Rakubioloogia arvudes ja arvutites - courses.cs.ut.ee · Koosdominantne aditiivne paritavus Foto: Rene Maltete ... Tartu poiss, BSc Eestis/USAs/UKs, Ph.D UKs Minu ametlik taust. Tartu

Rakubioloogia arvudes ja arvutites

Leopold Parts

15/10/2015

Sissejuhatus (minu) erialasse

Rakubioloogia arvudes ja arvutites

Leopold Parts

15/10/2015

Sissejuhatus (minu) erialasse

1. Minu motivatsioon

Leopold Parts

15/10/2015

Sissejuhatus erialasse

Koosdominantne aditiivne paritavus Foto: Rene Maltete

Lapsed on vanemate sarnased…

Lapsed on vanemate sarnased pea matemaatiliseparatamatusega …

Sugavuskodeeritud film C.elegansi arengust. Waterston lab, University of Washington

Lapsed on vanemate sarnased pea matemaatiliseparatamatusega - vaatamata juhuslikkusele …

Lapsed on vanemate sarnased pea matemaatiliseparatamatusega - vaatamata juhuslikkusele jakeskkonnamōjudele

New England Journal of Medicine

Lapsed on vanemate sarnased pea matemaatiliseparatamatusega - vaatamata juhuslikkusele jakeskkonnamōjudele

New England Journal of Medicine

1. Minu motivatsioon

Minu ametlik taust

Minu ametlik taust

Tartu poiss

Minu ametlik taust

Tartu poiss, BSc Eestis/USAs/UKs

Tartu poiss, BSc Eestis/USAs/UKs, Ph.D UKs

Minu ametlik taust

Tartu poiss, BSc Eestis/USAs/Uks, postdoc Kanadas

Minu ametlik taust

Tartu poiss, BSc Eestis/USAs/UKs, Ph.D UKs,postdoc Kanadas, Saksamaal,

Minu ametlik taust

Minu ametlik taust

Tartu poiss, BSc Eestis/USAs/UKs, Ph.D UKs,postdoc Kanadas, Saksamaal, USAs

Me mōōdame, modelleerime jatorgime olulisi raku omadusi, et seletada ja ennustada nendevariatsiooni


2. Rakkude intervjueerimine

2. Rakkude intervjueerimine –helendavad valgud


Looduses


Looduses Katseklaasis



Laboriloomades



Laboriloomades Rakus sensorina

2. Rakkude intervjueerimine –mitu helendavat valku koos

Rohelise kanali pilt (kuumasensor)

Kuidas raku sensoritest infot saada?

Punase kanali pilt (rakud)


Tumepunase kanali pilt (DNA hulk)



Kuidas raku sensoritest infot saada?=> kuidas pilti segmenteerida?

Kuidas raku sensoritest infot saada?=> kuidas pilti segmenteerida?

Normaliseerimine, tausta eemaldamine,segmenteerimine




Pindala, Zernike_4_2, Integrated_RawGFP, …203.0, 0.024338041575, 0.88624400087, …331.0, 0.026511407084, 0.94691387401, …309.0, 0.013195424125, 1.14785993355, …428.0, 0.003274443389, 1.46671246248, …272.0, 0.022718659099, 1.08657970256, …

Tunnuste arvutamineFiltreerimineKvantifitseerimine





Statistika,masinōpe,vastused


3. Genoomi muutmine

Nobeli preemia 201? CRISPR/Cas9






Milliste geenide kustutamiselvähiravim paremini töötab?


Rakkude arv (ilma ravimita)

Rak

kud

ear

v(r

avim

ilis

amis

el)

Arvud on logaritmskaalalja keskmistatud

Punkt = 1 kustutatud geen

Rakkude arv (ilma ravimita)

Rak

kud

ear

v(r

avim

ilis

amis

el)


Geenimōju

Arvud on logaritmskaalalja keskmistatud

Punkt = 1 kustutatud geen

Kui CRG1 geen on vähirakkudeskatki, millist ravimit kasutada?

Gee

nim

ōju

CRG1 geen

Erinevad olemasolevad ja kandidaatravimid


4. Raku tuleviku ennustamine

Raku omadus: kasv

Kaspar Martens, University of Tartu, Estonia


Inimese pikkus (250,000 treeningandmepunkti): R2 = 0.29

Raku kasvu ennustamine genoomi ja“haigusloo” pōhjal


Mudel treenitud 80% andmetest, ennustused 20%-l.Punkt = 1 rakuliin

Inimese pikkus (250,000 treeningandmepunkti): R2 = 0.29

Raku kasvu ennustamine genoomi ja“haigusloo” pōhjal

5. Andmete kasulikud esitused -piltide tōlkimine eesti keelde

Sōnade esitamine arvutis

• 1-of-N bitijada:

– “Rootsi” = (0,0,0,0,0,…,0,0,1)

– “Auto” = (1,0,0,0,0,…,0,0,0)

– jne.

• Kasulikum: sōna wi bitijadast ({0,1}N) madalamasse ruumi, nt. 200 numbrit (R200)

• Kuidas leida hea teisendus W: {0,1}N -> R200 ?

