Факультет радиофизики и компьютерных технологий

Производится математическое моделирование или воспроизведение (имитация) процессов функционирования исследуемой (моделируемой) системы, с соблюдением основных закономерностей их логики и временной последовательности. Компьютерное или имитационное моделирование реализуется средствами вычислительной техники и используется при моделировании сложных (нелинейных, стохастических, с большим числом элементов и связей между ними) систем, для которых невозможно построить разрешимую аналитическую модель.

Основные публикации:

1. Yatskou, M. M. Simulation Modelling and Machine Learning Platform for Processing Fluorescence Spectroscopy Data / M. M. Yatskou, V. V. Apanasovich // Communications in Computer and Information Science. – 2022. – Vol. 1562. – P. 178-190. https://doi.org/10.1007/978-3-030-98883-8_13
2. Yatskou M. M., Apanasovich V. V. Data analysis in complex biomolecular systems. Informatics, 2021, vol. 18, no. 1, pp. 105−122 (in Russian). https://doi.org/10.37661/1816-0301-2021-18-1-105-122. Сотрудничество.
3. Факультет программной инженерии и компьютерной техники, Университет ИТМО, Санкт-Петербург, Российская Федерация.
4. Department of Chemistry, Philipps-Universität Marburg, Marburg, Germany.

Ответственные лица:

• Профессор Апанасович В.В.
• Зав. кафедрой, доцент Скакун В.В.
• Доцент Яцков Н.Н.
• Дигрис А.В.

Контактное лицо:

• Профессор Апанасович В.В. apanasovich@bsu.by

Интеллектуальный анализ данных (англ. Data Mining) ориентирован на обнаружение знаний или закономерностей в больших объемах экспериментальных данных и представляет собой междисциплинарную область исследования, включающую системы баз данных, машинное обучение, статистику, распознавание образов, высокопроизводительные вычисления и конкретные области применения, такие как флуоресцентная спектроскопия и биоинформатика. Будучи междисциплинарной областью, интеллектуальный анализ данных имеет несколько основных тем исследований, таких как анализ и выявление шаблонов, классификацию и предсказательное моделирование, кластерный анализ, анализы выбросов, многомерный анализ.

Основные публикации:

1. Skakun, V. V. Principal Component Analysis of Photon Counting Histograms in Fluorescence Fluctuation Spectroscopy Experiments / V. V. Skakun, M. M. Yatskou, L. M. Nederveen-Schippers, A. Kortholt, V. V. Apanasovich // Journal of Applied Spectroscopy. – 2022. – V. 89, №5. – P. 726-735.
2. Xu, S. Comparison of Deep Learning Preprocessing Algorithms of Nuclei Segmentation on Fluorescence Immunohistology Images of Cancer Cells / S., Xu, V. Skakun, // Communications in Computer and Information Science. – 2022. – Vol. 1562. – P. 166-177. https://doi.org/10.1007/978-3-030-98883-8_12
3. Yatskou, M. M. Method for Processing Fluorescence Decay Kinetic Curves Using Data Mining Algorithms / M. M. Yatskou, V. V. Skakun, V. V. Apanasovich // Journal of Applied Spectroscopy. – 2020. – №87. – P. 333–344. DOI 10.1007/s10812-020-01004-3

Ответственные лица:

• Доцент Яцков Н.Н.
• Зав. кафедрой, доцент Скакун В.В.

Контактное лицо:

• Доцент Яцков Н.Н. yatskou@bsu.by

Применение новых высокопроизводительных компьютерных технологий в биологии, медицине, фармакологии, пищевой промышленности, животноводстве, наряду с исполь-зованием новейших технологий секвенирования генома и систем биочипов ДНК нового поколения, дало точек развитию нового научного направления – биоинформатики. Биоинформатика связанна с такими дисциплинами как системная биология, информатика, базы данных, системный анализ и компьютерное моделирование. Новый класс решаемых задач направлен на разработку современных подходов системного анализа и компьютерного моделирования для исследования генетической информации.

