Bioinformatyka Bioinformatyka. Wykład 9. E. Banachowicz. Zakład Biofizyki Molekularnej IF UAM. Modelowanie struktur białek
|
|
- Mieczysław Komorowski
- 8 lat temu
- Przeglądów:
Transkrypt
1 Bioinformatyka Wykład 9. E. Banachowicz Zakład Biofizyki Molekularnej IF UAM Modelowanie struktur białek Przewidywanie struktury drugorzędowej Rozpoznanie pofałdowania (Fold recognition; threading) Modelowanie porównawcze (Homology modelling) Ab initio (de novo) 2 Wykład 9, 2010/2011 1
2 Modelowanie homologiczne/porównawcze (oparte na homologii) Homology Modelling Modelowanie nieznanej struktury w oparciu o znane struktury co najmniej jednego homologicznego białka na razie najlepsza metoda modelowania przy dużym % identyczności sekwencji przewidywany model jest równie dobry jak eksperymentalny 3 Rozpoznanie pofałdowania (Fold Recognition) Polega na znalezieniu pofałdowania (z bazy znanych pofałdowań), które jest najbardziej zgodne z sekwencją białka dobre wyniki w przypadku, gdy nie ma homologa (albo nie można go znaleźć przez porównanie sekwencji. (poprzedza modelowanie homologiczne) Nie da dobrego wyniku jeśli białko ma nowe, nieznane pofałdowanie 4 Wykład 9, 2010/2011 2
3 Modelowanie Ab Initio Modelowanie struktury białka na podstawie podstawowych oddziaływań miedzyatomowych Teoretycznie możliwe, ale wymagające intensywnych obliczeń nadaje się dla małych cząsteczek może dawać pożyteczne informacje o pofałdowaniu nieprzewidywalne; dobre rezultaty dla małych fragmentów 5 Jaka metoda? 6 Wykład 9, 2010/2011 3
4 Algorytm procedury szukania struktury Sekwencja białka Dane eksperymentalne dopasowanie wielosekwencyne Przeszukanie Baz Danych podział na domeny homolog w PDB? NIE przewidywanie struktury II-rz. rozpoznanie pofałdowania TAK analiza rodzin strukturaknych dopasowanie strukturalne TAK przewidziano? modelowanie porównawcze dopasowanie sekwencji do struktury NIE Model struktury trzeciorzędowej przewidywanie struktury III-rz. 7 Modelowanie homologiczne (threading) Sekwencja białka Dane eksperymentalne dopasowanie wielosekwencyne Przeszukanie Baz Danych podział na domeny homolog w PDB? NIE przewidywanie struktury II-rz. rozpoznanie pofałdowania TAK analiza rodzin strukturaknych dopasowanie strukturalne TAK przewidziano? modelowanie porównawcze dopasowanie sekwencji do struktury NIE Model struktury trzeciorzędowej przewidywanie struktury III-rz. 8 Wykład 9, 2010/2011 4
5 Rozpoznanie pofałdowania Sekwencja białka Dane eksperymentalne dopasowanie wielosekwencyne Przeszukanie Baz Danych podział na domeny homolog w PDB? NIE przewidywanie struktury II-rz. rozpoznanie pofałdowania TAK analiza rodzin strukturaknych dopasowanie strukturalne TAK przewidziano? modelowanie porównawcze dopasowanie sekwencji do struktury NIE Model struktury trzeciorzędowej przewidywanie struktury III-rz. 9 Modelowanie ab initio Sekwencja białka Dane eksperymentalne dopasowanie wielosekwencyne Przeszukanie Baz Danych podział na domeny homolog w PDB? NIE przewidywanie struktury II-rz. rozpoznanie pofałdowania TAK analiza rodzin strukturaknych dopasowanie strukturalne TAK przewidziano? modelowanie porównawcze dopasowanie sekwencji do struktury NIE Model struktury trzeciorzędowej przewidywanie struktury III-rz. 10 Wykład 9, 2010/2011 5
6 Podobieństwo a homologia Programy do zestawień sekwencji mierzą IDENTYCZNOŚĆ i PODOBIEŃSTWO a nie HOMOLOGIE Przewidywania: Identyczność > 75%: model doskonałej Identyczność > 50%: model dobrej jakości Identyczność > 35%: model średniej jakości Identyczność > 20%: modelowanie zwykle możliwe Identyczność < 20%: wymagane zastosowanie rozpoznania pofałdowania 11 Przewidywanie struktury III-rzędowej Modelowanie homologiczne (threading) 12 Wykład 9, 2010/2011 6
7 Modelowanie homologiczne (threading) Sekwencja białka Dane eksperymentalne dopasowanie wielosekwencyne Przeszukanie Baz Danych podział na domeny homolog w PDB? NIE przewidywanie struktury II-rz. rozpoznanie pofałdowania TAK analiza rodzin strukturaknych dopasowanie strukturalne TAK przewidziano? modelowanie porównawcze dopasowanie sekwencji do struktury NIE Model struktury trzeciorzędowej przewidywanie struktury III-rz. 13 Modelowanie homologiczne Szablon Model str. Natywna Wykład 9, 2010/2011 7
8 Modelowanie Homologiczne - porównawcze Założenie - sekwencje homologiczne posiadają takie samo pofałdowanie Sekwencje niespokrewnione mogą posiadać takie samo pofałdowanie pewne motywy posiadają znaną strukturę np. palec cynkowy 15 Rozpoznanie pofałdowania Sekwencja białka Dane eksperymentalne dopasowanie wielosekwencyne Przeszukanie Baz Danych podział na domeny homolog w PDB? NIE przewidywanie struktury II-rz. rozpoznanie pofałdowania TAK analiza rodzin strukturaknych dopasowanie strukturalne TAK przewidziano? modelowanie porównawcze dopasowanie sekwencji do struktury NIE Model struktury trzeciorzędowej przewidywanie struktury III-rz. Wykład 9, 2010/2011 8
9 Rozpoznanie pofałdowania CASP Critical Assessment of techniques for protein Structure Prediction 18 Wykład 9, 2010/2011 9
