegółowoParametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f
Zadanie. W kolejnych latach t =,,,... ubezpieczony charakteryzujący się parametrem ryzyka Λ generuje N t szkód. Dla danego Λ = λ zmienne N, N, N,... są warunkowo niezależne i mają (brzegowe) rozkłady Poissona:
Bardziej szczegółowoRównanie falowe Schrödingera ( ) ( ) Prostokątna studnia potencjału o skończonej głębokości. i 2 =-1 jednostka urojona. Ψ t. V x.
Równanie falowe Schrödingera h Ψ( x, t) + V( x, t) Ψ( x, t) W jednym wymiarze ( ) ( ) gdy V x, t = V x x Ψ = ih t Gdy V(x,t)=V =const cząstka swobodna, na którą nie działa siła Fala biegnąca Ψ s ( x, t)
Bardziej szczegółowoGry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa
Kampus Ochota 18 kwietnia 2015 Gry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Andrey (Andrei)
Bardziej szczegółowoSzczególna i ogólna teoria względności (wybrane zagadnienia)
Szczególna i ogólna teoria względności (wybrane zagadnienia) Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 6 M. Przybycień (WFiIS AGH) Szczególna Teoria Względności
Bardziej szczegółowobiałka wiążące specyficzne sekwencje DNA czynniki transkrypcyjne
białka wiążące specyficzne sekwencje DNA czynniki transkrypcyjne http://www.umass.edu/molvis/bme3d/materials/jtat_080510/exploringdna/ch_flex/chapter.htm czynniki transkrypcyjne (aktywatory/represory)
Bardziej szczegółowoAnaliza matematyczna i algebra liniowa Elementy równań różniczkowych
Analiza matematyczna i algebra liniowa Elementy równań różniczkowych Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 4.04.0 r. Zadanie. Przy danej wartości λ parametru ryzyka Λ liczby szkód generowane przez ubezpieczającego się w kolejnych latach to niezależne zmienne losowe o rozkładzie
Bardziej szczegółowoGeny i działania na nich
Metody bioinformatyki Geny i działania na nich prof. dr hab. Jan Mulawka Trzy królestwa w biologii Prokaryota organizmy, których komórki nie zawierają jądra, np. bakterie Eukaryota - organizmy, których
Bardziej szczegółowoRegulacja transkrypcji genów eukariotycznych
Regulacja transkrypcji genów eukariotycznych Dr hab. Marta Koblowska, prof. UW Zakład Biologii Systemów, Wydział Biologii UW Pracownia Analiz Mikromacierzy i Sekwencjonowania UW/IBB PAN Klasyczne wyobrażenie
Bardziej szczegółowoStochastyczne dynamiki z opóźnieniami czasowymi w grach ewolucyjnych
Stochastyczne dynamiki z opóźnieniami czasowymi w grach ewolucyjnych Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 10 listopada 2016 Proseminarium licencjackie
Bardziej szczegółowoThe Role of Maf1 Protein in trna Processing and Stabilization / Rola białka Maf1 w dojrzewaniu i kontroli stabilności trna
Streszczenie rozprawy doktorskiej pt. The Role of Maf1 Protein in trna Processing and Stabilization / Rola białka Maf1 w dojrzewaniu i kontroli stabilności trna mgr Tomasz Turowski, promotor prof. dr hab.
Bardziej szczegółowoMechanika klasyczna zasada zachowania energii. W obszarze I cząstka biegnie z prędkością v I, Cząstka przechodzi z obszaru I do II.
Próg potencjału Mecanika klasyczna zasada zacowania energii mvi mv E + V W obszarze I cząstka biegnie z prędkością v I, E > V w obszarze cząstka biegnie z prędkością v Cząstka przecodzi z obszaru I do.
Bardziej szczegółowoBiologia molekularna wirusów. Materiały dydaktyczne współfinansowane ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego.
