PODSTAWY BIOINFORMATYKI 6 ANALIZA FILOGENETYCZNA
|
|
- Ludwik Stachowiak
- 5 lat temu
- Przeglądów:
Transkrypt
1 PODSTAWY BIOINFORMATYKI 6 ANALIZA FILOGENETYCZNA
2 ANALIZA FILOGENETYCZNA 1. Wstęp - filogenetyka 2. Struktura drzewa filogenetycznego 3. Metody konstrukcji drzewa - przykłady 4. Etapy konstrukcji drzewa filogenetycznego 5. Oprogramowanie Copyright 2010, Joanna Szyda
3 WSTĘP - FILOGENETYKA METODY KONSTRUKCJI DRZEW FILOGENETYCZNYCH KLASTROWANIA KLADYSTYCZNE nie uwzględnia powiązań ewolucyjnych uwzględnia powiązania ewolucyjne (mutacje) UPGMA - Unweighted pair Group Method with Arithmetic Mean Neighbour joining Maximum parsimony - Maksymalne podobieństwo Maximum likelihood - Najwyższe prawdopodobieństwo
4 METODY KONSTRUKCJI DRZEWA METODA KLASTROWANIA
5 METODY KONSTRUKCJI DRZEWA - UPGMA PRZYKŁAD TWORZENIA DRZEWA METODĄ UPGMA 1. Obliczyć macierz zróżnicowania pomiędzy osobnikami 2. Wybór najbardziej podobnych osobników = węzeł 3. Obliczenie nowej macierzy zróżnicowania powrót do punktu 2 5.
6 METODY KONSTRUKCJI DRZEWA - UPGMA 1. Obliczyć macierz zróżnicowania pomiędzy osobnikami ATGC TTCG TCGG ATGC TTCG TCGG
7 METODY KONSTRUKCJI DRZEWA - UPGMA 2. Wybór najbardziej podobnych osobników = węzeł ATGC TTCG TCGG ATGC TTCG TCGG
8 METODY KONSTRUKCJI DRZEWA - UPGMA 2. Wybór najbardziej podobnych osobników = węzeł ATGC TTCG TCGG ATGC TTCG TCGG ATGC
9 METODY KONSTRUKCJI DRZEWA - UPGMA 3. Obliczenie nowej macierzy zróżnicowania + ATGC TTCG TCGG + ATGC 0 (2+3)/2=2.5 (4+3)/2=3.5 TTCG TCGG 0 2 0
10 METODY KONSTRUKCJI DRZEWA - UPGMA 4. Wybór najbardziej podobnych osobników = węzeł + ATGC TTCG TCGG + ATGC 0 (2+3)/2=2.5 (4+3)/2=3.5 TTCG TCGG 0 2 0
11 METODY KONSTRUKCJI DRZEWA - UPGMA 4. Wybór najbardziej podobnych osobników = węzeł + ATGC TTCG TCGG + ATGC TTCG TCGG 0 (2+3)/2=2.5 (4+3)/2= ATGC TTCG TCGG
12 METODY KONSTRUKCJI DRZEWA - UPGMA 5. Obliczenie nowej macierzy zróżnicowania + ATGC TTCG + TCGG + ATGC + ATGC 0 ( )/4=3 0
13 METODY KONSTRUKCJI DRZEWA - UPGMA 6. Wybór najbardziej podobnych osobników = wierzchołek + ATGC TTCG + TCGG ATGC + ATGC 0 ( )/4= ATGC TTCG TCGG
14 METODY KONSTRUKCJI DRZEWA - UPGMA 1. Najprostsza metoda tworzenia drzew 2. Bardzo szybka 3. Przyjmuje działanie mechanizmu ZEGARA MOLEKULARNEGO
15 METODY KONSTRUKCJI DRZEWA - NEIGHBOUR JOINING 1. Uwzględnia zróżnicowane tempo ewolucji organizmów 2. Stosunkowo szybka 3. Oszacowanie długości krawędzi 4. Wyniki zależne od założonego modelu ewolucyjnego
16 METODY KONSTRUKCJI DRZEWA METODA KLADYSTYCZNA
17 METODY KONSTRUKCJI DRZEWA - MAKS. PODOBIEŃSTWO PRZYKŁAD TWORZENIA DRZEWA METODĄ MAKSYMALNEGO PODOBIEŃSTWA 1. Dopasowanie sekwencji kilku organizmów 2. Konstrukcja (wszystkich) możliwych drzew 3. Wybór drzewa wymagającego najmniejszej liczby mutacji
18 METODY KONSTRUKCJI DRZEWA - MAKS. PODOBIEŃSTWO 1. Dopasowanie sekwencji kilku organizmów sekwencja 1 A A C C G A T 2 A A C C G C A 3 A G T C G T T 4 A G T C G G A Jednakowe wartości sekwencja nieinformatywna Różne wartości sekwencja nieinformatywna Powtarzalne wartości sekwencja informatywna
19 METODY KONSTRUKCJI DRZEWA - MAKS. PODOBIEŃSTWO 2. Konstrukcja (wszystkich) możliwych drzew Liczba możliwych drzew: ukorzenionych (2n - 3)!! nieukorzenionych (2n - 5)!! n - liczba sekwencji n!! = 1*3*5*7*...*n n l.ukorzenionych l.nieukorzenionych liczba potencjalnych topologii rośnie wykładniczo poszukiwanie odpowiedniego drzewa = duży koszt obliczeniowy (jak zmniejszyć koszt?)
