CC BY
14154
Секция 9
Комбинаторная структура моделей кольцевых генных сетей
Н. Е. Кириллова
Институт математики им. С. Л. Соболева СО РАН
Email: [email protected]
DOI: 10.24411/9999-017A-2019-10311
Изучаются характеристики математических моделей функционирования генных сетей, см. [1,2]. Для нелинейной 9-мерной динамической системы, у которой переменные - это концентрации белков и синтезирующих их мРНК, а параметры - скорости реакций, описан фазовый портрет, найдено условие существования цикла. Для подобной 18-мерной системы, моделирующей более сложную генную сеть, сформулированы достаточные условия существования двух циклов. Каждая такая динамическая система имеет ровно одну стационарную точку. Построен алгоритм описания комбинаторных структур фазовых портретов подобных систем. Проведены численные эксперименты в пакете STEP.
Работа выполнена при финансовой поддержке РФФИ (проект 18-01-00057). Список литературы
1. Голубятников В. П., Кириллова Н.Е. О циклах в моделях функционирования кольцевых генных сетей // Сиб. журнал чистой и прикл. матем. 2018 Т. 18, № 1. С. 54-63.
2. Аюпова Н.Б., Голубятников В.П., Казанцев М.В. О существовании цикла в одной несимметричной модели молекулярного репрессилятора // Сиб. журн. вычисл. матем. 2017. Т. 20, № 2. С. 121-129.
Разработка методов автоматического определения количественных характеристик, описывающих фенотипические признаки колоса пшеницы
Е. Г. Комышев\ М. А. Генаев1, Д. А. Афонников1,2 1Институт цитологии и генетики СО РАН 2Новосибирский государственный университет Email: [email protected] DOI: 10.24411/9999-017A-2019-10312
Форма и структура колоса - важнейшие характеристики возделываемых злаков, связанные с такими их хозяйственно ценными качествами, как продуктивность, отсутствие ломкости колоса и легкость обмолота. Для выявления генов, контролирующих данные признаки, необходим сбор и анализ большого количества морфометрических данных, которые в большинстве исследований выполняются экспертами на основании визуального анализа колоса и измерений вручную. Автоматизация этого процесса за счет внедрения технологий анализа цифровых изображений, использования баз данных и мобильных устройств позволит сократить затраты времени на сбор и обработку данных.
Мы предлагаем информационную систему для аннотации морфометрических характеристик SpikeDroidDB (http://spikedroid.biores.cytogen.ru) и методы автоматического определения количественных характеристик, описывающих фенотипические признаки колоса пшеницы, такие как: тип формы колоса, его размеры, плотность, остистость, количество зерен в колосе, их размеры, округлость и другие параметры. Метод морфометрии зерен реализован в виде мобильного приложения SeedCounter (https:// play.google.com/store/apps/details?id=org.wheatdb.seedcounter). Метод морфометрии колоса реализован в виде консольного Java приложения.
Работа выполнена при финансовой поддержке Российского научного фонда (код проекта 17-74-10148).
MiCoSi: открытый пакет для компьютерного моделирования митоза в стадиях прометфазы, метафазы и анафазы
М. А. Кривов, П. С. Иванов
Московский государственный университет им. М. В. Ломоносова
Email: [email protected]
DOI: 10.24411/9999-017A-2019-10313
Актуальной проблемой биофизики является изучение процессов, протекающих при митотическом делении клетки. Сегодня, благодаря различным методам синхронизации делящихся культур, имеются точные описания каждой фазы митоза, однако до сих пор отсутствует детальное понимание механизмов,
Компьютерная биология
155
позволяющих клетке при всем многообразии протекающих в ней процессов в результате митоза перейти в строго ожидаемое состояние.
К настоящему времени предложено множество математических моделей, описывающих отдельные стадии митоза на уровне как всей клетки, так и ее частей [1]. Результаты численного моделирования верифицируются путем сопоставления с данными экспериментов, однако это не всегда позволяет исключить конкурирующие интерпретации одних и тех же явлений.
В докладе представлены промежуточные результаты проекта разработки расширяемой мета-модели, описывающей три последовательные фазы митоза, а также ее реализации в виде программного комплекса с открытым исходным кодом [2]. В отличие от схожих работ, подобная концепция "модели-конструктора" позволяет оценить долгосрочный эффект от выбора конкретных моделей микро-уровня, например, проверить, как влияет рост тубулиновых микротрубочек на процесс центрирования хромосом перед их расхождением.
Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-07-01164а. Список литературы
1. Mcintosh R. et. al., Quarterly Reviews of Biophysics 45, 2 (2012), pp. 147-207.
2. Портал проекта MiCoSi: https://github.com/m-krivov/MiCoSi (дата обращения: 23.03.2019).
Методы компьютерного моделирования иерархических биологических систем
С. А. Лашин1,2, Ф. В. Казанцев1,2, А. И. Клименко1,2 Т. Н. Лахова1, А. А. Смирнова1,2, Ю. Г. Матушкин1,2
1 Федеральный исследовательский центр Институт цитологии и генетики СО РАН
2Новосибирский государственный университет
Email: [email protected]
DOI: 10.24411/9999-017A-2019-10314
Биологические системы являются сложноорганизованными иерархическими системами, с взаимной регуляцией внутри и между различными уровнями организации. Мы представляем методы моделирования подобных систем, а также серию программных комплексов, ориентированных на решение задач в области микробиологии [1-2], популяционной генетики и молекулярной эпидемиологии [3]. Используются агентно-ориентированные многоуровневые модели, учитывающая такие уровни биологической организации как генетический, метаболический, клеточный, популяционный, экологический, а также социальный. Для каждого уровня реализованы библиотеки подмоделей, что позволяет исследовать комплексную модель, комбинируя различные сочетания подмоделей между собой. Наиболее представленной является библиотека метаболических подмоделей, в которой содержатся как простые модели отдельных метаболических реакций, так и сложные модели метаболических систем. В работе также приводится описание Интернет-доступного программного комплекса MAMMOTh [4] (http:// mammoth.biomodelsgroup.ru), содержащем базу данных и средства построения комплексных моделей молекулярно-генетических систем бактерий.
Работа выполнена при финансовой поддержке Бюджетного Проекта (код проекта 0259-2019-0008). Список литературы
1. Lashin S.A. et al. HEC 2.0: improved simulation of the evolution of prokaryotic communities // Математическая биология и биоинформатика. 2014. Т. 9, № 2, С. 585-596.
2. Klimenko A.I. et al. Spatial heterogeneity promotes antagonistic evolutionary scenarios in microbial community explained by ecological stratification: a simulation study // Ecological modelling. 2019. Т. 16, № 1, S10.
3. Lashin S.A. et al. Agent-based modelling of genetic deafness propagation under various sociodemographic conditions // Proceedings of the 3rd International Symposium "Mathematical Modeling and High-Performance Computing in Bioinformatics, Biomedicine and Biotechnology". Novosibirsk: 2018. P. 41.
4. Kazantsev F.V. et al. MAMMOTh: a new database for curated MAthematical Models of bioMOlecular sysTems // Journal of bioinformatics and computational biology. 2018. Т. 16, № 01, 1740010.
