Dokowanie molekularne. Karol Kamel Uniwersytet Warszawski

Wielkość: px
Rozpocząć pokaz od strony:

Download "Dokowanie molekularne. Karol Kamel Uniwersytet Warszawski"

Transkrypt

1 molekularne

2 Wstęp Dokowanie metoda modelowania molekularnego, pozwalająca na znalezienie położenia (i konformacji) liganda w miejscu wiążącym receptora. Informacja ta pozwala na ocenę energii swobodnej wiązania (entalpii swobodnej) ΔG i obliczenie stałej powinowactwa K a. W celu znalezienia ligandów najsilniej oddziałujących z receptorem, dokowaniu poddaje się często kilkanaście, a nawet kilkadziesiąt tysięcy ligandów. Algorytmy dokujące muszą zatem charakteryzowad się sensownym kompromisem pomiędzy dokładnością, a szybkością działania. 2

3 Miejsce wiązania Przed rozpoczęciem procedury dokowania, trzeba określid położenie miejsca wiążącego. Zastosowanie metod homologicznych: Porównanie sekwencji receptora z sekwencjami pokrewnych białek. Miejsce wiążące często zostaje zachowane w procesie ewolucji, więc znalezienie fragmentów o nieznacznej zmienności może sugerowad istnienie w tym rejonie miejsca wiążącego. Metody solwatacyjne: Służy do znajdowania zagłębieo w powierzchni receptora (możliwe miejsca wiążące). Powierzchnia receptora zostaje pokryta sferami (zależnie od algorytmu, ale generalnie wielkości cząsteczki wody). Następnie sfery, w których sąsiedztwie o określonym promieniu (np. 8 Å) jest mniej niż pewna zadana liczba atomów białka, zostają usunięte. Następnie znów powtarza się proces nakładania i usuwania do momentu, aż liczba sfer pozostałych przy powierzchni białka przestaje się zmieniad. 3

4 Miejsce wiązania Metody dyskretne (na siatce): Powierzchnię receptora otacza się punktami w węzłach sieci sześciennej. Następnie usuwane są punkty w których otoczeniu (sześcianie) nie ma żadnego atomu białka. Następnie usuwane są punkty, w których otoczeniu (o innym rozmiarze) jest mniej niż określona liczba atomów białka. Pozostałe punkty łączone są w grupy. Te zawierające mniej niż określoną liczbę punktów są eliminowane. Często zdarza się, że otrzymamy kilka trafieo na powierzchni receptora, które mogą byd miejscem wiążącym. Dobrze jest wtedy przeprowadzid poszukiwania innymi metodami i przeanalizowad wyniki, i/lub przeprowadzid dokowanie do wszystkich wytypowanych miejsc i na podstawie wartości oceny programu do dokowania i/lub wyników poszukiwao miejsca aktywnego wybrad odpowiednie. 4

5 Wybór kandydatów Przeszukiwanie baz danych wybór spośród milionów cząsteczek kandydatów do dokowania. Przeszukiwanie 2D: Oparte o deskryptory strukturalne, np. grupy funkcyjne, rodzaje wiązao itp. Bez uwzględniania relacji przestrzennych między nimi. Często interesują nas nie tylko cząsteczki spełniające wszystkie kryteria (szczególnie jeśli są one bardzo szczegółowe), ale też cząsteczki o pewnym podobieostwie ( 100%). Podobieostwo najczęściej szacuje się przy użyciu współczynnika Tanimoto. Pozwala on określid, ile deskryptorów danej cząsteczki pokrywa się z zapytaniem. N QT liczba deskryptorów wspólnych; N Q liczba deskryptorów zapytania; N T liczba deskryptorów w cząsteczce. 5

6 Wybór kandydatów Przeszukiwanie 3D: Generowanie struktur trójwymiarowych z wzorów strukturalnych poprzez rozbicie cząsteczki na fragmenty, których struktury są znane i łączenie ich w taki sposób, żeby uniknąd poważnych zawad sterycznych. Giętkie przeszukiwanie 3D: Oprócz generowania struktury trójwymiarowej, generowane są rózne konformacje cząsteczki poprzez określone rotacje kątów torsyjnych. Jest to metoda dobra, ale czasochłonna. 6

7 Miejsce wiążące należy odpowiednio przygotowad: Do struktury krystalograficznej należy dodad atomy wodoru, sprawdzid ich kierunkowośd. Jest to szczególnie ważne dla at. wodoru przyłączonych do silnie elektroujemnych atomów (tworzenie wiązao wodorowych). Określid stany protonacyjne aminokwasów (Lys, Arg, His, Asp, Glu). Przypisad ładunki do atomów receptora oraz liganda. 7

8 Dokowanie można przeprowadzid na 3 sposoby, w zależności od sposoby rozpatrywania zmienności konformacyjnej. Dokowanie sztywne konformacje receptora i liganda nie podlegają zmianie w czasie dokowania, cząsteczka receptora poddawana jest jedynie rotacjom i translacjom. Dokowanie semi-giętkie konformacja receptora jest niezmienna, natomiast cząsteczka liganda podlega translacjom, rotacjom oraz zmianom konformacyjnym. Dokowanie giętkie zarówno konformacja receptora jak i liganda są zmienne, a cząsteczka liganda jest dodatkowo poddawana rotacjom i translacjom. W rzeczywistości dokowanie giętkie ogranicza się jedynie do giętkich łaocuchów bocznych aminokwasów, a nie do szkieletu (a zatem nie jest w pełni giętkie). 8