10 Protein Structure Prediction Center Zadaniem Centrum jest ocenianie metod (postępu) przewidywania struktury 3D białek CASP - Critical Assessment of techniques for protein Structure Prediction jest międzynarodowym eksperymentem, który ma pozwolić ocenić bieżący poziom przewidywania struktur. CASP1 (1994) CASP2 (1996) 42 struktury (9 miesięcy), 70 grup (152 osoby) CASP3 (1998) 43 struktury, 120 grup (w kategorii 3D: 61) CASP4 (2000) 43 struktury, 160 grup + 38 serwerów (w kategorii 3D: 111) CASP5 (2002 )67 struktur, 187 grup + 72 serwery (w kategorii 3D: 175) CASP6 (2004) 85 struktur, 201 grup + 65 serwery (w kategorii 3D: 166) CASP7 (2006) 104 struktur, 207 grup + 98 serwery (w kategorii 3D: 178) CASP8 (2008) 128 (57) struktur, 112 grup serwery (w kategorii 3D: 161, w tym 70 serwerów) Protein Structure Prediction Center University of California, Davis Członkowie i współpracownicy: Maciej Milostan Politechnika Poznańska Andriy Kryshtafovych Genome Center, University of California, Krzysztof Fidelis dyrektor Centrum Pawel Daniluk Wydział Fizyki UW Viktor Nakonechnyj Zinovii Dmytriv Centrum Lukasz Szjkowski - Lawrence Livermore National Laboratory, California Oleh Krysko -Bioinformatics at UC Davis Volker Eyrich Columbia University Ceslovas Venclovas Laboratory of Bioinformatics Institute of Biotechnology, Vilnius, Lithuania Adam Zemla Lawrence Livermore National Laboratory, California Krzysztof Lazarski Midwest Center for StructuralGenomics and Structural Biology Center, Biosciences, Argonne National Laboratory Wykład 9, 2010/
11 Kategoryzacja targetów FM - free modeling CM_H Comparative modeling: hard CM_M Comparative modeling: medium CM_E Comparative modeling: easy CASP 8 22 Wykład 9, 2010/
12 24 Wykład 9, 2010/
13 25 26 Wykład 9, 2010/
14 28 Wykład 9, 2010/
15 29 Identczność : 96% - model trywialny 30 Wykład 9, 2010/
16 31 32 Wykład 9, 2010/
17 33 34 Wykład 9, 2010/
18 brak 2eej_A!? Wykład 9, 2010/
19 37 38 Wykład 9, 2010/
20 39 40 Wykład 9, 2010/
21 41 42 Wykład 9, 2010/
22 43 44 Wykład 9, 2010/
23 45 46 Wykład 9, 2010/
24 47 T0387 model 4th PDZ domain of PDZ domain containing protein 1 (PDZK1A) from Homo sapiens 48 Wykład 9, 2010/
25 Klasyfikacja modeli FM Free modeling CM_H Comparative modeling: hard CM_M Comparative modeling: medium CM_E Comparative modeling: easy T0405, T0419, T0443, T0465, T0478, T0496, T0504 T0391, T0393, T0394, T0401, T0414, T0416, T0417, T0420, T0427, T0434, T0436, T0446, T0449, T0454, T0464, T0471, T0472, T0485, T0498, T0506, T0507, T0512 T0389, T0392, T0402, T0406, T0408, T0411, T0412, T0415, T0422, T0424, T0425, T0431, T0433, T0435, T0437, T0440, T0441, T0445, T0448, T0451, T0456, T0459, T0463, T0469, T0473, T0475, T0477, T0480, T0481, T0483, T0490, T0492, T0493, T0494, T0497, T0502, T0503, T0505, T0509, T0511 T0387, T0388, T0390, T0396, T0398, T0400, T0404, T0410, T0418, T0423, T0426, T0428, T0432, T0438, T0442, T0444, T0447, T0450, T0452, T0453, T0455, T0458, T0461, T0470, T0474, T0479, T0484, T0486, T0488, T0491, T0499, T0508 Wykład 9, 2010/
26 T0424 (model średni) T0424 model struktura natywna Wykład 9, 2010/
27 T0424 -superpozycja Wykład 9, 2010/
28 T390 model łatwy Wykład 9, 2010/
29 T390s T390 model Wykład 9, 2010/
30 T429 Wykład 9, 2010/
31 model tandem tudor domains of the E3 ubiquitin-protein ligase UHRF1 from Homo sapiens T407 Wykład 9, 2010/
32 T407 T0407 Domena 2 Domena 1 Wykład 9, 2010/
33 T0407 PHP metal-dependent phosphoesterase (YP_ ) from Bacteroides vulgatus Polskie grupy AMU-Biology Urszula Baraniak Anna Czerwoniec 475 Human 12 osób 353 models for 98 3D targets 6 models for 6 FN targets A-TASSER EB_AMU_Physics Anna Jagielska 149 Human Jeffrey Skolnick Liliana Wroblewska 337 Human Ewa Banachowicz 595 models for 119 3D targets 169 models for 115 3D targets 1 models for 1 FN targets FrankensteinLong 172 Human Michal Gajda 334 models for 70 3D targets Michal Gajda GeneSilico Michal Boniecki Janusz Bujnicki 371 Human Jerzy Orlowski Wojtek Potrzebowski 257 models for 52 3D targets Kolinski Pawel Gniewek Michal Jamroz Stanislaw Jaworski 493 Human Sebastian Kmiecik Andrzej Kolinski. 11 osób 236 models for 53 3D targets KudlatyPredHuman 267 Human Marcin Pawlowski 52 models for 15 3D targets ProtAnG Scheraga Maciej Antczak Piotr Lukasiak 110 Human Maciej Milostan Grzegorz Palik Urszula Kozlowska Jozef Adam Liwo 324 Human Stanislaw Oldziej Harold Scheraga 30 models for 30 3D targets 155 models for 31 3D targets Wykład 9, 2010/
34 Cumulative Z-score (GDT_TS) TASSER -Skolnik GenSilico - Bujnicki 50 A-TASSER -Skolnik 40 EB_AMU_Phys AMU_Biol 30 Koliński 20 ProtAnG_Lukasiak TASSER -Skolnik GenSilico - Bujnicki bez serwerów 50 A-TASSER -Skolnik 40 EB_AMU_Phys AMU_Biol 30 Koliński 20 ProtAnG_Lukasiak Wykład 9, 2010/
35 by Jane S. Richardson) GDT _TS GDT_TS - GlobalDistanceTest_TotalScore GDT_TS = (GDT_P1 + GDT_P2 + GDT_P4 + GDT_P8)/4, gdzie GDT_Pn oznaczają % aminokwasów w odległości mniejszej niż cutoff <= nå (1,2,4,8 Å) Wykład 9, 2010/
36 Modelowanie porównawcze Wymaga sekwencji homologicznych Wzorców opartych na rodzinach sekwencji co raz mniej nowych rodzajów struktur! Przyrost struktur w PDB Przyrost unikalnych pofałdowań w CATH CATH: Protein Structure Classification. Wykład 9, 2010/
37 Pułapki 73 Modelowanie homologiczne - HCR - Wykład 9, 2010/
38 Dane eksperymentalne Agnieszka Olejnik, Justyna Broniarczyk HCR-alpha helix coiled coil rod homologue - podobieństwo strukturalne do innych białek komórkowych obrębie superhelisy alfa locus genu HCR znajduje się na chromosomie 6p21.3 gen HCR obejmuje pz genomowego DNA 15 różnych transkryptów - kodują 10 różnych białek transkrypty dla białek HCR ulegają alternatywnemu składaniu (splicingowi) (?) Istnieje wiele polimorficznych form białka HCR różniących się strukturą drugorzędową największe z białek 808 aa posiada masę cząsteczkową 91,6 kda (?) przypuszczalnie zawiera sygnał lokalizacji jądrowej (aa PGRRGRS) (?)białko jądrowe (?) przypuszczalnie posiadające motyw zamka leucynowego (?) tworzy dimery potencjalny regulator transkrypcji odgrywa rolę w regulacji proliferacji keratynocytów rozpoznanie białka (co już o nim wiadomo: struktura, funkcja, oddziaływania - NCBI, ExPASy,) analiza sekwencji: domeny, matryce, motywy, miejsca modyfikacji, charakterystyczne obszary model struktury drugorzędowej model struktury trzeciorzędowej Wykład 9, 2010/
