Molekuláris / Mikrobiális rátermettség tájképek Kun Ádám
|
|
- Léna Tamásné
- 7 évvel ezelőtt
- Látták:
Átírás
1 Molekuláris / Mikrobiális rátermettség g tájkt jképek Kun Ádám
2 Rátermettség g tájkt jkép Minden genotípushoz rendeljünk nk egy fenotípust Minden fenotípushoz rendeljünk nk egy valós számot, ami a rátermettsr termettsége A genotípusok közötti k távolst volság g a Hamming távolság A tájkép magassága maga a rátermettsr termettség
3 Miért jók j k a molekuláris / mikrobiális tájkt jképek? Gyors szaporítás/szaporod s/szaporodás Környezet jobbára állandósítható Nincs (korlátozott) az egyedfejlődési zaj A genotípus és/vagy fenotípus mérhető A rátermettsr termettség g mérhetm rhető
4 Molekuláris rátermettsr termettség g tájkt jkép Enzimek aktivitása kihat az egyed rátermettségére. re. Az enzim aktivitás s könnyen k mérhetm rhető (az egyed rátermettsr termettsége nem) Az enzimek könnyen k mutálhat lhatóak ak és szaporíthatóak Az enzimek fenotípusa a 3D szerkezetük
5 Legegyszerűbb tájkt jkép rátermettség Fentipusos jelleg
6 Fuji hegy tájkt jkép rátermettség Fentipusos jelleg
7 Két t csúcs rátermettség Fentipusos jelleg
8 Mi van ha 3D-t t nézünk? n nk?
9 RNS másodlagos m struktúra ra Neurospora VS ribozim 144 nukleotid hosszú
10 RNS másodlagos m szerkezet Bázispárok számától l függ f a szabadenergia. Dinamikus optimalizáci ció a bázispb zispárok számának maximalizálására (energia minimalizálására) A bázispb zispárok energetikáját t kísérletesen k vizsgálj lják
11 RNS másodlagos m szerkezet meghatároz rozás Szekvencia R=r 1, r 2, r 3,..., r n ; ahol r i {A,C,G,U} Másodlagos szerkezet S = i.j bázispárok rendezett halmaza 1. 1 i < j N 2. j - i>3 3. i.j és k.l bázispárokra (i<k) igaz az egyik: a) i=k és j=l (ugyanaz a bázispár) b) i<j<k<l (egymás után jönnek) c) i<k<l<j (i.j magába foglalja k.l-t) Keressük a legalacsonyabb energiájú (vagy ahhoz közeli) szerkezetet, feltehetően ez a másodlagos szerkezete egy RNS molekulának
12 Másodlagos szerkezet energiája A srtruktúra energiája a hurkok energiájától függ Bármely struktúra egyértelműen felbontható m+1 (m a bázispárok száma) hurokra hajtűkanyar halmozódó bázispár kitüremkedés belső hurok elágazás A struktúra energiája, így az egyes hurkok energiájának összege m e L E S i 0 i
13 Szerkezet a fenotípus A másolm solási si sebesség, vagy az enzimatikus aktivitás s a struktúrától függ. Egy RNS molekula fenotípusa nem a bázissorrend, hanem a struktúra. ra. 4 N szekvencia lehetséges, mennyi struktúra? ra? Hogyan határozzuk meg a struktúrát
14 RNS tájkt jképek Kémiailag és s fizikailag megalapozott genotípus pus-fenotípus térkép Ilyen máshol m még m g nincs a biológi giában
15 RNS tájkt jképek tulajdonságai I Körülbelül l 2.35 N struktúra, ra, azaz egy struktúrához több t szekvencia tartozik. Kevés s mutáci ció (1-3) általában nem változtatja meg a struktúrát Ha van egy kompatibilis szekvenciánk, nk, akkor az átlagosan 7.2 mutáci cióval olyanná alakíthat tható,, hogy kívánt k MFE struktúrája legyen
16 RNS tájkt jképek tulajdonságai II Mesterkópia: AUCGUCUGUCGGCGAU Mutáns: GCAUGACUCAUUAUGC Azonos struktúra Azonos fitness Semleges utak a tájképen Az utak 21.7%-a perkolál
17 Gyakoribb struktúrák (((((...)))))... ((((((...))))))......((((((...))))))...(((((...))))) ((((((...))))))......(((((...))))). (((((((...)))))))......((((((...)))))).(((((...)))))......(((((((...))))))) (((((((...)))))))......(((((((...)))))))...((((((...))))))..((((((...))))))... ((((((...))))))