9 Metody dokowania sztywnego: Metoda grafów polega na połączeniu odpowiadających sobie cech receptora i liganda (węzły grafu). Ma to miejsce, gdy kompatybilne ze sobą cechy są w tej samej odległości (geometrycznej) w ligandzie, jak i receptorze. Najlepsze dopasowanie charakteryzuje się największym połączonym podgrafem wyjściowego grafu (czyli układu ligand-receptor). Metoda pola molekularnego polega na wypełnieniu miejsca wiązania sferami, stykającymi się z powierzchnią miejsca wiążącego a następnie dopasowaniu przy pomocy metody najmniejszych kwadratów atomów liganda do środków tych sfer. Po każdym dopasowaniu obliczana jest energia oddziaływania i jako najlepsze uznane zostaje dopasowanie charakteryzujące się najniższą energią. 9

10 Metody dokowania semi-giętkiego : Przeszukanie przestrzeni konformacyjnej, wygenerowanie grupy najbardziej stabilnych konformerów, w kolejnym etapie sztywne dokowanie każdego z konformerów. Metody stochastyczne Monte Carlo generowanie losowych konformacji i położeo liganda i akceptacja wg. kryterium Metropolisa (względem energii oddziaływania). Metody podziały liganda ligand jest dzielony na fragmenty sztywne (miejscami podziału są wiązania rotujące), następnie dokowany jest główny fragment (root) i następnie dobudowywane są do niego pozostałe fragmenty (branch) w taki sposób, żeby odtworzyd wyjściowy układ wiązao w cząsteczce, lub dokowane są wszystkie od razu i sprawdzana jest możliwośd odbudowy układu wiązao. 10

11 Metody wykorzystujące algorytmy genetyczne informacje o konformacji oraz położeniu liganda są zapisywane jako chromosom (ciąg liczb). Po wygenerowaniu losowej populacji startowej, kolejne pokolenie jest generowane przez wymianę części informacji pomiędzy chromosomami (crossing-over) i/lub mutacje (punktowe). Dla każdego osobnika w danym pokoleniu obliczana jest energia oddziaływania z receptorem i to ona decyduje o wielkości udziału danego osobnika w generowaniu kolejnego pokolenia. Metody dokowania giętkiego: Uwzględnianie możliwości zmian konformacyjnych łaocuchów bocznych aminokwasów w miejscu wiążącym receptora. Najczęściej liczbę możliwości zmian konformacyjnych ogranicza się do konformacji występujących w bazach rotamerów (np. Dunbrack a). 11

12 Zbiór konformacji receptora dla różnych struktur eksperymentalnych, bądź wygenerowanych metodami symulacyjnymi, np. dynamiką molekularną. Do każdej z konformacji następuje dokowanie liganda. Funkcje oceniające: Pozwalają ocenid powinowactwo liganda do receptora. Ponieważ dokładne obliczenia termodynamiczne są bardzo czasochłonne, funkcje oceniające oparte są częściowo na polach siłowych, a częściowo na potencjałach empirycznych (wyprowadzanych w oparciu o znane struktury określone eksperymentalnie). Np. w programie Auto Dock, entalpia swobodna wiązania jest wyrażona ogólnie jako: ΔG entalpia swobodna wiązania; V L związ potencjał opisujący ligand związany z receptorem; V L nzwiąz - potencjał opisujący ligand niezwiązany (wolny), analogicznie potencjały V P dla receptora; V PL związ potencjał opisujący kompleks ligand-receptor; ΔS conf zmiana entropii związanej ze zmianą konformacji receptora i liganda. 12

13 Ponieważ funkcje oceniające są niedoskonałe, często stosuje się wiele różnych funkcji, waży je i na tej podstawie określa się entalpię swobodną wiązania. 13

14 14

15 15

16 Dziękuję za uwagę 16

17 Zagadnienia Czym zajmuje się dokowanie molekularne? Wymienid sposoby określania miejsca wiążącego ligand w receptorze? Czym różni się przeszukiwanie 2D od 3D i jak definiujemy współczynnik Tanimoto? Wymienid i scharakteryzowad 3 sposoby dokowania. Jak wyrażona jest entalpia swobodna w programie AutoDock? Co to jest i jak działa algorytm genetyczny? 17

Komputerowe wspomaganie projektowania leków

Komputerowe wspomaganie projektowania leków Komputerowe wspomaganie projektowania leków MECHANIKA MOLEKULARNA I KWANTOWA W MM korzysta się z równań wynikających z praw fizyki klasycznej i stosuje się je do jader atomów z pominięciem elektronów,

Bardziej szczegółowo

QSAR i związki z innymi metodami. Karol Kamel Uniwersytet Warszawski

QSAR i związki z innymi metodami. Karol Kamel Uniwersytet Warszawski QSAR i związki z innymi metodami Wstęp QSAR Quantitative Structure-Activity Relationship. Jest to metoda polegająca na znalezieniu (i analizie) zależności pomiędzy strukturą chemiczną (geometria cząsteczki,

Bardziej szczegółowo

Komputerowe wspomaganie projektowanie leków

Komputerowe 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 szczegółowo

Komputerowe wspomaganie projektowania leków

Komputerowe wspomaganie projektowania leków Komputerowe wspomaganie projektowania leków MECHANIKA MOLEKULARNA I KWANTOWA W MM korzysta się z równań wynikających z praw fizyki klasycznej i stosuje się je do jader atomów z pominięciem elektronów,

