Семинары декабрь 2019 - февраль 2020

28.02 Patterns of promoter quadruplexes associated with different epigenetic marks

Докладчик: Арина Ностаева, стажёр-исследователь лаборатории

(по материалам, представленным на конференции «Applied Bioinformatics in Life Sciences (3rd edition)» (Лёвен, Бельгия, 13-14 февраля).

Аннотация: Квадруплексы(G4) - это вторничные структуры ДНК и РНК, образующиеся вследствие двух донорных и двух акцепторных связей четырёх G между собой. Экспериментальное доказательство образования G4 в каждом конкретном месте является весьма сложной задачей, требующей много ресурсов и времени. Поэтому важным подходом в изучении G4 является биоинформатический анализ их связей и поиск паттернов взаимодействий с различными участками генома на основе предсказанных последовательностей G4. Данная работа посвящена поиску паттернов взаимодействия G4 и гистоновых меток.

Покровский бульвар, 11, корпус D, аудитория D 509.

Время проведения: 18:10-19:30.

20.02 Системные аутоиммунные заболевания: генетические ассоциации, вклад редких SNV и регуляция экспрессии генов

Докладчик: Нина Опарина, Gothenburg University, also affiliated as a collaborator at Karolinska University

Аннотация: Аутоиммунные заболевания человека, характеризующиеся выработкой патологических аутоантител или размножением аутоагрессивных T-киллеров - крайне разнородная группа патологий, с очевидной сложностью их дифференциальной диагностики и классификации. Нина Опарина с коллегами исследовали системные аутоиммунные заболевания (САЗ), для которых нет выраженной органоспецифичности поражений. Анализ генетической предрасположенности к ним позволяет выделить общие ассоциированные локусы и маркеры и смоделировать часть механизмов патогенеза. Но при такой гетерогенности материала и сложности постановки диагноза на первый план выходят задачи классификации, в том числе в идеале обучение без учителя на основе молекулярных данных. Также были исследованы данные полногеномных ассоциаций, экзомов и таргетного ресеквенирования для разных САЗ, прежде всего для системной красной волчанки. Кроме того, работа включала функциональные исследования - например, анализ экспрессии генов, сплайсинга, eQTL, sQTL и т.д.

Покровский бульвар, 11, корпус R, аудитория R 408.
Время проведения: 18:10-19:30.

13.02 Transformer neural network for protein specific de novo drug generation as machine translation problem

Докладчик: Дарья Гречишникова, к.ф.-м.н., физический факультет МГУ

Аннотация: Drug discovery for the protein target is a very laborious, long and costly process. Machine learning approaches, and deep generative networks in particular, can substantially reduce development time and costs. However, the majority of methods imply prior knowledge of protein binders, their physicochemical characteristics or three-dimensional structure of the protein. The method proposed
in this work generates novel molecules with predicted ability to bind target protein relying on its amino acid sequence only. We consider target specific de novo drug design as a translational problem between amino acid “language” and SMILE (Simplified Molecular Input Line Entry System) representation of the molecule. To tackle this problem, we apply Transformer neural network architecture, the state-of-the-art approach in sequence transduction tasks. The Transformer is based on a self-attention technique which allows capturing long-range dependencies between
items in sequence. The model generates realistic diverse compounds with structural novelty. The computed physicochemical properties and common metrics used in drug discovery fall within the plausible drug-like range of values.

Покровский бульвар, 11, корпус R, аудитория R 506.
Время проведения: 18:10-19:30.

