A gyógyszergyárakról. Mi a cél? A jogi környezet. Matematika a biológiában és a gyógyszerkutatásban & a webgráf
|
|
- Vince Kerekes
- 8 évvel ezelőtt
- Látták:
Átírás
1 Matematika a biológiában és a gyógyszerkutatásban és a webgráf Ördög Rafael, Bánky Dániel, Iván Gábor Juhász Péter, Szerencsi Balázs Grolmusz Vince matematikus egyetemi tanár ELTE Matematikai Intézet Protein Információs Technológia Csoport Matematika a biológiában és a gyógyszerkutatásban & a webgráf Webgráf: A WWW gráfja, a 90-es évek elején nézték komolyan (pl. Google PageRank: a fontos csúcsok meghatározása) Fehérje-fehérje interakciós gráfok: ezredfordulótól nézik széleskörően Mirıl lesz szó? A matematika alkalmazásáról a biológiában A webgráfokra kifejlesztett eljárások biológiai alkalmazásai Erdıs Webgráf Szerver Mi a cél? Szinte mindig: betegségek gyógyítása, vagy legalábbis kezelése (HIV) gyógyszeres vagy egyéb (pl. gén, vagy immunológiai (vakcinák) terápiával). A gyógyszergyárakról A magyar költségvetés 010-ben 13 x 10 1 Ft, azaz 60 milliárd USD. (a Harvard Egyetem vagyona (endowment) 7 milliárd USD) A Pfizer 008-as bevételei 48 milliárd USD, nyeresége 8 milliárd USD. Egy gyógyszermolekula kifejlesztése 1 milliárd USD, és utána még óriásit lehet bukni vele (perek, ügyvédek, kártérítések, piacról való kivonás) A gyógyszergyárak nem nagyon akarnak új gyógyszereket kifejleszteni: abból csak baj lehet. Nagyon sok döntés egy gyógyszer kifejlesztése: mindig megkérdezik: menjünk-e tovább? Sokszor rossz döntést hoznak, nem mindig megfelelıen tájékozott emberek. Pl. BCG oltás: ma nem engedélyeznék. Nagy veszély: Találunk egy jó gyógyszermolekulát -> fejlesztjük amíg tudjuk -> (el-oda) adjuk egy gyógyszergyárnak -> kizárólagosságot követel meg magának -> utána kidobja a molekulánkat, és nem lesz belıle semmi Az aszpirint kihozni más csomagolásban: kicsi, de biztos jövedelem; Új rákgyógyszerrel kijönni: kockázatos, és kicsi a piaca: a beteg vagy meggyógyul, és azért nem szedi tovább, vagy Elıny a pszichiátriai gyógyszereknél: pl. Cavinton, antidepresszánsok, neurodegenerativ betegségek ellenei szerek: sok-sok évig, naponta szedik, sokan. Az FDA és környéke, azaz az állami bürokrácia Ugye, mindenki kapott kiskorában BCG oltást? Ma ezt nem engedélyeznék, mert a HIV pozitívok komolyan megbetegedhetnek tıle, Hasonló a helyzet a penicilinnel vagy az aszpirinel is: (nem vicc) Fen-Phen and Vioxx: kivonták a forgalomból, sok milliárd $ veszteség Penicillin allergiás reakciója sokkal több embert ölt meg, mint a Vioxx, Aszpirin gyomorvérzést okozhat Furcsa világban élünk; ennek megváltoztatása nem a mi dolgunk, de azért szomorú: tízmilliók halnak meg borzasztó betegségekben évente az idióták miatt, mert nem engedélyezik a jó gyógyszereket, mert akinek valami ritka genetikai rendellenessége van, és lekvárt evett reggelire, és fáj a torka, és erıs hasmenés gyötri, annak esetleg megárthat a gyógyszer A jogi környezet Sok százmillió dolláros kártérítési perek (class action-ok) az USA-ban a gyógyszergyárak ellen; Ez hátráltatja a kutatást, nagyon drágává teszi a gyógyszerfejlesztést, jó gyógyszereket kidobnak, szomorú. Segíthet: a személyreszabott orvoslás 1
2 A biológiai, orvosi kutatások és a pénz Drága: sok anyag, vegyszer, több százmillió Ft-os eszközök (röntgenkrisztallográf, NMR, D gélelektroforézis, MS, szekvenátorok). Nagy munkaerıigényő Sok pénz kell hozzá, viszont nagy a kereslet is jó ötletekre és eljárásokra Bio-forradalom: vegyészek, fizikusok, matematikusok sokasága szeretne a piacból részt kapni Q és a KKKI, Enzimológiai Intézet a szomszédba költözik Izgalmas munka, ígéretes jövı. Kutatási feltételek ma Az internet miatt hihetetlenül jók; Olcsóak a számítógépek, kommunikáció Itthon is, másutt is vannak nehézségek, de a diákjaim évente többször mennek külföldi konferenciára, évente egyszerkétszer Amerikába vagy Ázsiába is Folyóiratokhoz, cikkekhez való hozzáférés igen jó (nem az ELTEnek köszönhetıen, hanem az open access-nek). II. rész: Hogyan keresünk és találunk új gyógyszermolekulákat? Miért fehérje a cél? A fehérjék egy jelentıs része enzim, (azaz katalizátor), mások segítik az enzimeket, megint mások a sejt kommunikációjában fontosak, vagy egy vázat adnak más folyamatok lezajlásának. Ha ezeket megzavarjuk, az enzimeket gátoljuk vagy mőködésüket elısegítjük, akkor befolyásoljuk a sejt mőködését. Lehet más is (sirna), errıl most ne beszéljünk. Hogyan válasszuk ki, hogy mely fehérje mőködését akarjuk befolyásolni? Olyan fontos fehérje mőködését kellene befolyásolni, amely nem jár káros mellékhatással. Pl. ha egy baktériumot akarunk kiirtani, akkor olyan bakteriális fehérjét jó megcélozni, amelyhez hasonló nincs az emberben. Ehhez: szekvenciális hasonlóságot jó megnézni (sok szó lesz errıl), illetve a funkcióját is a fehérje hálózatában, kapcsolatrendszerében. Célfehérje azonosítás Szekvenciák távolsága Fehérjék fontossága Fehérjék funkciója és kapcsolati rendszere (azaz gráfja vagy hálózata). Ezekrıl részletesen beszélünk majd. Ez sokkal jobb és egzaktabb módszer, mint a ma is sokat használt megálmodás, azaz azt a fehérjét támadják a kutatók, melyet ismerik, amivel tudnak dolgozni.
