共起関係解析によるタンパク質の機能モジュール探索法の開発
|
|
- みずき たにしき
- 4 years ago
- Views:
Transcription
1 統合データ解析トライアル 中間激励会 共起関係解析によるタンパク質の機能モジュール探索法の開発 九州工業大学 情報工 生命情報 藤井聡 2013 藤井聡 ( 九州工業大学 )licensed under CC 表示 2.1 日本 1
2 背景 疾病関連遺伝子 ドメイン モチーフ ドラッグターゲット T/G Gefitinib LUNG CANCER OMIM NHGRI GWAS Catalog Human Variation DB etc... PROSITE Pfam InterPro CATH SCOP etc.. EGFR CYP2D6 ABCG2 DrugBank PubChem KEGG DRUG etc.. etc.. 2
3 EGFR tyrosine kinase domain の結晶構造 LEU858ARG, NONSMALL CELL LUNG CANCER (OMIM) 機能モジュール : 3 次元構造中で近傍に存在しており関係性が高い ROTEIN_KINASE_ATP PROSITE) PROTEIN_KINASE_TYR (PROSITE) 3
4 目的 非常に多くのゲノム プロテオームに関する情報の集積体 ( データベース ) が構築されている 疾病関連遺伝子やタンパク質の機能を示すドメインやモチーフ 薬剤などの相互作用部位を現すリガンド相互作用 タンパク質 - タンパク質相互作用などが挙げられる しかし 単独では価値を理解することが難しいものも多い 疾病情報やドメインなどの機能情報同士の間に浮かび上がる共起関係に注目し 構造と機能の有機的な結び付きを現す機能モジュールを探索する手法を開発することを目的とする 4
5 方法 研究項目として 検出するターゲットは PROSITE, Pfam から得ることのできる機能ドメインと機能モチーフに対象を絞る 共起関係は 1 対 1 の関係に絞って解析手法を確立する 1. データの取得と生成 データの整形 2. 共起関係の解析手法の確立 3. データベース作成ならび検索サイトの作成 最終的にその得られた共起関係のリストを 空間的な距離やその出現数 統計的な有意性を含めてデータベースとして公開するまでを第 1 目標とする 5
6 研究開発の主なスケジュール 研究開発項目 平成 25 年 10 月 平成 25 年 11 月 平成 25 年 12 月 平成 26 年 1 月 1. データの取得と生成 データの整形 2. 共起関係の解析手法の開発 3. データベース作成ならび検索サイトの作成 6
7 データの取得と生成 データの整形 タンパク質の3 次元構造データ PDBjより全 PDB 構造を取得する ドメイン モチーフの情報 タンパク質に存在するドメイン モチーフの情報はPROSITEから得る ドメイン モチーフの位置についての情報が存在しないので タンパク質配列に対してPROSITEのps_scanにより配列に対して予測計算を行い求める Pfamのドメイン情報も進行状況次第で取り入れる タンパク質構造の冗長化 タンパク質の構造は同じタンパク質から複数得られていたり タンパク質の一部分のみの構造が得られていたりしているので冗長化を行う必要がある すでに前研究でUniprotを利用しタンパク質構造情報の冗長化は行っているので それをドメイン モチーフにも適応させる 7
8 データの取得と生成 データの整形 タンパク質の3 次元構造データ PDBjより全 PDB 構造を取得する ドメイン モチーフの情報 タンパク質に存在するドメイン モチーフの情報はPROSITEから得る ドメイン モチーフの位置についての情報が存在しないので タンパク質配列に対してPROSITEのps_scanにより配列に対して予測計算を行い求める Pfamのドメイン情報も進行状況次第で取り入れる タンパク質構造の冗長化 タンパク質の構造は同じタンパク質から複数得られていたり タンパク質の一部分のみの構造が得られていたりしているので冗長問題点 : モチーフの位置が微妙にずれることがある 化を行う必要がある PDB chainをタンパク質配列にblast 等でアライメント すでに前研究でUniprot して位置を定める必要あり を利用しタンパク質構造情報の冗長化は行っているので それをドメイン モチーフにも適応させる 8
9 共起関係の検出 1 タンパク質構造中で近傍に存在する共起関係の検出 2 タンパク質全体で高頻度に見られる共起関係の検出 EGFR FYN NTRK 両方の条件に合致する共起関係の検出 9
10 結果 : 2 つのモチーフ同士の距離 Uniprot. ID_A PDB.cha in.id_a Prosite_A Start_A End_B Uniprot. ID_B PDB.cha in.id_b Prosite_B Start_B End_B Cα.dist (min) Cα.dist (ave.) P edoA PS P edoA PS P i61A PS P i61A PS P p32A PS P p32A PS P h4fA PS P h4fB PS Q9X273 3azrB PS Q9X273 3azrB PS Prosite モチーフ数 : 2,006 総 PDBchain 数 : 221,581 総タンパク質数 : 28,865 モチーフ Hit 数 : 3,163,170 モチーフ組み合わせ数 : 146,673,695 10
11 モチーフ間の Cα 最短距離の分布 11
