ИНСТИТУТ БИОФИЗИКИ БУДУЩЕГО
Кафедра системной и синтетической биологии
Центр образовательных инноваций и технологий
Кафедра готовит высококвалифицированных специалистов в передовых областях современной биологии и смежных наук
Базовые организации
-
ИББ МФТИИнститут биофизики будущего МФТИ -
НИИ СБМНаучно-исследовательский институт системной и синтетической биологии Роспотребнадзора
Вадим Маркович Говорун
Заведующий кафедрой
доктор биологических наук
академик РАН
академик РАН
Направления подготовки
- Разработка биомедицинских клеточных продуктов (БМКП)
- Разработка биологических препаратов
- Разработка технологий тестирования токсичности для персонализированной онкологии
- Разработка больших языков моделей в системной и синтетической биологии
- Разработка нейросетевых аналитических систем для общественного здоровья
- Разработка аппаратно-программных комплексов и расходных материалов (биофизика диагностических систем)
- Разработка биофизических технологий для физической медицины
Читаемые курсы
Автор — Максим Никитин, доктор физико-математических наук, заведующий лабораторией нанобиотехнологий ИББ МФТИ, руководитель направления «Нанобиомедицина» Университета «Сириус». Автор более 100 статей, в том числе в журналах Nature Nanotechnology, Nature Chemistry, Nature Biomedical Engineering. Индекс Хирша 32.
Дисциплина изучает новый подход к созданию фармацевтических композиций, заключающийся в комплексном решении терапевтических и диагностических проблем путем создания наноструктур различной природы, которые являются одновременно и средствами ранней диагностики, и терапевтическими агентами.
Студенты узнают о принципах создания нанопрепаратов, их воздействии на организм, методиках диагностики и контроля терапии. Курс также охватывает основы биоимиджинга, молекулярной диагностики и применения нанотехнологий в современной медицине.
Дисциплина включает в себя лекции и лабораторно-практические работы, позволяющие участникам овладеть основными навыками работы с наноматериалами в медицинских целях.
Цели дисциплины
Задачи дисциплины
Дисциплина изучает новый подход к созданию фармацевтических композиций, заключающийся в комплексном решении терапевтических и диагностических проблем путем создания наноструктур различной природы, которые являются одновременно и средствами ранней диагностики, и терапевтическими агентами.
Студенты узнают о принципах создания нанопрепаратов, их воздействии на организм, методиках диагностики и контроля терапии. Курс также охватывает основы биоимиджинга, молекулярной диагностики и применения нанотехнологий в современной медицине.
Дисциплина включает в себя лекции и лабораторно-практические работы, позволяющие участникам овладеть основными навыками работы с наноматериалами в медицинских целях.
Цели дисциплины
- приобретение знаний о принципах и методах применения наноструктур в области биомедицины с целью создания эффективных диагностических и терапевтических средств;
- изучение современных технологий и исследовательских методов, связанных с использованием наноматериалов для таргетной доставки лекарств и персонализированной медицины.
Задачи дисциплины
- изучение основных понятий тераностики и наноструктур, применяемых в биомедицине;
- анализ перспектив использования наночастиц в диагностике и терапии заболеваний и современное состояние вопроса;
- изучение основных принципов и механизмов адресной доставки терапевтических агентов;
- исследование механизмов взаимодействия наночастиц с биологическими объектами;
- изучение принципов использования наночастиц для детекции маркеров заболеваний;
- изучение влияния наноматериалов на клеточные процессы и механизмы биовзаимодействия in vitro и in vivo;
- изучение потенциальных рисков и побочных эффектов применения наноматериалов в тераностике;
- обзор перспективных наноструктур различной природы и направлений их применения в персонализированной медицине.
Автор — Вадим Говорун, доктор биологических наук, академик РАН, научный руководитель ИББ МФТИ, директор НИИ СБМ Роспотребнадзора. Автор более 330 научных статей в международных и отечественных журналах, 10 патентов на изобретения. Индекс Хирша 39.
Студенты получат целостное представление о современных методах экспериментальной работы с биологическими системами. По итогам изучения дисциплины они научатся применять мультидисциплинарные фундаментальные знания в решении аналитических задач в персонализированной биомедицине.