3 Megvan a célfehérje, hogyan használjuk? Jó lenne ha sokat tudnánk róla (3D szerkezet), lehetne termelni (beklónozni). 3D szerkezet: ez azért fontos, hogy a kismolekulákat hozzá tudjuk illeszteni Hogyan lehet ezt meghatározni? A fehérjék legnagyobb részénél (globuláris) az aminosavszekvencia meghatározza a (lényegileg egyértelmő) szerkezetet. Kiszámolni nehéz. Mivel támadjuk a fehérjét? Fehérjével nem jó: vagy immunválaszt vált ki (iv) vagy megemésztjük (orálisan). Hasonlóan sok aminosavból álló peptidekkel sem jó, ugyanezért. Kis peptidekkel vagy egyéb kismolekulákkal jó támadni a fehérjét: Az a cél, hogy a kismolekula a fehérjéhez kössön, és vagy megváltoztassa a konformációját (alakját), vagy pedig elzárja az aktív centrumát. Röntgenkrisztallográfia, NMR Honnan szerzünk kismolekulákat? Virtuális screening Kismolekula könyvtár fehérjeszerkezet dokkolóprogram kiértékelés Egy kismolekula leszállítva kb millió kismolekula 100 millió. Ezeket ellenırizni kell (hogy tényleg azok-e), esetleg tisztítani, tárolni. Utána kidolgozni a mérést, és mind az egymilliót megmérni a fehérjével: ehhez elég sok fehérje kell. Vagy: virtuálisan keresünk jó fehérje-kismolekula párt. Kismolekula könyvtár A ZINC. Vegyületgyártók katalógusaiból összeállítva. 13 millió megvásárolható vegyület, dokkolásra kész 3D szerkezete, beszerzési információval. Dokkolóprogram Több dokkolóprogram kapható vagy letölthetı. A matematikai feladat megfogalmazása diszkrét-folytonos megoldások Saját Fregatt programunk, amivel már sok gyógyszerjelölt molekulát találtunk 3
4 Listák Sok jó találat legjobbak szőrése megrendelése laboratóriumi kipróbálása Ez már kivitelezhetı: 100 molekula , ez már kezelhetı. Wet-lab tesztek: kötés gátlás biológiai hatás sejttenyészet biológiai hatás állatkísérletek ADMET (absorption, distribution, metabolism, excretion, toxicology) Klinikai vizsgálatok I. II. III. Engedélyezés Néhány vélemény szerint: A jelenlegi egy-egy fehérjét vagy egy receptort tekintı vagy támadó terápiás eljárásokból túl sok új eredményt nem lehet kihozni. Sok betegség komplex, sok biokémiai folyamatot érint, sok fehérjével van kapcsolatban. Pl. depresszió: nem felelıs érte egyetlen fehérje. Molekuláris mechanizmus nincs felderítve, molekuláris marker sincs. Több fehérje együttes hatását kell nézni! Rendszerbiológia, Proteomika, (metabolomika, genomika, stb.) Proteomikai technikák széles körő elterjedése Hatalmas mennyiségő mérési adat és fehérjehálózat Az eredmények kézzel, ránézéssel nem értékelhetık ki Gyors, hibatőrı, biológiailag verifikált kiértékelési eljárásokra van szükség Itt és most nagy hálózatokban a fontos csúcsok megtalálására szeretnénk koncentrálni. Egy csúcs lehet fontos: 1. önmagában, a teljes hálózatban,. vagy néhány más csúcshoz képest A. típusú kérdés a biológiában például proteomikai mérések kiértékelésénél merül fel: Ha néhány fehérje koncentrációja megváltozik egy folyamatban, akkor szeretnénk tudni, hogy mely más fehérjék vannak ezekkel szoros kapcsolatban. Ha nem a saját méréseinket használjuk, hol találunk fehérjehálózatokat? MINT (UniRoma): él, fehérje, csak kisérleti DIP (UCLA): él, 0 78 fehérje HPRD (Johns Hopkins): él, fehérje, humán IntAct (EMBL-EBI): él, fehérje KEGG (Kyoto Univ.) metabolikus hálózatok Generált hálózatok: nascent.pitgroup.org, nem csak modell organizmusokra 4
5 Milyen hálózatokat tekintünk? Fizikai interakciós hálózatok: Csúcsok: fehérjék, élek: két fehérje éllel van összekötve, ha köztük interakció van: mért {TAP, YH, ko-immunoprecitipáció vagy egyéb}, jósolt Irányítatlan gráfok: Metabolikus hálózatokat: Milyen hálózatokat tekintünk? Csúcsok: reakciók, élek az A-ból B-be: ha van az A reakciónak olyan terméke, amelyet a B használ fel. A B Az éleket lehet a fluxussal is címkézni. Példa: Az Mtb mikolsav pathway-e Diverzió: Hogy mőködik egy webkeresı? Letöltés (robot, crawler) Tárolás Indexezés Inverz indexezés De: kell, hogy a több milliárd weboldal közül a többmillió találatból a találati lista elején a FONTOS találatok legyenek. Web-gráf: csúcsok: a web oldalai élek: A B, ha az A oldal hivatkozik B-re; DEF : Fontos oldal azaz fontos csúcs: amelyre sok fontos csúcs hivatkozik... DEF 1:Fontos oldal azaz fontos csúcs: amelyre sokan hivatkoznak,azaz magas a be-foka: Sok alkalmazás; scientometria: hivatkozások száma, impakt faktor be-fok=4 hátránya: nem veszi figyelembe a hivatkozók minıségét, ezért befolyásolható Mint definíció, ez így persze rossz. De könnyen lehet egy iteratív algoritmust csinálni belıle: az elején mindenkinek adok egy egységnyi fontosságot, aztán ezt (pongyolán fogalmazva) a csúcsok átörökítik azokra a csúcsokra, akikre mutatnak, és ezt ismételjük, amíg egy stabilizálódott határ-eloszláshoz nem jutunk (ez legtöbbször létezik). Könnyen, gyorsan számolható, általában gyorsan konvergál. Ennek az eljárásnak a hibatőrését és robusztusságát lehet egy új ötlettel növelni. Ezt véletlen bolyongással lehet jól elmondani. 5
6 Elindítunk egy sétáló embert a gráfon: ha egy csúcsba ér, akkor egyenletes valószínőséggel valamely kimenı élen megy tovább, vagy egy c valószínőséggel teleportál, egy véletlenül kiválasztott csúcsba: Pl. c=0. 8/50 Egy csúcs fontossága az a valószínőség, amellyel ott tartózkodunk (pontosabban a határeloszlás) Irányítatlan gráfokban (ilyenek a fizikai interakciókat leíró gráfok) a PageRang nagyjából arányos a fokszámmal, azaz felesleges használni. De! Metabolikus gráfokban érdemes, hiszen azok irányítottak; sıt, a fluxust is figyelembe lehet venni: az élválasztási valószínőségeket lehet vele súlyozni. Igaz: A nagy befokú csúcsok PageRangja átlagosan nagy. Tehát hub-okra nagy értéket ad a PageRang általában. Érdemes nézni azt is, hogy mely csúcsok kapnak a be-fokuknál nagyobb/kisebb PageRangot. Példa: Az Mtb mikolsav-szintézis gráfja Relativ PageRank PageRank irányítatlan gráfban kb. arányos a csúcsok fokszámával. Nézzük a PageRank(v)/deg(v) hányadost Ez irányítatlan gráfban megközelítıleg konstans minden csúcsra. Nagy értéke a gráf belsı tulajdonságaitól függ, és független a hub tulajdonságtól! A hányados a mikolsav útvonalra: Más fajok más hálózataira: Node ID inha fabh kasb kasa UNK1 fabd pks13 fas accd5,accd4,acca3 acps fas PageRank scaled In-Degree PageRank/In-Degree Mycobacterium tuberculosis, Plasmodium falciparum and MRSA Staphylococcus aureus-ban is nagyon sok olyan kisfokú (nem-hub) fehérjét találtunk magas PageRank/degree hányadossal, amelyek bizonyítottan jó célpontok. Persze sok olyat is, amelyekrıl ez nem ismert lehetséges új célpontok. 6