12 共起関係の検出法 モチーフ A とモチーフ B の潜在 Site の組み合わせ総数 (T A,B ) [i] という PDB 構造の chain [j ] におけるモチーフ A の潜在 Site 数 (S A,i,j ) S A,i,j = L i,j m A + 1, L i,j m A 0, L i,j < m A L i,j : [i] というPDB 構造のchain [j ] の配列長 m A : モチーフAの長さ モチーフ A とモチーフ B の共起数 (N A,B ) AAA PPPP cccccc T A,B = ( S A,i,j i j cccccc S B,i,j ) j mmmmmm hiiiii PDDD cccccc Hit したモチーフ A とモチーフ B の潜在 Site の組み合わせ数 (N A ) Hit したモチーフ B とモチーフ A の潜在 Site の組み合わせ数 (N B ) N A = S B,i,j i mmmmmm hiiiii PDDD N B = S A,i,j i j cccccc j 12
13 結果 : 共起関係の enrichment Motif_combination N A,B N A N B T A,B p-value FDR PS00115_PS PS00783_PS PS00006_PS E E E-15 PS00163_PS E PS00008_PS E PS00585_PS PS00008_PS E PS00008_PS E *p-value は超幾何分布により算出 FDR < 0.05: 12,867entries N A,B P(X = k) = 1 k N B k T A,B N B N A k T A,B N A FDR は BH 法により計算 13
14 距離と共起の Enrichment の両方での 共起の Enrichment における有意性が FDR< 0.05 である 含まれているモチーフ同士の Cα 最短距離がすべて Å 内にある 上の 2 つの条件に合うモチーフの共起のみにしぼった Motif combination N A,B N A N B T A,B p-value FDR N( Å) PS00621_PS E PS00135_PS E PS50883_PS E PS51096_PS E PS00623_PS E E E-08 5 PS00135_PS E E E-07 2 PS00029_PS E PS00107_PS E PS00299_PS E PS50240_PS E entries 14
15 実例 : PS00029_PS00367 の共起関係 PS00367: (A: ) Biopterin-dependent aromatic amino acid hydroxylases signature P17752 P04177 P70080 Tryptophan 5-hydroxylase 1 (Human) 3hf6A 1mlwA 3hf8A 3hfbA Tyrosine 3-monooxygenase (Rat) 1tohA 2tohA Tryptophan 5-hydroxylase 1 (Chicken) 3e2tA PS00029: (A: ) Leucine zipper pattern PDBID:3HF6 (human tryptophan hydroxylase type 1 ) 15
16 実例 : PS00286_PS00135 の共起関係 PS00286: (I: ) Squash family of serine protease inhibitors signature PS00135: (E: ) Serine proteases, trypsin family, serine active site P staI P staE P ppeI P ppeE P btcI P btcE P h9iI P h9iE P f2sI P f2sE P stbI P stbE P mctI P mctA PDBID:2STA(SALMON TRYPSIN IN COMPLEX WITH SQUASH SEED INHIBITOR) 16
17 まとめ 現状はスケジュールどおりに進行している 課題は残っているが 共起関係の検出を一通り行った タンパク質の冗長化が現状ではうまく行えていない Blast を行い冗長化を行う必要がある モチーフ同士の距離の関係では 相互作用しているかのようなピークが見られた 共起関係の enrichment によっても絞ることができた 距離の関係と Enrichment の両方を使って絞り込むと 重要そうな共起関係が検出できていた 今後は 残っている課題を解決して 出力をデータベースにまとめ検索サイトを作成する 17
共起関係解析によるタンパク質の機能モジュール探索法の開発
2014.03.02 統合化推進プログラム統合データ解析トライアル研究成果報告会 共起関係解析によるタンパク質の機能モジュール探索法の開発 九州工業大学 情報工 生命情報 藤井聡 2014 藤井聡 ( 九州工業大学 )licensed under CC 表示 2.1 日本 1 背景 疾病関連遺伝子 ドメイン モチーフ ドラッグターゲット T/G Gefitinib LUNG CANCER OMIM
More informationLigases の 分類クラス下に階層構造として表 検索機能を持つ 公共データベースサイトへのリンクと構成タンパク質の LSKB 内リンクにより 当該タンパク質をターゲットとする化合物をさまざまな角度から ることができるほか タンパク質を構成するドメインや PDB 複合体リガンド 文献を参照できる
LSKB Version 4.3.0 リリースノート このリリースノートには LSKB -Life Science Knowledge Bank の新機能 問題点の修正などが記 載されています [ 新機能 ] 1. トップ画面の "Gene & Proteins" に以下のメニューの追加あるいは改良 Browser (Metabolizing) EC Classification GPCR SARfari