Цели дисциплины
Задачи дисциплины
Студенты получат целостное представление о современных методах экспериментальной работы с биологическими системами. По итогам изучения дисциплины они научатся применять мультидисциплинарные фундаментальные знания в решении аналитических задач в персонализированной биомедицине.
Цели дисциплины
- формирование полного и целостного представления о трансляции фундаментальных знаний в получение и аналитику экспериментальных результатов;
- освоение практико-ориентированной аналитической методологии, методов анализа и оценки экспериментальных данных для развития биомедицинских технологий.
Задачи дисциплины
- научиться рассчитывать и анализировать сложные процессы в живых системах, овладеть экспериментальными методиками в мультиомиксных технологиях.
Автор — Максим Никитин, доктор физико-математических наук, заведующий лабораторией нанобиотехнологий ИББ МФТИ, руководитель направления «Нанобиомедицина» Университета «Сириус». Автор более 100 статей, в том числе в журналах Nature Nanotechnology, Nature Chemistry, Nature Biomedical Engineering. Индекс Хирша 32.
Программа дисциплины направлена на изучение современных методов и разработок в области клеточной и генетической биологии. В рамках программы студенты получат знания и навыки в области генетической инженерии, молекулярной биологии, биотехнологии и основ клеточного культивирования. Обучение включает в себя как теоретические знания, так и практические навыки, необходимые для работы в сфере биотехнологий.
Дисциплина служит базой для проведения исследований в области молекулярной генетики и структурной биологии. Для освоения требуется знать биохимию, классическую и молекулярную биологию, а также строение клетки.
Цели дисциплины
Задачи дисциплины
Программа дисциплины направлена на изучение современных методов и разработок в области клеточной и генетической биологии. В рамках программы студенты получат знания и навыки в области генетической инженерии, молекулярной биологии, биотехнологии и основ клеточного культивирования. Обучение включает в себя как теоретические знания, так и практические навыки, необходимые для работы в сфере биотехнологий.
Дисциплина служит базой для проведения исследований в области молекулярной генетики и структурной биологии. Для освоения требуется знать биохимию, классическую и молекулярную биологию, а также строение клетки.
Цели дисциплины
- освоение студентами базовых знаний, относящихся к основам клеточных и генетических технологий
Задачи дисциплины
- получение базовых знаний в области современной молекулярной биологии, молекулярной генетики, биотехнологии;
- получение глубоких знаний о принципах функционирования клеток эукариот, технологиях геномного редактирования и регуляции экспрессии генов и генов;
- обучение навыкам культивирования клеточных линий, методам и технологиям геномного редактирования и регуляции экспрессии генов.
Автор — Кирилл Балбек, исследователь в области технологий и методов искусственного интеллекта, автор и руководитель проектов на пересечении науки и технологического предпринимательства, в частности, телемедицины.
По итогам изучения дисциплины студенты получат представление об алгоритмах обработки естественного языка (NLP) в медицине. Курс рассчитан в том числе на студентов, не имеющих пока глубоких знаний в машинном обучении или программировании на Python.
Курс включает в себя основы машинного обучения, основные концепции и техники NLP, а также их приложения для решения задач в медицинской сфере. Мы будем сочетать теоретические занятия с практическими лабораторными работами с целью применения изученных методов в решении аналитических задач персонализированной биомедицины.
В конце годовой программы студентам будет предложено защитить курсовой проект, являющийся примером применения NLP при решении биомедицинских задач.
Цели дисциплины
Задачи дисциплины
По итогам изучения дисциплины студенты получат представление об алгоритмах обработки естественного языка (NLP) в медицине. Курс рассчитан в том числе на студентов, не имеющих пока глубоких знаний в машинном обучении или программировании на Python.
Курс включает в себя основы машинного обучения, основные концепции и техники NLP, а также их приложения для решения задач в медицинской сфере. Мы будем сочетать теоретические занятия с практическими лабораторными работами с целью применения изученных методов в решении аналитических задач персонализированной биомедицины.
