CC BY
25Компьютерная биология
151
характеры и для псевдотуберкулеза, но обратное неверно: спектр фрактальных структур в геномах Yersinia pseudotuberculosis богаче, т.е. в них имеются структуры, отсутствующие в геномах чумной бактерии.
Работа выполнена при поддержке программы Фундаментальных Научных исследований РАН, проект № 0314-2019-0015.
Список литературы
1. Гусев В.Д., Мирошниченко Л.А., Чужанова Н.А. - Выявление фракталоподобных структур в ДНК-последовательностях // Information Science & Computing. International Book Series, №8: Classification, Forecasting, Data Mining. - ITHEA, Sofia, 2009.- P. 117-123.
Алгоритмы анализа экспериментальных медицинских данных
А. Г. Зотин\ К. В. Симонов2, Ю. А. Хамад3, М. А. Курако3, Т. В. Черепанова4 1Сибирский государственный университет науки и технологии им. акад. М. Ф. Решетнева 2Институт вычислительного моделирования СО РАН 3Сибирский федеральный университет
4Красноярский государственный медицинский университет имени проф. В.Ф. Войно-Ясенецкого
Email: zotinkrs@gmail.com
DOI: 10.24411/9999-017A-2019-10306
Исследование посвящено разработке вычислительной методики для оценки показателей процесса регенерации тканей с применением сетчатых никелид-титановых имплантатов с памятью формы в эксперименте [1]. Обработка и анализ данных наблюдений электронной микроскопии и классического гистологического исследования выполнялись с применением авторских алгоритмов и их модификаций. В качестве вычислительного инструментария для выделения внутренних геометрических черт экспериментальных изображений объектов интереса применялись алгоритмы шиарлет- и вейвлет-преобразований, а также алгоритмы построения упругих карт для эффективной визуализации данных [2]. Важным аспектом исследования являлось применение вычислительных средств предобработки данных для повышения контрастности и яркости анализируемых изображений на основе технологии Retinex [3].
Список литературы
1. Cherepanova T. V., Simonov K. V Study of the interaction between the implanted material and body tissues in the experiment // Medicine and High Technologies, 2018. № 3. P. 42-49.
2. Zotin A, Simonov K, Kapsargin F, Cherepanova T, Kruglyakov A, Cadena L. Techniques for Medical Images Processing Using Shearlet Transform and Color Coding. In: Favorskaya M, Jain L editors. Computer Vision in Control Systems-4. Intelligent Systems Reference Library, 2018. Vol. 136. P. 223-259. Springer, Cham.
3. Zotin A. Fast Algorithm of Image Enhancement based on Multi-Scale Retinex // Procedia Computer Science, 2018. Vol. 131. P. 6-9.
Моделирование патогенеза бурой ржавчины на листе пшеницы
У. С. Зубаирова1,2, А. В. Дорошков1,2, С. В. Николаев1, Д. А. Богуславский1, Д. А. Афонников1,2
1Институт цитологии и генетики СО РАН
2Новосибирский государственный университет
Email: ulyanochka@bionet.nsc.ru
DOI: 10.24411/9999-017A-2019-10307
Бурая ржавчина (Puccinia recondita) поражает листья растений, в результате уменьшается их способность к фотосинтезу, что приводит к снижению урожайности пшеницы. Для изучения патогенеза этого заболевания используется широкий класс методов системной биологии, в том числе и компьютерные модели [1], которые рассматривают взаимодействие патоген-растение как комплексный процесс. В работе представлена клеточно-автоматная модель, позволяющая проводить вычислительные эксперименты для получения прогнозов относительно динамики развития инфекции на листе пшеницы с учетом сопротивляемости растений, клеточной структуры эпидермиса листа и механизмов проникновения возбудителя в ткань и клетки. Модель верифицирована на основе данных, полученных в результате анализа временной серии цифровых изображений фрагментов листьев пшеницы, зараженных спорами бурой ржавчины в лабораторных условиях. Пространство представлено равномерной сеткой, каждая
152 Секция 9
ячейка которой соответствует фрагменту листа и может быть сопоставлена с одним или несколькими пикселями на изображениях. Состояния ячеек и правила переходов описывают развитие заболевания с учетом процессов латентной и явной стадий.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 17-29-08028).
Список литературы
1. Николаев С.В., Зубаирова УС., Сколотнева Е.С., Орлова Е.А., Афонников Д.А. Системный подход к моделированию развития листостебельных грибных инфекций пшеницы. Вавиловский журнал генетики и селекции. 2019;23(1):100-109. DOI 10.18699/VJ19.468
Автоматическое извлечение знаний из текстов научных публикаций и баз данных в области биологии и биомедицины
В. А. Иванисенко1,2 Е. С. Тийс1, Т. В. Иванисенко1, П. С. Деменков1
'Институт цитологии и генетики СО РАН
2Новосибирский государственный университет
Email: salix@bionet.nsc.ru
DOI: 10.24411/9999-017A-2019-10308
Реконструкция и анализ генных сетей является в настоящее время широко распространеным методом описания молекулярных механизмов функционирования биологических систем в норме и при патологии. Однако процесс реконструкции, основанный на ручном анализе экспертов, требует больших временных затрат. Как правило, для реконструкции даже небольших сетей требуется изучение многих тысяч научных публикаций и работа с большим количеством баз данных. Разработана компютерная система ANDSystem, предназначенная для автоматического извлечения знаний из текстов научных публикаций и баз данных на основе методов интеллектуального анализа данных [1]. С использованием этой системы проведен анализ более 25 млн. научных публикаций PubMed и нескольких десятков баз данных. База знаний ANDSystem, содержащая результаты этого анализа, включает в себя информацию о более 30 млн. фактах о молекулярно-генетических взаимодействиях, регуляции экспрессии, активности, транспорта, каталитических реакциях, а также ассоциациях генов с заболеваниями. Все взаимодействия описываются на уровне организма, а также клетки и ткани. Доступ к базе знаний осуществляется с помощью инструмента ANDVisio, обеспечивающего возможность реконструкции и анализа генных сетей. Представлена возможность реконструкции генных сетей, специфически связанных с изучаемым процессом, с учетом различных свойств вершин графа, включая центральность и специфичность. Максимизация величины этих свойств в процессе реконструкции обеспечивает увеличение связности генов внутри генной сети. Функциональность таких сетей подтверждается фактом, что генные сети процессов Gene Ontology обладают большей связностью по сравнению со случайными сетями.
Работа выполнена при финансовой поддержке проекта "Исследование, анализ и комплексная независимая экспертиза проектов Национальных технологических инициатив, в том числе сопровождение проектов "дорожной карты""№шо№1"", выполняемого в рамках государственного задания № 28.12487.2018/12.1 Министерства науки и высшего образования Российской Федерации.
Список литературы
1. Ivanisenko V.A., Demenkov P.S., Ivanisenko T.V, Mishchenko E.L., Saik O.V, A new version of the ANDSystem tool for automatic extraction of knowledge from scientific publications with expanded functionality for reconstruction of associative gene networks by considering tissue-specific gene expression. BMC Bioinformatics. 2019. V.20(Suppl 1), P.34.
