OBLICZENIA ZA POMOCĄ PROTEIN
|
|
- Marta Janik
- 5 lat temu
- Przeglądów:
Transkrypt
1 OBLICZENIA ZA POMOCĄ PROTEIN
2 KODOWANIE I PRZETWARZANIE INFORMACJI W ORGANIZMACH Informacja genetyczna jest przechowywana w DNA i RNA w postaci liniowych sekwencji nukleotydów W genach jest przemieniana w łańcuch aminokwasów, które składają się na białko W układzie nerwowym informacja kodowana jest przy pomocy neuronów zmysłu Układ nerwowy jest dynamicznie programowalny, tak samo jak i wyjście genomu
3 KODOWANIE I PRZETWARZANIE - SIECI SYGNALIZACYJNE Wykrywają obecny stan chemiczny danej komórki i podejmują odpowiednią reakcję Nadzorują środowisko zewnętrzne: rejestrują źródła pożywienia, balans soli Biorą pod rozwagę swój wewnętrzny stan Kalkulują i podejmują odpowiednie kroki: ruch, transport błon, wzrost i zanik komórkowy
4 RODZAJE PRZETWARZANIA INFORMACJI PRZY POMOCY BIAŁEK Pamięciowa przechowywanie informacji Oscylacja cykliczne, regularne przechodzenie przez kolejne sekwencje stanów Selekcja wzorca podejmowanie decyzji o następnych krokach poprzez wybór odpowiedniej informacji wejściowej
5 BISTABILNOŚĆ Elementy odpowiadające za przetwarzanie informacji otrzymują pełen szumów sygnał analogowy Z tego sygnału muszą wyznaczyć cyfrową odpowiedź binarną o postaci tak bądź nie Przykłady: bakteria poszukująca cukrów, napromieniowana komórka skóry, wirus
6 BISTABILNOŚĆ Osiągana jest poprzez pamięć utrzymywaną przez sieć biochemiczną Zasada przełącznika włączony bądź wyłączony Stan wyłączenia - glukoza dostępna, represor aktywny poziom laktozy bez znaczenia Stan wyłączenia glukoza niedostępna, uwolniona laktoza dezaktywuje represory co prowadzi do raptownej produkcji białek transportowych
7 OPERON LAKTOZOWY M mrna P białko transportowe I katalizator I ext zagęszczenie katalizatorów w środowisku zew. k i l constans dla syntezy i degradacji K stała dysocjacji
8 SYNAPSY Neurony wymieniają informację poprzez małe złącza zwane synapsami. Neuron posiada ok synaps, ludzki mózg ok synaps Są to złożone struktury o średnicy około pół mikrona Współczesne badania eksperymentalne oraz modele teoretyczne sugerują, że zmiana siły połączeń synaps tworzy komórkową podstawę dla stworzenia pamięci.
9 PRZEŁĄCZNIKI DWUSTANOWE Surowe wymagania dla synaptycznych przełączników, wynikające głównie z budowy synapsy (mała objętość ok. 0,1 femtolitra) Elektryczne stymulanty sterujące synapsą trwające nie więcej niż sekundę mogą spowodować poważne zmiany w synapsie trwające wiele dni, albo nawet cały okres życia synapsy Losowe fluktuacje mogą spowodować zmianę stanu przełącznika
10 PRZEŁĄCZNIKI DWUSTANOWE - REALIZACJE Realizacja synaptycznych przełączników cząsteczkowych napotyka wiele trudności inżynierskich i wydaje się nie mieć przyszłości. Niemniej jednak badacze zaproponowali dotychczas kilku kandydatów: CaMKII przewidywany czas spontanicznego przełączenia stanu ok. 100 lat MAPK przełącznik decydujący o tym, czy komórka ma rosnąć i się dzielić
11 OSCYLATORY W pewnych przypadkach odpowiedź komórki nie jest prostą decyzją tak lub nie, tylko pewnym oscylującym wyjściem, na przykład: Komórki przechowujące hormony często wydzielają je w tych samych odstępach czasowych. Nowo zapłodnione komórki jajowe przechodzą gwałtowne, periodyczne zmiany replikacji DNA oraz podziału komórkowego
12 PĘTLE SPRZĘŻENIA ZWROTNEGO W sieciach z dodatnim sprzężeniem zwrotnym tworzą się przełączniki, natomiast w sieciach z reakcjami biochemicznymi z ujemnym sprzężeniem zwrotnym oraz pewnym rodzajem pamięci pojawiają się oscylacje. Ujemne sprzężenie zwrotne jest dobrym projektem homeostazy buforuje stabilne poziomy, zabezpieczając je przed zmianami w sygnale wejściowym.