В конце годовой программы студентам будет предложено защитить курсовой проект, являющийся примером применения NLP при решении биомедицинских задач.
Цели дисциплины
- обеспечение понимания основ машинного обучения и NLP — ознакомление с базовыми принципами и методами машинного обучения и обработки естественного языка, а также их применением в медицинской индустрии;
- развитие базовых навыков программирования на Python, необходимых для работы с NLP-библиотеками и инструментами анализа данных;
- приобретение практического опыта в медицинском NLP на реальных задачах по обработке медицинской информации.
Задачи дисциплины
- изучить ключевые концепции машинного обучения и NLP, освоить основные термины и методы, такие как классификация текстов, семантический анализ и извлечение информации;
- изучить основные подходы по использованию языка программирования Python для обработки данных — написание кода для предобработки данных, использование библиотек и реализация базовых моделей машинного обучения;
- реализовать проекты по медицинскому NLP, направленные на анализ медицинских записей, а также на другие задачи, связанные с обработкой текстов в здравоохранении;
- научиться оценивать эффективность и точность моделей NLP в контексте медицинских приложений.
Студенты магистратуры могут вместе с кафедрой формировать индивидуальные планы по согласованию с научным руководителем, если это требуется для успешного выполнения научно-исследовательской работы.
Автор — Александр Манолов, заведующий лабораторией цифрового мониторинга здоровья человека НИИ СБМ, кандидат биологических наук. Специалист по анализу омиксных данных, преимущественно полученных при исследовании отдельных бактерий либо бактериальных сообществ, применению статистических методов анализа.
Студенты получат целостное представление о методах современного анализа экспериментальных результатов.
Цели дисциплины
Задачи дисциплины
Студенты получат целостное представление о методах современного анализа экспериментальных результатов.
Цели дисциплины
- предоставить учащимся целостное понимание современных методов и инструментов анализа экспериментальных результатов, с особым акцентом на статистическое и байесовское моделирование;
- курс направлен на развитие критического мышления и навыков решения сложных аналитических задач, которые необходимы для эффективной работы с экспериментальными данными и сложными наборами данных в различных областях науки.
Задачи дисциплины
- овладеть базовыми навыками программирования на языке R для статистической обработки и визуализации данных;
- освоить байесовский подход в анализе данных, включая понимание его философии и технических аспектов;
- ознакомиться с современными байесовскими подходами и методами сэмплирования вероятностного пространства;
- рассмотреть подходы к обнаружению зависимостей в омиксных данных и возможные причины ложных зависимостей;
- рНаучиться применить преобразования данных для борьбы с композиционностью в экспериментальных данных.
Автор — Павел Башкиров, заведующий лабораторией микро- и нанофлюидики НИИ СБМ, кандидат физико-математических наук, автор оригинальных электрофизиологических методик по исследованию упругих характеристик мембран и работы мембранных белков, регистрации и изучению активности одиночных белковых молекул с помощью измерения ионного тока, текущего через просвет эластичной нанопоры.
Живые системы — это открытые системы, в которых важную роль играют законы неравновесной термодинамики. Поэтому изучение живых систем с точки зрения неравновесной термодинамики является крайне важным для понимания протекающих в них процессах и их адаптации к изменениям внешних условий.
Этот курс посвящен истории и современному развитию неравновесной термодинамики, особенно в биохимических системах. Слушатели смогут познакомиться с теориями и моделями стохастической термодинамики и их применениями для описания биохимических реакций, с основными концепциями и приближениями (моделями) неравновесных систем. Курс представляет собой глубокое погружение в сложные процессы, протекающие в живых системах, методы их анализа и оценки для развития биомедицинских технологий.
Цели дисциплины
Задачи дисциплины
Живые системы — это открытые системы, в которых важную роль играют законы неравновесной термодинамики. Поэтому изучение живых систем с точки зрения неравновесной термодинамики является крайне важным для понимания протекающих в них процессах и их адаптации к изменениям внешних условий.
Этот курс посвящен истории и современному развитию неравновесной термодинамики, особенно в биохимических системах. Слушатели смогут познакомиться с теориями и моделями стохастической термодинамики и их применениями для описания биохимических реакций, с основными концепциями и приближениями (моделями) неравновесных систем. Курс представляет собой глубокое погружение в сложные процессы, протекающие в живых системах, методы их анализа и оценки для развития биомедицинских технологий.