18 Gyakoribb struktúrák Struktúra osztály gyakoriság (darab) Gyakoriság rang (logaritmikus)
19 RNS tájkt jképek tulajdonságai III Vannak gyakoribb struktúrák A szekvenciák k zöme z gyakori struktúrát vesz fel (evolválódott ribozimek gyakoriak) ribozimek minden bizonnyal A struktúrák k zömét z t csekély számú szekvencia veszi fel Minden szekvencia körüli k kb. 20 mutáci cióval elérhet rhető gömbön n belül l minden gyakori struktúra ra elérhet rhető
20 Ribozimok rátermettsr termettség g tájkt jképe A rátermettsr termettség g tájkt jkép kísérletes adatokra épül Rátermettség g tájkt jképek általános szerkezetének vizsgálata Feltételezz telezzük, hogy az enzimaktivitás arányos a rátermettsr termettséggel (protosejt sejt)
21 Mely ribozimok jöhetnek j szóba? 1. Jól l karakterizált Csak a természetes ribozimok teljesítik ezt a kritériumot 2. Nem túl t l hosszú (pra praktikus ok) Az I-es és II-es csoportbeli intronok kiesnek 3. Nem lehet a transz ható enzim szerkezetben pszeudo eudo-csomó (algoritmus követelménye) Hepatitis Delta Virus kiesik e miatt Neurospora VS Ribozyme, Hairpin, Hammerhead
22 Neurospora Varkund Satellit Ribozim IV V N = c a ugaaauug -U- CguAgCAGU U u g acuuuaac GUaUUGUCA C U ug G A U G 700 C-G U A U C-G III A-U C-GA 660 U-A A gcgguaguaagc AgGA A C-G GCU AA GUG-A-CGGuAuUggc g uaagag cguucg-ccc u GAACACGA CAC GUUaUgAcug a GAC a II A pozíciók 83/144 (57%) mutálva van, mi összesen 183 mutánst vettünk figyelembe VI 750
23 VS Ribozim: mutáci ciós s kísérletekk 144 nukleotidból 87-en végeztek mutációs kísérletet Összesen 183 mutánst vizsgáltak
24 VS Ribozim Elágazások fontosak Aktív hely Hossz nem fontos Hossz nem fontos Kitüremkedés nem lehet a másik száron, de törölhető Szubsztrát kötés
25 Hajtűkanyar ribozimim N = H1 H2 H3 H aaacagagaagucaaccag A G A A 30 A C A CACG loop A loop B AUGGUc C AUUAUAUG GUG u u A pozíciók 39/50 (78%) mutálva van, összesen 142 mutáns vettünk figyelembe
26 Ribozimokkal kapcsolatos általános megfigyelések 1. A szerkezet a fontos, nem az egyedi bázispb zispárok 2. A szerkezet kissé változtatható 3. Vannak kritikus helyek 4. A tájkt jkép multiplikatív (lehet hogy van egy gyenge szinergia)
27 Mutáci ció fajtái Semleges mutáns Kritikus hely Rontó mutáci ció Visszaáll llító
28 Általános funkcionalitás s tájkt jkép Rendeljen minden lehetséges 4 N szekvenciához egy relatív v enzimaktivitást I. Kompatibilis szerkezet II. Hibás s bázispb zispár III.Kritikus helyek IV. Jósolt struktúra ra sequence structure misspair critical energy
29 Többszörös s mutáci ciók k kérdk rdése Legegyszerűbb feltevés, hogy a hatások függetlenekf A kevés s rendelkezésre álló adatból l ez nagyjából l igaznak vehető.. Van egy kis pozitív v hatás s (azaz a 2. mutáci ció negatív hatása kisebb, mint várnánk) nk) Measured activity Equation: y = a*x^b Chi^2/DoF = R^2 = a ± b ± Calculated activity
30 I. Kompatibilis szerkezet A célstruktc lstruktúrának megfelelő bázis-párok mindegyike legtöbbje ki tud-e e alakulni? Néhány hibás s pár p (rosszul párosp rosított bázispár) megengedhető, de Nem lehet kettő ilyen egymás s mellett Nem lehet egy régir gióban kettőnél l többt A structure a szekvenciával val kompatibilis struktúrának megfelelő aktivitás.
31 II. Hibás s bázispb zispárok Minden megengedett hibás s bázisb zis-pár csökkenti az aktivitást Az elhelyezkedésükt ktől l függf ggően más m s hatásuk lehet az egyes hibás s pároknakp misspair misspair, i
32 III. Kritikus helyek Minden lehetséges nukleotidhoz rendelünk nk aktivitást ezeken a helyeken. critical critical, i
33 IV. Jósolt szerkezet A 2D szerkezet meghatároz rozása. Package) sa. (Vienna RNA Elfogadjuk, ha a célszerkezetbe c tekeredik. A MFE nem biztos, hogy a kísérletesen k meghatározott másodlagos m szerkezet
34 A tájkt jkép p tulajdonságai 1 Neurospora VS Ribozyme 1 Hairpin Ribozyme fraction of all mutants E-3 1E-4 1E-5 Perfect ribozyme Functional ribozyme # of mutation from the original sequence fraction of all mutants E-3 1E-4 1E-5 Perfect ribozyme Functional ribozyme # of mutation from the original sequence = 0.26 = 0.22
35 Mozgás s a tájkt jképen
36 Moran folyamat Populáci ció méret állandó. Átfedő generáci ciók Haláloz lozás s véletlenszerv letlenszerű,, szaporodás rátermettségarányos Rátermettség g arányosan kiválasztunk egy egyedet. Ő fog szaporodni. Egy véletlen v szerint választott v egyed meghal, a helyébe szaporodik.
37
38 Szuboptimális maximum 1 bázispb zispárban van eltérés! Minden lehetséges mutáci ció ebben a párban tovább rontja a másodlagos szerkezetet
39 Rátermettség g tájkt jképek és s populáci ció méret Nagy populáci ció egy sima rátermettségtájképen gyorsan megtalálja lja az optimumot Nagy populáci ciókban nem fog sodródás miatt előnytelen mutáns elterjedni Nagy populáci cióban több t előny nyös s mutáci ció lehet D.E. Rozen, M.G.J.L. Habets, A. Handel, J.AG.M. de Visser Heterogeneous Adaptive Trajectories of Small Populations on Complex Fitness Landscapes. PLoS ONE 3(3): e1715. doi: /journal.pone
40 Kísérletes körülmk lmények E.coli 500 generáci ciónyi evolúci ció sima rátermettség g tájkt jképen (minimális médium) m és rögös tárjépen (komplex médium). m A populáci cióméretet a baktériumkult riumkultúra ra térfogatának változtatv ltoztatásával érték k el (5x10 5 vs. 2.5x10 7 ), ami 50x különbsk nbséget jelent. A relatív v rátermettsr termettséget (és( így az adaptáci ciót) egy máskép p jelölt lt ősi törzzsel t való közvetlen kompetíci ciós kísérletben tesztelték.
41 Eredmény Kis populáci ciókban az adaptáci ció heterogénebb, nagy populáci ciókban nem. Nagy populáci ció gyorsan adaptálódott dott a sima rátermettség g tájkt jképeken Kis populáci ció viszont gyorsabban adaptálódik dik rögös s tájkt jképen.
42 Eredmény 2 A legmagasabb relatív v rátermettsr termettséget elérőnél eleinte kicsi a rátermettsr termettség g növekedn vekedés s (pontozott görbék) (A kis populáci ció,, B nagy populáci ció) A legmeredekebb lejtőn n felfelé nem biztos, hogy a legmagasabb csúcs találhat lható Sok ki populáci ció nem találta lta meg az optimumot...
