Biológia pre informatikov. Broňa Brejová Walther Flemming, 1881

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Biológia pre informatikov. Broňa Brejová Walther Flemming, 1881"

Transcript

1 Biológia pre informatikov Broňa Brejová Walther Flemming,

2 Ďalšie informácie Tutoriál NCBI books Vysokoškolské učebnice molekulárnej biológie Anglická wikipédia,... Zvelebil, Baum: Understanding Bioinformatics, kap. 1 2

3 Hlavné postavy Deoxyribonukleová kyselina (DNA) Obsahuje genetickú informáciu prenášanú z generácie na generáciu. Dlhý reťazec nukleotidov z množiny {A,C,G,T} (adenín, cytozín, guanín, tymín). Informácia uložená v symbolickej, digitálnej forme. Ribonukleová kyselina (RNA) Blízka príbuzná DNA, tymín T nahradený uracylom U Proteíny (bielkoviny) Katalyzujú biochemické reakcie v bunke (enzýmy), prenášajú signály v rámci bunky/medzi bunkami, sú dôležité pre stavbu bunky a pohyb. Reťazec aminokyselín (20 rôznych aminokyselín). 3

4 Aká informácia je uložená v DNA? Gény: Predpisy na tvorbu proteínov a funkčných RNA molekúl. Riadenie ich expresie: kedy a koľko sa má tvoriť. DNA: RNA: gén transkripcia do RNA replikácia RNA: RNA: spracovanie RNA proteín: translácia do proteínu regulácia 4

5 Centrálna dogma (Francis Crick 1958,1970) DNA: RNA: gén transkripcia do RNA replikácia RNA: RNA: spracovanie RNA proteín: translácia do proteínu regulácia The central dogma of molecular biology deals with the detailed residue-by-residue transfer of sequential information. It states that such information cannot be transferred back from protein to either protein or nucleic acid. 5

6 DNA, chromozómy DNA: dve komplementárne vlákna, strands (páry A-T, C-G), v opačnej orientácii (konce sa nazývajú 5 a 3 ). Napr. ACCATG je komplementárny s CATGGT. Tvar dvojitej špirály: Dvojvláknová štruktúra poskytuje redundanciu, možnosť opravy pri poškodení jedného vlákna. Pri delení bunky sa dvojvláknová DNA rozdelí a ku každému vláknu sa doplní komplement (DNA replikácia). Chromozóm: Súvislý úsek dvojvláknovej DNA a podporných proteínov. Ľudský genóm má 22 párov chromozómov plus dva pohlavné, spolu 3GB. 6

7 Technológia: sekvenovanie DNA Postup na zisťovanie poradia báz v chromozómoch genómu. Zložitý proces: chromozómy sa nasekajú na krátke kúsky, z každého sa vyrobí veľa kópií, každý sa nasekvenuje zvlášť napr. Sangerovým sekvenovaním. využíva prírodné enzýmy, napr. DNA polymerázu Bioinformatický problém: skladanie celej sekvencie z kúskov. Dostupnosť genómov umožňuje katalogizovať gény a iné funkčné úseky, hľadať podobnosti a rozdiely medzi druhmi a jedincami. 7

8 Sangerovo sekvenovanie (Sanger sequencing) Sekvenujeme AGCTAGGACT (zobrazená sprava doľava) Primer AGT + enzýmy + nukleotidy + modifikované ofarbené nukleotidy Výsledky sekvenovacej reakcie: TCAGGATCGA AGTCCTAGC TCAGGATCGA AGTCC TCAGGATCGA AGTCCTA TCAGGATCGA AGTCCTAGCT TCAGGATCGA AGTC TCAGGATCGA AGTCCT TCAGGATCGA AGTCCTAG Na géli zoradíme podľa dĺžky: AGTCCTAGCT AGTCCTAGC AGTCCTAG AGTCCTA AGTCCT AGTCC AGTC Odčítaním farieb dostaneme komplementárne vlákno: AGTCCTAGCT 8

9 9

10 PCR (polymerase chain reaction) Zvolíme si dva krátke úseky DNA (primers) PCR testuje či sú v DNA blízko seba (stovky, tisíce báz) Ak áno, namnoží úsek medzi nimi DNA primers 8 kopii 2 kopie 4 kopie 10

11 DNA: RNA: gén transkripcia do RNA replikácia RNA: RNA: spracovanie RNA proteín: translácia do proteínu regulácia 11

12 RNA Ako sa líši od DNA? obsahuje ribózu namiesto deoxyribózy obsahuje uracil namiesto tymínu (bázy A,C,G,U) jednovláknové reťazce, zvyčajne kratšie zložitá sekundárna štruktúra: spárované komplementárne úseky transferová RNA (trna) 12

13 Translácia Kodón (trojica nukleotidov) určuje 1 aminokyselinu mrna: proteín: U G G U U U G G C U C A }{{}}{{}}{{}}{{} W F G S 13

14 Genetický kód Alanine (A) GC* Cysteine (C) TGC TGT Aspartic acid (D) GAC GAT Glutamic acid (E) GAA GAG Phenylalanine (F) TTC TTT Glycine (G) GG* Histidine (H) CAC CAT Isoleucine (I) ATA ATC ATT Lysine (K) AAA AAG Leucine (L) CT* TTA TTG Methionine (M) ATG Asparagine (N) AAC AAT Proline (P) CC* Glutamine (Q) CAA CAG Arginine (R) CG* AGA AGG Serine (S) TC* AGT AGC Threonine (T) AC* Valine (V) GT* Tryptophan (W) TGG Tyrosine (Y) TAC TAT Stop codon (*) TAA TAG TGA 14

15 Proteíny Reťazce 20 rôznych aminokyselín s rôznymi chemickými vlastnosťami: Amino Acid Side chain Hydrophobic Polar Charged Alanine (A) -CH3 X Arginine (R) -(CH2)3NH-C(NH)NH2 - X basic - Asparagine (N) -CH2CONH2 - X - - Aspartic acid (D) -CH2COOH - X acidic - Cysteine (C) -CH2SH X - acidic - Glutamic acid (E) -CH2CH2COOH - X acidic - Glutamine (Q) -CH2CH2CONH2 - X - - Glycine (G) -H Histidine (H) -CH2-C3H3N2 - X weak basic Aromatic Isoleucine (I) -CH(CH3)CH2CH3 X - - Aliphatic Leucine (L) -CH2CH(CH3)2 X - - Aliphatic Lysine (K) -(CH2)4NH2 - X basic - Methionine (M) -CH2CH2SCH3 X Phenylalanine (F) -CH2C6H5 X - - Aromatic Proline (P) -CH2CH2CH2- X Serine (S) -CH2OH - X - - Threonine (T) -CH(OH)CH3 - X weak acidic - Tryptophan (W) -CH2C8H6N X - - Aromatic Tyrosine (Y) -CH2-C6H4OH X X - Aromatic Valine (V) -CH(CH3)2 X - - Aliphatic 15

16 Štruktúra proteínov Myoglobín, prvý proteín so známou štruktúrou. Proteíny sa vyskytujú poskladané v určitej stabilnej štruktúre, prípadne prechádzajú medzi niekoľkými stavmi. Hydrofóbne aminokyseliny neinteragujú s vodou, zväčša sa vyskytujú vo vnútri štrukúry. Štruktúra proteínu určuje jeho funkciu. 16

17 17

18 Regulácia expresie Bunky v rôznych tkanivách toho istého organizmu zdieľajú ten istý genóm, vyzerajú a fungujú však veľmi rôzne. Niektoré proteíny sa tvoria len za určitých okolností, alebo v premenlivom množstve. Regulácia začatia transkripcie pomocou transkripčných faktorov: DNA Transkripcne faktory RNA polymeraza Transkripcia Gen Bioinformatický problém: zisti, ktoré faktory ovplyvňujú ktorý gén, kde presne sa viažu. 18

19 Technológia: microarray zname DNA vzorka 1 vzorka 2 + gen 1 gen 2 gen 3 komplementarna DNA hybridizuje oscanuj intenzitu Meranie množstva mrna prítomnej v bunke pre veľa génov naraz. Zopakujeme za rôznych podmienok, študujeme korelácie medzi génmi. Môžu byť dôsledkom spoločného regulátora (transkripčného faktoru). Bioinformatický problém: niekoľko koregulovaných génov, nájdi motív, ku ktorému sa môže viazať spoločný transkripčný faktor (motif finding) 19

20 Príklad microarray dát 20

21 Mutácie DNA V DNA občas dochádza k zmenám, mutáciám (napr. pod vplyvom prostredia, či chybou pri replikácii). Typy mutácií: substitúcia, substitution (jedna báza sa zmení na inú), inzercia, insertion (vloží sa niekoľko nových báz), delécia, deletion (vynechá sa niekoľko báz), zmeny väčšieho rozsahu (napr. translokácie). Bioinformatické problémy: Ktoré sekvencie vznikli z spoločného predka mutovaním? (hľadanie homológov, homology search) Ktoré bázy v dvoch príbuzných sekvenciách si navzájom zodpovedajú? (sequence alignment, zarovnávanie sekvencií) 21

22 Populačná genetika Mutácie sa šíria v populácii z rodičov na potomkov. Nebezpečné mutácie rýchlejšie vymiznú, prospešné sa rýchlejšie ujmú (prírodný výber, natural selection). Polymorfizmus: genetický rozdiel medzi organizmami v rámci druhu. Vedie k rozdielnosti vo fenotype, napr. výzor, dedičné choroby. Sekvenovaním viacerých jedincov toho istého druhu získame prehľad o polymorfizme. Bioinformatický problém: Izoluj polymorfizmus zodpovedný za určitý znak (napr. chorobu). 22

23 Evolúcia Vznik nových druhov (speciation): Po rozdelení populácie na viacero oddelených častí nedochádza k výmene genetického materiálu. Hromadia sa zmeny až kým nie je možné párenie: vznik nových druhov. Bioinformatický problém: Na základe dnešných sekvencií urči strom reprezentujúci vývoj druhov (fylogenetický strom, phylogenetic tree) 23