13 SELEKTYWNOŚĆ WZORCA Obliczenia za pomocą białek to nie tylko przełączanie switch y i oscylacje. Selektywność wzorca odnosi się do pewnej możliwości odpowiedzi komórkowych, które mogą być dostrojone do konkretnych wzorców pobudzenia. Na przykład: Embriogeneza, czyli proces, w którym embrion rozwija się i zmienia w złożony organizm z różnymi częściami ciała, jest bardzo mocno zależna od selektywności wzorca. Podobnie w sieciach neuronowych, pierwsze wejście, które otrzymuje synapsa to wzorzec elektrycznych impulsów z podłączonego neuronu, więc synapsa musi być w stanie odkodować ten przychodzący wzorzec.
14 SELEKTYWNOŚĆ WZORCA Obliczenia za pomocą białek to nie tylko przełączanie switch y i oscylacje. Selektywność wzorca odnosi się do pewnej możliwości odpowiedzi komórkowych, które mogą być dostrojone do konkretnych wzorców pobudzenia. Na przykład: Embriogeneza, czyli proces, w którym embrion rozwija się i zmienia w złożony organizm z różnymi częściami ciała, jest bardzo mocno zależna od selektywności wzorca. Podobnie w sieciach neuronowych, pierwsze wejście, które otrzymuje synapsa to wzorzec elektrycznych impulsów z podłączonego neuronu, więc synapsa musi być w stanie odkodować ten przychodzący wzorzec.
15 CZĘŚCI SKŁADOWE BIOCHEMICZNYCH OBLICZEŃ
16 ZACHOWANIE NAJPROSTSZEGO PRZEŁĄCZNIKA
17 DAG (DIRECTED ACYCLIC GRAPH) Graf przedstawiający związki pomiędzy poszczególnymi przełącznikami biochemicznymi.
18 ZASTOSOWANIE STRUKTUR BIAŁKOWYCH kontrola, sterowanie (np. biomimika); biotechnologia procesy fizjologiczne (leczenie urazów i ran, reakcje immunologiczne); sztuczny przełącznik genetyczny; oscylator;
19 KONIECZNE KIERUNKI ROZWOJU poszukiwanie nowych, lepszych metod eksperymentalnych (mikroskopia ilościowa białek, bardziej realistyczne modele matematyczne); zaprojektowanie lepszych narzędzi i algorytmów obliczeniowych (zrozumienie bardziej skomplikowanych struktur białkowych); zrozumienie istoty obliczeń biochemicznych;
20 SPORY W OBLICZENIOWEJ BIOLOGII KOMÓRKOWEJ metoda eksperymentów (ogólna, wysokowydajna czy szczegółowa, skupiona); sposób modelowania (góra dół, dół góra); model ODE czy model dyskretny;
21 KONIEC DZIĘKUJEMY ZA UWAGĘ.
Kombinatoryczna 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 szczegółowoSieć Hopfielda. Sieci rekurencyjne. Ewa Adamus. ZUT Wydział Informatyki Instytut Sztucznej Inteligencji i Metod Matematycznych.
Sieci rekurencyjne Ewa Adamus ZUT Wydział Informatyki Instytut Sztucznej Inteligencji i Metod Matematycznych 7 maja 2012 Jednowarstwowa sieć Hopfielda, z n neuronami Bipolarna funkcja przejścia W wariancie
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 szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD X: Sztuczny neuron Koneksjonizm: wprowadzenie 1943: Warren McCulloch, Walter Pitts: ogólna teoria przetwarzania informacji oparta na sieciach binarnych
Bardziej szczegółowoInformatyka w medycynie Punkt widzenia kardiologa
Informatyka w medycynie Punkt widzenia kardiologa Lech Poloński Mariusz Gąsior Informatyka medyczna Dział informatyki zajmujący się jej zastosowaniem w ochronie zdrowia (medycynie) Stymulacja rozwoju informatyki
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 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 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 szczegółowoBADANIE PRZERZUTNIKÓW ASTABILNEGO, MONOSTABILNEGO I BISTABILNEGO
Ćwiczenie 11 BADANIE PRZERZUTNIKÓW ASTABILNEGO, MONOSTABILNEGO I BISTABILNEGO 11.1 Cel ćwiczenia Celem ćwiczenia jest poznanie rodzajów, budowy i właściwości przerzutników astabilnych, monostabilnych oraz
Bardziej szczegółowo8. Neuron z ciągłą funkcją aktywacji.
8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i
Bardziej szczegółowoSIECI NEURONOWE Liniowe i nieliniowe sieci neuronowe
SIECI NEURONOWE Liniowe i nieliniowe sieci neuronowe JOANNA GRABSKA-CHRZĄSTOWSKA Wykłady w dużej mierze przygotowane w oparciu o materiały i pomysły PROF. RYSZARDA TADEUSIEWICZA BUDOWA RZECZYWISTEGO NEURONU
Bardziej szczegółowoMetody Sztucznej Inteligencji II
17 marca 2013 Neuron biologiczny Neuron Jest podstawowym budulcem układu nerwowego. Jest komórką, która jest w stanie odbierać i przekazywać sygnały elektryczne. Neuron działanie Jeżeli wartość sygnału
Bardziej szczegółowoInteligentne systemy informacyjne
Inteligentne systemy informacyjne Moduł 10 Mieczysław Muraszkiewicz www.icie.com.pl/lect_pw.htm M. Muraszkiewicz strona 1 Sieci neuronowe szkic Moduł 10 M. Muraszkiewicz strona 2 Dwa nurty M. Muraszkiewicz
Bardziej szczegółowoInteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe
Inteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe wykład 1. Właściwości sieci neuronowych Model matematyczny sztucznego neuronu Rodzaje sieci neuronowych Przegląd d głównych g
Bardziej szczegółowoWstęp do teorii sztucznej inteligencji Wykład II. Uczenie sztucznych neuronów.