39 ENTREZ Gene Przeszukanie Baz Danych NCBI: Q8TD31 Przeszukanie Baz Danych Wykład 9, 2010/
40 BLINK ExPASy Przeszukanie Baz Danych Wykład 9, 2010/
41 HCR BLAST (szukanie homologów) 81 podobieństwo! 82 Wykład 9, 2010/
42 BLAST wobec PDB Wykład 9, 2010/
43 Algorytm procedury szukania struktury Sekwencja białka Dane eksperymentalne dopasowanie wielosekwencyne Przeszukanie Baz Danych podział na domeny homolog w PDB? NIE przewidywanie struktury II-rz. rozpoznanie pofałdowania TAK analiza rodzin strukturaknych dopasowanie strukturalne TAK przewidziano? modelowanie porównawcze dopasowanie sekwencji do struktury NIE Model struktury trzeciorzędowej przewidywanie struktury III-rz. 85 Podział na domeny NCBI: CDD(A Conserved Domain Database and Search Service) Pfam SMART SBASE Wykład 9, 2010/
44 Podział na domeny 87 NCBI CD Wykład 9, 2010/
45 Pfam SMART Wykład 9, 2010/
46 Algorytm procedury szukania struktury Sekwencja białka Dane eksperymentalne dopasowanie wielosekwencyne Przeszukanie Baz Danych podział na domeny homolog w PDB? NIE przewidywanie struktury II-rz. rozpoznanie pofałdowania TAK analiza rodzin strukturaknych dopasowanie strukturalne TAK przewidziano? modelowanie porównawcze dopasowanie sekwencji do struktury NIE Model struktury trzeciorzędowej przewidywanie struktury III-rz. 91 Rozpoznanie struktury II-rzędowej i pofałdowania JNet A Neural Network Protein Secondary Structure Prediction Method ( ELM -Eukaryotic Linear Motif resource for functional sites in proteins ( --- nnpredict - University of California at San Francisco (UCSF) PSIpred - Various protein structure prediction methods at Brunel University SOPMA 92 Wykład 9, 2010/
47 Przeszukiwanie Baz Danych podział na domeny 93 SBase Wykład 9, 2010/
48 27-782: gnl CDD 27218, pfam07111, HCR, Alpha helical coiled-coil rod protein (HCR). This family consists of several mammalian alpha helical coiled-coil rod HCR proteins. The function of HCR is unknown but it has been implicated in psoriasis in humans and is thought to affect keratinocyte proliferation :gnl CDD 16998, pfam01576, Myosin_tail_1, Myosin tail. The myosin molecule is a multi-subunit complex made up of two heavy chains and four light chains it is a fundamental contractile protein found in all eukaryote cell types. This family consists of the coiled-coil myosin heavy chain tail region. The coiled-coil is composed of the tail from two molecules of myosin. These can then assemble into the macromolecular thick filament. The coiled-coil region provides the structural backbone the thick filament : gnl CDD 23781, pfam05557, MAD, Mitotic checkpoint protein. This family consists of several eukaryotic mitotic checkpoint (Mitotic arrest deficient or MAD) proteins. The mitotic spindle checkpoint monitors proper attachment of the bipolar spindle to the kinetochores of aligned sister chromatids and causes a cell cycle arrest in prometaphase when failures occur. Multiple components of the mitotic spindle checkpoint have been identified in yeast and higher eukaryotes. In S.cerevisiae, the existence of a Mad1- dependent complex containing Mad2, Mad3, Bub3 and Cdc20 has been demonstrated : gnl CDD 10293, COG0419, SbcC, ATPase involved in DNA repair [DNA replication, recombination, and repair] : gnl CDD 10914, COG1196, Smc, Chromosome segregation ATPases [Cell division and chromosome partitioning] Wykład 9, 2010/
49 ModBase ModBase Wykład 9, 2010/
50 ModBase servery - struktura IIrz. PSIpred - Prediction of secondary structure from multiple sequences PROF - Secondary Structure Prediction System PHDsec: the PredictProtein server at EMBL PREDATOR: another EMBL server NNPREDICT server at UCSF NSSP server at Baylor College of Medicine Implementation of GOR method in Leeds GOR at the University of Southampton JPRED Secondary structure prediction server at EBI Wykład 9, 2010/
51 PIR Peptide Match Results PSIpred struktura drugorzędowa Wykład 9, 2010/
52 coils - COILS: Wykład 9, 2010/
53 3D-PSSM Fold Recognition Wykład 9, 2010/
54 Wykład 9, 2010/
55 Apolipoprotein A1/A4/E family Prefoldin subunit Ezrin/radixin/moesin family Intermediate filament protein TolA protein Synaphin protein Tropomyosin 119 Modeller jedna z możliwych struktur HCR Wykład 9, 2010/
56 motyw zamka leucynowego (jedna nić) Modeller: fragment: (na strukturze miozyny) obszar bogaty w Gln Wykład 9, 2010/
57 MultiCoil Coiled-coil 123 Metaserver Bioinfo.pl 124 Wykład 9, 2010/
58 Wykład 9, 2010/
59 127 2TMA_A: tropomyosin Dopasowanie sekwencji HCR: możliwe modele 1C1G_A: (contractile protein : crystal structure of tropomyosin) dopasowanie sekwencji HCR C1CII: dopasowanie sekwencji HCR 2-537, SCOP: f.1.1 1CII: Crystal structure of colicin Ia dopasowanie sekwencji HCR: ,, SCOP: f.1.1 (rożne dopasowania 1CII zaproponowane przez różne serery) 128 Wykład 9, 2010/
60 1HCI: triple-helix coiled coil : crystal structure of the rod domain of alpha-actinin Dopasowanie sekwencji , SCOP: a.7.1 1SJJ_A:Actinin SCOP: a TR2, 1ST6: cell adhesion : crystal structure of human full-length vinculin, A cell adhesion : crystal structure of a cytoskeletal protein dopasowanie sekwencji HCR: , SCOP: a Wykład 9, 2010/