Цели дисциплины
- освоение студентами понятий неравновесной термодинамики и диссипативных структур в контексте процессов, протекающих в живых системах;
- получение представления об основных методах и подходах к описанию, расчету и моделированию неравновесных процессов в живых системах.
Задачи дисциплины
- научиться анализировать и моделировать сложные процессы в живых системах.
Автор — Владимир Салмин, доктор физико-математических наук, доцент, профессор кафедры общей физики МФТИ. Специалист в области биомедицинской оптики, биофотоники, оптической биопсии, лазерной физики.
Студенты получат целостное представление о современных методах экспериментальной работы с живыми биологическими объектами с применением лазерного излучения, методов оптической и лазерной спектроскопии, оптической микроскопии. Они научатся применять мультидисциплинарные фундаментальные знания в приложении к решению аналитических задач в персонализированной биомедицине.
Цели дисциплины
Задачи дисциплины
Студенты получат целостное представление о современных методах экспериментальной работы с живыми биологическими объектами с применением лазерного излучения, методов оптической и лазерной спектроскопии, оптической микроскопии. Они научатся применять мультидисциплинарные фундаментальные знания в приложении к решению аналитических задач в персонализированной биомедицине.
Цели дисциплины
- формирование полного и целостного представления о современных методах экспериментальной работы с живыми биологическими объектами;
- освоение практико-ориентированной аналитической методологии, методов анализа и оценки экспериментальных данных для развития биомедицинских технологий.
Задачи дисциплины
- научиться рассчитывать и анализировать сложные процессы в живых системах, при действии лазерного излучения;
- овладеть экспериментальными методиками биофотоники.
Научные проекты для студентов кафедры
Научная работа студентов кафедры и подготовка ими выпускных квалификационных работ проходит в лабораториях ИББ МФТИ.
Студенты также имеют возможность проведения исследований и выполнения выпускных квалификационных работ в лабораториях НИИ СБМ.
С некоторыми проектами в различных исследовательских областях вы можете ознакомиться прямо сейчас.
Студенты также имеют возможность проведения исследований и выполнения выпускных квалификационных работ в лабораториях НИИ СБМ.
С некоторыми проектами в различных исследовательских областях вы можете ознакомиться прямо сейчас.
Поиск размножающихся организмов при помощи анализа k-мерного состава метагеномных образцов («Kmer-Prophet»)
Проект реализуется в Лаборатории цифрового мониторинга здоровья человека НИИ СБМ
Проект направлен на решение важной задачи — выявление эпидемиологически-значимых организмов. Примером может служить появление нового возбудителя (вируса или бактерии), попавшего к человеку от диких животных. В случае SARS-CoV-2 подобное событие было быстро замечено за счет яркой симптоматики нового заболевания. Однако не все заболевания проявляются быстро, они могут долго находиться в организме без заметных эффектов, как, например, в случае с ВИЧ.
Мы разрабатываем подход, который позволит выявлять такие незаметные до поры патогены за счет применения метагеномного секвенирования. Особенность подхода — независимость от существующих баз данных известных вирусов и бактерий, что поможет находить в том числе и новые микробы, для которых не известен близкий представитель.
Подход основан на разбиении прочтений на подстроки фиксированной длины (k-меры). Анализируется большое количество метагеномных образцов (внешние данные), для которых известно время и место сбора. На выходе получаются большие таблицы (порядка миллиарда строк), для анализа которых мы применяем разные методы снижения размерности (фильтр Блума, латентные представления в пред-обученных языковых моделях).
Мы разрабатываем подход, который позволит выявлять такие незаметные до поры патогены за счет применения метагеномного секвенирования. Особенность подхода — независимость от существующих баз данных известных вирусов и бактерий, что поможет находить в том числе и новые микробы, для которых не известен близкий представитель.
