Не сочтите вопрос глупым. Просто я не достаточно осведомленный человек, но увлеченный и успевший запутаться..
Что именно используется (Статистика, теория вероятностей и т.п.)где и как. И какими специальными знаниями надо обладать (например, в сфере физической химии, биологии) чтоб быть нужным, полезным и дееспособным. Спасибо.

Вопрос абсолютно не глупый. Существует новое, очень перспективное направление - биоинформатика, на стыке молекулярной биологии, программирования (точнее - работа с базами данных) и математики (статистический анализ). Посмотрите топик "Биоинформатика" - там дают ссылки на русские сайты, а зарубежом - например
http:/bioinformatics.org/faq/ - это, на мой взгляд, самый исчерпывающий - он дает базовое представление, и в нем приводятся многочисленные ссылки на учебники, лекции и т.д.

Кстати, вы меня опередили - в том плане, что я хотела бы связаться с людьми, открывшими для себя эту область - биоинформатику. Сама начала этим заниматься сравнительно недавно, и очень нуждаюсь в советах коллег.

Zelensky, Вы прелесть. Сидите там, а читаете сюда. А я читаю Вас отсюда.
K^2

Prostite za translit, pishu iz laby.
Pozvolu sebe vydvinut' neskolko postulatov, kotorye priglashau i dazhe voodushevlyau obsudit' i esli schitaete nuzhnym oprovergnut':
1) Bioinformatika effektivna tolko pri vozmozhnosti experimentalnogo podtverzhdeniya
Naprimer, poisk i predskazanie, skazhem, transkripcionnyh faktorov - zhelatelny s experimentalnym podtverzhdeniem v myshke ili kletochnoy linii.
Drugoy primer - organizaciya semeystv belkov na osnovanii tretichnoy struktury i klassifikaciya s cel'u predskazaniya svoystv.
Eto tozhe zhelatelno delat' na ob'ektah, s kotorymi neposredstvenno rabotaut strukturshiki i biohimiki.
No etim kak pravilo zanimautsya laby, rabotaushie s etim ob'ektom, delaya mozhno skazat' "prikladnuu" informatiku.
Est' pravda nebolshaya kategoriya ludey, zanimaushayasya chistoy teoriey i razrabotkoy metodov bioinformatiki, no ih gorazdo menshe i oni gorazdo menee uspeshny.

Пока я (увы)занимаюсь биоинформатикой, так сказать, в теории. Насколько я могу судить (исходя из своего личного опыта прогнозирования биологических объектов) - прогноз - он, увы, по-моему, и в биоинформатике прогноз, так же, как и прогноз погоды и прогноз вообще (мне кажется, я знаю, что я говорю - тема моей диссертации - "Прогнозирование бурой ржавчины на озимой пшенице").
Поэтому мне кажется наиболее перспективным - это анализ последовательностей, поиск закономерностей, построение филогенетических деревьев и, конечно, расшифровка генетического кода.
Чтала массу статей с попыткой предсказать третичную структуру - насколько я поняла - третичная структура - понятие расплывчатое и алгоритмы для ее описания еще не разработаны, а те, что разработаны - по-моему - это виртуозное использование математического аппарата. Хотя я могу и ошибаться.
Что касается экспериментальной проверки - не спорю, критерий истины - практика. Но, насколько я понимаю, в банках данных уже накоплено огромное кол-во экспериментальных данных, и задача биоинф. - поиск закономерностей, и наиболее перспективным мне представляется то, о чем я писала выше. Прошу прощения за многословность, жду вашего мнения.
Ольга

Уважаемая Zelinski!
Прогноз и прогнозирования-ключ к созданию искусственной жизни и искусственного интеллекта. Понимаете, живое-активный интерпретатор на всех уровнях организации. любой организм - генератор ориентированных ошибок, целью которых является появление новой категории(параметра, рецептора) с соответствующим механизмом отслеживания. Базы данных оперируют данными, они не способны переводить данные в информацию. Не думаю, чтобы мощь процесса прогнозирования(кстати методы статистики-не из области прогноза) была бы исследована и применялась бы сегодня.С уважением
DjabbaT
Было бы интересно узнать более подробно о вашей задаче.

