Университет «Сириус» • Аспирантура • Математическая биология, биоинформатика

Аспирантура

Математическая биология, биоинформатика

Научная специальность 1.5.8

Образовательная программа направлена на подготовку высококвалифицированных специалистов – исследователей и преподавателей с углубленными знаниями и практически применимыми навыками по таким перспективным и стратегически важным направлениям, как:

анализ генетических данных и биостатистика;
структурная биология и разработка лекарственных препаратов;
системная биология и математическое моделирование в биологии и медицине.

Программа аспирантуры предусматривает возможность погружения и трудоустройства аспирантов:

в научный коллектив, в первую очередь реализующий исследовательскую деятельность в области наук о жизни для анализа получаемых экспериментальных данных;
в компании, ведущие деятельность в области генетических исследований, агробиотехнологий, сельского хозяйства, фармацевтические компании;
в медицинские организации для анализа различных биомедицинских данных.

Аспиранты, обучающиеся по научной специальности 1.5.8. Математическая биология, биоинформатика участвуют в передовых исследованиях на стыке нескольких научных направлений, а именно прикладной математики, информатики и биологической науки, что отражает стратегические приоритеты развития Университета «Сириус» в научно-исследовательской деятельности.

Аспиранты привлекаются к участию в следующих научно-исследовательских проектах:

разработка семейства каталитических антител к фибрину;
виртуальный пациент (оптимизация выбора лекарственной терапии на основе построения «цифрового двойника» пациента);
потоковое моделирование метаболизма аэробного метанотрофа Methylotuvimicrobium alcaliphilum 20ZR с учетом молекулярно-генетических механизмов его регуляции;
анализ и интеграция транскриптомных данных;
разработка математических моделей взаимосвязи транскриптомных данных и метаболических данных;

а также участвуют в биоинформатическом анализе данных, получаемых в других научно-исследовательских проектах Университета Сириус.

Программа реализуется на базе научного направления «Вычислительная биология».

Количество мест: 7

Форма обучения: очная

Срок обучения: 4 года

Что отличает Университет «Сириус»?

Возможность для всех аспирантов трудоустройства на должность младшего научного сотрудника с оплатой до 80 000 рублей
Наши аспиранты живут в гостиницах Олимпийской деревни.
Руководители научных направлений – ученые с мировым именем, профессора европейских университетов.
Возможность трудоустройства в ведущих компаниях страны.
Доступ к лабораториям с высокотехнологичным оборудованием.

ВСТУПИТЕЛЬНЫЕ ИСПЫТАНИЯ:

Программа вступительных испытаний

В рамках вступительных испытаний всем поступающим необходимо:

сдать письменный экзамен;
пройти устное собеседование.

КАК ПОСТУПИТЬ: p> Приём заявлений в аспирантуру открыт с 1 марта 2024 и заканчивается 30 августа 2024 года.

Для подачи заявления необходимо зарегистрироваться в Личном кабинете и прикрепить электронные копии следующих документов:

СНИЛС
паспорт
диплом об образовании либо справку из учебного заведения
фотографию
а также распечатать подписать и приложить сканированную копию согласия на обработку персональных данных и заявления.

При наличии, прикрепляются документы подтверждающие индивидуальные достижения (публикации, тезисы и т.д.).

Ознакомится с полным перечнем индивидуальных достижений, зачитываемых в качестве результатов за вступительные испытания или в качестве доп. баллов можно на сайте.

После проверки ваше заявление будет принято и автоматически назначена ближайшая дата письменного вступительного испытания, которую можно изменить. Обо всех изменения абитуриентов информируют в личном кабинете, по электронной почте и указанным телефонам.

Экзамены сдаются дистанционно в два этапа: письменный экзамен и собеседование. Вступительные испытания второго тура набора пройдут с 2 по 12 сентября 2024 года. Перед вступительными испытаниями с вами свяжутся сотрудники приёмной комиссии и подробно проинструктируют по процедуре проведения.

Списки поступающих, зачисленных на обучение, будут опубликованы на сайте.