Bardziej szczegółowo

Komputerowe wspomaganie projektowanie leków

Komputerowe wspomaganie projektowanie leków Komputerowe wspomaganie projektowanie leków wykład V Prof. dr hab. Sławomir Filipek Grupa BIOmodelowania Uniwersytet Warszawski, Wydział Chemii oraz Centrum Nauk Biologiczno-Chemicznych Cent-III www.biomodellab.eu

Bardziej szczegółowo

Projektowanie Nowych Chemoterapeutyków

Projektowanie Nowych Chemoterapeutyków Jan Mazerski Katedra Technologii Leków i Biochemii Wydział Chemiczny Projektowanie Nowych Chemoterapeutyków XV. QSAR 3D QSAR w przestrzeni Rozwój metod ustalania struktury 3D dla białek i ich kompleksów.

Bardziej szczegółowo

Komputerowe wspomaganie projektowanie leków

Komputerowe wspomaganie projektowanie leków Komputerowe wspomaganie projektowanie leków wykład VI Prof. dr hab. Sławomir Filipek Grupa BIOmodelowania Uniwersytet Warszawski, Wydział Chemii oraz Centrum Nauk Biologiczno-Chemicznych Cent-III www.biomodellab.eu

Bardziej szczegółowo

Badanie długości czynników sieciujących metodami symulacji komputerowych

Badanie 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 szczegółowo

Żwirki i Wigury 93, Warszawa TEL.: , FAX: , E- MAIL: Dr hab. Joanna T

Żwirki i Wigury 93, Warszawa TEL.: , FAX: , E- MAIL:   Dr hab. Joanna T Żwirki i Wigury 93, 02-089 Warszawa TEL.: + 48 22 55 40 800, FAX: +48 22 55 40 801, E- MAIL: sekretariat@uw.edu.pl www.cent.uw.edu.pl Dr hab. Joanna Trylska, prof. UW tel. (22) 5540843 e- mail: joanna@cent.uw.edu.pl

Bardziej szczegółowo

Różne typy wiązań mają ta sama przyczynę: energia powstającej stabilnej cząsteczki jest mniejsza niż sumaryczna energia tworzących ją, oddalonych

Różne typy wiązań mają ta sama przyczynę: energia powstającej stabilnej cząsteczki jest mniejsza niż sumaryczna energia tworzących ją, oddalonych Wiązania atomowe Atomy wieloelektronowe, obsadzanie stanów elektronowych, układ poziomów energii. Przykładowe konfiguracje elektronów, gazy szlachetne, litowce, chlorowce, układ okresowy pierwiastków,

Bardziej szczegółowo

Grafy i sieci wybrane zagadnienia wykład 3: modele służące porównywaniu sieci

Grafy 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 szczegółowo

Optymalizacja optymalizacji

Optymalizacja optymalizacji 7 maja 2008 Wstęp Optymalizacja lokalna Optymalizacja globalna Algorytmy genetyczne Badane czasteczki Wykorzystane oprogramowanie (Algorytm genetyczny) 2 Sieć neuronowa Pochodne met-enkefaliny Optymalizacja

Bardziej szczegółowo

Podstawy projektowania leków wykład 12

Podstawy projektowania leków wykład 12 Podstawy projektowania leków wykład 12 Łukasz Berlicki Projektowanie wspomagane komputerowo Ligand-based design QSAR i 3D-QSAR Structure-based design projektowanie oparte na strukturze celu molekularnego

Bardziej szczegółowo

Bioinformatyka Laboratorium, 30h. Michał Bereta

Bioinformatyka 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 szczegółowo

Algorytmy genetyczne. Paweł Cieśla. 8 stycznia 2009

Algorytmy genetyczne. Paweł Cieśla. 8 stycznia 2009 Algorytmy genetyczne Paweł Cieśla 8 stycznia 2009 Genetyka - nauka o dziedziczeniu cech pomiędzy pokoleniami. Geny są czynnikami, które decydują o wyglądzie, zachowaniu, rozmnażaniu każdego żywego organizmu.

Bardziej szczegółowo

Atomy wieloelektronowe

Atomy wieloelektronowe Wiązania atomowe Atomy wieloelektronowe, obsadzanie stanów elektronowych, układ poziomów energii. Przykładowe konfiguracje elektronów, gazy szlachetne, litowce, chlorowce, układ okresowy pierwiastków,

Bardziej szczegółowo

Algorytm genetyczny (genetic algorithm)-

Algorytm 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 szczegółowo

Metody dokowania ligandów

Metody dokowania ligandów Metody dokowania ligandów Strategie projektowania leków Ligand-based drug design nieznana Budowanie modelu miejsc aktywnych liganda (farmakofor) Przeszukiwanie baz danych (screening) Struktura celu molekularnego

Bardziej szczegółowo

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 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 szczegółowo

Dotyczy to zarówno istniejących już związków, jak i związków, których jeszcze dotąd nie otrzymano.

Dotyczy to zarówno istniejących już związków, jak i związków, których jeszcze dotąd nie otrzymano. Chemia teoretyczna to dział chemii zaliczany do chemii fizycznej, zajmujący się zagadnieniami związanymi z wiedzą chemiczną od strony teoretycznej, tj. bez wykonywania eksperymentów na stole laboratoryjnym.

