Epigenome - 'above the genome'

Podobne dokumenty
Czynniki genetyczne sprzyjające rozwojowi otyłości

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1

Pakiety statystyczne - Wykªad 8

Uniwersytet Łódzki, Instytut Biochemii

Blockchain. Modelowanie zachowa«oraz odkrywanie wzorców w grae transakcji Ethereum. Mateusz Zaborski

Wykorzystanie lokalnej geometrii danych w Maszynie Wektorów No±nych

1. KEGG 2. GO. 3. Klastry

Liczby pierwsze Fermata

Analizy wielkoskalowe w badaniach chromatyny

1. Analiza asocjacyjna. Cechy ciągłe. Cechy binarne. Analiza sprzężeń. Runs of homozygosity. Signatures of selection

ANALIZA DANYCH POCHODZĄCYCH Z SEKWENCJONOWANIA NASTĘPNEJ GENERACJI

Informacje ogólne. Badania genetyczne wykorzystywane w kosmetologii

MiASI. Modelowanie integracji systemów. Piotr Fulma«ski. 26 stycznia Wydziaª Matematyki i Informatyki, Uniwersytet Šódzki, Polska

Modelowanie motywów łańcuchami Markowa wyższego rzędu

I nforma cje ogólne. Specjalność - jednolite magisterskie * Poziom studiów. I stopnia II stopnia X. Rok 2; semestr I. - zaliczenie

Składniki diety a stabilność struktury DNA

Statystyczna analiza danych

Šukasz Zaniewicz. Support Vector Machines for Uplift Modeling. PhD dissertation. Supervisor: dr hab. in». Szymon Jaroszewicz

IMPLIKACJE ZASTOSOWANIA KODOWANIA OPARTEGO NA LICZBACH CAŁKOWITYCH W ALGORYTMIE GENETYCZNYM

Transpozony a ewolucja miejsc wi zania czynników transkrypcyjnych u ssaków

Laboratorium 11. Regresja SVM.

Dodatek F. Dane testowe

MIKROMACIERZE. dr inż. Aleksandra Świercz dr Agnieszka Żmieńko

CHARAKTERYSTYKA PRZEDMIOTU Pracownia Informatyczna 1 PRACOWNIA INFORMATYCZNA 2018/2019 MAGDA MIELCZAREK 1

MODEL HAHNFELDTA I IN. ANGIOGENEZY NOWOTWOROWEJ Z UWZGL DNIENIEM LEKOOPORNO CI KOMÓREK NOWOTWOROWYCH

Uniwersytet Łódzki, Instytut Biochemii

lek. Jacek Krzanowski

Public gene expression data repositoris

Informatyka w medycynie Punkt widzenia kardiologa

Dr. habil. Anna Salek International Bio-Consulting 1 Germany

BIOLOGICZNE BAZY DANYCH (1) GENOMY I ICH ADNOTACJE

Przybliżone algorytmy analizy ekspresji genów.

BIOLOGICZNE BAZY DANYCH (2) GENOMY I ICH ADNOTACJE. Podstawy Bioinformatyki wykład 4

BUDOWA I FUNKCJA GENOMU LUDZKIEGO

Laboratorium 7. Support Vector Machines (klasyfikacja).

mikrosatelitarne, minisatelitarne i polimorfizm liczby kopii

Podstawy statystycznego modelowania danych - Wykªad 7

Podstawy genetyki molekularnej

prof. Joanna Chorostowska-Wynimko Zakład Genetyki i Immunologii Klinicznej Instytut Gruźlicy i Chorób Płuc w Warszawie

data mining machine learning data science

Wykład 5. Remodeling chromatyny

Historia Bioinformatyki

EPIGENETYKA. genetyka XXI wieku? HUMAN GENOME PROJECT HUMAN GENOME PROJECT. CELE: 1. Identyfikacja - około 25 tys.

Uniwersytet Łódzki, Instytut Biochemii

Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym

PRZEWLEKŁĄ BIAŁACZKĘ SZPIKOWĄ I OSTRĄ BIAŁACZKĘ SZPIKOWĄ

Genetyka niemendlowska

Teoria grafów i sieci 1 / 58

W III etapie edukacyjnym

Plan wykładu: Budowa chromatyny - nukleosomy. Wpływ nukleosomów na replikację i transkrypcję

KARTA PRZEDMIOTU. (pieczęć wydziału)

x y x y x y x + y x y

"Zapisane w genach, czyli Python a tajemnice naszego genomu."