More informationMicrosoft PowerPoint - 3rd-jikken-vscreen [互換モード]
生命情報実験第一 ( 情報系 ) バイオインフォマティクスの道具箱 タンパク質化合物相互作用解析: バーチャルスクリーニング 慶應義塾大学生命情報学科榊原康文, 佐藤健吾 リード化合物探索とインフォマティクス High Throughput Screening 実験的検証 リード化合物 = 薬剤候補 薬剤標的タンパク質 初期候補 実験的検証 + インフォマティクス 1. 大量化合物の探索 2. 成功率向上
More informationMicrosoft Word - GCOEキャリアパス支援テクニカルセミナー090709web.doc
東京大学グローバル COE プログラム ゲノム情報に基づく先端医療の教育研究拠点 オーダーメイド医療の実現と感染症克服を目指して IMSUT & RCAST GCOE 特別セミナー < キャリアパス支援テクニカルセミナー > ゲノムデータ統合データベース利用演習 WEB サービス利用法講習会 開催のご案内 ( 医科研ヒトゲノム解析センター スーパーコンピュータ室主催 ) 日時 :7 月 9 日 (
More information研究成果報告書
様式 C-19 F-19 Z-19( 共通 ) 1. 研究開始当初の背景研究開始当初の平成 24 年の時点で HUGO (Human Genome Organisation) Gene Nomenculature Committee (http://www. genename.org) には ヒトの遺伝子記号が 32,000 登録されておりそのうちタンパク質をコードするものは約 19,000 であった
More informationMicrosoft PowerPoint - BIセンターセミナー2013.pptx[読み取り専用]
遺伝子配列解析の基礎 genome=gene+ome DNA 配列からタンパク質へ cgtgctttccacgacggtgacacgcttccctggattggccagactgccttccgggtcactgccatggaggagccgcagtcagatcctagcgtcgagccccctctga gtcaggaaacattttcagacctatggaaactacttcctgaaaacaacgttctgtcccccttgccgtcccaagcaatggatgatttgatgctgtccccggacgatattga
More informationNL11
information September, 2007 1 2 Japanese Association for Molecular Target Therapy of Cancer News Letter No.11 September, 2007 3 2007 4 Japanese Association for Molecular Target Therapy of Cancer News Letter
More informationuntitled
237 238 G 8-1 239 240 G - 241 242 G - 243 244 G 8-2 245 246 G - 247 248 G 8-3 900 600 249 250 G 8-3 251 252 G 8-5 253 254 G 8-5 255 700 700mm800mm850mm 256 G - 257 258 G 8-7 259 35 7.5 100 100 8 260 G
More informationプロジェクト概要 ー ヒト全遺伝子 データベース(H-InvDB)の概要と進展
個別要素技術 2 疾患との関連情報の抽出 予測のための 技術開発 平成 20 年 11 月 18 日産業技術総合研究所バイオメディシナル情報研究センター分子システム情報統合チーム 今西規 1 個別要素技術 2 課題一覧 1 大量文献からの自動知識抽出と文献からの既知疾患原因遺伝子情報の網羅的収集 2 疾患遺伝子情報整備と新規疾患遺伝子候補の予測 3 遺伝子多型情報整備 1 大量文献からの自動知識抽出と
More informationヒトゲノム情報を用いた創薬標的としての新規ペプチドリガンドライブラリー PharmaGPEP TM Ver2S のご紹介 株式会社ファルマデザイン
ヒトゲノム情報を用いた創薬標的としての新規ペプチドリガンドライブラリー PharmaGPEP TM Ver2S のご紹介 株式会社ファルマデザイン 薬剤の標的分子別構成 核内受容体 2% DNA 2% ホルモン 成長因子 11% 酵素 28% イオンチャンネル 5% その他 7% 受容体 45% Drews J,Science 287,1960-1964(2000) G 蛋白質共役受容体 (GPCR)
More information生命情報学
生命情報学 5 隠れマルコフモデル 阿久津達也 京都大学化学研究所 バイオインフォマティクスセンター 内容 配列モチーフ 最尤推定 ベイズ推定 M 推定 隠れマルコフモデル HMM Verアルゴリズム EMアルゴリズム Baum-Welchアルゴリズム 前向きアルゴリズム 後向きアルゴリズム プロファイル HMM 配列モチーフ モチーフ発見 配列モチーフ : 同じ機能を持つ遺伝子配列などに見られる共通の文字列パターン
More information5_motif 公開版.ppt
配列モチーフ 機能ドメイン 機能部位 機能的 構造的に重要な部位 は進化の過程で保存 される傾向がある 進化的に保存された ドメイン 配列モチーフ 機能ドメイン中の特徴的な 保存配列パターン マルチプルアライメント から抽出 配列モチーフの表現方法 パターン プロファイル 2 n n n n n n n n ENCODE n PROSITE パターンの例 n C-x(2,4)-C-x(3)-[LIVMFYWC]-x(8)-H-x(3,5)-H.