Подход основан на разбиении прочтений на подстроки фиксированной длины (k-меры). Анализируется большое количество метагеномных образцов (внешние данные), для которых известно время и место сбора. На выходе получаются большие таблицы (порядка миллиарда строк), для анализа которых мы применяем разные методы снижения размерности (фильтр Блума, латентные представления в пред-обученных языковых моделях).
Изменение средней представленности k-меров в 2022 году относительно 2017 года в метагеномных образцах жителей Архангельска, раскраска по GC- составу k-меров
Задачи студентов включают как исследование новых методов анализа, так и участие в наполнении базы (чтение литературы, выгрузка новых метагеномных данных).
Работа в проекте может стать основой для подготовки выпускной квалификационной работы студента. При желании и наличии успехов участие в проекте можно будет продолжить и после защиты дипломной работы.
Контакт для заинтересованных студентов: Александр Иванович Манолов a.manolov@sysbiomed.ru.
Работа в проекте может стать основой для подготовки выпускной квалификационной работы студента. При желании и наличии успехов участие в проекте можно будет продолжить и после защиты дипломной работы.
Контакт для заинтересованных студентов: Александр Иванович Манолов a.manolov@sysbiomed.ru.
Информационно-аналитическая система, основанная на методах парсинга публикаций, текст-майнинга, анализа сетей (графов) и машинного обучения, предназначенная для выявления и концептуализации передовых научных направлений в биологии и медицине
Проект реализуется в Лаборатории молекулярной эпидемиологии возникающих инфекций НИИ СБМ
Проект направлен на разработку системы поиска, индексации и наукометрического анализа публикаций по биологии и медицине в передовых областях мировой науки. На базе этих разработок будет создан сервис по проведению библиометрического анализа, систематического обзора с мета-анализом, а также продвижению результатов исследований коллективов или отдельных ученых в мировом научном сообществе.
В свете стремительного развития информационных технологий и современного положения научного контента в Интернете в ближайшем будущем видится возможность перехода алгоритмов поиска новых знаний на уровень автоматизированного выделения смыслов и концепций из больших массивов опубликованных статей. Этому способствует стандартизация требований по обозначению публикаций ключевой сопроводительной информацией (мета-тегами), адаптированной для применения текст-майнинга и машинного обучения. Среди исследовательских методов все большего признания заслуживает систематический обзор с мета-анализом.
В свете стремительного развития информационных технологий и современного положения научного контента в Интернете в ближайшем будущем видится возможность перехода алгоритмов поиска новых знаний на уровень автоматизированного выделения смыслов и концепций из больших массивов опубликованных статей. Этому способствует стандартизация требований по обозначению публикаций ключевой сопроводительной информацией (мета-тегами), адаптированной для применения текст-майнинга и машинного обучения. Среди исследовательских методов все большего признания заслуживает систематический обзор с мета-анализом.
Распределение частоты цитирования источников с результатами исследований на тему антимикробной резистентности коллективами ученых из университетов мира и последующее опубликование ими своих работ в профильных научных журналах
Полный цикл выполнения научно-исследовательской работы сводится к трем последовательным этапам: определение актуальности научной проблемы и формирование дизайна исследования; формирование исследовательской команды и выполнение отдельных задач, в т. ч. анализа данных; оформление и публикация результатов. Для реализации каждого этапа уже имеются в доступе современные информационные технологии. А выявление передовых научных направлений можно проводить автоматическим способом с применением текст-майнинга, машинного обучения и нейросетей на текстах публикаций предыдущих исследований, связанных между собой DOI-ссылками в сеть цитируемости.
В план работы студентов в рамках данного проекта входит разработка алгоритма парсинга на языке программирования Python для индексации научных публикаций в соответствии с базой библиометрических мета-тегов и последующего проведения библиометрического анализа.
Работа в проекте может стать основой для подготовки выпускной квалификационной работы студента. При желании и наличии успехов участие в проекте можно будет продолжить и после защиты дипломной работы.
Контакт для заинтересованных студентов: Сергей Константинович Владимиров vladimirov_sk@sysbiomed.ru.
В план работы студентов в рамках данного проекта входит разработка алгоритма парсинга на языке программирования Python для индексации научных публикаций в соответствии с базой библиометрических мета-тегов и последующего проведения библиометрического анализа.
