кафедра биомедицинской информатики
Дата образования: 1 апреля 2017 г. Преподавательский состав: на штатной основе: 2 доцента, 2 старших преподавателя, 3 ассистента; по совместительству: 2 профессора, 2 доцента, 3 старших преподавателя, 1 ассистент. И.О. Заведующего кафедрой – САТОЛИНА Анна Викторовна. Пр. Независимости, 4, Главный корпус, к. 306 Тел. +375 (17) 209 50 05 Е-mail: orlovich@bsu.by ИСТОРИЯ КАФЕДРЫ В связи с ростом актуальности и практической значимости исследований в области приложения современных информационных технологий к задачам медицины и биологии, а также с возникшей необходимостью подготовки специалистов в этой области, руководством Белорусского государственного университета совместно с Национальной академией наук Беларуси было принято решение о создании на факультете прикладной математики и информатики кафедры биомедицинской информатики (БМИ). Кафедра БМИ была основана 1 апреля 2017 г. Организатором и первым заведующим кафедрой является член-корреспондент Национальной академии наук Беларуси, доктор физико-математических наук, профессор, лауреат Государственной премии Республики Беларусь Тузиков Александр Васильевич. С 1 сентября 2018 г. кафедру возглавляет кандидат физико-математических наук, доцент Орлович Юрий Леонидович. Кафедра БМИ ведет подготовку кадров по специальности 1-31 03 04 – «Информатика» и является выпускающей по специализации «Программное обеспечение систем автоматизации». За время работы кафедра выпустила около 40 специалистов. Выпускники кафедры работают в престижных компаниях в различных сферах современной IT-индустрии. Коллектив кафедры хорошо сбалансирован – в его состав входят специалисты по информатике, обработке и анализу медицинских изображений, распознаванию образов, биоинформатике и дискретной математике. Кафедра БМИ в научном и учебном направлениях имеет тесные творческие контакты со специалистами ведущих исследовательских центров и университетов России, США, Франции, Германии, Нидерландов и Польши.
Кафедра БМИ осуществляет подготовку специалистов на I и II ступенях высшего образования и является выпускающей по специальности 1-31 03 04 «Информатика». За кафедрой закреплены следующие дисциплины: Дисциплина специализации «Введение в биоинформатику» (34 часа – лекции, форма отчетности – зачет). Биоинформатика является одним из развивающихся направлений исследований и представляет собой комбинацию статистики, молекулярной биологии и компьютерных методов для анализа и обработки биологической информации (гены, ДНК, РНК, белки). Для анализа биологической информации и извлечения знаний и закономерностей требуется разработка новых алгоритмических и статистических методов и подходов, что способствует все более тесной связи между компьютерными науками и биологией. Таким образом, актуальной задачей в области высшего образования является подготовка специалистов, которые наряду с подготовкой в области компьютерных наук и информатики, будут хорошо ориентироваться в области геномики и протеомики, что позволит находить эффективные решения биологических задач. Целью преподавания дисциплины специализации «Введение в биоинформатику» является начальное знакомство студентов с основными понятиями молекулярной биологии, организацией генов и протеинов, технологиями получения генетических данных, включая копирование и клонирование ДНК, рестрикцию и гибридизацию ДНК, секвенирование геномов, рассмотрение способов представления и хранения генетических данных, организацию основных биоинформационных ресурсов – NCBI, EBI, KEGG, SwissProt, PDB, формирование представлений о типах биоинформационных задач возникающие в процессе анализа биологических данных о вычислительных методах и алгоритмах их решения, более подробное знакомство с алгоритмами решения ряда основных задач молекулярной биологии, включая алгоритмы выравнивания нуклеотидных последовательностей, рекомбинации геномов, выделение мотивов в генетической последовательности, поиска участков генов, анализа данных экспрессии генов, определения геномных паттернов, которые в комплексе демонстрируют необходимость и эффективность применения компьютерных методов в биологии. Дисциплина специализации «Алгоритмы в биоинформатике» (лабораторные работы – 30 часов, управляемая самостоятельная работа – 4 часа, форма текущей аттестации по учебной дисциплине – зачет.). Целью преподавания данной дисциплины является формирование представлений о типах биоинформационных задач, возникающих в процессе анализа биологических данных, и о вычислительных методах и алгоритмах их решения, более подробное знакомство с алгоритмами решения ряда основных задач молекулярной биологии, включая алгоритмы выравнивания нуклеотидных последовательностей, рекомбинации геномов, выделение мотивов в генетической последовательности, поиска участков генов, анализа данных экспрессии генов, определения геномных паттернов, которые в комплексе