CC BY
22Компьютерная биология, медицина и биотехнология
163
References
1. Garafutdinov R. R., Baimiev An.K., Maleev G. V., Alekseev Ya.I., Zubov V. V., Chemeris D. A., Kiryanova O.Yu., Gubaydullin I. M., Matniyazov R. T., Sahabutdinova A. R., Nikonorov Yu.M., Kuluev B. R., Baimiev Al.K., Chemeris A. V. Raznoobrazie praimerov dlya PCR i principy ih podbora // Biomics. 2019. Vol. 11. № 1. P. 23-70.
2. Numba: A High Performance Python Compiler. URL: http://numba.pydata.org/
3. G. P Copenhaver Analysis of the genome sequence of the flowering plant Arabidopsis thaliana // Nature. 2000. № 408. P. 796-815.
4. Xun Xu, Shengkai Pan, Shifeng Cheng, Bob Zhang Potato et al. Genome Sequencing Consortium 2011, Genome sequence and analysis of the tuber crop potato. Nature. 2011. № 475. P. 189-195.
5. A chromosome-based draft sequence of the hexaploid bread wheat (Triticum aestivum) genome // Science. 2014. Vol. 345, Issue 6194.
Компьютерная идентификация альтернативного сплайсинга мобильных интронов группы II
Кобало Н. С.1, Куликов А. И.1, Титов И. И.2, Воробьёв Д. Г.3
1Институт вычислительной математики и математической геофизики СО РАН
2Институт цитологии и генетики СО РАН
3Институт Гюстав Русси, Франция
Email: rerf2010rerf@yandex.ru
DOI: 10.24411/9999-017A-2020-10286
Интроны группы II - это мобильные элементы генома, присутствующие как у бактерий, так и у эу-кариот. Они обладают консервативной вторичной структурой, обуславливающей их способность к самосплайсингу, т. е. самовырезанию из первичной пре-мРНК в процессе транскрипции. Некоторые ин-троны группы II обладают способностью к альтернативному сплайсингу, т. е. могут участвовать в одной из нескольких реакций сплайсинга, что приводит к возможности образования различных мРНК на основе одного и того же первичного транскрипта. На основе интронов группы II с описанной в литературе вторичной структурой [1] нами была построена обобщенная модель их структуры. С использованием данной модели в открытой базе данных интронов RFAM [2] были обнаружены интроны, обладающие способностью к альтернативному сплайсингу.
Список литературы
1. Dai, L., Toor, N., Olson, R., Keeping, A., and Zimmerly, S. (2003). Database for mobile group II introns. Nucleic Acids Res. 31: 424-426.
2. I. Kalvari, E. P. Nawrocki, J. Argasinska, N. Quinones-Olvera, R. D. Finn, A. Bateman and A. I. Petrov. Non-coding RNA analysis using the Rfam database. Current Protocols in Bioinformatics (2018) e51. DOI: 10.1002/cpbi.51.
Фенотипирование колосьев пшеницы на основе анализа цифровых изображений
Е. Г. Комышев1,2 М. А. Генаев1,2,3, Д. А. Афонников1,2,3 1Институт цитологии и генетики СО РАН
2Курчатовский геномный центр, Федеральный исследовательский центр Институт цитологии и генетики СО РАН
3Новосибирский государственный университет
Email: komyshev@bionet.nsc.ru
DOI: 10.24411/9999-017A-2020-10287
Форма и структура колоса - одни из важнейших характеристик злаков, связанные с такими их хозяйственно ценными качествами, как продуктивность, отсутствие ломкости колоса и легкость обмолота. Изучение генов, контролирующих данные признаки, позволит целенаправленно создавать новые сорта с улучшенными характеристиками по урожайности, легкости обмолота и устойчивостью к факторам внешней среды [1]. Оценка характеристик колоса в большинстве современных исследований выполняется экспертом на основании визуального анализа колоса и измерительных практик, что требует существенных затрат времени, при том что в современных экспериментах проводится анализ десятков тысяч растений. Автоматизация этого трудоемкого и затратного по времени процесса за счет внедрения технологий анализа цифровых изображений является актуальной для современной науки. Мы предлагаем метод распознавания колоса пшеницы, основанный на анализе цифровых изображений. Данный метод позволяет извлечь ряд признаков колоса, такие как длина, ширина, проецируемая на изображение
164
Секция 11
площадь, цвет, остистость и т. д. Предложенный подход позволяет анализировать форму колоса, что является важной характерной чертой, тесно связанной с видовой принадлежностью растения. Метод показал высокую точность определения качественных и количественных характеристик колоса пшеницы.
Работа выполнена за счет финансирования Курчатовского геномного центра ИЦиГ СО РАН, соглашение с Министерством образования и науки № 075-15-2019-1662.
Список литературы
1. Konopatskaia I. D., Vavilova V. Y., Blinov A. G., Goncharov N. P. Spike morphology genes in wheat species (Triticum L.) // Proceedings of the Latvian Academy of Sciences. Section B. Natural, Exact, and Applied Sciences. De Gruyter Open, 2016. Т. 70. № 6. С. 345-355. DOI: 10.1515/prolas-2016-0053.
Численная оптимизация выбора места установки сосудистого анастомоза
Ю. О. Куянова1,2 А. В. Бервицкий3, А. В. Дубовой3, Д. В. Паршин1,2 1Институт гидродинамики им. М. А. Лаврентьева СО РАН 2Федеральный центр нейрохирургии Email: danilo.skiman@gmail.com DOI: 10.24411/9999-017A-2020-10288
В современной клинической нейрохирургии стоит множество задач оптимизации, которые на данный момент не являются полностью исследованными. Одна из таких задач - определение необходимости формирования сосудистого анастомоза и оптимизация места его установки. В настоящее время существует целый ряд оптимизационных задач формирования анастомозов, одна из которых описана в [1].
В данном исследовании рассматривается задача об оптимизации расположения сосуда-донора по отношению к сосуду-реципиенту. Оптимальное место установки определяется с использованием методов роевого интеллекта, в частности, с использованием метода роя частиц. В рассматриваемой задаче критерием оптимального местоположения соединения сосудов служит достижение требуемого давления в средней мозговой артерии.
Работа выполнена при поддержке гранта правительства Российской Федерации No.14.W03.31.0002. Список литературы
1. Kuyanova Yu. O et al.. Numerical study of the tee hydrodynamics in the model problem of optimizing the low-flow vascular bypass angle // JAMPT. 2019. V., 60, P. 1038-1045.
Вычислительная платформа для моделирования одноосного растяжения ткани церебральной аневризмы
А. И. Липовка1,2, Д. В. Паршин1,2
1Институт гидродинамики им. М. А. Лаврентьева СО РАН
2Новосибирский государственный университет Email: danilo.skiman@gmail.com DOI: 10.24411/9999-017A-2020-10290
Церебральная аневризма - серьезное заболевание, находящееся среди ведущих причин смертности взрослого населения. Одним из способов ее изучения является механический тест, возможность проведения которого часто бывает ограничена. Представляется компьютерное моделирование сложного волокнистого[1] строения ткани аневризмы и виртуальная симуляция поведения волокон при одноосном растяжении.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 19-48-540010).
Список литературы
1. J. R. Cebral, X. Duan, B. J. Chung, C. Putman, K. Aziz and A. M. Robertson. American J. of Neuroradiology September 2015, 36 (9) 1695-1703; DOI: https://doi.org/10.3174/ajnr.A4358.