Работа в проекте может стать основой для подготовки выпускной квалификационной работы студента. При желании и наличии успехов участие в проекте можно будет продолжить и после защиты дипломной работы.
Контакт для заинтересованных студентов: Сергей Константинович Владимиров vladimirov_sk@sysbiomed.ru.
Разработка безметочных методов детектирования и измерения размеров одиночных оболочечных вирусов и/или вирусоподобных частиц
Проект реализуется в Лаборатории микро- и нанофлюидики НИИ СБМ
Задача является частью проекта по разработке новых методов и подходов, позволяющих детектировать одиночные вирусы и вирусоподобные частицы, а также изучать кинетику их слияния с биологическими мембранами в режиме реального времени.
Проведение сравнительного анализа мембранной активности различных оболочечных вирусов и их мутантных форм нужно для выявления факторов, влияющих на инфекционную активность вирусов.
Вирусные инфекции представляют собой глобальную угрозу для здоровья. Для переноса вирусного генома в клетку хозяина специальные белки оболочечных вирусов должны обеспечить объединение (слияние) вирусной липидной оболочки с клеточной мембраной (плазматической или эндосомальной), только после этого содержимое вируса сможет попасть в цитоплазму клетки. Слияние двух бислойных липидных мембран реализуется через последовательное образование ряд «небислойных» липидных структур, которые характеризуются большой геометрической кривизной. Стабильность и вероятность формирования таких структур определяется физико-химическими свойствами липидного бислоя — его изгибной жесткостью и спонтанной кривизной его компонент. Однако молекулярные механизмы, лежащие в основе каталитического действия белков слияния, в том числе и вирусных, до сих пор остаются невыясненными.
Понимание процесса вирусного слияния имеет решающее значение для поиска и разработки эффективных противовирусных средств, нацеленных на сами вирусные белки или на пути слияния мембран.
Большинство подходов, посвященных исследованию вирусного слияния, основано на спектроскопические методиках — на наблюдении за взаимодействием ансамбля вирусных частиц и мембранных структур, чаще всего мембранных везикул, сравнимых по размеру с вирусными частицами. С их помощью удалось получить достаточно много ценных сведений о процессах слияния вирусов с биологическими мембранами. Однако, поскольку события слияния являются стохастическими по своей природе, исследования, основанные на наблюдении за ансамблем, не могут обеспечить синхронность всех событий слияния, а следовательно, разрешить последовательный переход из одной промежуточной структуры в другую на пути слияния двух мембранных компартментов и соотнести их со структурными изменениями в вирусных белках слияния.
Чтобы обойти эти проблемы, необходимо развитие методов анализа слияния одиночных вирусов с модельными/клеточными мембранами.
Предлагаемая в качестве научного проекта задача заключается в создании эффективной системы, позволяющей в режиме реального времени проводить наблюдения и измерения одиночной вирусной частицы. Предполагается, что это будет микрофлюидное устройство, содержащее чувствительный элемент (детектор) — локальное сужение канала до ~ 100 нм. Геометрические параметры детектора должны быть подобраны так, чтобы измерение ионного тока, текущего через его просвет, позволяло регистрировать появление в нем объекта размером с вирусную частицу (увеличение электрического сопротивления). Такая система, дооснащенная вирус-специфическими рецепторами, может использоваться для иммобилизации или управляемого переноса вирусной частицы внутри детектора.
Работа в проекте может стать основой для подготовки выпускной квалификационной работы студента. При желании и наличии успехов участие в проекте можно будет продолжить и после защиты дипломной работы.
Контакт для заинтересованных студентов: Павел Викторович Башкиров pavel. bashkirov@sysbiomed.ru.
Проведение сравнительного анализа мембранной активности различных оболочечных вирусов и их мутантных форм нужно для выявления факторов, влияющих на инфекционную активность вирусов.