24 Prokaryotické vs. eukaryotické organizmy Prokaryoty: baktérie, jednoduché jednobunkové organizmy. Nemajú jadro (DNA priamo v cytoplazme), majú kruhový chromozóm (a prípadné kratšie plasmidy), jednoduchšia štruktúra génu atď. Eukaryoty: živočíchy, rastliny, huby, niektoré jednobunkové organizmy. Bunka obsahuje jadro s DNA, viacero organel. Mitochondrie a chloroplasty sú pohltené prokaryoty, ktoré sa stali časťou eukaryotickej bunky. Dlhší genóm v niekoľkých lineárnych chromozómoch. 24

25 Modelové organizmy Dôležité pre biologický výskum, vieme o nich viac než o príbuzných druhoch. Poznatky širšie aplikovateľné. Escherichia coli: baktéria žijúca v črevách. Jednoduchá manipulácia, delenie každých 20 min. Štúdium základných životných procesov: DNA replikácia, expresia génov, atď. Genóm s 4000 génmi, 4.6MB. Saccharomyces cerevisiae: pekárske droždie. Jednoduchý eukaryotický organizmus. Genóm s 6000 génmi, 13MB. Delenie každé 2 hodiny. Štúdium špecificky eukaryotických javov. 25

26 Modelové organizmy Arabidopsis thaliana: malá kvitnúca rastlina, 6-týždňový životný cyklus. Skúmanie javov špecifických pre rastliny. Caenorhabditis elegans: malý červ, nematód, žijúci v pôde. Štúdium vývinu (ontogenéza, development), diferenciácie buniek. Drosophila melanogaster: vínna muška. Štúdium genetiky, gény riadiace vývin jedinca. Stavovce: žaba Xenopus laevis (veľké, ľahko manipuľovateľné vajíčka), akvarijná ryba Danio rerio (priehľadné embryá), myš Mus musculus (existuje veľa plemien so špeciálnymi vlastnosťami). 26

27 Dostupné dáta DNA sekvencie: celé genómy, ich časti Ich anotácia: súradnice génov a iných funkčných častí Sekvencie RNA, ich štruktúra Sekvencie proteínov, ich funkcia a štruktúra Merania množstva RNA/proteínu v bunke... Dáta založené na experimetoch alebo výsledky výpočtových metód Veľa chýb (v oboch prípadoch) 27

28 Úvod do dynamického programovania, proteomika Tomáš Vinař

29 Proteomika Proteín: sekvencia pozostáva z 20 rôznych aminokyselín MGLSDGEWQLVLNVWGKVEADIPGHGQEVLIRLFKGHPETLEKFDKFKHLKSEDEMKASE DLKKHGATVLTALGGILKKKGHHEAEIKPLAQSHATKHKIPVKYLEFISECIIQVLQSKH PGDFGADAQGAMNKALELFRKDMASNYKELGFQG Z bunky sme izolovali určitý proteín, chceme zistiť jeho sekvenciu. 2

30 Proteomika: Gélová elektroforéza (gel electrophoresis) Alternatíva: kvapalinová chromatografia (liquid chromatography) 3

31 Hmotnostná spektrometria (mass spectometry) Meria pomer hmostnosť/náboj molekúl vo vzorke Používa sa na identifikáciu proteínov, napr. z 2D gélu. Proteín nasekáme enzýmom trypsín (seká na [KR]{P}) na peptidy Meriame hmostnosť kúskov, porovnáme s databázou proteínov. Tandemová hmotnostná spektrometria (MS/MS) ďalej fragmentuje každý kúsok a dosiahne podrobnejšie spektrum, ktoré obsahuje viac informácie V niektorých prípadoch tak vieme sekvenciu proteínu určiť priamo z MS/MS, bez databázy proteínov 4

32 Tandemová hmotnostná spektrometria MS/MS Štiepenie peptidu na prefixy a sufixy zdroj: Bafna and Reinert b-ióny: prefixy y-ióny: sufixy 5

33 Tandemová hmotnostná spektrometria MS/MS zdroj: Bafna and Reinert 6

34 Sekvenovanie peptidov pomocou MS/MS Pre začiatok berieme do úvahy iba b-ióny (prefixy) Všetky hmostnosti celé čísla Vstup: celková hmotnosť peptidu M, hmotnosti aminokyselín a[1],...,a[20], spektrum ako tabuľka f[0],..., f[m], ktorá hmotnosti b-iónu určí skóre podľa signálu v okolí príslušného bodu grafu Pre postupnosť aminokyselín p 1...p k nech m(p 1...p k ) je jej hmotnosť, t.j. m(p 1...p k ) = k j=1 a[p j] Výstup: postupnosť aminokyselín p 1...p k, taká, že m(p 1...p k ) = M a k i=1 f[m(p 1...p i )] je maximálna možná 7

35 Sekvenovanie peptidov pomocou MS/MS Pre peptid p = p 1,...,p k uvažujme množinu hmotností M(p), ktorá obsahuje hmostnosti všetkých jeho prefixov a sufixov M(p) = {m(p 1...p i ) i = 1...k} {m(p i...p k ) i = 1...k} Cieľ: maximalizujeme m M(p) f[m] alebo maximalizujeme m M(p),m M/2 f [m] kde f [m] = f[m]+f[m m] (pre m = M/2 vezmeme f [m] = f[m]) 8

36 Úvod do pravdepodobnosti, sekvenovanie genómov (cvičenie) Tomáš Vinař

37 G = dĺžka genómu, napr N = počet segmentov (readov), napr L = dĺžka segmentu, napr T = potrebná dĺžka prekryvu, napr. 50 2

38 Náhodne generované segmenty Usek genomu 3

39 Pokrytie jednotlivých báz

40 Počet báz s určitým pokrytím Binomicke rozdelenie Generovane data Pokrytie 5

41 Predpokladaný počet kontigov od počtu segmentov Pocet segmentov 6

42 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 0 koncov: nepokr: 274 koncov: 2 nepokr: 282 koncov: 1 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 8 koncov: 1 nepokr: 0 koncov: 0 nepokr: 12 koncov: 1 nepokr: 0 koncov: 0 nepokr: 122 koncov: 1 nepokr: 135 koncov: 1 nepokr: 111 koncov: 1 nepokr: 13 koncov: 1 nepokr: 1 koncov: 1 nepokr: 56 koncov: 1 nepokr: 265 koncov: 1 nepokr: 0 koncov: 0 nepokr: 10 koncov: 1 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 130 koncov: 1 nepokr: 217 koncov: 1 nepokr: 3 koncov: 1 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 86 koncov: 1 nepokr: 139 koncov: 2 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 76 koncov: 1 nepokr: 221 koncov: 1 nepokr: 26 koncov: 1 nepokr: 0 koncov: 0 nepokr: 1 koncov: 1 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 0 koncov: 0 nepokr: 12 koncov: 1 nepokr: 103 koncov: 2 nepokr: 0 koncov: 0 nepokr: 71 koncov: 1 nepokr: 69 koncov: 1 nepokr: 0 koncov: 0 7

43 Jadrá zarovnaní Tomáš Vinař

44 Opakovanie: Heuristické lokálne zarovnávanie, BLAST Príklad: w = 2 (začíname z jadier dĺžky 2). (V praxi sa používa w = 10 a viac.) C A G T C C T A G A C A T G T C A T A nájdi zhodné úseky 2. rozšír bez medzier 3. spoj medzerami 2

45 Senzitivita heuristického algoritmu Odhad senzitivity: Predpokladáme zarovnanie bez medzier, dĺžky L Každá pozícia je zhoda s pravdepodobnosťou p Senzitivita: f(l, p) = Pr(zarovnanie obsahuje w zhôd za sebou) 1.0 senzitivita pre w= p=0.6 p=0.7 p=0.8 p= dlzka zarovnania L 3

46 Jadrá z medzerami, spaced seeds PatternHunter [Ma, Tromp, Li 2002] Jadro s medzerami: vyžadovaná konfigurácia zhôd Príklad: match match don t care match značíme ako 1101 GTGGTGCTCTCTGACAAAGCC ATTGTTCTTAATGAGAAAGAA BLASTN jadro (11 za sebou idúcich zhôd) ekvivalentné jadru

47 Nie všetky jadrá sú rovnaké Váha jadra: počet vyžadovaných zhôd Každý krížik: senzitivita vs. čas pre jedno jadro v pravdepodobnostnom modeli Predicted false positive rate How many spurious hits? 4E-06 2E-06 0 Weight 11 Weight 9 Weight Predicted sensitivity What portion of alignments found? 5

48 Prečo sú jadrá s medzerami senzitívnejšie? Príklad: dĺžka zarovnania L = 64, pravdepodobnosť zhody p = 0.7 na každej pozícii 40 náhodných zarovnaní, výskyty jadra Sn.: 14/40, hits: Sn.: 18/40, hits: 35 6

49 Prečo sú jadrá s medzerami senzitívnejšie? Príklad: dĺžka zarovnania L = 64, pravdepodobnosť zhody p = 0.7 na každej pozícii Bez medzier S medzerami Stredná hodnota počtu výskytov v zarovnaní: = = 0.9 Pravdepodobnosť výskytu na poz. i+1 ak výskyt na i: = Výskyty často vedľa seba Výskyty nezávislejšie Senzitivita (pravdepodobnosť aspoň jedného výskytu):

50 Ďalšie hašovacie stratégie Nukleotidový BLAST: 10 zhôd za sebou Jadro s medzerami: povoľuje nezhody na 8 z 18 pozícií BLAT [Kent 2002]: povoľuje 1 nezhodu na ľub. z 11 pozícií BLASTP: 3 amino kyseliny so skóre aspoň 13 v matici BLOSUM62 Výskyt: N I R N L R Nie výskyt: A I L A I L 6+2+5= =12 Vektorové jadrá: kombinácia jadier s medzerami a BLAT/BLASTP Viaceré výskyty: začni rozširovať iba ak viac výskytov blízko seba na tej istej uhlopriečke Viaceré jadrá: zober zjednotenie výskytov 8

51 Záleží na modeli zarovnania Pravdepodobnosť zhody kolíše v rámci kodónu: Poloha v kodóne: prvá druhá tretia Pravdepodobnosť zhody: Senzitivita na testovacej vzorke exónov kódujúcich proteíny: Človek vs. Jadro Drosophila myš Optimálne pre dáta % 92% Optimalne pre kodónový model % 91% WABA [Kent, Zahler 2000] % 90% Optimálne pre i.i.d. model % 86% BLAST % 81% Najhoršie % 79% 9