Уважаемый guest!
Если посмотреть на полезность академически, то есть соотношением затраченне/приобретённое, то резко станет видно, что в области молбиохимии в первую очередь более полезным СТАНЕТ тот, кто предложит схему, классификацию процессов и объектов, наиболее удачно обеспечивающих экономию мышдения. Найдены сотни тысяч веществ, описаны тысячи процессов и химических циклов в клетке. ОДНАКО до сих пор не понятны мехмнизмы регулирования, иерархия структур в клетке. Биохимия до сих пор исследует химию водных растворов, а в клетке на каждый данный момент не более 10-100 протонов(какой тут PH), несколько химически активных молекул одной формулы и вообще цитоплазма(исходя из физических размеров клеткира) - скорее гель. Клетка-высокоорганизованния структура, где каждый продукт реакции существует в строгих временных интервалах, транспортируется в определённый участок клетки, т.п. И всё это запрограммированно, все процессы и реакцииУПРАВЛЯЕМЫ. В первую очередь нужно найти и упорядочить наследственные регуляторные механизмы в клетке, определяющие её строение(тем самым пространственное строение иммобилизованных на ультраструктурах биологических катализаторов-молекул) - этим занимается морфогенетика. Интересны в этом направлении вещества, называемые цитомединами, кининами, тетинами(добавочно можно посмотреть морфогены, простые радикалы типа NO, O2).
Во-вторых химические процессы в клетке, я думаю нужно рассматривать с позиций химии иммобилизованных молекул(к сожалению сам не могу найти литературы).
И в третьих-наряду с химией. нужно учитывать физику молекул. если речь идёт о процессах В КЛЕТКЕ. То есть , по-моему более выгоден опять же кибернетический подход-и никаких статистических методов. В клетке ВСЁ упорядочено, ВСЁ закономерно.

оракул, однако...

Давайте по порядку.
Насколько мне известно, для прогнозирования в биологии используются имено методы мат.статистики, в основе к-рых лежит теория вероятности. Статистика же используется для описания и поиска закономерностей. Мне кажется, что современная наука находится на таком уровне, когда попытки прогнозировать заранее обречены на провал именно в силу огромного разнообразия процессов, происходящих как в клетке, так и за ее пределами, влияние к-рых элиминировать нельзя, но и учесть пока - тоже. Поэтому, мне кажется, основное внимание нужно сосредоточить именно на описании огромного массива фак. данных с исп. основных стат.показателей(распределение, максимум-минимум, частота встречаемости, корреляция и регрессия. Биол. кибернетика - это, в основном, описательные методы и теория вероятности. Попытка охватить все процессы пока обречена на провал, поскольку физик будет смотреть на процессы в клетке со своих позиций, хими и биолог - со своих, и т.д. И каждый буд прав. Поэтому предлагаю остановиться на описании и анализе экспер. данных.

И чего спорить? До Птолемея и Коперника предсказание положения звезд было прогнозом. А после предсказанием почти неотвратимым.
В биологии ничего подобного нет. Но не факт, что не будет. Отсюда биоинформатика нужна экспериментатору. А экспериментальные данные биоинформатике. Это не значит, что специалист по биоинформатике, должен уметь капать по пробиркам, а биохимик разбираться в системах команд процессоров, и разбираться в алгоритмах распознавания образов. И не значит что кто-то из них важнее или умнее.

По-поводу анализа данных и моделирования. Любой прогноз можно строить по линейной модели(в частности статистическими методами). Только цена такому прогнозу грош. И вы это все знаете. Потому, что линейная модель удобна в работе, но не отражает сути процесса. А что бы вскрыть суть процесса в черном ящике нужно решить обратную задачу. Это задача сродни востановлению исходника по кодам в программировании, или дешифровки сообщения без знания ключа. Теории решения таких задач на сегодня нет, теории построения эффективных алгоритмов их решения нет. Так переборс. Умоляю zelensky не впадать в перебор. Остается уповать, на фразу "По образу и подобию". То есть смотреть на объект, а потом представлять, а как бы ты его организовал, что бы он вел себя также, как я его наблюдаю. Но это почти, как линейный прогноз. Но куда интересней и разнообразней.

Chestno govorya ya ne znayu o kakih-libo deystvitel'no vidayuschihsya uspehah bioinformatiki. Da, est' konechno poleznie programmi, bazy dannih i vse takoe prochee. No poka, osnovnoy progress v biologii idet zaschet experimental'nov. Chto, na moy vzglyad, deistvitel'no interesney i raznoobraznee. Nu a bioinformatika yavlyaetsya vsego lish odnim iz instrumentov oblegchayuschih zhizn' i otnyud' ne zamenyayuschiy experimental'noe podtverzhdenie teh ili inih gipotez.

Есть замечательное высказывание Энштейна о том, что Бог не играет в кости. Он так и не принял теорию вероятностей и статистику. И это самый великий физик 20 века.
Применительно к биологическим объектам - следует помнить, что статистика - это наука больших чисел, поэтому её применение в биологии достаточно ограничено. В основном, это микробиология (когда много одинаковых клеток, и по поведению одной, если оно уже известно, можно что-то предсказать), популяционная генетика - с большими ограничениями, ещё 2-3 достаточно узких области. Все игры с ДНК и белками - пока только игры, и какие-то теоретические выводы всегда требуют экспериментальной проверки.
А описание всех процессов, происходящих в клетке, как было описано движение планет - задача не сегодняшнего, не завтрашнего и даже не послезавтрашнего дня. Но это уже к статистике отношения не имеет.