AZ ÉLET KELETKEZÉSE egy kis kémia a biológiához
AZ ÉLET KELETKEZÉSE egy kis kémia a biológiához Dr. Kun Ádám, PhD okleveles biológus, okleveles vegyész Növényrendszertani, Ökológiai és Elméleti Biológiai Tanszék ELTE-MTA-MTM Ökológiai Kutatócsoport
RészletesebbenRNS tájképek. ELTE Növényrendszertani, Ökológia és Elméleti Biológia Tanszék Dr. Kun Ádám tudományos főmunkatárs
RNS tájképek Dr. Kun Ádám tudományos főmunkatárs ELTE Növényrendszertani, Ökológia és Elméleti Biológia Tanszék 2013. A rátermettség tájképek, azaz a lehetséges genotípusokat fenotípushoz, s így rátermettséghez
RészletesebbenA metabolikus szindróma epidemiológiája a felnőtt magyar lakosság körében
DEBRECENI EGYETEM ORVOS- ÉS EGÉSZSÉGTUDOMÁNYI CENTRUM NÉPEGÉSZSÉGÜGYI KAR A metabolikus szindróma epidemiológiája a felnőtt magyar lakosság körében HMAP munkaértekezletek 2009 A METABOLIKUS SZINDRÓMA EPIDEMIOLÓGI
RészletesebbenRNS-ek. 1. Az ősi RNS Világ: - az élet hajnalán. 2. Egy már ismert RNS Világ: - a fehérjeszintézis ben résztvevő RNS-ek
RNS-ek RNS-ek 1. Az ősi RNS Világ: - az élet hajnalán 2. Egy már ismert RNS Világ: - a fehérjeszintézis ben résztvevő RNS-ek 3. Egy újonnan felfedezett RNS Világ: - szabályozó RNS-ek 4. Transzkripció Ősi
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
RészletesebbenTRANSZGÉNIKUS NIKUS. GM gyapot - KÍNA. GM szója - ARGENTÍNA
TRANSZGÉNIKUS NIKUS NÖVÉ GM gyapot - KÍNA GM szója - ARGENTÍNA TRANSZGÉNIKUS NIKUS NÖVÉN Élelmezési probléma: mg-i i termények, élelmiszer alapanyagok károsk rosításasa (rovar, gyom, baktérium, gomba,
RészletesebbenEvolúcióbiológia. Biológus B.Sc tavaszi félév
Evolúcióbiológia Biológus B.Sc. 2011. tavaszi félév A biológiában minden csak az evolúció fényében válik érthetővé Theodosius Dobzhansky : Nothing in biology makes sense except in the light of evolution.
RészletesebbenA nukleinsavak polimer vegyületek. Mint polimerek, monomerekből épülnek fel, melyeket nukleotidoknak nevezünk.
Nukleinsavak Szerkesztette: Vizkievicz András A nukleinsavakat először a sejtek magjából sikerült tiszta állapotban kivonni. Innen a név: nucleus = mag (lat.), a sav a kémhatásukra utal. Azonban nukleinsavak
RészletesebbenA fehérjék térszerkezetének jóslása (Szilágyi András, MTA Enzimológiai Intézete)
A fehérjék térszerkezetének jóslása (Szilágyi András, MTA Enzimológiai Intézete) A probléma bonyolultsága Általánosságban: találjuk meg egy tetszőleges szekvencia azon konformációját, amely a szabadentalpia
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
RészletesebbenReakciókinetika. Általános Kémia, kinetika Dia: 1 /53
Reakciókinetika 9-1 A reakciók sebessége 9-2 A reakciósebesség mérése 9-3 A koncentráció hatása: a sebességtörvény 9-4 Nulladrendű reakció 9-5 Elsőrendű reakció 9-6 Másodrendű reakció 9-7 A reakciókinetika
RészletesebbenIntelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal
Intelligens Rendszerek Elmélete Dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE0 IRE / A természet általános kereső algoritmusa:
RészletesebbenNukleinsavak építőkövei
ukleinsavak Szerkezeti hierarchia ukleinsavak építőkövei Pirimidin Purin Pirimidin Purin Timin (T) Adenin (A) Adenin (A) Citozin (C) Guanin (G) DS bázisai bázis Citozin (C) Guanin (G) RS bázisai bázis
Részletesebben52 522 05 0010 52 01 Létesítményi energetikus Energetikus 52 522 05 0010 52 02 Megújuló energiaforrás Energetikus.
A 10/2007 (II. 27.) SzMM rendelettel módosított 1/2006 (II. 17.) OM rendelet Országos Képzési Jegyzékről és az Országos Képzési Jegyzékbe történő felvétel és törlés eljárási rendjéről alapján. Szakképesítés,
RészletesebbenMesterséges Intelligencia I. (I602, IB602)
Dr. Jelasity Márk Mesterséges Intelligencia I. (I602, IB602) harmadik (2008. szeptember 15-i) előadásának jegyzete Készítette: Papp Tamás PATLACT.SZE KPM V. HEURISZTIKUS FÜGGVÉNYEK ELŐÁLLÍTÁSA Nagyon fontos
RészletesebbenLEADER Program: partnerségben
LEADER Program: partnerségben Kárpát-medencei TérsT rség Rajnai GáborG ECOVAST Egyesület Esztergom 2008.05.14. 1 LEADER Térségi programozás!? Links (Kapcsolat) between Actions for the Development of the
RészletesebbenA rák, mint genetikai betegség
A rák, mint genetikai betegség Diák: Ferencz Arnold-Béla la Felkész szítı tanár: József J Éva Bolyai Farkas Elméleti leti LíceumL Mi is a rák r tulajdonképpen? A rák r k egy olyan betegség g ahol sejt
RészletesebbenKÖZGAZDASÁGTAN I. Készítette: Bíró Anikó, K hegyi Gergely, Major Klára. Szakmai felel s: K hegyi Gergely. 2010. június
KÖZGAZDASÁGTAN I. Készült a TÁMOP-4.1.2-08/2/a/KMR-2009-0041 pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék az MTA Közgazdaságtudományi
RészletesebbenFehérjeszerkezet analízis. Fehérjeszerkezet analízis. Fehérjeszerkezet analízis. Fehérjeszerkezet analízis. Fehérjeszerkezet analízis
Szerkezet Protein Data Bank (PDB) http://www.rcsb.org/pdb ~ 35 701 szerkezet közepes felbontás 1552 szerkezet d 1.5 Å 160 szerkezet d 1.0 Å 10 szerkezet d 0.8 Å (atomi felbontás) E globális minimum? funkció
RészletesebbenI. A sejttől a génekig
Gén A gének olyan nukleinsav-szakaszok a sejtek magjainak kromoszómáiban, melyek a szervezet működését és növekedését befolyásoló fehérjék szabályozásához és előállításához szükséges információkat tartalmazzák.