20 METODY KONSTRUKCJI DRZEWA - MAKS. PODOBIEŃSTWO 2. Konstrukcja (wszystkich) możliwych drzew ACT GTA GTA ACA GTA GTT ACA GTT ACT GTT ACA ACT
21 METODY KONSTRUKCJI DRZEWA - MAKS. PODOBIEŃSTWO 3. Wybór drzewa wymagającego najmniejszej liczby mutacji ACT GTA GTA 3 1 GTA ACA 3 GTT GTA GTT GTA 2 ACA GTT 1 GTT GTT 1 ACT ACT GTT ACA ACT
22 METODY KONSTRUKCJI DRZEWA - MAKS. PODOBIEŃSTWO Inaczej metoda największej oszczędności wybiera drzewa z najmniejszą ilością zmian ewolucyjnych opiera się na zasadzie brzytwy Ockhama Wykorzystuje pozycje informatywne (skrócenie czasu obliczeń) Czy wszystkie mutacje są równocenne? Problem przyciągania się długich gałęzi
23 METODY KONSTRUKCJI DRZEWA - NAJWYŻSZE PRAWDOP. 1. Uwzględnia zróżnicowane prawdopodobieństwo poszczególnych mutacji 2. Uwzględnia każda pozycję (nie tylko informatywne) 3. Bardzo wolna 4. Daje dokładne wyniki (małe prawdopodobieństwo uzyskania błędnego drzewa) 5. Wykorzystuje modele substytucyjne 6. Określa prawdopodobieństwa poprawności danego drzewa
24 METODY KONSTRUKCJI DRZEWA UPGMA MAKS. PODOBIEŃSTWO łatwa, szybka powolna, duża liczba możliwych drzew analiza dużych zbiorów danych możliwa analiza dużych zbiorów danych problematyczna nie uwzględnia powiązań ewolucyjnych uwzględnia powiązania ewolucyjne (mutacje)
25 ETAPY KONSTRUKCJI DRZEWA FILOGENETYCZNEGO 1. Znalezienie sekwencji wybranych organizmów 2. Dopasowanie sekwencji 3. Konstrukcja drzewa (Clustal W) 4. Prawdopodobieństwo poprawności drzewa (bootstrap)
26 ETAPY KONSTRUKCJI DRZEWA FILOGENETYCZNEGO 1. Znalezienie sekwencji wybranych organizmów
27 ETAPY KONSTRUKCJI DRZEWA FILOGENETYCZNEGO 2. Dopasowanie sekwencji
28 ETAPY KONSTRUKCJI DRZEWA FILOGENETYCZNEGO 3. Konstrukcja drzewa (Clustal W) dystans pomiędzy sekwencjami
29 ETAPY KONSTRUKCJI DRZEWA FILOGENETYCZNEGO 4. Prawdopodobieństwo poprawności drzewa (bootstrap) STWORZENIE SZTUCZNEGO ZBIORU DANYCH zamiana kolejności nukleotydów 1000 STWORZENIE DRZEWA FILOGENETYCZNEGO OKREŚLENIE POWTARZALNOŚCI DANEGO ROZGAŁĘZIENIA = PRAWDOPODOBIEŃSTWO
30 OPROGRAMOWANIE PHYLIP -
31 OPROGRAMOWANIE PHYLIP online:
32 OPROGRAMOWANIE MEGA -
33 OPROGRAMOWANIE PAUP
34 OPROGRAMOWANIE Treefinder -
35
PODSTAWY BIOINFORMATYKI WYKŁAD 5 ANALIZA FILOGENETYCZNA
PODSTAWY BIOINFORMATYKI WYKŁAD 5 ANALIZA FILOGENETYCZNA ANALIZA FILOGENETYCZNA 1. Wstęp - filogenetyka 2. Struktura drzewa filogenetycznego 3. Metody konstrukcji drzewa 4. Etapy konstrukcji drzewa filogenetycznego
Bardziej szczegółowoKonstruowanie drzew filogenetycznych. Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu
Konstruowanie drzew filogenetycznych Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu Drzewa filogenetyczne ukorzenione i nieukorzenione binarność konstrukcji topologia (sposób rozgałęziana
Bardziej szczegółowoGenomika Porównawcza. Agnieszka Rakowska Instytut Informatyki i Matematyki Komputerowej Uniwersytet Jagiellooski
Genomika Porównawcza Agnieszka Rakowska Instytut Informatyki i Matematyki Komputerowej Uniwersytet Jagiellooski 1 Plan prezentacji 1. Rodzaje i budowa drzew filogenetycznych 2. Metody ukorzeniania drzewa
Bardziej szczegółowoBioinformatyka Laboratorium, 30h. Michał Bereta
Bioinformatyka Laboratorium, 30h Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl 1 Filogenetyka molekularna wykorzystuje informację zawartą w sekwencjach aminokwasów lub nukleotydów do kontrukcji drzew
Bardziej szczegółowoFilogenetyka molekularna. Dr Anna Karnkowska Zakład Filogenetyki Molekularnej i Ewolucji
Filogenetyka molekularna Dr Anna Karnkowska Zakład Filogenetyki Molekularnej i Ewolucji Co to jest filogeneza? Filogeneza=drzewo filogenetyczne=drzewo rodowe=drzewo to rozgałęziający się diagram, który
Bardziej szczegółowoklasyfikacja fenetyczna (numeryczna)
Teorie klasyfikacji klasyfikacja fenetyczna (numeryczna) systematyka powinna być wolna od wszelkiej teorii (a zwłaszcza od teorii ewolucji) filogeneza jako ciąg zdarzeń jest niepoznawalna opiera się na