демонстрируют необходимость и эффективность применения компьютерных методов в биологии. Дисциплина специализации «Основы цифровой обработки изображений» (лабораторные работы – 30 часов, семинарские занятия – 18 часов, управляемая самостоятельная работа – 4часа, форма отчетности – зачет). Целью настоящей учебной дисциплины специализации является ознакомление студентов с основными направлениями развития данной области знаний, изучение методов и алгоритмов обработки цифровых изображений, приобретение навыков решения прикладных задач, связанных с обработкой изображений. Семинарские и лабораторные занятия по дисциплине заключаются в реализации алгоритмов обработки изображений, в частности – биомедицинских (рентгеновские снимки и изображения, полученные при помощи магнитно-резонансной томографии). Данная задача является актуальной, поскольку позволяет автоматизировать работу в медицинских учреждениях. Дисциплина специализации «Основы компьютерного моделирования биомолекул» (лекции – 34 часа, практические занятия – 34 часа, форма отчетности – экзамен, зачет). Курс лекций по дисциплине специализации «Основы компьютерного моделирования биомолекул» является неотъемлемой частью системы подготовки специалистов в области информатики и предназначен для формирования у студентов системного представления о компьютерном моделировании белковых молекул и их комплексов с низкомолекулярными химическими соединениями - потенциальными лекарственными препаратами. Дисциплина включает все основные аспекты данной области исследований – от теории и методов моделирования пространственных структур биомолекул до дизайна потенциальных лекарств, воздействующих на определенные белковые «мишени». Преподавание дисциплины в значительной мере базируется на использовании современной компьютерной техники и программного обеспечения. Дисциплина «Теория графов» (лекции – 34 часа, лабораторные занятия – 30 часов, управляемая самостоятельная работа – 4 часа, форма текущей аттестации – зачет). Теория графов – важный раздел современной математики как с точки зрения внутренних стимулов ее развития, так и для разнообразных и многочисленных приложений. В программу дисциплины включены как классические разделы теории графов, так и прикладные аспекты этой теории (независимость и доминирование в графах, паросочетания, обходы графов, раскраски). Учебная дисциплина также знакомит слушателя с важными открытиями в алгоритмической теории графов. При этом предпочтение при изложении материала отдается наиболее простым для понимания алгоритмам, которые наглядно демонстрируют ту или иную идею. Приводятся примеры прикладных задач, которые могут быть сформулированы и решены в теоретико-графовых терминах. Дисциплина «Теория информации» (лекции – 18 часов, лабораторные занятия – 14 часов, управляемая самостоятельная работа – 2 часа, форма текущей аттестации – зачет). Учебная дисциплина знакомит студентов с базовыми элементами теории информации: понятием информации, информацией и энтропией случайных величин и случайных процессов. В рамках дисциплины рассматриваются фундаментальные теоремы кодирования информации для ее сжатия и надежной передачи по каналам связи, приводятся примеры вычисления пропускной способности для простейших каналов связи, рассматриваются вопросы оптимального кодирования источника сообщений, даются теоретико-информационные основы криптологии и важнейшие алгоритмы шифрования данных. Дисциплина «Прикладные задачи распознавания медицинских изображений» (лекции – 20 часов, практические занятия – 20 часов (в том числе – 10 часов дистанционного обучения), семинарские занятия – 20 часов (в дистанционной форме обучения), форма текущей аттестации по учебной дисциплине – экзамен). Знакомит студентов магистратуры с основными подходами решения задач анализа и распознавания медицинских изображений. Цель учебной дисциплины – создание базы для понимания и реализации алгоритмов задачи получения, анализа и распознавания изображений по проблеме здоровья человека. Дисциплина «Вычислительная геометрия и геометрическое моделирование» (лекции – 20 часов, лабораторные занятия – 20 часов, форма текущей аттестации – экзамен). В программу учебной дисциплины «Вычислительная геометрия и геометрическое моделирование» включены разделы, содержащие описание базовых алгоритмов векторной графики, вычислительной геометрии и геометрического моделирования. Изучение дисциплины позволяет получить знания, необходимые для успешной работы в области САПР и информационных технологий. Цель учебной дисциплины – предоставление студентам магистратуры знаний, позволяющих самостоятельно разрабатывать программные приложения и вычислительные компоненты, позволяющие эффективно решать задачи вычислительной геометрии и создавать сложные геометрические модели. Темы курсовых проектов студентов 3 курса - Исследование алгоритмов классификации медицинских изображений.