Wstęp do teorii sztucznej inteligencji Wykład II Uczenie sztucznych neuronów. 1 - powtórzyć o klasyfikacji: Sieci liniowe I nieliniowe Sieci rekurencyjne Uczenie z nauczycielem lub bez Jednowarstwowe I
Bardziej szczegółowoPolitechnika Gdańska. Gdańsk, 2016
Politechnika Gdańska Wydział Elektroniki, Telekomunikacji i Informatyki Katedra Systemów Geoinformatycznych Aplikacje Systemów Wbudowanych Programowalne Sterowniki Logiczne (PLC) Krzysztof Bikonis Gdańsk,
Bardziej szczegółowoSztuczne sieci neuronowe
www.math.uni.lodz.pl/ radmat Cel wykładu Celem wykładu jest prezentacja różnych rodzajów sztucznych sieci neuronowych. Biologiczny model neuronu Mózg człowieka składa się z około 10 11 komórek nerwowych,
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Bardziej szczegółowoUkłady asynchroniczne
Układy asynchroniczne Model układu asynchronicznego y x n UK y m układ kombinacyjny q k BP q k blok pamięci realizuje opóźnienia adeusz P x x t s tan stabilny s: δ(s,x) = s automacie asynchronicznym wszystkie
Bardziej szczegółowoCZYM SĄ OBLICZENIA NAT A URALNE?
CZYM SĄ OBLICZENIA NATURALNE? Co to znaczy obliczać (to compute)? Co to znaczy obliczać (to compute)? wykonywać operacje na liczbach? (komputer = maszyna licząca) wyznaczać wartości pewnych funkcji? (program
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 szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład III: Psychologiczne modele umysłu Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe)
Bardziej szczegółowoCo to są wzorce rytmów?
Sieci neuropodobne XII, Centralne generatory wzorców 1 Co to są wzorce rytmów? Centralne generatory rytmów są układami neuronowymi powodujących cykliczną aktywację odpowiednich mięśni, mogą działać w pewnym
Bardziej szczegółowoWstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.
Wstęp do teorii sztucznej inteligencji Wykład III Modele sieci neuronowych. 1 Perceptron model najprostzszy przypomnienie Schemat neuronu opracowany przez McCullocha i Pittsa w 1943 roku. Przykład funkcji
Bardziej szczegółowoAsynchroniczne statyczne układy sekwencyjne
Asynchroniczne statyczne układy sekwencyjne Układem sekwencyjnym nazywany jest układ przełączający, posiadający przynajmniej jeden taki stan wejścia, któremu odpowiadają, zależnie od sygnałów wejściowych
Bardziej szczegółowoSpis treści. Przedmowa Wykaz oznaczeń Wstęp Układy kombinacyjne... 18
Spis treści Przedmowa... 11 Wykaz oznaczeń... 13 1. Wstęp... 15 1.1. Układycyfrowe... 15 1.2. Krótki esej o projektowaniu.... 15 2. Układy kombinacyjne... 18 2.1. Podstawyprojektowaniaukładówkombinacyjnych...
Bardziej szczegółowoPODSTAWY MODELOWANIA UKŁADÓW DYNAMICZNYCH W JĘZYKACH SYMULACYJNYCH
PODSTAWY MODELOWANIA UKŁADÓW DYNAMICZNYCH W JĘZYKACH SYMULACYJNYCH ( Na przykładzie POWERSIM) M. Berndt-Schreiber 1 Plan Zasady modelowania Obiekty symbole graficzne Dyskretyzacja modelowania Predefiniowane
Bardziej szczegółowoWstęp do sztucznych sieci neuronowych
Wstęp do sztucznych sieci neuronowych Michał Garbowski Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Wydział Informatyki 15 grudnia 2011 Plan wykładu I 1 Wprowadzenie Inspiracja biologiczna
Bardziej szczegółowoWykład 1. Od atomów do komórek
Wykład 1. Od atomów do komórek Skład chemiczny komórek roślinnych Składniki mineralne (nieorganiczne) - popiół Substancje organiczne (sucha masa) - węglowodany - lipidy - kwasy nukleinowe - białka Woda
Bardziej szczegółowoTemat: Sztuczne Sieci Neuronowe. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Sztuczne Sieci Neuronowe Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sztuczne sieci neuronowe
Bardziej szczegółowo6. Z pięciowęglowego cukru prostego, zasady azotowej i reszty kwasu fosforowego, jest zbudowany A. nukleotyd. B. aminokwas. C. enzym. D. wielocukier.