More informationMicrosoft Word - .....J.^...O.|Word.i10...j.doc
P 1. 2. R H C H, etc. R' n R' R C R'' R R H R R' R C C R R C R' R C R' R C C R 1-1 1-2 3. 1-3 1-4 4. 5. 1-5 5. 1-6 6. 10 1-7 7. 1-8 8. 2-1 2-2 2-3 9. 2-4 2-5 2-6 2-7 10. 2-8 10. 2-9 10. 2-10 10. 11. C
More informationChIP-seq
ChIP-seq 1 ChIP-seq 解析原理 ChIP サンプルのフラグメントでは タンパク質結合部位付近にそれぞれ Forward と Reverse のリードがマップされることが予想される ChIP のサンプルでは Forward と Reverse のリードを 3 側へシフトさせ ChIP のピークを算出する コントロールサンプルでは ChIP のサンプルとは異なり 特定の場所に多くマップされないため
More informationMicrosoft Word - ランチョンプレゼンテーション詳細.doc
PS1-1-1 PS1-1-2 PS1-1-3 PS1-1-4 PS1-1-5 PS1-1-6 PS1-1-7 PS1-1-8 PS1-1-9 1 25 12:4514:18 25 12:4513:15 B PS1-1-10 PS1-2-1 PS1-2-2 PS1-2-3 PS1-2-4 PS1-2-5 PS1-2-6 25 13:1513:36 B PS1-2-7 PS1-3-1 PS1-3-2
More information生物物理夏学・計算ハンズオン.docx
ハンズオンセミナー別添資料 タンパク質間ドッキングによる複合体構造予測 Protein Quaternary Structure Prediction with Protein-Protein Docking 大上雅史 東京工業大学大学院情報理工学研究科計算工学専攻秋山研究室博士課程 3 年 Masahito Ohue Depertment of Computer Science, Graduate
More information国際塩基配列データベース n DNA のデータベース GenBank ( アメリカ :Na,onal Center for Biotechnology Informa,on, NCBI が運営 ) EMBL ( ヨーロッパ : 欧州生命情報学研究所が運営 ) DDBJ ( 日本 : 国立遺伝研内の日
生物情報工学 BioInforma*cs 3 遺伝子データベース 16/06/09 1 国際塩基配列データベース n DNA のデータベース GenBank ( アメリカ :Na,onal Center for Biotechnology Informa,on, NCBI が運営 ) EMBL ( ヨーロッパ : 欧州生命情報学研究所が運営 ) DDBJ ( 日本 : 国立遺伝研内の日本 DNA データバンクが運営
More information次世代シークエンサーを用いたがんクリニカルシークエンス解析
次世代シークエンサーを用いた がんクリニカルシークエンス解析 フィルジェン株式会社バイオサイエンス部 (biosupport@filgen.jp) 1 がん遺伝子パネル がん関連遺伝子のターゲットシークエンス用のアッセイキット コストの低減や 研究プログラムの簡素化に有用 網羅的シークエンス解析の場合に比べて 1 遺伝子あたりのシークエンス量が増えるため より高感度な変異の検出が可能 2 変異データ解析パイプライン
More informationCourseDescriptions_
MOE 2018.01 トレーニングコース説明 MOE の基本操作... 1 タンパク質の基本操作... 1 抗体設計... 2 タンパク質設計... 2 LBDD と SAR 解析... 3 SBDD とリガンド設計... 3 ファーマコフォア... 3 FBDD... 4 ケモインフォマティクスと QSAR... 4 SVL 基礎... 4 アドバンスト SBDD... 5 X 線結晶構造解析者向けツール...
More informationPowerPoint Presentation
DNA 87 ( ) Nucleic Acids ResearchDB RNA 29 94 58 29 18 43 153 : 511 Bio DB Catalog (DBCAT) http://www.infobiogen.fr/services/dbcat/ 2 GenBank MB SRS) DAS) 3 4 5 A A A 6 OGSA-DAI 7 9 DB Medical Encyclopedia
More informationPDBj : : 1
PDB (PDBj) http://www.pdbj.org Mar. 3, 2008 PDBj : : 1 PDBj PDB ID / / XML (xpsss) (Sequence-Navigator) (Structure-Navigator) (ASH) (ProMode) (ef-site) (EM-Navigator) New! GUI (Protein Globe) New! (eprots)
More informationTaro13-第6章(まとめ).PDF
% % % % % % % % 31 NO 1 52,422 10,431 19.9 10,431 19.9 1,380 2.6 1,039 2.0 33,859 64.6 5,713 10.9 2 8,292 1,591 19.2 1,591 19.2 1,827 22.0 1,782 21.5 1,431 17.3 1,661 20.0 3 1,948 1,541 79.1 1,541 79.1
More informationEPSON エプソンプリンタ共通 取扱説明書 ネットワーク編
K L N K N N N N N N N N N N N N L A B C N N N A AB B C L D N N N N N L N N N A L B N N A B C N L N N N N L N A B C D N N A L N A L B C D N L N A L N B C N N D E F N K G H N A B C A L N N N N D D
More informationありがとうございました
- 1 - - 2 - - 3 - - 4 - - 5 - 1 2 AB C A B C - 6 - - 7 - - 8 - 10 1 3 1 10 400 8 9-9 - 2600 1 119 26.44 63 50 15 325.37 131.99 457.36-10 - 5 977 1688 1805 200 7 80-11 - - 12 - - 13 - - 14 - 2-1 - 15 -
More informationEPSON エプソンプリンタ共通 取扱説明書 ネットワーク編
K L N K N N N N N N N N N N N N L A B C N N N A AB B C L D N N N N N L N N N A L B N N A B C N L N N N N L N A B C D N N A L N A L B C D N L N A L N B C N N D E F N K G H N A B C A L N N N N D D
More information公務員人件費のシミュレーション分析