Вирусные инфекции представляют собой глобальную угрозу для здоровья. Для переноса вирусного генома в клетку хозяина специальные белки оболочечных вирусов должны обеспечить объединение (слияние) вирусной липидной оболочки с клеточной мембраной (плазматической или эндосомальной), только после этого содержимое вируса сможет попасть в цитоплазму клетки. Слияние двух бислойных липидных мембран реализуется через последовательное образование ряд «небислойных» липидных структур, которые характеризуются большой геометрической кривизной. Стабильность и вероятность формирования таких структур определяется физико-химическими свойствами липидного бислоя — его изгибной жесткостью и спонтанной кривизной его компонент. Однако молекулярные механизмы, лежащие в основе каталитического действия белков слияния, в том числе и вирусных, до сих пор остаются невыясненными.
Понимание процесса вирусного слияния имеет решающее значение для поиска и разработки эффективных противовирусных средств, нацеленных на сами вирусные белки или на пути слияния мембран.
Большинство подходов, посвященных исследованию вирусного слияния, основано на спектроскопические методиках — на наблюдении за взаимодействием ансамбля вирусных частиц и мембранных структур, чаще всего мембранных везикул, сравнимых по размеру с вирусными частицами. С их помощью удалось получить достаточно много ценных сведений о процессах слияния вирусов с биологическими мембранами. Однако, поскольку события слияния являются стохастическими по своей природе, исследования, основанные на наблюдении за ансамблем, не могут обеспечить синхронность всех событий слияния, а следовательно, разрешить последовательный переход из одной промежуточной структуры в другую на пути слияния двух мембранных компартментов и соотнести их со структурными изменениями в вирусных белках слияния.
Чтобы обойти эти проблемы, необходимо развитие методов анализа слияния одиночных вирусов с модельными/клеточными мембранами.
Предлагаемая в качестве научного проекта задача заключается в создании эффективной системы, позволяющей в режиме реального времени проводить наблюдения и измерения одиночной вирусной частицы. Предполагается, что это будет микрофлюидное устройство, содержащее чувствительный элемент (детектор) — локальное сужение канала до ~ 100 нм. Геометрические параметры детектора должны быть подобраны так, чтобы измерение ионного тока, текущего через его просвет, позволяло регистрировать появление в нем объекта размером с вирусную частицу (увеличение электрического сопротивления). Такая система, дооснащенная вирус-специфическими рецепторами, может использоваться для иммобилизации или управляемого переноса вирусной частицы внутри детектора.
Работа в проекте может стать основой для подготовки выпускной квалификационной работы студента. При желании и наличии успехов участие в проекте можно будет продолжить и после защиты дипломной работы.
Контакт для заинтересованных студентов: Павел Викторович Башкиров pavel. bashkirov@sysbiomed.ru.
Исследования по использованию 3D-культур и тканеинженерных систем для испытаний новых лекарств, оценке различий 3D-культур от 2D-культур и их применимости для целей фармакологии, токсикологии, физиологии и иммунологии
Проект реализуется в Центре биомедицинских технологий ИББ МФТИ
Для разработки инновационных лекарственных препаратов и оценки их безопасности и токсичности применяются различные клеточные тесты (МТТ-тест, ЛДГ-тест). Такие тесты, как правило, достаточно далеки от условий реального организма — они включают в себя только один тип клеток и не способны оценить комплексные эффекты, которые оказывает молекула лекарства (или ее метаболиты) на весь организм в целом. Кроме того, большинство клеточных тестов проводятся на классических 2D-монослоях клеток, которые, опять же, по перечню наблюдаемых физиологических процессов и реакций достаточно далеки от процессов, происходящих в тканях организма.
Например, в случае испытания новых противораковых препаратов большинство тестов на 2D-культурах ограничены лишь оценкой цитостатического и цитотоксического действия, в то время как при использовании 3D-культур (сфероиды, органоиды) у нас появляется возможность оценить дополнительные параметры жизнеспособности. Кроме того, при использовании 3D-культур возможно с большей точностью и физиологической правдоподобностью воспроизвести реакции опухолевых тканей на исследуемое вещество или воздействие.
Мы приглашаем студентов принять участие в исследованиях по использованию 3D-культур и тканеинженерных систем для испытаний новых лекарств, оценке различий 3D-культур от 2D-культур и их применимости для целей фармакологии, токсикологии, физиологии и иммунологии.