ID Testu: F5679R8 Imię i nazwisko ucznia Klasa Data 1. Na indywidualne cechy danego osobnika ma (maja) wpływ A. wyłacznie czynniki środowiskowe. B. czynniki środowiskowe i materiał genetyczny. C. wyłacznie
Bardziej szczegółowoFIZJOLOGIA CZŁOWIEKA
FIZJOLOGIA CZŁOWIEKA Daniel McLaughlin, Jonathan Stamford, David White FIZJOLOGIA CZŁOWIEKA Daniel McLaughlin Jonathan Stamford David White Przekład zbiorowy pod redakcją Joanny Gromadzkiej-Ostrowskiej
Bardziej szczegółowoTematy- Biologia zakres rozszerzony, klasa 2TA,2TŻ-1, 2TŻ-2
Tematy- Biologia zakres rozszerzony, klasa 2TA,2TŻ-1, 2TŻ-2 Nr lekcji Temat Zakres treści 1 Zapoznanie z PSO, wymaganiami edukacyjnymi i podstawą programową PSO, wymagania edukacyjne i podstawa programowa
Bardziej szczegółowoWykład 1: Wprowadzenie do sieci neuronowych
Wykład 1: Wprowadzenie do sieci neuronowych Historia badań nad sieciami neuronowymi. - początki: badanie komórek ośrodkowego układu nerwowego zwierząt i człowieka, czyli neuronów; próby wyjaśnienia i matematycznego
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych
Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są
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 szczegółowoLiteratura. Sztuczne sieci neuronowe. Przepływ informacji w systemie nerwowym. Budowa i działanie mózgu
Literatura Wykład : Wprowadzenie do sztucznych sieci neuronowych Małgorzata Krętowska Wydział Informatyki Politechnika Białostocka Tadeusiewicz R: Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa
Bardziej szczegółowoTemat: Sieci neuronowe oraz technologia CUDA
Elbląg, 27.03.2010 Temat: Sieci neuronowe oraz technologia CUDA Przygotował: Mateusz Górny VIII semestr ASiSK Wstęp Sieci neuronowe są to specyficzne struktury danych odzwierciedlające sieć neuronów w
Bardziej szczegółowobiologia w gimnazjum OBWODOWY UKŁAD NERWOWY
biologia w gimnazjum 2 OBWODOWY UKŁAD NERWOWY BUDOWA KOMÓRKI NERWOWEJ KIERUNEK PRZEWODZENIA IMPULSU NEROWEGO DENDRYT ZAKOŃCZENIA AKSONU CIAŁO KOMÓRKI JĄDRO KOMÓRKOWE AKSON OSŁONKA MIELINOWA Komórka nerwowa
Bardziej szczegółowoUkłady akwizycji danych. Komparatory napięcia Przykłady układów
Układy akwizycji danych Komparatory napięcia Przykłady układów Komparatory napięcia 2 Po co komparator napięcia? 3 Po co komparator napięcia? Układy pomiarowe, automatyki 3 Po co komparator napięcia? Układy
Bardziej szczegółowoHAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM
ZASTOSOWANIE SIECI NEURONOWYCH W SYSTEMACH AKTYWNEJ REDUKCJI HAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM WPROWADZENIE Zwalczanie hałasu przy pomocy metod aktywnych redukcji hałasu polega
Bardziej szczegółowoUkłady asynchroniczne
Układy asynchroniczne Model układu sekwencyjnego Model układu asynchronicznego (synchronicznego) y 1 x n UK y m układ kombinacyjny Z clock t 1 q 1 k B x s tan stabilny s: δ(s,x) = s x blok pamięci jest
Bardziej szczegółowozmiana stanu pamięci następuje bezpośrednio (w dowolnej chwili czasu) pod wpływem zmiany stanu wejść,
Sekwencyjne układy cyfrowe Układ sekwencyjny to układ cyfrowy, w którym zależność między wartościami sygnałów wejściowych (tzw. stan wejść) i wyjściowych (tzw. stan wyjść) nie jest jednoznaczna. Stan wyjść
Bardziej szczegółowoDetekcja motywów w złożonych strukturach sieciowych perspektywy zastosowań Krzysztof Juszczyszyn
Detekcja motywów w złożonych strukturach sieciowych perspektywy zastosowań Krzysztof Juszczyszyn Instytut Informatyki Technicznej PWr MOTYWY SIECIOWE -NETWORK MOTIFS 1. Co to jest? 2. Jak mierzyć? 3. Gdzie
Bardziej szczegółowoSztuczne sieci neuronowe
Wydział Zarządzania AGH Katedra Informatyki Stosowanej Sztuczne sieci neuronowe Sztuczne sieci neuronowe Wprowadzenie Trochę historii Podstawy działania Funkcja aktywacji Typy sieci 2 Wprowadzenie Zainteresowanie
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 szczegółowoPodstawy biologii. Informacja, struktura i metabolizm.
