Konferenciák

2023. november 10.

Letölthető program pdf formátumban

1. szekció - Bioinformatikai algoritmusok Elnök: Dr. Dosztányi Zsuzsanna

Az elmúlt évek során elért informatikai áttörés a mesterséges intelligencia egészén belül a bioinformatikai algoritmusok területén is óriási fordulatot eredményezett. A több milliárd bázist tartalmazó szekvenálási adatbázisok, a több millió mikroszkópos felvételek, vagy az egyre gyarapodó proteomikati adatok igen jó inputként használhatók a ChatGPT által használt nagy nyelvi modell analógjára tanított fehérje- nyelvi modellekhez, amelyeket aztán a legkülönbözőbb becslő algoritmusokban alkalmaztak már, a fehérjék szerkezetbecslésétől kezdve a mikroszkópos képek, vagy elektron sűrűségi térképek automatikus feldolgozásán át az öregedés kutatás alapkérdéseinek tisztázására. Ebben a szekcióban ilyen algoritmusokat használó bioinformatikai kutatások eredményeit kívánjuk bemutatni.

10:00 - 10:05: Köszöntő

    Pongor Sándor

10:05 - 10:25: Koevolúciós függőségek biológiai skálákon átívelő modellezése

    Szöllősi J Gergely (MTA-ELTE „Lendület” Evolúciós Genomika Kutatócsoport)

Részletek

Koevolúciós függőségek biológiai skálákon átívelő modellezése

×

• Kivonat

Koevolúciós függőségek biológiai skálákon átívelő modellezése

A szekvencia- és genomevolúció jelenlegi legmodernebb modelljei az egyes szervezeti szinteken belüli függetlenség feltételezésén alapulnak. Noha ez a feltételezés nélkülözhetetlen a nagyméretű és folyamatosan növekvő szekvenciaadatok elemzéséhez, korlátozza az evolúciós múlt rekonstrukcióját és annak megértését, hogy a biológiai rendszerek különböző elemei, mint az aminosavak, gének vagy fajok, hogyan hatnak egymásra. Kutatásunk célja, hogy megszabaduljunk ezektől a korlátoktól. Hierarchikus probabilisztikus modellekkel és újabban machine learning eljárásokkal segítjük a jelenleg függetlennek kezelt koevolúciós függőségek modellezését. Ezen modellek alkalmazásával meghatároztuk az baktériumok filogenetikai fájának gyökerét , ami lehetővé tette a bakteriális közös ős rekonstrukcióját. Ezt követően a többsejtűség kialakulását vizsgálva az Opisthokonta szupergruppon belül az állatok és gombák genetikai változásainak útvonalát rekonstruáltuk és megállapítottuk, hogy az állatok a többsejtűséghez szükséges gének felhalmozódása után jöttek létre, míg a gombák ősei a funkcionális kategóriák többségét elvesztették. A bakteriális fa mentén rekonstruált géntartalom-perdikciókat gépi tanulási módszerekkel ötvözve fel tudtuk használni a nagy Oxidációs Eseményt(Great Oxidation Event, GOE) arra, hogy időben kalibráljuk a bakteriális családfát.

10:25 - 10:45: Genomikai nyelvmodellek a mikrobiomkutatásban

    Ligeti Balázs (PKKE Információs Technológiai és Bionikai Kar)

