Скачать подробную научную программу школы: программа
Скачать структуру программы школы в табличном виде: расписание
ЛЕКЦИИ ШКОЛЫ:
- Компьютерная статистическая геномика
Цепилов Яков Александрович, к.б.н., с.н.с. ИЦиГ СО РАН, НГУ, Новосибирск, РФ - 3D структура геномов: экспериментально-компьютерный анализ и реконструкция
Фишман Вениамин Семенович, к.б.н., в.н.с. ИЦиГ СО РАН, Новосибирск, РФ - Информационные технологии в генетике: Компьютерная транскриптомика
Афонников Дмитрий Аркадьевич, к.б.н., в.н.с. ФИЦ ИЦиГ СО РАН, Новосибирск, РФ - What we can learn from the list of differentially expressed genes?
Миронова Виктория Владимировна, к.б.н., в.н.с. ФИЦ ИЦиГ СО РАН, Новосибирск, РФ; Assoc. Prof. Department of Plant Systems Physiology, RIBES, Radboud University, the Netherlands - Информационные технологии в генетике: Компьютерный анализ и моделирование пространственных структур белков
Иванисенко Никита Владимирович, н.с. ИЦиГ СО РАН, Новосибирск, РФ - Информационные технологии в генетике: Моделирование молекулярно-генетических систем живых организмов
Лашин Сергей Александрович, к.б.н., в.н.с. ИЦиГ СО РАН, НГУ, Новосибирск, РФ - Информационные технологии в генетике: Компьютерное моделирование метаболический путей бактерий
Клименко Александра Игоревна, к.б.н., н.с. ИЦиГ СО РАН, НГУ, Новосибирск, РФ; Казанцев Федор Владимирович, к.б.н., н.с. ИЦиГ СО РАН, НГУ, Новосибирск, РФ - Математика и системная биология COVID-19
Криворотько Ольга Игоревна, к.ф.-м.н, н.с. ИВМиМГ СО РАН, Новосибирск, РФ - Информационные технологии в генетике. Компьютерная инженерия знаний: реконструкция генных сетей на основе методов автоматического анализа текстов научных публикаций, патентов и фактографических баз данных
Иванисенко Владимир Александрович, к.б.н., в.н.с. ФИЦ ИЦиГ СО РАН, Новосибирск, РФ - Информационные технологии в генетике: Компьютерная эволюционная биология: анализ генетических последовательностей
Мустафин Захар Сергеевич, м.н.с. ИЦиГ СО РАН, Новосибирск, РФ - Интеграция транскриптомных и метаболомных данных как метод селекции растений
Потокина Елена Кирилловна, д.б.н, профессор СПбГЛТУ, Санкт-Петербург, Россия - Успех и достижения GWAS в области идентификации генов-кандидатов и маркер-ориентированной селекции / Success and achievements of GWAS for candidate gene identification and Marker Assisted Breeding
Professor Gentzbittel Laurent, Skoltech, Moscow, Сколтех, Russia / France - Математические модели геномной селекции
Самсонова Мария Георгиевна, д.б.н., профессор СПбГУ, Санкт-Петербург, Россия - Молекулярные маркеры в генетических исследованиях растений: генотипирование полиплоидных геномов растений
Сергеева Екатерина Михайловна, к.б.н., н.с. ИЦиГ СО РАН, НГУ, Новосибирск, РФ
ПРАКТИЧЕСКИЕ ЗАНЯТИЯ:
- Компьютерная статистическая геномика
Цепилов Яков Александрович, к.б.н., с.н.с. ИЦиГ СО РАН, НГУ, Новосибирск, РФ - Секвенирование и анализ данных для поиска структурных вариантов в геноме человека с использованием технологий Hi-C и Oxford Nanopore
Фишман Вениамин Семенович, к.б.н., в.н.с. ИЦиГ СО РАН, Новосибирск, РФ - Реконструкция и анализ транскриптомов на основе данных RNA-seq
Афонников Дмитрий Аркадьевич, к.б.н., в.н.с. ИЦиГ СО РАН, Новосибирск, РФ - Компьютерный анализ и моделирование пространственных структур белков
Иванисенко Никита Владимирович, н.с. ИЦиГ СО РАН, Новосибирск, РФ - Компьютерная эволюционная биология: анализ генетических последовательностей
Мустафин Захар Сергеевич, м.н.с. ИЦиГ СО РАН, Новосибирск, РФ - Компьютерное моделирование метаболический путей бактерий
Клименко Александра Игоревна, к.б.н., н.с. ИЦиГ СО РАН, НГУ, Новосибирск, РФ; Казанцев Федор Владимирович, к.б.н., н.с. ИЦиГ СО РАН, НГУ, Новосибирск, РФ - Математика и системная биология COVID-19
Криворотько Ольга Игоревна, к.ф.-м.н, н.с. ИВМиМГ СО РАН, Новосибирск, РФ - Реконструкция и анализ ассоциативных генных сетей с помощью программы ANDVisio, являющейся модулем системы ANDSystem
Иванисенко Владимир Александрович, к.б.н., в.н.с. ИЦиГ СО РАН, Новосибирск, РФ - Использование GWAS для идентификации генов-кандидатов и маркер-ориентированной селекции / GWAS for candidate gene identification and Marker Assisted Breeding
Professor Gentzbittel Laurent, Skoltech, Moscow, Russia / France & Ben Cécile, principal research scientist, Skoltech, Moscow, Russia / France
Данная практика будет проходить на английском языке
В разделе Для практик описаны требования к знаниям и компьютерам / ноутбукам участников школы для прохождения определенных практик. По данной ссылке доступно для скачивания ПО, которое потребуется для практических занятий.