Господа, попробую ответить всем вместе и по очереди.
Во-первых - сама раньше хотела вынести на обсуждение вопрос - должен ли специалист по биоинформатике уметь "капать по пробиркам". И теперь мне уже ясно - увы, должен, иначе просто невозможно (как мне кажется - прошу отметить - я обо всем говорю применительно к себе)объяснить происходящие на уровне ДНК или гена процессы. Поэтому я никогда не имела дела с профессиональными математиками - мат.мет. они, может, и владеют, но я лично видела, какие, с позволения сказать, "зависимости" они находили биологам, слепо доверивших им свои данные. Поэтому свои данные я предпочитала обрабатывать сама. Во-всяком случае, я знала - что означает каждый полученный мной показатель. Но это мы отвлеклись. Теперь, несмотря на знание статистики - отсутствие опыта работы в обл. молекул. биологии мне очень сильно мешает. Стараюсь, конечно, прорабатывать теорию, но этого мало.
Теперь - боюсь навлечь на себя гнев публики - но все же выношу на обсуждение найденное мною мнение на одном из сайтов, посвященных биоинформатике.
MoBi" was the bioinformatics of its day; desperately fashionable, the province of new, higher-paid practitioners and considered with slight suspicion by more traditional biologists. It was once a great achievement to sequence a modest stretch of DNA, now it's a job for robots. Today we the technology is very well established. Scientists can buy molecular biology kits to perform the sort of genetic manipulations that would make your parents' jaws drop. Some of the kits are so simple your parents' parents could use them (with a modest amount of training and supervision).
to AVS
позвольте по поводу того, что статистика - наука больших чисел - не согласиться. Есть огромное кол-во приемов, применяемых для обработки малых массиов эксперим. данных, и в принципе, как мне кажется (я не преувеличиваю роль статистики) - но, тем не менее, делать какие-либо выводы, опираясь на полученные данные, просто НЕВОЗМОЖНО без элементарной стат. обработки. И я лично не знаю ни одной области биологии, к-рая могла бы обойтись без статистики (разве что систематика и классификация - и то, уверена, что и там уже что-нибудь внедрили).
Благодарю за внимание.

Ув. Zelensky,
Вы безусловно правы в том, что биолог должен владеть методами статистической обработки экспериментальных данных. Я до сир пор помню, как один из докладчиков на вопрос- а какова ошибка вашего метода? - гордо ответил - мы работаем без ошибок. Но речь не об этом. Если Вы обрабатываете 4-5 экспериментальных значений и получаете закономернось с доверительной вероятностью 50%, то не лучше ли сразу бросить монетку, ещё до эксперимента?

Слушайте, да где же это в результате эксперимента получали 4-5 значений?! А повторности есть? Устественно, не о чем говорить. Но - кому тогда вообще нужны такие результаты? И какие выводы, без хотя бы анализа достоверности и ошибки опыта, можно делать?

Слушайте, да где же это в результате эксперимента получали 4-5 значений?! А повторности есть? Устественно, не о чем говорить. Но - кому тогда вообще нужны такие результаты? И какие выводы, без хотя бы анализа достоверности и ошибки опыта, можно делать?

По-поводу Энштейна: А как же уравнение Энштейна-Смолуховского? Значит стат. физику, хотя-бы классическую старик Альберт признавал.
И мое частное мнение. Должно быть разделение труда.
Если ты специалист по информатике - в первую очередь, ты должен знать свою область. То что говорит мадам Zelensky о неудачных результатах работы биологов с математиками, скорее говорит о низкой квалификации(или не желании понимать) одним из партнеров (или обоими) другого. Ведь написали BLAST'у отнюдь не биологи.
Естественно, если ты занимаешься биоинформатикой и не желаешь знать ничего о четырех блатных буквах, то грош тебе цена. Но знать тонкости выделения плазмиды и спосбы насыщения фенола это лишнее, хотя знание основ мол.клонирования необходимо. Т.Е. я считаю, что специалист по биоинформатике должен в первую очередь владеть методами прикладной математики и информатики, а потом уже основами биологии. А для биологии можно прочитать Албертса, да просмотреть трехтомник молекулярного клонирования. Остальные подробности ему необходимые он почерпнет уже разбираясь с конкретной биологической проблемой и контактируя с партнером биологом. Возможно, что в конкретной области ему и понадобяться знания на уровне профессионального биолога в этой области, но не более. И честное слово, если бы я занимался биоинформатикой, я бы не кичился на каждом углу отсутствием систематического математического образования, мне бы было просто стыдно.