47 50 (a) (b) (c) (7) 11 10 2018 20 2028 16 17 18 19 20 21 22 20 90.1 9.9 20 87.2 12.8 2018 10 17 6.916.0 7.87.4 40.511.6 23 0.0% 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2.0% 4.0% 6.0% 8.0%
More informationQ1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 A B (A/B) 1 1,185 17,801 6.66% 2 943 26,598 3.55% 3 3,779 112,231 3.37% 4 8,174 246,350 3.32% 5 671 22,775 2.95% 6 2,606 89,705 2.91% 7 738 25,700 2.87% 8 1,134
More information橡hashik-f.PDF
1 1 1 11 12 13 2 2 21 22 3 3 3 4 4 8 22 10 23 10 11 11 24 12 12 13 25 14 15 16 18 19 20 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 144 142 140 140 29.7 70.0 0.7 22.1 16.4 13.6 9.3 5.0 2.9 0.0
More information198
197 198 199 200 201 202 A B C D E F G H I J K L 203 204 205 A B 206 A B C D E F 207 208 209 210 211 212 213 214 215 A B 216 217 218 219 220 221 222 223 224 225 226 227 228 229 A B C D 230 231 232 233 A
More informationネットショップ・オーナー2 ユーザーマニュアル
1 1-1 1-2 1-3 1-4 1 1-5 2 2-1 A C 2-2 A 2 C D E F G H I 2-3 2-4 2 C D E E A 3 3-1 A 3 A A 3 3 3 3-2 3-3 3-4 3 C 4 4-1 A A 4 B B C D C D E F G 4 H I J K L 4-2 4 C D E B D C A C B D 4 E F B E C 4-3 4
More information1
1 2 3 4 5 (2,433 ) 4,026 2710 243.3 2728 402.6 6 402.6 402.6 243.3 7 8 20.5 11.5 1.51 0.50.5 1.5 9 10 11 12 13 100 99 4 97 14 A AB A 12 14.615/100 1.096/1000 B B 1.096/1000 300 A1.5 B1.25 24 4,182,500
More information05[ ]戸田(責)村.indd
147 2 62 4 3.2.1.16 3.2.1.17 148 63 1 3.2.1.F 3.2.1.H 3.1.1.77 1.5.13 1 3.1.1.05 2 3 4 3.2.1.20 3.2.1.22 3.2.1.24 3.2.1.D 3.2.1.E 3.2.1.18 3.2.1.19 2 149 3.2.1.23 3.2.1.G 3.1.1.77 3.2.1.16 570 565 1 2
More information/9/ ) 1) 1 2 2) 4) ) ) 2x + y 42x + y + 1) 4) : 6 = x 5) : x 2) x ) x 2 8x + 10 = 0
1. 2018/9/ ) 1) 8 9) 2) 6 14) + 14 ) 1 4 8a 8b) 2 a + b) 4) 2 : 7 = x 8) : x ) x ) + 1 2 ) + 2 6) x + 1)x + ) 15 2. 2018/9/ ) 1) 1 2 2) 4) 2 + 6 5) ) 2x + y 42x + y + 1) 4) : 6 = x 5) : x 2) x 2 15 12
More informationMicrosoft Word - 実習テキスト.doc
バイオインフォマティクス実習テキスト リンク集 http://www.cbrc.jp/~hirokawa/toyama.html 産総研生命情報工学研究センター 広川貴次 目次 1. 遺伝子配列 アミノ酸配列を取得する... 3 2. ホモロジー検索... 8 3.PCR のプライマーを設計する... 12 4. インターネットを利用したタンパク質立体構造予測... 15 5. 複数配列のアラインメント...
More information人芯経営論 ・・・リーダーシップ考②
2009/12/15 2009/11/17 2009/11/16 2009/10/19 2009/10/15 2009/10/1 2009/9/17 2009/9/1 2009/8/17 2009/8/17 2009/8/14 2009/8/12 2009/7/28 2009/7/17 2009/7/15 2009/6/24 2009/6/18 2009/6/15 2009/5/20 2009/5/15
More informationMicrosoft PowerPoint - 7.pptx
通信路 (7 章 ) 通信路のモデル 情報 送信者 通信路 受信者 A a,, a b,, b B m = P( b ),, P( b m ) 外乱 ( 雑音 ) n = P( a,, P( a ) n ) 送信情報源 ( 送信アルファベットと生成確率 ) 受信情報源 ( 受信アルファベッと受信確率 ) でもよい 生成確率 ) 受信確率 ) m n 2 イメージ 外乱 ( 雑音 ) により記号 a
More information平成20年5月 協会創立50年の歩み 海の安全と環境保全を目指して 友國八郎 海上保安庁 長官 岩崎貞二 日本船主協会 会長 前川弘幸 JF全国漁業協同組合連合会 代表理事会長 服部郁弘 日本船長協会 会長 森本靖之 日本船舶機関士協会 会長 大内博文 航海訓練所 練習船船長 竹本孝弘 第二管区海上保安本部長 梅田宜弘
More information
bioinfo ppt
IT バイオインフォマティクス第 8 回 BIO 藤博幸 Outline (1) 立体構造解析の背景 (2) 立体構造データベース PDB (3) 可視化ツール (4) 構造比較と構造分類 (5) 立体構造予測 (6) 立体構造を用いた分子機能解析 構造を比較することの意味 アミノ酸配列に比べ 立体構造は保存しやすい アミノ酸配列は類似していない つまり配列レベル の検索で検出できないような類似性
More information301-A2.pdf
301 21 1 (1),, (3), (4) 2 (1),, (3), (4), (5), (6), 3,?,?,??,?? 4 (1)!?, , 6 5 2 5 6 1205 22 1 (1) 60 (3) (4) (5) 2 (1) (3) (4) 3 (1) (3) (4) (5) (6) 4 (1) 5 (1) 6 331 331 7 A B A B A B A 23 1 2 (1) (3)
More informationr
73 29 2008 200 4 416 2008 20 042 0932 10 1977 200 1 2 3 4 5 7 8 9 11 12 14 15 16 17 18 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 200r 11 1 1 1 1 700200 200