Podstawy biologii Informacja, struktura i metabolizm. Informacje Kontakt: Paweł Golik Instytut Genetyki i Biotechnologii, Pawińskiego 5A pgolik@igib.uw.edu.pl Informacje, materiały: http://www.igib.uw.edu.pl/
Bardziej szczegółowoJAKIEGO RODZAJU NAUKĄ JEST
JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów
Bardziej szczegółowoDNA musi współdziałać z białkami!
DNA musi współdziałać z białkami! Specyficzność oddziaływań między DNA a białkami wiążącymi DNA zależy od: zmian konformacyjnych wzdłuż cząsteczki DNA zróżnicowania struktury DNA wynikającego z sekwencji
Bardziej szczegółowoHomeostaza DR ROBERT MERONKA ZAKŁAD EKOLOGII INSTYTUT ZOOLOGII WYDZIAŁ BIOLOGII UNIWERSYTET WARSZAWSKI
Homeostaza DR ROBERT MERONKA ZAKŁAD EKOLOGII INSTYTUT ZOOLOGII WYDZIAŁ BIOLOGII UNIWERSYTET WARSZAWSKI Różnorodność środowisk Stałość warunków w organizmie Podstawy procesów fizjologicznych Procesy zachodzące
Bardziej szczegółowoZAJĘCIA 1. uczenie się i pamięć mechanizmy komórkowe. dr Marek Binder Zakład Psychofizjologii
ZAJĘCIA 1 uczenie się i pamięć mechanizmy komórkowe dr Marek Binder Zakład Psychofizjologii problem engramu dwa aspekty poziom systemowy które części mózgu odpowiadają za pamięć gdzie tworzy się engram?
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 szczegółowoModuł nagrzewnicy elektrycznej EL-HE
1. Dane techniczne: Moduł nagrzewnicy elektrycznej EL-HE Napięcie zasilania: 24 V~ (+/- 10%) Wymiary[mm] : 70 x 90 x 58 Możliwość sterowania binarnego Regulowane parametry pracy : 12 Wyświetlacz LED Port
Bardziej szczegółowoPodkowiańska Wyższa Szkoła Medyczna im. Z. i J. Łyko. Syllabus przedmiotowy 2016/ /2019
Podkowiańska Wyższa Szkoła Medyczna im. Z. i J. Łyko Syllabus przedmiotowy 2016/2017-2018/2019 Wydział Fizjoterapii Kierunek studiów Fizjoterapia Specjalność ----------- Forma studiów Stacjonarne / Niestacjonarne
Bardziej szczegółowoCORAZ BLIŻEJ ISTOTY ŻYCIA WERSJA A. imię i nazwisko :. klasa :.. ilość punktów :.
CORAZ BLIŻEJ ISTOTY ŻYCIA WERSJA A imię i nazwisko :. klasa :.. ilość punktów :. Zadanie 1 Przeanalizuj schemat i wykonaj polecenia. a. Wymień cztery struktury występujące zarówno w komórce roślinnej,
Bardziej szczegółowoFunkcje: wejściowe, wyjściowe i logiczne. Konfigurowanie zabezpieczeń.
Funkcje: wejściowe, wyjściowe i logiczne. Konfigurowanie zabezpieczeń. 1. ZASADA DZIAŁANIA...2 2. FUNKCJE WEJŚCIOWE...5 3. FUNKCJE WYJŚCIOWE...7 4. FUNKCJE LOGICZNE...11 Automat : ZSN 5R od: v. 1.0 Computers
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 szczegółowoWzorcowe efekty kształcenia dla kierunku studiów biotechnologia studia pierwszego stopnia profil ogólnoakademicki
Załącznik nr 2 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 szczegółowoSynteza strukturalna automatów Moore'a i Mealy
Synteza strukturalna automatów Moore'a i Mealy Formalna definicja automatu: A = < Z, Q, Y, Φ, Ψ, q 0 > Z alfabet wejściowy Q zbiór stanów wewnętrznych Y alfabet wyjściowy Φ funkcja przejść q(t+1) = Φ (q(t),
Bardziej szczegółowoTeoria przetwarzania A/C i C/A.
Teoria przetwarzania A/C i C/A. Autor: Bartłomiej Gorczyński Cyfrowe metody przetwarzania sygnałów polegają na przetworzeniu badanego sygnału analogowego w sygnał cyfrowy reprezentowany ciągiem słów binarnych
Bardziej szczegółowoProfil metaboliczny róŝnych organów ciała
Profil metaboliczny róŝnych organów ciała Uwaga: tkanka tłuszczowa (adipose tissue) NIE wykorzystuje glicerolu do biosyntezy triacylogliceroli Endo-, para-, i autokrynna droga przekazu informacji biologicznej.
