المؤلفون: M. Sprindzuk V., L. Titov P., A. Konchits P., L. Mozharovskaya V., М. Спринджук B., Л. Титов П., А. Кончиц П., Л. Можаровская В.

المصدر: «System analysis and applied information science»; № 2 (2021); 54-62 ; «Системный анализ и прикладная информатика»; № 2 (2021); 54-62 ; 2414-0481 ; 2309-4923 ; 10.21122/2309-4923-2021-2

مصطلحات موضوعية: transcriptome, genomics, bioinformatics, data analysis, software, algorithms, транскриптом, геномика, биоинформатика, анализ данных, программное обеспечение, алгоритмы

وصف الملف: application/pdf

Relation: https://sapi.bntu.by/jour/article/view/516/397; Conesa, A., Madrigal, P., Tarazona, S., Gomez-Cabrero, D., Cervera, A. et al. A survey of best practices for RNA-seq data analysis // Genome biology. – 2016. – V. 17, № 1. – P. 13.; Eldem, V., Zararsiz, G., Taşçi, T., Duru, I.P., Bakir, Y. et al. Transcriptome Analysis for Non-Model Organism: Current Status and Best-Practices // Applications of RNA-Seq and Omics Strategies-From Microorganisms to Human Health. – 2017. – V. 1, № 2. – P. 1–19.; Liu, X., Li, N., Liu, S., Wang, J., Zhang, N. et al. Normalization Methods for the Analysis of Unbalanced Transcriptome Data: A Review // Front Bioeng Biotechnol. – 2019. – V. 7, – P. 358.; Mutz, K. O., Heilkenbrinker, A., Lönne, M., Walter, J.-G., Stahl, F. Transcriptome analysis using next-generation sequencing // Current opinion in biotechnology. – 2013. – V. 24, № 1. – P. 22–30.; Можаровская, Л. В. Идентификация и функциональная аннотация патоген-индуцированных генов проростков сосны обыкновенной / Л. В. Можаровская, С. В. Пантелеев, О. Ю. Баранов, В. Е. Падутов // Молекулярная и прикладная генетика: сб. науч. тр. / Институт генетики и цитологии НАН Беларуси; редкол.: А. В. Кильчевский (гл. ред.) [и др.]. – Минск: Институт генетики и цитологии НАН Беларуси, 2019. – Т. 26. – С. 69–78.; Можаровская, Л. В. Сравнительный анализ транскрипционных профилей проростков сосны обыкновенной (Pinus sylvestris L.) различающихся температурными условиями выращивания / Л. В. Можаровская // Проблемы лесоведения и лесоводства: Сб. науч. Трудов ИЛ НАН Беларуси. – Вып. 78. – Гомель: ИЛ НАН Беларуси, 2018. – С. 70–78.; Можаровская Л. В., Пантелеев С. В., Разумова О. А., Баранов О. Ю. Выявление сайтов редактирования мРНК в хлоропластном геноме сосны обыкновенной (Pinus sylvestris L.) Сборник научных трудов [Институт леса Национальной академии наук Беларуси]/ Национальная академия наук Беларуси, Институт леса. – Гомель, 2019. – Вып. 79: Проблемы лесоведения и лесоводства. – С. 54–61; Кирьянов П. С., Баранов О. Ю., Падутов В. Е. Выявление генетических особенностей среди форм березы повислой, различающихся по признаку узорчатости древесины // Лесное хозяйство: материалы 84-й науч.-техн. конференции профессорско-преподавательского состава, научных сотрудников и аспирантов (с международным участием), Минск, 03–14 февраля 2020 г. / отв. за издание И. В. Войтов; УО БГТУ. – Минск: БГТУ, 2020. – С. 106–107.; Падутов В. Е., Третьякова И. Н., Можаровская Л. В. Константинов А. В., Кулагин Д. В., Кусенкова М. П. Сравнительный анализ транскрипционных профилей каллусных культур лиственницы сибирской с различным эмбриогенным потенциалом // Лесное хозяйство: материалы 84-й науч.-техн. конференции профессорскопреподавательского состава, научных сотрудников и аспирантов (с международным участием), Минск, 03–14 февраля 2020 г. / отв. за издание И. В. Войтов; УО БГТУ. – Минск: БГТУ, 2020. – С. 131.; Wang Z., Gerstein M., Snyder M. RNA-Seq: a revolutionary tool for transcriptomics // Nature reviews genetics. – 2009. – V. 10. – № . 