КАК СВЯЗАТЬСЯ С ПРИЕМНОЙ КОМИССИЕЙ:

по почте: pk@siriusuniversity.ru
по телефону: 8(8622)419855
в сообщениях в официальной группе Вконтакте
в Telegram чате

Официальный канал Приемной комиссии в Telegram

Квалификация/направление: Научная специальность

Ссылка на кнопке "Подать заявку": http://lka.siriusuniversity.ru/

Руководитель: Федор Анатольевич Колпаков

Ссылка на кнопке "Узнать больше": /pre-admission/

ТЕМЫ НАУЧНЫХ ИССЛЕДОВАНИЙ:

1. «Компьютерная разработка диагностических агентов для визуализации амилоидных структур»

Для визуализации амилоидных структур в человеческом мозге методом магнитно-резонансной томографии на ядрах 19F могут быть использованы фторсодержащие соединения, связывающиеся с амилоидными фибриллами. Проект направлен на исследование взаимодействий таких молекул с фибриллами методами компьютерного моделирования и разработку новых потенциальных диагностических агентов, обладающих высоким сродством к агрегатам бета-амилоида, низкой токсичностью, достаточной проницаемостью гематоэнцефалического барьера.

Научный руководитель: Игорь Алексеевич Седов – доктор химических наук, направление «Вычислительная биология» Научно-технологического университета «Сириус», научные интересы: физическая химия, биофизическая химия, компьютерное моделирование, химическая термодинамика.

2. «Разработка и реализация ML потенциалов для молекулярной динамики материалов и белков»

Молекулярная динамика и её производные мощный инструмент для исследования молекулярных механизмов в белках и ферментах. Использование силовых полей в моделировании позволяет иметь высокую производительность счёта, но не позволяет исследовать ферментативные реакции. Существующие подходы для преодоления этого ограничения используют методы квантовой химии, что значительно уменьшает производительность расчётов. Перспективной заменой квантовой химии являются потенциалы на основе моделей ML (QML), они позволяют получить желаемую производительность при сохранении точности расчётов. Работа будет посвящена разработке моделей и инструментов для применения QML в структурной биологии и науках о материалах.

Научный руководитель: Андрей Викторович Головин – доктор химических наук, ведущий научный сотрудник Научно-технологического университета «Сириус», направление «Вычислительная биология» Научного центра информационных технологий и искусственного интеллекта, научные интересы: химия и компьютерное моделирование биоструктур, в частности коротких последовательностей ДНК и РНК, биосенсоры.

3. «Разработка эффективного подхода к локальному дизайну белков на основе AlphaFold и TRRosetta»

Успехи методов ML для предсказания структур белков потрясли область структурной биологии в последние 2 года, стали появляться подходы к использованию этих моделей для дизайна новых белков и ферментов. Трудность дизайна состоит в необходимости поиска целевой структуры в пространстве последовательностей, которое астрономически велико. В проекте предполагается разработка методов ML для эффективного исследования пространства последовательностей при заданных ограничениях.

4. «Рациональный дизайн терапевтических пептидов с искусственными аминокислотами»

Лекарственные препараты на основе пептидов и белков уверено захватывают фармацевтический рынок, не удобной особенностью таких препаратов является ограниченное время жизни в организме. Введение неприродных аминокислот в белки и пептиды позволяет преодолеть эту проблему. В проекте предполагается использование методов молекулярного моделирования для эффективного проектирования новых препаратов на основе белков и пептидов с неприродными аминокислотами.

5. «Изучение динамики функционирования скелетных мышц человека на уровне метаболизма, сигнальных путей и регуляции экспрессии генов в ответ на различные разновидности физиологических стрессов (ишемия, гипоксия, физическое упражнение)»