Részletek

Genomikai nyelvmodellek a mikrobiomkutatásban

×

• Kivonat

Genomikai nyelvmodellek a mikrobiomkutatásban

A kvantitatív biológia egyik alapvető kérdése, hogy miként fedezhetünk fel újszerű mintázatokat és struktúrákat a biológiai adatokban, ami kulcsfontosságú az olyan összetett komplex szerveződések modellezéséhez, előrejelzéséhez és manipulálásához, mint a mikrobiom. A mai kihívások – például a mikrobiomok speciális, célzott feladatokra való alkalmazása – újfajta eljárások kidolgozását teszik szükségessé. Kidolgoztunk egy olyan univerzálisan felhasználható szekvenciareprezentációt - a prokBERT-et -, ami lehetővé teszi a mikrobiomosztályázási feladatok hatékony megoldását az ún. transfer learning segítségével, illetve egy új, egyszerű vektorizációs eljárást - LCA (local context-aware) tokenization -, ami lehetővé teszi a transzformer alapú modellek hatékony tanítását. A modellt megközelítőleg 18000 assembly (baktérium, vírus, gomba és archaea szekvencia) alapján tanítottuk, ami mintegy 200 milliárd tokent jelent. Megmutattuk, hogy a csupán az ún. maszkolási feladaton, self-supervised módon előtanított modellel is hatékonyan elkülöníthetőek a szekvenciarégiók - mint a kódoló (CDS) vagy intergenikus régiók -, ami alátámasztja a modell jó általánosító képességét. A ProkBERT modelleket emellett alkalmaztuk több osztályozási feladatban is, mint pl. promóterazonosítás és fág-baktérium szekvencia felismerése; mind a hagyományos (pl. Virsorter2), mind az alternatív deep learning (pl. INHERIT) eszközöknél jobban teljesítettek a modelljeink. További előnyük, hogy gyorsak (~5Mb/sec) és könnyen felhasználhatóak. A ProkBERT modellek nyilvánosan elérhetőek a github-on, illetve a Huggingface-en.

10:45 - 11:00: AIUPred: új mély tanulásos módszer rendezetlen régiók predikciójára

    Erdős Gábor (MTA-ELTE Lendület Bioinformatikai Kutatócsoport)

Részletek

AIUPred: új mély tanulásos módszer rendezetlen régiók predikciójára

×

• Kivonat

AIUPred: új mély tanulásos módszer rendezetlen régiók predikciójára

A rendezetlen fehérjék kritikus szerepet játszanak különböző szubcelluláris folyamatokban, beleértve a szabályozást, a transzkripciót és az apoptózist. Elsősorban más fehérjék molekuláris felismerésében vesznek részt, ami gyakran egy kapcsolt hajtogatási és kötődési folyamaton keresztül vezet átmenethez egy rendezettebb állapotba. A funkcionális rendezetlen régiókban bekövetkező mutációkat számos betegséggel hozták összefüggésbe, ami hangsúlyozza a rendezetlen régiók pontos jellemzésének szükségességét. A rendezetlenség vizsgálatára szolgáló kísérleti technikák kihívást jelentenek, költségesek és időigényesek, így egyre nagyobb szükség van a számítási eszközökre. Kutatásunk során egy újszerű energia beágyazó transzformer hálózatot készítettünk, amely a globuláris fehérjék szerkezeti jellemzőinek magas dimenziós leírását hozza létre. Ezt a beágyazást a Protein Data Bankból származó nagyfelbontású monomer struktúrákon tanítottuk be, egy Boltzmann-statisztikával optimalizált statisztikai potenciálos erőtér felhasználásával. Az energiabeágyazás olyan matematikai modellt biztosít, amely tartalmazza mind a jellemző, mind a pozíciós információt, és amelyről megmutatjuk, hogy felhasználható transzfer tanuláshoz, hogy gyors, pontos és megbízható rendellenesség-előrejelzést érjünk el. Megközelítésünk felülmúlja a legtöbb jelenlegi módszert, és ígéretes utat kínál a javításhoz valamint a funkcionális rendezetlenség predikciójához is.