1. – P. 57–63.; Haas, B. J., Papanicolaou, A., Yassour, M., Grabherr, M., Blood, P.D. et al. De novo transcript sequence reconstruction from RNA-seq using the Trinity platform for reference generation and analysis // Nat Protoc. – 2013. – V. 8, № 8. – P. 1494–512.; Wang, Y., Sun, M.-a. Transcriptome Data Analysis: Methods and Protocols. Springer, 2018.; [Электронный ресурс] – Режим доступа: http://bioinformaticsinstitute.ru/sites/default/files/07–28–04-kasyanov.pdf. – Дата доступа: 04.09.2020.; Касьянов А. С. Новые методы обработки данных, полученных с помощью современных технологий секвенирования, для решения задач анализа экспрессии генов: автореф. дисс. канд. физ.-мат. наук. – 2012.; Водясова Е. А., Челебиева Э. С., Кулешова О. Н. Новейшие технологии высокопроизводительного секвенирования транскриптома отдельных клеток //Вавиловский журнал генетики и селекции. – 2019. – Т. 23. – № . 5. – С. 508– 518.; Акберова Н. И. Анализ данных секвенирования транскриптома и метаболома: учебно-методическое пособие. – 2014. – 26 с.; Ewing B., Green P. Base-calling of automated sequencer traces using phred. II. Error probabilities // Genome research. – 1998. – V. 8. – № . 3. – P. 186–194.; Brown, J., Pirrung, M., McCue, L.A. FQC Dashboard: integrates FastQC results into a web-based, interactive, and extensible FASTQ quality control tool // Bioinformatics. – 2017. – V. 1, № 1. – P. 1–9.; Dai, M., Thompson, R. C., Maher, C., Contreras-Galindo, R., Kaplan, M.H. et al. NGSQC: cross-platform quality analysis pipeline for deep sequencing data // BMC Genomics. – 2010. – V. 11 Suppl 4, – P. S7.; Романенков К. В. Метод оценки качества сборки генома на основе частот k-меров // Препринты ИПМ им. М. В. Келдыша. 2017. № 11. 24 с. doi:10.20948/prepr-2017-11.; Giannoulatou, E., Park, S. H., Humphreys, D. T., Ho, J. W. Verification and validation of bioinformatics software without a gold standard: a case study of BWA and Bowtie // BMC Bioinformatics. – 2014. – V. 15 Suppl 16, – P. S15.; Langdon, W. B. Performance of genetic programming optimised Bowtie2 on genome comparison and analytic testing (GCAT) benchmarks // BioData Min. – 2015. – V. 8, № 1. – P. 1.; Lu, R., Zhang, J., Liu, D., Wei, Y. L., Wang, Y. et al. Characterization of bHLH/HLH genes that are involved in brassinosteroid (BR) signaling in fiber development of cotton (Gossypium hirsutum) // BMC Plant Biol. – 2018. – V. 18, № 1. – P. 304.; Kim, D., Pertea, G., Trapnell, C., Pimentel, H., Kelley, R. et al. TopHat2: accurate alignment of transcriptomes in the presence of insertions, deletions and gene fusions // Genome Biol. – 2013. – V. 14, № 4. – P. R36.; Bankevich, A., Nurk, S., Antipov, D., Gurevich, A.A., Dvorkin, M. et al. SPAdes: a new genome assembly algorithm and its applications to single-cell sequencing // J Comput Biol. – 2012. – V. 19, № 5. – P. 455–77.; Bankar, K. G., Todur, V. N., Shukla, R. N., Vasudevan, M. Ameliorated de novo transcriptome assembly using Illumina paired end sequence data with Trinity Assembler // Genom Data. – 2015. – V. 5, – P. 352–9.; Cabau, C., Escudie, F., Djari, A., Guiguen, Y., Bobe, J. et al. Compacting and correcting Trinity and Oases RNA-Seq de novo assemblies // PeerJ. – 2017. – V. 5, – P. e2988.; Kim, C. S., Winn, M. D., Sachdeva, V., Jordan, K. E. K-mer clustering algorithm using a MapReduce framework: application to the parallelization of the Inchworm module of Trinity // BMC Bioinformatics. – 2017. – V. 18, № 1. – P. 467.; Schulz, M. H., Zerbino, D. R., Vingron, M., Birney, E. Oases: robust de novo RNA-seq assembly across the dynamic range of expression levels // Bioinformatics. – 2012. – V. 28, № 8. – P. 1086–92.; Birol, I., Jackman, S. D., Nielsen, C. B., Qian, J. Q., Varhol, R. et al. De novo transcriptome assembly with ABySS // Bioinformatics. – 