- Разработка генеративной нейронной сети для генерации молекул с заданными свойствами.
- Разработка нейросетевого генератора признаков 3D томографических изображений легких.
- Бизнес-анализ R&D проектов в области биоинформатики.
- Анализ подходов к поиску ключевых слов в аудио медицинской тематике.
- Изучение алгоритмов анализа геномных данных, реализованных на портале по лекарственно устойчивому туберкулезу.
- Изучение методов описания химических соединений для применения в алгоритмах машинного обучения.
- Исследование алгоритмов предсказания взаимодействия белков на основе шаблонов.
- Исследование алгоритмов предсказания токсичности молекул.
- Исследование алгоритмов моделирования химических реакций.
- Рёберные покрытия в графах, их типы и приложения.
- Исследование ADMET моделей.
- Разработка алгоритмов сегментации COVID-19 на снимках компьютерной томографии.
- Защита от состязательных атак на глубокие нейронные сети с помощью шумоподавляющих сетей.
- Изучение алгоритмов предсказания энергии взаимодействия молекул.
Темы курсовых проектов студентов 4 курса - Визуально-статистический анализ ненормализованного набора данных биомедицинских заметок
- Исследование методов классификации текстов.
- Циклические свойства графов с предписанной локальной структурой.
- Семантический анализ больших объемов текстовой информации.
- Разработка системы автоматического распознавания речи.
- Разработка нейросетевого генератора признаков рентгеновских изображений легких.
- Сравнительный анализ эффективности различных типов молекулярных дескрипторов для предсказания свойств молекул.
- Экспериментальная оценка глубины сверточной нейронной сети, обеспечивающей заданный уровень качества распознавания изображений.
- Разработка нейросетевого генератора признаков гистологических изображений для диагностики раковых опухолей.
- Алгоритмы анализа и обработки непрерывно регистрируемой кардиограммы.
- Разработка нейросетевых методов автоматической отбраковки рентгеновских изображений грудной клетки, полученных с помощью генеративных нейронных сетей (GAN).
- In silico идентификация потенциальных противоопухолевых препаратов на основе молекул широкого спектра действия: применение к молекулярным мишеням BCR-ABL, mTOR, JAK1.
- Методы персонализации в поисковой системе.
- Разработка алгоритмов и программных средств поиска «цифровых двойников» по рентгеновским изображениям.
- Разработка генеративной состязательной нейронной сети с частичным привлечением учителя для генерации молекул с заданными свойствами.
Темы дипломных работ студентов 4 курса - Алгоритм динамической нормализации и дополнения биомедицинских заметок.
- Классификация текстов с использованием нейронных сетей.
- Гамильтоновы циклы в графах с ограниченной локальной структурой.
- Разработка алгоритма обработки и анализа коллекции бизнес-документов с учетом семантического сходства.
- Построение системы распознавания речи с помощью автоматической добычи и размножения данных из видеохостинга YouTube и их использования для обучения акустической модели.
- Исследование качества нейросетевых признаков цифровых изображений легких.
- Разработка моделей машинного обучения на основе различных типов молекулярных дескрипторов для предсказания свойств молекул.
- Экспериментальная оценка глубины сверточной нейронной сети, обеспечивающей необходимый уровень качества решения задачи бинарной классификации медицинских изображений.
- Разработка методов анализа и классификации текстур медицинских изображений на основе технологий глубокого обучения.
- Разработка веб-сервиса для анализа и обработки непрерывно регистрируемой кардиограммы.
- Разработка нейросетевых методов автоматического обнаружения дефектов медицинских изображений.
- In silico идентификация потенциальных противоопухолевых препаратов широкого спектра действия и оценка их биологической активности методами молекулярного моделирования.
- Исследование влияния краткосрочных и долгосрочных интересов на персонализацию в поисковой системе.
- Разработка алгоритмов и программных средств автоматического поиска «цифровых двойников» в больших базах рентгеновских изображений.
- Разработка генеративной состязательной нейронной сети с частичным привлечением учителя и её применение для генерации потенциальных ингибиторов белков-мишеней.
Темы курсовых работ студентов 3 курса - Алгоритмы локального поиска для задачи о наибольшей клике.
- Улучшение качества поиска ключевых слов в аудио медицинской тематике.