11:00 - 11:15: Mutációs mintázatok: biológia vs. informatika

    Németh Eszter (HUN-REN TTK Enzimológiai Intézet, Genomstabilitás Kutatócsoport)

Részletek

Mutációs mintázatok: biológia vs. informatika

×

• Kivonat

Mutációs mintázatok: biológia vs. informatika

A teljes genom szekvenálás forradalmasította a rákos daganatok genetikai hátterének kutatását. Fényt vetett arra, hogy a tumorigenezist vezérlő mutációk mellett több száz-több ezer további pontmutáció is detektálható a daganatsejtek genomjában. Bevett szokás ezeket a szekvencia környezet függvényében mutációs spektrumként ábrázolni. A daganatokban meghatározott mutációs spektrumok mögött ismétlődően előforduló mutációs mintázatokat azonosítottak, melyek különböző exogén vagy endogén mutagenikus hatásnak feleltethetőek meg. Tetszőleges tumorminta mutációs spektruma modellezhető a referencia mutációs mintázatok lineáris kombinációjaként, feltárva a daganat hátterében álló biológiai folyamatokat. Könnyen belátható, hogy minél több mutációs mintázatot alkalmazunk, a modell annál tökéletesebb lesz. Ez a jelenség pedig túlillesztéshez vezethet a mintázatok alkalmazása, de már a származtatása során is. Ennek eredményeképpen a biológiailag értelmezhető mintázatok helyett azok töredékeit külön mintázatokként ismerjük el, megnehezítve a kutatási vagy diagnosztikai célú felhasználást. Előadásomban három olyan példát mutatok be kutatásainkból, amely során tumor mutációs mintázatokat sejtmodelleken végzett kísérletekkel igazolunk, és az eredmény alapján a mutációs mintázatok biológiai egységét kritikusan vizsgáljuk. A kutatás a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal támogatásával (PD134818) valósult meg.

11:15 - 11:30: Transzformer és rekurrens architektúrát egyesítő hibrid neurális hálózat használata bakteriofágok és plazmidok detektálására

    Pethő Gergely (DE, Egy Egészség Intézet)

Részletek

Transzformer és rekurrens architektúrát egyesítő hibrid neurális hálózat használata bakteriofágok és plazmidok detektálására

×

• Kivonat

Transzformer és rekurrens architektúrát egyesítő hibrid neurális hálózat használata bakteriofágok és plazmidok detektálására

A természetes nyelvek feldolgozásában 2017 óta szinte egyeduralkodó transzformer architektúrájú neurális nyelvmodellek a DNS-szekvenciák feldolgozásában az utóbbi évekig nem kaptak számottevő figyelmet. A 2021-ben megjelent DNABERT modellre építve 2022-ben közölték Bai és mtsai az INHERIT nevű kettős BERT nyelvmodellt, amelyet bakteriofágok felismerésére tanítottak be. Előadásomban felhívom a figyelmet az INHERIT modell egyes a BERT architektúra jellegzetességeiből eredő gyengéire: 500 bp-nál tágabb kontextust képtelen figyelembe venni, a feldolgozás lassú. Rámutatok emellett a modell tanításának módjából adódó korlátaira: az INHERIT bináris osztályozó, amely valójában nem bakteriofágokat, hanem baktériumkromoszómákat ismer fel. Ismertetem az általunk az INHERIT-re felépítve kifejlesztett InheRecurrent nevű, hibrid transzformer–rekurrens modellarchitektúrát, amelyet négy osztályból származó szekvenciák megkülönböztetésére tanítottunk be: 1. bakteriofág, 2. baktériumkromoszóma, 3. plazmid, 4. „egyéb”: eukarióták, archeák, nem fág vírusok. Modellünk a rekurrens komponensnek köszönhetően kontextusukban látja az 500 bp-nyi szekvenciarészleteket, és így több tízezer bp terjedelmű szekvenciaszakaszokra is tud támaszkodni az osztályozás során. Amellett, hogy finomabb különbségtételre képes és így a gyakorlatban több helyzetben és több feladatra használható, pontossága felülmúlja az INHERIT-ét olyan feladatokban is, mint a baktériumok + plazmidok elkülönítése bakteriofágoktól, ha nincsenek a tesztadatok között „egyéb” osztályú szekvenciák.

11:30 - 11:45: Szünet

    

2. szekció - Szerkezeti bioinformatika

3. szekcio - Rendszerbiológia

4. szekció - Orvosi bioinformatika