"Но знать тонкости выделения плазмиды и спосбы насыщения фенола это лишнее, хотя знание основ мол.клонирования необходимо. Т.Е. я считаю, что специалист по биоинформатике должен в первую очередь владеть методами прикладной математики и информатики, а потом уже основами биологии."
Ну, не берусь никого поучать, повторяю - я пишу все применительно к себе. Не будем растекаться мыслью по древу. Насколько я помню, материя безгранична. Т.е. в любой области есть риск углубиться и не вылезти. Как нет смысла в биоинформатике углубляться в тонкости постановки эксперимента - так же нет, по-моему, смысла, углубляться в мат. дебри. Я знакома со многими работами, грешившими чрезмерной насыщенностью мат. уравнениями. Так сказать - вещь в себе. Невероятно узок круг специалистов, как в области мат., так и биологов, к-рые могут оценить эту филигрань. Мне кажется, что найденные закономерности любой другой коллега должен как минимум суметь воспроизвести, а пока это - так сказать - биология будущего (возможно). Поймите меня правильно - я не терплю дилетантства, но мне представляется, на основании многолетних наблюдений, так сказать, что с помощью методов мат. статистики можно успешно решить самые разнообразные задачи из области биологии.
БЛАСТ написали, конечно, программисты, конечно, с помощью биологов (а не наоборот), но пользуются-то ею в первую очередь биологи и спец. из области биоинформатики (кстати, что стоит в слове биоинформатика на первом месте)?
И честное слово, если бы я занимался биоинформатикой, я бы не кичился на каждом углу отсутствием систематического математического образования, мне бы было просто стыдно. -
А это к чему?

Это к тому, что если ты не можешь "оценить эту филигрань", это не делает тебе чести.
А попробуй произнести слово биоинформатика поставив био на второе место. Это вопрос из области филологии, а не смысловой нагрузки.
Конечно пускаться в мат.дебри нужно обоснованно, а не скрывать за лесом формул отсутствие смысла и результата. Но по умолчанию я считаю, что ученый человек порядочный, а не прохиндей, как считают некоторые о биоинформатиках. Ну а если поставленную задачу не решить без привлечения соответствующего аппарата, что же ее не решать вовсе на том основании, что она видети ли слишком математична для биологии. И потом не знание кем-то предмета, например основ клонирования, не говорит о том, что результат нельзя воспроизвести. Это субьективный фактор воспроизводимости, а он наукой он не учитывается. А мат.статистика хорошая наука, но она еще хороша тем, что сама описывает границы применимости каждого своего метода. А это говорит о том, что ее возможности не безграничны. Смотри на мир шире - больше увидишь.
Привет!

Это к тому, что если ты не можешь "оценить эту филигрань", это не делает тебе чести. НУ ПОЧЕМУ СРАЗУ СТАВИТЬ ДИАГНОЗ???
А если без шуток и эмоций - как раз в биол. статьях, обременных мат.аппаратом (я бы даже сказала - прибором) - у меня такое такое подозрение (именно в силу их невоспроизводимости), что они как раз и являются плодом любви биологов, слепо доверившихся математикам, и математиков, этим доверием воспользовавшихся

P.S.Но по умолчанию я считаю, что ученый человек порядочный, а не прохиндей, как считают некоторые о биоинформатиках
От себя добавлю, что не без оснований, а также о многих-многих других ученых...Только не будем спорить - что такое ученый, иначе придется объединяться с топиком о культурологическом приключении, слава Б-гу, благополучно закончившемся.
Вернемся к нашим баранам. Какие методы, помимо статистики, вы имеете предложить для анализа последовательности ДНК? <img src="graemlins/teapot.gif" border="0" alt="[чайник]" />

Биоинформатика?
Модное слово.
Что творится то! В Германии решили, что им не хватает биоинформатиков! Надо срочно приглашать!! Пригласили. И где они?
Студенты последних(!) курсов аж МГУ(!!), пользуясь коммерческим опытом(!?), с энтузиазмом переводят "gap penalty" но не понимают что же енто такое! И это конечно после прослушивания курса ... о ней родимой.
Zelensky,
статистика применительно к биологии, это ваша специальность?
Судя по тому что и сколько вы пишите на этой конфе - Вам совершенно нечем заняться. И это показательно. Я думаю, что если бы Вы умели клонировать, сиквинировать, гибридизовать и ПЦэРить, у Вас было бы значительно меньше свободного времени.