RészletesebbenDER (Felületén riboszómák találhatók) Feladata a biológiai fehérjeszintézis Riboszómák. Az endoplazmatikus membránrendszer. A kódszótár.
Az endoplazmatikus membránrendszer Részei: DER /durva (szemcsés) endoplazmatikus retikulum/ SER /sima felszínű endoplazmatikus retikulum/ Golgi készülék Lizoszómák Peroxiszómák Szekréciós granulumok (váladékszemcsék)
Részletesebben12/4/2014. Genetika 7-8 ea. DNS szerkezete, replikáció és a rekombináció. 1952 Hershey & Chase 1953!!!
Genetika 7-8 ea. DNS szerkezete, replikáció és a rekombináció 1859 1865 1869 1952 Hershey & Chase 1953!!! 1879 1903 1951 1950 1944 1928 1911 1 1. DNS szerkezete Mi az örökítő anyag? Friedrich Miescher
Részletesebben8. A fehérjék térszerkezetének jóslása
8. A fehérjék térszerkezetének jóslása A probléma bonyolultsága Általánosságban: találjuk meg egy tetszõleges szekvencia azon konformációját, amely a szabadentalpia globális minimumát adja. Egyszerû modellekben
RészletesebbenA pulzusmérő és s GPS használat latának lehetőségei az edzés során Tartalom: Edzés s pulzusmérővel Edzéspulzus zónákz Edzéspulzus meghatároz rozása Erőteljess teljességi övezetek Pulzus megnyugvási teszt
RészletesebbenDNS, RNS, Fehérjék. makromolekulák biofizikája. Biológiai makromolekulák. A makromolekulák TÖMEG szerinti mennyisége a sejtben NAGY
makromolekulák biofizikája DNS, RNS, Fehérjék Kellermayer Miklós Tér Méret, alak, lokális és globális szerkezet Idő Fluktuációk, szerkezetváltozások, gombolyodás Kölcsönhatások Belső és külső kölcsöhatások,
RészletesebbenFehérje-fehérje kölcsönhatások és kölcsönhatási hálózatok. Szilágyi András
Fehérje-fehérje kölcsönhatások és kölcsönhatási hálózatok Szilágyi András Vázlat Fehérje-fehérje kölcsönhatások Kölcsönhatási hálózatok Kísérleti módszerek Bioinformatikai vonatkozások adatbázisok szerkezetfüggetlen
RészletesebbenBevezetés a bioinformatikába. Harangi János DE, TEK, TTK Biokémiai Tanszék
Bevezetés a bioinformatikába Harangi János DE, TEK, TTK Biokémiai Tanszék Bioinformatika Interdiszciplináris tudomány, amely magába foglalja a biológiai adatok gyűjtésének,feldolgozásának, tárolásának,
RészletesebbenTranszláció. Szintetikus folyamatok Energiájának 90%-a
Transzláció Transzláció Fehérje bioszintézis a genetikai információ kifejeződése Szükséges: mrns: trns: ~40 Riboszóma: 4 rrns + ~ 70 protein 20 Aminosav aktiváló enzim ~12 egyéb enzim Szintetikus folyamatok
RészletesebbenKözgazdaságtan 1. ELTE TáTK Közgazdaságtudományi Tanszék. 3. hét A KERESLETELMÉLET ALAPJAI. HASZNOSSÁG, PREFERENCIÁK
KÖZGAZDASÁGTAN I. ELTE TáTK Közgazdaságtudományi Tanszék Közgazdaságtan 1. A KERESLETELMÉLET ALAPJAI. HASZNOSSÁG, PREFERENCIÁK Bíró Anikó, K hegyi Gergely, Major Klára Szakmai felel s: K hegyi Gergely
RészletesebbenAz emberi. Fekete-Kert. Ildikó
Az emberi környezethasználat fajtái Készítette: Fekete-Kert Kertész Ildikó Bevezetés A területhaszn lethasználat lat szerinti osztályoz lyozásmód d elsősorban sorban környezeti kockázat szempontjából l
RészletesebbenKromoszómák, Gének centromer
Kromoszómák, Gének A kromoszóma egy hosszú DNS szakasz, amely a sejt életének bizonyos szakaszában (a sejtosztódás előkészítéseként) tömörödik, így fénymikroszkóppal láthatóvá válik. A kromoszómák két
RészletesebbenAntiszenz hatás és RNS interferencia (a génexpresszió befolyásolásának régi és legújabb lehetőségei)
Antiszenz hatás és RNS interferencia (a génexpresszió befolyásolásának régi és legújabb lehetőségei) Az antiszenz elv története Reverz transzkripció replikáció transzkripció transzláció DNS DNS RNS Fehérje
RészletesebbenGenetikus algoritmusok
Genetikus algoritmusok Zsolnai Károly - BME CS zsolnai@cs.bme.hu Keresőalgoritmusok osztályai Véletlent használó algoritmusok Keresőalgoritmusok Kimerítő algoritmusok Dinamikus programozás BFS DFS Tabu
Részletesebbenalkalmazások az Intelligens otthon témában
Szenzor és s mobil hálózati h alkalmazások az Intelligens otthon témában Vajda LórántL Török k Attila Prof. Dr. Gordos Géza http://www.ikti.hu Kiindulópont Szolgáltat ltatás s orientált Dinamikusan bővíthetb
RészletesebbenHIDROSZTATIKA, HIDRODINAMIKA
HIDROSZTATIKA, HIDRODINAMIKA Hidrosztatika a nyugvó folyadékok fizikájával foglalkozik. Hidrodinamika az áramló folyadékok fizikájával foglalkozik. Folyadékmodell Önálló alakkal nem rendelkeznek. Térfogatuk
RészletesebbenA fehérjék térszerkezetének jóslása
A fehérjék térszerkezetének jóslása 1. A probléma bonyolultsága 2. A predikció szintjei 3. 1D predikciók (másodlagos szerkezet, hozzáférhetõség, transzmembrán hélixek 4. 2D predikciók (oldallánc kontaktusok,
RészletesebbenELŐADÁS ÁTTEKINTÉSE 6. ea.: Projekttervezés III.