ОПИСАНИЯ ПРАКТИЧЕСКИХ ЗАНЯТИЙ:
Практическое занятие №1:
“Компьютерная статистическая геномика”
Цепилов Яков Александрович, с.н.с. ИЦиГ СО РАН, НГУ, Новосибирск, РФ
Лекция и практические будут посвящены основам количественной генетики и полногеномным исследованиям ассоциаций. Будет кратко дана теоретическая база и практические основы контроля качества и анализа.
Практическое занятие №2:
“Секвенирование и анализ данных для поиска структурных вариантов в геноме человека с использованием технологий Hi-C и Oxford Nanopore”
Фишман Вениамин Семенович, к.б.н., в.н.с., ИЦиГ СО РАН, Новосибирск, РФ
Практика посвящена поиску структурных вариантов в геномах человека с использованием современных методов: технологии Hi-C и секвенирования на платформе Oxford Nanopore. Мы будем использовать готовые Hi-C-данные, полученные ранее в секторе геномных механизмов онтогенеза, и научимся интерпретировать структурные перестройки на основе изменений паттерна Hi-C-контактов. Мы также проведем эксперимент по секвенированию на платформе Oxford Nanopore для валидации найденных хромосомных перестроек ортогональным методом. Для этого, мы освоим методы выделения ДНК, подготовки библиотек и непосредственно секвенирования.
В рамках биоинформационной части практикума мы научимся анализировать качество данных ONT, выравнивать данные на геном человека и выявлять хромосомные перестройки.
Практическое занятие №3:
“Реконструкция и анализ транскриптомов на основе данных RNA-seq”
Афонников Дмитрий Аркадьевич, к.б.н., в.н.с. ИЦиГ СО РАН, Новосибирск, РФ
Практический курс посвящён изучению методов и программ биоинформатической обработки данных экспериментов по секвенированию транскриптома (RNA-seq). Основная цель курса – освоение методов de novo реконструкции транскриптома из данных RNA-seq и дальнейшего анализа полученных сборок транскриптома, в частности – поиска дифференциальной экспрессии транскриптов. В рамках данного курса участники познакомятся с программным обеспечением, используемым на разных стадиях обработки данных RNA-seq – фильтрации прочтений библиотек, de novo реконструкции транскриптома, оценке уровней экспрессии, выделения генов, имеющих достоверную дифференциальную экспрессию. Будет освоено следующее программное обеспечение: Trinity, Kallisto, пакет программ Vsearch, пакет EdgeR для языка программирования R.
Практическое занятие №4:
“Компьютерное моделирование пространственных структур биомолекул”
Иванисенко Никита Владимирович, н.с., ИЦиГ СО РАН, Новосибирск, РФ
Практикум проводится для желающих разобраться в современных подходах моделирования трёхмерных структур белков и белковых комплексов. В ходе занятий участники научатся проводить предсказание структур белков с использованием пакетов AlphaFold и RoseTTAFold, проводить качественный и количественных анализ точности предсказаний, осуществлять визуализацию белковых структур с использованием пакета PyMOL.
Практическое занятие №5:
“Компьютерная эволюционная биология: анализ генетических последовательностей”
Мустафин Захар Сергеевич, м.н.с. ИЦиГ СО РАН, Новосибирск, РФ
Практика посвящена применению методов эволюционного анализа генов. С помощью приложения Orthoscape к программному комплексу Cytoscape будет изучено два вида эволюционного анализа генов, входящих в состав генных сетей:
1) Анализ эволюционного возраста генов, заключающийся в определении этапа возникновения гена на основе поиска ортологичных ему генов в геномах других организмов и анализе их таксономических деревьев.
2) Анализ эволюционной изменчивости гена, заключающийся в сравнении нуклеотидных последовательностей гена и его ортологов у эволюционно близких организмов и определении значения отношения dN/dS, характеризующего тип отбора, которому подвержен ген.