- Разработка генеративной нейронной сети для генерации молекул с заданными свойствами.
- Исследование свойств 3D томографических изображений легких и генерация их количественных признаков.
- Применение математических моделей оценки рисков для R&D проектов в области биоинформатики.
- Анализ мутаций в геноме микобактерий туберкулеза на основе машинного обучения.
- Генерация описаний химических соединений методами глубокого обучения.
- Алгоритм предсказания взаимодействия белков на основе глубокого обучения.
- Разработка модели предсказания токсичности малых молекул.
- Разработка алгоритма генерации новых химических соединений с использованием различных химических реакций.
- Структурные и алгоритмические свойства рёберных покрытий в графах.
- Разработка ADMET модели.
- Разработка алгоритмов обучения с подкреплением для задачи манипуляции шарнирной моделью руки.
- Исследование эффективности состязательных атак на глубокие нейронные сети в области медицинских изображений и способов их предотвращения.
- Разработка модели предсказания энергии взаимодействия молекул.
Научные исследования на кафедре биомедицинской информатики проводятся в следующих основных направлениях: - анализ и распознавание медицинских изображений;
- моделирование белковых взаимодействий;
- поиск геномных маркеров лекарственной устойчивости бактерий;
- компьютерное проектирование лекарств;
- теория графов и комбинаторная оптимизация.
В рамках указанных направлений производится разработка и построение: - методов и алгоритмов классификации и распознавания образов и их адаптация к современным задачам анализа медицинских изображений;
- алгоритмов предсказания белок-белковых взаимодействий методами машинного обучения;
- методов нахождения функциональной схожести белковых комплексов на основе графовых моделей;
- методов выявления мишеней воздействия лекарственных препаратов на организм человека;
- компьютерных методов и программ для создания новых лекарственных препаратов;
- методов выявления зависимостей между параметрическими и структурными характеристиками объектов дискретной природы и алгоритмической сложностью связанных с ними задач.
Сотрудниками кафедры получены существенные результаты во всех названных основных направлениях. Эти результаты отражены в значительном числе публикаций в зарубежных и отечественных журналах. Сотрудники кафедры ежегодно принимают участие в работе престижных международных конференций и симпозиумов для представления результатов научных исследований (International Symposium on Bioinformatics Research and Applications; International Workshop on Photogrammetric and Computer Vision Techniques for Video Surveillance, Biometrics and Biomedicine; Moscow Conference on Computational Molecular Biology; International Conference on Pattern Recognition and Information Processing и др.), являются членами программных комитетов международных симпозиумов и конференций по биомедицине, биоинформатике и дискретной оптимизации. Сотрудники кафедры задействованы в выполнении ряда заданий НИР по государственным программам фундаментальных и прикладных научных исследований, а также по темам плана НИР БГУ.
Кафедра имеет тесные творческие связи со следующими зарубежными партнерами: - Национальный институт аллергических и инфекционных заболеваний (NIAID) системы национальных институтов здоровья США (NIH);
- Центр вычислительной биологии Университета Канзаса (г. Лоренс, США);
- Университет штата Джорджия (г. Атланта, США);
- Университет наук о жизни (Норвегия);
- Университет им. Отто фон Герике (г. Магдебург, Германия);
- Гонконгский политехнический университет (Китай).
Сотрудники кафедры имеют также хорошие научные контакты с зарубежными учеными Франции, Испании, Нидерландов и других стран. Кафедрой ежегодно организуются лекции зарубежных профессоров, которые являются ведущими специалистами в области биоинформатики и вычислительной биологии. Такие мероприятия способствуют профессиональному развитию профессорско-преподавательского состава, студентов и магистрантов факультета прикладной математики и информатики.
Книги - А. Андрианов, И. Кашин, А. Тузиков. Разработка новых ингибиторов ВИЧ методами молекулярного моделирования. Lambert Academic Publishing, 2018. – 127 p.
- А.М. Андрианов, Ю.В. Корноушенко, А.В. Тузиков, М.А. Кисель. In silico дизайн и синтез новых ингибиторов ВИЧ на основе гликолипидов. Lambert Academic Publishing, 2017. – 118 p.
- А.В. Тузиков, С.А Шейнин, Д.В. Жук. Математическая морфология, моменты, стереоoбработка: избранные вопросы обработки и анализа цифровых изображений. Минск, Белорус. наука, 2006. – 198 с.