Klasteryzacja i klasyfikacja danych spektrometrycznych

PODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE

Systemy Wyszukiwania Informacji: Metoda list inwersyjnych

Sekwencjonowanie, przewidywanie genów

Badania asocjacyjne w skali genomu (GWAS)

PODSTAWY BIOINFORMATYKI 11 BAZA DANYCH HAPMAP

Uniwersytet Łódzki, Instytut Biochemii

Wpływ katechin na metylację DNA w obrębie promotora genu sulfiredoksyny (SRXN1) komórek linii HT29

SYLABUS DOTYCZY CYKLU KSZTAŁCENIA

Losy pacjentów po wypisie z OIT Piotr Knapik

Praca Dyplomowa Magisterska

Jak zachęcać i przygotowywać uczniów do udziału w Olimpiadzie Informatycznej Gimnazjalistów (OIG)?

Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu. Karta przedmiotu. obowiązuje w roku akademickim 2012/2013

Epigenetic modifications during oocyte growth correlates with extended parthenogenetic developement in the mouse

Inżynieria genetyczna- 6 ECTS. Inżynieria genetyczna. Podstawowe pojęcia Część II Klonowanie ekspresyjne Od genu do białka

Czy transpozony mog tworzy drzewa logenetyczne takie, jakby istniaª Gen Nadrz dny?

Bioinformatyka 2 (BT172) Struktura i organizacja kursu

Dynamiczne wªasno±ci algorytmu propagacji przekona«

Epigenetyczna regulacja ekspresji genów w trakcie rozwoju zwierząt i roślin

Jak działają geny. Podstawy biologii molekularnej genu

Analysis of infectious complications inf children with acute lymphoblastic leukemia treated in Voivodship Children's Hospital in Olsztyn

Ekologia molekularna. wykład 10

Propozycja integracji elementów ±wiata gry przy u»yciu drzew zachowa«

Bioinformatyka, edycja 2016/2017, laboratorium

Czy mamy dowody na pozalipidoweefekty stosowania statyn?

Model Poissona-Nernsta-Plancka w predykcji struktury kanałów białkowych

Laboratorium 12. Odkrywanie osobliwości.

Indukowane pluripotencjalne komórki macierzyste

TRANSLACJA II etap ekspresji genów

Polityka społeczna w zakresie zróżnicowanych form mieszkalnictwa w regionie lubelskim

ERGONOMIA Cz. 1. Podstawy

Różnorodność osobników gatunku

SZCZURÓW EWA FRĄCZEK

Badania GWAS nowa strategia badań genetycznych w alergii i astmie

Modyfikacje epigenetyczne w czasie wzrostu oocytów związane z rozszerzeniem rozwoju partenogenetycznego u myszy. Małgorzata Karney

Wst p do sieci neuronowych 2010/2011 wykªad 7 Algorytm propagacji wstecznej cd.

INICJACJA ELONGACJA TERMINACJA

Dlaczego kariotypy mężczyzn i kobiet różnią się pod względem zestawów chromosomów płci skoro Ewa została utworzona z żebra Adama?

PODSTAWY BIOINFORMATYKI WYKŁAD 4 ANALIZA DANYCH NGS

Wykład 9: HUMAN GENOME PROJECT HUMAN GENOME PROJECT

Imię i nazwisko...kl...

Lekcja 6 Programowanie - Zaawansowane

Badanie dynamiki białek jądrowych w żywych komórkach metodą mikroskopii konfokalnej

Budowa kwasów nukleinowych

Pytania i odpowiedzi

Transkrypt:

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

Plan Genom 1 Genom 2 e

Plan Genom 1 Genom 2 3 e

Genom e

DNA Genom e

Genom Rysunek: Zestaw 46 chromosomów czªowieka ¹ródªo: http://en.wikipedia.org/wiki/file:nhgri_human_male_karyotype.png e

Organizacja DNA e

Ekspresja czyli aktywno± genów e

e

- metylacja DNA e

- modykacja histonów e

- kierunki bada«e

Human e Project/ENCODE/TCGA e

Wró my do myszy :) e

Metylacja a ekspresja genu e

Metylacja a ±rodowisko e

e

Przykªad klastrowania hierarchicznego Milani et al., DNA methylation for subtype classication and prediction of treatment outcome in patients with childhood acute lymphoblastic leukemia, Blood 2010 e

Przykªad klastrowania hierarchicznego Milani et al., DNA methylation for subtype classication and prediction of treatment outcome in patients with childhood acute lymphoblastic leukemia, Blood 2010 celem badania byªo wyodr bnienie podgrup biaªaczki na podstawie danych o metylacji e

