Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Jacek Ławrynowicz Promotor: prof. Krzysztof Giaro.

Slides:



Advertisements
Podobne prezentacje
KORELACJA I REGRESJA WIELOWYMIAROWA
Advertisements

Modelowanie zależności ekspresji genów
Topology of the World Trade Web. Świat jako twór stawiający wysokie wymagania Świat staje się globalną wioską- global village Ogromne znaczenie handlu.
Podczas sprawdzianu badano umiejętności z następujących obszarów:
Homologia, Rozdział I „Przegląd” Homologia, Rozdział 1.
WYKŁAD 6. Kolorowanie krawędzi
ELEMENTY TEORII GRAFÓW
Algorytm Dijkstry (przykład)
Małgorzata Gozdecka Dominika Rudnicka
WZMACNIACZE PARAMETRY.
-skeletony w przestrzeniach R 2 i R 3 Mirosław Kowaluk Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski.
Analiza współzależności
WYKŁAD 7. Spójność i rozpięte drzewa
WYKŁAD 1. Grafy są wokół nas. Pojęcia wstępne.
WYKŁAD 4. Skojarzenia Skojarzenie w grafie G to niezależny zbiór krawędzi (rozłączne, bez wspólnych konców). Skojarzenie M w G traktujemy jak podgraf.
WYKŁAD 8. Siła spójności A,B – dowolne podzbiory V(G)
GRAFY PLANARNE To grafy, które można narysować na płaszczyźnie tak, by krawędzie nie przecinały się (poza swoimi końcami). Na przykład K_4, ale nie K_5.
WYKŁAD 4. Skojarzenia Skojarzenie w grafie G to niezależny zbiór krawędzi (rozłączne, bez wspólnych konców). Skojarzenie M w G traktujemy jak podgraf G.
Dariusz Odejewski Krzysztof Wójcik
Krzysztof Suchecki wybrana prezentacja z konferencji ECCS'07 w Dreźnie Interacting Random Boolean Networks.
Drzewa i grafy aktywów na rynkach finansowych
Proces analizy i rozpoznawania
mgr inż. Michał Joachimczak Instytut Oceanologii PAN, Sopot
Test t-studenta dla pojedynczej próby
GrAnIaStOsŁuPy PrOsTe.
Komputerowa analiza sieci genowych (GRN)
Komputerowa analiza sieci genowych (GRN)
Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Jacek Ławrynowicz Promotor: prof. Krzysztof Giaro.
Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Promotor: prof. Krzysztof Giaro.
Komputerowa analiza sieci genowych
Analiza sieci genowych Agnieszka Marmołowska Jacek Ławrynowicz.
Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Jacek Ławrynowicz Promotor: prof. Krzysztof Giaro.
Komputerowa analiza sieci genowych
Funkcje liniowe Wykresy i własności.
Informacje ogólne Zgodnie z Rozporządzeniem Ministra Edukacji Narodowej z dnia 30 kwietnia 2007r w sprawie warunków i sposobie oceniania, klasyfikowania.
The functional organization of mitochondrial genomes in human cells
Przepływy w sieciach. Twierdzenie minimaksowe.
SKIEROWANE Marek Bil Krzysztof Fitrzyk Krzysztof Godek.
Własności funkcji liniowej.
Graf - jest to zbiór wierzchołków, który na rysunku przedstawiamy za pomocą kropek oraz krawędzi łączących wierzchołki. Czasami dopuszcza się krawędzie.
Algorytmy i struktury danych
Komputerowe metody przetwarzania obrazów cyfrowych
na podstawie materiału – test z użyciem komputerowo generowanych prób
Graniastosłupy.
Topologie sieci lokalnych.
autorzy: Michał Przykucki Małgorzata Sulkowska
Temat 5: Symbole graficzne urządzeń sieciowych.
Podstawy statystyki, cz. II
mgr inż. Maciej Kowalski Dyrektor ds. Fotowoltaiki Grodno S.A.
FUNKCJE Opracował: Karol Kara.
Jacek Wasilewski Politechnika Warszawska Instytut Elektroenergetyki
Algorytmy i Struktury Danych
Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Jacek Ławrynowicz Promotor: prof. Krzysztof Giaro.
Drogi i cykle Eulera w grafach nieskierowanych
WĘDRÓWKI PO GRAFACH Obchody Eulera Cykle Hamiltona.
Składowe szeregu czasowego
Sieć Komputerowa.
Propozycje topologi w pracowni komputerowej Wykonali: Katarzyna Gontarz, Kuba Szeląg, Jan Szymczak i Katarzyna Węgorzewska.
Modelowanie matematyczne – złożoność obliczeniowa, teoria a praktyka
Analiza Sieci Społecznych
Modele sieci społecznych
Fizyka komputerowa 2005 Katarzyna Weron, W sieci.
Zagadnienia transportowe Katedra Ekonomiki i Funkcjonowania Przedsiębiorstw Transportowych.
Klasowanie adresów IP.
Działania na grafach Autor: Anna Targońska.
BRYŁY PLATOŃSKIE WYKONAŁ MIKOŁAJ MATUSZEWSKI UCZEŃ KLASY 2B
KORELACJA I REGRESJA WIELOWYMIAROWA
Algorytmy i struktury danych
KORELACJA WIELOKROTNA I CZĄSTKOWA
ZDROWE ODŻYWIANIE.
Zapis prezentacji:

Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Jacek Ławrynowicz Promotor: prof. Krzysztof Giaro

Przypomnienie Gene regulatory network – sieć genów komórki, które wpływają na siebie

Selektywność (assortativity) Parametr określający, czy wierzchołki o wysokich stopniach lubią łączyć się z ze sobą Różne wzory Różny zakres wartości

Selektywność Ilustracja Brak korelacji A = 0 A = 0.26 A = 0.43 Maksymalna (dla sieci o takim rozkładzie stopni) korelacja A = 0.62

Selektywność Neighbour connectivity Wzór funkcji Funkcja rosnąca – assortative network Funkcja malejąca – disassortative network

Neighbour connectivity Przykład Assortative

Neighbour connectivity Przykład Steel assortative

Neighbour connectivity Przykład Disassortative

Współczynnik selektywności Pearson correlation coefficient Wzór r jest znormalizowane

Współczynnik selektywności Przykład r = 1 r = 0,849

Współczynnik selektywności Przykład r = -0,111 r = -0,714

Współczynnik selektywności Sieci z życia Sieci społeczne – assortative Sieci techniczne/biologiczne – disassortative Dlaczego tak jest?

Współczynnik klasteryzacji Wzór u – wierzchołek k – stopień wierzchołka u e – ilość krawędzi łączących k sąsiadów u C – średni współczynnik klasteryzacji dla wszystkich wierzchołków C(k) – średni współczynnik klasteryzacji dla wierzchołków o stopniu k

Współczynnik klasteryzacji Zbadano: Sieci metabolicznych 43 organizmów Sieci interakcji białek (S. cerevisiae, H. pylori, E. coli, C. elegans) Regulacyjnych sieci genowych (S. Cerevisiae) C(k)~k -1 Wnioski: Pojedyncze moduły składają się z gęsto zgrupowanych wierzchołków o relatywnie niskim stopniu Moduły są połączone przez centralne wierzchołki o wysokim stopniu

Współczynnik klasteryzacji Wyewoluowana sieć n = 14, m = 128 C = 0,335 C(k)~k -1 ?

Współczynnik klasteryzacji Wyewoluowana sieć n = 48, m = 1028 C = 0,327 C(k)~k -1 ?

Współczynnik klasteryzacji Dlaczego? Sieć jest grafem: skierowanym dopuszcza krawędzie wielokrotne