Лаборатория математических методов и
информационных технологии в
биологии и медицине
Наше время характеризуется стремительным развитием наук о жизни и широким распространением математических методов и информационных технологий в различных областях науки и экономики. В исследованиях в области биологии и медицины используются самые сложные приборы, которые генерируют огромное количество данных в области геномики, протеомики, транскриптомики, метаболомики, биомедицинских сигналов и изображений . Для обработки и анализа этих данных используются современные информационные технологии, такие как интеллектуальный анализ данных и машинное обучение, создаются сложные математические модели системной биологии и персональной медицины. Ожидается, что математические методы и информационные технологии в 21 веке сыграют в науках о жизни такую же важную роль, какую они сыграли в прошлые века в физических науках. Учитывая все это, и осознавая высокий приоритет, который придается в Казанском Федеральном Университете биомедицинским исследованиям, руководство Регионального Математического Центра КФУ решило организовать в своей структуре лабораторию «Математические методы и информационные технологии в биологии и медицине».
Сотрудники лаборатории
Миссаров Мукадас Дмухтасибович
Руководитель лаборатории,
заведующий кафедрой анализа данных и исследования операций, ИВМиИТ, д.ф.-м.н.
Каюмов Айрат
Рашитович
доцент кафедры генетики, Институт фундаментальной медицины и биологии, к.б.н.
Саченков Оскар
Александрович
старший преподаватель кафедры теоретической механики, Институт математики и механики
им. Н.И. Лобачевского, к.ф.-м.н.
Симушкин Сергей
Владимирович
доцент кафедры математической статистики,
ИВМиИТ, к.ф.-м.н.
Абдуллин Адель
Ильдусович
доцент кафедры анализа данных и исследования операций, ИВМиИТ, к.ф.м.н.
Марданов Ринат
Фаритович
доцент кафедры аэрогидромеханики,
Институт математики и механики
им. Н.И. Лобачевского, к.ф.-м.н.
Еряшкин Михаил
Сергеевич
науч. сотрудник кафедры алгебры и мат. логики,
Институт математики и механики
им. Н.И. Лобачевского, к.ф.-м.н.
Корнеева Наталья
Николаевна
доцент кафедры алгебры и мат. логики,
Институт математики и механики
им. Н.И. Лобачевского, к.ф.-м.н.
Кареев Искандер
Амирович
ассистент кафедры математической статистики,
ИВМиИТ, к.ф.-м.н.
Габбасов Тимур
Вадимович
магистрант 1 курса, ИВМиИТ.
Семенова Елена
Вячеславовна
студентка 4 курса, Институт математики и механики им. Н.И. Лобачевского
Семинары лаборатории
Семинар лаборатории
«Математические методы и информационные технологии в биологии и медицине».
В субботу 17 ноября в 9:30 в восточном крыле главного здания КФУ, ауд. 207В (ул. Кремлевская, д. 18) состоится заседание семинара лаборатории «Математические методы и информационные технологии в биологии и медицине».

Докладчики:
Богачев Михаил Игоревич, к.т.н., главный научный сотрудник НОЦ "Биомедицинская инженерия" ФГАОУ ВО «Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина);
Каюмов Айрат Рашитович, к.б.н., доцент кафедры генетики Института фундаментальной медицины и биологии КФУ.

Тема доклада: "Универсальные статистические характеристики генома".
17 ноября 2018 года
Направления исследований лаборатории

Анализ данных и машинное обучение в
биологии и медицине

В современных биомедицинских исследованиях возникают многочисленные задачи обработки и интерпретации различных сигналов и изображений. Объемы данных настолько велики и сложны, что без помощи современных информационных технологий и математических методов очень трудно обрабатывать и анализировать эти данные. Мы предполагаем развивать современные методы интеллектуального анализа данных и машинного обучения для решения различных задач автоматической обработки данных и создания систем поддержки принятия решений для практиков и исследователей в этих областях

Анализ доступных метагеномных прочтений на основе репрезентативных выборок, доступных в открытых базах данных, с целью выявления универсальных (консервативных) и вариативных признаков, изменяющихся при изменении различных внешних факторов. Проект направлен на решение фундаментальной проблемы современной молекулярной генетики - установлению направлений и закономерностей эволюции генетического аппарата живых организмов.

Поддержка принятия решения при диагностике заболеваний . при назначении лечения и контроле процесса выздоровления. В терминах машинного обучения, задача диагностики есть классическая задача классификации, где объектами являются пациенты, факторами (предикторами) – результаты анализов, характеристики анамнеза, а переменная отклика – искомый диагноз. Для успешного применения методов решения задачи классификации нужны достоверные данные о большом количестве факторов и подтверждённом диагнозе огромного числа пациентов. Решением проблемы могло бы стать создание централизованной базы данных пациентов. Необходимо разрабатывать методы классификации для данных с качественными (категориальными) признаками. Поддержка принятия решения при назначении лечения и контроле процесса выздоровления -- следующий шаг после решения задачи диагностики. Здесь процесс развёртывается во времени – возникает задача выявления динамики развития процесса и (при необходимости) корректировки лечения (всё осуществляется автоматически, с использованием методов машинного обучения применительно к временным рядам данных пациента и сравнительного анализа с данными других пациентов с тем же диагнозом).

Разработка процедур множественного тестирования в биологии и медицине. Построение статистической модели и разработка процедур отбора генов, ответственных за патологию (рак предстательной железы), по результатам статистического анализа их экспрессии, взятым из литературных источников.

Методы механики сплошных сред в задачах медицины и
защиты окружающей среды

Исследования и построение математических моделей дробных размерностей для негомогенных тканей (костная ткань). Алгоритмизация и программная реализации моделей дробной интегро-дифференциальной размерности. Обработка и анализ данных системы фиксации движений vicon для исследования травмы и реабилитации. Математическое моделирование фильтрации мелкодисперсных аэрозолей. Практическое применение: диагностика заболеваний, планирование оперативного вмешательства, курса реабилитации.
ДНК-вычисления
Изучение живых систем привело к идеям, породившим целые направления в теории алгоритмов, теории вычислений, машинном обучении. В качестве примеров можно привести методы эволюционных и генетических алгоритмов в задачах оптимизации, нейронные сети в машинном обучении. ДНК-вычисления – одно из развивающихся направлений в современной теории вычислений.