Bardziej szczegółowoSterownik nagrzewnic elektrycznych HE module
Sterownik nagrzewnic elektrycznych HE module Dokumentacja Techniczna 1 1. Dane techniczne Napięcie zasilania: 24 V~ (+/- 10%) Wejście napięciowe A/C: 0 10 V Wejścia cyfrowe DI 1 DI 3: 0 24 V~ Wyjście przekaźnikowe
Bardziej szczegółowoProjekt prostego układu sekwencyjnego Ćwiczenia Audytoryjne Podstawy Automatyki i Automatyzacji
WOJSKOWA AKADEMIA TECHNICZNA im. Jarosława Dąbrowskiego Projekt prostego układu sekwencyjnego Ćwiczenia Audytoryjne Podstawy Automatyki i Automatyzacji mgr inż. Paulina Mazurek Warszawa 2013 1 Wstęp Układ
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Uczenie maszynowe Sztuczne sieci neuronowe Plan na dziś Uczenie maszynowe Problem aproksymacji funkcji Sieci neuronowe PSZT, zima 2013, wykład 12
Bardziej szczegółowoPL B1. INSTYTUT MECHANIKI GÓROTWORU POLSKIEJ AKADEMII NAUK, Kraków, PL BUP 21/08. PAWEŁ LIGĘZA, Kraków, PL
RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 209493 (13) B1 (21) Numer zgłoszenia: 382135 (51) Int.Cl. G01F 1/698 (2006.01) G01P 5/12 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22)
Bardziej szczegółowoUjemne sprzężenie zwrotne, WO przypomnienie
Ujemne sprzężenie zwrotne, WO przypomnienie Stabilna praca układu. Przykład: wzmacniacz nie odw. fazy: v o P kt pracy =( v 1+ R ) 2 0 R 1 w.12, p.1 v v o = A OL ( v ) ( ) v v o ( ) Jeśli z jakiegoś powodu
Bardziej szczegółowoKatedra Systemów Decyzyjnych. Kierownik: prof. dr hab. inż. Zdzisław Kowalczuk ksd@eti.pg.gda.pl
Katedra Systemów Decyzyjnych Kierownik: prof. dr hab. inż. Zdzisław Kowalczuk ksd@eti.pg.gda.pl 2010 Kadra KSD profesor zwyczajny 6 adiunktów, w tym 1 z habilitacją 4 asystentów 7 doktorantów Wydział Elektroniki,
Bardziej szczegółowoNa początek: do firmowych ustawień dodajemy sterowanie wyłącznikiem ściennym.
Na początek: do firmowych ustawień dodajemy sterowanie wyłącznikiem ściennym. Mamy dwa rodzaje wyłączników ściennych: 1. Stabilny który zazwyczaj wszyscy używają do włączania oświetlenia. Nazywa się stabilny
Bardziej szczegółowoWstęp do Techniki Cyfrowej... Synchroniczne układy sekwencyjne
Wstęp do Techniki Cyfrowej... Synchroniczne układy sekwencyjne Schemat ogólny X Y Układ kombinacyjny S Z Pamięć Zegar Działanie układu Zmiany wartości wektora S możliwe tylko w dyskretnych chwilach czasowych
Bardziej szczegółowoEfekty kształcenia na kierunku AiR drugiego stopnia - Wiedza Wydziału Elektrotechniki, Automatyki i Informatyki Politechniki Opolskiej
Efekty na kierunku AiR drugiego stopnia - Wiedza K_W01 K_W02 K_W03 K_W04 K_W05 K_W06 K_W07 K_W08 K_W09 K_W10 K_W11 K_W12 K_W13 K_W14 Ma rozszerzoną wiedzę dotyczącą dynamicznych modeli dyskretnych stosowanych
Bardziej szczegółowoZastosowanie metod eksploracji danych Data Mining w badaniach ekonomicznych SAS Enterprise Miner. rok akademicki 2013/2014
Zastosowanie metod eksploracji danych Data Mining w badaniach ekonomicznych SAS Enterprise Miner rok akademicki 2013/2014 Sieci neuronowe Sieci neuronowe W XIX wieku sformułowano teorię opisującą podstawowe
Bardziej szczegółowoDo uzyskania kwalifikacji pierwszego stopnia (studia inżynierskie) na kierunku BIOTECHNOLOGIA wymagane są wszystkie poniższe efekty kształcenia
Kierunek studiów: BIOTECHNOLOGIA Forma studiów: stacjonarne Rodzaj studiów: studia pierwszego stopnia - inżynierskie Czas trwania studiów: 3,5 roku (7 semestrów, 1 semestr - 15 tygodni) Liczba uzyskanych
Bardziej szczegółowoAlgorytmy sztucznej inteligencji
Algorytmy sztucznej inteligencji Dynamiczne sieci neuronowe 1 Zapis macierzowy sieci neuronowych Poniżej omówione zostaną części składowe sieci neuronowych i metoda ich zapisu za pomocą macierzy. Obliczenia
Bardziej szczegółowoDemonstracja: konwerter prąd napięcie
Demonstracja: konwerter prąd napięcie i WE =i i WE i v = i WE R R=1 M Ω i WE = [V ] 10 6 [Ω] v + Zasilanie: +12, 12 V wy( ) 1) Oświetlanie o stałym natężeniu: =? (tryb DC) 2) Oświetlanie przez lampę wstrząsoodporną:
Bardziej szczegółowoPodstawy sztucznej inteligencji
wykład 5 Sztuczne sieci neuronowe (SSN) 8 grudnia 2011 Plan wykładu 1 Biologiczne wzorce sztucznej sieci neuronowej 2 3 4 Neuron biologiczny Neuron Jest podstawowym budulcem układu nerwowego. Jest komórką,
Bardziej szczegółowoInterfejs analogowy LDN-...-AN
Batorego 18 sem@sem.pl 22 825 88 52 02-591 Warszawa www.sem.pl 22 825 84 51 Interfejs analogowy do wyświetlaczy cyfrowych LDN-...-AN zakresy pomiarowe: 0-10V; 0-20mA (4-20mA) Załącznik do instrukcji obsługi
Bardziej szczegółowoObiekt. Obiekt sterowania obiekt, który realizuje proces (zaplanowany).