Bardziej szczegółowoFilogenetyka molekularna I. Krzysztof Spalik
Filogenetyka molekularna I Krzysztof Spalik Literatura Krzysztof Spalik, Marcin Piwczyński (2009), Rekonstrukcja filogenezy i wnioskowanie filogenetyczne w badaniach ewolucyjnych, Kosmos 58(3-4): 485-498
Bardziej szczegółowoFilogenetyka molekularna I. Krzysztof Spalik Zakład Filogenetyki Molekularnej i Ewolucji
Filogenetyka molekularna I Krzysztof Spalik Zakład Filogenetyki Molekularnej i Ewolucji 3 Literatura Krzysztof Spalik, Marcin Piwczyński (2009), Rekonstrukcja filogenezy i wnioskowanie filogenetyczne w
Bardziej szczegółowoAcknowledgement. Drzewa filogenetyczne
Wykład 8 Drzewa Filogenetyczne Lokalizacja genów Some figures from: Acknowledgement M. Zvelebil, J.O. Baum, Introduction to Bioinformatics, Garland Science 2008 Tradycyjne drzewa pokrewieństwa Drzewa oparte
Bardziej szczegółowoFilogenetyka molekularna I
2 Literatura Krzysztof Spalik, Marcin Piwczyński (2009), Rekonstrukcja filogenezy i wnioskowanie filogenetyczne w badaniach ewolucyjnych, Kosmos 58(3-4): 485-498 Filogenetyka molekularna I John C. Avise
Bardziej szczegółowoMSA i analizy filogenetyczne
Instytut Informatyki i Matematyki Komputerowej UJ, opracowanie: mgr Ewa Matczyńska, dr Jacek Śmietański MSA i analizy filogenetyczne 1. Dopasowania wielosekwencyjne - wprowadzenie Dopasowanie wielosekwencyjne
Bardziej szczegółowoAnalizy filogenetyczne
BIOINFORMATYKA edycja 2016 / 2017 wykład 6 Analizy filogenetyczne dr Jacek Śmietański jacek.smietanski@ii.uj.edu.pl http://jaceksmietanski.net Plan wykładu 1. Cele i zastosowania 2. Podstawy ewolucyjne
Bardziej szczegółowoALGORYTMY KONSTRUOWANIA DENDROGRAMÓW STOSOWANYCH PRZY ANALIZIE FILOGENETYCZNEJ MIKROORGANIZMÓW
ALGORYTMY KONSTRUOWANIA DENDROGRAMÓW STOSOWANYCH PRZY ANALIZIE FILOGENETYCZNEJ MIKROORGANIZMÓW Filip Zdziennicki, Anna Misiewicz Instytut Biotechnologii Przemysłu Rolno-Spożywczego im. prof. Wacława Dąbrowskiego
Bardziej szczegółowoFilogeneza: problem konstrukcji grafu (drzewa) zależności pomiędzy gatunkami.
181 Filogeneza: problem konstrukcji grafu (drzewa) zależności pomiędzy gatunkami. 3. D T(D) poprzez algorytm łączenia sąsiadów 182 D D* : macierz łącząca sąsiadów n Niech TotDist i = k=1 D i,k Definiujemy
Bardziej szczegółowoBioinformatyka Laboratorium, 30h. Michał Bereta
Bioinformatyka Laboratorium, 30h Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl 1 Metoda NJ (przyłączania sąsiadów) umożliwia tworzenie drzewa addytywnego: odległości ewolucyjne między sekwencjami
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI 8 DOPASOWYWANIE SEKWENCJI AMINOKWASÓW
PODSTAWY BIOINFORMATYKI 8 DOPASOWYWANIE SEKWENCJI AMINOKWASÓW DOPASOWYWANIE SEKWENCJI 1. Miary podobieństwa sekwencji aminokwasów 2. Zastosowanie programów: CLUSTAL OMEGA BLAST Copyright 2013, Joanna Szyda
Bardziej szczegółowoDrzewa filogenetyczne jako matematyczny model relacji pokrewieństwa. dr inż. Damian Bogdanowicz
Drzewa filogenetyczne jako matematyczny model relacji pokrewieństwa dr inż. Damian Bogdanowicz Sprawa R. Schmidt a z Lafayette Podczas rutynowych badań u pielęgniarki Janet Allen stwierdzono obecność wirusa
Bardziej szczegółowoRycina 1. Zasięg i zagęszczenie łosi (liczba osobników/1000 ha) w Polsce w roku 2010 oraz rozmieszczenie 29 analizowanych populacji łosi.
Ryciny 193 Rycina 1. Zasięg i zagęszczenie łosi (liczba osobników/1000 ha) w Polsce w roku 2010 oraz rozmieszczenie 29 analizowanych populacji łosi. Na fioletowo zaznaczone zostały populacje (nr 1 14)
Bardziej szczegółowoBioinformatyka Laboratorium, 30h. Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl
Bioinformatyka Laboratorium, 30h Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl 1 Filogenetyka molekularna wykorzystuje informację zawartą w sekwencjach aminokwasów lub nukleotydów do kontrukcji drzew
Bardziej szczegółowoTeoria ewolucji. Podstawowe pojęcia. Wspólne pochodzenie.