Не ожидал, что моя шутливая Не спрашивайте меня - какой я - не разработчик, а пользователь.
[ 27-01-2002: Сообщение отредактировано: AVS ]

to AVS
Да я сама всего-навсего хочу разобраться - что, помимо, возможно, и устаревшей статистики, могут математики предложить биологам? Адреса, явки, пароли, ссылки, на худой конец! БЛАСТ и проч.,предлагают, после детального рассмотрения, Пуассоновское распределение, вероятности и проч. Есть еще один очень грамотный товарищ, пока не назову ссылку, но что он предлагает - как раз относится к тому, о чем я упоминала выше(архитектор с птичницей спознался...)
(только ногами не бейте ) - если это вы адресуете лично мне - то это не по адресу. Сама постоянно побаиваюсь грубого оклика

to AVS
Да я сама всего-навсего хочу разобраться - что, помимо, возможно, и устаревшей статистики, могут математики предложить биологам? Адреса, явки, пароли, ссылки, на худой конец! БЛАСТ и проч.,предлагают, после детального рассмотрения, Пуассоновское распределение, вероятности и проч. Есть еще один очень грамотный товарищ, пока не назову ссылку, но что он предлагает - как раз относится к тому, о чем я упоминала выше(архитектор с птичницей спознался...)
(только ногами не бейте ) - если это вы адресуете лично мне - то это не по адресу. Сама постоянно побаиваюсь грубого оклика

To avor
>А что бы вскрыть суть процесса в черном ящике нужно решить обратную задачу...
Это задача сродни востановлению исходника по кодам в программировании, или дешифровки сообщения без знания ключа. Теории решения таких задач на сегодня нет
Востановлению исходника по кодам и дешифровка без знания ключа - вполне решаемые задачи, которые на сегодняшний день довольно успешно решаются теми или иными методами.
Вскрыть суть процесса в "черном ящике" - задача сложная, но на сегодняшний день есть теория решения таких задач - теория искуственны нейронных сетей.
Суть примерно такая: подаеш на вход программы какую-нибудь выборку (например последовательности из базы данных с известными свойствами), а на выходе задаеш свойства этих последовательностей , и программа обучается. А потом, если на вход обученной программы подать неизвестную последовательность - программа предскажет ее свойство.
Но это так - теория. Хотя в VectorNTI есть опция NNPREDICT (Neuro Net Prediction).
To guest
Предлогаю занятся этим поприщем. Направление новое - поле не паханное, а вось что и получится.
[ 28-01-2002: Сообщение отредактировано: SergeyR ]

Teoriya mozhet i est', da tol'ko tolku poka malo. Konechno, esli imeete delo s konservativnimi posledovatel'nostyami, naprimer, belka, to i funkciyu mozhno predpolozhit' na osnovanii prediduschey informacii (kinase, phosphatase i t.d.), a esli net. Esli, lyuboy poisk po bazam dannih s pomoschyu BLAST i drugimi hitroumnim programmami nichego ne daet, to togda chto delat'? Mozhno smodelirovat' strukturu belka i popitatsya predskazat' ego svoystva, no ya poka nichego stoyaschego ne videl. Igralsya kak-to s 3dPSSM, programma vrode predskazala strukturu i sootvetstvenno funkciyu dlya interesuyuschego menya belka, analiziruya analogichnie strukturi. Ya rinulsya proveryat', an nichego ne vishlo.
Konechno, bioinformatica novaya i privlekatel'naya nauka, vo mnogom dazhe ochen' poleznaya. Ya konechno zhe ne osparivayu tot fact, chto neobhodimo razvivat' i usovershenstvovat' teorii predskazaniya. No delat' eto dolzhni na moy vzglyad professionali i ne tol'ko znayuschie programirovanie, no takzhe vladeyuschie znaniyami v matematike (for sure), biologii (vse taki bioinformatica), v ryade sluchaev - chimii i phisike (vse taki basa). Da, i esche, ya ne dumayu, chto bioinformatikam sleduet rabotat' s pipetkoy (obichno nichego horoshego ne poluchaetsya), no sotrudnichestvo i vzaimoponimanie s experimentatorami neoobhodimo. Vot togda, i budut resul'tati.

Саэршшенно согласен с предыдущим оратором. На кой ляд мне эти предсказания, если в работе я их использовать не могу. Предсказывают, например, вторичную структуру белка с вероятностью 70%, а мне нужно место между двумя альфа спиралями, так оно с вероятностью 30% может быть где угодно. А мне сайт направленный мутагенез делать - нужна точность до 1ак.
Но есть и другая сторона медали. Часто ли мы, экспериментаторы, пытаемся вникнуть в эту мутатень? Максимум есть у нас одна программка по которой мы, в основном, сайты рестрикции ищем, а если еще чего откопаем, так поковыряемся, не разберемся и плюнем, или разберемся, но предсказала она что-то не то, и тоже плюнем. А может програмист, который ее писал, в биологии не силен, а биолог, который у него консультантом был - в алгоритмах не разбирался и поэтому не знал, как правильно подсказать.
Биоинформатикой занимаются, в основном, матиматики, и почему мы решили, что им до нас есть дело? Мы сборщики информации первого уровня, на основании нашей работы создаются базы данных, а они пользуются этими данными для воплощения своих гениальных идей в не менее гениальные программные продукты. Ни тебе работа с меткой, ни растворы готовить ни мутагены-аллергены взвешивать. Красота. Так что ни кто нам не поможет, кроме нас самих.
Предлогаю вспомнить, чему нас учили по математике, статистике, мат методам в биологии, изучить язык программирования (это на порядок легче, чем, например, английский) и, как говорил герой одной юмористической передачи - не надо чуратся высоких технологий, пацаны.