Практическое занятие №6:
“Основы построения и анализа моделей метаболических путей бактерии”
Клименко Александра Игоревна, к.б.н., н.с., ИЦиГ СО РАН, Новосибирск, РФ
Казанцев Федор Владимирович, к.б.н., н.с., ИЦиГ СО РАН, Новосибирск, РФ
В рамках практики будет рассмотрена структура моделей метаболических путей бактерий. Построим собственную модель, узнаем где брать готовые, научимся запускать вычислительные эксперименты и визуализировать результаты моделирования на «карте метаболических путей». От слушателей требуется знание основ работы с языком программирования Python. На практике будет использоваться следующий инструментарий:
- Python (www.python.org) – язык программирования. Предпочтительная среда разработки – Jupiter (jupyter.org).
- CobraPy (cobrapy.readthedocs.io) – библиотека построение и анализа моделей метаболических путей.
- Escher (escher.readthedocs.io) – библиотека построение и визуализации карт метаболических путей.
Практическое занятие №7:
“Математика и системная биология COVID-19”
Криворотько Ольга Игоревна, к.ф.-м.н, н.с. ИВМиМГ СО РАН, Новосибирск, РФ
Курс посвящен изучению базовой структуры SIR-моделей, описывающих распространение инфекционных заболеваний в популяции, разделенной на конкретные группы. В качестве примера будут рассмотрена математическая модель распространения коронавирусной инфекции между 7 группами людей: восприимчивые, бессимптомные носители инфекции, инфицированные в легкой и тяжелой формах, критические случаи, вылеченные и умершие, в различных регионах РФ. Цель занятия: убедиться, что в разных регионах инфекция распространяется по-разному, понять, какие факторы на это влияют.
Практическое занятие №8:
“Реконструкция и анализ ассоциативных генных сетей с помощью программы ANDVisio, являющейся модулем системы ANDSystem”
Иванисенко Владимир Александрович, к.б.н., в.н.с. ИЦиГ СО РАН, Новосибирск, РФ
Генные сети описывают сложные молекулярно-генетические, биохимические, физиологические процессы, контролирующие формирование фенотипических и клинических признаков человека. В качестве узлов в генных сетях выступают молекулярно-генетические объекты (белки, гены, микроРНК, лекарства и т.д.), а ребрами являются различные виды взаимодействий между ними (белок-белок взаимодействия, каталитические реакции, регуляторные связи и так далее). Гетерогенные или ассоциативные генные сети, представляют собой расширенный вариант генных сетей, в качестве вершин которых наряду с молекулярно-генетическими объектами могут быть представлены сущности более высокого уровня (биологические процессы, фенотипические признаки, заболевания, факторы внешней среды и др.), связанные между собой регуляторными, физическими, химическими или ассоциативными взаимосвязями. В ИЦиГ СО РАН разработана программно-информационная система ANDSystem (Demenkov et al., 2012; Ivanisenko et al., 2015, Ivanisenko et al., 2019, Ivanisenko et al., 2020), предназначенная для полного цикла инженерии медико-биологических знаний, включая автоматическое извлечение из текстов научных публикаций, патентов и фактографических баз данных с помощью синтактико-семантических правил и нейросетевых методов, формализацию знаний и их представление в базе знаний в виде ассоциативных генных сетей, пользовательский доступ к базе знаний, графическое представление и анализ результатов работы с базой знаний.
Практические занятия будут посвящены использованию программы ANDVisio, являющейся модулем системы ANDSystem, для реконструкции и анализа ассоциативных генных сетей.
Практическое занятие №9:
“GWAS for candidate gene identification and Marker Assisted Breeding”
Professor Gentzbittel Laurent, Skoltech, Moscow, Russia / France & Ben Cécile, principal research scientist, Skoltech, Moscow, Russia / France
Данная практика будет проходить только в очном формате
Данная практика будет проходить на английском языке
Practical, 3 sessions of 4 hours (CB and LG):
Session 1:
– Input data for GWAS: Phenotypes, Genotypes, kinship, population structure
– Basics of Linear Mixed Models
– Practice of the MLM
– Diagnostic and interpretations of results
Session 2:
– Including covariates into the GWAS analysis (climate, Multiple Environment Trials)
– Introduction to multi-locus and multi-trait analysis
Session 3: introduction to Genomic prediction
– Concepts
– Implementation into breeding programs
– Practice of the main methods : GBLUP, RIDGE regression, Lasso, WhoGEM
Practical will be based on real experimental data. Instructions on software to install will be given before training sessions. Attendees shall get basic knowledge about linear algebra, matrix operations and the R system. Learning resources (English and Russian) will be provided.
