Analiza'3D'struktur'makromolekul'in' modeliranje'
|
|
- Ê Κανακάρης-Ρούφος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Univerza'v'Ljubljani,'Fakulteta'za'kemijo'in'kemijsko'tehnologijo' Univerzitetni%študijski%program%Biokemija,%2.%letnik,%študijsko%leto%2013/2014% Analiza'3D'struktur'makromolekul'in' modeliranje' Miha%Pavšič% 20.%5.%2014% Analiza'3D'struktur'makromolekul'in'modeliranje' Pregled'obravnavanih'tem:' 6. Primerjava%3D%struktur%makromolekul% b. Zvitje%in%klasifikacija%struktur% nadaljevanje'od'prejšnjič' c. Primerjanje%in%iskanje%podobnih%struktur% 7. Metode%za%določevanje%struktur%makromolekul%(nizka%ločljivost)% a. Ozkokotno%sipanje%rentgenske%svetlobe%(SAXS)% b. KrioREM% 8. Modeliranje%makromolekul% a. Modeliranje%posameznih%makromolekul% Modeliranje%na%osnovi%homologije%(homology'modeling)% Prepoznavanje%zvitja%(protein'threading)% Modeliranje%ab'ini1o%(ab'ini1o'modeling)% b. Modeliranje%zank%(loop'modeling)% c. FoldIt% d. Baze%modelov% e. CASP%(Cri1cal'Assesment'of'protein'Structure'Predic1on)% f. UmesYtev%(docking)%in%CAPRI%(Cri1cal'Assesment'of'PRedic1on'of'Interac1ons)% g. Simulacija%molekulske%dinamike%(molecular'dynamics'simula1ons)%
2 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' PolipepYdne%verige%s%podobnim%akRzaporedjem%zavzamejo%podobno%3D%strukturo% % značilno%zvitje%(fold),%ki%ga%opišemo%z%zaporedjem%in%relayvno%orientacijo%elementov% sekundarne%strukture.% Dve%osnovni%klasifikaciji:% SCOP%R%Structural%ClassificaYon%of% Proteins%(nekoliko%zastarela%in% neosvežena;%nova%verzija%scop2)% CATH% %opis%nivojev%strukture:% CLASS%R%razred%(alfa,%beta,%mešano% alfa/beta,%ali%pa%z%malo%sekundarne% strukture)% ARCHITECTURE%R%arhitektura% (celotna%oblika%glede%na%orientacijo% elementov%sekundarne%strukture)% TOPOLOGY%R%topologija%(družina% zvitja)% HOMOLOGY%R%homologna% superdružina%(združuje%proteinske% domene)% nivoji%cat(h)% 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' Klasifikacija'SCOP'(Structural%ClassificaYon%Of%Proteins):%hdp://scop2.mrcRlmb.cam.ac.uk% strukture%iz%pdb%!%ročna%klasifikacija% osnovna'enota'klasifikacije'je%domena' Pri%domenah%razlikujemo%zvitja'(fold):%pri'istem'zvitju'imamo'enake'glavne'elemente' sekundarne'strukture,'so'enako'urejeni'relasvno'en'glede'na'drugega,'enake'so'tudi' povezave'med'njimi'(topologija).% Primer'zvitja:'Rossmanovo'zvitje'(Rossman*fold)% Opis:%3%plasY%a/b/c,%paralelna%βRpovršina%iz%5%trakov%(vrstni%red%32145)% 3%alpha,20%betaR hydroxysteroid% dehydrogenase% (Streptomyces'exfoliatus)% UDPRgalactose%4R epimerase% (Escherichia'coli)% alcohol% dehydrogenase% (Equus'caballus)% mannitol%2r dehydrogenase% (Pseudomonas' fluorescens)%
3 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' Klasifikacija'SCOP'(Structural%ClassificaYon%Of%Proteins)% Nivoji:% nivo' RAZRED%(class)% ZVITJE%(fold)% NADDRUŽINA%(superfamily)% DRUŽINA%(family)% PROTEIN% VRSTA%(species)% splošne%lastnosy%(npr.%samo%α,%samo%β,%α/β%in%α+β,% membranski%proteini,%majhni%proteini,%...),%ni% evolucijske%povezanosy% podobna%topologija,%morda%gre%za%evolucijsko% povezanost% jasna%strukturna%homolgija%*% jasna%homologija%na%osnovi%zaporedja%*% funkcionalna%podobnost% posamezna%zaporedja% *'Strukturna'podobnost'evolucijsko'oddaljenih'struktur'je'večja'kot'podobnost'njihovih' aminokislinskih'zaporedij.' 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' Klasifikacija'SCOP'(Structural%ClassificaYon%Of%Proteins)% Primer:% razred% zvitje% naddružina% ime%je%lahko%enako% družina% 90 % protein:%glikolat%oksidaza% vrsta:%špinača%(spinacia'oleracea)%
4 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' Klasifikacija'CATH'(ClassRArchitectureRTopologyRHomology)% SemiRavtomatska%klasifikacija% Primer:% superpozicija%struktur%iz%iste%naddružine:% 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' SCOP'in'CATH' %primerjava%nivojev% SCOP' razred%(class)% CATH' razred%(class)% arhitektura% (architecture)% zvitje% (fold)% topologija% (topology)% naddružina% (superfamily)% naddružina%r% homolognost% (superfamily)% družina% (family)% zaporedje% (sequence)% zaporedje% (sequence)%
5 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' MoSvi' supersekundarna%(nadsekundarna)%struktura,%ki%se%lahko%pojavlja%v%različnih%zvitjih% primeri:% βrlasnica% (βrhairpin)% grški%ključ% (Greek'key)% vijačnicarzavojrvijačnica% (helixfturnfhelix,'hth)% 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' Shematski'prikaz'topologije' 'diagram'tops' ElemenY:% βrtrak% (smer%proy%nam)% βrtrak% (smer%stran%od%nas)% αrvijačnica% povezava% Primeri:% paralelna%βrpovršina% anyparalelna%βrpovršina% strukturo%orienyramo%tako,%da%so%βrtrakovi% pravokotno%na%ravnino/papir/ekran;% če%se%povezava%začne%za%objektom,%to%pomeni%od% spodaj,%če%je%pa%pred%njim,%pa%od%zgoraj%
6 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' Povezava'podobno'zaporedje' 'podobna'struktura' HOMOLOGIJA:'20Z30'%'idenSčnost'(na'splošno)' Pozor% %odvisno%od%dolžine%zaporedij!% poravnave%kratkih%zaporedij%imajo%pogosto%>30%%idenyčnost% zaporedja,%krajša%od%10%akrostankov% %100%%idenYčnost%ni%signifikantna% Primer%za%homologna%zaporedja%modrih% bakerrvezavnih%proteinov:% RMSD%struktur%[Å]% idenyčnost%akrzaporedja%[%]% 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' Povezava'podobno'zaporedje' 'podobna'struktura' Primer:'Sroglobulinske'domene'(TY)'različnih'človeških'proteinov'(1/2)' Poravnava%zaporedij:%