Предлагаю Все вопросы и мучения Zelensky, сразу направлять на мыло Сержу. Своими коментариями, он практически выразил мое отношение к обсуждаемой теме. Извините если он Вам понятней чем я. Всем привет

to Avor

to guest123
Сейчас пытаются создавать для белков структурные базы данных, попробуйте использовать их. А предсказывать структуру белка по последовательности - дело дохлое ( не говорю уже о функции). Одна история с прионами чего стоит.

А что за история с прионами?

> А предсказывать структуру белка по последовательности - дело дохлое ( не говорю уже о функции).
AVS не точно выразился - предсказывать структуру белка на основании расчета наименьшей энергии укладки полипептидной цепи в водном растворе на сегодняшний день еще не научились, в виду сложности подобных вычислений. Структуру белка предсказывают (по последовательности)исходя из гомологии с уже известными структурами, и различными признаками, присущими той или иной структуре - вроде того, что в альфа спирали заряженные ак чаще идут через две, а в бета слое через одну ак-ту и т. д.
to AVS
А что значит "создавать для белков структурные базы данных", где будут братся данные для этих баз, и что в эти данные будет входить?

to Serg
http://www.rcsb.org/pdb/

Я знаю, что такое PDB. А хотел я только узнать - какого рода базу хочет создать AVS. Если PDB - то зачем создавать уже созданное , а если туда еще что-то будет входить, то что? И в любом случае - как это будет делатся?
[ 01-02-2002: Сообщение отредактировано: SergeyR ]

Izvinyiayus' za translit.
Esche raz hochu skazat', chto chelovek ya interesuyuschiysa, no ne specialist, i sozdat' bazu dannih - mne slabo. Osobenno po belkam, t.k. v poslednee vremya bol'she v oblast' NA ushel. Odin iz poslednih obzorov: J.Struct.Biol., 134, 145-165 (2001). Chto men'a tam porazilo: bol'she chetverti supersemeistv fermentov ne imeyut nikakoi konservativnosti uge megdu posledovatel'nostyu i strukturoi.
Prion (from proin - protein infection) - nekotorie vidi infekcionnih zabolevaniy mosgovoi obolochki, dl'a kotorih ne viyavlen infekcionniy agent, sodergaschiy DNA/RNA. Est' belok; i u zdorovih, i u bol'nih ego aminokislotnaya posledovatel'nost' sovershenno odinakova, no v tretich'nuyu strukturu ukladivaets'a absolutno po-raznomu: u zdorovih - alpha globuli, u bol'nih - beta tyagi.

to zelensky
На сколько я разбираюсь в прионах - они
не обязательно связаны с мозговой оболочкой, есть например дрожжевые прионы. Просто это белки, у которых есть два (или больше) конформационных состояния, соответствующих минимальной энергии. Вернее скажем так - энергии этих состояний близки. И преодолев некий энергетический барьер они могут переходить из одного состояния в другое.
Как правило такой переход не является "глобальным", просто одна из альфа спиралей переходит в бета слой.
На счет мозговой оболочки - болезнь развивается потому, что одно из состояний белка (соответствующее болезни) является катализатором для перехода другого состояния (здорового) в себя (больное). Во намудрил то .

Ура Так я и знал, что вопрос скатится на предсказание структур белков. Вообще-то это NP-сложная задача и существующие алгоритмы вообще говоря не имеют предсказательной силы, то есть опираются на то, что уже о структуре белков и фолдах известно. А известно достаточно немного. Вместе с тем, используя эти вот плохие алгоритмы (типа того же 3DPSSM) и голову на плечах изучать всё это можно. И не сказать, что это всё не нужно ПипеткоКапателям. Или КапельМейстерам - ну кто там до чего дорос Можно из ничего работу сделать. На самом деле эти ПССМЫы много чего позволяют увидеть в белке, только если его фолд относится к разряду известных или близких к известным. И если белков таких МНОГО. А если фолд неизвестен, то иногда позволяет понять кое-что о консервативных патчах белка. Если же белок ОДИН и его фолд неизвестен - вот тогда точно труба. А настоящая математика к этому всему ещё долго не будет иметь никакого отношения

NP - я же говорю, так переборс. А можно узнать, как бесплатно разжиться этим самым 3D PSSSS-s-s-s-mmm'ом.