More informationNo. 1261 2003. 4. 9 14 14 14 14 15 30 21 19 150 35 464 37 38 40 20 970 90 80 90 181130 a 151731 48 11 151731 42 44 47 63 12 a 151731 47 10 11 16 2001 11000 11 2002 10 151731 46 5810 2795195261998 151731
More informationデータ科学2.pptx
データ科学 多重検定 2 mul%ple test False Discovery Rate 藤博幸 前回の復習 1 多くの検定を繰り返す時には 単純に個々の検定を繰り返すだけでは不十分 5% 有意水準ということは, 1000 回検定を繰り返すと, 50 回くらいは帰無仮説が正しいのに 間違って棄却されてすまうじちがあるということ ex) 1 万個の遺伝子について 正常細胞とガン細胞で それぞれの遺伝子の発現に差があるかどうかを検定
More information1 研究開発のねらい 糖鎖は 細胞表面のタンパク質や脂質に結合し 血液型の決定 細胞接着 抗原抗体反応 ウイルス感染などの生体反応で重要な役割を果たす生体分子である 糖鎖による多様な生物学的機能のうち 糖鎖結合タンパク質による糖鎖の特異的認識があり 糖鎖 - タンパク質間の相互作用の解析に糖鎖アレイ
ライフサイエンスデータベース統合推進事業統合データ解析トライアル研究開発課題 タンパク質 - 糖鎖間の糖鎖結合部位の解明のためのツール改良及び解析 研究開発終了報告書 研究開発期間 : 平成 25 年 9 月 ~ 平成 26 年 1 月 研究代表者 : 細田正恵 ( 創価大学大学院工学研究科生命情報工学専攻 大学院生 ) - 1-2014 細田正恵 ( 創価大学大学院 )licensed under
More informationyakugaku-kot.ppt
2009 Masaaki Kotera kot@kuicr.kyoto-u.ac.jp 2 I II / A () B1 () B2 B12 C () D A D () () () () DNA 5- http://www.genome.jp/kegg/pathway.html KEGG PATHWAY Database Xenobiotics biodegradation http://www.genome.jp/kegg/pathway.html
More informationアノテーション・フィルタリング用パイプラインとクリニカルレポートの作成
アノテーション フィルタリング用パイプラインと クリニカルレポートの作成 フィルジェン株式会社バイオサイエンス部 (biosupport@filgen.jp) 1 クリニカルシーケンス解析パイプライン 1. リファレンスゲノム配列へのアライメント / マッピング 2. 変異の検出 3. アノテーション付けとフィルタリング 4. レポートの作成 2 臨床現場で活用する場合は シンプルな操作性で 高度な専門知識がなくても使用できる
More information3
3 H26.6.25 ETC H26.5 ( JCT H26.5 P A 6 PA PA H26.6 JCT 6JCT2 11 H26.7 P A 5 PA H26.8 1,000,000 900,000 800,000 700,000 H24.10H25.9 H25.10H26.9 600,000 500,000 10 11 12 1 2 3 4 5 6 7 8 9 936,834
More information第2章 生物有機化学実験及び実験法
1.9.2. アミノ酸配列の解析 1.9.2.1. ドメイン構造の検索 - 応用生命科学科のホームページ (http://www.biochemistry.kais.kyoto-u.ac.jp/) に入って以下の実習を行なう - 蛋白質は通常一つのドメインからなるのではなく, 多くのドメインが集まったモジュール構造をとっている. 各ドメインはドメイン単位で機能を持つと共に, 蛋白質内の他のドメイン構造と連係し,
More information計算機生命科学の基礎II_
Ⅱ 1.4 atsushi_doi@cell-innovator.com 812-8582 3-1-1 8 806 http://www.cell-innovator.com BioGPS Connectivity Map The Cancer Genome Atlas (TCGA); cbioportal GO DAVID, GSEA WCGNA BioGPS http://biogps.org/
More information橡matufw
3 10 25 3 18 42 1 2 6 2001 8 22 3 03 36 3 4 A 2002 2001 1 1 2014 28 26 5 9 1990 2000 2000 12 2000 12 12 12 1999 88 5 2014 60 57 1996 30 25 205 0 4 120 1,5 A 1995 3 1990 30 6 2000 2004 2000 6 7 2001 5 2002
More informationO
11 2 1 2 1 1 2 1 80 2 160 3 4 17 257 1 2 1 2 3 3 1 2 138 1 1 170 O 3 5 1 5 6 139 1 A 5 2.5 A 1 A 1 1 3 20 5 A 81 87 67 A 140 11 12 2 1 1 1 12 22 1 10 1 13 A 2 3 2 6 1 B 2 B B B 1 2 B 100 B 10 B 3 3 B 1
More informationindd
Molecular Targeted Therapy for Lung Cancer from a Pharmaceutical Point of Viewe Naho SASAKI epidermal growth factor receptor tyrosine kinase inhibitor :EGFR-TKI vascular endothelial growth factor:vegf
More informationMicrosoft PowerPoint - 阿部貴志.ppt
微生物ゲノムの共通プロトコルによる 遺伝子配列情報の提供 国立遺伝学研究所生命情報 DDBJ 研究センター阿部貴志 http://gtps.ddbj.nig.ac.jp/ DNA Data Bank of Japan International Nucleotide Sequence Database Collaboration (INSDC) (DDBJ) Growth of the International
More informationKEGG_PATHWAY.ppt
KEGG: Kyoto Encyclopedia of Genes and Genomes KEGG: Kyoto Encyclopedia of Genes and Genomes 様々な種類のデータを 生命現象の総体 として再構築 ツールの提供 EGassembler KAAS GENIES ネットワークの知識 ツールの提供 e-zyme pathcomp 高次機能 機能の階層分類 相互参照用データ
More information1_alignment.ppt
" " " " n " n n " n " n n n " n n n n " n LGPSSKQTGKGW-SRIWDN! + +! LN-ITKSAGKGAIMRLGDA! " n -------TGKG--------!! -------AGKG--------! " n w w w " n w w " " " 11 12 " n w w w " n w w A! M! O! A!