7 6.b.%Primerjava%3D%struktur%makromolekul:%ZVITJE'IN'KLASIFIKACIJA'STRUKTUR' Povezava'podobno'zaporedje' 'podobna'struktura' Primer:'Sroglobulinske'domene'(TY)'različnih'človeških'proteinov'(2/2)' Strukture:% TY%p41% TY%IGFBPR1% TY%IGFBPR4% TY%IGFBPR2% TY%IGFBPR6% 6.c.%Primerjava%3D%struktur%makromolekul:%PRIMERJANJE'IN'ISKANJE'PODOBNIH'STRUKTUR' Glavne'metode'za'primerjanje'struktur'(poravnava%struktur,'structural'alignment):% superpozicija'rigidnih'objektov'(rigid'body'superposi1on)' translacija% večih%struktur% ponavadi%transliramo% COM%(centerFofFmass)% pomaknemo%na%isto% izhodišče% idenyfikacija% ekvivalentnih% položajev% s%pomočjo%poravnave%akrzaporedij% ročno%(npr.%akyvno%mesto)% rotacija% struktur% (relayvno)% opymalna%poravnava% ekvivaletnih%položajev% metoda'na'osnovi'elementov'sekundarne'strukture' teorija:'delecije/insercije'se'zgodijo'predvsem'v'zankah'na'površini% implemenyrana%npr.%v%grath,%ssm;%precej%hitra%metoda% idenyfikacija% el.%sek.%str.% diagram%razdalj% in%kotov%med% njimi% primerjava% metoda'na'osnovi'razdalj'med'akzostanki'in'kontaks'med'njimi% implemenyrana%v%npr.%dali,%ce,%ssap% strukture% fragmeny% lokalna%geometrija,% razdalje,%medsebojni% kontaky% združitev%in% opymizacija%
8 6.c.%Primerjava%3D%struktur%makromolekul:%PRIMERJANJE'IN'ISKANJE'PODOBNIH'STRUKTUR' DALI%(Distance%mAtrix%aLIgnment)% Metoda%na%osnovi%razdalj%med%akRostanki%in%kontakY%med%njimi% hdp://ekhidna.biocenter.helsinki.fi/dali_server/% Izračun%razdalj%med%akRostanki%!%karta%razdalj%!%primerjamo%razdalje%znotraj%heksapepYdov.% IdenYfikacija%parov%podobnih% heksapepydov.% karta%razdalj%za% protein%a%in%b% Primerjava%kart%razdalj% za%heksapepyde.% Dodajanje%fragmentov%in% opymizacija.% Izračun%RMSD%za% fragmente.% % Strežnik%DALI%že%ima%izdelane%matrike%razdalj%za%proteine%v%PDB.% hdp://whatrwhenrhow.com/proteomics/structurercomparisonrandrproteinrstructurerclassificayonsrproteomics/% 6.c.%Primerjava%3D%struktur%makromolekul:%PRIMERJANJE'IN'ISKANJE'PODOBNIH'STRUKTUR' Vrednotenje'podobnosS'struktur' Vrednost'RMSD'(RMSD*score)' RMSD = Vrednost'Z'(Z2score)' 1 N N δ 2 i i=1 enota%dolžine%(å)% močno%odvisna%od%dolžine% občutljiva%za%kratke%nepodobne%fragmente%(npr.%zanke)% staysyčni%model% koliko%st.%deviacij%je%vrednost%poravnave%od%povprečja% Vrednost'GDT'(Global*Distance*Test*Total*Score,'GDT'TS)' glavna%ocena%kvalitete%modelov%pri%casp%( tekmovanje %v%modeliranju%struktur)% definirana%je%kot%največje%št.%atomov%c α %modela,%ki%so%oddaljeni%za%manj%kot%x%od% njihovih%položajev%v%eksperimentalni%strukturi% izračuna%se%za%več%vrednosy%x% konvergenca:%št.%atomov%se%z%naraščanjem%x%ne%spremeni%
9 6.c.%Primerjava%3D%struktur%makromolekul:%PRIMERJANJE'IN'ISKANJE'PODOBNIH'STRUKTUR' PDBeFold'(SSM)' hdp:// ne%upošteva%akrzaporedja%oz.%poravnave%akrzaporedij% princip:%ujemanje%sekundarnih%struktur%(ssm% %Secondary%Structure%Matching)% vrednotenje:%vrednost%q%(poravnava%c α ),%P%(RMSD%+%dolžina%poravnave%+%vrzeli%+%ujemanje%v% elemenyh%sek.%strukture%+%povezave%med%el.%sek.%strukture),%z%(staysyčna%metoda),%rmds%in%%% idenyčnosy%akrzaporedja% uporaba:% primerjava%dveh%ali%večih%struktur% primerjava%strukture%s%strukturami%v%pdb%ali%bazo%scop% 7.%Metode%za%določevanje%struktur%makromolekul%(nizka%ločljivost)' Metode%nizkih%ločljivosY%so%posebej%pomembne%pri%raziskovanju%velikih'kompleksov,%ki% jih%z%rentgensko%kristalografijo%in%nmr%ne%moremo%proučevay%!%omejitve'za'umesstev.% Rentgenska' kristalografija' (XRray)% ločljivost'spično'<'3'å' Jedrska'magnetna' resonenca' (NMR)% Ozkokotno'sipanje' rtg.'svetlobe' (SAXS)% ločljivost'>'3'å' Krioelektronska' mikroskopija' (CryoREM)% struktura%podenot% struktura%podenot% oblika%podenot% oblika%podenot% oblika%podenot% oblika%podenot% syki%med% poenotami% syki%med% poenotami% syki%med% poenotami% syki%med% poenotami% razdalje%med% podenotami% razdalje%med% podenotami% razdalje%med% podenotami% razdalje%med% podenotami% stehiometrija% podenot% stehiometrija% podenot% stehiometrija% podenot% stehiometrija% podenot% simetrija%kompleksa% simetrija%kompleksa% simetrija%kompleksa% simetrija%kompleksa% oblika%kompleksa% oblika%kompleksa% oblika%kompleksa% oblika%kompleksa% struktura%kompleksa% struktura%kompleksa%
10 7.a.%Metode%za%določevanje%struktur%makromolekul%(nizka%ločljivost):%SAXS' intenziteta%sipanja% WAXS%(XRray)% makromolekula%je%v%raztopini% dobimo%podatke%o%obliki% kompleksa% gradnja%modela%z% umeščanjem%rigidnih%teles% (struktur%podenot)% detektor% vzorec% XRžarki% SAXS% Ozkokotno'sipanje'rengenske'svetlobe'(Small'Angle'XFray'ScaJering,%SAXS)% dummy'atom'model' rekonstrukcija% DOI% /nsmb.1836% 7.b.%Metode%za%določevanje%struktur%makromolekul%(nizka%ločljivost):%KrioZEM' KrioZelektronska'mikroskopija'(CryoZEM)% kriogeni%pogoji%(lqn2,%lqhe),%transmisijski%elektronski%mikroskop% običajna%em:%za%dosego%visoke%ločljivosy%bi%potrebovali%močan%tok%elektronov%!%poškodbe%vzorca% metode:% kriorelektronska%kristalografija%(sipanje%elektronov%na%urejenih%delcih,%skoraj%atomska% ločljivost)% kriorelektronska%tomografija%(posamezen%delec%slikamo%v%različnih%orientacijah%!% rekonstrukcija)% EM% jedrna%pora% (EMBL,%Beck):% surovi%podatki% procesiranje% rekonstrukcija% analiza%in%gradnja% modela%
11 8.a.%Modeliranje%makromolekul:%MODELIRANJE'POSAMEZNIH'MAKROMOLEKUL' Velikokrat%nimamo%na%voljo%modela%strukture%(atomske%ločljivosY)%na%osnovi% eksperimentalnih%podatkov%(xrray,%nmr)%!%modeliranje.% fizikalnorkemijske%omejitve% (dolžine%in%koy%med%vezmi,%...)% napoved%sekundarne%strukture% strukture%homolognih%proteinov% druge%omejitve%...ahgtycsplvrreqntsgalyw... akrzaporedje% model% Osnovni'pristopi'za'gradnjo'modelov'makromolekul:% modeliranje'na'osnovi'podobnoss' modeliranje%na%osnovi%homologije%(homology%modeling)% idenyfikacija%zvitja%(protein%threading)% modeliranje'ab*ini:o*oz.'de*novo'( od*začetka )' metode,%osnovane%na%enegijskih%potencialih% metode,%osnovane%na%iskanju%fragmentov% evolucijske%metode%za%napoved%sykov%v%prostoru% 8.a.%Modeliranje%makromolekul:%MODELIRANJE'POSAMEZNIH'MAKROMOLEKUL' akrzaporedje% podatkovna%baza% znanih%struktur% izbor%predloge%za%modeliranje,% idenyfikacija%zvitja% eksperimentalni% podatki% modeliranje% na%osnovi% homologije% modeliranje% ab'ini1o' hibridne% metode% validacija%in% evaluacija%modela% torzijski%koy,%neugodni%kontaky,%solvatacija,% sekundarna%struktura,%...%