61 Dwa różne modele HCR_1SJJ HCR_1CII 131 HCR jako dimer Model CCHCR1 według 1CII jako dimer. Model CCHCR1 według 1SJJ jako dimer 132 Wykład 9, 2010/
62 Analiza modeli 3D białka CCHCR1 Verify3D-HCR_1SJJ Verify3D-HCR_1CII Na razie modelu nie można zweryfikować Wykład 9, 2010/
63 Koniec Wykład 9, 2010/
Wykład 10 2008-04-30. Bioinformatyka. Wykład 9. E. Banachowicz. Zakład Biofizyki Molekularnej IF UAM
Bioinformatyka Wykład 9 E. Banachowicz Zakład Biofizyki Molekularnej IF UAM http://www.amu.edu.pl/~ewas 1 Konsekwencje zestawieo wielu sekwencji - rodziny białkowe, domeny, motywy i wzorce 2 Bioinformatyka,
Bardziej szczegółowoBioinformatyka wykład 10.I.2008
Bioinformatyka wykład 10.I.2008 Przewidywanie struktur białek krzysztof_pawlowski@sggw.pl 2008-01-10 1 Plan wykładu pole siłowe - opis energetyczny struktur białka proces zwijania się białek przewidywanie
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 szczegółowoBioinformatyka wykład 12, 18.I.2011 Białkowa bioinformatyka strukturalna c.d.
Bioinformatyka wykład 12, 18.I.2011 Białkowa bioinformatyka strukturalna c.d. krzysztof_pawlowski@sggw.pl 18.01.11 1 Struktura natywna minimum energii swobodnej F = U TS Prawdopodobieństwo stanu ~ exp(-f/k
Bardziej szczegółowoBioinformatyka II Modelowanie struktury białek
Bioinformatyka II Modelowanie struktury białek 1. Który spośród wymienionych szablonów wybierzesz do modelowania? Dlaczego? Struktura krystaliczną czy NMR (to samo białko, ta sama rozdzielczość)? Strukturę
Bardziej szczegółowoBIOLOGICZNE BAZY DANYCH (1) GENOMY I ICH ADNOTACJE
BIOLOGICZNE BAZY DANYCH (1) GENOMY I ICH ADNOTACJE Podstawy Bioinformatyki wykład 2 PODSTAWY BIOINFORMATYKI 2018/2019 MAGDA MIELCZAREK 1 GENOMY I ICH ADNOTACJE NCBI Ensembl UCSC PODSTAWY BIOINFORMATYKI
Bardziej szczegółowoBIOLOGICZNE BAZY DANYCH (2) GENOMY I ICH ADNOTACJE. Podstawy Bioinformatyki wykład 4
BIOLOGICZNE BAZY DANYCH (2) GENOMY I ICH ADNOTACJE Podstawy Bioinformatyki wykład 4 GENOMY I ICH ADNOTACJE NCBI Ensembl UCSC PODSTAWY BIOINFORMATYKI 2017/2018 MAGDA MIELCZAREK 2 GENOMY I ICH ADNOTACJE
Bardziej szczegółowoBioinformatyka wykład 8, 27.XI.2012
Bioinformatyka wykład 8, 27.XI.2012 białkowa bioinformatyka strukturalna c.d. krzysztof_pawlowski@sggw.pl 2013-01-21 1 Plan wykładu regiony nieuporządkowane sposoby przedstawienia struktur białkowych powierzchnia
Bardziej szczegółowoBioinformatyka wykład 10
Bioinformatyka wykład 10 21.XII.2010 białkowa bioinformatyka strukturalna, c.d. krzysztof_pawlowski@sggw.pl 2011-01-17 1 Regiony nieuporządkowane disordered regions trudna definicja trudne do przewidzenia
Bardziej szczegółowoBioinformatyka II Modelowanie struktury białek
Bioinformatyka II Modelowanie struktury białek 1. Który spośród wymienionych szablonów wybierzesz do modelowania dla każdego z podanych przypadków? Dlaczego? Struktura krystaliczną czy NMR (to samo białko,
Bardziej szczegółowoBioinformatyka. (wykład monograficzny) wykład 5. E. Banachowicz. Zakład Biofizyki Molekularnej IF UAM
Bioinformatyka (wykład monograficzny) wykład 5. E. Banachowicz Zakład Biofizyki Molekularnej IF UM http://www.amu.edu.pl/~ewas lgorytmy macierze punktowe (DotPlot) programowanie dynamiczne metody heurystyczne
Bardziej szczegółowoBioinformatyka wykład 3.I.2008
Bioinformatyka wykład 3.I.2008 Białkowa bioinformatyka strukturalna c.d. krzysztof_pawlowski@sggw.pl 2008-01-03 1 Plan wykładu analiza i porównywanie struktur białek. doświadczalne metody badania struktur
Bardziej szczegółowoBioinformatyka. Bazy danych. Wykład 3. E. Banachowicz. Wykład monograficzny Bioinformatyka. Wykład 3, Zakład Biofizyki Molekularnej IF UAM
Bioinformatyka Wykład 3. E. Banachowicz Zakład Biofizyki Molekularnej IF UAM http://www.amu.edu.pl/~ewas Bazy danych Wykład 3, 2008 1 Niesekwencyjne BazyDanych bibliograficzne kliniczne ścieżek metabolicznych
Bardziej szczegółowoPodstawy biologiczne - komórki. Podstawy biologiczne - cząsteczki. Model komórki eukariotycznej. Wprowadzenie do Informatyki Biomedycznej
Wprowadzenie do Informatyki Biomedycznej Wykład 1: Podstawy bioinformatyki Wydział Informatyki PB Podstawy biologiczne - komórki Wszystkie organizmy zbudowane są z komórek komórka jest skomplikowanym systemem
Bardziej szczegółowoBioinformatyczne bazy danych
Bioinformatyczne bazy danych Czym jest bioinformatyka? Bioinformatyka jest nauką integrującą różne dziedziny wiedzy Gruca (2010) Czym jest bioinformatyka? Bioinformatyka obejmuje technologie wykorzystujące
Bardziej szczegółowoAnaliza grup i sygnałów używanych do budowy struktury białek z lokalnych deskryptorów
STRESZCZENIE ROZPRAWY DOKTORSKIEJ Analiza grup i sygnałów używanych do budowy struktury białek z lokalnych deskryptorów Michał Drabikowski 1 Wst ep Białka to czasteczki o fundamentalnym znaczeniu dla organizmów
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 szczegółowoBioinformatyczne bazy danych
Bioinformatyczne bazy danych Czym jest bioinformatyka? Bioinformatyka jest nauką integrującą różne dziedziny wiedzy Gruca (2010) http://bioinformaticsonline.com/file/view/4482/bioinformatics-definitions-and-applications
Bardziej szczegółowoDatabase resources of the National Center for Biotechnology Information. Magdalena Malczyk
Database resources of the National Center for Biotechnology Information Magdalena Malczyk NCBI NCBI = National Center for Biotechnology Information Założone w 1998 r. Cel: rozwijanie systemów informatycznych
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 szczegółowoBioinformatyka wykład 11, 11.I.2011 Białkowa bioinformatyka strukturalna c.d.
