Obliczeniowa biologia i komputerska biologia

💥 Obszary

Genomika

Analiza sekwencji: aligacja, zestawienie, anotacja.

Wykrywanie wariantów: detekcja mutacji, SNPów.

Analiza wyrażania: RNA-seq, wyrażenie różnicowe.

Proteomika

Przewidywanie struktury: AlphaFold, przewidywanie zacofania proteinowego.

Przewidywanie funkcji: anotacja, klasifikacja.

Interakcje: proteinoproteinowe, proteinodrożne.

Znalezienie leków

Przewidywanie właściwości: ADMET, toksyczność, aktywność.

Wykrywanie celów: interakcje lek-cel.

Metody uczenia maszynowego

Modely szeregowe

LSTM/GRU: Dla szeregów (DNA, proteiny).

Transformery: BERT dla szeregów, ProtBERT dla protei.

CNN: Dla wzorców w szeregach.

Sieci neuronowe grafowe

Molucje: GNN dla grafów molecznych.

Sieci biologiczne: GNN dla sieci biologicznych.

Zastosowania: odkrywanie leków, analiza sieci.

AlphaFold

Koncept: uczenie głębokie w prognozowaniu struktury protei.

Revolucja: precyzja struktury z sekwencji.

Zastosowania: struktura proteina, projektowanie leków.

📚 Praktyczne przykłady

Przykład 1: prognozowanie struktury proteinowej za pomocą AlphaFold

Sekwencja: przygotuj sekwencję proteinową.

AlphaFold: użyj AlphaFold do prognozowania.

Weryfikacja: porównaj z strukturą eksperymentalną.

Przykład 2: prognozowanie właściwości leków za pomocą GNN

Graf: stwórz graf molekularny.

GNN: trenuj GNN do prognozowania właściwości.

Prognoza: prognozuj właściwości nowych molekuł.

Spróbuj to na żywo

Wszystko powyżej działa w Twojej przeglądarce — otwórz Obliczeniową biologię i zmieniaj parametry podczas działania modelu. Nie ma potrzeby instalowania niczego ani przesyłania danych, cała модель istnieje w jednym okienku.