12 8.a.%Modeliranje%makromolekul:%MODELIRANJE'POSAMEZNIH'MAKROMOLEKUL' Modeliranje'na'osnovi'homologije'(homology'modeling,'compara1ve'modeling)% Dejstva:% 1. 3DRstruktura%je%določena%z%akRzaporedjem% (načeloma).% 2. Evolucijsko%gledano%so%strukturne%spremembe% manjše%kot%spremembe%z%njo%povezanega%akr zaporedja.% podobno%zaporedje%!%podobna%struktura% Koraki:% 1. IdenYfikacija%predloge%in%priprava%poravnave%(prileganja).% 2. Gradnja%ogrodja%(backbone% %atomi%c α ).% 3. Modeliranje%zank.% 4. Modeliranj%stranskih%skupin%akRostankov.% 5. OpYmizacija%modela.% 6. Validacija%modela.% 8.a.%Modeliranje%makromolekul:%MODELIRANJE'POSAMEZNIH'MAKROMOLEKUL' Modeliranje'na'osnovi'homologije'(homology'modeling,'compara1ve'modeling)% tarčno'zaporedje' idenyfikacija%najbolj% ohranjenih%regij%!% večja%utežitev!% iskanje%homolognih% zaporedij% iskanje%homolognih%zaporedij% %znana%struktura%(predloge)% poravnava% gradnja%modelov% validacija,%evaluacija%
13 8.a.%Modeliranje%makromolekul:%MODELIRANJE'POSAMEZNIH'MAKROMOLEKUL' Modeliranje'na'osnovi'homologije'(homology'modeling,'compara1ve'modeling)% implemenyrano%je%v%mnogih%programih%za%modeliranje% programi%za%modeliranje%(tudi%taki,%ki%so%v%osnovi%ab'ini1o)%pogosto%sami%poiščejo,%ali% obstajajo%primerne%predloge%za%vsaj%kakšno%regijo/domeno% primeri%programov:%modeller,%swissrmodel,%phyre2,%...% Modeller' hdps://salilab.org/modeller/% lokalna%instalacija%ali%spletni%vmesnik% 8.a.%Modeliranje%makromolekul:%MODELIRANJE'POSAMEZNIH'MAKROMOLEKUL' IdenSfikacija'zvitja'(protein'threading)% Temelji%na%staYsYčni%analizi%struktur%v%PDB%in%tarčnim%zaporedjem.% Na%splošno:%uporabimo%ga%lahko%takrat,%ko%ne%najdemo%dobre%predloge%za%modeliranje%na% osnovi%homologije.% Osnovna%ideja:% v%naravi%je%omejeno%število%zviyj% izbor%izmed%možnih%zviyj%temelji%na%poznavanju%preferenc%posameznih%akrostankov,% da%se%nahajajo%v%določenih%strukturnih%okoljih% Ni%enako%modeliranju%na% osnovi%homologije% %metodo% lahko%uporabimo%na% zaporedjih,%za%katere%ne% obstaja%homologno%zaporedje% z%znano%3drstrukturo.% Orodja:%HHpred,%RAPTOR,% PHYRE2,%MUSTER,%...% Vir%slike:%hdp://
14 8.a.%Modeliranje%makromolekul:%MODELIRANJE'POSAMEZNIH'MAKROMOLEKUL' Modeliranje'ab*ini:o*/'de*novo'(ab'ini1o'/'de'novo'modeling)% fizikalnorkemijska%osnova%(+% evolucijska%kovarianca% intramolekulskih%sykov)% več%principov,%nor.%globalna% opymizacija%primerne%energijske% funkcije%(lerta%opisuje% intramolekulske%interakcije)% metoda%je%računsko%zelo%zahtevna% pogosto%hibridni%pristop% (kombinacija%metod,%npr.% modeliranje%na%osnovi%homologije% +%ab'ini1o)% uporabnost:% manjši%proteini% zanke%in%krajši%fragmeny% homolognih%modelov,%za% katere%nimamo%ustrezne% predloge% orodja:%rosetta,%irtasser% (QUARK),%...% 8.b.%Modeliranje%makromolekul:%MODELIRANJE'ZANK' Modeliranje'zank'(loop'modeling)% gre%predvsem%za%zanke%na%površini,%za%katere%pogosto%nimamo%homologne%predloge% najpogosteje%se%uporablja%pristop%na%osnovi%predlog:% v%bazi%fragmentov%(na%osnovi%znanih%struktur)%poiščemo%podobne%fragmente% opymizacija%(dihedralni%koy,%rotameri)%!%opymalno%pakiranje%in%energija% lahko%tudi%ab'ini1o' najpogosteje%hibridni%pristop:%fragmeny%+%delno%ab'ini1o' izračun%celega%ensembla%modelov% (različne%konformacije)% primeri%dobrih%modelov%+% XRray%struktur%
15 8.c.%Modeliranje%makromolekul:%FoldIt' FoldIt% hdp://fold.it% računalniška% igra,%pri%kateri%igralci%prispevajo%k%razvoju%znanosy% ročno%in%s%pomočjo%orodij%zvijemo%polipepydno%verigo%z%danim%zaporedjem% poseben%algoritem%za%točkovanje%(clashing'+'packing'+'hiding'+'bonding'+'backbone'+' sidechain'+'disulfides'...)% 8.c.%Modeliranje%makromolekul:%FoldIt' FoldIt% predzadnji%model% zadnji%model% struktura%(xrray)% Strukture%monomerne% retrovirusne%proteaze%ni% bilo%moč%rešiy%z% molekulsko%zamenjavo% (MR;%ena%izmed%tehnik% faziranja)%na%osnovi% znanih%homolognih% struktur.% Igralci%FoldIt%so%pripravili% dober%model%!%uspešna% molekulska%zamenjava%in% rešitev%kristalne% strukture.% nastajanje%modela%
16 8.d.%Modeliranje%makromolekul:%BAZE'MODELOV' Baze'modelov% obstajajo%že%izdelane%podatkovne%baze%modelov%struktur%za%zaporedja,%za%katera%ni% znane%eksperimentalno%določene%strukture% previdnost%pri%uporabi% %modeli%so%zgenerirani%popolnoma%avtomatsko!!!% največji%portal% %Protein%Model%Portal%(hdp:// 8.e.%Modeliranje%makromolekul:%CASP' KriSčna'ocena'metod'za'napoved'strukture'proteinov' 'CASP' (CriYcal%Assesment%of%protein%Structure%PredicYon)% tekmovanje %algoritmov/programov%za%napoved%strukture% vsaki%dve%ley%od%leta%1994%naprej% objekyven%test;%niy%tekmovalci%niy%organizatorji%ne%poznajo% eksperimentalno%določenih%struktur%tarčnih%proteinov!% tarčne%strukture:%strukture%on'hold'v%pdb%ter%strukture,%ki%bodo% kmalu%rešene% zmagovalec%casp10%(2012):%irtasser%(zhang%lab)% hdp://predicyoncenter.org% CASP9' IZTASSER' napovedan%model%ab'ini1o' XRray%struktura%
17 8.f.%Modeliranje%makromolekul:%UMESTITEV'in'CAPRI' UmesStev%(docking)% napoved%kompleksov:% vezava%majhnih%molekul%na%protein%(farmacija!)% težje:%medproteinski%kompleksi%(ponavadi%večje%konformacijske%spremembe)% idenyfikacija%potencialnih%interakcijskih%regij%!%različne%relayvne%orientacije%komponent% kompleksa%!%ovrednotenje%različnih%oryentacij% fleksibilnost%stranskih%skupin%akrostankov;%fleksibilnost%pepydnega%ogrodja%navadno%ne% upoštevamo% najboljše%rezultate%dobimo,%če%uporabljamo%dodatne%omejitve%(restraints)% primer:%program%haddock:% podobno%kot%pri% modeliranju%posameznih% proteinov% %tekmovanje% CAPRI%(Cri1cal' Assesment'of'PRedic1on' of'interac1ons)% CLUSPRO%>%HADDOCK%>% GRAMMRX%>%...% 8.g.%Modeliranje%makromolekul:%MOLEKULSKA'DINAMIKA' Simulacija'molekulske'dinamike'(molecular'dynamics'simula1ons)% računalniška%simulacija%časovnega%razvoja%sistema% %študij%dinamičnih%procesov:% difuzije,%kemijskih%reakcij,%konformacijskih%sprememb,%minimizacija%struktur,% piljenje%interakcijskih%površin,%...% upoštevanje%fizikalnorkemijskih%principov%+%energijska%funkcija%(force'field)% pri%velikih%sistemih%zelo%veliko%št.%atomov%!%grobi%modeli%(coarse%grained%models);% npr.%ena%kroglica%predstavlja%več%atomov% primer:%proučevanje%homordimerizacije%transmembranskih%heliksov%
Βάσεις δομικών δεδομένων βιολογικών μακρομορίων