SWB - Systemy wbudowane w układach sterowania - wykład 13 asz 1 Obiekt sterowania Wejście Obiekt Wyjście Obiekt sterowania obiekt, który realizuje proces (zaplanowany). Fizyczny obiekt (proces, urządzenie)
Bardziej szczegółowoStudia podyplomowe: Nauczanie biologii w gimnazjach i szkołach ponadgimnazjalnych
Studia podyplomowe: Nauczanie biologii w gimnazjach i szkołach ponadgimnazjalnych Głównym celem studiów podyplomowych Nauczanie biologii w gimnazjach i szkołach ponadgimnazjalnych jest przekazanie słuchaczom
Bardziej szczegółowoNajprostsze modele sieci z rekurencją. sieci Hopfielda; sieci uczone regułą Hebba; sieć Hamminga;
Sieci Hopfielda Najprostsze modele sieci z rekurencją sieci Hopfielda; sieci uczone regułą Hebba; sieć Hamminga; Modele bardziej złoŝone: RTRN (Real Time Recurrent Network), przetwarzająca sygnały w czasie
Bardziej szczegółowoWprowadzenie do teorii systemów ekspertowych
Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z
Bardziej szczegółowoHistoria informacji genetycznej. Jak ewolucja tworzy nową informację (z ma ą dygresją).
Historia informacji genetycznej. Jak ewolucja tworzy nową informację (z ma ą dygresją). Czym jest życie? metabolizm + informacja (replikacja) 2 Cząsteczki organiczne mog y powstać w atmosferze pierwotnej
Bardziej szczegółowoAnaliza zmienności czasowej danych mikromacierzowych
Systemy Inteligencji Obliczeniowej Analiza zmienności czasowej danych mikromacierzowych Kornel Chromiński Instytut Informatyki Uniwersytet Śląski Plan prezentacji Dane mikromacierzowe Cel badań Prezentacja
Bardziej szczegółowoKARTA KURSU. Kod Punktacja ECTS* 2
KARTA KURSU Nazwa Nazwa w j. ang. BIOCHEMIA BIOCHEMISTRY Kod Punktacja ECTS* 2 Koordynator Prof. dr hab. Maria Filek Zespół dydaktyczny dr Anna Barbasz dr Elżbieta Rudolphi-Skórska dr Apolonia Sieprawska
Bardziej szczegółowoOpis efektów kształcenia na kierunku BIOTECHNOLOGIA
Opis na kierunku BIOTECHNOLOGIA z odniesieniem do, nauk oraz prowadzących specjalność: biotechnologia żywności profil ogólnoakademicki studia II stopnia WIEDZA NB2_W01 Ma zaawansowaną wiedzę z zakresu
Bardziej szczegółowoJaki koń jest nie każdy widzi - genomika populacji polskich ras koni
Jaki koń jest nie każdy widzi - genomika populacji polskich ras koni Gurgul A., Jasielczuk I., Semik-Gurgul E., Pawlina-Tyszko K., Szmatoła T., Bugno-Poniewierska M. Instytut Zootechniki PIB Zakład Biologii
Bardziej szczegółowoGeneratory przebiegów niesinusoidalnych
Generatory przebiegów niesinusoidalnych Ryszard J. Barczyński, 2017 Politechnika Gdańska, Wydział FTiMS, Katedra Fizyki Ciała Stałego Materiały dydaktyczne do użytku wewnętrznego Przerzutniki Przerzutniki
Bardziej szczegółowoAdaptacja sterownika PLC do obiektu sterowania. Synteza algorytmu procesu i sterowania metodą GRAFCET i SFC
Adaptacja sterownika PLC do obiektu sterowania. Synteza algorytmu procesu i sterowania metodą GRAFCET i SFC Proces technologiczny (etap procesu produkcyjnego/przemysłowego) podstawa współczesnych systemów
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/ Budowa rybosomu Translacja
Bardziej szczegółowoPodsumowanie wyników ankiety
SPRAWOZDANIE Kierunkowego Zespołu ds. Programów Kształcenia dla kierunku Informatyka dotyczące ankiet samooceny osiągnięcia przez absolwentów kierunkowych efektów kształcenia po ukończeniu studiów w roku