Bardziej szczegółowo

Strategie projektowania leków

Strategie projektowania leków Strategie projektowania leków Ligand-based drug design nieznana Budowanie modelu miejsc aktywnych liganda (farmakofor) Przeszukiwanie baz danych (screening) Struktura celu molekularnego znana 1D i 3D QSAR

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Wprowadzenie i biologiczne bazy danych. 1 Wprowadzenie... 3. 2 Wprowadzenie do biologicznych baz danych...

Spis 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 szczegółowo

Metody rozwiązania równania Schrödingera

Metody rozwiązania równania Schrödingera Metody rozwiązania równania Schrödingera Równanie Schrödingera jako algebraiczne zagadnienie własne Rozwiązanie analityczne dla skończonej i nieskończonej studni potencjału Problem rozwiązania równania

Bardziej szczegółowo

Przewidywanie struktur białek

Przewidywanie 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 szczegółowo

Porównywanie i dopasowywanie sekwencji

Porównywanie 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 szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Modelowanie białek ab initio / de novo

Modelowanie białek ab initio / de novo Modelowanie białek ab initio / de novo Słowniczek de novo - od początku, na nowo ab initio - od początku Słowniczek de novo - kategoria metod przewidywania struktury, w których nie używa się wzorców homologicznych

Bardziej szczegółowo

Algorytmy genetyczne

Algorytmy 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 szczegółowo

Modelowanie białek ab initio / de novo

Modelowanie białek ab initio / de novo Modelowanie białek ab initio / de novo Słowniczek de novo - od początku, na nowo ab initio - od początku Słowniczek de novo - kategoria metod przewidywania struktury, w których nie używa się wzorców homologicznych

Bardziej szczegółowo

Bioinformatyka II Modelowanie struktury białek

Bioinformatyka 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 szczegółowo

Ćwiczenie 5. Wyznaczanie widm IR i Ramana formaldehydu oraz obliczenia za pomocą pakietu Gaussian 03W

Ćwiczenie 5. Wyznaczanie widm IR i Ramana formaldehydu oraz obliczenia za pomocą pakietu Gaussian 03W Ćwiczenie 5 Wyznaczanie widm IR i Ramana formaldehydu oraz obliczenia za pomocą pakietu Gaussian 03W Co powinieneś umieć przed zajęciami Jak obliczyć energię oscylatora harmonicznego, klasycznego i kwantowego?

Bardziej szczegółowo

Bioinformatyka II Modelowanie struktury białek

Bioinformatyka 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 szczegółowo

Przewidywanie 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 Przewidywanie struktury kanału białkowego z wykorzystaniem probabilistycznych gramatyk formalnych oraz modelu ciągłego przepływu jonów Witold Dyrka Instytut Inżynierii Biomedycznej i Pomiarowej, Politechnika

Bardziej szczegółowo

Dopasowania par sekwencji DNA

Dopasowania par sekwencji DNA Dopasowania par sekwencji DNA Tworzenie uliniowień (dopasowań, tzw. alignmentów ) par sekwencji PSA Pairwise Sequence Alignment Dopasowania globalne i lokalne ACTACTAGATTACTTACGGATCAGGTACTTTAGAGGCTTGCAACCA

Bardziej szczegółowo

Bioinformatyka Laboratorium, 30h. Michał Bereta

Bioinformatyka 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 szczegółowo

BIOINFORMATYKA. edycja 2016 / wykład 11 RNA. dr Jacek Śmietański

BIOINFORMATYKA. 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 szczegółowo

Program MC. Obliczyć radialną funkcję korelacji. Zrobić jej wykres. Odczytać z wykresu wartość radialnej funkcji korelacji w punkcie r=

Program MC. Obliczyć radialną funkcję korelacji. Zrobić jej wykres. Odczytać z wykresu wartość radialnej funkcji korelacji w punkcie r= Program MC Napisać program symulujący twarde kule w zespole kanonicznym. Dla N > 100 twardych kul. Gęstość liczbowa 0.1 < N/V < 0.4. Zrobić obliczenia dla 2,3 różnych wartości gęstości. Obliczyć radialną

Bardziej szczegółowo

Structure and Charge Density Studies of Pharmaceutical Substances in the Solid State

Structure and Charge Density Studies of Pharmaceutical Substances in the Solid State Maura Malińska Wydział Chemii, Uniwersytet Warszawski Promotorzy: prof. dr hab. Krzysztof Woźniak, prof. dr hab. Andrzej Kutner Structure and Charge Density Studies of Pharmaceutical Substances in the

Bardziej szczegółowo

Ogólny schemat postępowania

Ogólny schemat postępowania Ogólny schemat postępowania 1. Należy zdecydować, który rozkład prawdopodobieństwa chcemy badać. Rozkład oznaczamy przez P; zależy od zespołu statystycznego. 2. Narzucamy warunek równowagi szczegółowej,

Bardziej szczegółowo

Podstawy projektowania leków wykład 13

Podstawy projektowania leków wykład 13 odstawy projektowania leków wykład 13 Łukasz Berlicki rojektowanie wspomagane komputerowo rojektowanie leków oparte na strukturze często wykorzystuje metody komputerowe, aby: rzeanalizować duŝą liczbę

Bardziej szczegółowo

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

Kryteria samorzutności procesów fizyko-chemicznych

Kryteria samorzutności procesów fizyko-chemicznych Kryteria samorzutności procesów fizyko-chemicznych 2.5.1. Samorzutność i równowaga 2.5.2. Sens i pojęcie entalpii swobodnej 2.5.3. Sens i pojęcie energii swobodnej 2.5.4. Obliczanie zmian entalpii oraz

Bardziej szczegółowo

MATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ. programowej dla klas IV-VI. programowej dla klas IV-VI.

MATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ. programowej dla klas IV-VI. programowej dla klas IV-VI. MATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ TEMAT LICZBA GODZIN LEKCYJNYCH WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ UWAGI. LICZBY I DZIAŁANIA 6 h Liczby. Rozwinięcia

Bardziej szczegółowo

Wstęp. Krystalografia geometryczna

Wstęp. Krystalografia geometryczna Wstęp Przedmiot badań krystalografii. Wprowadzenie do opisu struktury kryształów. Definicja sieci Bravais go i bazy atomowej, komórki prymitywnej i elementarnej. Podstawowe typy komórek elementarnych.

Bardziej szczegółowo

1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa

1. 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 szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Strategie ewolucyjne (ang. evolu4on strategies)

Strategie ewolucyjne (ang. evolu4on strategies) Strategie ewolucyjne (ang. evolu4on strategies) Strategia ewolucyjna (1+1) W Strategii Ewolucyjnej(1 + 1), populacja złożona z jednego osobnika generuje jednego potomka. Kolejne (jednoelementowe) populacje

Bardziej szczegółowo

Oddziaływanie leków z celami molekularnymi i projektowanie leków

Oddziaływanie leków z celami molekularnymi i projektowanie leków Oddziaływanie leków z celami molekularnymi i projektowanie leków Prof. dr hab. Sławomir Filipek Grupa BIOmodelowania (biomodellab.eu) Uniwersytet Warszawski, Wydział Chemii oraz Centrum Nauk Biologiczno-Chemicznych

Bardziej szczegółowo

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych

Algorytm 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 szczegółowo

Geometria cząsteczek wieloatomowych. Hybrydyzacja orbitali atomowych.

Geometria cząsteczek wieloatomowych. Hybrydyzacja orbitali atomowych. Geometria cząsteczek wieloatomowych. Hybrydyzacja orbitali atomowych. Geometria cząsteczek Geometria cząsteczek decyduje zarówno o ich właściwościach fizycznych jak i chemicznych, np. temperaturze wrzenia,

Bardziej szczegółowo

Algorytmy zrandomizowane

Algorytmy zrandomizowane Algorytmy zrandomizowane http://zajecia.jakubw.pl/nai ALGORYTMY ZRANDOMIZOWANE Algorytmy, których działanie uzależnione jest od czynników losowych. Algorytmy typu Monte Carlo: dają (po pewnym czasie) wynik

Bardziej szczegółowo

BUDOWA KRYSTALICZNA CIAŁ STAŁYCH. Stopień uporządkowania struktury wewnętrznej ciał stałych decyduje o ich podziale

BUDOWA KRYSTALICZNA CIAŁ STAŁYCH. Stopień uporządkowania struktury wewnętrznej ciał stałych decyduje o ich podziale BUDOWA KRYSTALICZNA CIAŁ STAŁYCH Stopień uporządkowania struktury wewnętrznej ciał stałych decyduje o ich podziale na: kryształy ciała o okresowym regularnym uporządkowaniu atomów, cząsteczek w całej swojej

Bardziej szczegółowo

Bioinformatyka wykład 10

Bioinformatyka 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 szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP. V. Obliczenia procentowe. Uczeń: 1) przedstawia część wielkości jako procent tej wielkości;

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP. V. Obliczenia procentowe. Uczeń: 1) przedstawia część wielkości jako procent tej wielkości; WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP Liczby. TEMAT Rozwinięcia dziesiętne liczb wymiernych. Zaokrąglanie liczb. Szacowanie wyników. Dodawanie i odejmowanie liczb dodatnich. Mnożenie i dzielenie

Bardziej szczegółowo

5. Algorytm genetyczny przykład zastosowania

5. Algorytm genetyczny przykład zastosowania 5. Algorytm genetyczny przykład zastosowania Zagadnienie magicznych kwadratów Opis działania algorytmu Zagadnienie magicznych kwadratów polega na wygenerowaniu kwadratu n n, w którym elementami są liczby

Bardziej szczegółowo

Reprezentacja i analiza obszarów

Reprezentacja i analiza obszarów Cechy kształtu Topologiczne Geometryczne spójność liczba otworów liczba Eulera szkielet obwód pole powierzchni środek ciężkości ułożenie przestrzenne momenty wyższych rzędów promienie max-min centryczność

Bardziej szczegółowo

Bioinformatyka wykład 8, 27.XI.2012

Bioinformatyka 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 szczegółowo

Algorytmy genetyczne

Algorytmy genetyczne Algorytmy genetyczne Motto: Zamiast pracowicie poszukiwać najlepszego rozwiązania problemu informatycznego lepiej pozwolić, żeby komputer sam sobie to rozwiązanie wyhodował! Algorytmy genetyczne służą