http://www.bmm.icnet.uk/~3dpssm/

Возраст биоинформатика - около 40 лет. Вам нужны достижения?
Одно из первых - Структура тРНК в виде клеверноо листа была предложена Эйгеном на основе чисто теоретического анализа около 10 впервые секвенированных последовательностей. Потом это нашло подтверждение и вошло в учебники.
В современной жизни - геномика - это на 90% биоинформатика. Исследование EST показало, что частота альтернативного сплайсинга в геноме человека превышает 35%. Грубая работа показывает до 60%,
но знание, что EST - очень грязные данные, и спецмальная техника прочистки снижает это значение до 35%, с другой стороны, неполнота библиотек EST позволяет предполагать, что реальной зачение достигает 40-45%.
Аккуратное исследование EST позволяет (несмотря на грязь в последовательностях) находить с их помощью SNP.
Аннотация геномов. Сейчас секвенировано более 100 бактеиальных геномов. Каждый геном содержит около 4 тыс. генов. Исследование одного гена - работа одной лаборатории в течение месяца. Следовательно большинство генов никогда не будут исследованы экспериментально.
Исследование регуляции в геномах и предсказание специфичности генов, в том числе транспортеров.
Обнаружение новых генов (ни на что ранее известное не похожее), и предсказание их функции.
Обнаружение новых механизмов регуляции.
Многие из предсказаний позже были экспериментально проверены и подтвердились. Они имеют и практическое применение. В частности для поиска мишеней для лекарств. Пример. Мишенью для Триклозана является один из ферментов синтеза жирных кислот. Так вот, у Стафов его нет (там его место занимает совсем другой фермент), и поэтому мыло Сейфгард не трогает Стафов.
Все эти работы - далеко не чисто статисттический анализ результатов измерений. Обращаю внимание на журналы, где публикуются эти работы: Nature genetics, Nature Biotechnology,
PNAS, TiG, TiBs, Genomics, Genome research, NAR - чисто биологические журналы для чисто биологических результатов
Надо ли капать? Надо знать как это делается, и какие ошибки эксперимента возможны, и какие эксперименты возможны для проверки результатов работы биоинформатиков.
Надо ли программировать? Надо знать как это делается, надо иметь представления об алгоритмах, чтобы понимать границы применимости полученных результатов.
Что принципиально важно, так это знать биологию. Чистые математики, решающие "биологические" задачи, на самом деле решают свои задачи. Люди, работающие в биоинформатике - идеологически ближе к биологам, чем к математикам, хотя базовые знания необходимы.
В настоящее время наибольший интерес в геномных исследованиях представляет связка биоинформатика->эксперимент->уточнение модели (гипотезы).

Да, в пылу забыл сказать - какими знаниями надо обладать.
Чтобы работать в биоинформатике/геномике надо знать:
I Биология
1.Молекулярная биология в объеме Уотсона и ряда современных работ, в зависимости от задачи.
2.Элементы биохимии (уметь без запинки и по делу говорить киназа, нуклеозид; не путать аминокислоты с сахарами и т.п, уметь читать карту метаболических путей)
3.Общие представления о структуре белков (первичной, вторичной, пространственной), мотивах в белках.
4.Элементы классической генетики.
II Физика
Здесь надо поимать термодинамику и стат.физику. Хорошо бы знать неравновесную термодинамику. Понятие энтропии должно быть родным и близким.
III Математика
1.Теория вероятностей, в особенности комбинаторные вероятности.
2.Дискретная математика, теория графов.
3.Теория алгоритмов
4.Скрытые марковские цепи
5.Элементы теории информации
IV Биоинформатика
1.Основные методы (на уровне устройства) - выравнивание, множественные выравнивания, анализ и предсказание вторичной структуры РНК, BLAST, PSI-BLAST, построение деревьев, поиск трансмембранных сегментов.
2.Основные методы геномного анализа - понятие ортолога, поиск ортологов, исследование позиционного сцепления.
3.Основные базы данных и ресурсы.
Полезно уметь программировать. Здесь кто-то сказал, что язык программирования выучить просто. Однако научиться программировать что-нибудь сложнее, чем 2*2, требует времени, упорства, аккуратности, особого стиля мышления.
Самое гдавное - надо иметь задачу, желательно иметь группу единомышленников.

Гы-гы. Великий учитель Мао . Неужели хватает чувства юмора извергать обще-спорные места с такими надутыми СЧеками? На самом деле, поскольку биоинформатика наукой не является, а является ХОРОШИМ ДЛЯ НЕКОТОРЫХ ЦЕЛЕЙ эмпирическим методом, вместо всего этого надо иметь искру Божию. Более, чем в других прикладных областях. Шаманом надо быть, аднака. И всё получится. А Вы стучите графом по ядру гомоморфизма. Зачем?