Bioinformatyka wykład 11, 11.I.2011 Białkowa bioinformatyka strukturalna c.d. krzysztof_pawlowski@sggw.pl 11.01.11 1 Dopasowanie strukturalne (alignment) odległość: d ij = (x i -x J ) 2 + (y i -y J ) 2
Bardziej szczegółowoBioinformatyka. Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl
Bioinformatyka Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl 1 Bazy danych biologicznych Bazy danych sekwencji nukleotydowych Pierwotne bazy danych (ang. primary database) Wykorzystywane do zbierania
Bardziej szczegółowoBIOINFORMATYKA. edycja 2016 / wykład 11 RNA. dr Jacek Śmietański
BIOINFORMATYKA edycja 2016 / 2017 wykład 11 RNA dr Jacek Śmietański jacek.smietanski@ii.uj.edu.pl http://jaceksmietanski.net Plan wykładu 1. Rola i rodzaje RNA 2. Oddziaływania wewnątrzcząsteczkowe i struktury
Bardziej szczegółowoBadanie długości czynników sieciujących metodami symulacji komputerowych
Badanie długości czynników sieciujących metodami symulacji komputerowych Agnieszka Obarska-Kosińska Prof. dr hab. Bogdan Lesyng Promotorzy: Dr hab. Janusz Bujnicki Zakład Biofizyki, Instytut Fizyki Doświadczalnej,
Bardziej szczegółowoJest to dziedzina biologiczna wywodząca się z biotechnologii. Bioinformatyka
Wstęp do obsługi biologicznych baz danych i analizy porównawczej białek i genów Katedra Fizjologii i Biotechnologii Roślin Pok. 113 CB jan.jastrzebski@uwm.edu.pl bioinformatyka@gmail.com www.ebiology.net
Bardziej szczegółowoKsięgarnia PWN: A.D. Baxevanis, B.F.F. Ouellette Bioinformatyka
Księgarnia PWN: A.D. Baxevanis, B.F.F. Ouellette Bioinformatyka Słowo wstępne XIII Przedmowa XV 1. Bioinformatyka i Internet Andreas D. Baxevanis 1 1.1. Podstawy Internetu 2 1.2. Połączenie z Internetem
Bardziej szczegółowoPrzewidywanie struktur białek
Łukasz Ołdziejewski Wydział Chemii UW Przewidywanie struktur białek czyli droga do projektowania indywidualnych leków Sprawozdanie studenckie 2007/2008 1 Indywidualność jednostki KaŜdy człowiek jest indywidualnym
Bardziej szczegółowoBioinformatyka wykład 9
Bioinformatyka wykład 9 14.XII.21 białkowa bioinformatyka strukturalna krzysztof_pawlowski@sggw.pl 211-1-17 1 Plan wykładu struktury białek dlaczego? struktury białek geometria i fizyka modyfikacje kowalencyjne
Bardziej szczegółowoOcena jakości modeli strukturalnych białek w oparciu o podobieństwo strukturalne i semantyczny opis funkcji w ontologii GO
Ocena jakości modeli strukturalnych białek w oparciu o podobieństwo strukturalne i semantyczny opis funkcji w ontologii GO Bogumil Konopka 1, Jean-Christophe Nebel 2, Malgorzata Kotulska 1 * 1 Politechnika
Bardziej szczegółowoRMSD - Ocena jakości wybranych molekularnych struktur przestrzennych
RMSD - Ocena jakości wybranych molekularnych struktur przestrzennych Joanna Wiśniewska Promotor: dr inż. P. Łukasiak Spis treści 1. Zakres pracy magisterskiej 2. Struktura białka 3. Struktura kwasów nukleionowych
Bardziej szczegółowoBudowa kwasów nukleinowych
Bioinformatyka (wykład monograficzny) wykład 2. E. Banachowicz Zakład Biofizyki Molekularnej IF UAM http://www.amu.edu.pl/~ewas Budowa kwasów nukleinowych Kwasy nukleinowe (DA i RA) zbudowane są z nukleotydów
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 szczegółowoBIOLOGICZNE BAZY DANYCH GENOMY I ICH ADNOTACJE. Pracownia Informatyczna 2
BIOLOGICZNE BAZY DANYCH GENOMY I ICH ADNOTACJE Pracownia Informatyczna 2 WYBRANE BIOLOGICZNE BAZY DANYCH GENOMY I ICH ADNOTACJE NCBI Ensembl UCSC NATIONAL CENTER FOR BIOTECHNOLOGY INFORMATION NCBI Utworzone
Bardziej szczegółowomodelowania makromolekuł wydawało się interesującym zadaniem. W pewnym sensie tego typu podejście zbliżone było do idei de Gennes a, z jedną jednak
Zarys historii Pracowni Teorii Biopolimerów Wydziału Chemii UW (Zakład Dydaktyczny Chemii Teoretycznej i Krystalografii) prof. dr hab. Andrzej Koliński Pracownia Teorii Biopolimerów jest jedną z mniejszych
Bardziej szczegółowoBUDOWA I FUNKCJA GENOMU LUDZKIEGO
BUDOWA I FUNKCJA GENOMU LUDZKIEGO Magdalena Mayer Katedra i Zakład Genetyki Medycznej UM w Poznaniu 1. Projekt poznania genomu człowieka: Cele programu: - skonstruowanie szczegółowych map fizycznych i
Bardziej szczegółowoModelowanie homologiczne
Modelowanie homologiczne Struktura trzeciorzędowa ułatwia planowanie eksperymentów oraz interpretację otrzymanych wyników Struktura trzeciorzędowa Hemoglobiny - na 226 białek z tej rodziny zawsze grupa
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 szczegółowoBioinformatyka. Michał Bereta
Bioinformatyka Michał Bereta mbereta@pk.edu.pl www.michalbereta.pl 1 Bazy danych biologicznych Bazy danych sekwencji nukleotydowych Pierwotne bazy danych (ang. primary database) Wykorzystywane do zbierania
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI WYKŁAD 3 BIOLOGICZNE BAZY DANYCH (1)
