Konferenciák

2025. november 14.

Letölthető program pdf formátumban

1. szekció - Bioinformatikai algoritmusok 1, Szerkezeti bioinformatika

2. szekció - Bioinformatikai algoritmusok 2

3. szekció - Rendszerbiológia, Öregedés, Proteomika Elnök: Csabai István

13:45 - 14:00: Az evolúciósan kapcsolt metabolitpárok szerepe a humán metabolom rendszerszinű szerveződésében

    Széles Lilla (HUN-REN SzBK, Biokémiai Intézet, Szintetikus és Rendszer-biológiai Egység; SzE, Biológia Doktori Iskola)

Részletek

Az evolúciósan kapcsolt metabolitpárok szerepe a humán metabolom rendszerszinű szerveződésében

×

• Kivonat

Az evolúciósan kapcsolt metabolitpárok szerepe a humán metabolom rendszerszinű szerveződésében

Széles Lilla^1,3, Liska Orsolya^1,2, Szappanos Balázs^1,2 és Papp Balázs^1,2
1 HUN-REN SzBK, Biokémiai Intézet, Szintetikus és Rendszer-biológiai Egység
² HCEMM-BRC Metabólikus Rendszerek Biológia Laboratórium
³ SzE, Biológia Doktori Iskola
A metabolikus homeosztázis alapvető fontosságú a sejtműködés fenntartásában, ugyanakkor a több száz, egymással kölcsönhatásban álló metabolit koncentrációját befolyásoló rendszerszintű elvek még csak részben ismertek. Bár egyes metabolit-arányokat régóta használnak klinikai biomarkerekként, ezen arányok tágabb szerepe az anyagcsere szerveződésében tisztázatlan. Egy 26 emlősfaj szöveteit vizsgáló összehasonlító metabolomikai elemzés során kiterjedt evolúciós kapcsolathálót azonosítottunk: olyan metabolitpárokat, amelyek szintje fajok között összehangoltan változik. Ez a jelenség a metabolitok mintegy 85%-át érinti, és konzervált funkcionális kapcsolatokat tükröz, amelyeket közös anyagcsereútvonalak, kotranszport és allosztérikus szabályozás formál. Ezek az evolúciós mintázatok az emberi fiziológiában is megjelennek: az evolúciósan kapcsolt metabolitpárok emberi vérből mért koncentrációinak arányai különösen alacsony variabilitást mutatnak a populációban, ami szoros homeosztatikus kontrollra utal. A legerősebben kapcsolt párok nagymértékű átfedést mutatnak az öröklött anyagcsere-betegségek diagnosztikai biomarkereivel is, ami az evolúciós kapcsolatot az anyagcserehálózatok egyik alapvető szervezőelvévé, valamint a klinikailag releváns metabolitpárok azonosításának ígéretes eszközévé teszi.

14:00 - 14:15: Esemény vezérelt ágens alapú modellezés: Egy új koncepció az interakciós hálózatok szimulációjára

    Kovács Szabolcs Cselgő (PPKE ITBK; Cytocast Hungary Kft.)

Részletek

Esemény vezérelt ágens alapú modellezés: Egy új koncepció az interakciós hálózatok szimulációjára

×

• Kivonat

Esemény vezérelt ágens alapú modellezés: Egy új koncepció az interakciós hálózatok szimulációjára