52 A čo globálne zarovnania? Ukotvené zarovnanie (Anchored alignment) Nájdime lokálne zarovnania (alebo výskyty nejakého jadra) možné ukotvenia Zvoľ konzistentnú množinu ukotvení (monotónna postupnosť) Zarovnaj časti sekvencií medzi ukotveniami (pomocou dyn. prog. alebo rekurzívne ďalšim kotvením) MUMMER [Delcher 1999] GLASS [Batzoglou et al 2000] AVID [Bray et al 2003] 10

53 Ukotvené zarovnanie Modré: nezvolené ukotvenia Červené: zvolené ukotvenia Sivé: riešime dyn. prog. Čierne: globálne zarovnanie Znova protichodné vplyvy: málo spoľahlivých ukotvení dobrá kvalita, pomalé veľa slabších ukotvení rýchle (malá sivá plocha), viac chýb v ukotvení 11

54 Algoritmy pre HMM a phylohmm Tomáš Vinař

55 Opakovanie: HMM (skrytý Markovov model) model (HMM) náhodná DNA sekvencia S, náhodná anotácia A (podobné na ozajstnú DNA) Pr(S,A) pravdepodobnosť, že model vygeneruje pár (S,A) a:0.27 c:0.23 g:0.23 t: a:0.24 c:0.27 g:0.28 t:0.21 a:0.26 c:0.22 g:0.22 t:0.30 Predpokladajme, že model vždy začína v modrom stave. Pr(aca) = = Pr(aca) = =

56 Parametre HMM (označenie) Sekvencia S 1,...,S n Anotácia A 1,...,A n Parametre modelu: Prechodová pravdepodobnosť a(u,v) = Pr(A i+1 = v A i = u), Emisná pravdepodobnosť e(u,x) = Pr(S i = x A i = u), Počiatočná pravdepodobnosť π(u) = Pr(A 1 = u). a e a c g t Výsledná pravdepodobnosť: Pr(A 1,...,A n,s 1,...,S n ) = π(a 1 )e(a 1,S 1 ) n i=2 a(a i 1,A i )e(a i,s i ) 3

57 Viterbiho algoritmus Pre danú sekvenciu S nájde najpravdepodobnejšiu anotáciu A = argmax A Pr(A S) Dynamické programovanie v čase O(nm 2 ) Podproblém V[i,u]: pravdepodobnosť najpravdepodobnejšej cesty končiacej po i krokoch v stave u, pričom vygeneruje S 1 S 2...S i Rekurencia: V[1,u] = π u e u,s1 V[i,u] = max w V[i 1,w] a w,u e u,si Algoritmus: Inicializuj V[1, ] for i = 2...n (n=dĺžka reťazca) for u = 1...m (m =počet stavov) vypočítaj V[i, u] Maximálne V[n,j] je pravdepodobnosť najpravdepodobnejšej cesty 4

58 PhyloHMM: kombinácia HMM a fylogenetického stromu PhastCons: detekcia dobre zachovaných sekvencií Dva stavy: zachovaná sekv., neutrálna sekv. V každom stave generujeme celý stĺpec zarovnania Zachovaná sekvencia má kratšie hrany stromu 5

59 Dopredný algoritmus Počíta celkovú pravdepodobnosť, že vygenerujeme sekvenciu S Pr(S) = A Pr(A,S) Podproblém F[i,u]: pravdepodobnosť, že po i krokoch vygenerujeme S 1,S 2,...S i a dostaneme sa do stavu u. F[i,u] = Pr(A i = u S 1,S 2,...,S i ) = A 1,A 2,...,A i =u Pr(A 1,A 2,...,A i S 1,S 2,...,S i ) Rekurencia: F[1,u] = π u e u,s1 F[i,u] = v F[i 1,v] a v,u e u,si Celková pravdepodobnosť Pr(S) = u F[n,u] 6

60 Spätný algoritmus Obdoba dopredného algoritmu Dopredný algoritmus: F[i,u] = Pr(A i = u S 1,...,S i ) F[1,u] = π u e u,s1 F[i,u] = v F[i 1,v] a v,u e u,si Pr(S) = u F[n,u] Spätný algoritmus: B[i,u] = Pr(S i+1...,s n A i = u) 7

61 Hľadanie génov s HMM model náhodná DNA sekvencia S, náhodná anotácia A Určenie stavov a prechodov v modeli: ručne, na základe poznatkov o štruktúre génu. Trénovanie parametrov: pravdepodobnosti určíme na základe sekvencií so známymi génmi (trénovacia množina). Model zostavíme tak, aby páry (S,A) s vlastnosťami podobnými skutočným génom mali veľkú pravdepodobnosť Pr(S,A) Použitie: pre novú sekvenciu S nájdi najpravdepodobnejšiu anotáciu A = argmax A Pr(A S) Viterbiho algoritmom 8

62 Trénovanie HMM Stavový priestor + povolené prechody väčšinou ručne Parametre (pravdepodobnosti prechodu, emisie a počiatočné) automaticky z trénovacích sekvencií Čím zložitejší model a viac parametrov máme, tým potrebujeme viac trénovacích dát, aby nedošlo k preučeniu, t.j. k situácii, keď model dobre zodpovedá nejakým zvláštnostiam trénovacích dát, nie však ďalším dátam. Presnosť modelu testujeme na zvláštnych testovacích dátach, ktoré sme nepoužili na trénovanie. 9

63 Trénovanie HMM z anotovaných sekvencií Vstup: topológia modelu a niekoľko trénovacích párov S (i),a (i) Cieľ: nastaviť π u, e u,x, a u,v tak, aby i Pr(S(i),A (i) ) bola čo najväčšia Dosiahneme jednoduchým počítaním frekvencií Napr. a u,v : nájdeme všetky výskyty stavu u a zistíme, ako často za nimi ide stav v 10

64 Trénovanie HMM z neanotovaných sekvencií Vstup: topológia modelu a niekoľko trénovacích sekvencií S (i) anotácie A (i) nepoznáme Cieľ: nastaviť π u, e u,x, a u,v tak, aby i Pr(S(i) ) bola čo najväčšia Používajú sa heuristické iteratívne algoritmy, napr. Baum-Welchov, ktorý je verziou všeobecnejšieho algoritmu EM (expectation maximization). 11

65 donor0 intron0 acceptor0 donor4 intron4 acceptor4 donor5 intron5 acceptor5 donor3 intron3 acceptor3 Tvorba stavového priestoru modelu Príklad HMM na hľadanie génov translation start translation start exon intergenic exon translation stop translation stop Reverse strand Forward strand 12 donor2 intron2 acceptor2 donor1 intron1 acceptor1

66 Cvičenia pre informatikov, Zhrnutie semestra 1

67 Pravdepodobnostné modely Skryté Markovove modely (hľadanie génov, konzervovaných oblastí, fylogenetické HMM, profilové HMM) Fylogenetické stromy a substitučné modely Stochastické bezkontextové gramatiky Metóda maximálnej vierohodnosti Expectation maximization (EM) Štatistické metódy Pojem štatistickej významnosti E-value a P-value Test na pozitívny výber Linkage disequilibrium, mapovanie asociácií 2

68 Precvičenie dynamického programovania Iné Zarovnávanie sekvencií (globálne, lokálne, afínne medzery) Skryté Markovove modely (Viterbiho algoritmus) Výpočty na stromoch (úspornosť, vierohodnosť - Felsensteinov algoritmus) Hmotnostná spektrometria (MS/MS) Sekundárna štruktúra RNA Integer linear programming debruijnove grafy Zhlukovanie a klasifikácia 3

69 Ako modelovať problémy reálneho sveta Rozmyslieť si, aké máme dáta, čo by sme chceli ako výsledok Sformulovať ako informatický problém (napr. optimalizácia nejakého skóre) Pravdepodobnostné modely nám často dovolia zvoliť skórovaciu schému systematickým spôsobom Výsledný problém často NP ťažký Heuristiky, aproximačne algoritmy ILP a iné techniky na presné riešenie Nedá sa problém trochu preformulovať? Testovanie: sú výpočtové výsledky relevantné v danej doméne? (bola formulácia dostatočne realistická?) 4

70 Ďalšie predmety Strojové učenie 2-INF-150, Vinař/Petrovič (ZS, 4 hodiny, 6 kreditov) Grafové modely v strojovom učení 2-INF-238, Vinař (LS, 4 hodiny, 6 kreditov) Vybrané partie z dátových štruktúr 2-INF-237, Brejová (LS, 4 hodiny, 6 kreditov) predtým Vyhľadávanie v texte Biológia N-bCXX-055, Tomáška (ZS, 2 hodiny, 2 kredity) Všeobecná biológia N-bCXX-085, Tomáška (LS, 2 hodiny, 2 kredity) Genomika N-mCBI-303, Nosek (LS, 2 hodiny, 3 kredity) 5

Η νέα προσέγγιση στην ταχεία προγεννητική διάγνωση των χρωµοσωµατικών ανωµαλιών του εµβρύου

Η νέα προσέγγιση στην ταχεία προγεννητική διάγνωση των χρωµοσωµατικών ανωµαλιών του εµβρύου Αµνιο-PCR Η νέα προσέγγιση στην ταχεία προγεννητική διάγνωση των χρωµοσωµατικών ανωµαλιών του εµβρύου Αγγελική Χατζάκη, PhD Γεωργία Χριστοπούλου, MSc Τµήµα Γενετικής και Μοριακής Βιολογίας Μαιευτήριο «ΜΗΤΕΡΑ»

Διαβάστε περισσότερα

Supplemental file 3. All 306 mapped IDs collected by IPA program. Supplemental file 6. The functions and main focused genes in each network.

Supplemental file 3. All 306 mapped IDs collected by IPA program. Supplemental file 6. The functions and main focused genes in each network. LIST OF SUPPLEMENTAL FILES Supplemental file 1. Primer sets used for qrt-pcr. Supplemental file 2. All 1305 differentially expressed genes. Supplemental file 3. All 306 mapped IDs collected by IPA program.

Διαβάστε περισσότερα

Supplementary Table 1. Primers used for RT-qPCR analysis of striatal and nigral tissue.