Biologia molekularna wirusów Materiały dydaktyczne współfinansowane ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego. Co to jest wirus? Cząsteczka złożona z kwasu nukleinowego (DNA
Bardziej szczegółowoMetody bioinformatyki. Ekspresja genów. prof. dr hab. Jan Mulawka
Metody bioinformatyki Ekspresja genów prof. dr hab. Jan Mulawka Genetyczny skład prawie wszystkich komórek somatycznych organizmów wielokomórkowych jest identyczny. Fenotyp (swoistość tkankowa lub komórkowa)
Bardziej szczegółowoChapter 7. Podsumowanie. Joanna M. Lubelska, Sonja-V. Albers and Arnold J.M. Driessen
Chapter 7 Podsumowanie Joanna M. Lubelska, Sonja-V. Albers and Arnold J.M. Driessen Chapter 7 Jeszcze 30 lat temu wszystkie organizmy żyjące na Ziemi były podzielone na 2 grupy: eukaryota i prokaryota
Bardziej szczegółowoMatematyk Ci powie, co łączy Eugeniusza Oniegina i gry hazardowe
Matematyk Ci powie, co łączy Eugeniusza Oniegina i gry hazardowe Empik każdego inspiruje inaczej Aleksander Puszkin (1799 1837) Andrey (Andrei) Andreyevich Markov (1856 1922) Wśród 20 tysięcy początkowych
Bardziej szczegółowoPROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)
PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω) określonych na tej samej przestrzeni probabilistycznej
Bardziej szczegółowoTHE UNFOLDED PROTEIN RESPONSE
THE UNFOLDED PROTEIN RESPONSE Anna Czarnecka Źródło: Intercellular signaling from the endoplasmatic reticulum to the nucleus: the unfolded protein response in yeast and mammals Ch. Patil & P. Walter The
Bardziej szczegółowoFunkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju
Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoStatystyczna analiza danych
Statystyczna analiza danych ukryte modele Markowa, zastosowania Anna Gambin Instytut Informatyki Uniwersytet Warszawski plan na dziś Ukryte modele Markowa w praktyce modelowania rodzin białek multiuliniowienia
Bardziej szczegółowoFizyka statystyczna, elementy termodynamiki nierównowagowej Cele, zakres zagadnień
Fizyka statystyczna, elementy termodynamiki nierównowagowej Cele, zakres zagadnień Narzędzia przypomnienie podstawowych definicji i twierdzeń z rachunku prawdopodobienstwa; podstawowe rozkłady statystyczne
Bardziej szczegółowoZgodnie z tzw. modelem interpunkcji trna, cząsteczki mt-trna wyznaczają miejsca
Tytuł pracy: Autor: Promotor rozprawy: Recenzenci: Funkcje białek ELAC2 i SUV3 u ssaków i ryb Danio rerio. Praca doktorska wykonana w Instytucie Genetyki i Biotechnologii, Wydział Biologii UW Lien Brzeźniak
Bardziej szczegółowoWprowadzenie do modelowania matematycznego w biologii. Na podstawie wykładów dr Urszuli Foryś, MIM UW
Wprowadzenie do modelowania matematycznego w biologii Na podstawie wykładów dr Urszuli Foryś, MIM UW Model matematyczny Jest to teoretyczny opis danego zjawiska na podstawie bieżącej wiedzy (często zwany
Bardziej szczegółowoGenetyka molekularna Prokaryota
1 Genetyka molekularna Prokaryota Genomy bakterii i archeonów Od 0,5 (mykoplazmy) do ~ 5 Mb Wyjątkowo 9 Mb (Bradyrhizobium japonicum) 13 Mb (Sorangium cellulosum) archeony z reguły 1,5-2,5 Mb Gęste upakowanie
Bardziej szczegółowo2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.
Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.