Kovács Szabolcs Cselgő^1,2, Fichó Erzsébet², Reguly István Zoltán^1,2 és Csikász-Nagy Attila^1,2
1 PPKE ITBK
² Cytocast Hungary Kft.
Minden sejtnek a környezetére adott dinamikus válaszreakcióját le lehet bontani elemi fehérje interakciós lépésekre, amelyek összehangolt működését különböző szabályozó esemény reakciók biztosítják. Ilyen esemény lehet a fehérjék poszttranszlációs módosítása, katalitikus aktivitása, komplexképződés vagy az adott fehérje degradációja. A reakciók egymásra való hatásának megértésére számos modellezési stratégia áll rendelkezésre, azonban a jelenlegi szimulációs szoftverek csak olyan adatmodellekre alkalmazhatóak, ahol a komponensek interakciós partnerei explicit meg vannak határozva. Ez a limitáció gátolja a komponensek közti szabad interakciót, tetszőleges fehérje komplexek képződését, csökkentve a szimuláció predikciós kapacitását. Ezért, ha a szabályozó események hatását közvetlenül a fehérjék struktúrális változásaira alkalmaznánk domén szinteken, lehetőség nyílna potenciálisan új, tetszőleges interakciók szimulációjára.
A kutatómunka során egy olyan új koncepciót mutatunk be, ami felfedi a fehérjék funkcionális régióinak belső logikai összefüggéseit, és ezeket felhasználva egy esemény vezérelt ágens alapú modell rekonstrukciót építünk élesztő és humán sejt szabályozó hálózatra. A munka a CYTOCAST DIGITAL TWIN CellTM ágens alapú szimulátorán alapszik, amely képes fehérjék domén szintű interakciójának a szimulációjára teljes genom skálán.
A koncepció igazolására élesztő szabályozó hálózatokra alkalmazva 374 fehérje funkcionális állapotváltozását aggregáltuk 163 interakció alapján. Emellett egy egyszerű szintetikusan generált interakció halmazon sikerült validálni a szimulátor predikciós képességét dinamikus rendszereken. Genom-skálájú adatokkal kiegészítve a szimulátor egy nagy potenciállal bíró eszköz lesz különböző perturbációs eseményekre adott sejtválasz megértésére, mint például gyógyszerkezelés vagy egynukleotidos polimorfizmusok.

14:15 - 14:30: A "mikrobiom életkort" befolyásolja az étrend

    Lovrics Anna (HUN-REN TTK, Molekuláris Élettudományi Intézet)

Részletek

A "mikrobiom életkort" befolyásolja az étrend

×

• Kivonat

A "mikrobiom életkort" befolyásolja az étrend

Lovrics Anna¹, Révész Ágnes², Ligeti Balázs³ és Kerepesi Csaba^4
1 HUN-REN TTK, Molekuláris Élettudományi Intézet
² HUN-REN TTK, MS Proteomika Kutatócsoport
³ PPKE ITBK
⁴ HUN-REN Számítástechnikai és Automatizálási Kutatóintézet
Az American Gut project által gyűjtött széklet mikrobiom minták 16S rRNS szekvenálás adatai publikusan elérhetőek a hozzájuk tartozó meta-adatokkal együtt, mint például a kor vagy étrend. Ezeket az adatokat újraelemeztük az azóta fejlesztett pontosabb módszerekkel. Ezután gépi tanulás segítségével egy mikrobiom öregedési óra modellt illesztettünk az adatokra beágyazott keresztvalidációt használva. Az modell közepes abszolút hibája 10,3 év volt, ami hasonló az ún "shotgun" mikrobiom szekvenáláson alapuló mikrobiom órák hibájához. Más mikrobiom órákhoz hasonlóan, a mi modellünk által prediktált életkorok is eltolódtak az adathalmaz medián életkora felé.
A mikrobiom óra alapján kiszámoltuk a különböző étrendekhez társított medián öregedési sebességet. Az „eliminációs diéta” a mikrobiom alapján felgyorsult öregedést jósolt. Továbbá, az SHAP elemzés előnyös és hátrányos baktériumfajokat emelt ki, amelyek elterjedtsége a mikrobiom-alapú öregedés lassulásával vagy gyorsulásával volt összefüggésben.

