Ziheng Yang Bill Pearson Aidan Budd Nick Goldman.

Slides:



Advertisements
Podobné prezentace
Statistické metody pro testování asociace genů a nemocí
Advertisements

Obecně použitelné odvození
Testování neparametrických hypotéz
Single Nucleotide Polymorphism
Fylogeografie Studuje geografickou strukturaci populací Navazuje na evoluční biologii, ochranu živ. prostř., taxonomii.
Mgr. Iva Martincová UBO AVČR v.v.i. Studenec Masarykova univerzita
Úvod Klasifikace disciplín operačního výzkumu
Kalmanuv filtr pro zpracování signálů a navigaci
Cvičení října 2010.
Poznámky z aktuárské praxe SAV Mgr. Jakub Hasil Poslední třetina
Prof. Ing. Václav Řehout, CSc.
Získání dat Sběr vzorků Izolace DNA
Optimalizace v simulačním modelování. Obecně o optimalizaci  Optimalizovat znamená maximalizovat nebo minimalizovat parametrech (např. počet obslužných.
MOLEKULÁRNÍ TAXONOMIE Zkouška Součásti zkoušky: Písemná část (5 příkladů) – maximální zisk 10 bodů - k ruce můžete mít jakékoli materiály - kalkulačka.
PROTEIN MASS FINGERPRINT. DNA/RNA MASS FINGERPRINT.
Systémy pro podporu managementu 2
Jak se pozná nejlepší strom?
Teoretické základy šlechtění lesních dřevin Milan Lstibůrek 2005.
Stanovení genetické vzdálenosti
Optimalizace versus simulace 9.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Genetická diverzita hospodářských zvířat
Markery asistovaná selekce - MAS
EGEE-II INFSO-RI Enabling Grids for E-sciencE EGEE and gLite are registered trademarks Distribuce dat experimentu ATLAS Jiří Chudoba.
Moderní byznys Jan Kovařík. ”Zlepší-li se toky informací ve firmě, pak řešení jednotlivých podnikatelských problémů již přijdou sama.” Bill Gates, Byznys.
HW – nekonečná populace  omezená velikost populace  vyšší IBD (autozygotnost)  zvyšující se rozptyl frekvencí alel mezi démy v čase  fixace/extinkce.
Sekvence A Sekvence B D = ut Zjištění rozdílů (p) Korekce na mnohonásobné substituce Sekvence A - AATGTAGGAATCGC Sekvence B - ACTGAAAGAATCGC Bereme nebo.
1 MUDIM Mgr. Petr Šimeček. 2 Nevíte, co dělat s daty?
GENETICKÁ A FENOTYPOVÁ
 VZNIK GENETICKÉ PROMĚNLIVOSTI = nejdůležitější mikroevoluční
Ochrana rostlinného a živočišného genofondu
NÁHODNÉ PROCESY V POPULACÍCH NÁHODNÉ PROCESY V POPULACÍCH Náhodný výběr gamet z genofondu:
Cíl přednášky Seznámit se
Monte Carlo simulace Experimentální fyzika I/3. Princip metody Problémy které nelze řešit analyticky je možné modelovat na základě statistického chování.
Polymorfismus lidské DNA.
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
HW model: jedna zcela izolovaná populace  populace často rozděleny do subpopulací genetická výměna mezi lokálními populacemi = tok genů (gene flow) A.
Genový tok a evoluční tahy
Analýza populační variability a struktury
ALGO – Algoritmizace 7. cvičení – ročník, ZS Ing. Zdena DOBEŠOVÁ, Ph.D.
Statistické odhady (inference) Výběr Nepotřebujeme sníst celého vola jenom proto, abychom poznali, že to jde ztuha. Samuel Johnson (anglický básník a.
ÚVOD DO FYLOGENETICKÉ ANALÝZY II..
Prohledávání stromového prostoru – heuristické hledání, Marcov chain Monte Carlo – a skórování stromů podle různých kritérií. Algoritmus – najde jen jeden.
Genetická variabilita rostlinných populací
SNPs Single Nucleotide Polymorphism Polymorfimus DNA, kdy se jedinci nebo druhy liší v jedné nukleotidové záměně AAGCCTA AAGCTTA V tomto případě mluvíme.
EU peníze středním školám Název vzdělávacího materiálu: Vazba genů – teoretický základ Číslo vzdělávacího materiálu: ICT10/7 Šablona: III/2 Inovace a zkvalitnění.
Identifikace modelu Tvorba matematického modelu Kateřina Růžičková.
Projekt HAPMAP Popis haplotypů
Vazba genů I Autor: Mgr. Jitka MaškováDatum: Gymnázium, Třeboň, Na Sadech 308.
NEPOVINNÝ ESEJ Rozsah textu 2-3 strany, důraz na metodiku Prezentace 10 min. ( po přednášce) Proč ho psát? Získáte 4 body ke zkoušce Bodování.
Spotřeba Největší součást HDP (kolem 50 %) Jedna z nejstabilnějších částí HDP Její podíl na HDP většinou proticyklický.
Obecně použitelné odvození
Stručný přehled modelových rozložení I.
Jak se pozná nejlepší strom?
TOK GENŮ.
MOLEKULÁRNÍ EVOLUCE 1 2  G  
Gymnázium, Třeboň, Na Sadech 308
MOLEKULÁRNÍ EVOLUCE.
MODULARIZACE VÝUKY EVOLUČNÍ A EKOLOGICKÉ BIOLOGIE
SIMULAČNÍ MODELY.
GENETICKÁ A FENOTYPOVÁ
EKOLOGICKÝ PŘÍRODOPIS Tématický celek: GENETIKA
MOLEKULÁRNÍ EVOLUCE 1 2  G  
Modelování fyzikálních dějů pomocí metody Monte Carlo
ÚVOD DO FYLOGENETICKÉ ANALÝZY II..
Jak získáváme znaky pomocí sekvenace unikátních lokusů
ODRAZ VLNENÍ V RADĚ BODŮ
Vnitrodruhové vztahy Reifová a Munclinger – Evoluční genetika (ZS)
Jak se pozná nejlepší strom?
Algoritmizace a datové struktury (14ASD)
Jízdní stabilita silničních automobilů.
Transkript prezentace:

Ziheng Yang Bill Pearson Aidan Budd Nick Goldman

Alignment nekódující DNA (Ari Loytynoja)

Radka Storchová Koalescenční modely divergence populací

Wright-Fisher model Sir Ronald Fisher Sewall Wright

MRCA Teorie koalescence John Kingman

Isolation with Migration (IM) NANA N1N1 N2N2 t m1 m2 Koalescenční modely

Migrate, Lamarck m1 m2 m3 m4 m5 m6 N1N1 N2N2 N3N3 Koalescenční modely

MCMC coal N1N1 N2N2 N3N3 NANA t1t1 t2t2 Koalescenční modely

Aplikace „Isolation with Migration“ modelu na dva druhy slavíků NANA N1N1 N2N2 t m1 m2

IM Vstupní data nukleotidové sekvence/mikrosatelity předpoklady - neutralita - žádná rekombinace v rámci lokusu - volná rekombinace mezi lokusy mutační rychlost

ima -i IM_input.txt -o IM_output5.out -q1 10 -m m t 4 -b l 1.0 -fg -n 15 -g g p1345 -s Příklad jak spustit IMa program: IM Odhad parametrů pomocí Markov Chain Monte Carlo (MCMC) simulací

Výstup 3 simulace (1) pro všechny geny, (2) pro autosomální geny, (3) pro Z-vázané geny all chrA chrZ IM Nm t