More informationKEGG.ppt
1 2 3 4 KEGG: Kyoto Encyclopedia of Genes and Genomes http://www.genome.jp/kegg/kegg2.html http://www.genome.jp/kegg/kegg_ja.html 5 KEGG PATHWAY 生体内(外)の分子間ネットワーク図 代謝系 12カテゴリ 中間代謝 二次代謝 薬の 代謝 全体像 制御系 20カテゴリ
More informationA A = a 41 a 42 a 43 a 44 A (7) 1 (3) A = M 12 = = a 41 (8) a 41 a 43 a 44 (3) n n A, B a i AB = A B ii aa
1 2 21 2 2 [ ] a 11 a 12 A = a 21 a 22 (1) A = a 11 a 22 a 12 a 21 (2) 3 3 n n A A = n ( 1) i+j a ij M ij i =1 n (3) j=1 M ij A i j (n 1) (n 1) 2-1 3 3 A A = a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33
More information7-1(DNA配列から遺伝子を探す).ppt
DNA 配列の中から遺伝子を探す Blast 解析.6 Query DNA 塩基配列アミノ酸配列 DNA 塩基配列をアミノ酸配列に変換アミノ酸配列 DNA 塩基配列をアミノ酸配列に変換 データベース DNA 塩基配列アミノ酸配列アミノ酸配列 DNA 塩基配列をアミノ酸配列に変換 DNA 塩基配列をアミノ酸配列に変換 1. 2. 3. TATGGCTTA---- T G L TATGGCTTA----
More informationGWB
NGS データ解析入門 Web セミナー : 変異解析編 1 NGS 変異データ解析の手順 シークエンス 変異検出 マッピング データの精査 解釈 2 CLC Genomics Workbench 使用ツール シークエンスデータのインポート NGS data import クオリティチェック QC for Sequencing Reads Trim Reads 参照ゲノム配列へのマッピング 再アライメント
More information<4D F736F F D20838C837C815B836789DB91E890E096BE2E646F6378>
レポートについて 1. 課題 以下に記した手順に従って ヒトのヘモグロビンα 鎖タンパク質と酵素タンパク質 trypsin について その一次構造をタンパク質データベースにアクセスして調べ さらにその二次構造と三次構造を ProteinDataBank へアクセスして確認する 以上の経過と結果を いつ どこで調べたかを含めてその過程を記述し さらに検索結果である両タンパク質の一次構造 分子の形 (
More information.1 A cos 2π 3 sin 2π 3 sin 2π 3 cos 2π 3 T ra 2 deta T ra 2 deta T ra 2 deta a + d 2 ad bc a 2 + d 2 + ad + bc A 3 a b a 2 + bc ba + d c d ca + d bc +
.1 n.1 1 A T ra A A a b c d A 2 a b a b c d c d a 2 + bc ab + bd ac + cd bc + d 2 a 2 + bc ba + d ca + d bc + d 2 A a + d b c T ra A T ra A 2 A 2 A A 2 A 2 A n A A n cos 2π sin 2π n n A k sin 2π cos 2π
More information記号と準備
tbasic.org * 1 [2017 6 ] 1 2 1.1................................................ 2 1.2................................................ 2 1.3.............................................. 3 2 5 2.1............................................
More informationMathematical Logic I 12 Contents I Zorn
Mathematical Logic I 12 Contents I 2 1 3 1.1............................. 3 1.2.......................... 5 1.3 Zorn.................. 5 2 6 2.1.............................. 6 2.2..............................
More information論文題目 腸管分化に関わるmiRNAの探索とその発現制御解析
論文題目 腸管分化に関わる microrna の探索とその発現制御解析 氏名日野公洋 1. 序論 microrna(mirna) とは細胞内在性の 21 塩基程度の機能性 RNA のことであり 部分的相補的な塩基認識を介して標的 RNA の翻訳抑制や不安定化を引き起こすことが知られている mirna は細胞分化や増殖 ガン化やアポトーシスなどに関与していることが報告されており これら以外にも様々な細胞諸現象に関与していると考えられている
More informationバイオインフォマティクスⅠ
バイオインフォマティクス ( 第 5 回 ) 慶應義塾大学生命情報学科 榊原康文 多重アライメントの解 0 2 3 4 5 6 7 j Q T S Y T R Y Q T - Y T R K 0 0-9 -20-44 -52-63 -72-90 Q -6 2 0-6 -4-25 -34-52 2 S -32 5 30 4 6-5 -4-32 3 Y -48-4 2 38 27 8 0 4 P -64-27
More informationPowerPoint プレゼンテーション
機能アノテーションパイプライン ( 仮 ) 理化学研究所発生 再生科学総合研究センター (CDB) 機能ゲノミクスサブユニット粕川雄也 1 発表の概要 機能アノテーションってなに? 機能アノテーションはどうやってつけるの? パイプライン化 & ハイスループット化するには? 2 発表の概要 機能アノテーションってなに? 機能アノテーションはどうやってつけるの? パイプライン化 & ハイスループット化するには?
