Lataa esitys
Esittely latautuu. Ole hyvä ja odota
JulkaistuTimo-Jaakko Hovinen Muutettu yli 9 vuotta sitten
1
Graafialgoritmit laskennal- lisessa systeemibiologiassa Graph Algorithms in Computational Systems Biology Työn valvoja ja ohjaaja: Prof. Patric Östergård, TKK tietoliikennelaboratorio Diplomityöesitelmä 18.5.2004 Vesa Riihimäki, 51670L
2
Sisältö Biologinen tausta Mitä on systeemibiologia? Graafit ja algoritmit Graafisovellukset biologiassa CASE: RNA-rakenteen ennustaminen Yhteenveto
3
Biologinen tausta Elävät organismit koostuvat soluista Solut koostuvat erilaisista molekyyleistä, mm proteiinit Solun tumassa (eukaryooteilla) kromosomisto, joka koostuu DNAsta A->G->T->T->A->C->C->A->G
4
Genetiikka DNA kopioidaan RNAksi ja edelleen proteiiniksi DNAssa olevat geenit koodaavat proteiinisekvenssin 1 kodoni = 3 nukleotidia = 1 aminohappo J. Setubal, J. Meidanis. Introduction to computational molecular biology. Brooks/Cole Publishing Company, Pacific Grove, CA, 1997.
5
DNA ja RNA DNA sisältää geneettisen informaation kaksijuostekierre RNA useita tehtäviä: mRNA, tRNA, rRNA monimuotoinen yksijuostesekvenssi laskostuu ja muodostaa valesolmuja sekvenssi eroaa DNAsta: tymiinin tilalla urasiili
6
Proteiini Solun rakenneaine Laskostunut polypeptidiketju J. Setubal, J. Meidanis. Introduction to computational molecular biology. Brooks/Cole Publishing Company, Pacific Grove, CA, 1997.
7
Mitä on systeemibiologia? Ajatus monitasoisen biologisen rakenteen kokonaisvaltaisesta mallintamisesta Tavoitteena simulointi Ajankohtaiset ongelmat: sekvensointi molekyylien 3D-rakenteen ennustaminen T. Reiss. Systems of Life; Systems Biology. Federal Ministry of Education and Research, Bonn, 2002
8
Graafit ja algoritmit Graafi koostuu solmuista ja niiden välisistä kaarista, mahdollisesti myös painot Graafi on malli samankaltaisten osien suhteista toisiinsa Algortimi on ongelman ratkaisuun johtava listaus suoritettavia toimenpiteitä Tehokkuusanalyysi laskennallisten ohjelmien kehittämisessä
9
Graafisovellukset biologiassa Kolme hyötyä tuottavaa näkökulmaa graafi biologisen rakenteen mallina (molekyylit, sekvenssit, bioverkot, taksonomia) biologinen ongelma ratkeaa graafiongelmana biologinen ongelma ratkeaa osittain graafiongelmana Sekvensointi, molekyylirakenteiden ennustaminen, geenisäätelyverkot, tietokannat
10
CASE: RNA-rakenteen ennustaminen RNAn rakenne vaikuttaa sen toimintaan Silmukat, rinnasteet, valesolmut Nukleotidit solmuja ja mahdolliset sidokset kaaria
11
CASE: RNA-rakenteen ennustaminen (jatkuu) Solmujen pariutus on riippumattomien kaarien poimimista Maksimipariutuksessa mahdollisimman monta kaarta Painotetussa pariutuksessa poimittujen kaarien painosummaa pyritään maksimoimaan Painotuksena käytetään kahden nukleotidin välisen sidoksen todennäköisyyttä
12
CASE: RNA-rakenteen ennustaminen (jatkuu) Nukleotidien välisille sidoksille annetaan arvot parametrien (ja datan) mukaisesti Etsitään painotetun graafin maksimipariutus Pariutus on ennuste nukleotidien välisistä sidoksista Laskentatehokkuus ~O(N 3 )
13
Yhteenveto ongelmista Lyhimmän polun ongelma Yhtenäiset komponentit Rakennegraafi Pariutus Eulerin polku ja kiinalaisen postimiehen ongelma Hamiltonin polku Klikki ja riippumaton joukko Graafi-isomorfismi
14
Yhteenveto työstä Graafit helpottavat biologisten laskentaongelmien ratkaisemista Sekvensointi ja molekyylirakenteen ennustaminen aktiivisen tutkimuksen kohteena Menetelmien kehittämiseen vaaditaan kahden perinteisesti erillään olleen alan tuntemusta
15
Kysymyksiä? Kiitos!
Samankaltaiset esitykset
© 2024 SlidePlayer.fi Inc.
All rights reserved.