Teoria ewolucji Podstawowe pojęcia. Wspólne pochodzenie. Informacje Kontakt: Paweł Golik Instytut Genetyki i Biotechnologii, Pawińskiego 5A pgolik@igib.uw.edu.pl Informacje, materiały: http://www.igib.uw.edu.pl/
Bardziej szczegółowoWykład Bioinformatyka 2012-09-24. Bioinformatyka. Wykład 7. E. Banachowicz. Zakład Biofizyki Molekularnej IF UAM. Ewolucyjne podstawy Bioinformatyki
Bioinformatyka Wykład 7 E. Banachowicz Zakład Biofizyki Molekularnej IF UAM http://www.amu.edu.pl/~ewas 1 Plan Bioinformatyka Ewolucyjne podstawy Bioinformatyki Filogenetyka Bioinformatyczne narzędzia
Bardziej szczegółowoFilogenetyka. Dr inż. Magdalena Święcicka, dr hab. Marcin Filipecki. Katedra Genetyki, Hodowli i Biotechnologii Roślin, SGGW
Filogenetyka Dr inż. Magdalena Święcicka, dr hab. Marcin Filipecki Katedra Genetyki, Hodowli i Biotechnologii Roślin, SGGW Filogenetyka Cel rekonstrukcja historii ewolucji wszystkich organizmów Klasyczne
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI WYKŁAD 4 DOPASOWANIE SEKWENCJI
PODSTAWY BIOINFORMATYKI WYKŁAD 4 DOPASOWANIE SEKWENCJI DOPASOWANIE SEKWENCJI 1. Dopasowanie sekwencji - definicja 2. Wizualizacja dopasowania sekwencji 3. Miary podobieństwa sekwencji 4. Przykłady programów
Bardziej szczegółowoUrszula Poziomek, doradca metodyczny w zakresie biologii Materiał dydaktyczny przygotowany na konferencję z cyklu Na miarę Nobla, 14 stycznia 2010 r.
Ćwiczenie 1 1 Wstęp Rozważając możliwe powiązania filogenetyczne gatunków, systematyka porównuje dane molekularne. Najskuteczniejszym sposobem badania i weryfikacji różnych hipotez filogenetycznych jest
Bardziej szczegółowoKonstrukcja drzew filogenetycznych podstawy teoretyczne.
Dorota Rogalla Urszula Rogalla Konstrukcja drzew filogenetycznych podstawy teoretyczne. Streszczenie Wśród wyzwań stojących przed genetyką wymienić można nie tylko kojarzone klasycznie poznawanie struktury
Bardziej szczegółowoFilogenetyka. Dr Marek D. Koter, dr hab. Marcin Filipecki. Katedra Genetyki, Hodowli i Biotechnologii Roślin, SGGW
Filogenetyka Dr Marek D. Koter, dr hab. Marcin Filipecki Katedra Genetyki, Hodowli i Biotechnologii Roślin, SGGW 1 Twórcy teorii ewolucji Charles Darwin Jean Baptiste de Lamarck Podróż HMS Beagle 2 i zbrodniczy
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI WYKŁAD 4 DOPASOWANIE SEKWENCJI
PODSTAWY BIOINFORMATYKI WYKŁAD 4 DOPASOWANIE SEKWENCJI DOPASOWANIE SEKWENCJI 1. Dopasowanie sekwencji - definicja 2. Wizualizacja dopasowania sekwencji 3. Miary podobieństwa sekwencji 4. Przykłady programów
Bardziej szczegółowoTeoria ewolucji. Podstawowe pojęcia. Wspólne pochodzenie.
Teoria ewolucji Podstawowe pojęcia. Wspólne pochodzenie. Ewolucja Znaczenie ogólne: zmiany zachodzące stopniowo w czasie W biologii ewolucja biologiczna W astronomii i kosmologii ewolucja gwiazd i wszechświata
Bardziej szczegółowoFILOGENETYKA. Bioinformatyka, wykład 7 (24.XI.200..XI.2008)
FILOGENETYKA Bioinformatyka, wykład 7 (24.XI.200.XI.2008) krzysztof_pawlowski@sggw.pl Filogenetyka Cel rekonstrukcja historii ewolucji wszystkich organizmów. Klasyczne podejście: historia ewolucji jest
Bardziej szczegółowoWstęp do Biologii Obliczeniowej
Wstęp do Biologii Obliczeniowej Zagadnienia na kolokwium Bartek Wilczyński 5. czerwca 2018 Sekwencje DNA i grafy Sekwencje w biologii, DNA, RNA, białka, alfabety, transkrypcja DNA RNA, translacja RNA białko,
Bardziej szczegółowoWyróżniamy dwa typy zadań projektowych.
Obowiązkowymi do zaliczenia projektu jest realizacja 2-3 zadań programistycznych. Zadania realizowane są w grupach 2-3 osobowych (zależnie od stopnia trudności zadania i liczebności całej klasy laboratoryjnej).
Bardziej szczegółowoWybrane podstawowe rodzaje algorytmów
Wybrane podstawowe rodzaje algorytmów Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych
Bardziej szczegółowoTeoria ewolucji. Podstawy wspólne pochodzenie.
