BIOINFORMATYCZNE TERNAPIE GENOWE
|
|
- Aleksandra Piasecka
- 7 lat temu
- Przeglądów:
Transkrypt
1 Liczby - Komputery - Życie BIOINFORMATYCZNE TERNAPIE GENOWE dr Jacek Śmietański jacek.smietanski@ii.uj.edu.pl Źródło grafiki: 1
2 Agenda Terapie genowe wprowadzenie Niskocząsteczkowe RNA i mechanizm interferencji Algorytmy przewidywanie mirna i ich celów Możliwości wykorzystania w medycynie 2
3 1. Terapie genowe wprowadzenie Niskocząsteczkowe RNA i mechanizm interferencji Algorytmy przewidywanie mirna i ich celów Możliwości wykorzystania w medycynie TERAPIE GENOWE 3 Jacek Śmietański, Kraków 2012
4 Przepływ informacji biologicznej DNA mrna białko trna rrna...rna 4
5 Terapie genowe - wprowadzenie Źródło: Kayser O., Muller R. H. Biotechnologia farmaceutyczna PZWL, Warszawa
6 Terapie genowe strategie i zastosowanie Źródło: 1.Komplementacja defektu genetycznego. 2.Korekta mutacji. 3.Zahamowanie ekspresji zmutowanego genu. 4.Eliminacja komórek. 5.Nadanie komórkom nowych cech fenotypowych. 6
7 1. Terapie genowe wprowadzenie 2. Niskocząsteczkowe RNA i mechanizm interferencji Algorytmy przewidywanie mirna i ich celów Możliwości wykorzystania w medycynie INTERFERENCJA RNA 7 Jacek Śmietański, Kraków 2012
8 Rodzaje RNA Źródło grafiki: Levy Y., MicroRNA The Computational Challenge,
9 Mechanizm interferencji RNA Film: 9
10 Powstawanie i działanie mirna (1) Źródło grafiki: 10
11 Powstawanie i działanie mirna (2) Źródło grafiki: 11
12 mirna, sirna porównanie, strategia sirna mirna Źródło: Ravi K. Gutti, Introduction to microrna,
13 mirna - przykłady Źródło: Eric Segal, RNA folding 13
14 Liczba informacji Vergoulis T et al. Nucl. Acids Res. 2011;nar.gkr1161 The Author(s) Published by Oxford University Press. 14
15 Bazy danych mirbase, baza mirna TarBase, baza eksperymentalnie zweryfikowanych celów 15
16 1. 2. Terapie genowe wprowadzenie Niskocząsteczkowe RNA i mechanizm interferencji 3. Algorytmy przewidywanie mirna i ich celów 4. Możliwości wykorzystania w medycynie PRZEWIDYWANIE 16 Jacek Śmietański, Kraków 2012
17 Główne zagadnienia wykorzystujące podejście bioinformatyczne 1. Przewidywanie sekwencji kodujących mirna 2. Przewidywanie celów dla mirna 3. Przewidywanie struktury drugorzędowej 4. Przewidywanie sieci regulatorowych 17
18 Przewidywanie sekwencji kodujących mirna Lai et al, Computational identification of Drosophila microrna genes (2003): algorytm mirseeker 1. poszukiwanie fragmentów mogących tworzyć strukturę spinki do włosów (przeszukiwanie genomu; przewidywanie struktury 2D) 2. genomika porównawcza (mirna są konserwowane) Źródło: Eric Segal, RNA folding 18
19 Przewidywanie sekwencji kodujących mirna - przykład mirna genes are isolated, evolutionarily conserved genomic sequences that have the capacity to form extended stem-loop structures as RNA. Shown are VISTA plots of globally aligned sequence from D. melanogaster and D. pseudoobscura, in which the degree of conservation is represented by the height of the peak. This particular region contains a conserved sequence identified in this study that adopts a stem-loop structure characteristic of known mirnas. Expression of this sequence was confirmed by northern analysis, and it was subsequently determined to be the fly ortholog of mammalian mir-184. Most conserved sequences do not have the ability to form extended stem-loops, as evidenced by the fold adopted by the sequence in the neighboring peak. ( 19
20 Przewidywanie sekwencji kodujących mirna selekcja kandydatów Źródło: Lai et al, Computational identification of Drosophila microrna genes (2003) 20
21 Przewidywanie celów Zadanie: z jakimi genami oddziałuje dane mirna? Problem nie jest trywialny, bo nie zachodzi tu pełna komplementarność. 21
22 Przewidywanie celów - zasiew Źródło:? 22
23 Przewidywanie celów dostępność (rola struktury 2D) Źródło: Ravi K. Gutti, Introduction to microrna,
24 Przewidywanie celów dostępność (rola struktury 2D) mirisc mirisc vs. Źródło: Eric Segal, RNA folding 24
25 Przewidywanie celów model termodynamiczny fo ld ing are a = targe t +7 0 b p CDS Po ly(a) UTR G 0 = G o p e n = G 0 - G 1 G 1 = Źródło: Eric Segal, RNA folding 25
26 Przewidywanie celów uczenie maszynowe Źródło grafiki: Kun Huang, BMI730-09, Lecture18 Przykład: SVM (Support Vector Machines) Istotny wybór przestrzeni cech (np. częstotliwość występowania nukleotydów, właściwości oddziaływań, energia, właściwości topologiczne itp.) 26