ELŐADÁS ÁTTEKINTÉSE 6. ea.: Projekttervezés III. Tevékenységek tervezése Időtervezés: Gantt diagramm Hálótervezés: Kritikus út Tartalék idő Példa ismertetése TEVÉKENYSÉGEK TERVEZÉSE Fel kell vázolni egy
RészletesebbenSzénhidrátkémiai kutatások bioinformatikai esetek. Dr. Harangi János DE, TTK, Biokémiai Tanszék
Szénhidrátkémiai kutatások bioinformatikai esetek Dr. Harangi János DE, TTK, Biokémiai Tanszék Intranet http://dspace.lib.unideb.hu:8080/dspace/handle/2437/2815 Fő kutatási területek Enzimek vizsgálata
RészletesebbenPoligénes v. kantitatív öröklődés
1. Öröklődés komplexebb sajátosságai 2. Öröklődés molekuláris alapja Poligénes v. kantitatív öröklődés Azok a tulajdonságokat amelyek mértékegységgel nem, vagy csak nehezen mérhetők, kialakulásuk kevéssé
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
RészletesebbenTÉMAKÖRÖK. Ősi RNS világ BEVEZETÉS. RNS-ek tradicionális szerepben
esirna mirtron BEVEZETÉS TÉMAKÖRÖK Ősi RNS világ RNS-ek tradicionális szerepben bevezetés BIOLÓGIAI MOLEKULÁK FEHÉRJÉK NUKLEINSAVAK DNS-ek RNS-ek BIOLÓGIAI MOLEKULÁK FEHÉRJÉK NUKLEINSAVAK DNS-ek RNS-ek
RészletesebbenMetabolikus replikátor modell koncepció Könnyű Balázs
Metabolikus replikátor modell koncepció Könnyű Balázs ELTE, Biológiai Intézet, Növényrendszertani, Ökológiai és Elméleti Biológia Tanszék Tartalom 1) Prebiotikus információhordózó molekulák 2) Eigen-paradoxon
RészletesebbenPÁLYA NAP. Elek István: szegedi pályp fejlesztései. sei. Szeged, 2013. április 10.
VI. VÁROSI V VILLAMOS VASÚTI PÁLYA NAP Elek István: A közelmk zelmúlt lt és s közeljk zeljövő szegedi pályp lyás fejlesztései sei Szeged elektromos tömegkt megközlekedés s fejlesztése se nagyprojekt teljes
RészletesebbenTEMATIKA Biokémia és molekuláris biológia IB kurzus (bb5t1301)
Biokémia és molekuláris biológia I. kurzus (bb5t1301) Tematika 1 TEMATIKA Biokémia és molekuláris biológia IB kurzus (bb5t1301) 0. Bevezető A (a biokémiáról) (~40 perc: 1. heti előadás) A BIOkémia tárgya
RészletesebbenSodródás Evolúció neutrális elmélete
Sodródás Evolúció neutrális elmélete Egy kísérlet Drosophila Drosophila pseudoobscura 8 hím + 8 nőstény/tenyészet 107 darab tenyészet Minden tenyészet csak heterozigóta egyedekkel indul a neutrális szemszín
RészletesebbenAlgoritmusok Tervezése. 9. Előadás Genetikus Algoritmusok Dr. Bécsi Tamás
Algoritmusok Tervezése 9. Előadás Genetikus Algoritmusok Dr. Bécsi Tamás Biológiai háttér (nagyvonalúan) A sejt genetikai információit hordozó DNS általában kromoszómának nevezett makromolekulákba van
RészletesebbenGyógyszerrezisztenciát okozó fehérjék vizsgálata
Gyógyszerrezisztenciát okozó fehérjék vizsgálata AKI kíváncsi kémikus kutatótábor 2017.06.25-07.01. Témavezetők : Telbisz Ágnes, Horváth Tamás Kutatók : Dobolyi Zsófia, Bereczki Kristóf, Horváth Ákos Gyógyszerrezisztencia
Részletesebbenaz Excel for Windows programban
az Excel for Windows táblázatkezelőblázatkezel programban Mit nevezünk nk képletnek? A táblt blázatkezelő programok nagy előnye, hogy meggyorsítj tják és könnyebbé teszik a felhasználó számára a számítási
RészletesebbenKözgazdaságtan 1. ELTE TáTK Közgazdaságtudományi Tanszék. 4. hét A KERESLETELMÉLET ALKALMAZÁSAI
KÖZGAZDASÁGTAN I. ELTE TáTK Közgazdaságtudományi Tanszék Közgazdaságtan 1. A KERESLETELMÉLET ALKALMAZÁSAI Bíró Anikó, K hegyi Gergely, Major Klára Szakmai felel s: K hegyi Gergely 2010. június Vázlat
RészletesebbenTovábbi programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás
További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás Készítette: Dr. Ábrahám István Hiperbolikus programozás Gazdasági problémák optimalizálásakor gyakori, hogy
RészletesebbenElengedhetetlen a játékokban, mozi produkciós eszközökben Nélküle kvantum hatás lép fel. Az objektumok áthaladnak a többi objektumon
Bevezetés Ütközés detektálás Elengedhetetlen a játékokban, mozi produkciós eszközökben Nélküle kvantum hatás lép fel Az objektumok áthaladnak a többi objektumon A valósághű megjelenítés része Nem tisztán
Részletesebbenlyeztetési folyamatok a robotsebészetben
Engedélyeztet lyeztetési folyamatok a robotsebészetben szetben Készítette: Takács András 2008. december 3. Tartalom Privilégiumok szerzése se a laparoszkópi piában(sages) A laparoszkópia pia és s a robotsebészet
RészletesebbenSzelekció. Szelekció. A szelekció típusai. Az allélgyakoriságok változása 3/4/2013
Szelekció Ok: több egyed születik, mint amennyi túlél és szaporodni képes a sikeresség mérése: fitnesz Szelekció Ok: több egyed születik, mint amennyi túlél és szaporodni képes a sikeresség mérése: fitnesz
RészletesebbenHelyzetfelismerı és. vizsgálata. - Eddigi tanulmányok. nyok. - Internetes oldalak. Nem a képessk
Helyzetfelismerı és megoldó képesség vizsgálata általános iskolás s tanulók k körébenk Készítette: Nagy Edit és s Németh N Andrea III. éves testnevelés-rekre rekreáció szakos hallgató Miért választottuk
RészletesebbenMagyar Tudomány. Egy halhatatlan biológus: charles darwin vendégszerkesztő: Szathmáry Eörs