28.01 Genomic and transcriptomic correlates of immunotherapy within the tumor microenvironment of leptomeningeal metastases

Speaker: Dr. Samuel Markson, postdoctoral research in the group of Dr. Scott Carter at the Dana-Farber Cancer Institute (affiliated with Harvard Medical School)

Abstract: Over the past decade, the incidence of leptomeningeal disease (LMD) has steadily increased without the development of effective treatment options. To potentially address clinical demand, we completed two phase II trials of immune checkpoint inhibitor (ICI) immunotherapy in patients with LMD. Here, we apply single-cell RNA and cell-free DNA profiling of clinical cerebrospinal draws from patients enrolled in both trials to investigate the cellular and molecular features underpinning observed clinical trajectories. We recover immune and malignant cell types in the CSF, characterize changes in T cell behavior following immunotherapy, and identify genomic features coincident with relevant clinical phenomena. Overall, our study describes, for the first time, cellular behaviors in the liquid LMD tumor microenvironment following immunotherapy, demonstrates the potential for cell-free and single-cell genomic measurements to better understand clinical phenomena, and describes potential mechanisms underlying the promise of intravenously (IV) administered immunotherapy for the treatment of LMD.

Seminar working language – English

Pokrovsky Boulevard, 11, room T907

Time: 17:15-18:00

28.01 Mechanisms of remodeling in human heart failure

Докладчик: Igor R. Efimov, The Alisann and Terry Collins Professor, Department of Biomedical Engineering, George Washington University, Washington, DC

Аннотация: Animal models of cardiac diseases have been studied for decades to investigate the mechanisms of arrhythmia initiation and maintenance with the aim to develop life-saving prevention and therapy. However, few clinical advances resulted from these investigations so far.  Many mechanistic discoveries made by cardiac electrophysiologists using animal models failed to translate to humans. For example, despite significant efforts of the generations of scientists, we do not have effective pharmacological agents preventing or aborting sudden cardiac death caused by ventricular fibrillation. To address this problem our laboratory conducted for more than a decade experimental investigations of arrhythmia mechanisms in explanted human hearts procured from patients undergoing transplant or donors whose hearts were not used for transplantation. “Omics” studies employing genome, proteome, transcriptome and other molecular biology approaches revealed that pathological mechanisms usually multifactorial and often cannot be reduced to a single gene or protein defect. Furthermore, pro-arrhythmic SNPs identified by GWAS studies are predominantly located in the regulatory but not in the protein-coding regions of DNA. Moreover, individual SNPs in the regulatory elements could have impact on transcription of multiple genes. Optical and electrical mapping studies revealed the mechanisms of normal and pathological electrophysiology specific to human, which often differ from those previously discovered in animal models. However, arrhythmias in the human heart follow fundamental principles of arrhythmia initiation and maintenance conceptually described by non-linear dynamics theory during the last century.   

Покровский бульвар, 11, корпус G, аудитория G114

Время проведения: 16:00-17:30

28.01 Global burden of disease project. International collaboration in modelling the morbidity and mortality goes into the subnational data

Speaker: Professor Mohsen Naghavi (University of Washington, Washington, USA).

Abstract:  Professor will talk about the development of the most advanced project on assessing world morbidity and mortality, influence of risk factors (including economical) on human health. The project results lie in the basis of modern statistics of the UN/WHO. In the framework of the project the unique technologies on data correction and modeling were developed as a result of refinement of national and subnational data.

Seminar working language – English

Pokrovsky Boulevard, 11, Building Z, Small Hall

Time: 18: 10-20: 00

19.12 Искусственный интеллект в биомедицине: как получить достойную зарплату, публиковаться в журналах Nature и опережать Запад, не уезжая из России

Докладчик: Алекс Жаворонков, CEO Insilico Medicine, биоинформатик и специалист в области машинного обучения

Аннотация: 

Алекс Жаворонков руководил восточноевропейским офисом компании ATI Technologies с 2002 по 2006 год, затем заинтересовался биомедициной, получил степень магистра в области биоинформатики в университете Джона Хопкинса (2008) и защитил кандидатскую диссертацию на физическом факультете МГУ (2011). С 2012 года руководил несколькими проектами в области биоинформатики и цифровой медицины. 