27 Przykład algorytmu TargetScan (1) Stage 1: Search UTRs in one organism Bases 2-8 from mirna = mirna seed Perfect Watson-Crick complementarity No wobble pairs (G-U) 7nt matches = seed matches Źródło: Asher Malka, Prediction of Target Genes of microrna
28 Przykład algorytmu TargetScan (2) Stage 2: Extend seed matches Allow G-U (wobble) pairs Both directions Stop at mismatches Źródło: Asher Malka, Prediction of Target Genes of microrna
29 Przykład algorytmu TargetScan (3) Stage 3: Optimize basepairing Remaining 3 region of mirna 35 bases of UTR 5 to each seed match RNAfold program (Hofacker et al 1994) Źródło: Asher Malka, Prediction of Target Genes of microrna
30 Przykład algorytmu TargetScan (4) Stage 4: Folding free energy (G) assigned to each putative mirna:target interaction Assign rank to each UTR Repeat this process for each of the other organisms with UTR datasets Źródło: Asher Malka, Prediction of Target Genes of microrna
31 Przykład algorytmu - miranda - bazuje na zasadzie komplementarności (silna na końcu 5, słabsza na 3 ) - obliczenia wolnej energii - konserwacja międzygatunkowa Źródło: Eric Segal, RNA folding 31
32 Przykład algorytmu: PicTar mirna mrna Perfect nucleus Imperfect nucleus Filter - over 33% of mature mirna binding energy to perfect complementary site Źródło: Eric Segal, RNA folding 32
33 Przykład algorytmu: PicTar (2) Anchor Źródło: Eric Segal, RNA folding 33
34 Przykład algorytmu: PicTar (3) Źródło: Eric Segal, RNA folding 34
35 Przykład algorytmu: PicTar (4) Hidden states Prior (transition) probabilities Emission probabilities Generated mrna 1 m mirnas b p0 p1 p2 p3... pm m i= 0 ACUG ACUGUAC pi = 1 GGCAUUAC 0.02 U ACUGUAC C GGCAUUAC ACUGCAC... - Independency of binding sites (no overlapping) - Transition does not depend on current state (memoryless) - Competition between background and mirna Źródło: Eric Segal, RNA folding 35
36 Przewidywanie celów porównanie algorytmów Źródło:? 36
37 Terapie genowe wprowadzenie Niskocząsteczkowe RNA i mechanizm interferencji Algorytmy przewidywanie mirna i ich celów 4. Możliwości wykorzystania w medycynie DIAGNOSTYKA I LECZENIE 37 Jacek Śmietański, Kraków 2012
38 Rola mirna w powstawaniu chorób Źródło: Ravi K. Gutti, Introduction to microrna,
39 Rola mirna w nowotworzeniu mutations transcription amplification target mrna Phenotype down regulation of tumor suppressor translocation to strong promoter Proliferation Invasion translocation to weak promoter Angiogenesis homozygous deletion mir gene over expression of oncogene promoter hypermethylation deletion + mutation American Society for Investigative Pathology 39
40 mirna, a nowotwory - przykłady Cancer-related mirna Cancer type References Lung cancer Martin et al., 2006, Yanaiharaet a. 2006, Takamizawa et al., 2004 mir-10b, mir-21, mir-125b, mir-145, mir-155 Breast cancer Iorio et al., 2005, Si et al., 2007 mir-18, mir-122a, mir-224, mir-199a, mir-199a* Liver cancer Murakami et al., 2006, Meng et al., 2007, Gramantieri et al., 2007 mir cluster, let-7 mir-195, mir-125a, mir-200a, mir15, mir-16 B-CLL Calin et al., 2004 Calin et al Źródło: Ka-Lok Ng, In silico study of cancer-related genes and micrornas 40
41 Miravirsen: pierwszy lek mirna Źródło grafiki: 41
42 Inne potencjalne leki mirna Źródło: Ravi K. Gutti, Introduction to microrna,
43 Dziękuję za uwagę. Źródło grafiki:
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 szczegółowoTERAPIA GENOWA. dr Marta Żebrowska
TERAPIA GENOWA dr Marta Żebrowska Pracownia Diagnostyki Molekularnej i Farmakogenomiki, Zakładu Biochemii Farmaceutycznej, Uniwersytetu Medycznego w Łodzi Źródło zdjęcia: httpblog.ebdna.plindex.phpjednoznajwiekszychzagrozenludzkosciwciazniepokonane
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 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 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 szczegółowoEpigenome - 'above the genome'
e - 'above the genome' Wydziaª Matematyki i Informatyki UJ Instytut Informatyki 14 stycznia 2013 e Rysunek: ¹ródªo: http://learn.genetics.utah.edu/content/epigenetics/nutrition/ e Plan Genom 1 Genom e
Bardziej szczegółowolek. Jacek Krzanowski
lek. Jacek Krzanowski "Analiza ekspresji wybranych mikrorna w dziecięcej ostrej białaczce limfoblastycznej z komórek B (B-ALL) z obecnością mikrodelecji genów dla czynników transkrypcyjnych" Streszczenie
Bardziej szczegółowoCzym jest medycyna personalizowana w kontekście wyzwań nowoczesnej onkologii?