Bardziej szczegółowo

Planowanie drogi robota, algorytm A*

Planowanie drogi robota, algorytm A* Planowanie drogi robota, algorytm A* Karol Sydor 13 maja 2008 Założenia Uproszczenie przestrzeni Założenia Problem planowania trasy jest bardzo złożony i trudny. W celu uproszczenia problemu przyjmujemy

Bardziej szczegółowo

Charakterystyka struktury kryształu na podstawie pliku CIF (Crystallographic Information File)

Charakterystyka struktury kryształu na podstawie pliku CIF (Crystallographic Information File) INSTRUKCJA DO ĆWICZEŃ Charakterystyka struktury kryształu na podstawie pliku CIF (Crystallographic Information File) I. Cel ćwiczenia Głównym celem ćwiczenia jest przeprowadzenie pełnej charakterystyki

Bardziej szczegółowo

Zastosowania algorytmów genetycznych w badaniach struktury związków biologicznie czynnych

Zastosowania algorytmów genetycznych w badaniach struktury związków biologicznie czynnych Dr hab. inż. Halina Szatyłowicz Zakład Chemii Fizycznej Wydział Chemiczny Politechniki Warszawskiej Warszawa, 19.08.2015 Recenzja rozprawy doktorskiej pt. Zastosowania algorytmów genetycznych w badaniach

Bardziej szczegółowo

Struktura i funkcja białek (I mgr)

Struktura i funkcja białek (I mgr) Struktura i funkcja białek (I mgr) Dr Filip Jeleń fj@protein.pl http://www.protein.pl/ Jeremy M. Berg, John L. Tymoczko, Lubert Stryer Biochemia Carl Branden, John Tooze Introduction to Protein Structure

Bardziej szczegółowo

Mechanika Molekularna. Karol Kamel Uniwersytet Warszawski

Mechanika Molekularna. Karol Kamel Uniwersytet Warszawski Mechanika Molekularna Plan wykładu: Wstęp do mechaniki molekularnej. Podstawy teoretyczne mechaniki molekularnej. Funkcje mechaniki molekularnej (obliczanie energii, minimalizacja energii, przeszukiwanie

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Algorytmy genetyczne w optymalizacji

Algorytmy genetyczne w optymalizacji Algorytmy genetyczne w optymalizacji Literatura 1. David E. Goldberg, Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 1998; 2. Zbigniew Michalewicz, Algorytmy genetyczne + struktury danych = programy

Bardziej szczegółowo

Modelowanie białek ab initio / de novo

Modelowanie białek ab initio / de novo Modelowanie białek ab initio / de novo Słowniczek de novo - od początku, na nowo ab initio - od początku Słowniczek de novo - kategoria metod przewidywania struktury, w których nie używa się wzorców homologicznych

Bardziej szczegółowo

ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ

ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ Zalety: nie wprowadzają żadnych ograniczeń na sformułowanie problemu optymalizacyjnego. Funkcja celu może być wielowartościowa i nieciągła, obszar

Bardziej szczegółowo

Wykład 3. Makrocząsteczki w roztworze i w stanie skondensowanym.

Wykład 3. Makrocząsteczki w roztworze i w stanie skondensowanym. Wykład 3 Makrocząsteczki w roztworze i w stanie skondensowanym. Roztwory polimerów Zakresy stężeń: a) odległości pomiędzy środkami masy kłębków większe niż średnice kłębków b) odległości

Bardziej szczegółowo

Algorytmy stochastyczne, wykład 02 Algorytmy genetyczne

Algorytmy stochastyczne, wykład 02 Algorytmy genetyczne Algorytmy stochastyczne, wykład 02 Algorytmy genetyczne J. Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2014-02-27 1 Mutacje algorytmu genetycznego 2 Dziedzina niewypukła abstrakcyjna

Bardziej szczegółowo

Dokowanie molekularne. Andrzej Bąk Instytut Chemii UŚ chemoinformatyka wykład 1

Dokowanie molekularne. Andrzej Bąk Instytut Chemii UŚ chemoinformatyka wykład 1 Dokowanie molekularne Andrzej Bąk Instytut Chemii UŚ chemoinformatyka wykład 1 Zarys Oddziaływanie ligand-receptor Modelowanie struktury receptora Reprezentacja makromolekuł Opis energii oddziaływań ligand-receptor

Bardziej szczegółowo

Zad Sprawdzić, czy dana funkcja jest funkcją własną danego operatora. Jeśli tak, znaleźć wartość własną funkcji.

Zad Sprawdzić, czy dana funkcja jest funkcją własną danego operatora. Jeśli tak, znaleźć wartość własną funkcji. Zad. 1.1. Sprawdzić, czy dana funkcja jest funkcją własną danego operatora. Jeśli tak, znaleźć wartość własną funkcji. Zad. 1.1.a. Funkcja: ϕ = sin2x Zad. 1.1.b. Funkcja: ϕ = e x 2 2 Operator: f = d2 dx

Bardziej szczegółowo

Spis treści. Metoda VSEPR. Reguły określania struktury cząsteczek. Ustalanie struktury przestrzennej

Spis treści. Metoda VSEPR. Reguły określania struktury cząsteczek. Ustalanie struktury przestrzennej Spis treści 1 Metoda VSEPR 2 Reguły określania struktury cząsteczek 3 Ustalanie struktury przestrzennej 4 Typy geometrii cząsteczek przykłady 41 Przykład 1 określanie struktury BCl 3 42 Przykład 2 określanie

Bardziej szczegółowo

Katarzyna Jesionek Zastosowanie symulacji dynamiki cieczy oraz ośrodków sprężystych w symulatorach operacji chirurgicznych.