Magyar Tudomány Egy halhatatlan biológus: charles darwin vendégszerkesztő: Szathmáry Eörs kína, globális válság, nemzetközi pénzügyek vendégszerkesztő: Farkas Péter Tudományos nacionalizmus Agrármodellek
RészletesebbenSzámítógépes döntéstámogatás. Genetikus algoritmusok
BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as
RészletesebbenBiológus MSc. Molekuláris biológiai alapismeretek
Biológus MSc Molekuláris biológiai alapismeretek A nukleotidok építőkövei A nukleotidok szerkezete Nukleotid = N-tartalmú szerves bázis + pentóz + foszfát N-glikozidos kötés 5 1 4 2 3 (Foszfát)észter-kötés
Részletesebben13. RNS szintézis és splicing
13. RNS szintézis és splicing 1 Visszatekintés: Az RNS típusai és szerkezete Hírvivő RNS = mrns (messenger RNA = mrna) : fehérjeszintézis pre-mrns érett mrns (intronok kivágódnak = splicing) Transzfer
RészletesebbenBIOLÓGIA HÁZIVERSENY 1. FORDULÓ BIOKÉMIA, GENETIKA BIOKÉMIA, GENETIKA
BIOKÉMIA, GENETIKA 1. Nukleinsavak keresztrejtvény (12+1 p) 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 1. A nukleinsavak a.-ok összekapcsolódásával kialakuló polimerek. 2. Purinvázas szerves bázis, amely az
RészletesebbenAdatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán
Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán MTA KFKI Részecske és Magfizikai Intézet, Biofizikai osztály Az egy adatsorra (idősorra) is alkalmazható módszerek Példa: Az epileptikus
RészletesebbenBevezetés a biológiába. Környezettan Bsc. Szakos hallgatóknak
Bevezetés a biológiába Környezettan Bsc. Szakos hallgatóknak Mi a biológia? A biológia (az élet{bios} tudománya {logos}) az élőlények eredetének, leszármazási kapcsolatainak, testfelépítésésének, működésének,
Részletesebbenwww.pipecontrol.hu info@pipecontrol.hu
INTELLIGENS GÖRÉNYEZ G NYEZÉS Meghibásod sodások sok kezelése, karbantartási filozófi P I P E C O N T R O L Mérnöki Iroda Kft 8600 Siófok, Dózsa György u. 27/b Tel.: (+36) 84-506 702, Fax: (+36) 84-506
RészletesebbenProgramozási módszertan. Mohó algoritmusok
PM-08 p. 1/17 Programozási módszertan Mohó algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-08 p. 2/17 Bevezetés Dinamikus programozás
RészletesebbenA munkanélk polarizálts. gon. Lıcsei. Hajnalka. Budapest, 2010 nov. 27. Tudományegyetem. nyegyetem,, Budapest
A munkanélk lküliség g területei polarizálts ltsága Magyarországon gon Lıcsei Hajnalka Eötvös Loránd Tudományegyetem nyegyetem,, Budapest Regionális Tudományi Tanszék Budapest, 2010 nov. 27. Vázlat 1)
RészletesebbenAz emberi környezethasznk. rnyezethasználat fajtái
Az emberi környezethasznk rnyezethasználat fajtái Bevezetés A területhaszn lethasználat lat szerinti osztályoz lyozásmód d elsősorban sorban környezeti kockázat szempontjából l jellemzi az ember és a könyezet
Részletesebbengi- kapcsolati tért Politikai identitás Lengyelország: ntések, amelyek Geopolitikai szemléletm letmód Csehország:
KözépEurópa mint egységes ges gazdasági gi kapcsolati tért Kockázatok, kihívások, lehetőségek: együttm ttműködés a szomszédos országokkal Kőrösi Csaba, 2008. 05. 13. Politikai identitás Lengyelország:
RészletesebbenImperatív programozás
Imperatív programozás 2. Előadás Python alapok Elérhetőség Tejfel Máté Déli épület, 2.616 matej@elte.hu http://matej.web.elte.hu Python Script nyelv Értelmezett (interpretált) Dinamikus típusrendszer Gyors
RészletesebbenGyakorlati bioinformatika
Gyakorlati bioinformatika Szekvenciaillesztés PhD kurzus 2. Szekvenciaillesztés Bagossi Péter Fajtái: - egyszer ill. többszörös illesztés - globális ill. lokális illesztés Alkalmazása: - adatbázisokban
RészletesebbenA talajok vízgazdv. mozgékonys eloszlása sa jellemzi, kenységgel, termékenys. aktivitását
A talajok vízgazdv zgazdálkodása a tárolt t víz v z mennyisége, mozgékonys konysága, eloszlása sa jellemzi, szoros összefüggésben van a termékenys kenységgel, döntően befolyásolja a talaj biológiai aktivitását
RészletesebbenOperációkutatás. Vaik Zsuzsanna. Budapest október 10. First Prev Next Last Go Back Full Screen Close Quit
Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu Budapest 200. október 10. Mit tanulunk ma? Szállítási feladat Megoldása Adott: Egy árucikk, T 1, T 2, T,..., T m termelőhely, melyekben rendre
RészletesebbenReakciókinetika. aktiválási energia. felszabaduló energia. kiindulási állapot. energia nyereség. végállapot
Reakiókinetika aktiválási energia kiindulási állapot energia nyereség felszabaduló energia végállapot Reakiókinetika kinetika: mozgástan reakiókinetika (kémiai kinetika): - reakiók időbeli leírása - reakiómehanizmusok
RészletesebbenFeladatok haladóknak
Feladatok haladóknak Szerkesztő: Magyarfalvi Gábor és Varga Szilárd (gmagyarf@chem.elte.hu, szilard.varga@bolyai.elte.hu) Feladatok A formai követelményeknek megfelelő dolgozatokat a nevezési lappal együtt
RészletesebbenFelhasználói kézikönyv
Felhasználói kézikönyv 5040 Lézeres távolságmérő TARTALOMJEGYZÉK 1. Bevezetés... 2 2. Az elemek cseréje... 2 3. A készülék felépítése... 2 4. Műszaki jellemzők... 3 5. A lézeres távolságmérő bekapcsolása...
