Адрес e-mail:

Лаборатория биоинформатики клеточных технологий

Лаборатория основана в 2019 году. Ее основные задачи заключаются в разработке хемо- и биоинформатических ресурсов для рационализации экспериментов по клеточной инженерии и в выявлении фундаментальных основ клеточных переходов. 


В последнее время появляются сведения о роли различных относительно простых химических веществ, в том числе и зарегистрированных лекарственных препаратов, которые влияют на скорость и успешность управляемой клеточной конверсии. В частности, большой потенциал продемонстрировали так называемые «эпигенетические лекарства», которые меняют структуру хроматина в сторону его большей открытости. В настоящий момент существуют довольно обширные базы данных, содержащие информацию об изменениях экспрессии генов под воздействием различных лекарств и химических веществ. Анализ этих данных и разработка вычислительных методов для подбора химических веществ являются одной из основных тем работ в лаборатории. 


Кроме того, одним из направлений деятельности лаборатории биоинформатики клеточных технологий является разработка подхода, использующего экспрессию в единичных клетках, а также данные о доступности хроматина для поиска основных факторов транскрипции (ТФ), ответственных за клеточную идентичность и конверсию клеточных типов. 


В 2019 году были поданы заявки на гранты РНФ (в настоящее время находятся на рассмотрении).

  1. Исследование химических агентов клеточного программирования методами машинного обучения

  2. Вычислительная система для генерации функционально-зрелых клеток in vitro с использованием мультиомиксных данных секвенирования на уровне отдельных клеток.


Партнеры в России


vavilov.PNGfund_osn_bio.PNG


Партнеры за рубежом


riken.PNGlux.PNGcic.PNG

Публикации


  1. Practical guidance in genome-wide RNA: DNA triple helix prediction, Matveishina, E., Antonov, I., Medvedeva, Y.A., International Journal of Molecular Sciences, 2020
  2. Purine-rich low complexity regions are potential RNA binding hubs in the human genome(Article), Antonov, I., Medvedeva, Y.A., F1000Research, 2019
  3. CpG traffic lights are markers of regulatory regions in human genome, Lioznova, A.V., Khamis, A.M., Artemov, A.V., Kulakovskiy, I.V., Medvedeva, Y.A. , BMC Genomics, 2019
  4. Differential targeting of c-Maf, Bach-1, and Elmo- 1 by microRNA- 143 and microRNA-365 promotes the intracellular growth of mycobacterium tuberculosis in alternatively IL- 4/IL-13 activated macrophages, Tamgue, O., Gcanga, L., Ozturk, M. Whitehead, L., Pillay, S., Jacobs, R., Roy, S., Schmeier, S., Davids, M., Medvedeva, Y.A., Dheda, K., Suzuki, H., Brombacher, F., Guler, R, Frontiers in Immunology, 2019
  5. RADICL-seq identifies general and cell type– specific principles of genome-wide RNA-chromatin interactions, A.Bonetti, P. Carninci, K. Hashimoto, AM. Suzuki, G. Pascarella, E. Arner, S. Noguchi, M.Valentine, K.Kashi, S. Agrawal, T. Kasukawa WA, M.Hoon, C. Plessy, F. Agostini, N. Luscombe, J. Gimenez, V. Orlando, M. Ghilotti, C. Cameron, M. Blanchette, Y. Medvedeva, E. Agirre, G. Castelo- Branco, R. Cazzoli, L. Roos, A. Nash, J. Luginbühl, S. Samudyata, and B. Lenhard, Nature Communications 
  6. A novel method for improved accuracy of transcription factor binding site prediction, Khamis, A.M., Motwalli, O., Oliva, R., Jankovic, B.R., Medvedeva, Y.A., Ashoor, H., Essack, M., Gao, X., Bajic, V.B., Nucleic Acids Research, 2018
  7. ASSA: Fast identification of statistically significant interactions between long RNAs, Antonov, I., Marakhonov, A., Zamkova, M., Medvedeva, Y. Journal of Bioinformatics and Computational Biology, 2018
  8. DNA sequence features in the establishing of H3K27ac, Zubritskiy, A., Medvedeva, Y.A., F1000Research, 2018
  9. Experimental design and bioinformatic analysis of DNA methylation data, Medvedeva, Y., Shershebnev, A., Methods in Molecular Biology, 2018
  10. HOCOMOCO: Towards a complete collection of transcription factor binding models for human and mouse via large-scale ChIP-Seq analysis, Kulakovskiy, I.V., Vorontsov, I.E., Yevshin, I.S., Sharipov, R.N., Fedorova, A.D., Rumynskiy, E.I., Medvedeva, Y.A., Magana-Mora, A., Bajic, V.B., Papatsenko, D.A., Kolpakov, F.A., Makeev, V.J., Nucleic Acids Research, 2018
  11. HOCOMOCO: Expansion and enhancement of the collection of transcription factor binding sites models, Kulakovskiy, I.V., Vorontsov, I.E., Yevshin, I.S., Soboleva, A.V., Kasianov, A.S., Ashoor, H., Ba-Alawi, W., Bajic, V.B., Medvedeva, Y. A., Kolpakov, F.A., Makeev, V.J., Nucleic Acids Research, 2016



Если вы заметили в тексте ошибку, выделите её и нажмите Ctrl+Enter.

© 2001-2020 Московский физико-технический институт (национальный исследовательский университет)

Противодействие коррупции | Сведения о доходах

Политика обработки персональных данных МФТИ

Техподдержка сайта | API

Использование новостных материалов сайта возможно только при наличии активной ссылки на https://mipt.ru

МФТИ в социальных сетях