Supplementary Table 1. Primers used for RT-qPCR analysis of striatal and nigral tissue. Supplementary Table 1. Primers used for RT-qPCR analysis of striatal and nigral tissue. Gene Forward Primer (5-3 ) Reverse Primer (5-3 ) Dopaminergic Markers TH CTG GCC ATT GAT GTA CTG GA ACA CAC ATG GGA

Διαβάστε περισσότερα

J. Dairy Sci. 93: doi: /jds American Dairy Science Association, 2010.

J. Dairy Sci. 93: doi: /jds American Dairy Science Association, 2010. Supplementary Table 1. Primers and PCR conditions used for the amplification of the goat SCD1 cdna (PCR1 to PCR6) and three SCD1 polymorphic regions (PCR7 to PCR9) PCR Primers Sequence Position 1 Thermal

Διαβάστε περισσότερα

Απόφαση. Ο κ. I. Κούσκος, Οικονομικός Υπεύθυνος του Ε.Ι.Π., έχοντας υπ όψιν : Αποφασίζει. Ο Οικονομικός Υπεύθυνος του Ε.Ι.Π.

Απόφαση. Ο κ. I. Κούσκος, Οικονομικός Υπεύθυνος του Ε.Ι.Π., έχοντας υπ όψιν : Αποφασίζει. Ο Οικονομικός Υπεύθυνος του Ε.Ι.Π. ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΓΕΝΙΚΗ ΓΡΑΜΜΑΤΕΙΑ ΕΡΕΥΝΑΣ & ΤΕΧΝΟΛΟΓΙΑΣ Αθήνα, 27 Οκτωβρίου 2014 Αρ. Πρωτ. Ε.Ι.Π.: 3127 Αρ. Πρωτ. Διαύγειας: 1403 Θέμα: Έγκριση πρόσκληση εκδήλωσης

Διαβάστε περισσότερα

Matematika Funkcia viac premenných, Parciálne derivácie

Matematika Funkcia viac premenných, Parciálne derivácie Matematika 2-01 Funkcia viac premenných, Parciálne derivácie Euklidovská metrika na množine R n všetkých usporiadaných n-íc reálnych čísel je reálna funkcia ρ: R n R n R definovaná nasledovne: Ak X = x

Διαβάστε περισσότερα

ΗΛΙΑΣΚΟΣ ΦΡΟΝΤΙΣΤΗΡΙΑ. Θετικής Κατεύθυνσης Βιολογία Γ Λυκείου ΥΠΗΡΕΣΙΕΣ ΠΑΙΔΕΙΑΣ ΥΨΗΛΟΥ ΕΠΙΠΕΔΟΥ. Επιμέλεια: ΚΩΣΤΑΣ ΓΚΑΤΖΕΛΑΚΗΣ

ΗΛΙΑΣΚΟΣ ΦΡΟΝΤΙΣΤΗΡΙΑ. Θετικής Κατεύθυνσης Βιολογία Γ Λυκείου ΥΠΗΡΕΣΙΕΣ ΠΑΙΔΕΙΑΣ ΥΨΗΛΟΥ ΕΠΙΠΕΔΟΥ. Επιμέλεια: ΚΩΣΤΑΣ ΓΚΑΤΖΕΛΑΚΗΣ ΗΛΙΑΣΚΟΣ ΦΡΟΝΤΙΣΤΗΡΙΑ ΥΠΗΡΕΣΙΕΣ ΠΑΙΔΕΙΑΣ ΥΨΗΛΟΥ ΕΠΙΠΕΔΟΥ Θετικής Κατεύθυνσης Βιολογία Γ Λυκείου Επιμέλεια: ΚΩΣΤΑΣ ΓΚΑΤΖΕΛΑΚΗΣ e-mail: info@iliaskos.gr www.iliaskos.gr 1 TO 1. µ, : i µ µ DNA ii µ DNA iii

Διαβάστε περισσότερα

4 ο ΚΕΦΑΛΑΙΟ. Γ ε ν ε τ ι κ ή

4 ο ΚΕΦΑΛΑΙΟ. Γ ε ν ε τ ι κ ή 4 ο ΚΕΦΑΛΑΙΟ Γ ε ν ε τ ι κ ή 1. Κύκλος της ζωής του κυττάρου 3ο Γελ. Ηλιούπολης επιμέλεια: Αργύρης Γιάννης 2 2. Μοριακή Γενετική i). Ροή της γενετικής πληροφορίας DNA RNA πρωτεΐνες νουκλεΐκά οξέα ή πρωτεΐνες

Διαβάστε περισσότερα

Ekvačná a kvantifikačná logika

Ekvačná a kvantifikačná logika a kvantifikačná 3. prednáška (6. 10. 004) Prehľad 1 1 (dokončenie) ekvačných tabliel Formula A je ekvačne dokázateľná z množiny axióm T (T i A) práve vtedy, keď existuje uzavreté tablo pre cieľ A ekvačných

Διαβάστε περισσότερα

Obvod a obsah štvoruholníka

Obvod a obsah štvoruholníka Obvod a štvoruholníka D. Štyri body roviny z ktorých žiadne tri nie sú kolineárne (neležia na jednej priamke) tvoria jeden štvoruholník. Tie body (A, B, C, D) sú vrcholy štvoruholníka. strany štvoruholníka

Διαβάστε περισσότερα

ΗΛΙΑΣΚΟΣ ΦΡΟΝΤΙΣΤΗΡΙΑ. Θετικής Κατεύθυνσης Βιολογία Γ Λυκείου ΥΠΗΡΕΣΙΕΣ ΠΑΙΔΕΙΑΣ ΥΨΗΛΟΥ ΕΠΙΠΕΔΟΥ. Επιμέλεια: ΘΕΟΔΟΛΙΝΤΑ ΤΕΣΤΑ

ΗΛΙΑΣΚΟΣ ΦΡΟΝΤΙΣΤΗΡΙΑ. Θετικής Κατεύθυνσης Βιολογία Γ Λυκείου ΥΠΗΡΕΣΙΕΣ ΠΑΙΔΕΙΑΣ ΥΨΗΛΟΥ ΕΠΙΠΕΔΟΥ. Επιμέλεια: ΘΕΟΔΟΛΙΝΤΑ ΤΕΣΤΑ ΗΛΙΑΣΚΟΣ ΦΡΟΝΤΙΣΤΗΡΙΑ ΥΠΗΡΕΣΙΕΣ ΠΑΙΔΕΙΑΣ ΥΨΗΛΟΥ ΕΠΙΠΕΔΟΥ Θετικής Κατεύθυνσης Βιολογία Γ Λυκείου Επιμέλεια: ΘΕΟΔΟΛΙΝΤΑ ΤΕΣΤΑ e-mail: info@iliaskos.gr www.iliaskos.gr 1 DNA Griffith (1928) : DNA 2 (Diplococcus

Διαβάστε περισσότερα

Start. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop

Start. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop 1) Vytvorte algoritmus (vývojový diagram) na výpočet obvodu kruhu. O=2xπxr ; S=πxrxr Vstup r O = 2*π*r S = π*r*r Vystup O, S 2) Vytvorte algoritmus (vývojový diagram) na výpočet celkovej ceny výrobku s

Διαβάστε περισσότερα

Informatika pre biológov. Broňa Brejová

Informatika pre biológov. Broňa Brejová Informatika pre biológov Broňa Brejová 25.9.2014 1 Formulácia problému, algoritmus Formulácia problému: jasne zadefinujeme vstupné a výstupné dáta a aký výstup očakávame pre každý vstup. Vo formulácii

Διαβάστε περισσότερα

DNA RNA ΝΟΥΚΛΕΙΝΙΚΑ ΟΞΕΑ. Όσα αφορούν τη δομή του DNA δόθηκαν στο κεφάλαιο οργανικές ουσίες

DNA RNA ΝΟΥΚΛΕΙΝΙΚΑ ΟΞΕΑ. Όσα αφορούν τη δομή του DNA δόθηκαν στο κεφάλαιο οργανικές ουσίες ΝΟΥΚΛΕΙΝΙΚΑ ΟΞΕΑ DNA RNA Ο φορέας της γενετικής πληροφορίας (DNA), σελ. 293 320 μέχρι και την πρώτη παράγραφο. (εκτός ύλης: Ο μηχανισμός της ημισυντηρητικής αντιγραφής του DNA, σελ. 297-301, Από το 14.4

Διαβάστε περισσότερα

7. FUNKCIE POJEM FUNKCIE

7. FUNKCIE POJEM FUNKCIE 7. FUNKCIE POJEM FUNKCIE Funkcia f reálnej premennej je : - každé zobrazenie f v množine všetkých reálnych čísel; - množina f všetkých usporiadaných dvojíc[,y] R R pre ktorú platí: ku každému R eistuje

Διαβάστε περισσότερα

DNA RNA ΝΟΥΚΛΕΙΝΙΚΑ ΟΞΕΑ. Όσα αφορούν τη δομή του DNA δόθηκαν στο κεφάλαιο οργανικές ουσίες

DNA RNA ΝΟΥΚΛΕΙΝΙΚΑ ΟΞΕΑ. Όσα αφορούν τη δομή του DNA δόθηκαν στο κεφάλαιο οργανικές ουσίες Ο φορέας της γενετικής πληροφορίας (DNA), σελ. 293 320 μέχρι και την πρώτη παράγραφο. (εκτός ύλης: Ο μηχανισμός της ημισυντηρητικής αντιγραφής του DNA, σελ. 297-301, Από το 14.4 ΜΕΤΑΛΛΑΞΕΙΣ, Σύνδρομο Down

Διαβάστε περισσότερα

Prechod z 2D do 3D. Martin Florek 3. marca 2009

Prechod z 2D do 3D. Martin Florek 3. marca 2009 Počítačová grafika 2 Prechod z 2D do 3D Martin Florek florek@sccg.sk FMFI UK 3. marca 2009 Prechod z 2D do 3D Čo to znamená? Ako zobraziť? Súradnicové systémy Čo to znamená? Ako zobraziť? tretia súradnica

Διαβάστε περισσότερα

Nukleové kyseliny. Nukleové kyseliny sú polymérne reťazce pozostávajúce z monomérov, ktoré sa nazývajú nukleotidy.