Βάσεις δομικών δεδομένων βιολογικών μακρομορίων Vasilis Promponas Bioinformatics Research Laboratory Department of Biological Sciences University of Cyprus Εισαγωγή Βασικές αρχές δομής πρωτεϊνών και νουκλεϊκών
Σύγκριση και κατηγοριοποίηση πρωτεϊνικών δομών
Σύγκριση και κατηγοριοποίηση πρωτεϊνικών δομών Βασίλης Προμπονάς, PhD Ερευνητικό Εργαστήριο Βιοπληροφορικής Τμήμα Βιολογικών Επιστημών Νέα Παν/πολη, Γραφείο B161 Πανεπιστήμιο Κύπρου Ταχ.Κιβ. 20537 1678,
Ασκήσεις 3& 4. Πρωτεϊνική Αρχιτεκτονική. Πλατφόρμες Πρόβλεψης & Προσομοίωσης 2ταγούς Δομής. Μοριακή Απεικόνιση
Ασκήσεις 3& 4 Πρωτεϊνική Αρχιτεκτονική Πλατφόρμες Πρόβλεψης & Προσομοίωσης 2ταγούς Δομής Μοριακή Απεικόνιση Πρωτεϊνική Αρχιτεκτονική Πρωτεϊνική Αρχιτεκτονική: Η τρισδιάστατη δομή μιας πρωτεΐνης και πως
Εισαγωγή στις πρωτεΐνες Δομή πρωτεϊνών Ταξινόμηση βάσει δομής Βάσεις με δομές πρωτεϊνών Ευθυγράμμιση δομών Πρόβλεψη 2D δομής Πρόβλεψη 3D δομής
Εισαγωγή στις πρωτεΐνες Δομή πρωτεϊνών Ταξινόμηση βάσει δομής Βάσεις με δομές πρωτεϊνών Ευθυγράμμιση δομών Πρόβλεψη 2D δομής Πρόβλεψη 3D δομής Τι είναι η πρωτεΐνη Τι εννοούμε με δομή πρωτεϊνών Οικογένειες
ΔΟΜΗ ΠΡΩΤΕΪΝΩΝ. Σελίδα 1 ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ. Τ. Θηραίου
ΔΟΜΗ ΠΡΩΤΕΪΝΩΝ Σελίδα 1 κύρια αλυσίδα main chain πεπτιδικός δεσμός πλευρική αλυσίδα side chain αμινομάδα amino group α άνθρακας Σελίδα 2 καρβοξυλομάδα carboxyl group Σελίδα 3 Ramachandran Plot Σελίδα 4
Αρχές Δοµικής Βιοπληροφορικής Πρωτεϊνών
Αρχές Δοµικής Βιοπληροφορικής Πρωτεϊνών (σε
ΔΟΜΗ ΠΡΩΤΕΪΝΩΝ II. Σελίδα 1 ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ. Τ. Θηραίου
ΔΟΜΗ ΠΡΩΤΕΪΝΩΝ II Σελίδα 1 Υπολογιστικός Προσδιορισμός Δομής πειραματικός προσδιορισμός δομών κρυσταλλογραφία ακτίνων X πυρηνικός μαγνητικός συντονισμός (NMR) χρόνος / κόστος / περιορισμοί sequence - structure
Εισαγωγή. 1. Δομή πρωτεϊνών. Βιοπληροφορική ΙΙ «Ανάλυση Δομής Πρωτεϊνών» Παναγούλιας Ιωάννης, MSc,PhD
Εισαγωγή Η κατανόηση των μοριακών μηχανισμών που διέπουν την ζωή απαιτεί την αποκωδικοποίηση των λειτουργιών και της δομής των πρωτεϊνών σε έναν οργανισμό. Δεκάδες χιλιάδες πρωτεΐνες έχουν μελετηθεί τα
SABiosciences PCR Array Catalog #: PAHS-021 SA+ SCF 4h stimulaton AVG(Ct) Position Unigene Refseq Symbol Description shcontr shcontr-4h shgskβ A01
SABiosciences PCR Array Catalog #: PAHS-021 SA+ SCF 4h stimulaton AVG(Ct) Position Unigene Refseq Symbol Description shcontr shcontr-4h shgskβ A01 Hs.1274 NM_006129 BMP1 Bone morphogenetic protein 1 25.25
Αρχές οµικής Βιοπληροφορικής. Πρωτεΐνες. Αµινοξέα. (Υδρόφοβα)
Αρχές οµικής Βιοπληροφορικής Πρωτεΐνες Αµινοξέα (Υδρόφοβα) Αµινοξέα Αµινοξέα (πολικά) Αµινοξέα φορτισµένα πολικά Αµινοξέα (φορτισµένα) Αµινοξέα Αµινοξέα Αµινοξέα Τί µένει; Σπάνια αµινοξέα πρωτεϊνών (π.χ.
Analysis of Protein Structure in Silico
49 20 : 49 53 2006 Analysis of Protein Structure in Silico Michihiro OGAWA* *Department of Microbiology, Kyoto Pharmaceutical University N 20 N 20 N 3 http://sosui.proteome.bio.tuat.ac.jp/ sosuiframe0.html
Biokemija)večceličnih)sistemov)
Biokemijavečceličnihsistemov prof.dr.brigitalenarčič brigita.lenarcic@;kkt.uni=lj.si tel.:012419484 doc.dr.markonovinec marko.novinec@;kkt.uni=lj.si tel.:01241948? Pogojidela 30urpredavanj(50%ocene 15urseminarji(20%ocene
Βιοπληροφορική. Ενότητα 21: Υπολογιστικός Προσδιορισμός Δομής (3/3), 1 ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου
Βιοπληροφορική Ενότητα 21: Υπολογιστικός Προσδιορισμός Δομής (3/3), 1 ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι επισκόπηση των μεθόδων αναγνώρισης διπλώματος και απ αρχής πρόγνωσης
Υπερδευτεροταγής Δομή Πρωτεϊνών
Υπερδευτεροταγής Δομή Πρωτεϊνών Δομικά μοτίβα Τα μοτίβα ακολουθιών (sequence motifs) είναι τοπικά διατηρημένες ακολουθίες που σχετίζονται (ή όχι) με μια συγκεκριμένη λειτουργία (βλ. τη βάση δεδομένων PROSITE)
Biokemija I, 25. predavanje 1. del, , A. Videtič Paska. Proteini - splošno
Biokemija I, 25. predavanje 1. del, 16. 4. 2012, A. Videtič Paska Proteini - splošno Razdelitev po strukturi in funkciji. Ravni proteinske strukture: - primarna in - sekundarna struktura Sinteza proteinov
ΒΑΣΕΙΣ ΠΡΩΤΕΪΝΙΚΩΝ ΔΕΔΟΜΕΝΩΝ. Δρ. Μαργαρίτα Θεοδωροπούλου
ΒΑΣΕΙΣ ΠΡΩΤΕΪΝΙΚΩΝ ΔΕΔΟΜΕΝΩΝ Δρ. Μαργαρίτα Θεοδωροπούλου Βάσεις Βιολογικών Δεδομένων Νουκλεοτιδικές Αλληλουχίες: GENBANK (http://www.ncbi.nlm.nih.gov/genbank/index.html) EMBL ΕΝΑ (http://www.ebi.ac.uk/ena)
SEMINAR IZ MOLEKULSKEGA MODELIRANJA PRI FARMACEVTSKI KEMIJI III
SEMINAR IZ MOLEKULSKEGA MODELIRANJA PRI FARMACEVTSKI KEMIJI III 1. DEL TEORETIČNE OSNOVE MOLEKULSKEGA MODELIRANJA doc. Andrej Perdih e-mail: andrej.perdih@ki.si 1. DEL: TEORETIČNE OSNOVE MOLEKULSKEGA MODELIRANJA
Ασκήσεις 1 & 2. Βάσεις Δεδομένων. Εργαλεία Αναζήτησης ClustalW & Blast
Ασκήσεις 1 & 2 Βάσεις Δεδομένων Εργαλεία Αναζήτησης ClustalW & Blast Μοριακή Προσομοίωση Εισαγωγή: Δομική Βάση Βιολογικών Φαινομένων Η αξιοποίηση του πλήθους των δομικών στοιχείων για την εξαγωγή βιολογικά
vaja Kvan*ta*vno določanje proteinov. 6. vaja Kvan*ta*vno določanje proteinov. 6. vaja Kvan*ta*vno določanje proteinov
28. 3. 11 UV- spektrofotometrija Biuretska metoda Absorbanca pri λ=28 nm (A28) UV- spektrofotometrija Biuretska metoda vstopni žarek intenziteta I Lowrijeva metoda Bradfordova metoda Bradfordova metoda
Πρόβλεψη δομής πρωτεϊνών
Πρόβλεψη δομής πρωτεϊνών (Prediction of Protein Structure) http://www.youtube.com/watch?v=ms_ehuvvkkk&feature=player_detailpage http://lectures.molgen.mpg.de/proteinstructure/comparativemodelling/ Ενώ
Κεφάλαιο 2 Βιολογικές Βάσεις Δεδομένων
Κεφάλαιο 2 Βιολογικές Βάσεις Δεδομένων Σύνοψη Στο κεφάλαιο αυτό, θα γίνει η απαραίτητη εισαγωγή στις βιολογικές βάσεις δεδομένων έτσι ώστε ο αναγνώστης να μπορεί, στα επόμενα κεφάλαια, να ανατρέχει στις
Zaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 22. oktober Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 22. oktober 2013 Kdaj je zaporedje {a n } konvergentno, smo definirali s pomočjo limite zaporedja. Večkrat pa je dobro vedeti,
Družina globinov pri človeku in bolezni.
