43 Биоинформатика и динамическое программирование

• Ученые хотят понять, как все хозяйство клетки регулируется и как развиваются разные ткани.  

• Это важно для предсказания развития организма и создания лекарств.  

• Ученые могут хорошо разметить гены и определить их функции для бактериальных геномов.  

• Это позволяет собрать целостную картину и предсказать развитие организма.  

• Ученые могут использовать эту информацию для создания полезных бактерий и биотехнологических приложений.  

• Задача состоит в том, чтобы научиться рисовать точную карту генов в геноме, используя таблицу генетического кода.  

• Идея состоит в том, чтобы использовать таблицу генетического кода для определения аминокислот, соответствующих каждому участку генома.  

• Если известен аминокислотный состав белка, можно использовать таблицу генетического кода для определения участков генома, кодирующих этот белок.  

• Если известен аминокислотный состав родственного белка, можно использовать таблицу генетического кода для определения участков генома, наиболее похожих на этот белок.  

• Можно использовать частоты аминокислот в белках и межгенных областях для определения участков генома, которые больше похожи на кодирующие или некодирующие области.  

• Это позволяет определить, где в геноме находятся гены, используя различные функции сходства.  

• Генетический код состоит из трехбуквенных кодонов, которые кодируют аминокислоты.  

• Генетический код универсален для всех живых организмов, но может меняться в ходе эволюции.  

• Стартовые кодоны узнаются рибосомой и кодируют метионин.  

• Вставки и удаления в белок-кодирующей области должны быть кратны трем.  

• Вставки и удаления могут быть случайными, но изменения в важных частях белка отбрасываются отбором.  

• Геномы родственных бактерий могут быть выровнены по стартовым кодонам.  

• Изменения в не важных частях белка могут быть случайными и зафиксироваться в геноме.  

• Вставки и удаления в белок-кодирующей области всегда кратны трем.  

• В видео обсуждается, как информатика изучает геном, используя различные подходы и данные.  

• Рассказывается о том, как можно использовать данные о концентрации матричных РНК для определения активности генов в ткани.  

• Обсуждается, как можно изучать регуляцию генов, связывая их с белками и определяя участки связывания ДНК.  

• Приводятся примеры экспериментов, которые позволяют изучать влияние внешних условий на работу генов.  

• Рассказывается о методах анализа экспрессии генов, которые позволяют определить, какие гены активны в определенных условиях.  

• Обсуждается возможность объединения данных о разных условиях для получения более полной картины работы генов.  

• Обсуждается использование графов для анализа взаимодействия белков и определения их функций.  

• Приводятся примеры графов, которые отражают различные взаимодействия между белками и их влияние на работу генов.  

• Видео обсуждает различные аспекты регуляции транскрипции, включая иерархию регуляции и взаимодействие между генами.  

• Рассматриваются примеры регуляции транскрипции в разных клетках и тканях.  

• Видео объясняет, что ДНК не просто последовательность нуклеотидов, но и пространственная структура, похожая на бусы.  

• Обсуждаются различные домены и их расположение в пространстве.  

• Видео рассказывает о том, как можно изучать сообщества бактерий, сравнивая их состав и концентрации метаболитов у разных мышей.  

• Обсуждается корреляция между бактериями и концентрацией метаболитов.  

• Видео объясняет процесс выравнивания последовательностей и его важность для биоинформатики.  

• Обсуждаются разные типы выравнивания и их преимущества и недостатки.  

• В видео обсуждается задача распознавания последовательности, которая возникает в организмах с ядром, где гены прерываются незначащими вставками.  

• Для решения этой задачи используется специальный видеомагнитофон, который автоматически вырезает рекламные паузы из телевизионных передач.  

• В видео объясняется, что изменение порядка вычислений может значительно сократить количество операций.  

• Для выравнивания последовательностей используется граф, который состоит из вершин и ориентированных ребер.  

• Задача состоит в поиске пути от источника к стоку, который имеет максимальный вес.  

• Наивный способ решения этой задачи - перебор всех путей и выбор наибольшего веса.  

• Однако, можно использовать наблюдение о том, что если вес пути больше веса другого пути, то и вес пути со звездочкой будет больше.  

• В видео объясняется алгоритм динамического программирования, который позволяет найти оптимальный путь в графе, учитывая только предыдущие вершины и их веса.  

• Алгоритм работает путем добавления ребер и весов к наилучшему пути в каждой вершине, а затем выбирает максимальное значение.  

• В видео рассматривается задача выравнивания последовательностей, где нужно найти наилучшее выравнивание двух последовательностей, учитывая штрафы за несовпадения и разрывы.  

• Задача сводится к построению оптимального пути в графе, где ребра соответствуют совпадениям и разрывам, а веса на ребрах соответствуют штрафам.  

• Оптимальное выравнивание может быть найдено путем перебора различных вариантов соотношений штрафов и премий.  

• В видео обсуждается распознавание генов, где последовательность ДНК разбивается на зоны и троны с определенным чередованием.  

• Каждому потенциальному гену присваивается вес, который может быть положительным или отрицательным.  

• Затем строится граф, где вершины представляют потенциальные гены, а ребра - переходы между ними.  

• Задача состоит в поиске пути наибольшего веса в этом графе.  

• Сложность алгоритма зависит от количества доноров и акцентов, а также от длины последовательности.  

• Если разбить последовательность на потенциальные гены, сложность алгоритма может быть уменьшена до линейной.  

• Троны - это участки ДНК, которые могут содержать регуляторные элементы или быть результатом генетического паразитизма.  

• Они могут мешать работе генов, но не настолько, чтобы отборы их заметили и отсеяли.  

• В ДНК также есть домены, которые могут быть похожи на бусины.