Przykªad klastrowania hierarchicznego Milani et al., DNA methylation for subtype classication and prediction of treatment outcome in patients with childhood acute lymphoblastic leukemia, Blood 2010 celem badania byªo wyodr bnienie podgrup biaªaczki na podstawie danych o metylacji podgrupy te ró»ni si przebiegiem terapii i prognozami e

Przykªad klastrowania hierarchicznego Milani et al., DNA methylation for subtype classication and prediction of treatment outcome in patients with childhood acute lymphoblastic leukemia, Blood 2010 celem badania byªo wyodr bnienie podgrup biaªaczki na podstawie danych o metylacji podgrupy te ró»ni si przebiegiem terapii i prognozami pobrano próbki komórek leukocytów od 401 dzieci chorych na biaªaczk e

Przykªad klastrowania hierarchicznego Milani et al., DNA methylation for subtype classication and prediction of treatment outcome in patients with childhood acute lymphoblastic leukemia, Blood 2010 celem badania byªo wyodr bnienie podgrup biaªaczki na podstawie danych o metylacji podgrupy te ró»ni si przebiegiem terapii i prognozami pobrano próbki komórek leukocytów od 401 dzieci chorych na biaªaczk zmierzono metylacj DNA w otoczeniu 416 genów zwi zanych z biaªaczk otrzymano dane o metylacji ok. 1300 par zasad dla ka»dej próbki e

Przykªad klastrowania hierarchicznego e

Nauczanie SVMu - klasykowanie elementów funkcjonalnych Fernandez,Miranda-Saavedra, Genome-wide enhancer prediction from epigenetic signatures using genetic algorithm-optimized support vector machines, Nucleic Acids Research 2012 e

Nauczanie SVMu - klasykowanie elementów funkcjonalnych Fernandez,Miranda-Saavedra, Genome-wide enhancer prediction from epigenetic signatures using genetic algorithm-optimized support vector machines, Nucleic Acids Research 2012 celem pracy byªo stworzenie modelu, który potraªby przewidywa pewne funkcjonalne elementy genomu nazywane enhancerami na podstawie modykacji epigenetycznych w tym rejonie e

Nauczanie SVMu - klasykowanie elementów funkcjonalnych Fernandez,Miranda-Saavedra, Genome-wide enhancer prediction from epigenetic signatures using genetic algorithm-optimized support vector machines, Nucleic Acids Research 2012 celem pracy byªo stworzenie modelu, który potraªby przewidywa pewne funkcjonalne elementy genomu nazywane enhancerami na podstawie modykacji epigenetycznych w tym rejonie do nauczania wykorzystano dane z projektu ENCODE model zostaª stworzony na bazie SVM i algorytmu genetycznego osi gni to dokªadno± predykcji enhancerów na poziomie ok. 85% e

SVM Genom e

Schemat dziaªania modelu e

HMM dla danych epigenetycznych Larson, Yuan, Epigenetic domains found in mouse embryonic stem cells via a Hidden Markov Model, BMC Bioinformatics 2010 e

HMM dla danych epigenetycznych Larson, Yuan, Epigenetic domains found in mouse embryonic stem cells via a Hidden Markov Model, BMC Bioinformatics 2010 celem pracy byªo stworzenie modelu, który potraªby przewidywa aktywno± w danym rejonie nici DNA na podstawie modykacji epigenetycznych e

HMM dla danych epigenetycznych Larson, Yuan, Epigenetic domains found in mouse embryonic stem cells via a Hidden Markov Model, BMC Bioinformatics 2010 celem pracy byªo stworzenie modelu, który potraªby przewidywa aktywno± w danym rejonie nici DNA na podstawie modykacji epigenetycznych model zostaª stworzony na bazie HMM e

HMM dla danych epigenetycznych Larson, Yuan, Epigenetic domains found in mouse embryonic stem cells via a Hidden Markov Model, BMC Bioinformatics 2010 celem pracy byªo stworzenie modelu, który potraªby przewidywa aktywno± w danym rejonie nici DNA na podstawie modykacji epigenetycznych model zostaª stworzony na bazie HMM zidentykowano i biologicznie zwerykowano domeny(large scale epigenetic patterns) - active, non-active, null e

Schemat dziaªania modelu e

Perspektywy epigenetic genome wide association studies e

Perspektywy epigenetic genome wide association studies epigenetic targeted drugs e

Perspektywy epigenetic genome wide association studies epigenetic targeted drugs personalized epigenomics e

Perspektywy epigenetic genome wide association studies epigenetic targeted drugs personalized epigenomics integrative omics more... e

Dzi kuj za uwag e