Teoria ewolucji. Podstawy wspólne pochodzenie. Ewolucja biologiczna } Znaczenie ogólne: } proces zmian informacji genetycznej (częstości i rodzaju alleli), } które to zmiany są przekazywane z pokolenia
Bardziej szczegółowoPrzyrównanie sekwencji. Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu
Przyrównanie sekwencji Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu Sequence alignment - przyrównanie sekwencji Poszukiwanie ciągów znaków (zasad nukleotydowych lub reszt aminokwasowych),
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoEwolucja molekularna człowieka okiem bioinformatyka. Justyna Wojtczak Jarosław Jeleniewicz
Ewolucja molekularna człowieka okiem bioinformatyka Justyna Wojtczak Jarosław Jeleniewicz Informatyka w biologii - bioinformatyka Jest to szeroka dziedzina zajmująca się tworzeniem zaawansowanych baz danych,
Bardziej szczegółowoE: Rekonstrukcja ewolucji. Algorytmy filogenetyczne
E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne Przypominajka: 152 drzewo filogenetyczne to drzewo, którego liśćmi są istniejące gatunki, a węzły wewnętrzne mają stopień większy niż jeden i reprezentują
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE
PODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE WSTĘP 1. Mikromacierze ekspresyjne tworzenie macierzy przykłady zastosowań 2. Mikromacierze SNP tworzenie macierzy przykłady zastosowań MIKROMACIERZE EKSPRESYJNE
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI
PODSTAWY BIOINFORMATYKI Prowadzący: JOANNA SZYDA ADRIAN DROśDś WSTĘP 1. Katedra Genetyki badania bioinformatyczne 2. Tematyka przedmiotu 3. Charakterystyka wykładów 4. Charakterystyka ćwiczeń 5. Informacje
Bardziej szczegółowoWszystkie wyniki w postaci ułamków należy podawać z dokładnością do czterech miejsc po przecinku!
Pracownia statystyczno-filogenetyczna Liczba punktów (wypełnia KGOB) / 30 PESEL Imię i nazwisko Grupa Nr Czas: 90 min. Łączna liczba punktów do zdobycia: 30 Czerwona Niebieska Zielona Żółta Zaznacz znakiem
Bardziej szczegółowoPodstawy biologii. Informacja genetyczna. Co to jest ewolucja.
Podstawy biologii Informacja genetyczna. Co to jest ewolucja. Materiał genetyczny Materiałem genetycznym są kwasy nukleinowe Materiałem genetycznym organizmów komórkowych jest kwas deoksyrybonukleinowy
Bardziej szczegółowoPRZYRÓWNANIE SEKWENCJI
http://theta.edu.pl/ Podstawy Bioinformatyki III PRZYRÓWNANIE SEKWENCJI 1 Sequence alignment - przyrównanie sekwencji Poszukiwanie ciągów znaków (zasad nukleotydowych lub reszt aminokwasowych), które posiadają
Bardziej szczegółowoAlgorytm genetyczny (genetic algorithm)-
Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie
Bardziej szczegółowoAlgorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych
Algorytm Genetyczny zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Dlaczego Algorytmy Inspirowane Naturą? Rozwój nowych technologii: złożone problemy obliczeniowe w
Bardziej szczegółowoFILOGENETYKA. Bioinformatyka,, wykład 7 (29.XI.2007)
FILOGENETYKA Bioinformatyka,, wykład 7 (29.XI.2007) krzysztof_pawlowski@sggw.pl Filogenetyka Cel rekonstrukcja historii ewolucji wszystkich organizmów. Klasyczne podejście: historia ewolucji jest odtwarzana
Bardziej szczegółowoAlgorytmy kombinatoryczne w bioinformatyce
lgorytmy kombinatoryczne w bioinformatyce wykład 7: drzewa filogenetyczne prof. dr hab. inż. Marta Kasprzak Instytut Informatyki, Politechnika Poznańska rzewa filogenetyczne rzewa filogenetyczne odzwierciedlają
Bardziej szczegółowoBIOINFORMATYKA. Copyright 2011, Joanna Szyda
BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Powiązania pomiędzy genami: równ.
Bardziej szczegółowoPorównywanie i dopasowywanie sekwencji
Porównywanie i dopasowywanie sekwencji Związek bioinformatyki z ewolucją Wraz ze wzrostem dostępności sekwencji DNA i białek pojawiła się nowa możliwość śledzenia ewolucji na poziomie molekularnym Ewolucja
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI 11 BAZA DANYCH HAPMAP
PODSTAWY BIOINFORMATYKI 11 BAZA DANYCH HAPMAP WSTĘP 1. SNP 2. haplotyp 3. równowaga sprzężeń 4. zawartość bazy HapMap 5. przykłady zastosowań Copyright 2013, Joanna Szyda HAPMAP BAZA DANYCH HAPMAP - haplotypy
Bardziej szczegółowoSpis treści. Przedmowa... XI. Wprowadzenie i biologiczne bazy danych. 1 Wprowadzenie... 3. 2 Wprowadzenie do biologicznych baz danych...