Družina globinov pri človeku in bolezni www.muhlenberg.edu/ Mioglobin in hemoglobin spadata v družino globinov Globinsko zvitje Mb β podenota Hb Podobnost aminokislinskega zaporedja Podobnost 3D strukture
Βιοπληροφορική. Ενότητα 14: Μοντέλα Πολλαπλής Στοίχισης (2/2), 1.5ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου
Βιοπληροφορική Ενότητα 14: Μοντέλα Πολλαπλής Στοίχισης (2/2), 1.5ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι παρουσίαση των μοντέλων πολλαπλής στοίχισης. κατανόηση των εφαρμογών
ΔΕΥΤΕΡΟΓΕΝΕΙΣ ΒΑΣΕΙΣ ΠΡΩΤΕΪΝΙΚΩΝ. Δρ. Μαργαρίτα Θεοδωροπούλου
ΔΕΥΤΕΡΟΓΕΝΕΙΣ ΒΑΣΕΙΣ ΠΡΩΤΕΪΝΙΚΩΝ Δρ. Μαργαρίτα Θεοδωροπούλου Βάσεις δεδομένων οικογενειών Οι πρωτεΐνες αποτελούνται από μία ή περισσότερες διακριτές λειτουργικές περιοχές (domains), οι οποίες πολλές
Βιοπληροφορική. Βάσεις Δεδοµένων 1ο εργαστήριο. Γρηγόρης Αµούτζιας
Βιοπληροφορική Βάσεις Δεδοµένων 1ο εργαστήριο Γρηγόρης Αµούτζιας Χρησιµοποιούνται για: Oργάνωση Αποθήκευση Επεξεργασία Αναζήτηση/επαναπόκτηση της βιολογικής πληροφορίας Βάσεις Δεδοµένων: Εισαγωγή Βάσεις
Πρόγνωση δομής πρωτεϊνών (Μέρος Ι)
Πρόγνωση δομής πρωτεϊνών (Μέρος Ι) Βασίλης Προμπονάς, PhD Ερευνητικό Εργαστήριο Βιοπληροφορικής Τμήμα Βιολογικών Επιστημών Νέα Παν/πολη, Γραφείο B161 Πανεπιστήμιο Κύπρου Ταχ.Κιβ. 20537 1678, Λευκωσία ΚΥΠΡΟΣ
Present and Future Prospects of Protein Structure Prediction
1 Present and Future Prospects of Protein Structure Prediction Sung-Joon Park George Chikenji Takatsugu Hirokawa Kentaro Tomii Shoji Takada Department of Chemistry, Faculty of Science, Kobe University
Βιοπληροφορική. Ενότητα 14: Μοντέλα Πολλαπλής Στοίχισης (2/2), 1.5ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου
Βιοπληροφορική Ενότητα 14: Μοντέλα Πολλαπλής Στοίχισης (2/2), 1.5ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι παρουσίαση των μοντέλων πολλαπλής στοίχισης. κατανόηση των εφαρμογών
Βιοπληροφορική Ι. Παντελής Μπάγκος Αναπληρωτής Καθηγητής. Παν/μιο Θεσσαλίας Λαμία 2015
Βιοπληροφορική Ι Παντελής Μπάγκος Αναπληρωτής Καθηγητής Παν/μιο Θεσσαλίας Λαμία 215 Το Κεντρικό Δόγμα της Μοριακής Βιολογίας http://www.accessexcellence.org/ab/gg/central.html Βιολογικές Βάσεις Δεδομένων
ZVIJANJE PROTEINOV, RAZGRADNJA IN USMERJANJE
ZVIJANJE PROTEINOV, RAZGRADNJA IN USMERJANJE ZVIJANJE PROTEINOV Spontano Stanje odtajane kroglice Molekularni šaperoni POST-TRANSLACIJSKE MODIFIKACIJE PROTEINOV RAZGRADNJA Ubikvitin Proteasom USMERJANJE
ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ ΙΙ. Δυναμικός Προγραμματισμός. Παντελής Μπάγκος
ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ ΙΙ Δυναμικός Προγραμματισμός Παντελής Μπάγκος Δυναμικός Προγραμματισμός Στοίχιση (τοπική-ολική) RNA secondary structure prediction Διαμεμβρανικά τμήματα Hidden Markov Models Άλλες εφαρμογές
Funkcije proteinov (pogojene s strukturo)
Funkcije proteinov (pogojene s strukturo) Oporna funkcija (strukturni proteini, npr keratini, kolagen...) Transport/skladiščenje določenih molekul (ligandov, npr. Hb, Mb) Uravnavanje procesov (DNA-vezavni
Logatherm WPL 14 AR T A ++ A + A B C D E F G A B C D E F G. kw kw /2013
WP 14 R T d 9 10 11 53 d 2015 811/2013 WP 14 R T 2015 811/2013 WP 14 R T Naslednji podatki o izdelku izpolnjujejo zahteve uredb U 811/2013, 812/2013, 813/2013 in 814/2013 o dopolnitvi smernice 2010/30/U.
Zaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 15. oktober Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 15. oktober 2013 Oglejmo si, kako množimo dve kompleksni števili, dani v polarni obliki. Naj bo z 1 = r 1 (cosϕ 1 +isinϕ 1 )
13. Jacobijeva metoda za računanje singularnega razcepa
13. Jacobijeva metoda za računanje singularnega razcepa Bor Plestenjak NLA 25. maj 2010 Bor Plestenjak (NLA) 13. Jacobijeva metoda za računanje singularnega razcepa 25. maj 2010 1 / 12 Enostranska Jacobijeva
Ασκήσεις 5& 6. Διαμόρφωση Βιομορίων μέσω Φασματοσκοπίας NMR. Σύγκριση & Ανάλυση Δομών Βιομορίων
Ασκήσεις 5& 6 Διαμόρφωση Βιομορίων μέσω Φασματοσκοπίας NMR Σύγκριση & Ανάλυση Δομών Βιομορίων Διαμόρφωση Βιομορίων μέσω Φασματοσκοπίας NMR Κρυσταλλογραφία Ακτίνων-Χ & Φασματοσκοπία ΝΜR Πλεονεκτήματα -
Molecular Structure: matching and kinematics
Molecular Structure: matching and kinematics Ioannis Z. Emiris Dept. of Informatics & Telecoms, University of Athens Algs in Struc.BioInfo 17 Outline 03. Structure types, aminoacids, Ramachandran plot
Γενετικά τροποποιημένοι μικροοργανισμοί στο περιβάλλον
Γενετικά τροποποιημένοι μικροοργανισμοί στο περιβάλλον Δημήτριος Καρπούζας Μεταπτυχιακό Πρόγραμμα Βιοτεχνολογία Ποιότητα Διατροφής και Περιβάλλον Γενετικά τροποποιημένοι μικροοργανισμοί (Genetically Modified
ΠΡΟΓΡΑΜΜΑ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ ΑΕΙ ΓΙΑ ΤΗΝ ΕΠΙΚΑΙΡΟΠΟΙΗΣΗ ΓΝΩΣΕΩΝ ΑΠΟΦΟΙΤΩΝ ΑΕΙ (ΠΕΓΑ)
ΠΡΟΓΡΑΜΜΑ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ ΑΕΙ ΓΙΑ ΤΗΝ ΕΠΙΚΑΙΡΟΠΟΙΗΣΗ ΓΝΩΣΕΩΝ ΑΠΟΦΟΙΤΩΝ ΑΕΙ (ΠΕΓΑ) «Οι σύγχρονες τεχνικές βιο-ανάλυσης στην υγεία, τη γεωργία, το περιβάλλον και τη διατροφή» Πρόγραμμα Δια Βίου Μάθησης.
