CC BY
14148
Секция 9
на референсный геном варьирует от 50 до 90 % и отличается в зависимости от культуры. Наибольшая доля выравненных транскриптов характерна для кукурузы (60-90 %), наименьшее значение наблюдается для выборки транскриптомов томата (45-60 %). При этом показано, что доля идетифицированных в геноме транскриптов отрицательно коррелирует со средней долей замен в транскриптах по отношению к референсному геному.
Для последовательностей "новых" транскриптов, которые не были выровнены на геном, проведена идентификация ОРС, аминокислотных последовательностей и проведена их аннотация. Идентифицированы транскрипты, которые гомологичны генам стрессового ответа растений на засуху, оксидативный стресс, высокие температуры и генам устойчивости растений к патогенам.
Работа поддержана грантом РНФ 18-14-00293.
Численное моделирование фокусированного ультразвука при проведении хирургического вмешательства
К. А. Беклемышева, А. О. Казаков, И. Б. Петров Московский физико-технический институт Email: petrov@mipt.ru DOI: 10.24411/9999-017A-2019-10299
Одним из активно развивающихся направлений неинвазивной хирургии является фокусированный ультразвук (ФУЗ) [1]. Ультразвуковой импульс, проходящий от источника через мягкие ткани, имеет малую амплитуду, но при его фокусировке в определенной точке можно вызвать как локальный разогрев, так и механическое повреждение тканей. Технология, основанная на кавитационном эффекте, менее распространена, так как обладает рядом недостатков, основным из которых является непредсказуемость побочных эффектов [2].
Численное моделирование воздействия ФУЗ на человеческий организм позволит определить основные механизмы и факторы, вызывающие нежелательные разрушения тканей. В данной работе были сделаны первые шаги в этом направлении. Для трехмерных расчетов использовались сеточно-характеристический метод [3] и метод Галеркина [4].
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 18-29-02127).
Список литературы
1. Tyshlek, D., Aubry, J-F, Ter Haar, G., Hananel, A., Foley, J., Eames, M., Kassell, N., Simonin, H.H. Focused ultrasound development and clinical adoption: 2013 update on the growth of the field // Journal of Therapeutic Ultrasound. 2014. T.2, №2.
2. Hynynen K, Chung AH, Colucci V, Jolesz FA. Potential adverse effects of high-intensity focused ultrasound exposure on blood vessels in vivo // Ultrasound Med. Biol. 1996. T.22, №2. P. 193-201.
3. Beklemysheva K.A., Danilov A.A., Petrov I.B., Salamatova VYu., Vassilevski Yu.V., Vasyukov A.V.. Virtual blunt injury of human thorax: Age-dependent response of vascular system // RJNAMM 2015. V. 30, №5, P 259-268.
4. Biryukov V.A., Miryaha V.A., Petrov I.B., Khokhlov N.I. Simulation of Elastic Wave Propagation in Geological Media: Intercomparison of Three Numerical Methods // Computational Mathematics and Mathematical Physics. 2016. T.56, №6. P.1086-1095.
Очистка биомедицинских данных от ошибочно диагностированных объектов в признаковых пространствах большой размерности
И. А. Борисова, О. А. Кутненко Институт математики им. С. Л. Соболева Email: biamia@mail.ru DOI: 10.24411/9999-017A-2019-10300
При анализе биомедицинских данных методами машинного обучения исследователям часто приходится иметь дело с объектами, описанными в признаковых пространствах большой размерности. Многие метрические методы цензурирования данных в таких пространствах перестают работать, даже если все описывающие признаки являются релевантными [1]. В работе рассматривается задача очистки биомедицинских данных от ошибочно диагностированных объектов в признаковых пространствах