Основные публикации:

1. Grinev, V. V. ORFhunteR: An Accurate Approach to the Automatic Identification and Annotation of Open Reading Frames in Human Mrna Molecules / V. V. Grinev, M. M. Yatskou, V. V. Skakun, M. Chepeleva, P. V. Nazarov // Software Impacts. – 2022. – Vol. 12. – 100268. https://doi.org/10.1016/j.simpa.2022.100268
2. Sikolenko, M.A. Barapost: Binning of Nucleotide Sequences According to Taxonomic An-notation / M.A. Sikolenko, L.N. Valentovich // IEEE/ACM Transactions on Computational Biology and Bioinformatics. – 2021. – Т. 18, № 6. – С. 2766- 2767. DOI:10.1109/tcbb.2020.3009780
3. Volkau AU, Yatskou MM, Grinev VV. Selecting Informative Features of Human Gene Exons. Journal of the Belarusian State University. Mathematics and Informatics. 2019;1: Russian. https://doi.org/10.33581/2520-6508-2019-1-3-14

Сотрудничество:

1. Биологический факультет БГУ.
2. Department of Cancer Research, Luxembourg Institute of Health.
3. РНПЦ детской онкологии, гематологии и иммунологии РБ.
4. РНПЦ Онкологии РБ.
5. РНПЦ Эпидемиологии и микробиологии РБ.

Ответственные лица:

• Доцент Яцков Н.Н.
• Зав. кафедрой, доцент Скакун В.В.
• Доцент Лисица Е.В.

Контактное лицо:

• Доцент Яцков Н.Н. yatskou@bsu.by

Методы экспериментальной флуоресцентной спектроскопии используются для изучения оптических свойств молекулярных соединений и находят широкое применение при исследовании фотонных искусственных материалов для приёма и передачи энергии электронного возбуждения, белковых комплексов, биополимеров, секвенировании молекул ДНК и РНК, определении биофункций генов сетей их взаимодействия, биологических мембран, биомаркеров клеток и изменений в органических тканях, медицинской диагностике. Одно из основных ограничений при обработке больших данных флуоресцентной спектроскопии состоит в отсутствии универсальных эффективных автоматизированных систем поддержки и принятия решений, включающих протоколы планирования и проведения экспериментов, программные средства обработки, интерпретации результатов и моделирования изучаемых биофизических процессов. Разработка новых усовершенствованных систем поддержки и принятия решений позволяет упростить и автоматизировать обработку экспериментальных измерений, повысить точность оценивания искомых параметров, расширить пределы интерпретации и предсказания физических процессов.

Основные публикации:

1. Skakun, V. Revealing heterogeneity in correlation times of EGFP encapsulated in complex coacervate core micelles by analysis of fluorescence anisotropies / V. Skakun, A. Digris, A. Nolles, J.W. Borst, A. Visser. // Methods and Applications in Fluorescence, 2022, 10(4), 045006. doi: 10.1088/2050-6120/ac8911

2. Nederveen-Schippers, L.M. Combined fcs and pch analysis to quantify protein dimerization in living cells / L.M., Nederveen-Schippers, P., Pathak, I., Keizer-Gunnink, ..., A., Kortholt, V. Skakun, // International Journal of Molecular Science, 2021, 22(14), 7300. doi: 10.3390/ijms22147300

3. Yatskou M. M., Complex Analysis of Fluorescence Intensity Fluctuations of Molecular Compounds / M. M. Yatskou, V. V. Skakun, , L. M. Nederveen-Schippers, A. Kortholt, V. V. Apanasovich // Journal of Applied Spectroscopy. – 2020. – V. 87. – P. 685–692. DOI 10.1007/s10812-020-01055-6 Сотрудничество:

4. Laboratory of Biochemistry, Wageningen University, The Netherlands.

5. Cell Biochemistry, University of Groningen, The Netherlands.

6. Кафедра общей физики, Сибирский федеральный университет, Красноярск, Российская Федерация.