Nukleové kyseliny. Nukleové kyseliny sú polymérne reťazce pozostávajúce z monomérov, ktoré sa nazývajú nukleotidy. Nukleové kyseliny Nukleové kyseliny Nukleové kyseliny sú polymérne reťazce pozostávajúce z monomérov, ktoré sa nazývajú nukleotidy. DNA - deoxyribonukleová kyselina RNA - ribonukleová kyselina Funkcie

Διαβάστε περισσότερα

Κεφάλαιο 2ο. Αντιγραφή, έκφραση και ρύθμιση της γενετικής πληροφορίας

Κεφάλαιο 2ο. Αντιγραφή, έκφραση και ρύθμιση της γενετικής πληροφορίας Κεφάλαιο 2ο Αντιγραφή, έκφραση και ρύθμιση της γενετικής πληροφορίας 1. Το DNA αυτοδιπλασιάζεται 3ο ε.λ. Ηλιούπολης επιμέλεια: Αργύρης Γιάννης 3 Ο μηχανισμός της αντιγραφής του DNA Ο μηχανισμός αυτοδιπλασιασμού

Διαβάστε περισσότερα

Βιομόρια, δομή κυττάρου, διαμερισματοποίηση. Ν. Κ. Μοσχονάς n_moschonas@med.upatras.gr Εργ. Γεν. Βιολογίας, Τμ. Ιατρικής Παν/μιο Πάτρας

Βιομόρια, δομή κυττάρου, διαμερισματοποίηση. Ν. Κ. Μοσχονάς n_moschonas@med.upatras.gr Εργ. Γεν. Βιολογίας, Τμ. Ιατρικής Παν/μιο Πάτρας Βιομόρια, δομή κυττάρου, διαμερισματοποίηση Ν. Κ. Μοσχονάς n_moschonas@med.upatras.gr Εργ. Γεν. Βιολογίας, Τμ. Ιατρικής Παν/μιο Πάτρας Ποια είναι τα χαρακτηριστικά της ζωής; Θρέψη Αναπαραγωγή Εξέλιξη Ερεθιστικότητα

Διαβάστε περισσότερα

Chí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky

Chí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky Chí kvadrát test dobrej zhody Metódy riešenia úloh z pravdepodobnosti a štatistiky www.iam.fmph.uniba.sk/institute/stehlikova Test dobrej zhody I. Chceme overiť, či naše dáta pochádzajú z konkrétneho pravdep.

Διαβάστε περισσότερα

1. Limita, spojitost a diferenciálny počet funkcie jednej premennej

1. Limita, spojitost a diferenciálny počet funkcie jednej premennej . Limita, spojitost a diferenciálny počet funkcie jednej premennej Definícia.: Hromadný bod a R množiny A R: v každom jeho okolí leží aspoň jeden bod z množiny A, ktorý je rôzny od bodu a Zadanie množiny

Διαβάστε περισσότερα

Goniometrické rovnice a nerovnice. Základné goniometrické rovnice

Goniometrické rovnice a nerovnice. Základné goniometrické rovnice Goniometrické rovnice a nerovnice Definícia: Rovnice (nerovnice) obsahujúce neznámu x alebo výrazy s neznámou x ako argumenty jednej alebo niekoľkých goniometrických funkcií nazývame goniometrickými rovnicami

Διαβάστε περισσότερα

Room Temperature Ionic Liquids from 20 Natural Amino Acids. Kenta Fukumoto, Masahiro Yoshizawa, and Hiroyuki Ohno

Room Temperature Ionic Liquids from 20 Natural Amino Acids. Kenta Fukumoto, Masahiro Yoshizawa, and Hiroyuki Ohno S1 Room Temperature Ionic Liquids from 20 Natural Amino Acids Kenta Fukumoto, Masahiro Yoshizawa, and Hiroyuki Ohno 1-Ethyl-3-methylimidazolium L-α-aminopropionic acid salt ([emim][ala]). From 1.0g (5.2mmol)

Διαβάστε περισσότερα

ΠΕΡΙΛΗΨΗ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΤΟΥ ΠΡΟΙΟΝΤΟΣ (SPC) (AMINOVEN 3.5% Glucose / Electrolytes)

ΠΕΡΙΛΗΨΗ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΤΟΥ ΠΡΟΙΟΝΤΟΣ (SPC) (AMINOVEN 3.5% Glucose / Electrolytes) ΠΕΡΙΛΗΨΗ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΤΟΥ ΠΡΟΙΟΝΤΟΣ (SPC) (AMINOVEN 3.5% Glucose / Electrolytes) 1. ΕΜΠΟΡΙΚΗ ΟΝΟΜΑΣΙΑ ΤΟΥ ΦΑΡΜΑΚΕΥΤΙΚΟΥ ΠΡΟΙΟΝΤΟΣ: AMINOVEN 3.5% Glucose / Electrolytes 2. ΠΟΙΟΤΙΚΗ ΚΑΙ ΠΟΣΟΤΙΚΗ ΣΥΝΘΕΣΗ

Διαβάστε περισσότερα

Motivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010.

Motivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010. 14. decembra 2010 Rie²enie sústav Plocha rovnobeºníka Objem rovnobeºnostena Rie²enie sústav Príklad a 11 x 1 + a 12 x 2 = c 1 a 21 x 1 + a 22 x 2 = c 2 Dostaneme: x 1 = c 1a 22 c 2 a 12 a 11 a 22 a 12

Διαβάστε περισσότερα

Βιοπληροφορική. Πίνακες Αντικατάστασης & Οπτική Σύγκριση Αλληλουχιών. Αλέξανδρος Τζάλλας

Βιοπληροφορική. Πίνακες Αντικατάστασης & Οπτική Σύγκριση Αλληλουχιών. Αλέξανδρος Τζάλλας Βιοπληροφορική Πίνακες Αντικατάστασης & Οπτική Σύγκριση Αλληλουχιών Αλέξανδρος Τζάλλας e-mail: tzallas@teiep.gr ΤΕΙ Ηπείρου Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής ΤΕ Copyright Πανεπιστήμιο

Διαβάστε περισσότερα

Cvičenie č. 4,5 Limita funkcie

Cvičenie č. 4,5 Limita funkcie Cvičenie č. 4,5 Limita funkcie Definícia ity Limita funkcie (vlastná vo vlastnom bode) Nech funkcia f je definovaná na nejakom okolí U( ) bodu. Hovoríme, že funkcia f má v bode itu rovnú A, ak ( ε > )(

Διαβάστε περισσότερα

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 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

Διαβάστε περισσότερα

1. písomná práca z matematiky Skupina A

1. písomná práca z matematiky Skupina A 1. písomná práca z matematiky Skupina A 1. Vypočítajte : a) 84º 56 + 32º 38 = b) 140º 53º 24 = c) 55º 12 : 2 = 2. Vypočítajte zvyšné uhly na obrázku : β γ α = 35 12 δ a b 3. Znázornite na číselnej osi

Διαβάστε περισσότερα

PRIEMER DROTU d = 0,4-6,3 mm

PRIEMER DROTU d = 0,4-6,3 mm PRUŽINY PRUŽINY SKRUTNÉ PRUŽINY VIAC AKO 200 RUHOV SKRUTNÝCH PRUŽÍN PRIEMER ROTU d = 0,4-6,3 mm èíslo 3.0 22.8.2008 8:28:57 22.8.2008 8:28:58 PRUŽINY SKRUTNÉ PRUŽINY TECHNICKÉ PARAMETRE h d L S Legenda

Διαβάστε περισσότερα

Nukleové kyseliny a proteosyntéza

Nukleové kyseliny a proteosyntéza Nukleové kyseliny (NK) sú biomakromolekulové látky, ktoré sa spolu s bielkovinami považujú za najvýznamnejšie zložky živých sústav. V ich molekulách sa uchováva dedičná ( genetická ) informácia bunky a

Διαβάστε περισσότερα

AerobTec Altis Micro

AerobTec Altis Micro AerobTec Altis Micro Záznamový / súťažný výškomer s telemetriou Výrobca: AerobTec, s.r.o. Pionierska 15 831 02 Bratislava www.aerobtec.com info@aerobtec.com Obsah 1.Vlastnosti... 3 2.Úvod... 3 3.Princíp

Διαβάστε περισσότερα

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΓΕΩΠΟΝΙΚΗ ΣΧΟΛΗ ΤΟΜΕΑΣ ΕΠΙΣΤΗΜΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΤΡΟΦΙΜΩΝ ΜΑΡΙΑΣ ΦΩΤΙΟΥ ΠΤΥΧΙΟΥΧΟΥ ΓΕΩΠΟΝΟΥ

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΓΕΩΠΟΝΙΚΗ ΣΧΟΛΗ ΤΟΜΕΑΣ ΕΠΙΣΤΗΜΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΤΡΟΦΙΜΩΝ ΜΑΡΙΑΣ ΦΩΤΙΟΥ ΠΤΥΧΙΟΥΧΟΥ ΓΕΩΠΟΝΟΥ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΓΕΩΠΟΝΙΚΗ ΣΧΟΛΗ ΤΟΜΕΑΣ ΕΠΙΣΤΗΜΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΤΡΟΦΙΜΩΝ ΜΑΡΙΑΣ ΦΩΤΙΟΥ ΠΤΥΧΙΟΥΧΟΥ ΓΕΩΠΟΝΟΥ Συγκέντρωση των ελεύθερων αµινοξέων στο αµνιακό υγρό σε σχέση µε την εβδοµάδα

Διαβάστε περισσότερα

KATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita

KATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita 132 1 Absolútna chyba: ) = - skut absolútna ochýlka: ) ' = - spr. relatívna chyba: alebo Chyby (ochýlky): M systematické, M náhoné, M hrubé. Korekcia: k = spr - = - Î' pomerná korekcia: Správna honota:

Διαβάστε περισσότερα

,Zohrievanie vody indukčným varičom bez pokrievky,

,Zohrievanie vody indukčným varičom bez pokrievky, Farba skupiny: zelená Označenie úlohy:,zohrievanie vody indukčným varičom bez pokrievky, Úloha: Zistiť, ako závisí účinnosť zohrievania vody na indukčnom variči od priemeru použitého hrnca. Hypotéza: Účinnosť

Διαβάστε περισσότερα

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2012/2013 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18

