Тезисы докладов

Вид материала

Содержание

Поиск генов, содержащих вставки и склейки
Временной анализ и сжатие данных в медицинских исследованиях

Подобный материал:

1 ... 36 37 38 39 40 41 42 43 ... 96

ПОИСК ГЕНОВ, СОДЕРЖАЩИХ ВСТАВКИ И СКЛЕЙКИ

Е.В.Коротков, Ю.М.Суворова, В.М.Руденко, Ф.Е.Френкель

Центр «Биоинженерия» РАН, Москва

Развитие методов секвенирования последовательностей основа-ний ДНК сделало возможным развитие так называемой индивиду-альной медицины. Одной из задач этого направления является поиск тех генов, которые отвечают за индивидуальную чувствии-тельность к лекарствам. Такими генами в первую очередь являются гены, которые накопили определенные мутации, в первую очередь вставки фрагментов ДНК, или представляющие собой склейку частей двух других генов. В данной работе для поиска генов со вставками или поиска склеенных генов мы использовали существование триплетной «волны» в генах, которая выражена в виде неравномерного использования оснований по позициям триплетного периода. Триплетная организация последователь-ностей ДНК, кодирующих белки, является общим свойством всех известных на настоящее время живых систем, и она привязана к рамке считывания, существующей в гене (1, 5). Если на фоне триплетной периодичности в гене произойдет вставка фрагмента ДНК с длиной не кратной трем основаниям, то это можно будет заметить, так как произойдет сдвиг фазы триплетной периодичности (1, 2). Присутствие такого сдвига фазы триплетной периодичности в нуклеотидной последовательности может служить указанием на присутствие вставки фрагмента ДНК в анализируемом гене. Если же произойдет склейка двух генов, то это можно заметить по наличию так называемой точки разладки в гене (3, 4, 6). В точке разладки триплетная периодичность резко меняет свои свойства. Мы разработали оригинальный компьютерный метод для поиска сдвига фазы триплетной периодичности и провели анализ генов, собранных в базе данных Kegg-46 (более 4 миллионов генов). Для расчетов использовался компьютерный кластер Центра «Биоинженерия» РАН, состоящий из 110 процессоров. Результаты исследования показали, что примерно 18 % прокариотических генов содержат сдвиг фазы триплетной периодичности, обусловленный вставками фрагментов ДНК. Для склеек мы обнаружили, что около 10 % генов из базы Kegg-46 содержат склейки триплетной периодичности, которая может указывать на то, что данный ген представляет собой последовательность, состоящую из частей двух различных генов. Частично полученные результаты были подтверждены поисками подобий для аминокислотных последовательностей, которые кодируются склеенными генами. Было показано, что встречаются белки, для которых подобие наблюдается либо до, либо после места склейки. Данное исследование открывает новые возможности для поиска генов, интересных с точки зрения персональной медицины для предсказания индивидуальных эффектов воздействия лекарственных препаратов.

Публикации:

В.М.Руденко, Е.В.Коротков «Применение метода Монте-Карло для поиска потенциальных сдвигов рамки считывания в генах», Математическиая биология и биоинформатика, том 6, с. 79-91, 2011.
V.M.Rudenko, Yu.M.Suvorova, E.V.Korotkov “Detection of possible reading frame shifts in genes using triplet frequencies homogeneity”, Austrian Journal of Statistics, v. 40, № 1-2, pp. 137-146, 2011.
Е.В.Коротков, В.М.Руденко «Поиск скрытой периодичности в финансовых временных рядах методом циклического разложения», Прикладная информатика, № 3, 2011.
V.M.Rudenko, Yu.M.Suvorova, E.V.Korotkov Detection change points of triplet periodicity of gene. Gene, v. 491, 58-64, 2012.
E.V.Korotkov, A.A.Shelenkov “LEPSCAN—a web server for searching latent periodicity in DNA sequences. Briefings in Bioinformatics (Impact Factor 9.3), accepted for publication in 2011.

djournals.org/content/early/2011/07/22/bib.bbr044.short?rss=1

E.V.Korotkov, M.A.Korotkova Detection of insertions in genes with help of triplet periodicity phase shifts. Genomics, Proteomics & Bioinformatics, 2011, accepted for publication.

