Биоинформатика и задачи распознавания в современной биологии (курс лекций, И.Ю. Торшин)

Материал из MachineLearning.

Версия 15:25, 13 сентября 2010

Курс читается студентам 6-го курса кафедры «Интеллектуальные системы» ФУПМ МФТИ.

Аннотация

Современную биологию отличает накопление огромных массивов разнородных данных при практически полном отсутствии каких-либо фундаментальных теоретических обобщений. В такой ситуации методы интеллектуального анализа данных являются основным инструментом исследователя. Данный курс рассчитан на будущих специалистов в области математики и информатики, и его цель — на примере конкретной прикладной области — биоинформатики — показать, каким образом математик должен вникать в специфику предметной области, чтобы суметь адекватным образом приспособить известные ему методы для решения прикладных и исследовательских задач.

Задача лектора - наиболее полно отразить принципиально важные особенности рассматриваемых задач. Задача студента - выбрать наиболее интересную для себя задачу, сформулировать возможные подходы к её решению и предложить оптимальный вариант решения этой задачи.

В курсе лекций рассматриваются уникальные особенности биологических данных, приводящие к оригинальным постановкам задач распознавания и классификации. Следует отметить, что практически для всех рассматриваемых в курсе здач пока еще не было предложено точных и математически обоснованных решений. В этом смысле курс представляет обширное поле деятельности для самостоятельной научной работы студентов.

Формулируется система задач распознавания, отражающая структуру биологических систем и дающая основу для построения проблемно-ориентированных теорий. Рассматриваются основы формализма, разрабатываемого для решения задач биоинформатики. Данный формализм основан на теории универсальных и локальных органичений в рамках алгебраического подхода к распознаванию. Уделяется внимание биомедицинским приложениям результатов интеллектуального анализа биологических данных.

Организационная часть

Данный курс следует расматривать как область практического приложения знаний, накопленных студентами за 5 лет обучения в МФТИ. Поэтому, курс является не только общеобразовательным, но и научно-исследовательским, предполагающим самостоятельное решение практических задач по выбору студентов.

Семестровый курс содержит 32 часа лекций. В ходе лекций будут объявляться практические задания. Курс ориентирован на активно воспринимающего материал студента. Студенты могут сами формулировать темы исследовательских задач. После выбора задачи, обсуждаются требования к работе. До начала устного экзамена (билет + собеседование) необходимо сдать отчет об исследовательской работе (3-4 стр), проведенной по выбранной задаче.

План лекций

Лекция 1. Проблемная область - биология

• Биология как проблемная область.
• О данных и методах из области биологии.
• Уровни биологических систем и уровни данных.
• Взаимосвязь различных задач интеллектуального анализа биологических данных, системы задач распознавания и классификации.

Лекция 2. От клеточной биологии к задачам распознавания

• Клетка. Методы исследований клеток.
• Основные компоненты и процессы в клетках, их биологические роли и взаимодействия.
• ДНК. РНК. Аминокислоты и белки.
• Клеточная биология и ... система задач распознавания.

Лекция 3. Биологические данные, объекты и подходы к формализации задач

• Биологические объекты и их описания. Базы данных в биологии.

• Объемы данных и степень их интеграции (связности).
• Противоречивость множеств прецедентов.

Лекция 4. Задачи 1D→1D: сравнение символьных последовательностей

Макромолекулы как текстовые строки. Базы данных GENBANK, TREMBL, UNIPROT.

• Экспериментальные методы секвенирования.
• Алгоритмы выравнивания и сравнения символьных последовательностей.
• Верификация данных из разных уровней иерархии клеточных процессов.
• Классификация последовательностей как подход к решению задач 1D→ххх.

Лекция 5. Задачи 1Dднк.

Лексический анализ символьных последовательностей.

• Что такое ген? От гена к белку.
• Эукариоты, прокариоты. Транскрипция, сплайсинг, деградация, трансляция.
• Задача распознавания гена. Промотер.
• Задача 1Dднк→1Dрнк (сайты сплайсинга, экзоны).
• Задача инициации транскрипции. Сайты факторов транскрипции.

Лекция 6. Задачи 1Dднк и 3Dднк

Лексический анализ текстовых строк.

• Суперскручивание ДНК. Сайты нуклеосом.
• Структура генома: последовательность и ориентация генов.
• Репликация и рекомбинация ДНК. Сайты SNP. Регионы рекомбинации.
• Генетика и эпигенетика.
• CpG и сайты метилирования ДНК.

Лекция 7. Задачи 1Dрнк, 2Dрнк, 3Dрнк

Классификация символьных последовательностей. База данных PDB.

• ДНК и РНК. Распознавание классов РНК.
• Задача 1Dрнк→1Dб: альтернативный сплайсинг.
• Задача 1Dрнк→2Dрнк: вторичная структура РНК.
• Задачи 1Dрнк, 2Dрнк →3Dрнк.
• Задачи 1Dрнк, 2Dрнк →Фрнк.

Лекция 8. Рентгено-структурный анализ и ЯМР белков, задачи 3Dб→3Dб и 3Dб→2Dб

Анализ и классификация трехмерных объектов. База данных PDB.