Czym jest medycyna personalizowana w kontekście wyzwań nowoczesnej onkologii? Wykorzystanie nowych technik molekularnych w badaniach nad genetycznymi i epigenetycznymi mechanizmami transformacji nowotworowej
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 szczegółowoNowe oblicze RNA. Józef Dulak. Zakład Biotechnologii Medycznej Wydział Biochemii, Biofizyki i Biotechnologii Uniwersytet Jagielloński
Nowe oblicze RNA Józef Dulak DMB Zakład Biotechnologii Medycznej Wydział Biochemii, Biofizyki i Biotechnologii Uniwersytet Jagielloński biotka.mol.uj.edu.pl/~hemeoxygenase 9 grudnia 2006 Regulacja ekspresji
Bardziej szczegółowoDane mikromacierzowe. Mateusz Markowicz Marta Stańska
Dane mikromacierzowe Mateusz Markowicz Marta Stańska Mikromacierz Mikromacierz DNA (ang. DNA microarray) to szklana lub plastikowa płytka (o maksymalnych wymiarach 2,5 cm x 7,5 cm) z naniesionymi w regularnych
Bardziej szczegółowoHard-Margin Support Vector Machines
Hard-Margin Support Vector Machines aaacaxicbzdlssnafiyn9vbjlepk3ay2gicupasvu4iblxuaw2hjmuwn7ddjjmxm1bkcg1/fjqsvt76fo9/gazqfvn8y+pjpozw5vx8zkpvtfxmlhcwl5zxyqrm2vrg5zw3vxmsoezi4ogkr6phieky5crvvjhriqvdom9l2xxftevuwcekj3lktmhghgniauiyutvrwxtvme34a77kbvg73gtygpjsrfati1+xc8c84bvraowbf+uwnipyehcvmkjrdx46vlykhkgykm3ujjdhcyzqkxy0chur6ax5cbg+1m4bbjptjcubuz4kuhvjoql93hkin5hxtav5x6yyqopnsyuneey5ni4keqrxbar5wqaxbik00icyo/iveiyqqvjo1u4fgzj/8f9x67bzmxnurjzmijtlybwfgcdjgfdtajwgcf2dwaj7ac3g1ho1n4814n7wwjgjmf/ys8fenfycuzq==
Bardziej szczegółowoSylabus Biologia molekularna
Sylabus Biologia molekularna 1. Metryczka Nazwa Wydziału Wydział Farmaceutyczny z Oddziałem Medycyny Laboratoryjnej Program kształcenia Farmacja, jednolite studia magisterskie, forma studiów: stacjonarne
Bardziej szczegółowoCzynniki genetyczne sprzyjające rozwojowi otyłości
Czynniki genetyczne sprzyjające rozwojowi otyłości OTYŁOŚĆ Choroba charakteryzująca się zwiększeniem masy ciała ponad przyjętą normę Wzrost efektywności terapii Czynniki psychologiczne Czynniki środowiskowe
Bardziej szczegółowoPro-tumoral immune cell alterations in wild type and Shbdeficient mice in response to 4T1 breast carcinomas
www.oncotarget.com Oncotarget, Supplementary Materials Pro-tumoral immune cell alterations in wild type and Shbdeficient mice in response to 4T1 breast carcinomas SUPPLEMENTARY MATERIALS Supplementary
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 szczegółowoSylabus Biologia molekularna
Sylabus Biologia molekularna 1. Metryczka Nazwa Wydziału Program kształcenia Wydział Farmaceutyczny z Oddziałem Medycyny Laboratoryjnej Analityka Medyczna, studia jednolite magisterskie, studia stacjonarne
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 szczegółowoOxford PWN Polish English Dictionary (Wielki Slownik Polsko-angielski)
Oxford PWN Polish English Dictionary (Wielki Slownik Polsko-angielski) PWN- Oxford Wielki s ownik polsko> angielski - PWN-Oxford Wielki s ownik polsko>angielski (Great Polish>English) The most comprehensive
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 szczegółowoDNA superhelikalny eukariota DNA kolisty bakterie plazmidy mitochondria DNA liniowy wirusy otrzymywany in vitro