Скелетные мышцы составляют около 40 % от массы тела взрослого человека и вносят существенный вклад в регуляцию метаболизма на уровне всего организма. Регулярные низкоинтенсивные упражнения (аэробные или выносливостные тренировки) оказывают значимое влияние на скелетные мышцы: выражено увеличивают капиллярную и митохондриальную плотность – показатели, влияющие на транспорт O2 и CO2, на обмен метаболитов между кровью и мышцей, а также на процессы окислительного фосфорилирования. Эти функциональные изменения приводят к улучшению аэробной работоспособности на уровне скелетных мышц и организма, а также к снижению факторов риска развития сердечно-сосудистых и метаболических заболеваний. Адаптация клеток скелетных мышц к стрессовым условиям, в том числе, к регулярным аэробным физическим нагрузкам обеспечивается существенными метаболическими изменениями, активацией в них сигнальных путей вовремя и после каждого упражнения, приводящей к изменению экспрессии огромного количества генов. Несмотря на существующие попытки экспериментально исследовать механизмы регуляции и передачи сигналов при адаптации мышечных клеток к стрессовым условиям, к настоящему времени данные, полученные на скелетных мышцах человека in vivo, представляют собой усредненные количественные показатели содержания основных метаболитов и энергетических молекул; а также количественный вклад отдельных сигнальных молекул в регуляцию экспрессии генов внутриклеточного ответа до сих пор полностью не исследован. В рамках диссертационной работы будет освоен модульный подход моделирования в компьютерной системе BioUML с целью разработки и анализа интегрированной модели функционирования скелетных мышц человека, учитывающей структурно-функциональные взаимосвязи на всех трёх уровнях организации (метаболический, сигнальные пути и регуляция экспрессии генов) и между ними; проведена верификация разработанной модели к опубликованным и оригинальным экспериментальным данным.

Научный руководитель: Илья Ринатович Акбердин – кандидат биологических наук, старший научный сотрудник Научно-технологического университета «Сириус», направление «Вычислительная биология» Научного центра информационных технологий и искусственного интеллекта.

6. «Математическое моделирование процессов заражения, распределения вируса SARS-CoV-2 в организме человека с учётом формирования B- и Т-клеточных иммунных ответов»

Текущая вспышка коронавирусного заболевания 2019 г. (COVID-19) является чрезвычайной ситуацией во всем мире, поскольку ее быстрое распространение и высокий уровень смертности являются серьезной биологической угрозой. Число людей с тяжелым острым респираторным синдромом, вызванным коронавирусом 2 (SARS-CoV-2), возбудителем COVID-19, продолжает достаточно быстрыми темпами расти во всем мире и по настоящее время. У пациентов с COVID-19 может развиться пневмония, тяжелые симптомы острого респираторного дистресс-синдрома (ARDS) и полиорганная недостаточность. Тем не менее, разнообразие форм данного заболевания, в сочетании с массовым бессимптомным носительством SARS-CoV-2, требуют дальнейших исследований патогенеза этого заболевания. Более того, как уже экспериментально показано, поражение органов и тканей при заражении SARS-CoV-2 является иммуноопосредованным, а интенсивность вирусовыделения варьирует в очень широких пределах, равно как и восприимчивость к заражению, тяжесть течения инфекционного процесса и вероятность гибели. Иммуноопосредованность патологических процессов означает весьма нелинейную связь между устойчивостью к болезни и наличию реакций специфического иммунитета. В этой связи применение методов математического моделирования для изучения особенностей взаимодействия вируса с клетками хозяина с учетом иммунного ответа является крайне существенным как для фундаментального понимания патогенеза заболевания COVID-19, так и для ускорения создания целенаправленных лекарственных препаратов при его лечении. В рамках диссертационной работы будет освоен модульный подход моделирования в компьютерной системе BioUML с целью разработки и анализа модульной модели заражения, распределения вируса SARS-CoV-2 в тканях и органах человека, модульной модели иммунного ответа на различную вирусную нагрузку и в зависимости от функционального состояния организма пациента; проведена верификация разработанной модели к опубликованным и оригинальным экспериментальным данным; предсказаны потенциальные мишени в комплексной системе молекулярно-генетических взаимодействий вирус-хозяин для создания соответствующих наиболее эффективных лекарственных препаратов для лечения COVID-19.

7. «Разработка и анализ потоковых моделей метаболизма животных, птиц и рыб для оптимизации процессов роста мышечной массы»