7 PageRang másik relativizált változata: a perszonalizált PageRang 1-(c+d) vsz. c vsz-el teleportál egyenletesen; d vsz-el a kiválasztott csúcsokba Azért nevezték perszonalizáltnak, mert a web egyes felhasználóinak személyes érdeklıdését is figyelembe lehet venni a csúcsok fontosságának kiszámolásánál. A perszonalizált PageRank néhány tulajdonsága: A biológiai hálózatok jelenlegi méreteire könnyen, gyorsan számolható; hibatőrı, Jól használható irányítatlan, fizikai interakciós hálózatokra is óriási hálózatokra (kb. 100 millió csúcstól) jó közelítı algoritmusok vannak a gyors kiszámítására is (így pl. www, vagy az agy hálózatára is használható {Fogaras, Rácz}). Miért hangsúlyozzuk a kiértékelı módszer hibatőrését? Proteomikai mérések erısen laborfüggı eredményeket szolgálatnak gyakran; Pl. 006-ban a Nature ugyanazon számában jelent meg Gavin et al. és Krogan et al. két cikke az élesztı (S. cerevisiae) teljes interaktómjáról; nagy (40% feletti) különbségek voltak a két csoport eredményei között. Értelmes kiértékeléshez jelentısen hibatőrı eljárások kellenek, különben értéktelen eredményeket kapunk. Alkalmazás proteomikai adatok analízisére Forgber et al (PlosOne 009. ápr.) melanoma páciensek vérszérumában az alábbi fehérjék megnövekedett szintjét találta: Enolase 1: P06733 Calumenin: O4385 HSP70 protein B: P08107,4-dienoyl-CoA reductase: Q9NUI1 Aldolase A: P04075 Fumarate hydratase: P07954 Aldose reductase: P1511 HSP70 protein 9B: Q96EY1 Aconitase : P1399 hnrnp1: P6599 VCP: P5507 LDH H: P07195 LAP3: Q944P7 UniProt accession numbers A perszonalizált PageRang biológiai alkalmazásai - Tekintettük a HPRD-ben megtalálható humán interaktomot ( él, fehérje); perszonalizáltunk az elızı oldalon látható mérési eredményekre megnéztük a legnagyobb perszonalizált PageRang-ú csúcsokat: 7
8 Az Erdıs Webgráf Szerver A www gráfja: csúcsok weboldalak, az X csúcsból irányított él mutat az Y csúcsba, ha az X oldal (hiper)hivatkozik az Y oldalra. Ez a webgráf. Példa: kp.elte.hu hivatkozik a webgraph.org-ra, akkor kp.elte.hu web-graph.org 356 csúcs, él, sugarú környezet Sokan és sokat vizsgálták: Google PageRank Hasonló oldalak (SimRank, ko-citáció) Power-law, small world, scale free networks, stb. Intézetünkben sokan foglalkoznak nagy gráfokkal (LEMON projekt, Nagy Hálózatok Kutatócsoport). Kerestünk, és nem találtunk rendszeresen frissített, fenntartott webgraph oldalt. Májusban indult: web-graph.org címen. Erdıs Pál ( ) Minden idık egyik legismertebb magyar matematikusa, az Erdıs-Rényi véletlen gráfmodell egyik létrehozója. 15 éve hunyt el. Cél: használható mérető, rendszeresen frissített webgráf létrehozása Élek domének közt Így pár százmillió csúcsnál nem lesz több. Nehézségek: A web letöltése nagy (URL-ek száma 10 1 ), és minden URL-t meg kell nézni elıbb-utóbb Adatbázis: Egyetlen webcrawler egy sztenderd MySQL adatbázist másfél nap alatt telít, utána használhatatlan a rendszer; (jelenleg webcrawlerünk fut) Nagyon sok jó ötlet kell; URL-ek sztenderdizálása: हरण.पर / /דוגמה.טעסט//: http /موقع.وزارة-الاتصالات.مصر//: http 中 中 中 中. 中 中.cn 8
9 További nehézségek: Dinamikus URL-ek; maps.google.hu 9,000,000 URL, cba.hu 6,000,000 rossz URL Analízis: Power law Rossz URL-ek, 16 proceszoros gépünket fagyasztotta le az alábbi URL: Pl. dobd.hu-n van 1000 aldomén pl. és ezek mindegyikébıl legalább 100 link megy ki. Statisztika Time :59:45 URLs 144,116,89 Domains 1,63407 Edges 14,039,186 Napi URL kapacitás: május: 1 millió/nap ma: 3,3 millió/nap crawler fut..hu,.eu domain Köszönöm a figyelmet! 9
A fehérjehálózatok vizsgálatának matematikai módszereiről. ELTE Matematikai Intézet Protein Információs Technológia Csoport & URATIM Kft.
A fehérjehálózatok vizsgálatának matematikai módszereiről Grolmusz Vince Köszönet: Iván Gábor ELTE Matematikai Intézet Protein Információs Technológia Csoport & URATIM Kft. Néhány vélemény szerint: A jelenlegi
RészletesebbenTDK lehetőségek az MTA TTK Enzimológiai Intézetben
TDK lehetőségek az MTA TTK Enzimológiai Intézetben Vértessy G. Beáta egyetemi tanár TDK mind 1-3 helyezettek OTDK Pro Scientia különdíj 1 második díj Diákjaink Eredményei Zsűri különdíj 2 első díj OTDK
RészletesebbenHogyan lesznek új gyógyszereink? Bevezetés a gyógyszerkutatásba
Hogyan lesznek új gyógyszereink? Bevezetés a gyógyszerkutatásba Keserű György Miklós, PhD, DSc Magyar Tudományos Akadémia Természettudományi Kutatóközpont A gyógyszerkutatás folyamata Megalapozó kutatások
RészletesebbenTudásmenedzsment és gyógyszerinnováció
Tudásmenedzsment és gyógyszerinnováció Ipari szükségletek / elvárások Dr. Bátori Sándor Sanofi-aventis Innovatív Gyógyszerek Kutatása, MAGYOSZ, 2009.01.07. Alapvető együttm ttműködések Hosszútávú elhatározás:
RészletesebbenÚj utak az antipszichotikus gyógyszerek fejlesztésében
Új utak az antipszichotikus gyógyszerek fejlesztésében SCHIZO-08 projekt Dr. Zahuczky Gábor, PhD, ügyvezető igazgató UD-GenoMed Kft. Debrecen, 2010. november 22. A múlt orvostudománya Mindenkinek ugyanaz
RészletesebbenHogy keres a Google?