DNA- kwas deoksyrybonukleinowy: DNA superhelikalny eukariota DNA kolisty bakterie plazmidy mitochondria DNA liniowy wirusy otrzymywany in vitro RNA- kwasy rybonukleinowe: RNA matrycowy (mrna) transkrybowany
Bardziej szczegółowoTTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 9: Inference in Structured Prediction
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 9: Inference in Structured Prediction 1 intro (1 lecture) Roadmap deep learning for NLP (5 lectures) structured prediction
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture11. Random Projections & Canonical Correlation Analysis
Machine Learning for Data Science (CS4786) Lecture11 5 Random Projections & Canonical Correlation Analysis The Tall, THE FAT AND THE UGLY n X d The Tall, THE FAT AND THE UGLY d X > n X d n = n d d The
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 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 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 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 szczegółowoWARUNKI ZALICZENIA PRZEDMIOTU- 5 ECTS
WARUNKI ZALICZENIA PRZEDMIOTU- 5 ECTS KOLOKWIA; 15% KOLOKWIA-MIN; 21% WEJŚCIÓWKI; 6% WEJŚCIÓWKI-MIN; 5% EGZAMIN; 27% EGZAMIN-MIN; 26% WARUNKI ZALICZENIA PRZEDMIOTU- 5 ECTS kolokwium I 12% poprawa kolokwium
Bardziej 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 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 szczegółowoPODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE
PODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE WSTĘP 1. Mikromacierze ekspresyjne tworzenie macierzy przykłady zastosowań 2. Mikromacierze SNP tworzenie macierzy przykłady zastosowań MIKROMACIERZE EKSPRESYJNE
Bardziej szczegółowoFew-fermion thermometry
Few-fermion thermometry Phys. Rev. A 97, 063619 (2018) Tomasz Sowiński Institute of Physics of the Polish Academy of Sciences Co-authors: Marcin Płodzień Rafał Demkowicz-Dobrzański FEW-BODY PROBLEMS FewBody.ifpan.edu.pl
Bardziej szczegółowoRola mirna w raku endometrium ze szczególnym uwzględnieniem mirna 205
DOI: 10.17772/gp/60077 Ginekol Pol. 2015, 86, 856-861 Rola mirna w raku endometrium ze szczególnym uwzględnieniem mirna 205 The role of mirna in endometrial cancer in the context of mirna 205 1 Klinika
Bardziej szczegółowoBadanie funkcji genu
Badanie funkcji genu Funkcję genu można zbadać różnymi sposobami Przypadkowa analizy funkcji genu MUTACJA FENOTYP GEN Strategia ukierunkowanej analizy funkcji genu GEN 1. wprowadzenie mutacji w genie 2.
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 szczegółowoTest BRCA1. BRCA1 testing
Test BRCA1 BRCA1 testing 2 Streszczenie Za najczęstszą przyczynę występowania wysokiej, genetycznie uwarunkowanej predyspozycji do rozwoju raka piersi i/lub jajnika w Polsce uznaje się nosicielstwo trzech
Bardziej szczegółowoRodzaj obliczeń. Data Nazwa klienta Ref. Napędy z pasami klinowymi normalnoprofilowymi i wąskoprofilowymi 4/16/ :53:55 PM
Rodzaj obliczeń Data Nazwa klienta Ref Napędy z pasami klinowymi normalnoprofilowymi i wąskoprofilowymi 4/16/2007 10:53:55 PM Rodzaj obciążenia, parametry pracy Calculation Units SI Units (N, mm, kw...)
