Preview

Вавиловский журнал генетики и селекции

Расширенный поиск

ПРОГРАММНЫЙ КОМПЛЕКС SNP-MED ДЛЯ АНАЛИЗА ВЛИЯНИЯ ОДНОНУКЛЕОТИДНЫХ ПОЛИМОРФИЗМОВ НА ФУНКЦИЮ ГЕНОВ, СВЯЗАННЫХ С РАЗВИТИЕМ СОЦИАЛЬНО ЗНАЧИМЫХ ЗАБОЛЕВАНИЙ

Полный текст:

Аннотация

В данной работе описана модульная компьютерная информационная система SNP-MED, предназначенная для оценки влияния однонуклеотидных полиморфизмов (ОНП) на функцию генов, связанных с развитием социально значимых заболеваний, включающая программные компоненты «Геномика», «Протеомика», «Генные сети» и базу данных «Информационный ресурс» (БДИР).

Об авторах

Н. Л. Подколодный
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


Д. А. Афонников
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


Ю. Ю. Васькин
ООО Новосибирский центр информационных технологий «УНИПРО», Новосибирск, Россия
Россия


Л. О. Брызгалов
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


В. А. Иванисенко
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


П. С. Деменков
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


М. П. Пономаренко
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


Д. А. Рассказов
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


К. В. Гунбин
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


И. В. Процук
ООО Новосибирский центр информационных технологий «УНИПРО», Новосибирск, Россия
Россия


И. Ю. Шутов
ООО Новосибирский центр информационных технологий «УНИПРО», Новосибирск, Россия
Россия


П. Н. Леонтьев
ООО Новосибирский центр информационных технологий «УНИПРО», Новосибирск, Россия
Россия


М. Ю. Фурсов
ООО Новосибирский центр информационных технологий «УНИПРО», Новосибирск, Россия
Россия


Н. П. Бондарь
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


Е. В. Антонцева
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


Т. И. Меркулова
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


Н. А. Колчанов
Федеральное государственное бюджетное научное учреждение «Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук», Новосибирск, Россия
Россия


Список литературы

1. Иванисенко В.А., Деменков П.С., Иванисенко Т.В., Колчанов Н.А. Protein structure discovery: пакет программ для решения задач компьютерной протеомики // Биоорган. химия. 2011. Т. 37. № 1. С. 22–35.

2. Пономаренко П.М., Савинкова Л.К., Драчкова И.А. и др. Пошаговая модель связывания TBP/TATA-бокс позволяет предсказать наследственное заболевание человека по точечному полиморфизму // Докл. АН. 2008. Т. 419. С. 828–832.

3. Савинкова Л.К., Пономаренко М.П., Пономаренко П.М. и др. Полиморфизмы ТАТА-боксов промоторов генов человека и ассоциированные с ними наследственные патологии // Биохимия. 2009. Т. 4. № 4. С. 149–163.

4. Системная компьютерная биология // Под ред. Н.А. Колчанов, С.С. Гончаров, В.А. Лихошва, В.А. Иванисенко. Новосибирск: СО РАН, 2008.

5. AdzhubeiI.A., Schmidt S., Peshkin L. et al. A method and server for predicting damaging missense mutations // Nature Meth. 2010. V. 7. No. 4. P. 248–249.

6. Cavallo A., Martin A.C. Mapping SNPs to protein sequence and structure data // Bioinformatics. 2005. V. 21. P. 1443–1450.

7. Farnebo M., Bykov V.J., Wiman K.G. The p53 tumor suppressor: a master regulator of diverse cellular processes and therapeutic target in cancer // Biochem. Biophys Res. Commun. 2010. Р. 85–89.

8. Gerstenblith M.R., Shi J., Landi M.T. Genome-wide association studies of pigmentation and skin cancer: a review and meta-analysis // Pigment Cell Melanoma Res. 2010. V. 23. No. 5. Р. 587–606.

9. Johnson A.D., O’Donnell C.J. An open access database of genome-wide association results // BMC Med. Genet. 2009. V. 10. No. 1. P. 6.

10. Karchin R., Diekhans M., Kelly L. et al. LS-SNP: large-scale annotation of coding non-synonymous SNPs based on multiple information sources // Bioinformatics. 2005. V. 21. P. 2814–2820.

11. Mooney S.D., Krishnan V.G., Evani U.S. Bioinformatic tools for identifying disease gene and SNP candidates // In Genetic Variation. 2010. P. 307–319.

12. Moore J.H., Asselbergs F.W., Williams S.M. Bioinformatics challenges for genome-wide association studies // Bioinformatics. 2010. V. 26. Р. 445–455.

13. Na Y.J., Cho Y., Kim J.H. AnsNGS: An annotation system to sequence variations of next generation sequencing data for disease-related phenotypes // Healthcare Inform. Res. 2013. V. 19. No. 1. Р. 50–55.

14. Ng P.C., Henikoff S. SIFT: Predicting amino acid changes that affect protein function // Nucl. Acids Res. 2003. V. 31. Р. 3812–3814.

15. Okonechnikov K., Golosova O., Fursov M. et al. Unipro UGENE: a unified bioinformatics toolkit // Bioinformatics. 2012. V. 28. P. 1166–1167.

16. Pollard K.S., Hubisz M.J., Rosenbloom K.R., Siepel A. Detection of nonneutral substitution rates on mammalian phylogenies // Genome Res. 2010. V. 20. No. 1. Р. 110–121.

17. Psychiatric GWAS Consortium Steering Committee. A Framework for Interpreting Genome-Wide Association Studies of Psychiatric Disorders // Mol. Psychiatry. 2009. V. 14. No. 1. P. 10.

18. Ramensky V., Bork P., Sunyaev S. Human non-synonymous SNPs: server and survey // Nucl. Acids Res. 2002. V. 30. Р. 3894–3900.

19. Rosenbloom K.R., Sloan C.A., Malladi V.S. et al. ENCODE Data in the UCSC Genome Browser: year 5 update // Nucl. Acids Res. 2013. Р. D56–D63.

20. Sanchez-Ruiz J.M. Protein kinetic stability // Biophys. Chem. 2010. V. 148. Р. 1–15.

21. Sherry S.T., Ward M.H., Kholodov M. et al. dbSNP: the NCBI database of genetic variation // Nucl. Acids Res. 2001. No. 29. Р. 308–311.

22. Torkamani A., Topol E.J., Schork N.J. Pathway analysis of seven common diseases assessed by genome-wide association // Genomics. 2008. No. 92. P. 265–272.

23. Weston A.D., L H. Systems biology, proteomics, and the future of health care: toward predictive, preventative, and personalized medicine // J. Proteome Res. 2004. V. 3. No. 2. Р. 179–196.

24. Yue P., Melamud E., Moult J. SNPs3D: Candidate gene and SNP selection for association studies // BMC Bioinformatics. 2006. No. 7. P. 166.


Просмотров: 124


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2500-0462 (Print)
ISSN 2500-3259 (Online)