Самым известным проектом является компания Инсилико, основанная в 2014 году. Компания специализируется на применении Искусственного интеллекта для решения биомедицинских задач, связанных с поиском новых биомаркеров и мишеней для заболеваний. Инсилико - пионер в области генеративной химии (применении генеративной архитектуры нейросетевых алгоритмов для создания молекулярных структур с заданными свойствами), команда имеет более 70 публикаций за 5 лет существования компании в высокорейтинговых рецензируемых журналах:

• In silico Pathway Activation Network Decomposition Analysis (iPANDA) as a method for biomarker development (Nature Communications, 2016)
• Bifunctional immune checkpoint-targeted antibody-ligand traps that simultaneously disable TGFβ enhance the efficacy of cancer immunotherapy (Nature Communications, 2018) 
• Deep learning enables rapid identification of potent DDR1 kinase inhibitors  (Nature Biotechnology, 2019)  

Покровский бульвар, 11, корпус M, аудитория M 202

Время проведения: 18:00-18:30

11.12 Машинное зрение в анализе гистологических изображений

Докладчик: Илья Галкин, биоинформатик-аналитик компании BostonGene

Аннотация: Технологии поиска и классификации объектов на изображениях и видео очень быстро развиваются в наше время. От приложений на смартфонах до беспилотных автомобилей, они все чаще применяются в различных сферах жизни. Сотрудники компании BostonGene расскажут, как использовать алгоритмы машинного обучения для распознавания клеток и какие перспективы это открывает в диагностике и лечении онкологии.

Покровский бульвар, 11, корпус G, аудитория G110

Время проведения: 18:30-19:30

05.12 Анализ связи между вторичной организацией ДНК, эпигенетическими маркёрами и структурными мутациями в онкологии

Докладчик – Курилович Анна, стажёр-исследователь лаборатории

Аннотация: Изменения в экспрессии онкогенов и генов онкосупрессоров, ведущие к развитию и прогрессированию онкологических патологий, происходят в результате в том числе мутационных событий. Доклад посвящен анализу пространственной корреляции между структурными соматическими мутациями пациентов с онкологическими патологиями девяти тканей и пространственной организацией генома. Были опробованы два подхода к сформулированной задаче. Первый поход включает в себя поиск регионов, в которых имеют место разрывы цепи ДНК у ряда пациентов с онкологическими заболеваниями различных тканей (скоплений мутаций). Охарактеризовано пространственное окружение такого рода участков. Второй подход заключается в поиске пространственных корреляций между структурными мутациями всех пациентов с общим диагнозом и пространственными факторами -  вторичными структурами ДНК и эпигенетическими маркёрами, методами машинного обучения.

Покровский бульвар, 11, корпус M, аудитория M 202. 

Время проведения: 18:30-19:50

03.12 Geometric deep learning for functional protein design

Speaker: Michael Bronstein, Professor, Chair of Machine Learning and Pattern Recognition, Imperial College London / Head of Graph Learning Research, Twitter

Abstract: Protein-based drugs are becoming some of the most important drugs of the XXI century. The typical mechanism of action of these drugs is a strong protein-protein interaction (PPI) between surfaces with complementary geometry and chemistry. Over the past three decades, large amounts of structural data on PPIs has been collected, creating opportunities for differentiable learning on the surface geometry and chemical properties of natural PPIs. Since the surface of these proteins has a non-Euclidean structure, it is a natural fit for geometric deep learning, a novel class of machine learning techniques generalizing successful neural architectures to manifolds and graphs. In the talk, I will show how geometric deep learning methods can be used to address various problems in functional protein design such as interface site prediction, pocket classification, and search for surface motifs. I will present results of our ongoing work with Bruno Correia, Pablo Gainza-Cirauqui, and others from the EPFL Lab of Protein Design and Immunoengineering.

Room 319, Bolshoy Tryokhsvyatitelsky Pereulok, 3 

Time: 02 pm - 03 pm

Видеозапись доступна по ссылке