2009. – V. 25, № 21. – P. 2872–7.; Jackman, S. D., Vandervalk, B. P., Mohamadi, H., Chu, J., Yeo, S. et al. ABySS 2.0: resource-efficient assembly of large genomes using a Bloom filter // Genome Res. – 2017. – V. 27, № 5. – P. 768–777.; Simpson, J. T., Wong, K., Jackman, S. D., Schein, J. E., Jones, S. J. et al. ABySS: a parallel assembler for short read sequence data // Genome Res. – 2009. – V. 19, № 6. – P. 1117–23.; Boerner, S., McGinnis, K. M. Computational Analysis of LncRNA from cDNA Sequences // Methods In Molecular Biology (Clifton, N.J.). – 2016. – V. 1402, – P. 255–269.; Ge, S., Jung, D. ShinyGO: a graphical enrichment tool for animals and plants. 2018.; Zhang C. et al. Evaluation and comparison of computational tools for RNA-seq isoform quantification //BMC genomics. – 2017. – V. 18. – № . 1. – P. 583.; Пантелеев, С. В. Молекулярно-генетическая диагностика инфекционных агентов побегов сосны обыкновенной с признаками «ведьминых метел» / С. В. Пантелеев, О. Ю. Баранов, И. Э. Рубель // Сб. науч. тр. / НАН Беларуси, Институт леса. – Гомель, 2016. – Вып. 76: Проблемы лесоведения и лесоводства. – С. 242–249.; Kremer, F. S., Eslabao, M. R., Dellagostin, O.A., Pinto, L. D. Genix: a new online automated pipeline for bacterial genome annotation // FEMS Microbiol Lett. – 2016. – V. 363, № 23.; T. W., Gan, R. C., Wu, T. H., Huang, P. J., Lee, C. Y. et al. FastAnnotator – an efficient transcript annotation web tool // BMC Genomics. – 2012. – V. 13 Suppl 7, – P. S9.; Huerta-Cepas, J., Szklarczyk, D., Forslund, K., Cook, H., Heller, D. et al. eggNOG 4.5: a hierarchical orthology framework with improved functional annotations for eukaryotic, prokaryotic and viral sequences // Nucleic Acids Research. – 2016. – V. 44, № D1. – P. D286-D293.; Van Bel, M., Proost, S., Van Neste, C., Deforce, D., Van de Peer, Y. et al. TRAPID: an efficient online tool for the functional and comparative analysis of de novo RNA-Seq transcriptomes // Genome Biol. – 2013. – V. 14, № 12. – P. R134.; Jones, P., Binns, D., Chang, H. Y., Fraser, M., Li, W. et al. InterProScan 5: genome-scale protein function classification // Bioinformatics. – 2014. – V. 30, № 9. – P. 1236–40.; Kelly, R. J., Vincent, D. E., Friedberg, I. IPRStats: visualization of the functional potential of an InterProScan run // BMC Bioinformatics. – 2010. – V. 11 Suppl 12. – P. S13.; Mulder, N., Apweiler, R. InterPro and InterProScan: tools for protein sequence classification and comparison // Methods Mol Biol. – 2007. – V. 396, – P. 59–70.; Quevillon, E., Silventoinen, V., Pillai, S., Harte, N., Mulder, N. et al. InterProScan: protein domains identifier // Nucleic Acids Research. – 2005. – V. 33, № Web Server issue. – P. W116–20.; Syed, A., Upton, C. Java GUI for InterProScan (JIPS): a tool to help process multiple InterProScans and perform ortholog analysis // BMC Bioinformatics. – 2006. – V. 7, – P. 462.; Zdobnov, E. M., Apweiler, R. InterProScan – an integration platform for the signature-recognition methods in InterPro // Bioinformatics. – 2001. – V. 17, № 9. – P. 847–8.; Kremer, F. S., McBride, A. J.A., Pinto, L. d. S. Approaches for in silico finishing of microbial genome sequences // Genetics and molecular biology. – 2017. – V. 40, № 3. – P. 553–576.; Abbas, Q., Raza, S. M., Biyabani, A.A., Jaffar, M.A. A review of computational methods for finding non-coding RNA genes // Genes. – 2016. – V. 7, № 12. – P. 113.; Abernathy, J., Overturf, K. Expression of Antisense Long Noncoding RNAs as Potential Regulators in Rainbow Trout with Different Tolerance to Plant-Based Diets // Animal Biotechnology. – 2017. – V. 2, № 1. – P. 1–8.; Andreia, S. R., Inês, C., Bruno Vasques, C., Yao-Cheng, L., Susana, L. et