- А.В. Тузиков. Анализ симметричности и сравнение объектов на основе сложения Минковского. – Минск, Институт технической кибернетики НАН Беларуси, 1998. – 176 c.
Статьи - R.S. Sergeev, I.S. Kavaliou, U.V. Sataneuski, A. Gabrielian, A. Rosenthal, M. Tartakovsky, A.V. Tuzikov. Genome-wide Analysis of MDR and XDR Tuberculosis from Belarus: Machine-learning Approach. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2017. DOI: 10.1109/TCBB.2017.2720669.
- A.M. Andrianov, I.A. Kashyn, A.V. Tuzikov. Computational identification of novel entry inhibitor scaffolds mimicking primary receptor CD4 of HIV-1 gp120, Journal of Molecular Modeling, Vol. 23, N. 1, 2017.
- T. Kirys, A.M. Ruvinsky, D. Singla, A.V. Tuzikov, P.J. Kundrotas, I.A. Vakser. Simulated unbound structures for benchmarking in protein docking in Dockground resource. BMC Bioinformatics, 16:243, 2015.
- AM. Andrianov, I.A. Kashyn, A.V. Tuzikov. Computational discovery of novel HIV-1 entry inhibitors based on potent and broad neutralizing antibody VRC01. Journal of Molecular Graphics and Modelling, N 61, 2015, 262–271.
- A.M. Andrianov, I.А. Kashyn, A.V. Tuzikov. Discovery of novel anti-HIV-1 agents based on a broadly neutralizing antibody against the envelope gp120 V3 loop: a computational study. Journal of Biomolecular Structure and Dynamics, Vol. 32, N. 12, 2014, 1993–2004.
- I. Anishchenko, P.J. Kundrotas, A.V. Tuzikov, I.A. Vakser. Protein models: The grand challenge of protein docking. Proteins: Structure, Function, Bioinformatics, Vol. 82, N. 2, 2014, 278–287.
- A.M. Ruvinsky, T. Kirys, A.V. Tuzikov, I.A. Vakser. Ensemble-based characterization of unbound and bound states on protein energy landscape. Protein Science, Vol. 22, N 6, 2013, 734–744.
- A.M. Ruvinsky, T. Kirys, A.V. Tuzikov, I.A. Vakser. Side-Chain Conformational Changes upon Protein-Protein Association. Journal of Molecular Biology, 2011, Vol. 408, N. 2, 356–365.
- A.M. Andrianov, I. Anishchenko, A.V. Tuzikov. Discovery of Novel Promising Targets for Anti-AIDS Drug Developments by Computer Modeling: Application to the HIV-1 gp120 V3 Loop. J. Chem. Inf. Model., 51 (10), 2011, 2760–2767.
- D. Sanko, A. Tuzikov. The Description and Visualization of Vascular Tree from 3D MR Brain Angiography Images. Pattern Recognition and Image Analysis, Vol. 16, N 1, 2006, 54–57.
- E.V. Snezhko, A.V. Tuzikov. External Force Generation for Object Segmentation on 3D Ultrasound Images Using Simplex Meshes. Pattern Recognition and Image Analysis, Vol. 16, N 1, 2006, 89–92.
- A.L. Bogush, A.V. Tuzikov. 3D Object Volume Measurement Using Freehand Ultrasound, 14th Scandinavian Conference on Image Analysis, 19-22 June 2005, Joensuu, Finland; Lecture Notes in Computer Science, Vol. 3544, 2005, 1066–1075
- A.V. Tuzikov, S.A. Sheynin, P.V. Vasiliev. Computation of volume and surface body moments. Pattern Recognition, Vol. 36, N 11, 2003, 2521–2529.
- A.V. Tuzikov, O. Colliot, I. Bloch. Evaluation of the symmetry plane in 3D MR brain images. Pattern Recognition Letters, Vol. 24, N 14, 2003, 2219–2233.
- A. Tuzikov, J.B.T.M. Roerdink, H. J. A. M. Heijmans. Similarity measures for convex polyhedra based on Minkowski addition, Pattern Recognition, Vol. 33, N 6, 2000, 979–995.
- H.J.A.M. Heijmans, A. Tuzikov. Similarity and symmetry measures for convex shapes using Minkowski addition. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 20, N 9, 1998, 980–993.
- A. Tuzikov, M. Makhaniok, R. Maenner. Bicriterion scheduling of identical processing time jobs by uniform processors. Computers & Operations Research, Vol. 25, N 1, 1998, 31–35.
|