RészletesebbenTételes finanszíroz. rozási adatok. informatikai kérdk. Dr. Vassányi István,
Tételes finanszíroz rozási adatok eseménysorra fűzésének f informatikai kérdk rdései Dr. Vassányi István, Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék Egészségügyi
Részletesebbenés se tréning program depressziós s gyermekek számára Kiss Enikő SZTE Gyermekpszichiátria Osztály
PASCET Az elsődleges és másodlagos kontroll erősítése se Kognitív-behavior tréning program depressziós s gyermekek számára Kiss Enikő SZTE Gyermekpszichiátria Osztály 1 A depresszió készség-gondolat gondolat
RészletesebbenKötések kialakítása - oktett elmélet
Kémiai kötések Az elemek és vegyületek halmazai az atomok kapcsolódásával - kémiai kötések kialakításával - jönnek létre szabad atomként csak a nemesgázatomok léteznek elsődleges kémiai kötések Kötések
RészletesebbenSzimulációk egyszerősített fehérjemodellekkel. Szilágyi András
Szimulációk egyszerősített fehérjemodellekkel Szilágyi András Szimulációs módszerek alkalmazhatósági tartományai Egyszerősített modellek Három típusát mutatjuk be: Játék rácsmodellek Realisztikusabb rácsmodellek
RészletesebbenMESTERSÉGES INTELLIGENCIA
MESTERSÉGES INTELLIGENCIA MESTERSÉGES ÉLET Orás s LászlL szló Bevezetés Definció Áttekintés Célok Pozitívumok Alkalmazások Bevezetés > Definció Áttekintés Célok Pozitívumok Alkalmazások Definició: mesterséges
RészletesebbenKriptográfia Tizedik előadás SHA, Whirlpool, HMAC és CMAC
Kriptográfia Tizedik előadás SHA, Whirlpool, HMAC és CMAC Németh L. Zoltán SZTE, Számítástudom studomány Alapjai Tanszék 2008 ősz Hash és MAC algoritmusok Hash Függvények tetszőleges méretm retű adatot
RészletesebbenDNS-szekvencia meghatározás
DNS-szekvencia meghatározás Gilbert 1980 (1958) Sanger 3-1 A DNS-polimerázok jellemzői 5'-3' polimeráz aktivitás 5'-3' exonukleáz 3'-5' exonukleáz aktivitás Az új szál szintéziséhez kell: templát DNS primer
RészletesebbenSemmelweis Egyetem / Élettani Intézet / Budapest. Bioinformatika és genomanalízis az orvostudományban. Szekvenciaelemzés. Cserző Miklós 2017
Bioinformatika és genomanalízis az orvostudományban Szekvenciaelemzés Cserző Miklós 2017 A mai előadás Szekvencia analízis statisztikus szempontból Annotálás homológia alapján Az annotálás szempontjai
RészletesebbenHang terjedési sebességének meghatározása állóhullámok vizsgálata Kundt csőben
Hang terjedési sebességének meghatározása állóhullámok vizsgálata Kundt csőben Akusztikai állóhullámok levegőben vagy egyéb gázban történő vizsgálatához és azok hullámhosszának meghatározására alkalmas
RészletesebbenA METABOLIZMUS ENERGETIKÁJA
A METABOLIZMUS ENERGETIKÁJA Futó Kinga 2014.10.01. Metabolizmus Metabolizmus = reakciók együttese, melyek a sejtekben lejátszódnak. Energia nyerés szempontjából vannak fototrófok ill. kemotrófok. szervesanyag
RészletesebbenA METABOLIZMUS ENERGETIKÁJA
A METABOLIZMUS ENERGETIKÁJA Futó Kinga 2013.10.02. Metabolizmus Metabolizmus = reakciók együttese, melyek a sejtekben lejátszódnak. Energia nyerés szempontjából vannak fototrófok ill. kemotrófok. szervesanyag
RészletesebbenKorai replikátorok együttélése és evolúciója Könnyű Balázs
Korai replikátorok együttélése és evolúciója Könnyű Balázs ELTE, Biológiai Intézet, Növényrendszertani, Ökológiai és Elméleti Biológia Tanszék Tartalom 1) Prebiotikus információhordózó molekulák 2) Eigen-paradoxon
RészletesebbenKomplex munkaerőpiaci integráci. ciós s programok magyarországi gi tapasztalatai. Kellermann Éva csadó 2006. január r 31.