al. Small RNA profiling in Pinus pinaster reveals the transcriptome of developing seeds and highlights differences between zygotic and somatic embryos // Scientific Reports. – 2019. – № 1. – P. 1.; Babarinde, I.A., Li, Y., Hutchins, A. P. Computational methods for mapping, assembly and quantification for coding and non-coding transcripts // Computational and structural biotechnology journal. – 2019. – V. 1, № 1. – P. 2–14.; Bai, Y., Dai, X., Harrison, A. P., Chen, M. RNA regulatory networks in animals and plants: A long noncoding RNA perspective // Briefings In Functional Genomics. – 2015. – V. 14, № 2. – P. 91–101.; Chaturvedi, S., Rao, A. L. N. Riboproteomics: A versatile approach for the identification of host protein interaction network in plant pathogenic noncoding RNAs // PLoS ONE. – 2017. – V. 12, № 10.; Chaves, I., Costa, B. V., Rodrigues, A. S., Bohn, A., Miguel, C. M. miRPursuit-a pipeline for automated analyses of small RNAs in model and nonmodel plants // FEBS Letters. – 2017. – V. 591, № 15. – P. 2261–2268.; Collemare, J., O’Connell, R., Lebrun, M. H. Nonproteinaceous effectors: the terra incognita of plant–fungal interactions // New Phytologist. – 2019. – V. 223, № 2. – P. 590–596.; Dhiman, H., Kapoor, S., Sivadas, A., Sivasubbu, S., Scaria, V. zflncRNApedia: A Comprehensive Online Resource for Zebrafish Long Non-Coding RNAs // PLoS ONE. – 2015. – V. 10, № 6. – P. e0129997-e0129997.; Fan, B., Wu, X. Q., Li, L., Chao, Y., Förstner, K. et al. DRNA-seq reveals genomewide TSSs and noncoding RNAs of plant beneficial rhizobacterium Bacillus amyloliquefaciens FZB42 // PLoS ONE. – 2015. – V. 10, № 11.; Hao, Z., Fan, C., Cheng, T., Su, Y., Wei, Q. et al. Genome-Wide Identification, Characterization and Evolutionary Analysis of Long Intergenic Noncoding RNAs in Cucumber. 2015.; Heera, R., Sivachandran, P., Chinni, S. V., Mason, J., Croft, L. et al. Efficient extraction of small and large RNAs in bacteria for excellent total RNA sequencing and comprehensive transcriptome analysis // BMC Research Notes. – 2015. – V. 8, – P. 1–11.; Hu, L., Xu, Z., Hu, B., Lu, Z. J. COME: a robust coding potential calculation tool for lncRNA identification and characterization based on multiple features // Nucleic Acids Research. – 2017. – V. 45, № 1. – P. e2-e2.; Matsui, A., Nakaminami, K., Seki, M. m. s. r. j. Biological Function of Changes in RNA Metabolism in Plant Adaptation to Abiotic Stress // Plant & Cell Physiology. – 2019. – V. 60, № 9. – P. 1897–1905.; Mingyang, Q., Jinhui, C., Deqiang, Z. Exploring the Secrets of Long Noncoding RNAs // International Journal of Molecular Sciences. – 2015. – V. 16, № 3. – P. 5467–5496.; Negri, T. D. C., Bugatti, P. H., Saito, P. T. M., Domingues, D. S., Paschoal, A. R. et al. Pattern recognition analysis on long noncoding RNAs: A tool for prediction in plants // Briefings in Bioinformatics. – 2019. – V. 20, № 2. – P. 682–689.; Ortogero, N., Hennig, G. W., Langille, C., Ro, S., Yan, W. et al. Computer-assisted annotation of murine sertoli cell small RNA transcriptome // Biology of Reproduction. – 2013. – V. 88, № 1.; Paschoal, A. R., Lozada-Chávez, I., Domingues, D. S., Stadler, P. F. ceRNAs in plants: computational approaches and associated challenges for target mimic research // Briefings in Bioinformatics. – 2018. – V. 19, № 6. – P. 1273–1289.; Zongbo, Q., Xiaojuan, L., Yuanyuan, Z., Manman, Z., Yinglang, W. et al. Genome-wide analysis reveals dynamic changes in expression of microRNAs during vascular cambium development in Chinese fir, Cunninghamia lanceolata // Journal of Experimental Botany. – 2015. – V. 66, № 11. – P. 3041–3054.; https://sapi.bntu.by/jour/article/view/516