Βιοπληροφορική. Ενότητα 20: Υπολογιστικός Προσδιορισμός Δομής (2/3), 1 ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου
Βιοπληροφορική Ενότητα 20: Υπολογιστικός Προσδιορισμός Δομής (2/3), 1 ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι κατανόηση της μεθόδου προτυποποίησης πρωτεϊνών με ομολογία. παρουσίαση
Celični'stiki' Vrsta&povezave:'' celica.celica' celica.matriks'
Celični'stiki' Vrsta&povezave:'' celica.celica' celica.matriks' Povezava&in&adhezija&omogoča:'' zvezo'med'celico'in'skupnostjo'' kompartmentizacijo' prepoznavanje'in'signalizacijo' proliferacija,'diferenciacija,'migracija'
- Geodetske točke in geodetske mreže
- Geodetske točke in geodetske mreže 15 Geodetske točke in geodetske mreže Materializacija koordinatnih sistemov 2 Geodetske točke Geodetska točka je točka, označena na fizični površini Zemlje z izbrano
ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ
ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ Σελίδα 1 Αναζήτηση πληροφορίας σε βιολογικές ΒΔ Αναζήτηση δεδομένων στην UniProt Καταγράψτε το μήκος της αμινοξικής ακολουθίας (Sequence length), τη λειτουργία (Function)
Funkcijske vrste. Matematika 2. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 2. april Gregor Dolinar Matematika 2
Matematika 2 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 2. april 2014 Funkcijske vrste Spomnimo se, kaj je to številska vrsta. Dano imamo neko zaporedje realnih števil a 1, a 2, a
Supplementary Information
Electronic Supplementary Material (ESI) for RSC Advances. This journal is The Royal Society of Chemistry 2017 Supplementary Information Immobilization of Pseudomonas fluorescens lipase on silk fibroin
Προγνωστικές μέθοδοι με βάση αμινοξικές αλληλουχίες
Προγνωστικές μέθοδοι με βάση αμινοξικές αλληλουχίες Vasilis Promponas Bioinformatics Research Laboratory Department of Biological Sciences University of Cyprus ΣΥΝΟΨΗ Εισαγωγή Πρόγνωση της δομής πρωτεϊνών
Mehanizmidejstvaenzima. Himotripsin
Mehanizmidejstvaenzima Himotripsin Principi katalize Specifična kiselo-bazna kataliza Elektrostatska kataliza Elektrofilna kataliza Nukleofilna kataliza (kovalentna kataliza) Nukleofilna kataliza Opšta
Imunofluorescencija. vizualizacija molekula protutijela obilježenih fluorokromom vezanih za antigene na stanicama ili tkivnim preparatima
Imunofluorescencija 1944. - Robert Coons protutijela se mogu označiti molekulama koje imaju sposobnost fluorescencije fluorokromi - apsorbiraju svjetlost jedna valne duljine (ekscitacija), a emitiraju
Ανάπτυξη οδηγού χρήσης του biojava για την ανάπτυξη εφαρμογών Βιοπληροφορικής. Παπαθεοδοσίου Μερσίνη
ΠΑΝΕΠΙΣΤΗΜΙΟ ΣΤΕΡΕΑΣ ΕΛΛΑΔΟΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΕ ΕΦΑΡΜΟΓΕΣ ΣΤΗ ΒΙΟΪΑΤΡΙΚΗ Ανάπτυξη οδηγού χρήσης του biojava για την ανάπτυξη εφαρμογών Βιοπληροφορικής Παπαθεοδοσίου Μερσίνη ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Υπεύθυνος
Ανάλυση / Σχεδίαση και Υλοποίηση Εφαρμογής Υποβοήθησης Καθηγητών
ΑΤΕΙ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ Τμήμα Μηχανικών Πληροφορικής ΤΕ Ανάλυση / Σχεδίαση και Υλοποίηση Εφαρμογής Υποβοήθησης Καθηγητών ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Καστανάρα Βασιλική (ΑΜ: Τ03348) Επιβλέπων:
Προσομείωση ασύρματων δικτύων με τη χρήση του OPNET Modeler
Προσομείωση ασύρματων δικτύων με τη χρήση του OPNET Modeler ΣΚΟΠΟΙ Σε αυτήν την άσκηση: Θα φτιάξουμε μικρά ασύρματα δίκτυα Θα επιλέξουμε ποια δεδομένα θα συλλέξουμε Θα τρέξουμε την προσομείωση Θα αναλύσουμε
8. Προσομοίωση Λειτουργίας Ασύρματων Δικτύων Υποδομής
8. Προσομοίωση Λειτουργίας Ασύρματων Δικτύων Υποδομής Στόχοι της Άσκησης: Σκοπός της παρούσας εργαστηριακής άσκησης είναι η επίδειξη λειτουργίας των ασύρματων τοπικών δικτύων υποδομής. Πιο συγκεκριμένα,
diferencialne enačbe - nadaljevanje
12. vaja iz Matematike 2 (VSŠ) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 diferencialne enačbe - nadaljevanje Ortogonalne trajektorije Dana je 1-parametrična družina krivulj F(x, y, C) = 0. Ortogonalne
Predictive and Experimental Approaches for Elucidating Protein Protein Interactions and Quaternary Structures
Predictive and Experimental Approaches for Elucidating Protein Protein Interactions and Quaternary Structures John Oliver Nealon, Limcy Seby Philomina and Liam James McGuffin School of Biological Sciences,
Ειδικά Κεφάλαια Βιοχηµείας
Ειδικά Κεφάλαια Βιοχηµείας ΑΠΟΙΚΟΔΟΜΗΣΗ ΠΡΩΤΕΙΝΩΝ-ΠΡΩΤΕΟΣΩΜΑ Δρ. Κ. Ε. Βοργιάς Καθηγητής Βιοχηµείας Τµήµα Βιολογίας 2009 Περιεχόµενα Σελίδα 1. Εισαγωγή 2 2. Τα πρωτεολυτικά ένζυµα συµµετέχουν στην ανακύκλωση
1. izpit iz Diskretnih struktur UNI Ljubljana, 17. januar 2006
1. izpit iz Diskretnih struktur UNI Ljubljana, 17. januar 2006 1. Dana je množica predpostavk p q r s, r t, s q, s p r, s t in zaključek t r. Odloči, ali je sklep pravilen ali napačen. pravilen, zapiši
Določanje strukture. mikrobne združbe
Določanje strukture mikrobne združbe 1 Določanje strukture mikrobne združbe mikroskopija gojenje (fiziološka različnost) FAME, PLFA imunološki testi tipizacije (fagotipizacija, ribotipizacija) analiza
Tekočinska kromatografija
Tekočinska kromatografija Kromatografske tehnike uporabljamo za ločevanje posameznih komponent v vzorcu. Ločitev temelji na različnem porazdeljevanju komponent med stacionarno fazo, ki se nahaja v kromatografski
Matematično modeliranje 3. poglavje Dinamično modeliranje: diferencialne enačbe, sistemi diferencialnih enačb
Matematično modeliranje 3. poglavje Dinamično modeliranje: diferencialne enačbe, sistemi diferencialnih enačb Fakulteta za računalništvo in informatiko Univerza v Ljubljani 2017/2018 Za kaj rabimo diferencialne
Τι είναι η λογική αρχιτεκτονική
Τι είναι η λογική αρχιτεκτονική Η ινγηθή αξρηηεθηνληθή είλαη ε πςεινύ επηπέδνπ αθαίξεζεο νξγάλσζε ηνπ ινγηζκηθνύ ζε θιάζεηο ή παθέηα (ή ρώξνπο νλνκάησλ), ππνζπζηήκαηα, θαη επίπεδα. Ολνκάδεηαη ινγηθή αξρηηεθηνληθή
Overlapping sets of transcripts from host and non-host interactions of tomato are expressed early during non-host resistance
POJ 7(1):19-27 (2014) ISSN:1836-3644 Overlapping sets of transcripts from host and non-host interactions of tomato are expressed early during non-host resistance Battepati Uma and Appa Rao Podile* Supplementary
Iterativno reševanje sistemov linearnih enačb. Numerične metode, sistemi linearnih enačb. Numerične metode FE, 2. december 2013