И ещё. Уж простит меня Redactor за наезд, но такие вот биоинформатики мне напоминают "абстракционистов", которые никогда не умели рисовать в классическом смысле этого слова. И это не слова. Я сейчас приведу слова "крупных биоинформатиков", сказанные ими в обзорной статье по некоторым там прокариотическим доменам.
Indeed, the sequence of this domain contains several conserved acidic residues that could participate in metal binding and potentially might form a phosphodiesterase active site. И никаких гвоздей Ну, в общем, это всё, к лешему. Самому надо копаться и всё будет хорошо

Очень приятно услышать голос профессионала-адепта. Однако нового он ничего не сказал. По-моему все участники согласны с его высказываниями, но каждый со своей колокольни. Что касается Veshka, то я поддерживаю его мнение, что на сегодняшнем уровне накопленных экспериментальных и "теоретических" биологических знаний. Биоинформатика не может задавать генеральное направление исследований и предсказывать и гарантировать успех, какого-либо эксперимента или проекта. Однако из этого не следует, что ее надо запихнуть в одно темное и грязное место и забыть о ней. А вот два таких адепта и профессионала, как Veshka и bionformatic могли бы разрешить свои весма смутные разногласия за бутылочкой беленькой с селедочкой огурчиками и капусткой. А за одно и обсудить стоящие перд ними конкретные проблемы, которые один другому мог бы помочь решить.
Авось, из такого сотрудничества, че гениальное и родилось бы.

Я сейчас объясню, почему это я вдруг так возбух
"EST - очень грязные данные, и спецмальная техника прочистки"
Вот это вот типичное поведение биоинформатика. Вместо того, чтобы взять и пересеквенировать, он будет выдумывать "техники прочистки", поскольку секвенировать (тем более вручную) не умеет. Но это неумение ему пофигу, потому что "техника прочистки" круче любого круто сварЁного постдока. Ну КАК же можно говорить о том, что SNP мы будем определять по EST. Может проще взять лужу, взять оттуда грязь, размазать по плёнке и найти все SNP разом? Теперь. Поиск мишеней для лекарств. И что тут может "биоинформатика"? Указать, что данного белка в этом организме НЕТ? Так это я и сам могу, это не информатика и не био, а обычный поисковый алгоритм. Как тот же google А вот на самом деле подобрать вещество-ингибитор "биоинформатика" может? НЕТ. А у меня что-то начинает создаваться впечатление, что вот товаришши, кои и не биологи и не математики начинают думать, что они всё могутЬ. Отсюда и масса статей (часто, увы и в хороших журналах) с абсолютно безответсвенными заявлениями. Типа того, что я привёл

Уважаемую zelensky смутило обилие дисциплин, которые надо выучить, когда я посоветовал вспомнить "мат методы в биологии" и научится программировать. А тут вон какой перечень(bionformatic). Правда, смущает неравнозначность требуемых знаний - с однойстороны "теория графов, теория алгоритмов, скрытые марковские цепи", с другой "уметь без запинки и по делу говорить киназа, нуклеозид; не путать аминокислоты с сахарами".
На этом фоне выражение "Люди, работающие в биоинформатике - идеологически ближе к биологам, чем к математикам" выглядит мало правдоподобным.
>Здесь кто-то сказал, что язык программирования выучить просто(это я сказал). Однако научиться программировать что-нибудь сложнее, чем 2*2, требует времени, упорства, аккуратности, особого стиля мышления.
Уважаемый bionformatic, Вы когда-нибудь видели объявление "двух месячные курсы обучения молекулярной биологии"? Я нет. А вот программированию - сколько угодно, причем не только "шарашкины конторы", но и государственные учреждения с выдачей всевозможных дипломов, сертификатов и т. д. Так-что не надо пугать народ.
Биоинформатикой должны заниматся биологи, а не матиматики. Это мое глубокое убеждение. Но почему-то биологи моего убеждения не разделяют .

Не совсем пойму - о чем мы говорим... Все правы. Никакое обилие дисциплин меня не смутило, меня трудно (увы) смутить. Саморекламой заниматься не хочу - но - писала - диссертация посвящена фактически на 90% использованию стат. методов в биологии, закончила (именно для того, чтобы иметь более-менее четкое представление о программировании - программистом быть не собираюсь) несколько курсов по С и С++, и т.д. Подрабатывала (чтобы выжить) как консультант по базам данных. И т.д. И - поверьте - считаю, что это - необходимые для биолога знания. Что меня сильно подводит - это - увы! - отсутствие практических навыков в молек. биологии. Со всеми присутствующими я согласна. Гость, на мой взгляд, очень четко и конкретно сформулировал основные понятия биоинф. Не забывайте - наука молодая и неустоявшаяся - естественно - каждый видит то, что хочет. Предпочитают на работу брать программистов. на мой взгляд - это ошибка, я уже писала, что как правило - из союза биологов и математиков и программистов получается лошак или мул - неплодотворное занятие. Лучше биологу учить - а что учить - см. выше...Это моемнение.