ОбзорыВведение в single cell genomics, часть 2


В этой части обзора технологий геномики одиночных клеток мы поговорим об особенностях исследования продуктов полногеномной амплификации, учета стоимости таких экспериментов при их разработке, ошибках секвенирования в геномике одиночных клеток, а также затронем вопросы поиска вариантов в таких данных и их применения на практике.

Подробнее
0

ОбзорыВведение в single cell genomics, часть 1

В этом обзоре мы постараемся дать обзор текущего состояния области секвенирования геномов одиночных клеток. Область геномики одиночных клеток быстро развивается и генерирует много новых знаний о сложных биологических системах, начиная от разнообразия микробных экосистем и заканчивая геномикой рака человека. 
Подробнее
+3

ОбзорыМолекулярная диагностика и персонализированная терапия рака

Молекулярная диагностика и персонализированная терапия рака

 

Результаты клинического исследования, проведенного в 2001 году, показали, что для 75% пациентов, страдающих от рака, терапия имеет низкую эффективность. Мы расскажем о том, как исследование биомаркеров и геномный анализ помогают в решении этой проблемы. 

Подробнее
+1

ОбзорыАнализ данных scRNA-Seq: проблемы и методы биоинформатики, часть 2

Мы продолжаем наш разговор об анализе данных scRNA-Seq и сегодня попытаемся разобраться в  тонкостях разделения клеток на субпопуляции и микроэволюции одиночных клеток.

 

Подробнее
0

ОбзорыАнализ данных scRNA-Seq: проблемы и методы биоинформатики, часть 1

Технология scRNA-Seq обещает вынести на новый уровень наше понимание болезней и связанных с ними биологических процессов с беспрецедентным разрешением. Оно открывает возможности для выявления межклеточной неоднородности и применяется для самых разнообразных анализов, начиная от описания субпопуляций раковых клеток и кончая выяснением механизмов резистентности опухолей. Параллельно с совершенствованием экспериментальных протоколов для решения технологических проблем, получение новых аналитических методов для интерпретации сложности данных scRNA-Seq также имеет высокую сложность. В этом обзоре мы рассмотрим современные инструменты и методы биоинформатики для анализа данных scRNA-Seq, а также рассмотрим некоторые к проблемы, с которыми придется столкнуться.

Подробнее
+3

ОбзорыВведение в scRNA-Seq

Методы секвенирования РНК одиночных клеток (scRNA-Seq) теперь надежны и экономически обоснованны и становятся мощным инструментом для высокопроизводительного анализа состояний и динамики популяций клеток с помощью анализа их транскриптомов, и теперь это можно делать с высокой пропускной способностью. Подходы для одиночных клеток позволяют обходить артефакты усреднения, связанные с традиционными проблемами данных для массовой популяции, давая новые представления о клеточном разнообразии внутри поверхностно однородных популяций. До сих пор scRNA-Seq уже показало большую эффективность в обнаружении сложных популяций клеток, восстановлении траекторий развития и моделировании динамики транскрипции. Продолжающиеся технические усовершенствования пропускной способности и чувствительности scRNA-Seq, разработка более сложных аналитических структур для данных с одной ячейкой и увеличение набора дополнительных анализов с одной ячейкой все обещают расширить полезность и потенциальные применения scRNA-Seq транскрипционного профилирования.

Подробнее
+3

ОбзорыВведение в RNA-Seq, часть 2


Обычный пайплайн для данных RNA-Seq включает в себя создание файлов формата FASTQ, содержащих риды, полученные с платформы NGS, выравнивание этих ридов на аннотированный референсный геном и количественную оценку экспрессии генов. Давайте более детально рассмотрим эти этапы во всех подробностях.

Подробнее
+3

ОбзорыВведение в RNA-Seq, часть 1. Транскриптом, расскажите о себе.

Секвенирование РНК (RNA-Seq) использует возможности высокопроизводительных методов секвенирования для изучения транскриптома клетки. По сравнению с предыдущими методами секвенирования такими как Sanger и микрочипы, RNA-Seq обеспечивает значительно более высокий охват и большее разрешение динамической природы транскриптома. Помимо количественной экспрессии генов, данные, полученные с помощью RNA-Seq, облегчают обнаружение новых транскриптов, идентификацию альтернативно сплайсированных генов и выявление аллель - специфической экспрессии. 

Подробнее
0

ОбзорыМашинное обучение и биоинформатика, часть 4. Анализ изображений в биологии. Распознаем котиков и рак.

источник

Исторически, возможно, наиболее важные успехи глубинных нейронных сетей были в анализе изображений. Архитектуры глубинных нейросетей, подготовленные на миллионах фотографий, могут обнаруживать объекты на картинках гораздо лучше, чем люди. Все современные модели в классификации изображений, обнаружении объектов, поиске изображений и семантической сегментации используют нейронные сети. Сверточная нейронная сеть является наиболее распространенной сетевой архитектурой для анализа изображений. Вкратце, CNN выполняет операции сопоставления с образцом (свертки) и агрегирования (объединения).

Подробнее
0

ОбзорыМашинное обучение и биоинформатика, часть 3. Нейронные сети, смотри как они умеют!

источник

После того как мы изучили основные понятия машинного обучения и познакомились с некоторыми особенностями искусственных нейронных сетей, мы смело можем приступать к изучению конкретных методов использования машинного обучения в биоинформатике и системной биологии.

Подробнее
+1