Przedmowa... XI Część pierwsza Wprowadzenie i biologiczne bazy danych 1 Wprowadzenie... 3 Czym jest bioinformatyka?... 5 Cele... 5 Zakres zainteresowań... 6 Zastosowania... 7 Ograniczenia... 8 Przyszłe
Bardziej szczegółowoMetoda dokładnej rekonstrukcji drzew filogenetycznych genów. współczynników substytucji dla genów i gatunków
Metoda dokładnej rekonstrukcji drzew filogenetycznych genów z zastosowaniem współczynników substytucji dla genów i gatunków Na podstawie artykułu Accurate gene-tree reconstruction by learning gene- and
Bardziej szczegółowoFILOGENETYKA. Bioinformatyka, wykład. 8 c.d. 0)
FILOGENETYKA Bioinformatyka, wykład 8 c.d. (7.XII.2010) 0) krzysztof_pawlowski@sggw.pl Filogenetyka Cel rekonstrukcja historii ewolucji wszystkich organizmów. Klasyczne podejście: historia ewolucji jest
Bardziej szczegółowoAlgorytmy i struktury danych
Algorytmy i struktury danych ĆWICZENIE 2 - WYBRANE ZŁOŻONE STRUKTURY DANYCH - (12.3.212) Prowadząca: dr hab. inż. Małgorzata Sterna Informatyka i3, poniedziałek godz. 11:45 Adam Matuszewski, nr 1655 Oliver
Bardziej szczegółowoPodstawy biologii. Informacja genetyczna. Co to jest ewolucja.
Podstawy biologii Informacja genetyczna. Co to jest ewolucja. Zarys biologii molekularnej genu Podstawowe procesy genetyczne Replikacja powielanie informacji Ekspresja wyrażanie (realizowanie funkcji)
Bardziej szczegółowoBioinformatyka Laboratorium, 30h. Michał Bereta
Bioinformatyka Laboratorium, 30h Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl 1 Często dopasować chcemy nie dwie sekwencje ale kilkanaście lub więcej 2 Istnieją dokładne algorytmy, lecz są one niewydajne
Bardziej szczegółowoBioinformatyka Laboratorium, 30h. Michał Bereta
Laboratorium, 30h Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl Zasady zaliczenia przedmiotu Kolokwia (3 4 ) Ocena aktywności i przygotowania Obecnośd Literatura, materiały i ewolucja molekularna
Bardziej szczegółowoWSTĘP. Copyright 2011, Joanna Szyda
BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Równowaga Hardyego-Weinberga,
Bardziej szczegółowoOd sieci transmisji do oporności w HIV/HCV: czy leczenie HCV u zakażonych HIV powinno być priorytetem ze wskazań epidemiologicznych?
Od sieci transmisji do oporności w HIV/HCV: czy leczenie HCV u zakażonych HIV powinno być priorytetem ze wskazań epidemiologicznych? Miłosz Parczewski Klinika Chorób Zakaźnych, Tropikalnych i Nabytych
Bardziej szczegółowoGenerator testów 1.3.1 Bioinformatyka_zdalne wer. 1.0.13 / 0 Strona: 1
Przedmiot: Bioinformatyka Nazwa testu: Bioinformatyka_zdalne wer. 1.0.13 Nr testu 0 Klasa: WNB UZ Odpowiedzi zaznaczamy TYLKO w tabeli! 1. Model Markowa substytucji aminokwasów w mutagenezie białek zakłada...
Bardziej szczegółowoPorównywanie i dopasowywanie sekwencji
Porównywanie i dopasowywanie sekwencji Związek bioinformatyki z ewolucją Wraz ze wzrostem dostępności sekwencji DNA i białek narodziła się nowa dyscyplina nauki ewolucja molekularna Ewolucja molekularna
Bardziej szczegółowo1. Analiza asocjacyjna. Cechy ciągłe. Cechy binarne. Analiza sprzężeń. Runs of homozygosity. Signatures of selection
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowoBioinformatyka Laboratorium, 30h. Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl
Laboratorium, 30h Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl Zasady zaliczenia przedmiotu Kolokwia (3 4 ) Ocena aktywności i przygotowania Obecnośd Literatura, materiały Bioinformatyka i ewolucja
Bardziej szczegółowoMarcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH
Marcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH Przeszukiwanie przestrzeni rozwiązań, szukanie na ślepo, wszerz, w głąb. Spis treści: 1. Wprowadzenie 3. str. 1.1 Krótki Wstęp
Bardziej szczegółowoProgramowanie genetyczne, gra SNAKE
STUDENCKA PRACOWNIA ALGORYTMÓW EWOLUCYJNYCH Tomasz Kupczyk, Tomasz Urbański Programowanie genetyczne, gra SNAKE II UWr Wrocław 2009 Spis treści 1. Wstęp 3 1.1. Ogólny opis.....................................