More information<4D F736F F D E95F14E565F838C D955F907D90E096BE5F8F4390B394C5816A2E646F63>
広島市におけるノロウイルス GⅡ/4 のカプシド蛋白質 P2 ドメインの解析 (2006~2010 年 ) 阿部勝彦山本美和子 田中寛子橋本和久 藤井慶樹野田 * 衛 井澤麻由 2006 年 ~2010 年に検出された Norovirus(NoV)GⅡ/4のカプシド蛋白質をコードする ORF2 の P2 ドメインの遺伝子解析を行い, 分子モデルによる検討を行った 調査期間中の NoV GⅡ/4 は大きく
More informationPowerPoint プレゼンテーション
M0 鈴木宏彰 1 IDN( 国際化ドメイン名 ) とは 通常のドメイン名はアルファベット 数字 ハイフンなどの ASCII 文字の集合からなり 単一の言語でしか表現できない ( 例 :waseda.jp) Unicode を使用することにより多言語にも対応したドメイン名が IDN( 例 : 早稲田.jp) IDN はブラウザ側で Punycode と呼ばれる Unicode から ASCII 文字への変換アルゴリズムを適応してから名前解決が行われる
More information点眼薬 FAQ.PDF
Q&A 199419957 10-19 2530L 1 3050L 1. 2. 3. 4. 5. 6. 7. 8. 1. 2. 3. 1. 2. 3. 4. 5. 1. B2 2. B12 1. 2. 1. 2. 3. 4. 5., 6. 1 7. 8. T ( ( T( ( C ( ( ( - ( - ( ( ( - ( ( ( B ( - B ( EE ( - A (
More informationの活性化が背景となるヒト悪性腫瘍の治療薬開発につながる 図4 研究である 研究内容 私たちは図3に示すようなyeast two hybrid 法を用いて AKT分子に結合する細胞内分子のスクリーニングを行った この結果 これまで機能の分からなかったプロトオンコジン TCL1がAKTと結合し多量体を形
AKT活性を抑制するペプチ ド阻害剤の開発 野口 昌幸 北海道大学遺伝子病制御研究所 教授 広村 信 北海道大学遺伝子病制御研究所 ポスドク 岡田 太 北海道大学遺伝子病制御研究所 助手 柳舘 拓也 株式会社ラボ 研究員 ナーゼAKTに結合するタンパク分子を検索し これまで機能の 分からなかったプロトオンコジンTCL1がAKTと結合し AKT の活性化を促す AKT活性補助因子 であることを見い出し
More informationMicrosoft PowerPoint - T07 豊田先生.pptx
命と環境のフェノーム統合データベース 統合化推進プログラム平成 24 年度進捗報告会 2013 年 1 21 ( ) ( 独 ) 理化学研究所豊 哲郎 桝屋啓志 1 フェノーム統合データベース 1 フェノタイプ情報からバイオリソースを検索できるようにする フェノタイプ ( 献 オントロジー ) 中間フェノタイプ (Linked Data) 3 推論検索ワークフロー 遺伝資源 ( バイオリソース )
More informationII
II 16 16.0 2 1 15 x α 16 x n 1 17 (x α) 2 16.1 16.1.1 2 x P (x) P (x) = 3x 3 4x + 4 369 Q(x) = x 4 ax + b ( ) 1 P (x) x Q(x) x P (x) x P (x) x = a P (a) P (x) = x 3 7x + 4 P (2) = 2 3 7 2 + 4 = 8 14 +
More information18 5 10 1 1 1.1 1.1.1 P Q P Q, P, Q P Q P Q P Q, P, Q 2 1 1.1.2 P.Q T F Z R 0 1 x, y x + y x y x y = y x x (y z) = (x y) z x + y = y + x x + (y + z) = (x + y) + z P.Q V = {T, F } V P.Q P.Q T F T F 1.1.3
More informationPowerPoint プレゼンテーション
2013 年 11 月 20 日 ( 水 ) バイオ情報解析演習 ウェブツールを活用した生物情報解析 (4) 遺伝子のクローニング設計 有用物質生産菌を合理的に作ろう! 設計 試作 ベンチテスト 完成 プラスミド 効率的な代謝経路を設計する 文献調査代謝パスウェイの探索代謝シミュレーション 実際に微生物に組み込む データベースから有用遺伝子を探索する遺伝子組換え技術 培養をして問題点を突き止める 培養代謝物量
More informationthermofisher.com mirVana miRNA mimics/inhibitors 検索マニュアル
thermofisher.com mirvana mirna mimics/inhibitors 検索マニュアル 2018 年 10 月版 The world leader in serving science mirna mimics/inhibitors 製品ラインナップ mirna mimics / inhibitors の製品ライナップ : Mimics : Gain-of-function
More information