Numerične metode, sistemi linearnih enačb B. Jurčič Zlobec Numerične metode FE, 2. december 2013 1 Vsebina 1 z n neznankami. a i1 x 1 + a i2 x 2 + + a in = b i i = 1,..., n V matrični obliki zapišemo:
Supplementary Information
Electronic upplementary Material (EI) for Photochemical & Photobiological ciences. This journal is The Royal ociety of Chemistry and wner ocieties 214 upplementary Information elective and sensitive fluorescence-shift
TFDP2 TFDP1 SUMO1 SERTAD1 RPA3 RBBP8 RAD9A RAD17 RAD1 NBN MRE11A MNAT1 KPNA2 KNTC1 HUS1 HERC5 GTSE1 GTF2H1 GADD45A E2F4 DNM2 DDX11 CUL3 SKP2 RBL1 RB1
-8-6 -4-2 CHEK2 MKI67 RB1 RBL1 SKP2 Fold-Change Fold-Change -3-2 -1 CCND1 CCNE1 CDK4 CDK5R1 5 1 15 ATM ATR BAX BCCIP BRCA1 BRCA2 BL1AT ABL1A ABL1 CCNG1 CCNG2 CCNH CCNT1 CCNT2 CDC2 CDC34 CDKN1A CDKN1B CDKN2A
Βιοπληροφορική. Ενότητα 19: Υπολογιστικός Προσδιορισμός Δομής (1/3), 2 ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου
Βιοπληροφορική Ενότητα 19: Υπολογιστικός Προσδιορισμός Δομής (1/3), 2 ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι κατανόηση της αναγκαιότητας και των εφαρμογών της υπολογιστικής
HEMIJSKA VEZA TEORIJA VALENTNE VEZE
TEORIJA VALENTNE VEZE Kovalentna veza nastaje preklapanjem atomskih orbitala valentnih elektrona, pri čemu je region preklapanja između dva jezgra okupiran parom elektrona. - Nastalu kovalentnu vezu opisuje
KODE ZA ODKRIVANJE IN ODPRAVLJANJE NAPAK
1 / 24 KODE ZA ODKRIVANJE IN ODPRAVLJANJE NAPAK Štefko Miklavič Univerza na Primorskem MARS, Avgust 2008 Phoenix 2 / 24 Phoenix 3 / 24 Phoenix 4 / 24 Črtna koda 5 / 24 Črtna koda - kontrolni bit 6 / 24
Supporting Information
Electronic Supplementary Material (ESI) for Organic & Biomolecular Chemistry. This journal is The Royal Society of Chemistry 2018 Supporting Information Crotonols A and B, Two Rare Tigliane Diterpenoid
NOVEL INTEGRAL MEMBRANE PROTEINS OF THE INNER NUCLEAR MEMBRANE
NOVEL INTEGRAL MEMBRANE PROTEINS OF THE INNER NUCLEAR MEMBRANE CHARACTERIZATION OF LUMA NATIVE LAP 2β COMPLEXES Inauguraldissertation zur Erlangung der Doktorwürde des Fachbereichs Biologie Chemie Pharmazie
Funkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 21. november Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 21. november 2013 Hiperbolične funkcije Hiperbolični sinus sinhx = ex e x 2 20 10 3 2 1 1 2 3 10 20 hiperbolični kosinus coshx
Postavitev hipotez NUJNO! Milena Kova. 10. januar 2013
Postavitev hipotez NUJNO! Milena Kova 10. januar 2013 Osnove biometrije 2012/13 1 Postavitev in preizku²anje hipotez Hipoteze zastavimo najprej ob na rtovanju preizkusa Ob obdelavi jih morda malo popravimo
ZAKAJ? ZAKAJ? KAKO? KDAJ? KJE? METODE NUMERIýNEGA MODELIRANJA. Povrnimo se v otroštvo in postanimo ponovno radovedni in zvedavi!
METODE NUMERIýNEGA MODELIRANJA. letnik Unierzitetni študij prof.dr. Bori ŠTOK ait.mag. Nikolaj MOLE Laboratorij za numeriþno modeliranje in imulacije http://www.f.uni-lj.i/lnm/lo/mnm/mnm.html POGLED V
ZBIRKA REŠENIH NALOG IZ MATEMATIKE I
Univerza v Ljubljani Fakulteta za elektrotehniko Andrej Perne ZBIRKA REŠENIH NALOG IZ MATEMATIKE I Skripta za vaje iz Matematike I (UNI + VSP) Ljubljana, množice Osnovne definicije: Množica A je podmnožica
SCIENTIA SILVAE SINICAE. a/ b. oldhamii). The length of cab2bo1 ( GenBank accession
43 3 2 0 0 7 3 SCIENTIA SILVAE SINICAE Vol143, No13 Mar., 2 0 0 7 a/ b 3 1 1 2 1 (1. 100102 ; 2. 100091) : RT2PCR RACE a/ b cdna, cab2 BO1 ( GenBank : EF061137) 1 102 bp, 64 861 bp 1, 265 cab2bo1 64 232
POSTROJI ZA PRENOS IN TRANSFORMACIJO ELEKTRIČNE ENERGIJE
Univera v Ljubljani Fakulteta a elektrotehniko POTROJ ZA PRENO N TRANFORMACJO ELEKTRČNE ENERGJE MULACJKA VAJA Avtorja: doc. dr. Boštjan Blažič, Blaž Uljanić Ljubljana, 2012 1 hema omrežja Na sliki 1 je
DNA G7444A, 2. Study on a new point mutation of nt7444 G A in the mitochondrial DNA in a type 2 diabetes mellitus family
HEREDITAS (Beijing) 2007 4, 29(4): 433 437 ISSN 0253-9772 www.chinagene.cn DOI: 10.1360/yc-007-0433 2 DNA G7444A,,,,,,,, 350005 : PCR-RFLP 2 DNA G7444A,, 27, 11 DNA G7444A, 11 2 5, 1,, DNA G7444A, 2 :
Οξειδωτική ένταση και οξειδωτική βλάβη του DNA στη
Οξειδωτική ένταση και οξειδωτική βλάβη του DNA στη νόσο του Αλζχάιμερ. Γ. ΝΤΙΚΜΠΑΣΑΝΗ*, ΧΡ. ΚΟΡΟΣ**, Ε. ΜΠΟΒΙΑΤΣΗΣ***, Κ. ΚΟΝΤΖΟΓΛΟΥ****, Ι. ΔΟΝΤΑ*****, Δ. ΠΕΡΡΕΑ****** Περίληψη Σύμφωνα με τα νεώτερα στατιστικά
Poglavje 5. Poglavje 5. Poglavje 5. c = 1! SPOMNIMO SE!!! Regulacijski sistemi. Regulacijski sistemi
Reglacjsk ssem lka 5. : Vekorja saorskega n roorskega oka v prosor Faklea za elekroehnko Reglacjsk ssem POMNIMO E!!! lka. 5: Kompleksn vekor saorskega oka γ jγ ( e ) j0 j ( ) c ( ) e ( ) e ( ) c! Faklea
Shefferjeva polinomska zaporedja
Shefferjeva polinomska zaporedja Marko Razpet Matematični kolokviji Ljubljana, 23. marca 2006 Page 1 of 63 Predstavljen bo osnovni koncept umbralnega računa, kakršnega sta razvila Gian-Carlo Rota in Steven
Diferencialna enačba, v kateri nastopata neznana funkcija in njen odvod v prvi potenci
Linearna diferencialna enačba reda Diferencialna enačba v kateri nastopata neznana funkcija in njen odvod v prvi potenci d f + p= se imenuje linearna diferencialna enačba V primeru ko je f 0 se zgornja
TRANSMISIJSKI ELEKTRONSKI MIKROSKOP - TEM
TRANSMISIJSKI ELEKTRONSKI MIKROSKOP - TEM Princip mikroskopa - delovni prostor s p = 10-4 torr (sipanje in absorpcija snopa elektronov na plinu) - ogrevan filament iz W kot vir elektronov paralelen elektronski
STRUKTURNE LASTNOSTI AMINOKISLIN
AMINOKISLINE Amino-karboksilne kisline (izjema: prolin, iminokarboksilna kislina) Vloga aminokislin: 1. Gradniki proteinov 2. Vir energije 3. Izhodišče za sintezo drugih pomembnih biomolekul (nukleinske
«Σύγκριση δομών πρωτεϊνικού συμπλόκου και των μεμονομένων αλυσίδων του μετά από εξισορρόπηση με προσομοιώσεις μοριακής δυναμικής»
"τι ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΒΙΟΧΗΜΕΙΑΣ & ΒΙΟΤΕΧΝΟΛΟΓΙΑΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ του φοιτητή Σταύρου Παπατζέλου με θέμα: «Σύγκριση δομών πρωτεϊνικού συμπλόκου και των μεμονομένων
Structural and Biochemical Studies of Cotranslational Protein Transport across the Endoplasmic Reticulum
Structural and Biochemical Studies of Cotranslational Protein Transport across the Endoplasmic Reticulum Inaugural-Dissertation zur Erlangung des akademischen Grades Doktor der Naturwissenschaften - Dr.
