CC BY
8148
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
Компьютерная биология
149
большой размерности. Для решения поставленной задачи предложено два подхода. Один из них заключается в восстановлении в процессе цензурирования общей структуры данных посредством выделения наиболее релевантных признаков и наиболее типичных представителей выборки - столпов. Второй подход ориентирован только на локальные характеристики объектов выборки. Оба этих подхода используют в качестве меры сходства FRiS-функцию [2]. Предложенные подходы тестировались как на модельных, так и на реальных задачах из области медицинской диагностики. Результаты сравнивались с алгоритмами фильтрации, специально разработанными для работы в пространствах большой размерности.
Работа выполнена при поддержке программы Фундаментальных Научных Исследований РАН (код проекта № 0314-2019-15).
Список литературы
1. Aggarwal C.C. Outlier analysis // Data Mining. Springer International Publishing. 2015. P. 237-263.
2. N.G. Zagoruiko, I.A. Borisova, V. V Dyubanov, О.А. Kutnenko. Methods of recognition based on the function of rival similarity // Pattern Recognition and Image Arnlysis. 2008. Vol. 18, № 1. P. 1-6.
Численное моделирование функционирования системы биомаркеров дегенеративных заболеваний
О. Ф. Воропаева1, К. С. Гаврилова2, С. Д. Сенотрусова1 1Институт вычислительных технологий СО РАН 2Новосибирский государственный университет Email: vorop@ict.nsc.ru DOI: 10.24411/9999-017A-2019-10301
Белок p53 (супрессор опухолей) играет одну из ключевых ролей в управлении ростом, старением и отмиранием клеток. В докладе представлен ряд математических моделей функционирования наиболее важных петель положительной и отрицательной обратной и прямой связи сигнального пути белка p53. Выполнен численный анализ решений моделей в широком диапазоне параметров, обнаружены бифуркации Андронова-Хопфа и квазипериодические решения в диапазонах фазовых состояний p53 и его ингибиторов, соответствующих нормальной реакции сигнального пути p53 на дефекты ДНК. Проведен анализ адекватности моделей, основанный на сопоставлении с известными экспериментальными данными, которые наглядно демонстрируют свойства p53, его ингибиторов и p53-зависимых микроРНК как биомаркеров дегенеративных заболеваний. Рассмотрены варианты гипотетических терапевтических противораковых стратегий.
Комбинаторная структура 5-мерной модели кольцевой генной сети
В. П. Голубятников1, В. С. Градов2
1Институт математики им. С. Л. Соболева СО РАН
2Новосибирский государственный университет
Email: glbtn@math.nsc.ru
DOI: 10.24411/9999-017A-2019-10302
Фазовый портрет моделирующей простейшую кольцевую генную сеть пятимерной блочно-линейной динамической системы, симметричной относительно циклических перестановок координат, разбивается на 32 блока, в каждом из которых эта система линейна. Валентностью блока D назовем количество соседних с ним блоков, в которые траектории системы могут переходить из блока D. Установлены достаточные условия существования двух циклов этой системы, симметричных относительно таких перестановок. Один из этих циклов (описанный ранее в [1]) проходит по блокам валентности 1, другой - по цепочке из десяти блоков валентности 3. Показано, как эта цепочка зависит от параметров системы.
Работа выполнена при финансовой поддержке РФФИ (проект 18-01-00057) и СО РАН (грант 0314-20180011).
Список литературы
1. Голубятников В. П., Иванов В.В. Циклы в нечетномерных моделях кольцевых генных сетей // Сибирский журнал индустриальной математики. 2018. Т. 21, № 4. С. 28-38.