Katarzyna Jesionek Zastosowanie symulacji dynamiki cieczy oraz ośrodków sprężystych w symulatorach operacji chirurgicznych. Katarzyna Jesionek Zastosowanie symulacji dynamiki cieczy oraz ośrodków sprężystych w symulatorach operacji chirurgicznych. Jedną z metod symulacji dynamiki cieczy jest zastosowanie metody siatkowej Boltzmanna.

Bardziej szczegółowo

Komputerowe wspomaganie projektowania leków - QSAR

Komputerowe wspomaganie projektowania leków - QSAR Komputerowe wspomaganie projektowania leków - QSAR JAKIE OBIEKTY SĄ INTERESUJĄCE? Długość pojazdu wynosi 2 nm, szerokość 2nm. Pojazd porusza się na kołach złożonych z 60 atomów czystego węgla, uformowanych

Bardziej szczegółowo

Fizyka w symulacji komputerowej i modelowaniu komputerowym Metody Monte Carlo Algorytmy Genetyczne. Łukasz Pepłowski

Fizyka w symulacji komputerowej i modelowaniu komputerowym Metody Monte Carlo Algorytmy Genetyczne. Łukasz Pepłowski Fizyka w symulacji komputerowej i modelowaniu komputerowym Metody Monte Carlo Algorytmy Genetyczne Łukasz Pepłowski Plan Metody Stochastyczne Łańcuchy Markowa Dynamika Brownowska Metoda Monte Carlo Symulowane

Bardziej szczegółowo

ROZPORZĄDZENIE KOMISJI (UE) / z dnia r.

ROZPORZĄDZENIE KOMISJI (UE) / z dnia r. KOMISJA EUROPEJSKA Bruksela, dnia 29.5.2018 C(2018) 3193 final ROZPORZĄDZENIE KOMISJI (UE) / z dnia 29.5.2018 r. zmieniające rozporządzenie (WE) nr 847/2000 w odniesieniu do definicji pojęcia podobnego

Bardziej szczegółowo

RJC # Defin i i n c i ja

RJC # Defin i i n c i ja Alkany - Izomery Strukturalne & Konformacyjne - Nomenklatura - Projekcje Newmana Slides 1 to 41 Definicja Wzór ogólny dla alkanów C n 2n+2 Przykładowo... metan C 4 etan C 2 6 propan C 3 8 butan C 4 10

Bardziej szczegółowo

Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań

Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań Anna Manerowska, Michal Kozakiewicz 2.12.2009 1 Wstęp Jako projekt na przedmiot MEUM (Metody Ewolucyjne Uczenia Maszyn)

Bardziej szczegółowo

LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania i mutacji na skuteczność poszukiwań AE

LABORATORIUM 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 szczegółowo

e E Z = P = 1 Z e E Kanoniczna suma stanów Prawdopodobieństwo wystąpienia mikrostanu U E = =Z 1 Wartość średnia energii

e E Z = P = 1 Z e E Kanoniczna suma stanów Prawdopodobieństwo wystąpienia mikrostanu U E = =Z 1 Wartość średnia energii Metoda Metropolisa Z = e E P = 1 Z e E Kanoniczna suma stanów Prawdopodobieństwo wystąpienia mikrostanu U E = P E =Z 1 E e E Wartość średnia energii Średnia wartość A = d r N A r N exp[ U r N ] d r N exp[

Bardziej szczegółowo

Ćwiczenie 4: Modelowanie reakcji chemicznych. Stan przejściowy.

Ćwiczenie 4: Modelowanie reakcji chemicznych. Stan przejściowy. Ćwiczenie 4: Modelowanie reakcji chemicznych. Stan przejściowy. Celem ćwiczenia jest wymodelowanie przebiegu reakcji chemicznej podstawienia nukleofilowego zachodzącego zgodnie z mechanizmem SN2. Wprowadzenie:

Bardziej szczegółowo

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne Algorytmy genetyczne Materiały do laboratorium PSI Studia niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki, pojęć

Bardziej szczegółowo

2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni

2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni 2nd Workshop on Foresight of surface properties formation leading technologies of engineering materials and biomaterials in Białka Tatrzańska, Poland 29th-30th November 2009 1 Panel nt. Procesy wytwarzania

Bardziej szczegółowo

Przedmiotowy system oceniania Wymagania na poszczególne oceny,,liczy się matematyka

Przedmiotowy system oceniania Wymagania na poszczególne oceny,,liczy się matematyka Przedmiotowy system oceniania Wymagania na poszczególne oceny,,liczy się matematyka I. Potęgi i pierwiastki. Klasa II 1. Zapisuje w postaci potęgi iloczyn tych samych czynników i odwrotnie. 2. Oblicza

Bardziej szczegółowo

Rozwiązanie: Zadanie 2

Rozwiązanie: Zadanie 2 Podstawowe pojęcia. Definicja kryształu. Sieć przestrzenna i sieć krystaliczna. Osie krystalograficzne i jednostki osiowe. Ściana jednostkowa i stosunek osiowy. Położenie węzłów, prostych i płaszczyzn

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa M. Czoków, J. Piersa 2012-01-10 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego 3 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego

Bardziej szczegółowo

1. Kryształy jonowe omówić oddziaływania w kryształach jonowych oraz typy struktur jonowych.

1. Kryształy jonowe omówić oddziaływania w kryształach jonowych oraz typy struktur jonowych. Tematy opisowe 1. Kryształy jonowe omówić oddziaływania w kryształach jonowych oraz typy struktur jonowych. 2. Dlaczego do kadłubów statków, doków, falochronów i filarów mostów przymocowuje się płyty z

Bardziej szczegółowo

Wykład 1. Struktura i wiązania w cząsteczkach organicznych

Wykład 1. Struktura i wiązania w cząsteczkach organicznych Wykład 1. Struktura i wiązania w cząsteczkach organicznych Pierwszy wykład służył przypomnieniu znanych pojęć, zaakcentowaniu które pojęcia są ważne w chemii organicznej. Proszę zwrócić uwagę na zagadnienia

Bardziej szczegółowo

Chemiczne składniki komórek

Chemiczne składniki komórek Chemiczne składniki komórek Pierwiastki chemiczne w komórkach: - makroelementy (pierwiastki biogenne) H, O, C, N, S, P Ca, Mg, K, Na, Cl >1% suchej masy - mikroelementy Fe, Cu, Mn, Mo, B, Zn, Co, J, F

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Wielokryterialne harmonogramowanie portfela projektów. Bogumiła Krzeszowska Katedra Badań Operacyjnych

Wielokryterialne harmonogramowanie portfela projektów. Bogumiła Krzeszowska Katedra Badań Operacyjnych Wielokryterialne harmonogramowanie portfela projektów Bogumiła Krzeszowska Katedra Badań Operacyjnych Problem Należy utworzyć harmonogram portfela projektów. Poprzez harmonogram portfela projektów będziemy

Bardziej szczegółowo

Wybrane podstawowe rodzaje algorytmów

Wybrane 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 szczegółowo

Elementy symetrii. obiekt geometryczny taki jak linia, płaszczyzna lub punkt, względem którego dokonuje się operacji symetrii.

Elementy symetrii. obiekt geometryczny taki jak linia, płaszczyzna lub punkt, względem którego dokonuje się operacji symetrii. ELEMENTY SYMETRII Element symetrii obiekt geometryczny taki jak linia, płaszczyzna lub punkt, względem którego dokonuje się operacji symetrii. ELEMENTY SYMETRII Elementy symetrii PŁASZZYZNA peracje symetrii

Bardziej szczegółowo

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA OPERATOR KRZYŻOWANIA ETAPY KRZYŻOWANIA

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA OPERATOR KRZYŻOWANIA ETAPY KRZYŻOWANIA PLAN WYKŁADU Operator krzyżowania Operator mutacji Operator inwersji Sukcesja Przykłady symulacji AG Kodowanie - rodzaje OPTYMALIZACJA GLOBALNA Wykład 3 dr inż. Agnieszka Bołtuć OPERATOR KRZYŻOWANIA Wymiana

Bardziej szczegółowo

Kryteria ocen z matematyki w klasie I gimnazjum

Kryteria ocen z matematyki w klasie I gimnazjum 1. Zbieranie, porządkowanie i prezentowanie danych 1. Liczby naturalne 1. Cechy podzielności 1. Działania na liczbach naturalnych 1. Algorytmy działań pisemnych odczytywać informacje przedstawione w tabelach

Bardziej szczegółowo

- parametry geometryczne badanego związku: współrzędne i typy atomów, ich masy, ładunki, prędkości początkowe itp. (w NAMD plik.

- parametry geometryczne badanego związku: współrzędne i typy atomów, ich masy, ładunki, prędkości początkowe itp. (w NAMD plik. Avogadro Tworzenie i manipulacja modelami związków chemicznych. W symulacjach dynamiki molekularnej kluczowych elementem jest przygotowanie układu do symulacji tzn. stworzyć pliki wejściowe zawierające

Bardziej szczegółowo

Filogeneza: problem konstrukcji grafu (drzewa) zależności pomiędzy gatunkami.

Filogeneza: 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 szczegółowo

Przedmiotowe zasady oceniania i wymagania edukacyjne z matematyki dla klasy drugiej gimnazjum

Przedmiotowe zasady oceniania i wymagania edukacyjne z matematyki dla klasy drugiej gimnazjum Przedmiotowe zasady oceniania i wymagania edukacyjne z matematyki dla klasy drugiej gimnazjum I. POTĘGI I PIERWIASTKI oblicza wartości potęg o wykładnikach całkowitych liczb różnych od zera zapisuje liczbę

Bardziej szczegółowo

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 20 KWANTOWE METODY MONTE CARLO 20.1 Kwantowa wariacyjna metoda Monte Carlo Problem własny dla stanu podstawowego układu N cząstek (H E 0 )ψ 0 (r)

Bardziej szczegółowo

Końcoworoczne kryteria oceniania dla klasy II z matematyki przygotowały mgr Magdalena Murawska i mgr Iwona Śliczner

Końcoworoczne kryteria oceniania dla klasy II z matematyki przygotowały mgr Magdalena Murawska i mgr Iwona Śliczner Końcoworoczne kryteria oceniania dla klasy II z matematyki przygotowały mgr Magdalena Murawska i mgr Iwona Śliczner Semestr I Rozdział: Potęgi i pierwiastki zapisuje w postaci potęgi iloczyn tych samych

Bardziej szczegółowo