Διαβάστε περισσότερα

ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΜΟΡΙΑΚΗΣ ΒΙΟΛΟΓΙΑΣ ΚΑΙ ΓΕΝΕΤΙΚΗΣ ΓΟΝΙ ΙΑΚΗ ΕΚΦΡΑΣΗ ΚΑΙ ΣΗΜΑΤΟ ΟΤΗΣΗ

ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΜΟΡΙΑΚΗΣ ΒΙΟΛΟΓΙΑΣ ΚΑΙ ΓΕΝΕΤΙΚΗΣ ΓΟΝΙ ΙΑΚΗ ΕΚΦΡΑΣΗ ΚΑΙ ΣΗΜΑΤΟ ΟΤΗΣΗ ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΜΟΡΙΑΚΗΣ ΒΙΟΛΟΓΙΑΣ ΚΑΙ ΓΕΝΕΤΙΚΗΣ ΓΟΝΙ ΙΑΚΗ ΕΚΦΡΑΣΗ ΚΑΙ ΣΗΜΑΤΟ ΟΤΗΣΗ ρ. Α. ΓΑΛΑΝΗΣ agalanis@mbg.duth.gr Figure 6.1 The Biology of Cancer ( Garland Science 2007) Figure

Διαβάστε περισσότερα

Human angiogenin is a potent cytotoxin in the absence of ribonuclease inhibitor

Human angiogenin is a potent cytotoxin in the absence of ribonuclease inhibitor Human angiogenin is a potent cytotoxin in the absence of ribonuclease inhibitor SYDNEY P. THOMAS, 1 TRISH T. HOANG, 2 VALERIE T. RESSLER, 4 and RONALD T. RAINES 2,3,4 1 Graduate Program in Cell & Molecular

Διαβάστε περισσότερα

Kompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017

Kompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017 Kompilátory Cvičenie 6: LLVM Peter Kostolányi 21. novembra 2017 LLVM V podstate sada nástrojov pre tvorbu kompilátorov LLVM V podstate sada nástrojov pre tvorbu kompilátorov Pôvodne Low Level Virtual Machine

Διαβάστε περισσότερα

Priamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava

Priamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy Priamkové plochy Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy rozdeľujeme na: Rozvinuteľné

Διαβάστε περισσότερα

Analysis on the Ratio of Flesh Content and Nutritional. Quality of Esox lucius

Analysis on the Ratio of Flesh Content and Nutritional. Quality of Esox lucius Chinese Journal of Zoology 2009,44 (3) :7075 3 ( 830000) : 6 ( Esox lucius), :6418 %,1911 %114 %,17 17138 %,7 8114 %,6136 % 45173 %,,WHOΠFAO 76135,,,,, : ; ; ; ; :Q955 :A :025023263 (2009) 03270206 Analysis

Διαβάστε περισσότερα

Matematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad

Matematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Matematika 3-13. prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Erika Škrabul áková F BERG, TU Košice 15. 12. 2015 Erika Škrabul áková (TUKE) Taylorov

Διαβάστε περισσότερα

Matematika 2. časť: Analytická geometria

Matematika 2. časť: Analytická geometria Matematika 2 časť: Analytická geometria RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk Súradnicové

Διαβάστε περισσότερα

Απολυτήριες εξετάσεις Γ Τάξης Ημερήσιου Γενικού Λυκείου ΒΙΟΛΟΓΙΑ ΘΕΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ 18 5 2011

Απολυτήριες εξετάσεις Γ Τάξης Ημερήσιου Γενικού Λυκείου ΒΙΟΛΟΓΙΑ ΘΕΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ 18 5 2011 Απολυτήριες εξετάσεις Γ Τάξης Ημερήσιου Γενικού Λυκείου ΒΙΟΛΟΓΙΑ ΘΕΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ 18 5 2011 ΘΕΜΑ Α 1. α 2. δ 3. γ 4. β 5. β ΘΕΜΑ Β Β1. σελ. 13: «Το 1928 ο Griffith...για το πώς γίνεται αυτό» Β2. σελ.

Διαβάστε περισσότερα

Gramatická indukcia a jej využitie

Gramatická indukcia a jej využitie a jej využitie KAI FMFI UK 29. Marec 2010 a jej využitie Prehľad Teória formálnych jazykov 1 Teória formálnych jazykov 2 3 a jej využitie Na počiatku bolo slovo. A slovo... a jej využitie Definícia (Slovo)

Διαβάστε περισσότερα

M6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou

M6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou M6: Model Hydraulický ytém dvoch záobníkov kvapaliny interakciou Úlohy:. Zotavte matematický popi modelu Hydraulický ytém. Vytvorte imulačný model v jazyku: a. Matlab b. imulink 3. Linearizujte nelineárny

Διαβάστε περισσότερα

Živá hmota chemické zloženie. Biológia živočíšnej produkcie Katedra fyziológie živočíchov

Živá hmota chemické zloženie. Biológia živočíšnej produkcie Katedra fyziológie živočíchov Živá hmota chemické zloženie Biológia živočíšnej produkcie Katedra fyziológie živočíchov Chemické zloženie živej hmoty Živá hmota bioplazma chemicky rôznorodá zmes látok zložitý koloidný systém Prvky v

Διαβάστε περισσότερα

MIDTERM (A) riešenia a bodovanie

MIDTERM (A) riešenia a bodovanie MIDTERM (A) riešenia a bodovanie 1. (7b) Nech vzhl adom na štandardnú karteziánsku sústavu súradníc S 1 := O, e 1, e 2 majú bod P a vektory u, v súradnice P = [0, 1], u = e 1, v = 2 e 2. Aký predpis bude

Διαβάστε περισσότερα

Rozsah hodnotenia a spôsob výpočtu energetickej účinnosti rozvodu tepla

Rozsah hodnotenia a spôsob výpočtu energetickej účinnosti rozvodu tepla Rozsah hodnotenia a spôsob výpočtu energetickej účinnosti príloha č. 7 k vyhláške č. 428/2010 Názov prevádzkovateľa verejného : Spravbytkomfort a.s. Prešov Adresa: IČO: Volgogradská 88, 080 01 Prešov 31718523

Διαβάστε περισσότερα

SLOVENSKÁ POĽNOHOSPODÁRSKA UNIVERZITA V NITRE FAKULTA AGROBIOLÓGIE A POTRAVINOVÝCH ZDROJOV KATEDRA GENETIKY A ŠĽACHTENIA RASTLÍN

SLOVENSKÁ POĽNOHOSPODÁRSKA UNIVERZITA V NITRE FAKULTA AGROBIOLÓGIE A POTRAVINOVÝCH ZDROJOV KATEDRA GENETIKY A ŠĽACHTENIA RASTLÍN SLOVENSKÁ POĽNOHOSPODÁRSKA UNIVERZITA V NITRE FAKULTA AGROBIOLÓGIE A POTRAVINOVÝCH ZDROJOV KATEDRA GENETIKY A ŠĽACHTENIA RASTLÍN Prednáška z Genetiky mikroorganizmov Informačné molekuly v mikroorganizmoch

Διαβάστε περισσότερα

Tomáš Madaras Prvočísla

Tomáš Madaras Prvočísla Prvočísla Tomáš Madaras 2011 Definícia Nech a Z. Čísla 1, 1, a, a sa nazývajú triviálne delitele čísla a. Cele číslo a / {0, 1, 1} sa nazýva prvočíslo, ak má iba triviálne delitele; ak má aj iné delitele,

Διαβάστε περισσότερα

Modelovanie dynamickej podmienenej korelácie kurzov V4

Modelovanie dynamickej podmienenej korelácie kurzov V4 Modelovanie dynamickej podmienenej korelácie menových kurzov V4 Podnikovohospodárska fakulta so sídlom v Košiciach Ekonomická univerzita v Bratislave Cieľ a motivácia Východiská Cieľ a motivácia Cieľ Kvantifikovať

Διαβάστε περισσότερα

ΥΠΟΔΕΙΓΜΑΤΙΚΑ ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΚΕΦ. 2ο

ΥΠΟΔΕΙΓΜΑΤΙΚΑ ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΚΕΦ. 2ο ΥΠΟΔΕΙΓΜΑΤΙΚΑ ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΚΕΦ. 2ο 1. Δύο μόρια DΝΑ αποτελούνται το καθένα από 10.000 ζεύγη αζωτούχων βάσεων με 14 Ν. Τα μόρια μεταφέρονται σε περιβάλλον με ραδιενεργά νουκλεοτίδια που περιέχουν 15

Διαβάστε περισσότερα

Planárne a rovinné grafy

Planárne a rovinné grafy Planárne a rovinné grafy Definícia Graf G sa nazýva planárny, ak existuje jeho nakreslenie D, v ktorom sa žiadne dve hrany nepretínajú. D sa potom nazýva rovinný graf. Planárne a rovinné grafy Definícia

Διαβάστε περισσότερα

ΔΟΜΗ ΠΡΩΤΕΪΝΩΝ. Σελίδα 1 ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ. Τ. Θηραίου

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

Διαβάστε περισσότερα

TECHNICKÁ UNIVERZITA VO ZVOLENE. Prof. Ing. Dušan Gömöry, DrSc. GENETIKA

TECHNICKÁ UNIVERZITA VO ZVOLENE. Prof. Ing. Dušan Gömöry, DrSc. GENETIKA TECHNICKÁ UNIVERZITA VO ZVOLENE Lesnícka fakulta Katedra fytológie Prof. Ing. Dušan Gömöry, DrSc. GENETIKA 2014 prof. Ing. Dušan Gömöry, DrSc. Recenzenti: Schválené: Rektorom Technickej univerzity vo Zvolene

Διαβάστε περισσότερα

Προ- & μετα-αγωνιςτικό γεφμα Για ακλθτι βάρουσ 75kg. Μαρία Χολζβα, τελειόφοιτθ τμιματοσ Επιςτιμθσ Διαιτολογίασ & Διατροφισ Χαροκοπείου Πανεπιςτθμίου

Προ- & μετα-αγωνιςτικό γεφμα Για ακλθτι βάρουσ 75kg. Μαρία Χολζβα, τελειόφοιτθ τμιματοσ Επιςτιμθσ Διαιτολογίασ & Διατροφισ Χαροκοπείου Πανεπιςτθμίου Προ- & μετα-αγωνιςτικό γεφμα Για ακλθτι βάρουσ 75kg Μαρία Χολζβα, τελειόφοιτθ τμιματοσ Επιςτιμθσ Διαιτολογίασ & Διατροφισ Χαροκοπείου Πανεπιςτθμίου Προ-αγωνιςτικό γεφμα: ςυςτάςεισ 3-4 ϊρεσ πριν Υδατάνκρακεσ