Izolacija za pravo ugodje doma
RECI STREHI PREPROSTO : Izolacija za pravo ugodje doma Učinkovita toplotna izolacija vaše strehe: Samo streha, pri kateri so bile upoštevane vse zahteve gradbene fizike glede toplotne zaščite ter točke
Γραφικές Παραστάσεις
Γραφικές Παραστάσεις Αρχική φάση 0 A /4 /2 3/4 /4 /2 3/4 m 3/4 /4 /2 - mc /4 /2 3/4 Κιν Δυναμικής ενέργειας - απομάκρυνσης m /4 /2 3/4 /2 - mc 0 A Παράρτημα ΙΙ: Γραφικές Παραστάσεις 91 Αρχική φάση π/ A
ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ y t x Α. ΣΚΟΔΡΑΣ ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΙΙ (22Y603) ΕΝΟΤΗΤΑ 1 ΔΙΑΛΕΞΗ 2 ΔΙΑΦΑΝΕΙΑ 1 ΤΥΠΟΙ ΣΗΜΑΤΩΝ Analog: Continuous Time & Continuous Amplitude Sampled: Discrete Time & Continuous
THE EXPRESSION AND SIGNIFICANCE OF11β-HSD 2 AND TNF-α IN PLACENTA WITH HYPERTENSION DISORDERS COMPLICATING PREGNANCY
402 Journal Of Inner Mongolia Medical University Oct.2017 Vol.39 No.5 11β-HSD 2 TNF-α * 010050 11β 2 11β-Hydroxysteroid dehydrogenase Type 2 11β-HSD 2 -α tumor necrosis factor-alpha TNF-α 120 40 80 40
Δευτεροταγής Δομή Πρωτεϊνών
Δευτεροταγής Δομή Πρωτεϊνών Πρωτεϊνικό δίπλωμα Η κινητήρια δύναμη για την αναδίπλωση μιας πρωτεΐνης είναι η επίτευξη των εξής: 1. xαμηλή ενέργεια διαμόρφωσης του κάθε αμινοξέος 2. δημιουργία μιας συμπαγούς
Βιοπληροφορική Ι. Παντελής Μπάγκος Αναπληρωτής Καθηγητής. Παν/μιο Θεσσαλίας Λαμία 2015
Βιοπληροφορική Ι Παντελής Μπάγκος Αναπληρωτής Καθηγητής Παν/μιο Θεσσαλίας Λαμία 215 Το Κεντρικό Δόγμα της Μοριακής Βιολογίας... http://www.accessexcellence.org/ab/gg/central.html Βιολογικές Βάσεις Δεδομένων
Supporting Information
Supporting Information Copyright Wiley-VCH Verlag GmbH & Co. KGaA, 69451 Weinheim, 2014 A Family of Click Nucleosides for Metal-Mediated Base Pairing: Unravelling the Principles of Highly Stabilizing Metal-Mediated
Realne funkcije. Elementarne funkcije. Polinomi in racionalne funkcije. Eksponentna funkcija a x : R R + FKKT Matematika 1
Realne funkcije Funkcija f denirana simetri nem intervalu D = ( a, a) ali D = [ a, a] (i) je soda, e velja f(x) = f( x), x D; (ii) je liha, e velja f(x) = f( x), x D. Naj bo f denirana D f in x 1, x 2
Molecular Structure: matching and kinematics
Molecular Structure: matching and kinematics Ioannis Z. Emiris Dept. of Informatics & Telecoms, University of Athens Algs in Struc.BioInfo 16 Outline 03. Chemical bonds 06. Structure types, aminoacids,
Inženjerska grafika geometrijskih oblika (5. predavanje, tema1)
Inženjerska grafika geometrijskih oblika (5. predavanje, tema1) Prva godina studija Mašinskog fakulteta u Nišu Predavač: Dr Predrag Rajković Mart 19, 2013 5. predavanje, tema 1 Simetrija (Symmetry) Simetrija
ΤΙΜΟΚΑΤΑΛΟΓΟΣ ΕΛΑΧΙΣΤΗ ΠΑΡΑΓΓΕΛΙΑ (ΤΜΧ) ΠΕΡΙΓΡΑΦΗ ΠΡΟΪΟΝΤΟΣ 36 ΡΟΛΛΑ/ΚΙΒ 9088 ΤΑΙΝΙΑ ΔΙΠΛΗΣ ΟΨΗΣ ΔΙΑΦΑΝΗΣ POLYESTER
9088 ΔΙΑΦΑΝΗΣ POLYESTER 9191 ΓΙΑ ΜΟΚΕΤΕΣ-ΛΕΥΚΗ ΥΦΑΣΜΑΤΙΝΗ-0,26mm 9192 ΓΙΑ ΜΟΚΕΤΕΣ-ΛΕΥΚΗ ΥΦΑΣΜΑΤΙΝΗ 9576Β ΜΑΥΡΗ 9195 ΕΚΘΕΣΕΩΝ-0,130mm ΕΛΑΧΙΣΤΗ ΠΑΡΑΓΓΕΛΙΑ 48,42 9mmX50m 12mmX50m 156 ΡΟΛΛΑ/ΚΙΒ 120 ΡΟΛΛΑ/ΚΙΒ
Kombinatorika. rekurzivnih enačb in rodovne funkcije. FMF Matematika Finančna matematika. Vladimir Batagelj. Ljubljana, april
FMF Matematika Finančna matematika Kombinatorika Reševanje rekurzivnih enačb in rodovne funkcije Vladimir Batagelj Math fun: Pascal triangle Ljubljana, april 2008 4. Dec 2012 različica: December 4, 2012
BMI/CS 776 Lecture #14: Multiple Alignment - MUSCLE. Colin Dewey
BMI/CS 776 Lecture #14: Multiple Alignment - MUSCLE Colin Dewey 2007.03.08 1 Importance of protein multiple alignment Phylogenetic tree estimation Prediction of protein secondary structure Critical residue
DNA in RNA: zgradba in vloga. Velika predavalnica IJS,
DNA in RNA: zgradba in vloga Velika predavalnica IJS, 10. 4. 2014 Nukleinske kisline Shranjevanje, prenašanje in izražanje genetske informacije. Dve vrsti nukleinskih kislin: deoksiribonukleinska kislina
Αναστασία-Κωνσταντίνα Παπαδοπούλου Δέσποινα Μαλλιού Παρασκευή-Βίβιαν Αλευρογιάννη Περίληψη:
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΒΙΟΛΟΓΙΑΣ ΣΕΜΙΝΑΡΙΟ ΣΤΟ ΜΑΘΗΜΑ ΕΙΔΙΚΩΝ ΚΕΦΑΛΑΙΩΝ ΒΙΟΧΗΜΕΙΑΣ ΜΕ ΘΕΜΑ: «Ενίσχυση της θερμοσταθερότητας της χιτινάσης του SerratiamarcescensB4A μέσω QuikChangeμεταλλαξογένεσης