الاتاحة: https://sapi.bntu.by/jour/article/view/516
https://doi.org/10.21122/2309-4923-2021-2-54-62

المؤلفون: O. Yanovich O., L. Titov P., M. Doroshko V., I. Sergeeva G., S. Guzov A., О. Янович О., Л. Титов П., М. Дорошко В., И. Сергеева Г., С. Гузов А.

المصدر: Doklady of the National Academy of Sciences of Belarus; Том 65, № 1 (2021); 96-102 ; Доклады Национальной академии наук Беларуси; Том 65, № 1 (2021); 96-102 ; 2524-2431 ; 1561-8323 ; 10.29235/1561-8323-2021-65-1

مصطلحات موضوعية: duodenogastric reflux, reflux-esophagitis, Helicobacter pylori, дуоденогастральный рефлюкс, рефлюкс-эзофагит

وصف الملف: application/pdf

Relation: https://doklady.belnauka.by/jour/article/view/950/947; Crowe, S. E. Helicobacter pylori Infection / S. E. Crowe // N. Engl. J. Med. – 2019. – Vol. 380б N 12. – P. 1158–1165. https://doi.org/10.1056/nejmcp1710945; Lychkova, A. E. Stomach Erosion Focus on the Motor Function of the Gastrointestinal Tract / A. E. Lychkova, A. M. Puzikov // EC Gastroenterology and Digestive System. – 2020. – Vol. 7, N 1. – P. 01–04.; Оценка резистентности Нelicobacter pylori к кларитромицину методом ПЦР у больных хеликобактериозом / О. О. Янович [и др.] // Здравоохранение. – 2011. – № 12. – С. 9–12.; Дуоденогастральный рефлюкс и патология желудка у пожилых / С. В. Михайлусов [и др.] // Экспериментальная и клиническая гастроэнтерология. – 2010. – № 12. – C. 54–59.; Колесникова, И. Ю. Почему не возникает язва двенадцатиперстной кишки у больных хроническим гастродуоденитом? / И. Ю. Колесникова, В. С. Волков, Е. К. Лукашева // Российские медицинские вести. – 2012. – Т. 17, № 3. – С. 69–72.; Вахрушев, Я. М. Комплексное изучение патогенетических механизмов эрозивного поражения желудка и двенадцатиперстной кишки / Я. М. Вахрушев, Е. В. Никишина // Pocсийский гастроэнтеролог. журн. – 1998. – № 3. – С. 22–29.; Matsuhisa, T. Relation between reflux of bile acids into the stomach and gastric mucosal atrophy, intestinal metaplasia in biopsy specimens / T. Matsuhisa, T. Tsukui // J. Clin. Biochem. Nutr. – 2011. – Vol. 50, N 3. – P. 217–221. https://doi.org/10.3164/jcbn.11-90; MicroRNA-92a-1-5p increases CDX2 by targeting FOXD1 in bile acids-induced gastric intestinal metaplasia / T. Li [et al.] // Gut. – 2019. – Vol. 68, N 10. – P. 1751–1763. https://doi.org/10.1136/gutjnl-2017-315318; Bile acid promotes intestinal metaplasia and gastric carcinogenesis without inflammatory cell infiltration / M. Tatsugami [et