Stochastic models in bioinformatics and multivariate ecologycal analysis  Page description

Help  Print 
Back »

 

Details of project

 
Identifier
61730
Type F
Principal investigator Miklós, István
Title in Hungarian Sztochasztikus modellek a bioinformatikában és többváltozós ökológiai adatfeltárásban
Title in English Stochastic models in bioinformatics and multivariate ecologycal analysis
Keywords in Hungarian bioinformatika, struktúrális precikció, sztochasztikus modellek, MCMC
Keywords in English bioinformatics, structural prediction, stochastic models, MCMC
Discipline
Theoretical biology, early evolution of life (Council of Complex Environmental Sciences)60 %
Analysis, modelling and simulation of biological systems (Council of Medical and Biological Sciences)20 %
Mathematics (Council of Physical Sciences)20 %
Panel Genetics, Genomics, Bioinformatics and Systems Biology
Department or equivalent Department of Plant Systematics, Ecology and Theoretical Biology (Eötvös Loránd University)
Starting date 2006-02-01
Closing date 2010-01-31
Funding (in million HUF) 2.102
FTE (full time equivalent) 2.27
state closed project
Summary in Hungarian
A kutatás célja olyan modellek, matematikai eszköztárak és felhasználóbarát szoftverek kifejlesztése, melyek elősegítik a rohamos léptékben növekvő bioinformatikai és ökológiai adathalmazok feldolgozását, filogenetikai elemzéseket, struktúrális predikciókat valamint evolúcióbiológiai, humángenetikai és öklógiai kérdések megválaszolását. A project négy fő célkitűzése:
1. Filogenetikai vizsgálatok beszúrás-törlés modellek alapján
2. RNS struktúrák vizsgálata
3. Genomátrendeződések vizsgálata
4. Térbeli és időbeli autokorreláció vizsgálata cönológiai adatsorokban
A kifejlesztett modellek segítségével lehetőség lesz:
1. fehérjék térszerkezetének pontosabb predikciójára filogenetikai információk alapján valamint pontosabb filogenetikai elemzésekre térszekezeti információk alapján,
2. az RNS-ek transzkripció során felvett struktúráinak a transzkripcióban betöltött szerepének a megértésére,
3. filogenetikai vizsgálatokra genomátrendeződési információk alapján, valamint egyes humán rákosodási folyamatokban lezajló rendkívüli mértékű genomátrendeződések megértésére,
4. annak vizsgálatára, hogy a szomszédhatás hogyan befolyásolja a növényi életközösségek térbeli és időbeli autokorrelációját.

A project közös arculatát a közös módszertani vonások (pl. Markov lánc Monte Carlo technikák) adják meg.
Summary
The aim of the research is the development of tools and user-friendly software which help analyse the quickly grooving amount of bioinformatics and ecological data. This involves phylogenetic analysis, structural prediction of biological macromolecules, and investigating problems in evolutionary biology, human genetics and ecology. The project has four main tasks:
1. Phylogenetic inferring based on evolutionary insertion/deletion models.
2. Inferring RNA structures.
3. Inferring genome rearrangements
4. Analysing the temporal and spatial autocorrelation of ecological data.
Using the developed tools, it will be possible to
1. more precisely predict the secondary structure of proteins based on phylogenetic information and to infer phylogeny using structural information
2. study and understand the role of co-transcriptional folding of RNA sequences
3. infer phylogeny based on genome rearrangement information and to understand the genome rearrangement scenario in human cancer cells
4. infer the neighbour effect on spatial and temporal autocorrelation of vegetation communities.





 

Final report

 
Results in Hungarian
A pályázat időtartamának első felében a kutatásunk főleg új algoritmusok és új Markov lánc Monte Carlo metódusok kidolgozása felé irányult. Ezen munkáink metodikai cikkekként, illetve implemenált programcsomagokként kerültek publikálásra. A pályázat második felében a kutatómunkánk egyrészt a metódusok elméleti jóságának a vizsgálatában, másrészt a kidolgozott metódusok gyakorlati alkalmazásában nyílvánult meg. Ezekből is számos publikációnk lett, illetve az elméleti vizsgálatokból egyes eredmények publikációját a közeljövőben tervezzük.
Results in English
In the first half of the project, our research focused on developing novel algorithms and Markov chain Monte Carlo methods. We implemented several software packages, and the methods have been published in scientific journals. In the second half of the project, our research consisted of inferring the theoretical goodness of methods and also applying our methods on real biological data. This research also yielded several publications, and we are planning further publications on the theoretical results in the near future.
Full text https://www.otka-palyazat.hu/download.php?type=zarobeszamolo&projektid=61730
Decision
Yes





 

List of publications

 
Csürös, M. & Miklós, I.: A probabilistic model for gene content evolution with duplication, loss, and horizontal transfer, Lecture Notes in Computer Science, 2006
Miklós, I., Paige, T.B., Ligeti, P.: Efficient Sampling of transpositions and inverted transpositions for Bayesian MCMC, Lecture Notes in Computer Science, 2006
Meyer, I.M. Miklós, I.: SimulFold: Simultaneously Inferring RNA Structures Including Pseudoknots, Alignments, and Trees Using a Bayesian MCMC Framework, PLoS Computational Biology, 2007
Miklós, I.: Algorithms of Bioinformatics, Algorithms of Informatics, 2007
Miklós, I.: Multiple Statistical Alignment, Encyclopedia of Algorithms, 2007
Miklós, I., Novák, Á., Dombai, B., Hein, J.: How reliably can we predict the reliability of protein structure predictions?, BMC Bioinformatics, 2008
Darling, A., Miklós, I., Ragan, M.: Dynamics of genome rearrangement in bacterial populations., PLoS Genetics, 2008
Novák, Á., Miklós, I., Lyngsoe, R., Hein, J.: StatAlign: An Extendable Software Package for Joint Bayesian Estimation of Alignments and Evolutionary Trees., Bioinformatics, 2008
Miklós, I., Novák, Á., Satija, R., Lyngsoe, R., Hein, J.: Stochastic Models of Sequence Evolution including Insertion-Deletion events, Statistical Methods in Medical Research, 2009
Csürös, M., Miklós, I.: Streamlining and large ancestral genomes in Archaea inferred with a phylogenetic birth-and-death model, Mol. Biol. Evol., 2009
Miklós, I., Darling, A.: Efficient sampling of parsimonious inversion histories with application to genome rearrangement in Yersinia, Genome Biology and Evolution, 2009
Satija, R., Novák, Á., Miklós, I., Lyngsoe, R., Hein, J.: BigFoot: Bayesian Alignment and Phylogenetic Footprinting with MCMC, BMC Evolutionary Biology, 2009
Kim, H., Toroczkai, Z., Erdős, P., Miklós, I., Székely, L.: Degree-based graph construction, J. Phys. A., 2009
Miklós, I., Mélykúti, B., Swenson, K.: The Metropolized Partial Importance Sampling MCMC mixes slowly on minimum reversal rearrangement paths, ACM/IEEE Transactions on Computational Biology and Bioinformatics, 2010




Back »