Hogy keres a Google? Kevei Péter SZTE Bolyai Intézet Kutatók Éjszakája 208. szeptember 28. WWW Könyvtár 25 milliárd (25 0 9 ) dokumentummal, és nincs könyvtáros (a Somogyi Könyvtárban 900 000, a Bolyai
RészletesebbenA PET szerepe a gyógyszerfejlesztésben. Berecz Roland DE KK Pszichiátriai Tanszék
A PET szerepe a gyógyszerfejlesztésben Berecz Roland DE KK Pszichiátriai Tanszék Gyógyszerfejlesztés Felfedezés gyógyszertár : 10-15 év Kb. 1 millárd USD/gyógyszer (beleszámolva a sikertelen fejlesztéseket)
RészletesebbenA proteomika új tudománya és alkalmazása a rákdiagnosztikában
BIOTECHNOLÓGIAI FEJLESZTÉSI POLITIKA, KUTATÁSI IRÁNYOK A proteomika új tudománya és alkalmazása a rákdiagnosztikában Tárgyszavak: proteom; proteomika; rák; diagnosztika; molekuláris gyógyászat; biomarker;
RészletesebbenFelhő használata mindennapi alkalmazások futtatására. Németh Zsolt MTA SZTAKI
Felhő használata mindennapi alkalmazások futtatására Németh Zsolt MTA SZTAKI Legyőzni a maláriát 45 másodpercenként meghal egy gyerek maláriában Évente 216 millió ember fertőződik meg és 650000 meghal
RészletesebbenHálózati folyamok. A használt fogalmak definiálása
Hálózati folyamok Hálózat A használt fogalmak definiálása Ez összesen 4 dologból áll: - Egy irányított G gráf - Ennek egy kitüntetett pontja, amit forrásnak hívunk és s-sel jelölünk - A gráf még egy kitüntetett
RészletesebbenAz internet az egész világot behálózó számítógép-hálózat.
Az internet az egész világot behálózó számítógép-hálózat. A mai internet elődjét a 60-as években az Egyesült Államok hadseregének megbízásából fejlesztették ki, és ARPANet-nek keresztelték. Kifejlesztésének
RészletesebbenÖsszefoglalás és gyakorlás
Összefoglalás és gyakorlás High Speed Networks Laboratory 1 / 28 Hálózatok jellemző paraméterei High Speed Networks Laboratory 2 / 28 Evolúció alkotta adatbázis Önszerveződő adatbázis = (struktúra, lekérdezés)
RészletesebbenGyógyszerkutatás és gyógyszerfejlesztés. Az új molekulától a gyógyszerig
Gyógyszerkutatás és gyógyszerfejlesztés Az új molekulától a gyógyszerig A gyógyszerkutatás idő-és költségigénye 10-14 évi kutató-és fejlesztő munka mintegy egymilliárd dollár ráfordítás (egy 2001-ben induló
RészletesebbenAz Internet. avagy a hálózatok hálózata
Az Internet avagy a hálózatok hálózata Az Internet története 1. A hidegháború egy fontos problémája Amerikában a hatvanas évek elején: Az amerikai kormányszervek hogyan tudják megtartani a kommunikációt
RészletesebbenMTA Cloud Use cases MTA Cloud workshop. Hernáth Szabolcs MTA WIGNER FK
MTA Cloud Use cases MTA Cloud workshop Hernáth Szabolcs MTA WIGNER FK IT felhasználás dimenziói Felhasználók száma / jellege Kapacitás mérete / jellege Számítási feladat / szoftverkörnyezet Adatok mérete
RészletesebbenA BIOLÓGIAI GYÓGY- SZEREK FEJLESZTÉSÉNEK FINANSZÍROZÁSA ÉS TERÁPIÁS CÉLTERÜLETEI
Az élettudományi-klinikai felsőoktatás gyakorlatorientált és hallgatóbarát korszerűsítése a vidéki képzőhelyek nemzetközi versenyképességének erősítésére A BIOLÓGIAI GYÓGY- SZEREK FEJLESZTÉSÉNEK FINANSZÍROZÁSA
RészletesebbenSzolgáltatási szint és performancia menedzsment a PerformanceVisor alkalmazással. HOUG konferencia, 2007 április 19.
Szolgáltatási szint és performancia menedzsment a PerformanceVisor alkalmazással Szabó Balázs HOUG konferencia, 2007 április 19. Mirıl lesz szó NETvisor Kft bemutatása Szolgáltatási szint alapjai Performancia
RészletesebbenA felhőről általában. Kacsuk Péter MTA SZTAKI
A felhőről általában Kacsuk Péter MTA SZTAKI Miért fontos a felhő? (I) Problémák, ha az infrastruktúra még nem létezik Az ötletek megvalósításához szükséges idő Kutatás a felhők előtt 1. Van egy jó ötlet
RészletesebbenMiért jó nekünk kutatóknak a felhő? Kacsuk Péter MTA SZTAKI
Miért jó nekünk kutatóknak a felhő? Kacsuk Péter MTA SZTAKI Szolgáltatások halmaza: o Erőforrások, alkalmazások, eszközök o Nagy méretű, heterogén, gazdaságos, mobil, zöld El van takarva, hogy o Hol van
RészletesebbenGNTP. Személyre Szabott Orvoslás (SZO) Munkacsoport. Kérdőív Értékelő Összefoglalás
GNTP Személyre Szabott Orvoslás (SZO) Munkacsoport Kérdőív Értékelő Összefoglalás Választ adott: 44 fő A válaszok megoszlása a válaszolók munkahelye szerint Személyre szabott orvoslás fogalma Kérdőív meghatározása:
RészletesebbenHálózati folyamok. Tétel: A maximális folyam értéke megegyezik a minimális vágás értékével.
Hálózati folyamok Definíció: Legyen G = (V,E) egy irányított gráf, adott egy c: E R + {0} ún. kapacitásfüggvény, amely minden (u,v) ε E élhez hozzárendel egy nem negatív c(u,v) kapacitást. A gráfnak van
RészletesebbenA párbeszéd szerepe az egészségügyi informatika oktatásában/művelésében
A párbeszéd szerepe az egészségügyi informatika oktatásában/művelésében Bari Ferenc egyetemi tanár SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet 2014. február 13. Nem tudunk felülni a biciklire,
RészletesebbenTársadalmi és gazdasági hálózatok modellezése
Társadalmi és gazdasági hálózatok modellezése 2. el adás A hálózatkutatás néhány fontos fogalma El adó: London András 2015. szeptember 15. Átmér l ij a legrövidebb út a hálózatban i és j pont között =
Részletesebben22. GRÁFOK ÁBRÁZOLÁSA
22. GRÁFOK ÁBRÁZOLÁSA A megoldandó feladatok, problémák modellezése során sokszor gráfokat alkalmazunk. A gráf fogalmát a matematikából ismertnek vehetjük. A modellezés során a gráfok több változata is
RészletesebbenSZTE-ELTE PROTEOMIKAI INNOVÁCIÓ: KONCEPCIÓ, EREDMÉNYEK, JÖVŐKÉP
SZTE-ELTE PROTEOMIKAI INNOVÁCIÓ: KONCEPCIÓ, EREDMÉNYEK, JÖVŐKÉP Minden elméletet úgy is meg lehet alkotni, hogy az általa sugallt kísérletek csak magát az elméletet erősítsék meg Konrad Lorenz A SEJTMŰKÖDÉS
RészletesebbenVéletlen gráfok. Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet december 2.