Διαβάστε περισσότερα

Metódy vol nej optimalizácie

Metódy vol nej optimalizácie Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/28 Motivácia k metódam vol nej optimalizácie APLIKÁCIE p. 2/28 II 1. PRÍKLAD: Lineárna regresia - metóda najmenších štvorcov Na základe dostupných

Διαβάστε περισσότερα

Život vedca krajší od vysnívaného... s prírodou na hladine α R-P-R

Život vedca krajší od vysnívaného... s prírodou na hladine α R-P-R Život vedca krajší od vysnívaného... s prírodou na hladine α R-P-R Ako nadprirodzené stretnutie s murárikom červenokrídlym naformátovalo môj profesijný i súkromný život... Osudové stretnutie s murárikom

Διαβάστε περισσότερα

DNA. 2 η Βάση 3 η U C A G

DNA. 2 η Βάση 3 η U C A G DNA Ο Γενετικός κώδικας θα σας είναι χρήσιμος για να απαντήσετε ορισμένες από τις ερωτήσεις που ακολουθούν 1 η Βάση U C A G 2 η Βάση 3 η U C A G Βάση UUU φαινυλανανίνη UCU σερίνη UAU τυροσίνη UGU κυστεΐνη

Διαβάστε περισσότερα

Εφαρμοσμένη Βιοτεχνολογία Εργαστηριακή Άσκηση Εισαγωγή στην Βιοπληροφορική

Εφαρμοσμένη Βιοτεχνολογία Εργαστηριακή Άσκηση Εισαγωγή στην Βιοπληροφορική Εφαρμοσμένη Βιοτεχνολογία Εργαστηριακή Άσκηση Εισαγωγή στην Βιοπληροφορική Δραστηριότητες 1. Εύρεση γονιδίων/πρωτεϊνών από βάσεις δεδομένων 2. Ευθυγράμμιση και σύγκριση γονιδίων/πρωτεϊνών 3. Δημιουργία

Διαβάστε περισσότερα

KATALÓG KRUHOVÉ POTRUBIE

KATALÓG KRUHOVÉ POTRUBIE H KATALÓG KRUHOVÉ POTRUBIE 0 Základné požiadavky zadávania VZT potrubia pre výrobu 1. Zadávanie do výroby v spoločnosti APIAGRA s.r.o. V digitálnej forme na tlačive F05-8.0_Rozpis_potrubia, zaslané mailom

Διαβάστε περισσότερα

Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Βιοπληροφορική

Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Βιοπληροφορική Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Βιοπληροφορική Ενότητα 4: Πίνακες αντικατάστασης & οπτική σύγκριση αλληλουχιών Αν. καθηγητής Αγγελίδης Παντελής e-mail: paggelidis@uowm.gr ΕΕΔΙΠ Μπέλλου Σοφία

Διαβάστε περισσότερα

Návrh vzduchotesnosti pre detaily napojení

Návrh vzduchotesnosti pre detaily napojení Výpočet lineárneho stratového súčiniteľa tepelného mosta vzťahujúceho sa k vonkajším rozmerom: Ψ e podľa STN EN ISO 10211 Návrh vzduchotesnosti pre detaily napojení Objednávateľ: Ing. Natália Voltmannová

Διαβάστε περισσότερα

Vybrané kapitoly genetiky pre lesníkov

Vybrané kapitoly genetiky pre lesníkov Vybrané kapitoly genetiky pre lesníkov 1 NÁPLŇ A KLASIFIKÁCIA GENETIKY Genetika je veda o dedičnosti a premenlivosti živých organizmov. Pojem premenlivosti bol zadefinovaný v predchádzajúcej kapitole premenlivosť

Διαβάστε περισσότερα

x x x2 n

x x x2 n Reálne symetrické matice Skalárny súčin v R n. Pripomeniem, že pre vektory u = u, u, u, v = v, v, v R platí. dĺžka vektora u je u = u + u + u,. ak sú oba vektory nenulové a zvierajú neorientovaný uhol

Διαβάστε περισσότερα

5 -TACATGTCGCGATGCAAGTTCTAATCTCAATA CTT-3 3 -ATGTACAGCGCTACGTTCAAGATTAGAGTTAT GAA-5

5 -TACATGTCGCGATGCAAGTTCTAATCTCAATA CTT-3 3 -ATGTACAGCGCTACGTTCAAGATTAGAGTTAT GAA-5 1 ( ) 18 2011 : : (5) 1 5,. 1......... 2.. DNA.. mrna.. mrna.. DNA. 3. Ti........ 4......... 1 5 2 5. T....... DNA. : 1. Griffith. 8 2.. 3. : ). ) cdna. 7 6 4. DNA : ( ) 28% (G) 28%.. 4 1.,. 2 5 3., (

Διαβάστε περισσότερα

3. Striedavé prúdy. Sínusoida

3. Striedavé prúdy. Sínusoida . Striedavé prúdy VZNIK: Striedavý elektrický prúd prechádza obvodom, ktorý je pripojený na zdroj striedavého napätia. Striedavé napätie vyrába synchrónny generátor, kde na koncoch rotorového vinutia sa

Διαβάστε περισσότερα

ARMA modely čast 2: moving average modely (MA)

ARMA modely čast 2: moving average modely (MA) ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2014/2015 ARMA modely časť 2: moving average modely(ma) p.1/24 V. Moving average proces prvého rádu - MA(1) ARMA modely

Διαβάστε περισσότερα

Πιθανοθεωρητικά µοντέλα αναπαράστασης ακολουθιών

Πιθανοθεωρητικά µοντέλα αναπαράστασης ακολουθιών Πιθανοθεωρητικά µοντέλα αναπαράστασης ακολουθιών Vasilis Promponas Bioinformatics Research Laboratory Department of Biological Sciences University of Cyprus ΣΥΝΟΨΗ Εισαγωγή Αλυσίδες Markov και αλληλουχίες

Διαβάστε περισσότερα

Analýza údajov. W bozóny.

Analýza údajov. W bozóny. Analýza údajov W bozóny http://www.physicsmasterclasses.org/index.php 1 Identifikácia častíc https://kjende.web.cern.ch/kjende/sl/wpath_teilchenid1.htm 2 Identifikácia častíc Cvičenie 1 Na web stránke

Διαβάστε περισσότερα

24. Základné spôsoby zobrazovania priestoru do roviny

24. Základné spôsoby zobrazovania priestoru do roviny 24. Základné spôsoby zobrazovania priestoru do roviny Voľné rovnobežné premietanie Presné metódy zobrazenia trojrozmerného priestoru do dvojrozmernej roviny skúma samostatná matematická disciplína, ktorá

Διαβάστε περισσότερα

HASLIM112V, HASLIM123V, HASLIM136V HASLIM112Z, HASLIM123Z, HASLIM136Z HASLIM112S, HASLIM123S, HASLIM136S

HASLIM112V, HASLIM123V, HASLIM136V HASLIM112Z, HASLIM123Z, HASLIM136Z HASLIM112S, HASLIM123S, HASLIM136S PROUKTOVÝ LIST HKL SLIM č. sklad. karty / obj. číslo: HSLIM112V, HSLIM123V, HSLIM136V HSLIM112Z, HSLIM123Z, HSLIM136Z HSLIM112S, HSLIM123S, HSLIM136S fakturačný názov výrobku: HKL SLIMv 1,2kW HKL SLIMv

Διαβάστε περισσότερα

Improved Peptide and Protein Torsional Energetics with the OPLS-AA Force Field

Improved Peptide and Protein Torsional Energetics with the OPLS-AA Force Field Improved Peptide and Protein Torsional Energetics with the OPLS-AA Force Field Supplementary Information Michael J. Robertson, Julian Tirado-Rives, and William L. Jorgensen* Department of Chemistry, Yale

Διαβάστε περισσότερα

5 -TACATGTCGCGATGCAAGTTCTAATCTCAATA CTT-3 3 -ATGTACAGCGCTACGTTCAAGATTAGAGTTAT GAA-5

5 -TACATGTCGCGATGCAAGTTCTAATCTCAATA CTT-3 3 -ATGTACAGCGCTACGTTCAAGATTAGAGTTAT GAA-5 1 ( ) 18 2011 : : (5) 1 5,. 1......... 2.. DNA.. mrna.. mrna.. DNA. 3. Ti........ 4......... 1 5 2 5. T....... DNA. : 1. Griffith. 8 2.. 3. : ). ) cdna. 7 6 4. DNA : ( ) 28% (G) 28%.. 4 1.,. 2 5 3., (

Διαβάστε περισσότερα

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 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

Διαβάστε περισσότερα

Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich

Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich Tuesday 15 th January, 2013, 19:53 Základy tenzorového počtu M.Gintner Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich násobenie reálnym číslom tak, že platí:

Διαβάστε περισσότερα

Základné poznatky molekulovej fyziky a termodynamiky

Základné poznatky molekulovej fyziky a termodynamiky Základné poznatky molekulovej fyziky a termodynamiky Opakovanie učiva II. ročníka, Téma 1. A. Príprava na maturity z fyziky, 2008 Outline Molekulová fyzika 1 Molekulová fyzika Predmet Molekulovej fyziky

Διαβάστε περισσότερα

Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín. Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť.

Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín. Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť. Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť. Ktoré fyzikálne jednotky zodpovedajú sústave SI: a) Dĺžka, čas,

Διαβάστε περισσότερα

ΑΣΚΗΣΕΙΣ ΠΡΟΣ ΛΥΣΗ ΚΕΦ. 2ο

ΑΣΚΗΣΕΙΣ ΠΡΟΣ ΛΥΣΗ ΚΕΦ. 2ο ΑΣΚΗΣΕΙΣ ΠΡΟΣ ΛΥΣΗ ΚΕΦ. 2ο ΟΜΑΔΑ Α 1. Μόριο DΝΑ αποτελείται από 8.000 αζωτούχες βάσεις με 14 Ν. Το μόριο μεταφέρεται σε περιβάλλον με ραδιενεργά νουκλεοτίδια που περιέχουν 15 Ν και αντιγράφεται δύο φορές.

Διαβάστε περισσότερα

Definícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita.

Definícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita. Teória prednáška č. 9 Deinícia parciálna deriácia nkcie podľa premennej Nech nkcia Ak eistje limita je deinoaná okolí bod [ ] lim. tak túto limit nazýame parciálno deriácio nkcie podľa premennej bode [

Διαβάστε περισσότερα

Genetický algoritmus

Genetický algoritmus Genetický algoritmus Vladimír Kvasnička Katedra matematiky Chemickotechnologická fakulta STU 812 35 Bratislava email: kvasnic@cvt.stuba.sk Stretnutie so študentmi Gymnázia z Groesslingovej ul., ktoré sa

Διαβάστε περισσότερα

BIOXHMEIA, TOMOΣ I ΠANEΠIΣTHMIAKEΣ EKΔOΣEIΣ KPHTHΣ ΑΠΕΙΚΟΝΙΣΗ ΜΟΡΙΑΚΩΝ ΔΟΜΩΝ

BIOXHMEIA, TOMOΣ I ΠANEΠIΣTHMIAKEΣ EKΔOΣEIΣ KPHTHΣ ΑΠΕΙΚΟΝΙΣΗ ΜΟΡΙΑΚΩΝ ΔΟΜΩΝ BIOXHMEIA, TOMOΣ I ΠANEΠIΣTHMIAKEΣ EKΔOΣEIΣ KPHTHΣ ΑΠΕΙΚΟΝΙΣΗ ΜΟΡΙΑΚΩΝ ΔΟΜΩΝ ΑΠΕΙΚΟΝΙΣΗ ΜΟΡΙΑΚΩΝ ΔΟΜΩΝ ΜΟΡΙΑΚΑ ΜΟΝΤΕΛΑ 1: ΧΩΡΟΠΛΗΡΩΤΙΚΟ ΜΟΝΤΕΛΟ (SPACE-FILLING) 1: ΧΩΡΟΠΛΗΡΩΤΙΚΟ ΜΟΝΤΕΛΟ (SPACE-FILLING)

Διαβάστε περισσότερα

Metodicko pedagogické centrum. Národný projekt VZDELÁVANÍM PEDAGOGICKÝCH ZAMESTNANCOV K INKLÚZII MARGINALIZOVANÝCH RÓMSKYCH KOMUNÍT

Metodicko pedagogické centrum. Národný projekt VZDELÁVANÍM PEDAGOGICKÝCH ZAMESTNANCOV K INKLÚZII MARGINALIZOVANÝCH RÓMSKYCH KOMUNÍT Moderné vzdelávanie pre vedomostnú spoločnosť / Projekt je spolufinancovaný zo zdrojov EÚ Kód ITMS: 26130130051 číslo zmluvy: OPV/24/2011 Metodicko pedagogické centrum Národný projekt VZDELÁVANÍM PEDAGOGICKÝCH

Διαβάστε περισσότερα

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2013/2014 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/27

Διαβάστε περισσότερα

Anima-Strath. Απόλυτα φυσικό & φυτικό διατροφικό συμπλήρωμα

Anima-Strath. Απόλυτα φυσικό & φυτικό διατροφικό συμπλήρωμα Anima-Strath Απόλυτα φυσικό & φυτικό διατροφικό συμπλήρωμα Πληροφορίες Bio-Strath AG, Herrliberg - Factory Πληροφορίες Bio-Strath AG Έτος ιδρύσεως το 1961 από τον Fred Pestalozzi. Επεξεργασία στο Herrliberg

Διαβάστε περισσότερα

LR(0) syntaktické analyzátory. doc. RNDr. Ľubomír Dedera

LR(0) syntaktické analyzátory. doc. RNDr. Ľubomír Dedera LR0) syntaktické analyzátory doc. RNDr. Ľubomír Dedera Učebné otázky LR0) automat a jeho konštrukcia Konštrukcia tabuliek ACION a GOO LR0) syntaktického analyzátora LR0) syntaktický analyzátor Sám osebe

Διαβάστε περισσότερα

Pevné ložiská. Voľné ložiská

Pevné ložiská. Voľné ložiská SUPPORTS D EXTREMITES DE PRECISION - SUPPORT UNIT FOR BALLSCREWS LOŽISKA PRE GULIČKOVÉ SKRUTKY A TRAPÉZOVÉ SKRUTKY Výber správnej podpory konca uličkovej skrutky či trapézovej skrutky je dôležité pre správnu

Διαβάστε περισσότερα

BIOXHMEIA, TOMOΣ I ΠANEΠIΣTHMIAKEΣ EKΔOΣEIΣ KPHTHΣ ΑΠΕΙΚΟΝΙΣΗ ΜΟΡΙΑΚΩΝ ΔΟΜΩΝ

BIOXHMEIA, TOMOΣ I ΠANEΠIΣTHMIAKEΣ EKΔOΣEIΣ KPHTHΣ ΑΠΕΙΚΟΝΙΣΗ ΜΟΡΙΑΚΩΝ ΔΟΜΩΝ BIOXHMEIA, TOMOΣ I ΠANEΠIΣTHMIAKEΣ EKΔOΣEIΣ KPHTHΣ ΑΠΕΙΚΟΝΙΣΗ ΜΟΡΙΑΚΩΝ ΔΟΜΩΝ ΑΠΕΙΚΟΝΙΣΗ ΜΟΡΙΑΚΩΝ ΔΟΜΩΝ ΜΟΡΙΑΚΑ ΜΟΝΤΕΛΑ 1: ΧΩΡΟΠΛΗΡΩΤΙΚΟ ΜΟΝΤΕΛΟ (SPACE-FILLING) 1: ΧΩΡΟΠΛΗΡΩΤΙΚΟ ΜΟΝΤΕΛΟ (SPACE-FILLING)

Διαβάστε περισσότερα

Goniometrické substitúcie

Goniometrické substitúcie Goniometrické substitúcie Marta Kossaczká S goniometrickými funkciami ste sa už určite stretli, pravdepodobne predovšetkým v geometrii. Ich použitie tam ale zďaleka nekončí. Nazačiatoksizhrňme,čoonichvieme.Funkciesínusakosínussadajúdefinovať

Διαβάστε περισσότερα

16. Základne rovinné útvary kružnica a kruh

16. Základne rovinné útvary kružnica a kruh 16. Základne rovinné útvary kružnica a kruh Kružnica k so stredom S a polomerom r nazývame množinou všetkých bodov X v rovine, ktoré majú od pevného bodu S konštantnú vzdialenosť /SX/ = r, kde r (patri)

Διαβάστε περισσότερα

ΒΙΟΛΟΓΙΑ ΘΕΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 30-05-2012 ΑΠΑΝΤΗΣΕΙΣ

ΒΙΟΛΟΓΙΑ ΘΕΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 30-05-2012 ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑ Α. Α1 α Α2 γ Α3 δ Α4 β Α5 γ ΘΕΜΑ Β. ΒΙΟΛΟΓΙΑ ΘΕΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 30-05-2012 ΑΠΑΝΤΗΣΕΙΣ Β1. Σχ. Βιβλίο σελ. 120: «Για την επιλογή οργάνων συμβατών για μεταμόσχευση.» μέχρι «και

Διαβάστε περισσότερα

Komplexné čísla, Diskrétna Fourierova transformácia 1

Komplexné čísla, Diskrétna Fourierova transformácia 1 Komplexné čísla, Diskrétna Fourierova transformácia Komplexné čísla C - množina všetkých komplexných čísel komplexné číslo: z = a + bi, kde a, b R, i - imaginárna jednotka i =, t.j. i =. komplexne združené

Διαβάστε περισσότερα

Úvod do lineárnej algebry. Monika Molnárová Prednášky

Úvod do lineárnej algebry. Monika Molnárová Prednášky Úvod do lineárnej algebry Monika Molnárová Prednášky 2006 Prednášky: 3 17 marca 2006 4 24 marca 2006 c RNDr Monika Molnárová, PhD Obsah 2 Sústavy lineárnych rovníc 25 21 Riešenie sústavy lineárnych rovníc

Διαβάστε περισσότερα

množiny F G = {t1, t2,, tn} T a pre ľubovoľný valec C so základňou B1, B2,, Bn v bodoch t1, t2,, tn, takou, že pre t G - F je Bt = E, platí PF(C) = PG

množiny F G = {t1, t2,, tn} T a pre ľubovoľný valec C so základňou B1, B2,, Bn v bodoch t1, t2,, tn, takou, že pre t G - F je Bt = E, platí PF(C) = PG STOCHASTICKÝ PROCES Definícia stochastického procesu Definícia 1 Nech (Ω, F, P) je pravdepodobnostný priestor a nech T je podmnožina R. Pre každé t T nech X(t, ω) je náhodná premenná definovaná na pravdepodobnostnom

Διαβάστε περισσότερα

Odporníky. 1. Príklad1. TESLA TR

Odporníky. 1. Príklad1. TESLA TR Odporníky Úloha cvičenia: 1.Zistite technické údaje odporníkov pomocou katalógov 2.Zistite menovitú hodnotu odporníkov označených farebným kódom Schématická značka: 1. Príklad1. TESLA TR 163 200 ±1% L

Διαβάστε περισσότερα

Motivácia pojmu derivácia

Motivácia pojmu derivácia Derivácia funkcie Motivácia pojmu derivácia Zaujíma nás priemerná intenzita zmeny nejakej veličiny (dráhy, rastu populácie, veľkosti elektrického náboja, hmotnosti), vzhľadom na inú veličinu (čas, dĺžka)

Διαβάστε περισσότερα

Matematika 2. časť: Funkcia viac premenných Letný semester 2013/2014

Matematika 2. časť: Funkcia viac premenných Letný semester 2013/2014 Matematika 2 časť: Funkcia viac premenných Letný semester 2013/2014 RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk

Διαβάστε περισσότερα

ΜΟΡΙΑΚΕΣ ΜΕΘΟΔΟΙ ΚΡΙΤΗΡΙΑ ΕΠΙΛΟΓΗΣ ΑΞΙΟΛΟΓΗΣΗ

ΜΟΡΙΑΚΕΣ ΜΕΘΟΔΟΙ ΚΡΙΤΗΡΙΑ ΕΠΙΛΟΓΗΣ ΑΞΙΟΛΟΓΗΣΗ - - ό ό : Ω ί ό ί ώ.. ά ή ί ός ή ς ύ ί ί ή έ ώ ό. ή ς ά ς ής ό ός ά ς ή έ ός ή ς ί ής ί ς. ό έ ώ - ώ ή ής ή ς- ί ά ά ς ί ς. ά ί ί έ έ ά ύ ή, ό ί ά, ό ό ά έ ά ής ί ύ George Wald ή ί έ ς ί ύ ό ς ί ς ά έ

Διαβάστε περισσότερα