Bardziej szczegółowoPlan wykładu: Budowa chromatyny - nukleosomy. Wpływ nukleosomów na replikację i transkrypcję
Nukleosomy 1 Plan wykładu: Budowa chromatyny - nukleosomy Wpływ nukleosomów na replikację i transkrypcję Metody pozwalające na wyznaczanie miejsc wiązania nukleosomów Charakterystyka obsadzenia nukleosomów
Bardziej szczegółowoZmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014
Zmienne losowe dr Mariusz Grządziel Wykład 2; 20 maja 204 Definicja. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje
Bardziej szczegółowoGenetyka. Krótkie wykłady H. Fletcher, I. Hickey, P. Winter,
Genetyka. Krótkie wykłady H. Fletcher, I. Hickey, P. Winter, Wydanie trzecie, zmienione, Wydawnictwo Naukowe PWN 2011 Genetyka ogólna. Skrypt do ćwiczeń dla studentów biologii A. Sadakierska-Chudy, G.
Bardziej szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoProces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.
Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Proces zliczający musi
Bardziej szczegółowoGry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa
Po co nam matematyka? 7 kwietnia 2016 Gry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Empik
Bardziej szczegółowoMożliwości współczesnej inżynierii genetycznej w obszarze biotechnologii
Możliwości współczesnej inżynierii genetycznej w obszarze biotechnologii 1. Technologia rekombinowanego DNA jest podstawą uzyskiwania genetycznie zmodyfikowanych organizmów 2. Medycyna i ochrona zdrowia
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8
Bardziej szczegółowoNowe terapie choroby Huntingtona. Grzegorz Witkowski Katowice 2014
Nowe terapie choroby Huntingtona Grzegorz Witkowski Katowice 2014 Terapie modyfikujące przebieg choroby Zahamowanie produkcji nieprawidłowej huntingtyny Leki oparte o palce cynkowe Małe interferujące RNA
Bardziej szczegółowo28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126
Problem Dirichleta, proces Wienera Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 28 maja, 2012 Funkcje harmoniczne Niech będzie operatorem Laplace a w
Bardziej szczegółowoPodstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)
Podstawy Automatyki wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak Politechnika Wrocławska Instytut Technologii Maszyn i Automatyzacji (I-24) Laboratorium Podstaw Automatyzacji (L6) 105/2 B1 Sprawy organizacyjne
Bardziej szczegółowoPODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek
PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów
Bardziej szczegółowoKamila Muraszkowska Znaczenie wąskich gardeł w sieciach białkowych. źródło: (3)
Kamila Muraszkowska Znaczenie wąskich gardeł w sieciach białkowych źródło: (3) Interakcje białko-białko Ze względu na zadanie: strukturalne lub funkcjonalne. Ze względu na właściwości fizyczne: stałe lub
Bardziej szczegółowoWykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)
Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Zadanie. W pewnej populacji kierowców każdego jej członka charakteryzują trzy zmienne: K liczba przejeżdżanych kilometrów (w tysiącach rocznie) NP liczba szkód w ciągu roku, w których kierowca jest stroną
Bardziej szczegółowoWykład 14 Biosynteza białek
BIOCHEMIA Kierunek: Technologia Żywności i Żywienie Człowieka semestr III Wykład 14 Biosynteza białek WYDZIAŁ NAUK O ŻYWNOŚCI I RYBACTWA CENTRUM BIOIMMOBILIZACJI I INNOWACYJNYCH MATERIAŁÓW OPAKOWANIOWYCH
Bardziej szczegółowoMetoda Monte Carlo. Jerzy Mycielski. grudzien Jerzy Mycielski () Metoda Monte Carlo grudzien / 10
Metoda Monte Carlo Jerzy Mycielski grudzien 2012 Jerzy Mycielski () Metoda Monte Carlo grudzien 2012 1 / 10 Przybliżanie całek Powiedzmy, że mamy do policzenia następującą całkę: b f (x) dx = I a Założmy,
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 0.0.005 r. Zadanie. Likwidacja szkody zaistniałej w roku t następuje: w tym samym roku z prawdopodobieństwem 0 3, w następnym roku z prawdopodobieństwem 0 3, 8 w roku
Bardziej szczegółowoMetody Lagrange a i Hamiltona w Mechanice
Metody Lagrange a i Hamiltona w Mechanice Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 8 M. Przybycień (WFiIS AGH) Metody Lagrange a i Hamiltona... Wykład
Bardziej szczegółowo5 Przegląd najważniejszych rozkładów
5 Przegląd najważniejszych rozkładów 5. Rozkład Bernoulliego W niezmieniających się warunkach wykonujemy n razy pewne doświadczenie. W wyniku każdego doświadczenia może nastąpić zdarzenie A lub A. Zakładamy,
Bardziej szczegółowoKLONOWANIE DNA REKOMBINACJA DNA WEKTORY
KLONOWANIE DNA Klonowanie DNA jest techniką powielania fragmentów DNA DNA można powielać w komórkach (replikacja in vivo) W probówce (PCR) Do przeniesienia fragmentu DNA do komórek gospodarza potrzebny
Bardziej szczegółowoObliczenia iteracyjne
Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej
Bardziej szczegółowoAnalizy DNA in silico - czyli czego można szukać i co można znaleźć w sekwencjach nukleotydowych???