Véletlen gráfok Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet agnes@cs.elte.hu 2015. december 2. Nagy hálózatok Példák valós hálózatokra társadalmi hálózatok
RészletesebbenNYÍLT HOZZÁFÉRÉS ÉS INTÉZMÉNYI
NYÍLT HOZZÁFÉRÉS ÉS INTÉZMÉNYI REPOZITÓRIUMOK: ELEKTRONIKUS TARTALOMSZOLGÁLTATÁS FELSİOKTATÁSI KÖRNYEZETBEN Karácsony Gyöngyi Debreceni Egyetem Egyetemi és Nemzeti Könyvtár Áttekintés Felsıoktatási környezet
RészletesebbenBakteriális identifikáció 16S rrns gén szekvencia alapján
Bakteriális identifikáció 16S rrns gén szekvencia alapján MOHR ANITA SIPOS RITA, SZÁNTÓ-EGÉSZ RÉKA, MICSINAI ADRIENN 2100 Gödöllő, Szent-Györgyi Albert út 4. info@biomi.hu, www.biomi.hu TÖRZS AZONOSÍTÁS
RészletesebbenTársadalmi és gazdasági hálózatok modellezése
Társadalmi és gazdasági hálózatok modellezése 6. el adás Hálózatok növekedési modelljei: `uniform és preferential attachment' El adó: London András 2015. október 12. Hogyan n nek a hálózatok? Statikus
RészletesebbenBD Vacutainer Molekuláris Diagnosztikai termékei
BD Vacutainer Molekuláris Diagnosztikai termékei Andrea Süle, PhD Termékspecialista BD Diagnostics, Preanalytical Systems MOLSZE XI. Nagygyőlés, Pécs, 2009 augusztus 27-29. BD A BD egy orvostechnológiai
RészletesebbenHálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet
Hálózattudomány SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Előadó: London András 4. Előadás Hogyan nőnek a hálózatok? Statikus hálózatos modellek: a pontok száma (n) fix, az éleket valamilyen
RészletesebbenCsima Judit BME, SZIT február 18.
1 Véletlen gráfok és valós hálózatok Csima Judit BME, SZIT 2011. február 18. Tartalom 2 1. Motiváció: miért pont véletlen gráfok? Tartalom 2 1. Motiváció: miért pont véletlen gráfok? 2. A klasszikus modell:
Részletesebben2009.03.16. Ezeket a kiemelkedı sebességő számítógépeket nevezzük szuperszámítógépeknek.
A számítási kapacitás hiánya a világ egyik fontos problémája. Számos olyan tudományos és mőszaki probléma létezik, melyek megoldásához a szokásos számítógépek, PC-k, munkaállomások, de még a szerverek
RészletesebbenGyógyszerbiztonság a klinikai farmakológus szemszögéből
Gyógyszerbiztonság a klinikai farmakológus szemszögéből Prof. dr. Kovács Péter Debreceni Egyetem Klinikai Központ, Belgyógyászati Intézet, Klinikai Farmakológiai Részleg BIZONYÍTÉKON ALAPULÓ ORVOSLÁS (EBM=
Részletesebben10. Genomika 2. Microarrayek és típusaik
10. Genomika 2. 1. Microarray technikák és bioinformatikai vonatkozásaik Microarrayek és típusaik Korrelált génexpresszió mint a funkcionális genomika eszköze 2. Kombinált megközelítés a funkcionális genomikában
RészletesebbenAz egészségpolitika alapjai: értékek, célok és eszközök. 2013. október 18.
Az egészségpolitika alapjai: értékek, célok és eszközök 2013. október 18. Az egészségpolitikai döntéshozatal alapjai és dilemmái Miért vagyunk itt? Mi közünk van az egészségpolitikához? Probléma-alapú
RészletesebbenA gyógyszerészet és az egészségügyi informatika
A gyógyszerészet és az egészségügyi informatika Bevezetés az egészségügyi informatikába II. Semmelweis Egyetem 2016. március 17. Dombai Péter SE EKK Digitális Egészségtudományi Intézet A gyógyszerek életciklusa
Részletesebben2. Ismert térszerkezetű transzmembrán fehérjék adatbázisa: a PDBTM adatbázis. 3. A transzmembrán fehérje topológiai adatbázis, a TOPDB szerver
A 2005 és 2007 között megvalósított project célja transzmembrán fehérjék vizsgálata és az ehhez szükséges eljárások kifejlesztése volt. Ez utóbbi magába foglalta új adatbázisok és szerkezet becslő módszerek
RészletesebbenBioinformatika előadás
10. előadás Prof. Poppe László BME Szerves Kémia és Technológia Tsz. Bioinformatika proteomika Előadás és gyakorlat Genomika vs. proteomika A genomika módszereivel nem a tényleges fehérjéket vizsgáljuk,
RészletesebbenKvalitatív elemzésen alapuló reakciómechanizmus meghatározás
Kvalitatív elemzésen alapuló reakciómechanizmus meghatározás Varga Tamás Pannon Egyetem, Folyamatmérnöki Intézeti Tanszék IX. Alkalmazott Informatika Konferencia ~ AIK 2011 ~ Kaposvár, Február 25. Tartalom
RészletesebbenA genomikai oktatás helyzete a Debreceni Egyetemen
A genomikai oktatás helyzete a Debreceni Egyetemen Bálint Bálint L. GNTP Oktatás és Tudásmenedzsment Munkabizottság, 2009. június 10. Tények Debreceni Egyetemről 21000 nappali és 33000 összes hallgató
RészletesebbenAPI-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE. Előadó: Jaksa Zsombor, drungli.com
API-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE Előadó: Jaksa Zsombor, drungli.com MIRŐL FOG SZÓLNI AZ ELŐADÁS? Hogyan működik a drungli.com?# Adatok gyűjtése, stratégiák# Ha marad időm még mesélek HOGYAN MŰKÖDIK
RészletesebbenSzervezetünk védelmének alapja: az immunológiai felismerés
Szervezetünk védelmének alapja: az immunológiai felismerés Erdei Anna ELTE, TTK, Biológiai Intézet Immunológiai Tanszék ELTE, Pázmány-nap, 2012. Az immunrendszer fő feladata a gazdaszervezet védelme a
RészletesebbenA keringı tumor markerek klinikai alkalmazásának aktuális kérdései és irányelvei
A keringı tumor markerek klinikai alkalmazásának aktuális kérdései és irányelvei A TM vizsgálatok alapkérdései A vizsgálatok célja, információértéke? Az alkalmazás területei? Hogyan válasszuk ki az alkalmazott
RészletesebbenA Barabási-Albert-féle gráfmodell
A Barabási-Albert-féle gráfmodell és egyéb véletlen gráfok Papp Pál András Gráfok, hálózatok modelljei Rengeteg gráfokkal modellezhető terület: Pl: Internet, kapcsolati hálók, elektromos hálózatok, stb.