Bardziej szczegółowoPODEJMOWANIE DECYZJI W WARUNKACH NIEPEŁNEJ INFORMACJI
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 5 PODEJMOWANIE DECYZJI W WARUNKACH NIEPEŁNEJ INFORMACJI 5.2. Ćwiczenia komputerowe
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoAlgorytmy ewolucyjne NAZEWNICTWO
Algorytmy ewolucyjne http://zajecia.jakubw.pl/nai NAZEWNICTWO Algorytmy ewolucyjne nazwa ogólna, obejmująca metody szczegółowe, jak np.: algorytmy genetyczne programowanie genetyczne strategie ewolucyjne
Bardziej szczegółowoAlgorytmy genetyczne
Algorytmy genetyczne Motto: Zamiast pracowicie poszukiwać najlepszego rozwiązania problemu informatycznego lepiej pozwolić, żeby komputer sam sobie to rozwiązanie wyhodował! Algorytmy genetyczne służą
Bardziej szczegółowoAlgorytmy genetyczne
9 listopada 2010 y ewolucyjne - zbiór metod optymalizacji inspirowanych analogiami biologicznymi (ewolucja naturalna). Pojęcia odwzorowujące naturalne zjawiska: Osobnik Populacja Genotyp Fenotyp Gen Chromosom
Bardziej szczegółowoDopasowanie sekwencji (sequence alignment)
Co to jest alignment? Dopasowanie sekwencji (sequence alignment) Alignment jest sposobem dopasowania struktur pierwszorzędowych DNA, RNA lub białek do zidentyfikowanych regionów w celu określenia podobieństwa;
Bardziej szczegółowoAutor: mgr inż. Agata Joanna Czerniecka. Tytuł: Nowa metoda obliczeniowa porównywania sekwencji białek
Sosnowiec 10-08-2017 RECENZJA rozprawy na stopień doktora nauk o zdrowiu przygotowana na zlecenie Dziekana Wydziału Nauk o Zdrowiu z Oddziałem Pielęgniarstwa i Instytutem Medycyny Morskiej i Tropikalnej
Bardziej szczegółowoKolorowanie wierzchołków grafu
Kolorowanie wierzchołków grafu Niech G będzie grafem prostym. Przez k-kolorowanie właściwe wierzchołków grafu G rozumiemy takie przyporządkowanie wierzchołkom grafu liczb naturalnych ze zbioru {1,...,
Bardziej szczegółowoCMAES. Zapis algorytmu. Generacja populacji oraz selekcja Populacja q i (t) w kroku t generowana jest w następujący sposób:
CMAES Covariance Matrix Adaptation Evolution Strategy Opracowanie: Lidia Wojciechowska W algorytmie CMAES, podobnie jak w algorytmie EDA, adaptowany jest rozkład prawdopodobieństwa generacji punktów, opisany
Bardziej szczegółowoAlgorytmy wyznaczania centralności w sieci Szymon Szylko
Algorytmy wyznaczania centralności w sieci Szymon Szylko Zakład systemów Informacyjnych Wrocław 10.01.2008 Agenda prezentacji Cechy sieci Algorytmy grafowe Badanie centralności Algorytmy wyznaczania centralności
Bardziej szczegółowo1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowoKrzysztof Spalik 1, Marcin Piwczyński 2
Tom 58 2009 Numer 3 4 (284 285) Strony 485 498 Krzysztof Spalik 1, Marcin Piwczyński 2 1 Zakład Systematyki i Geografii Roślin Instytut Botaniki Uniwersytet Warszawski Aleje Ujazdowskie 4, 00-478 Warszawa
Bardziej szczegółowoEwolucjonizm NEODARWINIZM. Dr Jacek Francikowski Uniwersyteckie Towarzystwo Naukowe Uniwersytet Śląski w Katowicach
Ewolucjonizm NEODARWINIZM Dr Jacek Francikowski Uniwersyteckie Towarzystwo Naukowe Uniwersytet Śląski w Katowicach Główne paradygmaty biologii Wspólne początki życia Komórka jako podstawowo jednostka funkcjonalna
Bardziej szczegółowoMODELOWANIE STOCHASTYCZNE CZĘŚĆ II - ŁAŃCUCHY MARKOWA. Biomatematyka Dr Wioleta Drobik-Czwarno
MODELOWANIE STOCHASTYCZNE CZĘŚĆ II - ŁAŃCUCHY MARKOWA Biomatematyka Dr Wioleta Drobik-Czwarno Polecane Łańcuchy Markowa wizualnie: http://setosa.io/ev/markov-chains/ Procesy stochastyczne Procesem stochastycznym
Bardziej szczegółowoMitochondrialna Ewa;
Mitochondrialna Ewa; jej sprzymierzeńcy i wrogowie Lien Dybczyńska Zakład genetyki, Uniwersytet Warszawski 01.05.2004 Milion lat temu Ale co dalej??? I wtedy wkracza biologia molekularna Analiza różnic
Bardziej szczegółowoAlgorytmika dla bioinformatyki
Algorytmika dla bioinformatyki kurs 2018/2019 Prof. Danuta Makowiec Instytut Fizyki Teoretycznej i Astrofizyki pok. 353, danuta.makowiec@gmail.com Cele kursu 2 Treści wykładu będą skoncentrowane wokół
Bardziej szczegółowoMACIERZE MUTACYJNE W ANALIZIE GENOMÓW czy możliwa jest rekonstrukcja filogenetyczna? Aleksandra Nowicka
MAIERZE MUTAYJNE W ANALIZIE GENOMÓW czy możliwa jest rekonstrukcja filogenetyczna? Aleksandra Nowicka Zadaniem FILOGENETYKI jest : zrekonstruowanie ewolucyjnej historii wszystkich organizmów odkrycie przodka
Bardziej szczegółowoprof. dr hab. inż. Marta Kasprzak Instytut Informatyki, Politechnika Poznańska Dopasowanie sekwencji
Bioinformatyka wykład 5: dopasowanie sekwencji prof. dr hab. inż. Marta Kasprzak Instytut Informatyk Politechnika Poznańska Dopasowanie sekwencji Badanie podobieństwa sekwencji stanowi podstawę wielu gałęzi
Bardziej szczegółowoGenerator testów Bioinformatyka wer / 0 Strona: 1
Przedmiot: Nazwa przedmiotu Nazwa testu: Bioinformatyka wer. 1.0.6 Nr testu 0 Klasa: V zaoczne WNB UZ Odpowiedzi zaznaczamy TYLKO w tabeli! 1. Analiza porównawcza białek zwykle zaczyna się na badaniach
Bardziej szczegółowoPROBLEM: KLASTROWANIE DANYCH I DRZEWA FILOGENETYCZNE METODY:
G : PROBLEM: KLASTROWANIE DANYCH I DRZEWA FILOGENETYCZNE METODY: MACIERZ EKSPRESJI KLASTROWANIE HIERARCHICZNE KLASTROWANIE K-ŚREDNICH METODA KLIK ODLEGŁOŚCIOWA REKONSTRUKCJA DRZEWA FILOGENETYCZNEGO MACIERZE
Bardziej szczegółowoGrafy Alberta-Barabasiego
Spis treści 2010-01-18 Spis treści 1 Spis treści 2 Wielkości charakterystyczne 3 Cechy 4 5 6 7 Wielkości charakterystyczne Wielkości charakterystyczne Rozkład stopnie wierzchołków P(deg(x) = k) Graf jest
Bardziej szczegółowoWysokość drzewa Głębokość węzła
Drzewa Drzewa Drzewo (ang. tree) zbiór węzłów powiązanych wskaźnikami, spójny i bez cykli. Drzewo posiada wyróżniony węzeł początkowy nazywany korzeniem (ang. root). Drzewo ukorzenione jest strukturą hierarchiczną.