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 szczegółowoBiologia molekularna
Biologia molekularna 1. Metryczka Nazwa Wydziału Program kształcenia Wydział Farmaceutyczny z Oddziałem Medycyny Laboratoryjnej Analityka Medyczna, studia jednolite magisterskie, studia stacjonarne i niestacjonarne
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 szczegółowoWymagania edukacyjne
Rok szkolny 2018/2019 Wymagania edukacyjne Przedmiot Klasa Nauczyciel uczący Poziom biologia 1t Edyta Nowak podstawowy Ocena dopuszczająca Ocenę dopuszczającą otrzymuje uczeń, który: przyswoił treści konieczne,
Bardziej szczegółowoZaoczne Liceum Ogólnokształcące Pegaz
WYMAGANIA EGZAMINACYJNE ROK SZKOLNY 2015/2016 Semestr jesienny TYP SZKOŁY: liceum ogólnokształcące PRZEDMIOT: biologia SEMESTR: II LICZBA GODZIN W SEMESTRZE: 15 PROGRAM NAUCZANIA: Program nauczania biologii
Bardziej szczegółowoWprowadzenie do przedmiotu 1
Inżynieria oprogramowania II Wykład 4 Syndrom LOOP Normy serii ISO 9000 Jerzy.Nawrocki@put.poznan.pl Adam.Wojciechowski@put.poznan.pl Loop Late (późno) Over budget (przekroczony budżet) Overtime (nadgodziny)
Bardziej szczegółowodeep learning for NLP (5 lectures)
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 6: Finish Transformers; Sequence- to- Sequence Modeling and AJenKon 1 Roadmap intro (1 lecture) deep learning for NLP (5
Bardziej szczegółowoSkładniki diety a stabilność struktury DNA
Składniki diety a stabilność struktury DNA 1 DNA jedyna makrocząsteczka, której synteza jest ściśle kontrolowana, a powstałe błędy są naprawiane DNA jedyna makrocząsteczka naprawiana in vivo Replikacja
Bardziej szczegółowo2014-03-26. Analiza sekwencji promotorów
2014-03-26 Analiza sekwencji promotorów 1 2014-03-26 TFy tworzą zawiły układ regulacyjny, na który składają się różne oddziaływania białko białko poprzez wytworzenie PĘTLI Specyficzne TFy Ogólne TFy Benfey,
Bardziej szczegółowoSpecjalność (studia II stopnia) Oczyszczanie i analiza produktów biotechnologicznych
Specjalność (studia II stopnia) Oczyszczanie i analiza produktów biotechnologicznych Studia magisterskie przedmioty specjalizacyjne Bioinformatyka w analizie genomu Diagnostyka molekularna Elementy biosyntezy
Bardziej szczegółowoRola mikrorna w patogenezie, diagnostyce i terapii nowotworów
Współczesna Onkologia (2006) vol. 10; 8 (359 366) Artykuł ten przedstawia w zarysie aktualny stan wiedzy w zakresie biogenezy, mechanizmu działania oraz funkcji fizjologicznej mikrorna, niedawno odkrytych,
Bardziej szczegółowoSCENARIUSZ LEKCJI BIOLOGII Z WYKORZYSTANIEM FILMU Transkrypcja RNA
SCENARIUSZ LEKCJI BIOLOGII Z WYKORZYSTANIEM FILMU Transkrypcja RNA SPIS TREŚCI: I. Wprowadzenie. II. Części lekcji. 1. Część wstępna. 2. Część realizacji. 3. Część podsumowująca. III. Karty pracy. 1. Karta
Bardziej szczegółowoKatarzyna Durda STRESZCZENIE STĘŻENIE KWASU FOLIOWEGO ORAZ ZMIANY W OBRĘBIE GENÓW REGULUJĄCYCH JEGO METABOLIZM JAKO CZYNNIK RYZYKA RAKA W POLSCE
Pomorski Uniwersytet Medyczny Katarzyna Durda STRESZCZENIE STĘŻENIE KWASU FOLIOWEGO ORAZ ZMIANY W OBRĘBIE GENÓW REGULUJĄCYCH JEGO METABOLIZM JAKO CZYNNIK RYZYKA RAKA W POLSCE Promotor: dr hab. prof. nadzw.
Bardziej szczegółowo"Zapisane w genach, czyli Python a tajemnice naszego genomu."