В нашей лаборатории используется широкий перечень методик, которые студенты смогут освоить и использовать для экспериментальных целей — рамановская спектроскопия, работа с постоянными и первичными клеточными линиями, сборка 3D-культур с помощью различных методов, RT-qPCR для оценки экспрессии генов, различные методы для оценки миграционного потенциала клеток и проточная цитометрия.
Работа в проекте может стать основой для подготовки выпускной квалификационной работы студента. При желании и наличии успехов участие в проекте можно будет продолжить и после защиты дипломной работы.
Контакт для заинтересованных студентов: Елена Владимировна Петерсен petersen.ev@phystech.edu.
Например, в случае испытания новых противораковых препаратов большинство тестов на 2D-культурах ограничены лишь оценкой цитостатического и цитотоксического действия, в то время как при использовании 3D-культур (сфероиды, органоиды) у нас появляется возможность оценить дополнительные параметры жизнеспособности. Кроме того, при использовании 3D-культур возможно с большей точностью и физиологической правдоподобностью воспроизвести реакции опухолевых тканей на исследуемое вещество или воздействие.
Мы приглашаем студентов принять участие в исследованиях по использованию 3D-культур и тканеинженерных систем для испытаний новых лекарств, оценке различий 3D-культур от 2D-культур и их применимости для целей фармакологии, токсикологии, физиологии и иммунологии.
В нашей лаборатории используется широкий перечень методик, которые студенты смогут освоить и использовать для экспериментальных целей — рамановская спектроскопия, работа с постоянными и первичными клеточными линиями, сборка 3D-культур с помощью различных методов, RT-qPCR для оценки экспрессии генов, различные методы для оценки миграционного потенциала клеток и проточная цитометрия.
Работа в проекте может стать основой для подготовки выпускной квалификационной работы студента. При желании и наличии успехов участие в проекте можно будет продолжить и после защиты дипломной работы.
Контакт для заинтересованных студентов: Елена Владимировна Петерсен petersen.ev@phystech.edu.
Понятие нормы и здоровья — фундаментальные концепты в области патологии
Проект реализуется в Лаборатории эпидемиологии человека НИИ СБМ
Лаборатория эпидемиологии человека НИИ СБМ приглашает студентов для выполнения дипломной работы по проекту: «Понятие нормы и здоровья — фундаментальные концепты в области патологии».
Переход от концепций среднепопуляционных значений к более комплексным подходам в исследованиях популяционных динамик является важной задачей современной науки. В частности, высокий интерес представляют исследование динамики в распределениях популяционных биохимических показателей и мониторинг состояний популяций.
Работа по проекту включает разработку статистических методов, позволяющих зафиксировать временные связи и взаимосвязи между переменными, использование многомерных временных рядов, кластеризацию многомерных временных рядов, детекцию аномалий.
Для участия в проекте необходимо знание статистики и одного из языков, употребительных для анализа данных (Python, R, Julia).
Итогом работы по проекту, наряду с защитой выпускной квалификационной работы, станут и публикации в высокорейтинговых журналах.
Включение в исследовательскую группу — по результатам собеседования. Контакт для заинтересованных студентов: Константин Сергеевич Горбунов k.gorbunov@sysbiomed.ru.
Переход от концепций среднепопуляционных значений к более комплексным подходам в исследованиях популяционных динамик является важной задачей современной науки. В частности, высокий интерес представляют исследование динамики в распределениях популяционных биохимических показателей и мониторинг состояний популяций.
Работа по проекту включает разработку статистических методов, позволяющих зафиксировать временные связи и взаимосвязи между переменными, использование многомерных временных рядов, кластеризацию многомерных временных рядов, детекцию аномалий.
Для участия в проекте необходимо знание статистики и одного из языков, употребительных для анализа данных (Python, R, Julia).
Итогом работы по проекту, наряду с защитой выпускной квалификационной работы, станут и публикации в высокорейтинговых журналах.
Включение в исследовательскую группу — по результатам собеседования. Контакт для заинтересованных студентов: Константин Сергеевич Горбунов k.gorbunov@sysbiomed.ru.
Контакты