Részletesebben[S] v' [I] [1] Kompetitív gátlás
8. Szeminárium Enzimkinetika II. Jelen szeminárium során az enzimaktivitás szabályozásával foglalkozunk. Mivel a klinikai gyakorlatban használt gyógyszerhatóanyagok jelentős része enzimgátló hatással bír
RészletesebbenHumán genom variációk single nucleotide polymorphism (SNP)
Humán genom variációk single nucleotide polymorphism (SNP) A genom ~ 97 %-a két különböző egyedben teljesen azonos ~ 1% különbség: SNP miatt ~2% különbség: kópiaszámbeli eltérés, deléciók miatt 11-12 millió
RészletesebbenANOVA összefoglaló. Min múlik?
ANOVA összefoglaló Min múlik? Kereszt vagy beágyazott? Rögzített vagy véletlen? BIOMETRIA_ANOVA5 1 I. Kereszt vagy beágyazott Két faktor viszonyát mondja meg. Ha több, mint két faktor van, akkor bármely
RészletesebbenWeb-fejlesztés NGM_IN002_1
Web-fejlesztés NGM_IN002_1 Rich Internet Applications RIA Vékony-kliens generált (statikus) HTML megjelenítése szerver oldali feldolgozással szinkron oldal megjelenítéssel RIA desktop alkalmazások funkcionalitása
RészletesebbenA korszerű infokommunikációs technológia (IKT) alkalmazásával csak kis mértékben javíthatjuk az emberi agy információ tároló és feldolgozó képességét.
1. Az informatika alapgondolata A korszerű infokommunikációs technológia (IKT) alkalmazásával csak kis mértékben javíthatjuk az emberi agy információ tároló és feldolgozó képességét. 2. Az egészségügyi
RészletesebbenLeukotriénekre ható molekulák. Eggenhofer Judit OGYÉI-OGYI
Leukotriénekre ható molekulák Eggenhofer Judit OGYÉI-OGYI Mik is azok a leukotriének? Honnan ered az elnevezésük? - először a leukocitákban mutatták ki - kémiai szerkezetükből vezethető le - a konjugált
RészletesebbenGenetikai panel kialakítása a hazai tejhasznú szarvasmarha állományok hasznos élettartamának növelésére
Genetikai panel kialakítása a hazai tejhasznú szarvasmarha állományok hasznos élettartamának növelésére Dr. Czeglédi Levente Dr. Béri Béla Kutatás-fejlesztés támogatása a megújuló energiaforrások és agrár
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése
Matematikai alapok és valószínőségszámítás Statisztikai változók Adatok megtekintése Statisztikai változók A statisztikai elemzések során a vizsgálati, vagy megfigyelési egységeket különbözı jellemzık
RészletesebbenMedInProt Szinergia IV. program. Szerkezetvizsgáló módszer a rendezetlen fehérjék szerkezetének és kölcsönhatásainak jellemzésére
MedInProt Szinergia IV. program Szerkezetvizsgáló módszer a rendezetlen fehérjék szerkezetének és kölcsönhatásainak jellemzésére Tantos Ágnes MTA TTK Enzimológiai Intézet, Rendezetlen fehérje kutatócsoport
RészletesebbenDr. Szűts Zoltán Facebook a felsőoktatásban?
Dr. Szűts Zoltán Facebook a felsőoktatásban? A tudásgyárak technológiaváltása és humánstratégiája a felsőoktatás kihívásai a XXI. században A tanulási-tanítási környezetről folytatott vitákba, és a felsőoktatásról
RészletesebbenElkötelezettség a Kiválóságért. Közoktatási Kiválóság Mintaprojekt
Elkötelezettség a Kiválóságért Közoktatási Kiválóság Mintaprojekt Élet a Tóvárosi suliban Élet a Tóvárosi suliban Élet a Tóvárosi suliban Élet a Tóvárosi suliban Élet a Tóvárosi suliban Élet a Tóvárosi
RészletesebbenMolekuláris biológiai eljárások alkalmazása a GMO analitikában és az élelmiszerbiztonság területén
Molekuláris biológiai eljárások alkalmazása a GMO analitikában és az élelmiszerbiztonság területén Dr. Dallmann Klára A molekuláris biológia célja az élőlények és sejtek működésének molekuláris szintű
RészletesebbenKutatói pályára felkészítı akadémiai ismeretek modul
Kutatói pályára felkészítı akadémiai ismeretek modul Környezetgazdálkodás Publikáció (szóbeli és írásbeli) készítés KÖRNYEZETGAZDÁLKODÁSI AGRÁRMÉRNÖK MSC A számítógépes szakirodalmi forráskutatás 11. elıadás
RészletesebbenMilyen weboldalt készítsünk?
Milyen weboldalt készítsünk? Sokszor kapunk olyan kérdést, hogy HTML, vagy PHP-s weboldalt érdemes -e készíteni? Én mindig azt mondom, hogy mindkettınek van elınye, és van "hátránya" is. Az adott szituáció
RészletesebbenBioinformatika 2 10.el
10.el őadás Prof. Poppe László BME Szerves Kémia és Technológia Tsz. Bioinformatika proteomika Előadás és gyakorlat 2009. 04. 24. Genomikavs. proteomika A genomika módszereivel nem a tényleges fehérjéket
RészletesebbenBevezetés a rendszerbiológiába
Bevezetés a rendszerbiológiába Papp Balázs http://group.szbk.u-szeged.hu/sysbiol/ MTA Szegedi Biológiai Központja Biokémiai Intézet Alapprobléma Ma a biológiában rengeteg adat termelődik és áll rendelkezésre.
Részletesebben~ 1 ~ Ezek alapján a következő célokat valósítottuk meg a Ph.D. munkám során:
~ 1 ~ Bevezetés és célkitűzések A sejtekben egy adott időpillanatban expresszált fehérjék összessége a proteom. A kvantitatív proteomika célja a proteom, egy adott kezelés vagy stimulus hatására bekövetkező
RészletesebbenElválasztástechnikai és bioinformatikai kutatások. Dr. Harangi János DE, TTK, Biokémiai Tanszék
Elválasztástechnikai és bioinformatikai kutatások Dr. Harangi János DE, TTK, Biokémiai Tanszék Fő kutatási területek Enzimek vizsgálata mannozidáz amiláz OGT Analitikai kutatások Élelmiszer analitika Magas
RészletesebbenKözösségi kommunikáció a gyakorlatban hatékony technikák és módszerek
Közösségi kommunikáció a gyakorlatban hatékony technikák és módszerek előadó: Gencsy Zoltán www.kozossegimedia.hu Miért is kell ezzel a témával foglalkozni? Erre tart a világ - Nem igaz, már itt van -
RészletesebbenBEVEZETÉS AZ INTERNET ÉS A WORLD WIDE WEB VILÁGÁBA. Kvaszingerné Prantner Csilla, EKF
BEVEZETÉS AZ INTERNET ÉS A WORLD WIDE WEB VILÁGÁBA Kvaszingerné Prantner Csilla, EKF Az Internet 2 A hálózatok összekapcsolt, hálózatba szervezett rendszere, amely behálózza a világot. Részévé vált életünknek.