"Zapisane w genach, czyli Python a tajemnice naszego genomu." Dr Kaja Milanowska Instytut Biologii Molekularnej i Biotechnologii UAM VitaInSilica sp. z o.o. Warszawa, 9 lutego 2015 Dane biomedyczne 1)
Bardziej szczegółowoTTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 8: Structured PredicCon 2
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 8: Structured PredicCon 2 1 Roadmap intro (1 lecture) deep learning for NLP (5 lectures) structured predic+on (4 lectures)
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 szczegółowoMotywacja. Do tej pory: Dzisiaj:
GENE SET ENRICHMENT Motywacja Do tej pory: Gen traktowany jest niezależnie Konieczna jest korekcja dla wielokrotnego testowania (FDR) Wynikowa lista interesujących genów jest zmienna Biologiczna interpretacja
Bardziej szczegółowoS YL AB US MODUŁ U ( PRZEDMIOTU) I nforma c j e ogólne
Załącznik Nr 3 do Uchwały Senatu PUM 14/2012 S YL AB US MODUŁ U ( PRZEDMIOTU) I nforma c j e ogólne Kod modułu Rodzaj modułu Wydział PUM Kierunek studiów Specjalność Poziom studiów Nazwa modułu INŻYNIERIA
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 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 szczegółowoEwolucja człowieka. Ślady w ziemi i ślady w genach
Ewolucja człowieka Ślady w ziemi i ślady w genach Migracje z Afryki Wnioski Model OAR zasadniczo utrzymany, ale nie taki prosty, jak się zdawało Mogło dochodzić do krzyżowania się migrantów z populacjami
Bardziej szczegółowoRozkład materiału z biologii dla klasy III AD. 7 godz / tyg rok szkolny 2016/17
Rozkład materiału z biologii dla klasy III AD zakres rozszerzony LO 7 godz / tyg rok szkolny 2016/17 Biologia na czasie 2 zakres rozszerzony nr dopuszczenia 564/2/2012 Biologia na czasie 3 zakres rozszerzony
Bardziej szczegółowoBioinformatyka, edycja 2016/2017, laboratorium
Instytut Informatyki i Matematyki Komputerowej UJ, opracowanie: dr Jacek Śmietański Mikromacierze 1. Mikromacierze wprowadzenie Mikromacierze to technologia pozwalająca na pomiar aktywności genów w komórce.
Bardziej szczegółowoMechanizmy kontroli rozwoju roślin. Rafał Archacki
Mechanizmy kontroli rozwoju roślin Rafał Archacki Drzewo życia pozycja roślin i zwierząt http://5e.plantphys.net/article.php?ch=t&id=399 Ewolucja roślin ewolucja procesu rozmnażania i rozwoju http://5e.plantphys.net/article.php?ch=t&id=399
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 szczegółowoBioinformatyka. wykłady dla I r. studiów magisterskich, biologia (SGGW) 2010/2011. Krzysztof Pawłowski
Bioinformatyka wykłady dla I r. studiów magisterskich, biologia (SGGW) 2010/2011 Krzysztof Pawłowski Wykład 5.X.2010 Co to jest bioinformatyka? Program wykładów Zastosowanie bioinformatyki: sekwencjonowanie
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 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 szczegółowoKARTA PRZEDMIOTU. 1. Nazwa przedmiotu BIOLOGIA MOLEKULARNA. 2. Numer kodowy BIO04c. 3. Język, w którym prowadzone są zajęcia polski
Projekt OPERACJA SUKCES unikatowy model kształcenia na Wydziale Lekarskim Uniwersytetu Medycznego w Łodzi odpowiedzią na potrzeby gospodarki opartej na wiedzy współfinansowany ze środków Europejskiego
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 szczegółowoGRA Przykład. 1) Zbiór graczy. 2) Zbiór strategii. 3) Wypłaty. n = 2 myśliwych. I= {1,,n} S = {polować na jelenia, gonić zająca} S = {1,,m} 10 utils
GRA Przykład 1) Zbiór graczy n = 2 myśliwych I= {1,,n} 2) Zbiór strategii S = {polować na jelenia, gonić zająca} S = {1,,m} 3) Wypłaty jeleń - zając - 10 utils 3 utils U i : S n R i=1,,n J Z J Z J 5 0
Bardziej szczegółowo1. KEGG 2. GO. 3. Klastry
ANALIZA DANYCH 1. Wykład wstępny 2. Charakterystyka danych 3. Analiza wstępna genomiczna charakterystyka cech 4. Prezentacje grup roboczych analiza wstępna 5. Prezentacje grup roboczych analiza wstępna
Bardziej szczegółowo- - - Źródło zdjęcia: Plazmidy. Źródło zdjęcia:
WEKTORY STOSOWANE W TERAPII GENOWEJ TERAPIA GENOWA NIEWIRUSOWE WIRUSOWE dr Marta Żbrowska Pracownia Diagnostyki Molkularnj i Farmakognomiki, Zakładu Biochmii Farmacutycznj, Uniwrsyttu Mdyczngo w Łodzi
Bardziej szczegółowoPodstawy genetyki molekularnej
Podstawy genetyki molekularnej Materiał genetyczny Materiałem genetycznym są kwasy nukleinowe Materiałem genetycznym organizmów komórkowych jest kwas deoksyrybonukleinowy (DNA) 5 DNA zbudowany jest z nukleotydów
Bardziej szczegółowoAlgorytm FIREFLY. Michał Romanowicz Piotr Wasilewski
Algorytm FIREFLY Michał Romanowicz Piotr Wasilewski Struktura prezentacji 1. Twórca algorytmu 2. Inspiracja w przyrodzie 3. Algorytm 4. Zastosowania algorytmu 5. Krytyka algorytmu 6. Porównanie z PSO Twórca
Bardziej szczegółowoEwolucja człowieka. Ślady w ziemi i ślady w genach
Ewolucja człowieka Ślady w ziemi i ślady w genach 1 Złożone zagadki } } Odnaleziono wiele skamieniałości naczelnych, różne gatunki w tym samym czasie Trudno ustalić relacje między nimi } Przodkowie, czy
Bardziej szczegółowoProfilaktyka i leczenie czerniaka. Dr n. med. Jacek Calik
Profilaktyka i leczenie czerniaka Dr n. med. Jacek Calik Czerniaki Czerniaki są grupą nowotworów o bardzo zróżnicowanej biologii, przebiegu i rokowaniu. Nowotwory wywodzące się z melanocytów. Pochodzenie
Bardziej szczegółowoFaculty of Biology Institute of Anthropology
Faculty of Biology Institute of Anthropology Izabela Makałowska, prof. dr hab. Poznań, 18.05.2017 Zakład Genomiki Zintegrowanej Instytut Antropologii Wydział Biologii Uniwersytet im A. Mickiewicza w Poznaniu
Bardziej szczegółowoBioinformatyka. Krzysztof Pawłowski. wykłady dla I r. studiów magisterskich, biologia (SGGW) 2012 / 2013
Bioinformatyka wykłady dla I r. studiów magisterskich, biologia (SGGW) 2012 / 2013 Krzysztof Pawłowski Wykład 8.X.2012 Co to jest bioinformatyka? Program wykładów Zastosowanie bioinformatyki: sekwencjonowanie
Bardziej szczegółowowykład dla studentów II roku biotechnologii Andrzej Wierzbicki
Genetyka ogólna wykład dla studentów II roku biotechnologii Andrzej Wierzbicki Uniwersytet Warszawski Wydział Biologii andw@ibb.waw.pl http://arete.ibb.waw.pl/private/genetyka/ Wykład 5 Droga od genu do
Bardziej szczegółowoKARTA PRZEDMIOTU. (pieczęć wydziału)
(pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: Eksploracja danych w bioinformatyce 2. Kod przedmiotu: EksDaBio 3. Karta przedmiotu ważna od roku akademickiego: 2017/2018 4. Forma kształcenia:
Bardziej szczegółowoNa pograniczu chemii i biologii sztuka wyboru według Profesora Krzyżosiaka
NAUKA 1/2018 161 166 MARTA OLEJNICZAK, AGNIESZKA FISZER Na pograniczu chemii i biologii sztuka wyboru według Profesora Krzyżosiaka Wspomnienie o Profesorze Włodzimierzu Krzyżosiaku (1949 2017) Profesor
Bardziej szczegółowoWYNALAZKI BIOTECHNOLOGICZNE W POLSCE. Ewa Waszkowska ekspert UPRP
WYNALAZKI BIOTECHNOLOGICZNE W POLSCE Ewa Waszkowska ekspert UPRP Źródła informacji w biotechnologii projekt SLING Warszawa, 9-10.12.2010 PLAN WYSTĄPIENIA Umocowania prawne Wynalazki biotechnologiczne Statystyka
Bardziej szczegółowoWojewodztwo Koszalinskie: Obiekty i walory krajoznawcze (Inwentaryzacja krajoznawcza Polski) (Polish Edition)
Wojewodztwo Koszalinskie: Obiekty i walory krajoznawcze (Inwentaryzacja krajoznawcza Polski) (Polish Edition) Robert Respondowski Click here if your download doesn"t start automatically Wojewodztwo Koszalinskie:
Bardziej szczegółowoScenariusz lekcji biologii z wykorzystaniem metody CILIL Lekcja dla klasy IV technikum o rozszerzonym zakresie kształcenia
Scenariusz lekcji biologii z wykorzystaniem metody CILIL Lekcja dla klasy IV technikum o rozszerzonym zakresie kształcenia Temat lekcji: Budowa i funkcje DNA Cele lekcji: poznawcze w zakresie wiadomości
Bardziej szczegółowoZgodnie z tzw. modelem interpunkcji trna, cząsteczki mt-trna wyznaczają miejsca