PODSTAWY BIOINFORMATYKI WYKŁAD 3 BIOLOGICZNE BAZY DANYCH (1) BIOINFORMATYKA HISTORIA 1. 1982 utworzenie bazy danych GenBank (NIH) dane ogólnodostępne sekwencje nukleotydów 2. Wprowadzenie sekwencji z projektu
Bardziej szczegółowoBioinformatyka. Porównywanie sekwencji
Bioinformatyka Wykład 5 E. Banachowicz Zakład Biofizyki Molekularnej IF UM 1 http://www.amu.edu.pl/~ewas Porównywanie sekwencji Pierwsze pytanie biologa molekularnego, kiedy odkryje nową sekwencję: zy
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI WYKŁAD 3 BIOLOGICZNE BAZY DANYCH (2)
PODSTAWY BIOINFORMATYKI WYKŁAD 3 BIOLOGICZNE BAZY DANYCH (2) BIOINFORMATYKA HISTORIA 1. 1982 utworzenie bazy danych GenBank (NIH) dane ogólnodostępne sekwencje nukleotydów 2. Wprowadzenie sekwencji z projektu
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 szczegółowoPrzewidywanie struktury kanału białkowego z wykorzystaniem probabilistycznych gramatyk formalnych oraz modelu ciągłego przepływu jonów
Przewidywanie struktury kanału białkowego z wykorzystaniem probabilistycznych gramatyk formalnych oraz modelu ciągłego przepływu jonów Witold Dyrka Instytut Inżynierii Biomedycznej i Pomiarowej, Politechnika
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 szczegółowoHistoria Bioinformatyki
Historia Bioinformatyki 1859 Darwin i Wallace opublikowali O powstaniu gatunku 1865 Mendel eksperymentując z grochem, wykazuje, że cechy dziedziczą się w odrębnych jednostkach 1869 Meischer wyizolował
Bardziej szczegółowoMultiSETTER: web server for multiple RNA structure comparison. Sandra Sobierajska Uniwersytet Jagielloński
MultiSETTER: web server for multiple RNA structure comparison Sandra Sobierajska Uniwersytet Jagielloński Wprowadzenie Budowa RNA: - struktura pierwszorzędowa sekwencja nukleotydów w łańcuchu: A, U, G,
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 szczegółowoKontakt.
BIOINFORMATYKA i BIOLOGIA OBLICZENIOWA Kontakt Małgorzata.Kotulska@pwr.edu.pl Katedra Inżynierii Biomedycznej WPPT http://www.kotulska-lab.pwr.wroc.pl/forstudents/ D1 pok. 115 Konsultacje : czwartek 17.05-18.55
Bardziej szczegółowoRecenzja. Warszawa, dnia 22 października 2018 r.
Warszawa, dnia 22 października 2018 r. Dr hab. Sebastian Kmiecik Wydział Chemii, Centrum Nauk Biologiczno-Chemicznych, Uniwersytet Warszawski, Pasteura 1, Warszawa email: sekmi@chem.uw.edu.pl Recenzja
Bardziej szczegółowoWielofunkcyjne bialko CBC dynamika wiazania konca 5 mrna
Wielofunkcyjne bialko CBC dynamika wiazania konca 5 mrna Ryszard Stolarski UNIWERSYTET WARSZAWSKI Wydzial Fizyki, Instytut Fizyki Doswiadczalnej, Zaklad Biofizyki ul. Zwirki i Wigury 93, 02-089 Warszawa
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 szczegółowoDopasowania par sekwencji DNA
Dopasowania par sekwencji DNA Tworzenie uliniowień (dopasowań, tzw. alignmentów ) par sekwencji PSA Pairwise Sequence Alignment Dopasowania globalne i lokalne ACTACTAGATTACTTACGGATCAGGTACTTTAGAGGCTTGCAACCA
Bardziej szczegółowoPrzybliżone algorytmy analizy ekspresji genów.
Przybliżone algorytmy analizy ekspresji genów. Opracowanie i implementacja algorytmu analizy danych uzyskanych z eksperymentu biologicznego. 20.06.04 Seminarium - SKISR 1 Wstęp. Dane wejściowe dla programu
Bardziej szczegółowoBioinformatyka. Rodzaje Mutacji
Bioinformatyka (wykład monograficzny) wykład 3. E. Banachowicz Zakład Biofizyki Molekularnej IF UAM http://www.amu.edu.pl/~ewas Rodzaje Mutacji zmienność sekwencji (sequence variation) mutacje polimorfizm
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 szczegółowoBioinformatyczne bazy danych
Bioinformatyczne bazy danych Czym jest bioinformatyka? Bioinformatyka jest nauką integrującą różne dziedziny wiedzy Gruca (2010) Czym jest bioinformatyka? Bioinformatyka obejmuje technologie wykorzystujące
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 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 szczegółowoWieloskalowe modelowanie molekularne bia³ek
Osi¹gniêcia Nauki i Techniki Kierunki Rozwoju i Metody KONWERSATORIUM POLITECHNIKI WARSZAWSKIEJ Wk³adka nr 10 do Miesiêcznika Politechniki Warszawskiej nr 2/2007 Redaktor merytoryczny Stanis³aw Janeczko
Bardziej szczegółowoKaja Milanowska. Lista publikacji - październik 2012. I. Prace oryginalne (rozdziały w książkach zbiorowych, artykuły w czasopismach):
Kaja Milanowska Lista publikacji - październik 2012 I. Prace oryginalne (rozdziały w książkach zbiorowych, artykuły w czasopismach): 1. Philips A, Milanowska K, Lach G, Boniecki M, Rother K, Bujnicki JM
Bardziej szczegółowoBioinformatyczne bazy danych - część 2. -przeszukiwanie baz danych -pobieranie danych
Bioinformatyczne bazy danych - część 2 -przeszukiwanie baz danych -pobieranie danych Numery dostępowe baz danych (accession number) to ciąg liter i cyfr służących jako etykieta identyfikująca sekwencję