Bardziej szczegółowoSterownik nagrzewnic elektrycznych ELP-HE24/6
Sterownik nagrzewnic elektrycznych ELP-HE24/6 Dokumentacja techniczna 1 1. OPIS ELEMENTÓW STERUJĄCYCH I KONTROLNYCH Wyjścia przekaźnika alarmowego Wejście analogowe 0-10V Wejścia cyfrowe +24V Wyjście 0,5A
Bardziej szczegółowoSławomir Kulesza. Projektowanie automatów synchronicznych
Sławomir Kulesza Technika cyfrowa Projektowanie automatów synchronicznych Wykład dla studentów III roku Informatyki Wersja 2.0, 20/12/2012 Automaty skończone Automat Mealy'ego Funkcja wyjść: Yt = f(st,
Bardziej szczegółowoAutomatyka i sterowania
Automatyka i sterowania Układy regulacji Regulacja i sterowanie Przykłady regulacji i sterowania Funkcje realizowane przez automatykę: regulacja sterowanie zabezpieczenie optymalizacja Automatyka i sterowanie
Bardziej szczegółowoXXXII Olimpiada Wiedzy Elektrycznej i Elektronicznej. XXXII Olimpiada Wiedzy Elektrycznej i Elektronicznej
Zestaw pytań finałowych numer : 1 1. Wzmacniacz prądu stałego: własności, podstawowe rozwiązania układowe 2. Cyfrowy układ sekwencyjny - schemat blokowy, sygnały wejściowe i wyjściowe, zasady syntezy 3.
Bardziej szczegółowoŚciemniacz LED 2.4G RF 12V, 24V 16A + pilot dotykowy
Ściemniacz LED 2.4G RF 12V, 24V 16A + pilot dotykowy Wymiary: Rodzaj pilota / komunikacji: Wymiary pilota: Moc: 120 x 62 x 24 mm dotykowy, radiowy RF 115 x 55 x 20 mm 192W ~ 384W Podstawowe informacje
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ SZTUCZNA INTELIGENCJA dwa podstawowe znaczenia Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące się), pewną dyscyplinę badawczą (dział
Bardziej szczegółowoZagadnienia egzaminacyjne INFORMATYKA. Stacjonarne. I-go stopnia. (INT) Inżynieria internetowa STOPIEŃ STUDIÓW TYP STUDIÓW SPECJALNOŚĆ
(INT) Inżynieria internetowa 1. Tryby komunikacji między procesami w standardzie Message Passing Interface 2. HTML DOM i XHTML cel i charakterystyka 3. Asynchroniczna komunikacja serwerem HTTP w technologii
Bardziej szczegółowoCzęść 3. Układy sekwencyjne. Układy sekwencyjne i układy iteracyjne - grafy stanów TCiM Wydział EAIiIB Katedra EiASPE 1
Część 3 Układy sekwencyjne Układy sekwencyjne i układy iteracyjne - grafy stanów 18.11.2017 TCiM Wydział EAIiIB Katedra EiASPE 1 Układ cyfrowy - przypomnienie Podstawowe informacje x 1 x 2 Układ cyfrowy
Bardziej szczegółowoTEST - BIOLOGIA WERONIKA GMURCZYK
TEST - BIOLOGIA WERONIKA GMURCZYK Temat: Układ nerwowy i hormonalny Zadanie 1. Zaznacz poprawną odpowiedź. Co to są hormony? a) związki chemiczne wytwarzane w gruczołach łojowych, które regulują pracę
Bardziej szczegółowosynaptycznych wszystko to waży 1.5 kg i zajmuje objętość około 1.5 litra. A zużywa mniej energii niż lampka nocna.
Sieci neuronowe model konekcjonistyczny Plan wykładu Mózg ludzki a komputer Modele konekcjonistycze Perceptron Sieć neuronowa Uczenie sieci Sieci Hopfielda Mózg ludzki a komputer Twój mózg to 00 000 000
Bardziej szczegółowoxx + x = 1, to y = Jeśli x = 0, to y = 0 Przykładowy układ Funkcja przykładowego układu Metody poszukiwania testów Porównanie tabel prawdy
Testowanie układów kombinacyjnych Przykładowy układ Wykrywanie błędów: 1. Sklejenie z 0 2. Sklejenie z 1 Testem danego uszkodzenia nazywa się takie wzbudzenie funkcji (wektor wejściowy), które daje błędną
Bardziej szczegółowo