ВРЕМЕННОЙ АНАЛИЗ И СЖАТИЕ ДАННЫХ

В МЕДИЦИНСКИХ ИССЛЕДОВАНИЯХ

Н.А.Кузнецов, Ф.Н.Григорьев, К.В.Семенихин, Н.А.Гречишкина

Институт радиотехники и электроники им. В.А.Котельникова РАН

Развитие компьютерных методов электро- и магнитоэнцефа-лографии делает актуальной проблему разработки интел-лектуальных алгоритмов обработки цифровых записей, представляющих собой протокол проведения медицинских исследований по диагностике, выявлению и лечению патологических состояний. Однако разработка методов принятия решений в медицинской практике (продолжение данного вида терапии, его изменение, прекращение и т.п.) возможна только на основе решения другой принципиально важной проблемы - задачи идентификации математической модели ЭЭГ- и МЭГ-сигналов.

Практика математической обработки электроэнцефалограмм показывает, что на небольшом промежутке времени соответствующие сигналы удовлетворительно описываются моделями регулярных стационарных случайных процессов.

Благодаря этому становится возможным эффективно оценивать моментные и спектральные характеристики этих процессов. В рамках этой гипотезы для ЭЭГ-сигналов предполагается оценить параметры линейного стохастического дифференциального уравнения, представляющего собой модель суперпозиции нескольких колебательных звеньев.

Тем не менее гипотеза стационарности справедлива только для установившегося режима и не подходит для идентификации модели ЭЭГ-записей, содержащих артефактные явления, для анализа тестовых воздействий на пациента. Поэтому для решения указанных задач предлагается методика адаптивной фильтрации, которая способна учесть смену структуры дифференциального уравнения при возникновении вызванных потенциалов.

На основе современных методов теории оценивания параметров стохастических дифференциальных уравнений разработаны методы и алгоритмы оценивания ЭЭГ и вызванных потенциалов. Разработаны компьютерные программы и проведена их апробация на реальных ЭЭГ. Разработаны методы идентификации параметров ЭЭГ, построены алгоритмы идентификации параметров энцефалограмм с помощью методов «отбеливания» шума в сигнале разностной ошибки и построения фундаментальной матрицы системы дифференциальных уравнений, описывающей сигналы ЭЭГ. Разработаны методы сжатия многомерных сигналов энцефалограмм и созданы соответствующие алгоритмы сжатия.

Состоятельность описанных методов доказана исследованиями, проводившимися в 2011 г. совместно с НИИ нейрохирургии им. Н.Н.Бурденко РАМН. Это позволит в будущем провести усовершенствование имеющихся алгоритмов обработки измерительной информации с целью повышения их эффективности.

Результаты работ доложены на Второй международной научно-практической конференции «Высокие технологии, фундамен-тальные и прикладные исследования в физиологии и медицине», 26-28 октября 2011 г., Санкт-Петербург (Кузнецов Н.А., Григорьев Ф.Н., Гречишкина Н.А. «Статистические критерии диагностики заболеваний на примере болезни Паркинсона по данным ЭЭГ»), на научном семинаре в ИРЭ им. В.А.Котельникова РАН совместно с Институтом высшей нервной деятельности и нейрофизиологии РАН и НИИ нейрохирургии им. Н.Н.Бурденко РАМН, 02 июня 2011 г., Москва (Григорьев Ф.Н., Кузнецов Н.А. «Статистический критерий диагностики болезни Паркинсона на основе ЭЭГ») и представлены к публикации в журнале ««Технологии живых систем»» (Григорьев Ф.Н., Кузнецов Н.А., «Статистический критерий диагностики болезни Паркинсона по данным ЭЭГ»).