Analizy DNA in silico - czyli czego można szukać i co można znaleźć w sekwencjach nukleotydowych??? Alfabet kwasów nukleinowych jest stosunkowo ubogi!!! Dla sekwencji DNA (RNA) stosuje się zasadniczo*
Bardziej szczegółowoFale biegnące w równaniach reakcji-dyfuzji
Fale biegnące w równaniach reakcji-dyfuzji Piotr Bartłomiejczyk Politechnika Gdańska Między teorią a zastosowaniami: Matematyka w działaniu Będlewo, 25 30 maja 2015 P. Bartłomiejczyk Fale biegnące 1 /
Bardziej szczegółowo2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.
Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.
Bardziej szczegółowoStochastyczne równania różniczkowe, studia II stopnia
Stochastyczne równania różniczkowe, studia II stopnia Niech W t (ewentualnie W, W (t)), t oznacza proces Wienera oraz niech W = Niech W = (W, W 2,, W n ) oznacza n-wymiarowy proces Wienera Pokazać, że
Bardziej szczegółowo1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2
Temat 1 Pojęcia podstawowe 1.1 Przegląd wybranych równań i modeli fizycznych Równaniem różniczkowym cząstkowym rzędu drugiego o n zmiennych niezależnych nazywamy równanie postaci gdzie u = u (x 1, x,...,
Bardziej szczegółowoBożena Nejman-Faleńczyk
Kontrola replikacji fagów lambdoidalnych niosących geny toksyn Shiga w świetle potencjalnych nowych metod ich wykrywania i terapii zakażeń enterokrwotocznymi szczepami Escherichia coli Bożena Nejman-Faleńczyk
Bardziej szczegółowoPOLIMERAZY DNA- PROCARYOTA
Enzymy DNA-zależne, katalizujące syntezę DNA wykazują aktywność polimerazy zawsze w kierunku 5 3 wykazują aktywność polimerazy zawsze wobec jednoniciowej cząsteczki DNA do utworzenia kompleksu z ssdna
Bardziej szczegółowoInżynieria genetyczna- 6 ECTS. Inżynieria genetyczna. Podstawowe pojęcia Część II Klonowanie ekspresyjne Od genu do białka
Inżynieria genetyczna- 6 ECTS Część I Badanie ekspresji genów Podstawy klonowania i różnicowania transformantów Kolokwium (14pkt) Część II Klonowanie ekspresyjne Od genu do białka Kolokwium (26pkt) EGZAMIN
Bardziej szczegółowo1. Pojęcie normy, normy wektora [Kiełbasiński, Schwetlick]
1. Pojęcie normy, normy wektora [Kiełbasiński, Schwetlick] wektor x R d x =(x 1,x 2,..., x d ) T wektor, punkt w przestrzeni d-wymiarowej norma wektora własności (1) kxk > 0, kxk =0tylko wtedy, gdy x =0
Bardziej szczegółowo1 Równania różniczkowe drugiego rzędu
Równania różniczkowe drugiego rzędu Najpierw zajmiemy się równaniami różniczkowymi rzędu drugiego, w których y nie występuje w sposób jawny, tzn. F (x, y, y ) = 0 (.) Równanie takie rozwiązujemy poprzez
Bardziej szczegółowoZawansowane modele wyborów dyskretnych
Zawansowane modele wyborów dyskretnych Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Zawansowane modele wyborów dyskretnych grudzien 2013 1 / 16 Model efektów
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk
Bardziej szczegółowoĆwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.
Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu. A Teoria Definicja A.1. Niech (Ω, F, P) będzie przestrzenią probabilistyczną. Zmienną losową określoną na przestrzeni Ω nazywamy dowolną
Bardziej szczegółowoEstymatory regresji rangowej oparte na metodzie LASSO
Estymatory regresji rangowej oparte na metodzie LASSO Wojciech Rejchel UMK Toruń Wisła 2013 Z = (X, Y ), Z = (X, Y ) - niezależne wektory losowe o tym samym rozkładzie P X, X X R m, Y, Y R Z = (X, Y ),
Bardziej szczegółowoRównanie przewodnictwa cieplnego (II)
Wykład 5 Równanie przewodnictwa cieplnego (II) 5.1 Metoda Fouriera dla pręta ograniczonego 5.1.1 Pierwsze zagadnienie brzegowe dla pręta ograniczonego Poszukujemy rozwiązania równania przewodnictwa spełniającego
Bardziej szczegółowoWektory DNA - klonowanie molekularne
Wektory DNA - klonowanie molekularne Fragment DNA (np. pojedynczy gen) można trwale wprowadzić do komórek gospodarza (tzn. zmusić go do powielania w tym gospodarzu) tylko wtedy, gdy zostanie on wbudowany
Bardziej szczegółowoWykład 14 i 15. Równania różniczkowe. Równanie o zmiennych rozdzielonych. Definicja 1. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie
Wykład 14 i 15 Równania różniczkowe Definicja 1. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie F (x, y, y, y,..., y (n) ) = 0 (1) gdzie: y = y(x) niewiadoma funkcja zmiennej rzeczywistej
Bardziej szczegółowoWYKŁAD: Klasyczny przepływ informacji ( Dogmat) Klasyczny przepływ informacji. Ekspresja genów realizacja informacji zawartej w genach
WYKŁAD: Ekspresja genów realizacja informacji zawartej w genach Prof. hab. n. med. Małgorzata Milkiewicz Zakład Biologii Medycznej Klasyczny przepływ informacji ( Dogmat) Białka Retrowirusy Białka Klasyczny
Bardziej szczegółowoWykład 3 Jednowymiarowe zmienne losowe
Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej
Bardziej szczegółowo1 Warunkowe wartości oczekiwane
Warunkowe wartości oczekiwane W tej serii zadań rozwiążemy różne zadania związane z problemem warunkowania.. (Eg 48/) Załóżmy, że X, X, X 3, X 4 są niezależnymi zmiennymi losowymi o jednakowym rozkładzie
Bardziej szczegółowoWykład 12 Kwasy nukleinowe: budowa, synteza i ich rola w syntezie białek
BIOCHEMIA Kierunek: Technologia Żywności i Żywienie Człowieka semestr III Wykład 12 Kwasy nukleinowe: budowa, synteza i ich rola w syntezie białek WYDZIAŁ NAUK O ŻYWNOŚCI I RYBACTWA CENTRUM BIOIMMOBILIZACJI
Bardziej szczegółowoWARUNKI ZALICZENIA PRZEDMIOTU- 5 ECTS
WARUNKI ZALICZENIA PRZEDMIOTU- 5 ECTS KOLOKWIA; 15% KOLOKWIA-MIN; 21% WEJŚCIÓWKI; 6% WEJŚCIÓWKI-MIN; 5% EGZAMIN; 27% EGZAMIN-MIN; 26% WARUNKI ZALICZENIA PRZEDMIOTU- 5 ECTS kolokwium I 12% poprawa kolokwium
Bardziej szczegółowo