14:30 - 14:45: Életkor előrejelzés epigenetikai és mikrobiom adatok alapján

    Kovács Kíra Diana (HUN-REN Számítástechnikai és Automatizálási Kutatóintézet)

Részletek

Életkor előrejelzés epigenetikai és mikrobiom adatok alapján

×

• Kivonat

Életkor előrejelzés epigenetikai és mikrobiom adatok alapján

Kovács Kíra Diana¹ és Kerepesi Csaba^1
1 HUN-REN Számítástechnikai és Automatizálási Kutatóintézet
A biológiai öregedés egy komplex, több szinten szabályozott folyamat, amelyet a kronológiai életkor önmagában nem tükröz megfelelően. Az epigenetikai órák és a bélmikrobiom összetétele egyaránt ígéretes biomarkerek a biológiai életkor becslésére, de ezek integrált alkalmazása még kevéssé feltárt terület. Kutatásunk célja multi-omikai öregedésórák fejlesztése epigenetikai és mikrobiom adatok együttes felhasználásával, valamint annak vizsgálata, hogy az integrált modellek pontosabban becsülik-e az életkort, mint az egyetlen omikai rétegen alapuló (pl. epigenetikai) megközelítések.
A modellezés során többféle regressziós megközelítést és paraméterezést alkalmaztunk annak érdekében, hogy feltérképezzük, mely algoritmusok képesek a legpontosabban becsülni a kronológiai életkort az epigenetikai és mikrobiom adatok alapján. Használtunk lineáris modelleket, valamint a regulárizált változataikat, melyek segítették az egyszerűbb, jól értelmezhető összefüggések azonosítását, különböző regularizációs paraméterek és polinomiális fokszámok tesztelésével. A nemlineáris modellek közül alkalmaztunk többek között döntési fa alapú módszereket, amelyek hiperparamétereit (pl. fa mélység, tanulási ráta, n_estimators) keresztvalidációval optimalizáltuk. A modellteljesítmény javítása érdekében feature extraction és dimenziócsökkentési technikákat (pl. főkomponens-analízis) is alkalmaztunk, hogy kiszűrjük a redundáns vagy zajos jellemzőket, és az életkorral legszorosabban összefüggő mintázatokat emeljük ki az integrált multi-omikai adatbázisból.
Eredményeink azt mutatják, hogy az epigenetikai és mikrobiom adatok integrálása ígéretes irány lehet a biológiai életkor pontosabb becslésében, illetve ezek a multi-omikai megközelítések alkalmasnak tűnnek az öregedés összetett, több rétegben zajló folyamatai közötti kapcsolatok feltárására, így jelentős potenciált hordoznak a jövőbeli öregedéskutatásokhoz.

14:45 - 15:00: Automatizált kvantitatív proteomikai adatelemzés integrálása szuperszámítógép-környezetbe

    Szepesi-Nagy István (HUN-REN TTK, Molekuláris Élettudományi Intézet; SE Doktori Iskola)

Részletek

Automatizált kvantitatív proteomikai adatelemzés integrálása szuperszámítógép-környezetbe

×

• Kivonat

Automatizált kvantitatív proteomikai adatelemzés integrálása szuperszámítógép-környezetbe