al.] // Cancer Epidemiol. Biomarkers Prev. – 2012. – Vol. 21, N 11. – P. 2101–2107. https://doi.org/10.1158/1055-9965.epi-12-0730; Relation between bile acid reflux into the stomach and the risk of atrophic gastritis and intestinal metaplasia: a multicenter study of 2283 cases / T. Matsuhisa [et al.] // Dig. Endosc. – 2013. – Vol. 25, N 5. – P. 519–525. https://doi.org/10.1111/den.12030; Moayyedi, P. Gastro-oesophageal refux disease / P. Moayyedi, N. J. Talley // Lancet. – 2006. – Vol. 367, N 9528. – P. 2086–2100. https://doi.org/10.1016/s0140-6736(06)68932-0; Helicobacter pylori and gastroesophageal reflux disease: lack of influence of infection on twenty-four-hour esophageal pH monitoring and endoscopic findings / J. P. Gisbert [et al.] // J. Clin. Gastroenterol. – 2001. – Vol. 32, N 3. – P. 210–214. https://doi.org/10.1097/00004836-200103000-00005; Hong, S. J. Helicobacter pylori infection in gastroesophageal reflux disease in the Asian countries / S. J. Hong, S. W. Kim // Gastroenterol. Res. Pract. – 2015. – Vol. 2015. – Art. 985249. https://doi.org/10.1155/2015/985249; Is there an increased risk of GERD after Helicobacter pylori eradication?: a meta-analysis / M. Yaghoobi [et al.] // Am. J. Gastroenterol. – 2010. – Vol. 105, no. 5. – P. 1007–1013. https://doi.org/10.1038/ajg.2009.734; Antunes, C. Gastroesophageal Reflux Disease [Electronic Resource] / C. Antunes, A. Aleem, S. A. Curtis // StatPearls. –Jan. 2020. – Mode of access: https://www.statpearls.com/ArticleLibrary/viewarticle/22098; Цветкова, Л. Н. Факторы риска и профилактика формирования гастроэзофагеальной рефлюксной болезни у детей / Л. Н. Цветкова, М. С. Хутиева, П. М. Цветков // Педиатрия. Журнал им. Г. Н. Сперанского. – 2015. – Т. 94, № 6. – С. 8–12.; https://doklady.belnauka.by/jour/article/view/950

الاتاحة: https://doklady.belnauka.by/jour/article/view/950
https://doi.org/10.29235/1561-8323-2021-65-1-96-102

المؤلفون: L. Titov P., T. Amvrosieva V., M. Trusevich O., I. Belskaya V., Л. Титов П., Т. Амвросьева В., М. Трусевич О., И. Бельская В.

المصدر: Doklady of the National Academy of Sciences of Belarus; Том 65, № 5 (2021); 592–600 ; Доклады Национальной академии наук Беларуси; Том 65, № 5 (2021); 592–600 ; 2524-2431 ; 1561-8323 ; 10.29235/1561-8323-2021-65-5

مصطلحات موضوعية: COVID-19, inflammation biomarkers, cytokine storm markers, coefficient of positivity, биомаркеры воспаления, маркеры цитокинового шторма, коэффициент позитивности