• Химическое строение молекул белка. Уровни структуры белка.
• Рентгеноструктурный анализ белков.
• Белковый ЯМР.
• Задачи 3D→3D.
• Задачи 3D→2D.

Лекция 9. Задачи 1Dб→1Dб

Лексический анализ символьных последовательностей. Базы данных NCBI.

• Распознавание сигнальных пептидов.
• Трансмембранные спирали. Разбиение на домены. Пост-трансляционные модификации.
• Установление функциональных сайтов и «функционально-значимых участков».
• О 1D детерминантах стабильности белка.

Лекция 10. Задача распознавания вторичной структуры — основы формализма

Перекодировка символьных последовательностей. База данных PDB.

• Задачи 1Dб→2Dб.
• Задача 1Dб→2Dб как перевод символьных последовательностей. Постановка задачи, исходные данные.
• Основы формализма проблемно-ориентированной теории.
• О задачах 1D→3D.

Лекция 11. Задачи 1Dб→Ф и 3D→Ф и задача аннотации генома

Классификация символьных последовательностей.

• Задачи 3D→Л и 3D→Ф: биофизический анализ структуры белка.
• Задача 1D→Л и о «случайных» последовательностях.
• 1D→Ф — задача аннотации генома, основы проблемно-ориентированного формализма.

Лекция 12. Анализ и синтез биологических сетей

Молекулярная сеть-смешанный граф. Базы данных REACTOME, KYOTO.

• Молекулярные сети клетки.
• Функциональная геномика, задача синтеза сетей и... ловушки.
• Транскриптомика, протеомика, метаболомика.
• Исследования «стимул-отклик» в масштабе клетки.
• Задача поиска «биомаркеров» для медицинской диагностики.

Лекция 13. Молекулярная фармакология и хемоинформатика

Молекулы - связные графы, но... Базы данных PUBCHEM, PDB, CSD.

• Физико-химическое моделирование и хемоинформатика.
• Формула→3Dл.
• Задачи 3Dл→3Dл.
• 3Dл→физ.-хим. свойства.
• 3Dл→белки-рецепторы. 3Dл→константы взаимодействия.
• Хемоинформатика, задачи формула→ххх.

Лекция 14. Биомедицинские и генетические исследования

Задачи классификации разнородных признаковых описаний. Базы данных NCBI (DBGAP).

• Главная последовательность (генетика→экспрессия, экспрессия→уровни/акт белков, генетика→уровни/акт белков, уровни белков→метаболиты, метаболиты→симптоматика, симптоматика→симптоматика, симптоматика→заболевание).
• Генетика (генетика→метаболиты, генетика→симптоматика, генетика→заболевание).
• Поиск биомаркеров (пост-геномная диагностика): экспрессия→заболевание, уровни белков→заболевание, метаболиты→заболевание.

Лекция 15. Анализ текстов, использование баз данных

Анализ текстовых строк, natual language processing. База данных PUBMED/MEDLINE.

• Биомедицина.
  • Нахождение надежных диагностических исследований.
  • Извлечение информации о генетических ассоциациях.
  • Выяснение диагноза по заключению врача.
• Информатика («вычислительная лингвистика»).
  • Контекст-зависимая расшифровка аббревиатур.
  • Концептуализация абстрактов с использованием онтологий терминов.
  • Установление значимости соотношений терминов.
  • Установление функциональных взаимоотношений между белками и генами.
• Замечание о научной этике.
• Экспертный анализ.

Лекция 16. Био-логика и алгоритмы

О поиске новых принципов построения алгоритмов.

• Коллектив — индивид — коллектив.
• Нейроны и их реальные сети – избегая редукционизм.
• «Генетические алгоритмы» и генетика.
• Клетка и... экономическая система.
• Artificial life — living and artificial.
• Клетки и... теория электрических цепей?

Литература

По ряду не зависящих от лектора причин, в настоящее время на русском языке не имеется литературы по биоинформатике, хотя бы в части отвечающей целям и задачам курса. Существует значительное количество исследовательских статей на английском языке по отдельным вопросам курса. Для ознакомления с проблемной областью, могут быть использованы приводимые ниже монографии лектора. Однако данные работы (а) написаны на английском и (б) их целевой аудиторией являются врачи и специалисты в области биомедицины. Поэтому, наилучшей стратегией обучения является аккуратное посещение предлагаемого курса лекций и, конечно, сохранение внимания во время лекции...

1. Torshin I.Yu. Bioinformatics in the post-genomic era: sensing the change from molecular genetics to personalized medicine. Nova Biomedical Books, NY, USA, 2009, In “Bioinformatics in the Post-Genomic Era” series, ISBN: 978-1-60692-217-0.
2. Torshin I.Yu. Bioinformatics in the post-genomic era: physiology and medicine. Nova Biomedical Books, NY, USA (2007), ISBN: 1600217524.
3. Torshin I.Yu. Bioinformatics in the Post-Genomic Era: The Role of Biophysics, 2006 Nova Biomedical Books, NY, ISBN: 1-60021-048.