Szepesi-Nagy István^1,2, Borosta Roberta^1,3, Szabó Zoltán⁴, Tusnády E. Gábor^1,5, Pongor Lőrinc⁶ és Róna Gergely^1,7
1 HUN-REN TTK, Molekuláris Élettudományi Intézet
² SE Doktori Iskola
³ ELTE TTK Biológia Doktori Iskola
⁴ SZTE, SzAOK, Orvosi Vegytani Intézet
⁵ SE Bioinformatika Tanszék
⁶ HCEMM Rák Genomika és Epigenetika Kutatócsoport
⁷ Department of Biochemistry and Molecular Pharmacology, NYU Grossman School of Medicine
A nukleotid-repeat expanziós betegségek (NRED) kutatásában a proteogenomikai adatok újraelemzése kulcsfontosságú a molekuláris mechanizmusok mélyebb megértéséhez, azonban a nagyméretű, heterogén tömegspektrometriás (MS) adatok feldolgozása technikailag összetett és erőforrás-igényes feladat. Az eltérő műszerekből, mintavételi protokollokból és elemzési módszerekből származó adatok integrálása komoly kihívást jelent, és jelenleg hiányzik az NRED-re fókuszáló, egységes, reprodukálható feldolgozási keretrendszer. Ennek megoldására kifejlesztettünk egy Nextflow-alapú automatizált pipeline-t, amely a FragPipe proteomikai szoftvert nagy teljesítményű számítási (HPC) környezetbe integrálja (Frag’n’Flow). A rendszer automatizálja a bemeneti manifesztfájlok és workflow-k generálását, letölti és integrálja a referencia proteome adatbázist, kezeli a szoftverfüggőségeket, valamint biztosítja a downstream adatelemzést is. A konténerizált megközelítés révén az elemzések reprodukálhatók, átláthatók és könnyen skálázhatók, így a Frag’n’Flow felhő- és HPC környezetekben egyaránt alkalmazható. Benchmark-eredményeink alapján a pipeline kvantitatív pontossága megfelel a jelenlegi megoldásoknak, miközben jelentősen csökkenti a futásidőt. Három reprezentatív MS adathalmazon (label-free DDA, DIA, TMT) validáltuk, sikeresen reprodukálva a publikált biológiai eredményeket minimális felhasználói beavatkozás mellett. A Frag’n’Flow így megbízható, automatizált és skálázható megoldást kínál a proteomikai adatok újraelemzésére az NRED-k és más komplex betegségek kutatásában.

15:00 - 15:15: A variáns hatás prediktorok szisztematikus torzítása rendezetlen fehérjékben

    Deutsch Norbert (ELTE Biológiai Intézet, Biokémiai Tanszék; ELTE Biológia Doktori Iskola)

Részletek

A variáns hatás prediktorok szisztematikus torzítása rendezetlen fehérjékben

×

• Kivonat

A variáns hatás prediktorok szisztematikus torzítása rendezetlen fehérjékben

Deutsch Norbert^1,2 és Dosztányi Zsuzsanna^1
1 ELTE Biológiai Intézet, Biokémiai Tanszék
² ELTE Biológia Doktori Iskola
A genomszekvenálási projektek számos genetikai variánst azonosítottak, lehetővé téve az emberi betegségek molekuláris hátterének feltárását. Ugyanakkor a variánsok klinikai jelentősége többségében továbbra is tisztázatlan, ami különösen kihívást jelent a komplex és poligénes rendellenességek esetében. Bár a prediktív módszerek értékelésében előrelépések történtek, ezek jellemzően a strukturált fehérjerégiókra fókuszálnak.
Ez a szemlélet azonban hiányos, hiszen az eredendően rendezetlen régiók (IDR-ek) kulcsszerepet játszanak a szabályozásban, a jelátvitelben és a betegség kialakulásában, miközben mutációik alulreprezentáltak az értékelésekben. Kutatásunkban ezért azt vizsgáltuk, hogyan teljesítenek a legújabb variáns-hatás-becslő módszerek az IDR-ekben. Megállapítottuk, hogy ezek a módszerek az IDR-ekben található mutációk esetén inkább „nem károsnak” ítélnek, amit a mély mutációs szkennelés (DMS) adataival való alacsonyabb korrelációjuk és a klinikai variánsok (pl. ClinVar) kategorizálásában mutatott gyengébb teljesítményük is alátámaszt. Emellett azt is kimutattuk, hogy a módszerek adatbázis-függően túlzottan optimalizáltak: ahol klinikai adatoknál az eredmények még összhangban vannak, proteomszintű vizsgálatoknál ez az összhang megszűnik. Ugyanakkor a legjobb becslők az IDR-ek funkcionálisan aktív régióiban magasabb patogenitási pontszámokat adnak, ami hangsúlyozza ezek klinikai jelentőségét. Összefoglalva, sürgősen szükség van olyan, torzításmentes benchmark adat szettekre, amelyek kifejezetten az IDR-ekben végzett patogenicitás-előrejelzés értékelésére szolgálnak, és amelyek közösségi alapon, manuálisan kurált módon állnak rendelkezésre.

15:15 - 15:35: Kávé szünet

    

4. szekció - Orvosi bioinformatika