Tytuł pracy: Autor: Promotor rozprawy: Recenzenci: Funkcje białek ELAC2 i SUV3 u ssaków i ryb Danio rerio. Praca doktorska wykonana w Instytucie Genetyki i Biotechnologii, Wydział Biologii UW Lien Brzeźniak
Bardziej 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 szczegółowoCLUSTERING. Metody grupowania danych
CLUSTERING Metody grupowania danych Plan wykładu Wprowadzenie Dziedziny zastosowania Co to jest problem klastrowania? Problem wyszukiwania optymalnych klastrów Metody generowania: k centroidów (k - means
Bardziej szczegółowoLokalizacja genów DNA/RNA. Nukleotydy i ich łańcuchy 11/21/2013. Genom ludzki. Struktura genomu. Pirymidyny i Puryny
Genom ludzki Lokalizacja genów Cała informacja genetyczna wdna. Zawiera sekwencje kodujące i niekodujące Rozpoczęty w 1989 Pierwsza wersja w 2000 Koszt $3 mld 3*10 9 bp(base pairs) 20,000 genów 1 Struktura
Bardziej szczegółowoSWPS Uniwersytet Humanistycznospołeczny. Wydział Zamiejscowy we Wrocławiu. Karolina Horodyska
SWPS Uniwersytet Humanistycznospołeczny Wydział Zamiejscowy we Wrocławiu Karolina Horodyska Warunki skutecznego promowania zdrowej diety i aktywności fizycznej: dobre praktyki w interwencjach psychospołecznych
Bardziej szczegółoworeakcji polimerazy w czasie rzeczywistym (real-time qpcr), po uprzednim przeprowadzeniu odwrotnej transkrypcji. Reakcja qpcr została przeprowadzona w
mgr Justyna Kiszałkiewicz promotor: prof. dr hab. n.med. Ewa Brzeziańska-Lasota Zakład Molekularnych Podstaw Medycyny I Katedra Chorób Wewnętrznych Wydział Lekarski Uniwersytetu Medycznego w Łodzi Tytuł
Bardziej szczegółowoNajbardziej obiecujące terapie lekami biopodobnymi - Rak piersi
Warszawa, 27.02.2018 MEDYCYNA XXI wieku III EDYCJA Leki biopodobne 2018 Najbardziej obiecujące terapie lekami biopodobnymi - Rak piersi Dr n. med. Agnieszka Jagiełło-Gruszfeld 1 Breast Cancer (C50.0-C50.9):
Bardziej szczegółowoGen eukariotyczny. Działanie i regulacja etapy posttranskrypcyjne
Gen eukariotyczny Działanie i regulacja etapy posttranskrypcyjne Definicja genu Region DNA, który określa dziedziczoną cechę organizmu; zwykle koduje pojedyncze białko lub RNA. Zawiera całą funkcjonalną
Bardziej szczegółowoDiagnostyka neurofibromatozy typu I,
Diagnostyka neurofibromatozy typu I, czyli jak to się robi w XXI wieku dr n. biol. Robert Szymańczak Laboratorium NZOZ GENOMED GENOMED S.A. Neurofibromatoza typu I (choroba von Recklinghausena) częstość
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 szczegółowoDominika Stelmach Gr. 10B2
Dominika Stelmach Gr. 10B2 Czym jest DNA? Wielkocząsteczkowy organiczny związek chemiczny z grupy kwasów nukleinowych Zawiera kwas deoksyrybonukleoinowy U organizmów eukariotycznych zlokalizowany w jądrze
Bardziej szczegółowoRok akademicki: 2014/2015 Kod: EIB-2-206-BN-s Punkty ECTS: 3. Kierunek: Inżynieria Biomedyczna Specjalność: Bionanotechnologie
Nazwa modułu: Genetyka molekularna Rok akademicki: 2014/2015 Kod: EIB-2-206-BN-s Punkty ECTS: 3 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Inżynieria Biomedyczna
Bardziej szczegółowoMutacje jako źródło różnorodności wewnątrzgatunkowej
Mutacje jako źródło różnorodności wewnątrzgatunkowej Zajęcia terenowe: Zajęcia w klasie: Poziom nauczania oraz odniesienie do podstawy programowej: Liceum IV etap edukacyjny zakres rozszerzony: Różnorodność
Bardziej szczegółowoBaptist Church Records
Baptist Church Records The Baptist religion was a religious minority in Poland, making it more difficult to know when and where records of this religion might be available. In an article from Rodziny,
Bardziej szczegółowoARNOLD. EDUKACJA KULTURYSTY (POLSKA WERSJA JEZYKOWA) BY DOUGLAS KENT HALL
Read Online and Download Ebook ARNOLD. EDUKACJA KULTURYSTY (POLSKA WERSJA JEZYKOWA) BY DOUGLAS KENT HALL DOWNLOAD EBOOK : ARNOLD. EDUKACJA KULTURYSTY (POLSKA WERSJA Click link bellow and free register
Bardziej szczegółowo