Тип работы:
Предмет:
Язык работы:


Теоретико-игровое моделирование в генетике

Работа №130580

Тип работы

Бакалаврская работа

Предмет

информатика

Объем работы44
Год сдачи2019
Стоимость4700 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
14
Не подходит работа?

Узнай цену на написание


Введение
Постановка задачи
Обзор литературы
Глава 1. Математическая модель
1.1. Определения
1.2. Формализация кооперативной игры в контексте микрочиповой
игры
Глава 2. Аксиоматическая характеристика решений кооперативной теории игр в применении к микрочиповым играм
2.1. Генные регуляторные сети как партнерство генов
2.2. Индекс значимости генов как решение кооперативной игры ....
Глава 3. Результаты
Выводы
Заключение
Список литературы
Приложение

Функции белков в клетках живых организмов разнообразны. Белки- ферменты катализируют протекание биохимических реакций и играют важную роль в обмене веществ. Некоторые белки выполняют структурную или механическую функцию, образуя цитоскелет, поддерживающий форму клеток. Также белки играют ключевую роль в сигнальных системах клеток, при иммунном ответе и в клеточном цикле. Начиная с клеточной оболочки и заканчивая всеми составляющими клетки - все построено с участием молекул белка. Чтобы синтезировать белок в клетке необходимы дезоксирибонуклеиновая (ДНК) и рибонуклеиновая кислоты (РНК). ДНК несет в себе всю генетическую информацию, следовательно, в зависимости от заложенных в ней данных и будет строиться тот или иной белок. РНК ведет роль посредника между ДНК и синтезируемым белком. Процесс преобразования наследственной информации от гена в РНК или белок называется экспрессией генов.
Хотя все клетки нашего организма имеют одну и ту же переданную по наследству геномную ДНК, каждая клетка транскрибирует различные гены в виде мРНК в соответствии с типом клетки, биологическими процессами, нормальным или патологическим состоянием и т.д. Данное разнообразие в профилях генной экспрессии интенсивно изучается ввиду его биологического и клинического значения. Еще в конце 1980-х годов была использована технология микрочипов, которая на сегодняшний день позволяет одновременно отслеживать экспрессию десятков тысяч генов, создавая молекулярный портрет клетки. Эти данные могут быть использованы для идентификации генов, отвечающих за конкретное заболевание.
В данной работе были рассмотрены некоторые приложения теории кооперативных игр для анализа данных, полученных с помощью технологии микрочипов. Однако, такие подходы не дают ответы на нормативные вопросы, как и не дают советы группам генов о том, как они должны вести себя внутри биологической клетки, а используются для описания поведения генов и предсказания исхода их взаимодействия.
Цель работы: изучить применение теории кооперативных игр к вычислению силы генов; применить теорию на практическом примере с реализацией алгоритма.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В данной работе было рассмотрено приложение теории кооперативных игр к анализу экспрессии генов. А именно: определены понятия микрочиповой игры, булевой матрицы экспрессии, индекса значимости генов, партнерства генов и т.д., представлена аксиоматическая характеристика решений теории кооперативных игр в контексте микрочиповых игр, рассмотрен практический пример на основе изучения влияния генов на развитие болезни Альцгеймера. Также была реализована программа по подсчету вектора Шепли и индекса Банзафа, которая позволяет наглядно показать результаты применения данного отдела теории игр к исследованию силы генов.


1. Moretti S., Patrone F., Bonassi S. The class of microarray games and the relevance index for genes // TOP. 2007. No 15. P. 256-280.
2. Drmanac R., Crkvenjakov R. Process for obtaining genome by hybridization and oligonucleotidic tests. // Yugoslav Patent Application YU0057087A. 1990.
3. Лысов Ю., Флорентьев В., Хорлин А., Храпко К., Шик В., Мирзабеков А. Определение нуклеотидной последовательности ДНК гибридизацией с олигонуклеотидами. Новый метод // Докл. Акад. Наук СССР. 1988. Т. 303. Стр. 1508-1511.
4. Джиоев Ю. П. Биочиповые технологии: этапы развития и инновационная стратегия в области молекулярной диагностики инфекционных заболеваний. // Бюллетень Восточно-Сибирского научного центра Сибирского отделения Российской академии медицинских наук. 2007. № 2. С. 119-123.
5. Amaratunga D., Cabrera J. Exploration and Analysis of DNA Microarray and Protein Array Data. New York: John Wiley & Sons. 2004. P. 267.
6. Baldi P., Hatfield G. W. DNA Microarrays and Gene Expression: From Experiments to Data Analysis and Modeling. Cambridge University Press, Cambridge. 2002. P. 230.
7. Parmigiani G., Garrett E. S., Irizarry R., Zeger S. L., eds. The analysis of gene expression data: methods and software. New York: Springer. 2003. P. 511.
8. Moretti S. Minimum cost spanning tree games and gene expression data analysis // ACM international conference proceeding series. 2006. P. 199-208.
9. Fragnelli V., Moretti S. A game theoretical approach to the classification problem in gene expression data analysis // Comput. Math. Appl. 2008. Vol. 55. No 5. P. 950-959.
10. Albino D., Scaruffi P., Moretti S., Coco S., Di Cristofano C., Cavazzana A., et al. Identification of low intratumoral gene expression heterogeneity in neuroblastic tumors by wide-genome expression analysis and game theory. // Cancer. 2008. No 113. P. 1412-1422.
11. Lucchetti R., Moretti S., Patrone F., Radrizzani P. The Shapley and Banzhaf value in microarray games. // Computers & Operations Research 37. 2010. P. 14061412.
12. Bower J. M., Bolouri H. Computational Modeling of Genetic and Biochemical Networks. Massachusetts University of Technology. 2001.
13. Laruelle A., Valenciano F. Shapley-Shubik and Banzhaf indices revisited. // Mathematics of Operations Research. 2001. No 26. P. 89-104.
14. The National Center for Biotechnology Information. https://www.ncbi.nlm.nih.gov/geo/gds/analyze/analyze.cgi?ID=GDS4758.
15. Chami M., Checler F. Ryanodine receptors: dual contribution to Alzheimer disease? // Channels (Austin). 2014. P. 168-168.
16. Ma L., Lu Z. N. Role of ADH1B rs1229984 and ALDH2 rs671 gene polymorphisms in the development of Alzheimer’s disease // Genet. Mol. Res. 2016. Vol. 15. No 4. P. 1-8.
17. Loke S. Y., Wong P. T., Ong W. Y. Global gene expression changes in the prefrontal cortex of rabbits with hypercholesterolemia and/or hypertension // J. Mol. Neurosci. 2007. No 102. P. 33-56.


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