Részletesebben"A tízezer mérföldes utazás is egyetlen lépéssel kezdődik."
"A tízezert mérföldes utazás is egyetlen lépéssel kezdődik dik." A BINB INSYS Előadók: Kornafeld Ádám SYS PROJEKT Ádám MTA SZTAKI kadam@sztaki.hu Kovács Attila ELTE IK attila@compalg.inf.elte.hu Társszerzők:
Részletesebbentranszláció DNS RNS Fehérje A fehérjék jelenléte nélkülözhetetlen minden sejt számára: enzimek, szerkezeti fehérjék, transzportfehérjék
Transzláció A molekuláris biológia centrális dogmája transzkripció transzláció DNS RNS Fehérje replikáció Reverz transzkriptáz A fehérjék jelenléte nélkülözhetetlen minden sejt számára: enzimek, szerkezeti
RészletesebbenTERÁPIÁBAN: VESZÉLY VAGY LEHETŐSÉG? Csupor Dezső
GYÓGYNÖVÉNYEK A Csupor Dezső TERÁPIÁBAN: VESZÉLY VAGY LEHETŐSÉG? Magyar Gyógyszerésztudományi Társaság, Gyógynövény Szakosztály Szegedi Tudományegyetem Gyógyszerésztudományi Kar, Farmakognóziai Intézet
RészletesebbenLEGFÉLTETTEBB INGATLANOS TITOK
Kizárólag Ingatlanértékesítıknek szóló tanulmány! 3 LEGFÉLTETTEBB INGATLANOS TITOK - avagy mit tegyél, hogy hamarosan a legjobb ingatlanosok között találd magad? - Milyen szabályokat érdemes betartanod,
Részletesebben1. A megyében végzett jelentősebb kutatási témák, projektek ráfordításainak ágazati megoszlása (összesen 4 859 millió Ft-ról áll rendelkezésre adat):
Megyei statisztikai profil a Smart Specialisation Strategy (S3) megalapozásához c. dokumentum kiegészítése a Magyar Tudományos Akadémia adataival Csongrád megye Az alábbi dokumentum a Smart Specialisation
RészletesebbenA harkányi gyógyvízzel végzett vizsgálataink eredményei psoriasisban között. Dr. Hortobágyi Judit
A harkányi gyógyvízzel végzett vizsgálataink eredményei psoriasisban 2007-2011 között Dr. Hortobágyi Judit Pikkelysömörre gyakorolt hatása 2007-től 2009-ig 1. Lokális hatása 2. Szisztémás hatása 3. Állatkísérlet
RészletesebbenMatematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók
Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz
RészletesebbenLÉGI HIPERSPEKTRÁLIS TÁVÉRZÉKELÉSI TECHNOLÓGIA FEJLESZTÉSE PARLAGFŰVEL FERTŐZÖTT TERÜLETEK MEGHATÁROZÁSÁHOZ
LÉGI HIPERSPEKTRÁLIS TÁVÉRZÉKELÉSI TECHNOLÓGIA FEJLESZTÉSE PARLAGFŰVEL FERTŐZÖTT TERÜLETEK MEGHATÁROZÁSÁHOZ DEÁKVÁRI JÓZSEF 1 - KOVÁCS LÁSZLÓ 1 - SZALAY D. KORNÉL 1 - TOLNER IMRE TIBOR 1 - CSORBA ÁDÁM
Részletesebben2009.04.29. 2009. április 24. INFO Savaria 2009 2. 2009. április 24. INFO Savaria 2009 4. 2009. április 24. INFO Savaria 2009 3
Négy adatbázis-kezelı rendszer összehasonlítása webes környezetben Sterbinszky Nóra snorav@gmail.com Áttekintés Növekvı igény hatékony adatbázis- kezelıkre a világhálón Hogyan mérhetı ezek teljesítménye
RészletesebbenMatematikai alapok és valószínőségszámítás. Valószínőségszámítási alapok
Matematikai alapok és valószínőségszámítás Valószínőségszámítási alapok Bevezetés A tudományos életben vizsgálódunk pontosabb megfigyelés, elırejelzés, megértés reményében. Ha egy kísérletet végzünk, annak
RészletesebbenB17 vitamin rák ellen
B17 vitamin rák ellen B17 vitamin rák ellen A B-17 vitamin (Laetrile, Amigdalina) alternatív rákgyógyszer, injekció és tabletta a rákos sejtek csökkentésére, megszüntetésére, valamint szaporodásuk megállítására
RészletesebbenSZOFTVERES SZEMLÉLTETÉS A MESTERSÉGES INTELLIGENCIA OKTATÁSÁBAN _ Jeszenszky Péter Debreceni Egyetem, Informatikai Kar jeszenszky.peter@inf.unideb.
SZOFTVERES SZEMLÉLTETÉS A MESTERSÉGES INTELLIGENCIA OKTATÁSÁBAN _ Jeszenszky Péter Debreceni Egyetem, Informatikai Kar jeszenszky.peter@inf.unideb.hu Mesterséges intelligencia oktatás a DE Informatikai
RészletesebbenA számítási felhő világa
A számítási felhő világa Ismerkedés az alapfogalmakkal és egyéb aspektusok 0 Copyright 2012 FUJITSU Számítási felhő - tematika 1. Történeti előzmények 2. A felhő fogalma 3. Szolgáltatások a felhőből 4.