Komplex munkaerőpiaci integráci ciós s programok magyarországi gi tapasztalatai Kellermann Éva tréner, pályp lyázati tanácsad csadó 2006. január r 31. Komplex munkaerőpiaci integráci ciós programok Kifejezetten
RészletesebbenÖ Á Í Í ű ű ú ű ű ű ű ú ú ú ú ű ű ű ű ű ű ű ű ű ú ű ú ú ú ű ú Á ú ű ű Ó ú ű ű ű ú Ó ú ű ú É ú ú ú ű ű ú ű ú Ú Á ú É ú Ó ú ú ú ú ű ű ű ú É Á É É ű ű Í ú ú Ó Í ű Í ű ű ú ű ű ű É ű ú Á ű ű ú Í ű Á ű ú ú É
Részletesebbenö ö ö ö ö ö ö ű ű ö ö ö ö ö Ő ö Ó Ú ö Ö ö ö ö ö Ö Ő ö ö Í Ó Ó Ő ö ö ö ö ö Ő Ő Ó Ő É ö Ú ö ö Ő ö ö ö ö ö ö ö Ő ö Ő É ö Ő ö ö Ő ö ö ö Ó ű ö ö ö Ő ö ö ö Í Ő Ó Í ö ö ö ö Ő Ő Ő Ő Í Ó Ő Ő Í Ő ö ö ö ö ö Ő Ő ö
RészletesebbenÚ ű ü ü Ü ű É É Ö Ö Á ü ü ü ű É ú Á Ö Ü ü ü ű É Á É Ű ű Ü Ü ű ü ű ü ű ü Ü ü ü Ű Á Á Á ű ú ű Á Ó Ó É Á Ó Á Ó ű ü ü ű ű ü ú ú ü ü ü ű ü ű Ü ű ü ü ú ü Ö ü ú ú ü ü ü ü ű ú ü Ó ü Ó Ó ü ü Ó ü ü Ó ű ű ú ű ű ü
RészletesebbenIntelligens kommunális villamos fogyasztásmérés lehetőségének vizsgálata kutatás fejlesztés s keretében az E.ON Tiszántúli Áramszolgáltató Zrt-nél Dr. Dán András 1, Dr. Vajta László 2, Kálmán Viktor 2,
RészletesebbenFázisátalakulások. A víz fázisai. A nem közönséges (II-VIII) jég kristálymódosulatok csak több ezer bar nyomáson jelentkeznek.
Fázisátalakulások A víz fázisai. A nem közönséges (II-VIII) jég kristálymódosulatok csak több ezer bar nyomáson jelentkeznek. Fából vaskarika?? K Vizes kalapács Ha egy tartályban a folyadék fölötti térrészből
RészletesebbenKonzulensek: Mikó Gyula. Budapest, ősz
Önálló laboratórium rium 2. M.Sc.. képzk pzés Mikrohullámú teljesítm tményerősítők linearizálása adaptív v módszerekkelm Készítette: Konzulensek: Sas Péter P István - YRWPU9 Dr. Sujbert László Mikó Gyula
RészletesebbenBevezetés s a szemantikus technológi
Bevezetés s a szemantikus technológi giákba Szemantikus technológi giák Rendszerelemek jelentés logikai formula Elvárások logikai formula Az elvárások megvalósítása sa a rendszerelemek segíts tségével
RészletesebbenKÖTÉLSZERKEZETEK. Különleges Tartószerkezetek Hegyi Dezső Jegyzet kézirat 2012. v1 Kötélszerkezetek
KÖTÉLSZERKEZETEK A kötélszerkezetek olyan szerkezeti elemekből épülnek fel, melyek csak húzószilárdsággal rendelkeznek. Ez a valóságban azt jelenti, hogy a szerkezeti elemeink a geometriai kialakításuk
RészletesebbenProgramozási módszertan. Dinamikus programozás: A leghosszabb közös részsorozat
PM-07 p. 1/13 Programozási módszertan Dinamikus programozás: A leghosszabb közös részsorozat Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-07
RészletesebbenAz aktív tanulási módszerek alkalmazása felerősíti a fejlesztő értékelés jelentőségét, és új értékelési szempontok bevezetését veti fel a tudás
KÉMIA A kémiai alapműveltség az anyagi világ megismerésének és megértésének egyik fontos eszköze. A kémia tanulása olyan folyamat, amely tartalmain és tevékenységein keresztül az alapismeretek elsajátításán,
RészletesebbenGAZDASÁGI STATISZTIKA
GAZDASÁGI STATISZTIKA Dr. Kun István GÁBOR DÉNES FŐISKOLA Tantárgy: Gazdasági statisztika Kódszám: 224 Lapszám: 1 TÉMAKÖRÖK A STATISZTIKA ALAPFOGALMAI STATISZTIKAI SOROK STATISZTIKAI TÁBLÁK ÖSSZETETT VISZONYSZÁMOK
Részletesebben3. Sejtalkotó molekulák III.
3. Sejtalkotó molekulák III. Fehérjék, fehérjeszintézis (transzkripció, transzláció, posztszintetikus módosítások). Enzimműködés 3.1 Fehérjék A genetikai információ egyik fő manifesztálódása Számos funkció
RészletesebbenKémiai reakciók mechanizmusa számítógépes szimulációval
Kémiai reakciók mechanizmusa számítógépes szimulációval Stirling András stirling@chemres.hu Elméleti Kémiai Osztály Budapest Stirling A. (MTA Kémiai Kutatóközpont) Reakciómechanizmus szimulációból 2007.
Részletesebbenszerzett tapasztalataink
Anti-CCP mérése során szerzett tapasztalataink Geider Viola,Piros Alfrédn dné Baranya Megyei KórhK rház z Klinikai és Mikrobiológiai Laboratórium rium MOLSZE Kongresszus Pécs 2009 Bevezetı A rheumatoid
Részletesebben