Bardziej szczegółowoJajko czy kura? czyli gdzie dwóch się bije, tam trzeci korzysta
Jajko czy kura? czyli gdzie dwóch się bije, tam trzeci korzysta Jacek Śmietański IIMK UJ 21.10.2015 Jajko czy kura Pytanie tytułowe Co było na początku? Jajko czy kura? Rother M., 2012 Pytanie tytułowe
Bardziej szczegółowoKombinatoryczna analiza widm 2D-NOESY w spektroskopii Magnetycznego Rezonansu Jądrowego cząsteczek RNA. Marta Szachniuk
Kombinatoryczna analiza widm 2D-NOESY w spektroskopii Magnetycznego Rezonansu Jądrowego cząsteczek RNA Marta Szachniuk Plan prezentacji Wprowadzenie do tematyki badań Teoretyczny model problemu Złożoność
Bardziej szczegółowoProjekty Marie Curie Actions w praktyce: EGALITE (IAPP) i ArSInformatiCa (IOF)
Gliwice, Poland, 28th February 2014 Projekty Marie Curie Actions w praktyce: EGALITE (IAPP) i ArSInformatiCa (IOF) Krzysztof A. Cyran The project has received Community research funding under the 7th Framework
Bardziej szczegółowoOd jakiego pułapu startujemy? matematyka
dla biotechnologów Wykład 2 Definicja bioinformatyki Od jakiego pułapu startujemy? Zakładamy, że te pojęcia są w małym palcu: DNA, RNA struktura, funkcje, rodzaje Genom Białka struktury, funkcje, rodzaje,
Bardziej szczegółowoBiologiczne bazy i modele danych
Biologiczne bazy i modele danych Przełom XX i XXI wieku to okres dynamicznego rozwoju programów sekwencjonowania genomów: 1995 genom Haemophilus influenzae 1997 genom E. coli 1997 genom drożdży S. cerevisiae
Bardziej szczegółowoPodstawy bioinformatyki - biologiczne bazy danych
Podstawy bioinformatyki - biologiczne bazy danych Czym jest bioinformatyka? Bioinformatyka Bioinformatyka jest interdyscyplinarną dziedziną nauki obejmującą wykorzystanie metod obliczeniowych do badania
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 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 szczegółowona podstawie artykułu: Modeling Complex RNA Tertiary Folds with Rosetta Clarence Yu Cheng, Fang-Chieh Chou, Rhiju Das
na podstawie artykułu: Modeling Complex RNA Tertiary Folds with Rosetta Clarence Yu Cheng, Fang-Chieh Chou, Rhiju Das wykonała: Marta Szynczewska bioinformatyka Uniwersytet Jagielloński Struktura I-rzędowa
Bardziej szczegółowoWyszukiwanie podobnych sekwencji w bazach danych. Wyszukiwanie w sekwencji nukleotydów czy aminokwasów? Czułość i selektywność
Wersja 1.05 Wprowadzenie do Informatyki Biomedycznej Wykład 3: Wyszukiwanie w bazach sekwencji Przewidywanie genów Wydział Informatyki PB Marek Krętowski pokój 206 e-mail: m.kretowski@pb.edu.pl http://aragorn.pb.bialystok.pl/~mkret
Bardziej szczegółowoBazy i modele danych
Bazy i modele danych Przełom XX i XXI wieku to okres dynamicznego rozwoju programów sekwencjonowania genomów: 1995 genom Haemophilus influenzae 1997 genom E. coli 1997 genom drożdży S. cerevisiae 1998
Bardziej szczegółowoGENOMIKA. MAPOWANIE GENOMÓW MAPY GENOMICZNE
GENOMIKA. MAPOWANIE GENOMÓW MAPY GENOMICZNE Bioinformatyka, wykład 3 (21.X.2008) krzysztof_pawlowski@sggw.waw.pl tydzień temu Gen??? Biologiczne bazy danych historia Biologiczne bazy danych najważniejsze
Bardziej szczegółowoWSTĘP DO BIOINFORMATYKI Konspekt wykładu - wiosna 2018/19
WSTĘP DO BIOINFORMATYKI Konspekt wykładu - wiosna 2018/19 Witold Dyrka 14 marca 2019 1 Wprowadzenie 1.1 Definicje bioinformatyki Według polskiej Wikipedii [1], Bioinformatyka interdyscyplinarna dziedzina
Bardziej szczegółowoBioinformatyka. Wykład 2 (12.X.2010) I r. studiów magisterskich, biologia (SGGW) Krzysztof Pawłowski
Bioinformatyka Wykład 2 (12.X.2010) I r. studiów magisterskich, biologia (SGGW) Krzysztof Pawłowski tydzień temu Co to jest bioinformatyka Sekwencjonowanie genomów historia Metagenomika Wykład 2 spis treści
Bardziej szczegółowoO/F dydaktycznych. 1. Chemia ogólna i nieorganiczna (WBt-ZZ03) wykłady, ćwiczenia O E
Załącznik nr 3 do Uchwały Rady Wydziału Biochemii, Biofizyki i Biotechnologii UJ z dnia 19 czerwca 2018 r. w sprawie programu i planu studiów na kierunku BIOTECHNOLOGIA na poziomie studiów pierwszego stopnia
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI 6 BAZA DANYCH NCBI - II
PODSTAWY BIOINFORMATYKI 6 BAZA DANYCH NCBI - II BAZA DANYCH NCBI 1. NCBI 2. Dane gromadzone przez NCBI 3. Przegląd baz danych NCBI: Publikacje naukowe Projekty analizy genomów OMIM: fenotypy człowieka
Bardziej szczegółowoKomputerowe wspomaganie projektowanie leków
Komputerowe wspomaganie projektowanie leków wykład IV Prof. dr hab. Sławomir Filipek Grupa BIOmodelowania Uniwersytet Warszawski, Wydział Chemii oraz Centrum Nauk Biologiczno-Chemicznych Cent-III www.biomodellab.eu
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 szczegółowoBioinformatyka. z sylabusu...