RészletesebbenAz egyetemi nyílt hozzáférésű publikációk és kiadói tevékenység tudománymetriai vizsgálata
Az egyetemi nyílt hozzáférésű publikációk és kiadói tevékenység tudománymetriai vizsgálata Schubert András MTA Könyvtár és Információs Központ Tudománypolitikai és Tudományelemzési Osztály A publikálási
RészletesebbenÖnszerveződő adatbázisok
High Speed Networks Laboratory 1/40 Önszerveződő adatbázisok 1. Paradigmaváltás az adatbázisokban Megtervezett adatbázis Evolúció alkotta adatbázis 2. Önszerveződő adatbázis: struktúra, lekérdezés 3. Struktúra:
RészletesebbenVérszérum anyagcseretermékek jellemzése kezelés alatt lévő tüdőrákos betegekben
http://link.springer.com/article/10.1007/s11306-016-0961-5 - Nyitott - Ingyenes Vérszérum anyagcseretermékek jellemzése kezelés alatt lévő tüdőrákos betegekben http://link.springer.com/article/10.1007/s11306-016-0961-5
RészletesebbenALKÍMIA MA Az anyagról mai szemmel, a régiek megszállottságával. www.chem.elte.hu/pr
ALKÍMIA MA Az anyagról mai szemmel, a régiek megszállottságával www.chem.elte.hu/pr Kvíz az előző előadáshoz Programajánlatok február 5. 16:00 ELTE Kémiai Intézet 065-ös terem Észbontogató (www.chem.elte.hu/pr)
RészletesebbenA T sejt receptor (TCR) heterodimer
Immunbiológia - II A T sejt receptor (TCR) heterodimer 1 kötőhely lánc lánc 14. kromoszóma 7. kromoszóma V V C C EXTRACELLULÁRIS TÉR SEJTMEMBRÁN CITOSZÓL lánc: VJ régió lánc: VDJ régió Nincs szomatikus
RészletesebbenGenomikai Medicina és Ritka Betegségek Intézete Semmelweis Egyetem
Tisztelt Hölgyem, Tisztelt Uram! Örömmel jelentjük be Önöknek, hogy a Genomikai Medicina és Ritka Betegségek Intézetének egyik új projektje azon betegségek genetikai hátterének feltérképezésére irányul,
RészletesebbenÉtrend kiegészítők, ahogy a gyakorló gyógyszerész látja
Étrend kiegészítők, ahogy a gyakorló gyógyszerész látja Dr Schlégelné dr Békefi Csilla 1 Gyógyhatású készítmények kereskedelmének átalakulása egyenetlen gyógyszerfogyasztás fejlett ipari országokra esik
RészletesebbenFejlett kereső és lekérdező eszközök egy elektronikus szakfolyóirathoz (IBVS)
Networkshop, 2008 Márc. 17 19., Dunaújváros Holl Erdődi: Fejlett kereső... 1 Fejlett kereső és lekérdező eszközök egy elektronikus szakfolyóirathoz (IBVS) Holl András Erdődi Péter MTA Konkoly Thege Miklós
RészletesebbenImmunológia alapjai előadás Az immunológiai felismerés molekuláris összetevői. Az antigén fogalma. Antitestek, T- és B-sejt receptorok:
Immunológia alapjai 3 4. előadás Az immunológiai felismerés molekuláris összetevői. Az antigén fogalma. Antitestek, T- és B-sejt receptorok: molekuláris szerkezet, funkciók, alcsoportok Az antigén meghatározása
RészletesebbenImmunológia alapjai. 10. előadás. Komplement rendszer
Immunológia alapjai 10. előadás Komplement rendszer A gyulladás molekuláris mediátorai: Miért fontos a komplement rendszer? A veleszületett (nem-specifikus) immunválasz része Azonnali válaszreakció A veleszületett
RészletesebbenHogyan kerülhetnének az étrend-kiegészítők az orvosok termék-palettájára?
Hogyan kerülhetnének az étrend-kiegészítők az orvosok termék-palettájára? Dr. Rácz Anna Orvosi ajánlás: jelentős és tartós felhasználás-növekedés, mert a beteg megtanulja, továbbadja. Egyszeri orvosi ajánlás
RészletesebbenNEPTUN ID BMENET ID. Címtár BME VPN. vcenter VPN SVN. Trac Wiki. Wifi
Tanszék N NEPTUN ID Címtár vcenter Trac Wiki SVN Wifi VPN BMENET ID BME VPN BME címtár elérés Drupal alól Ujhelyi Zoltán Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek
RészletesebbenA számítástechnika gyakorlata WIN 2000 I. Szerver, ügyfél Protokoll NT domain, Peer to Peer Internet o WWW oftp opop3, SMTP. Webmail (levelező)
A számítástechnika gyakorlata WIN 2000 I. Szerver, ügyfél Protokoll NT domain, Peer to Peer Internet o WWW oftp opop3, SMTP Bejelentkezés Explorer (böngésző) Webmail (levelező) 2003 wi-3 1 wi-3 2 Hálózatok
RészletesebbenBiomassza alapú bioalkohol előállítási technológia fejlesztése metagenomikai eljárással
Biomassza alapú bioalkohol előállítási technológia fejlesztése metagenomikai eljárással Kovács Zoltán ügyvezető DEKUT Debreceni Kutatásfejlesztési Közhasznú Nonprofit Kft. Problémadefiníció Első generációs
RészletesebbenDR. HETÉNYI LÁSZLÓ MAGYAR GYÓGYSZERÉSZI KAMARA
DR. HETÉNYI LÁSZLÓ MAGYAR GYÓGYSZERÉSZI KAMARA gyógyszerellátás 2 egészségügyi szolgáltatás gyógyszerellátás egészségbiztosítás egészségügyi szolgáltatás gyógyszerellátás 3 egészségbiztosítás egészségügyi
Részletesebben(1) A T sejtek aktiválása (2) Az ön reaktív T sejtek toleranciája. α lánc. β lánc. V α. V β. C β. C α.
Immunbiológia II A T sejt receptor () heterodimer α lánc kötőhely β lánc 14. kromoszóma 7. kromoszóma 1 V α V β C α C β EXTRACELLULÁRIS TÉR SEJTMEMBRÁN CITOSZÓL αlánc: VJ régió β lánc: VDJ régió Nincs
RészletesebbenMolekuláris biológiai módszerek alkalmazása a biológiai környezeti kármentesítésben
Molekuláris biológiai módszerek alkalmazása a biológiai környezeti kármentesítésben Dr. Kovács Tamás, Kovács Árpád László Kármentesítés Aktuális Kérdései 2013 Budapest, 2013.03.21-22 Bioremediáció során
RészletesebbenGoogle Analytics. Miért fontos egy kisebb cég esetén is? Hogyan értsük meg a fontos összefüggéseket? Vajda Éva iwebma Analitikus Marketing
Google Analytics Miért fontos egy kisebb cég esetén is? Hogyan értsük meg a fontos összefüggéseket? Vajda Éva iwebma Analitikus Marketing Analytics nélkül Ha tudjuk használni az Analyticset - előnyök Valós
RészletesebbenHozzávalók keresése és csatolása
Hozzávalók keresése és csatolása VUE támogatja digitális tartalmak hozzáadását saját gépről, WEB-ről, távoli rendszerekből, mint az FTP oldalak, digitális forrásokból és Google szerverekről. A tartalmak
RészletesebbenKomplex hálózatok: alapfogalmak, modellek, módszerek
Komplex hálózatok: alapfogalmak, modellek, módszerek London András, Németh Tamás 2015. április 13. Motiváció Alapfogalmak Centralitás mértékek Néhány gráfmodell Hálózatok mindenhol! ábra 1: Facebook kapcsolati
RészletesebbenFine-Grained Network Time Synchronization using Reference Broadcast
Fine-Grained Network Time Synchronization using Reference Broadcast Ofszet Az indítás óta eltelt idıt mérik Az ofszet változása: skew Az órák sebességének különbsége Oka: Az óra az oszcillátor pontatlanságát
RészletesebbenTények a Goji bogyóról:
Tények a Goji bogyóról: 19 aminosavat (a fehérjék építőkövei) tartalmaz, melyek közül 8 esszenciális, azaz nélkülözhetelen az élethez. 21 nyomelemet tartalmaz, köztük germániumot, amely ritkán fordul elő
Részletesebben