Ответственные лица:

• Зав. кафедрой, доцент, Скакун В.В.
• Дигрис А.В.

Контактное лицо:

• Зав. кафедрой, доцент Скакун В.В. skakun@bsu.by

Актуальной и важной задачей является разработка специализированного программного обеспечения, предназначенного для работы с большими биологическими и медицинскими данными. Примерами успешных программных разработок являются R/C++ и Java пакеты ORFhunteR, FluorSimStudio, RNAexploreR, CellDataMiner и GeneExpressionAnalyser.

Основные публикации:

1. Yatskou, M. M. Computational Platform FluorSimStudio for Processing Kinetic Curves of Fluorescence Decay Using Simulation Modeling and Data Mining Algorithms / M. M. Yatskou, V. V. Apanasovich // Journal of Applied Spectroscopy. – 2021. – N88, № 3. – P. 571–579. DOI 10.1007/s10812-021-01211-6
2. Grinev, V. V. ORFhunteR: Predict open reading frames in nucleotide sequences / / V. V. Grinev, M. M. Yatskou, V. V. Skakun, M. Chepeleva, P. V. Nazarov // R package version 0.99.11. – 2021. – P. 1–13. doi: 10.18129/B9.bioc.ORFhunteR. https://bioconductor.org/packages/ORFhunteR.
3. Nazarov P, Kaoma T, Chepeleva M (2022). consICA: consensus Independent Component Analysis. R package version 0.99.5.

Сотрудничество:

1. Биологический факультет БГУ.
2. Department of Cancer Research, Luxembourg Institute of Health.

Ответственные лица:

Зав. кафедрой, доцент Скакун В.В.

• Доцент Яцков
• Дигрис А.В.

Контактное лицо:

• Зав. кафедрой, доцент Скакун В.В. skakun@bsu.by

Регистрация микро/нано объектов является одной из основных задач для измерительных систем в различных сферах применения. Здесь оптические способы детектирования получают все большее распространение благодаря исключительной чувствительности в режиме реального времени и высокой плотности интеграции. Дальнейшее развитие измерительных устройств производится путем интеграции с методами машинного обучения, что позволяет запустить сдвиг общей парадигмы детектирования в сторону гибких самообучающихся устройств.

Основные публикации:

1. Saetchnikov A. V. Intelligent optical microresonator imaging sensor for early stage classification of dynamical variations / A. V. Saetchnikov, E. A. Tcherniavskaia, V. A. Saetchnikov, A. Ostendorf // Advanced Photonics Research. 2021. 7. P. 2100242. DOI 10.1002/adpr.202100242.
2. Saetchnikov A. V. Deep-learning powered whispering gallery mode sensor based on multiplexed imaging at fixed frequency / A. V. Saetchnikov, E. A. Tcherniavskaia, V. A. Saetchnikov, A. Ostendorf // Opto-Electronic Advances 2020. Vol. 3. P. 200048. DOI 10.29026/oea.2020.200048.
3. Saetchnikov A. V. A Laser Written 4D Optical Microcavity for Advanced Biochemical Sensing in Aqueous Environment / A. V. Saetchnikov, E. A. Tcherniavskaia, V. A. Saetchnikov, A. Ostendorf // Journal of Lightwave Technology 2020. Vol. 38, No. 8. P. 2530-2538. DOI 10.1109/JLT.2020.2973933
4. Saetchnikov A. V. Reusable Dispersed Resonators-Based Biochemical Sensor for Parallel Probing. / A. V. Saetchnikov, E. A. Tcherniavskaia, V. A. Saetchnikov, A. Ostendorf // IEEE Sensors Journal. 2019. Vol. 19, No. 17. P. 7644-7651. DOI 10.1109/JSEN.2019.2916861

Сотрудничество:

1. Университет Бохума, Германия.

Ответственное лицо:

• доцент Саечников А.В.

Контактное лицо:

• доцент Саечников А.В. anton.saetchnikov@gmail.com