Одной из бурно развивающихся областей современной биологии, в которой развитие опережающих технологий наиболее вероятно и востребовано, является синтетическая биология – создание новых про- и эукариотических организмов с заданными свойствами на основе синтеза геномов de novo или их глубокой реорганизации с использованием подходов генной инженерии, биоинженерии, системной биологии и биоинформатики. Поскольку формирование любого фенотипического признака живых организмов обеспечивается комплексными молекулярно-генетическими процессами, требующими координированного взаимодействия сотен и даже тысяч генов, белков, микроРНК, то системно-биологический подход, включающий интеграцию омиксных данных, детальный анализ генных взаимодействий с последующими реконструкцией регуляторной сети и построением соответствующей математической модели, является многообещающим подходом к созданию рациональной стратегии для улучшения биотехнологических или целевых свойств исследуемых культур клеток и даже целых организмов. Использование методов и подходов системной биологии позволяет также предсказывать роль различных модификаций геномов на фенотипические признаки и их влияние на метаболизм клетки. В этом направлении развития системной биологии создание метаболических сетей на основе целого генома (GENRE, GEnome-scale Network REconstruction) является наиболее перспективным. В рамках диссертационной работы будет освоена технология получения биологически значимых результатов с помощью интеграции биоинформатического анализа полногеномных данных для живых систем с последующей реконструкцией либо потоковой модели, позволяющей исследовать метаболизм клетки на уровне всего генома, либо кинетической модели, предоставляющей компьютерную платформу для проведения in silico количественных экспериментов по генетическим модификациям и метаболическому инжинирингу эукариотических организмов.

8. «Разработка сценариев и анализ генетических данных»

Современные технологии секвенирования (NGS) генерируют большие объемы разнообразных экспериментальных данных, которые требуют сложного биоинформатического анализа. Возможно несколько направлений работы, в зависимости от получаемых NGS данных в ходе сотрудничества в разных проектах: построение атласов промотров и энхансеров, а также моделей регуляции генов; разработка методов и сценариев анализа для одномолекулярного секвенирования ДНК; разработка сценариев анализа данных для Национальной базы генетической информации.

Научный руководитель: Федор Анатольевич Колпаков – кандидат биологических наук, старший научный сотрудник Научно-технологического университета «Сириус», направление «Вычислительная биология» Научного центра информационных технологий и искусственного интеллекта.

9. «Построение модели виртуальной клетки в норме и патологии»

Используя платформу BioUML (biouml.org) разработаны отдельные модули, связанные с регуляцией метаболизма и работой клетки (гликолиз, цикл Кребса, апоптоз и т.п.). Необходимо будет разработать новые модули, чтобы в конечном итоге, приблизиться к полной модели работы клетки.

10. «Моделирование фармакокинетики наночастиц в раковых опухолях»

Наночастицы рассматриваются как эффективный способ доставки лекарственных препаратов к раковым клеткам. В ходе работы необходимо будет построить модели распределения наночастиц по организму и раковым опухолям. В ходе работы будут использоваться экспериментальные данные, полученные в Университете Сириус.

11. «Моделирование влияния генетических вариантов на регуляцию артериального давления»

В настоящее время известно большое количество генов, ответственных за развитие артериальной гипертензии. Тем не менее эти знания никак не используются практикующими врачами для выбора терапии в силу сложного полигенного взаимодействия. В следствие этого необходимо развитие разработанной ранее математической модели сердечно-сосудистой и почечной систем человека с целью учета генетических механизмов артериальной гипертензии.

Научный руководитель: Елена Олеговна Кутумова – кандидат физико-математических наук, старший научный сотрудник Научно-технологического университета «Сириус», направление «Вычислительная биология» Научного центра информационных технологий и искусственного интеллекта.

12. «Моделирование возрастных изменений в регуляции артериального давления»

Предметом исследования в данной теме являются процессы общего и сосудистого старения, а также влияние изменений, связанных со старением клеток, на прогрессирование артериальной гипертензии. Для математического моделирования указанных процессов будет задействована созданная в предыдущих проектах математическая модель сердечно-сосудистой и почечной систем человека.

13. «Моделирование действия антигипертензивных препаратов»

Артериальная гипертензия является многофакторным заболеванием со сложными патофизиологическими путями. Индивидуальные особенности пациентов обусловливают разную реакцию на разные классы антигипертензивных препаратов. Поэтому оценка эффективности терапии на основе прогнозов in silico является важной задачей. В текущей работе предполагается развитие ранее созданной математической модели сердечно-сосудистой и почечной систем человека с учетом уравнений, имитирующих ответ пациента на антигипертензивную терапию с различными механизмами действия, а также проведение in silico клинических исследований для данной терапии.

Узнать больше: Да

Фото рядом с "Как связаться с приемной комиссией": Загрузить

Название: Математическая биология, биоинформатика

Картинка для анонса: Загрузить

Детальное описание:

анализ генетических данных и биостатистика;
структурная биология и разработка лекарственных препаратов;
системная биология и математическое моделирование в биологии и медицине.