Tanel Parnamaa, University of Tartu, Estonia

Rekurrentne neurovōrk teksti jaoks –lause mōtte kodeerimine


“Lehm” “seisab” “tänaval”



“Lehm” “seisab” “tänaval”Tekst (sōnade bitivektorid {0,1}N)



Vōrguolek

(R200)

Sōnade tei-sendamine

olekuks“Lehm” “seisab” “tänaval”Tekst (sōnade bitivektorid {0,1}N)



Vōrguolek

(R200)


olekuks

Praeguse oleku ja uuesōna kombineerimine


Rekurrentne neurovōrk teksti jaoks


Vōrguolek

(R200)


olekuks

Oleku tei-sendamine

sōnadeks



Rekurrentne neurovōrk teksti jaoks -mōttest lause koostamine


Vōrguolek

(R200)

Oleku tei-sendamine

sōnadeks


Madalamōōtmeline esitus on informatiivne

W1 mis teisendabsōnad 200ks arvuks 2D-s:













W1 mis teisendabsōnad 200ks arvuks 2D-s:


Lineaarsed operatsioonid töötavadmadalamōōtmelises esituses

• kuningas – kuninganna ≈ mees – naine

• Eesti – Tallinn ≈ Inglismaa – London

• Jaapan – jeen ≈ Shveits – frank

• soomlane – Soome ≈ rootslane – Rootsi

• soe – soojem ≈ paks – paksem


Esituste joondamist saab kasutadamasintōlkeks

Esimene peakomponent

Tein

e p

eako

mp

on

ent


Piltide tōlkimine eesti keelde

Pilt

Olekingliskeelses

ruumis(200 arvu)

Eestikeelnelause

Pilt -> inglise keel

Olek->lause

Olekeestikeelses

ruumis

Inglise ja eesti keeleolekute joondamine



Pilt -> inglise keel(200 arvu)

Olek->lause

Inglise ja eesti keeleolekute joondamine

“Lehm seisabkeset tanavat”








Praegune töö: raku kasulikud madala-mōōtmelised kirjeldused



Minu erialaks vajalikud teadmised

MTMM.00.340 Kõrgem matemaatika I MTMM.00.341 Kõrgem matemaatika II MTMM.00.342 Matemaatiline maailmapiltMTMS.02.059 Tõenäosusteooria ja matemaatiline statistikaMTAT.06.054 Eestikeelne kommunikatsioon arvutiteadusesFLKE.01.249 Erialane inglise keel informaatika üliõpilasteleMJRI.09.027 Sissejuhatus majandusteooriasseLOFY.01.121 Füüsika ja tehnikaMTAT.03.100 ProgrammeerimineMTAT.03.130 Objektorienteeritud programmeerimineMTAT.03.133 Algoritmid ja andmestruktuuridMTAT.03.006 ProgrammeerimiskeeledMTAT.03.264 AndmebaasidMTAT.03.134 Andmeturve


LOFY.03.079 Arvuti arhitektuur ja riistvara I MTAT.03.005 OperatsioonisüsteemidMTAT.05.085 AutomaadidMTAT.05.122 Graafid ja matemaatiline loogikaMTAT.06.045 KeeletehnoloogiaMTAT.06.008 Tehisintellekt I MTAT.05.125 Sissejuhatus teoreetilisse informaatikasseMTAT.03.032 Kasutajaliideste kavandamineMTAT.03.159 Tarkvara testimineMTAT.03.138 TarkvaraprojektMTAT.03.094 TarkvaratehnikaMTAT.03.230 Veebirakenduste loomine

Minu erialaks vajalikud teadmisedMTAT.03.100 ProgrammeerimineMTMM.00.328 Matemaatilise teksti küljendamineMTMM.00.038 Algebra IMTMS.01.069 Andmeanalüüs IMTMM.00.341 Kõrgem matemaatika IIMTAT.03.130 Objektorienteeritud programmeerimineMTMS.02.049 Tõenäosusteooria ja matemaatiline statistika IMTMS.01.058 Rakendustarkvara: SASMTAT.03.133 Algoritmid ja andmestruktuuridMTMM.00.327 Analüütiline geomeetriaMTAT.03.264 AndmebaasidMTAT.03.094 TarkvaratehnikaMTMS.02.007 Populatsioonigeneetika mat. alusedMTMS.01.082 Turu-uuringudMTAT.03.134 Andmeturve


MTMM.00.286 Matemaatiline analüüs IIIMTMS.02.050 Tõenäosusteooria ja matemaatiline statistika IIMTMS.02.003 Juhuslikud protsessidMTMS.01.033 Monte-Carlo meetodidMTMM.00.005 Numbrilised meetodidMTMS.01.003 Valikuuringute teooria IMTMS.01.092 Rakendustarkvara: RMTMS.01.007 Andmeanalüüs IIMTMS.01.010 Katseplaneerimise teooriaMTMS.01.037 Mitteparameetriline statistikaMTMS.01.020 Kvalitatiivsete andmete analüüsMTMS.01.008 Maatriksid statistikasMTMS.01.093 Eesti õigekeelsus ja väljendusõpetusMTMS.01.070 Biostatistika

Minu eriala – rakubioloogia arvudesja arvutites

• Matemaatika maailma täpseks kirjeldamiseks







• Statistika ja tõenaosusteooria andmetestolulise kurnamiseks







• Informaatika andmetöötluseks, dünaamilisteks analüüsideks, kasulikekstööriistadeks



• Statistika ja tõenaosusteooria andmetestolulise eraldamiseks


















• Raku- ja molekulaarbioloogia küsimusteks, katseteks, andmete genereerimiseks

Rakubioloogia arvudes ja arvutites - courses.cs.ut.ee · Koosdominantne aditiivne paritavus Foto: Rene Maltete ... Tartu poiss, BSc Eestis/USAs/UKs, Ph.D UKs Minu ametlik taust. Tartu

Documents