Bardziej szczegółowoMetody optymalizacji dyskretnej w analizie podobieństwa drzew filogenetycznych
POLITECHNIKA GDAŃSKA Wydział Elektroniki, Telekomunikacji i Informatyki Damian Bogdanowicz Metody optymalizacji dyskretnej w analizie podobieństwa drzew filogenetycznych Rozprawa doktorska Promotor: dr
Bardziej szczegółowoProgramowanie genetyczne - gra SNAKE
PRACOWNIA Z ALGORYTMÓW EWOLUCYJNYCH Tomasz Kupczyk, Tomasz Urbański Programowanie genetyczne - gra SNAKE II UWr Wrocław 2009 Spis treści 1. Wstęp 3 1.1. Ogólny opis.....................................
Bardziej szczegółowoPolitechnika Wrocławska. Dopasowywanie sekwencji Sequence alignment
Dopasowywanie sekwencji Sequence alignment Drzewo filogenetyczne Kserokopiarka zadanie: skopiować 300 stron. Co może pójść źle? 2x ta sama strona Opuszczona strona Nadmiarowa pusta strona Strona do góry
Bardziej szczegółowoPodstawy teorii ewolucji. Informacja i ewolucja
Podstawy teorii ewolucji Informacja i ewolucja Informacje Kontakt: Paweł Golik Instytut Genetyki i Biotechnologii, Pawińskiego 5A pgolik@igib.uw.edu.pl Informacje, materiały: http://www.igib.uw.edu.pl/
Bardziej szczegółowoBudowanie drzewa filogenetycznego
Szkoła Festiwalu Nauki 134567 Wojciech Grajkowski Szkoła Festiwalu Nauki, ul. Ks. Trojdena 4, 02-109 Warszawa www.sfn.edu.pl sfn@iimcb.gov.pl Budowanie drzewa filogenetycznego Cel Ćwiczenie polega na budowaniu
Bardziej szczegółowoep do obliczeniowej biologii molekularnej (J. Tiuryn, wykĺady nr. 12 i 13; 25 stycznia 2006) 8 Konstrukcja drzew filogenetycznych
Wst ep do obliczeniowej biologii molekularnej (J. Tiuryn, wykĺady nr. 2 i 3; 25 stycznia 2006) Spis treści 8 Konstrukcja drzew filogenetycznych 82 8. Metoda UPGMA......................... 82 8.2 Metoda
Bardziej szczegółowoLABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania i mutacji na skuteczność poszukiwań AE
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania
Bardziej szczegółowoDrzewa decyzyjne i lasy losowe
Drzewa decyzyjne i lasy losowe Im dalej w las tym więcej drzew! ML Gdańsk http://www.mlgdansk.pl/ Marcin Zadroga https://www.linkedin.com/in/mzadroga/ 20 Czerwca 2017 WPROWADZENIE DO MACHINE LEARNING CZYM
Bardziej szczegółowoTeoria ewolucji. Ślady wspólnego pochodzenia. Dobór sztuczny i naturalny.
Teoria ewolucji. Ślady wspólnego pochodzenia. Dobór sztuczny i naturalny. Dowody wspierające wspólne pochodzenie Skamieniałości Homologia Cechy szczątkowe Hierarchiczna klasyfikacja Zgodność drzew dla
Bardziej szczegółowoModelowanie motywów łańcuchami Markowa wyższego rzędu
Modelowanie motywów łańcuchami Markowa wyższego rzędu Uniwersytet Warszawski Wydział Matematyki, Informatyki i Mechaniki 23 października 2008 roku Plan prezentacji 1 Źródła 2 Motywy i ich znaczenie Łańcuchy
Bardziej szczegółowoPodstawy teorii ewolucji. Informacja i ewolucja
Podstawy teorii ewolucji Informacja i ewolucja Podręczniki 2 Dla zainteresowanych http://wps.prenhall.com/esm_freeman_evol_4/ 3 Informacje Kontakt: Paweł Golik Instytut Genetyki i Biotechnologii, Pawińskiego
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test
Bardziej szczegółowoMetoda Automatycznej Detekcji Interakcji CHAID
Metoda Automatycznej Detekcji Interakcji CHAID Metoda ta pozwala wybrać z konkretnego, dużego zbioru zmiennych te z nich, które najsilniej wpływają na wskazaną zmienną (objaśnianą) zmienne porządkowane
Bardziej szczegółowo