Bioinformatyka Wykład 1. E. Banachowicz Zakład Biofizyki Molekularnej IF UAM http://www.amu.edu.pl/~ewas z sylabusu... Wykład 1, 2010/2011 1 Orientacyjny plan wykładów 1. Przegląd baz danych, formaty danych
Bardziej szczegółowoGrafy i sieci wybrane zagadnienia wykład 3: modele służące porównywaniu sieci
Grafy i sieci wybrane zagadnienia wykład 3: modele służące porównywaniu sieci prof. dr hab. inż. Marta Kasprzak Instytut Informatyki, Politechnika Poznańska Plan wykładu 1. Sieci jako modele interakcji
Bardziej szczegółowoBazy danych i biologia
Bazy danych i biologia Biologiczne Aplikacje Baz Danych Politechnika Poznańska dr inż. Anna Leśniewska alesniewska@cs.put.poznan.pl Biological databases play a central role in bioinformatics. They offer
Bardziej szczegółowoGenetyka i biologia eksperymentalna studia I stopnia 2017/18/19
003 Uchwała RW Nr 136/2018 z dnia 24 maja 2018 r. zmiana w ofercie przedmiotów do wyboru dla II roku 2018/19 (zmiana Uchwały RW Nr 130/2017 z dnia 25 maja 2017 r.) Genetyka i biologia eksperymentalna studia
Bardziej szczegółowoWykład 5 Dopasowywanie lokalne
Wykład 5 Dopasowywanie lokalne Dopasowanie par (sekwencji) Dopasowanie globalne C A T W A L K C A T W A L K C O W A R D C X X O X W X A X R X D X Globalne dopasowanie Schemat punktowania (uproszczony)
Bardziej szczegółowoCo to jest transkryptom? A. Świercz ANALIZA DANYCH WYSOKOPRZEPUSTOWYCH 2
ALEKSANDRA ŚWIERCZ Co to jest transkryptom? A. Świercz ANALIZA DANYCH WYSOKOPRZEPUSTOWYCH 2 Ekspresja genów http://genome.wellcome.ac.uk/doc_wtd020757.html A. Świercz ANALIZA DANYCH WYSOKOPRZEPUSTOWYCH
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 szczegółowoBioinformatyka 2 (BT172) Struktura i organizacja kursu
Bioinformatyka 2 (BT172) Wykład 1 Struktura i organizacja kursu dr Krzysztof Murzyn adiunkt w Zakładzie Biofizyki WBtUJ pok. B028, tel. 664-6379 10.X.2005 PODSTAWOWE INFORMACJE 9 godz. wykładów (45 min,
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 szczegółowoOpenPoland.net API Documentation
OpenPoland.net API Documentation Release 1.0 Michał Gryczka July 11, 2014 Contents 1 REST API tokens: 3 1.1 How to get a token............................................ 3 2 REST API : search for assets
Bardziej szczegółowoAbstracts of the. BIO 2016 Congress. 2nd Congress of the Polish Biochemistry, Cell Biology, Biophysics and Bioinformatics
2nd Congress of the Polish Biochemistry, Cell Biology, Biophysics and Bioinformatics 50th Meeting of the Polish Biochemical Society 13th Conference of the Polish Society for Cell Biology Honorary Patronage:
Bardziej szczegółowoBIOLOGICZNE BAZY DANYCH SYLABUS
BIOLOGICZNE BAZY DANYCH SYLABUS Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Rok studiów /semestr
Bardziej szczegółowoGenetyka i biologia eksperymentalna studia I stopnia 2018/19/20/21
Genetyka i biologia eksperymentalna studia I stopnia 2018/19/20/21 003 Uchwała RW Nr 141/2018 z dnia 28 czerwca 2018 r. NAZWA PRZEDMIOTU pkt ECTS E/Z suma godz wykł. konw. sem. ćw. lab. ćw. ter. SEMESTR
Bardziej szczegółowoSystemy wbudowane. Poziomy abstrakcji projektowania systemów HW/SW. Wykład 9: SystemC modelowanie na różnych poziomach abstrakcji
Systemy wbudowane Wykład 9: SystemC modelowanie na różnych poziomach abstrakcji Poziomy abstrakcji projektowania systemów HW/SW 12/17/2011 S.Deniziak:Systemy wbudowane 2 1 Model czasu 12/17/2011 S.Deniziak:Systemy
Bardziej szczegółowoPublic gene expression data repositoris
Public gene expression data repositoris GEO [Jan 2011]: 520 k samples 21 k experiments Homo, mus, rattus Bos, sus Arabidopsis, oryza, Salmonella, Mycobacterium et al. 17.01.11 14 17.01.11 15 17.01.11 16
Bardziej szczegółowoCałogenomowa analiza niskocząsteczkowych RNA, pochodzących z trna w Arabidopsis thaliana
UNIWERSYTET IM. ADAMA MICKIEWICZA Wydział Biologii Całogenomowa analiza niskocząsteczkowych RNA, pochodzących z trna w Arabidopsis thaliana Agnieszka Thompson Instytut Biologii Molekularnej i Biotechnologii
Bardziej szczegółowo4.1 Hierarchiczna budowa białek
Spis treści 4.1 ierarchiczna budowa białek... 51 4.1.1 Struktura pierwszorzędowa... 51 4.1.2 Struktura drugorzędowa... 53 4.1.3 Struktura trzeciorzędowa... 60 4.1.4 Rodzaje oddziaływań stabilizujących
Bardziej szczegółowo10/9/2013. Bioinformatyka i Biologia Obliczeniowa. BIOINFORMATYKA Co to jest i po co? Czym będziemy zajmować się na kursie: Tematyka wykładu
Bioinformatyka i Biologia Obliczeniowa Małgorzata.Kotulska@pwr.wroc.pl Instytut InŜynierii Biomedycznej i Pomiarowej D1 pok. 115 Konsultacje: czwartek: godz. 9-11 wtorek 9-11 (preferowane info emailowe
Bardziej szczegółowoPodstawy bioinformatyki dla biotechnologów. plan. Od jakiego pułapu startujemy? Wykład 2. Definicja bioinformatyki
dla biotechnologów Wykład 2 Definicja bioinformatyki Wykład 2 plan Sprawy organizacyjne Definicje bioinformatyki Miejsce i dziedziny bioinformatyki Projekty bioinformatyczne Wykład 2 / 2 Od jakiego pułapu
Bardziej szczegółowoBSc Biotechnology Curriculum 2018/2019
BSc Biotechnology Curriculum 2018/2019 Semester I (winter) Plant Biology exam Dr Alicja Dołzbłasz (WNB**) Plant Biology 1 15 Animal Biology Dr Magdalena Chmielewska (WNB**) exam Animal Biology Dr Marta
Bardziej szczegółowo1
PLAN STUDIÓW kierunek BIOTECHNOLOGIA studia pierwszego stopnia PIERWSZY ROK STUDIÓW I semestr (zimowy) WBt-ZZ03 Chemia ogólna i nieorganiczna 45 45 E 6 WBT-BT622-1 Chemia organiczna dla kierunku biotechnologia
Bardziej szczegółowo