وصف الملف: application/pdf

Relation: https://doklady.belnauka.by/jour/article/view/1009/1006; Титов, Л. П. Вирусология: терминологический словарь / Л. П. Титов. – Минск, 2009. – 448 с.; A Novel Coronavirus from Patients with Pneumonia in China, 2019 / N. Zhu [et al.] // N. Engl. J. Med. – 2020. – Vol. 382, N 8. – P. 727–733. https://doi.org/10.1056/nejmoa2001017; Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China / C. Huang [et al.] // Lancet. – 2020. – Vol. 395, N 10223. – P. 497–506. https://doi.org/10.1016/s0140-6736(20)30183-5; Identification of the hyper-variable genomic hotspot for the novel coronavirus SARS-CoV-2 / F. Wen [et al.] // J. Infect. – 2020. – Vol. 80, N 6. – P. 671–693. https://doi.org/10.1016/j.jinf.2020.02.027; Харченко, Е. П. Коронавирус SARS-Cov-2: особенности структурных белков, контагиозность и возможные иммунные коллизии / Е. П. Харченко // Эпидемиология и вакцинопрофилактика. – 2020. – Т. 19, № 2. – С. 13–30. https://doi.org/10.31631/2073-3046-2020-19-2-13-30; Sars-CoV-2 Envelope and Membrane Proteins: Structural Differences Linked to Virus Characteristics? / M. Bianchi [et al.] // Biomed. Res. Int. – 2020. – Vol. 2020. – Art. 4389089. https://doi.org/10.1155/2020/4389089; Титов, Л. П. Генетика и вирулентность вирусов / Л. П. Титов // Проблемы бактериологии и иммунологии: материалы науч. конф. – Минск, 2005. – С. 106–115.; Титов Л. П. Противовирусный иммунитет: молекулярно-клеточные механизмы, закономерности развития и иммунопатология / Л. П. Титов, И. А. Карпов // Медицинский журнал. – 2007. – № 1. – С. 4–14.; SARS-CoV-2 antibody testing-questions to be asked / M. K. Özçürümez [et al.] // J. Allergy Clin. Immunol. – 2020. – Vol. 146, N 1. – P. 35–43. https://doi.org/10.1016/j.jaci.2020.05.020; Two linear epitopes on the SARS-CoV-2 spike protein that elicit neutralising antibodies in COVID-19 patients / C. M. Poh [et al.] // Nat. Commun. – 2020. – Vol. 11, N 1. – P. 2806. https://doi.org/10.1038/s41467-020-16638-2; Prevalence of SARS-CoV-2 in Spain (ENE-COVID): a nationwide, population-based seroepidemiological study / M. Pollán [et al.] // Lancet. – 2020. – Vol. 396, N 10250. – P. 535–544. https://doi.org/10.1016/S0140-6736(20)31483-5; High Serum Lipopolysaccharide-Binding Protein Level in Chronic Hepatitis C Viral Infection Is Reduced by AntiViral Treatments / H. C. Nien [et al.] // PLoS One. – 2017. – Vol. 12, N 1. – Art. e0170028. https://doi.org/10.1371/journal.pone.0170028; https://doklady.belnauka.by/jour/article/view/1009

الاتاحة: https://doklady.belnauka.by/jour/article/view/1009
https://doi.org/10.29235/1561-8323-2021-65-5-592-600

المؤلفون: M. Sprindzhuk V., L. Titov P., O. Zаlutskаya M., A. Skryagin E., A. Skryaginа M., R. Sergeev S., М. Спринджук В., Л. Титов П., О. Залуцкая М., А. Скрягин Е., А. Скрягина М., Р. Сергеев С.

المساهمون: Grants from CRDF, United Institute of Informatics Problems of Belarus, the Republican Research and Practical Center for Epidemiology and Microbiology of Minsk, V.A. Gorbunov and A.P. Konchits, Associate Professors, Гранты научных проектов CRDF, ОИПИ НАН Беларуси, РНПЦ микробиологии и эпидемиологии г. Минска, В. А. Горбунов, доцент, А. П. Кончиц, доцент

المصدر: Tuberculosis and Lung Diseases; Том 95, № 6 (2017); 41-44 ; Туберкулез и болезни легких; Том 95, № 6 (2017); 41-44 ; 2542-1506 ; 2075-1230

مصطلحات موضوعية: tuberculosis, genomics, software, туберкулез, геномика, программное обеспечение

وصف الملف: application/pdf

Relation: https://www.tibl-journal.com/jour/article/view/1012/1013; Bradley P., Gordon N. C., Walker T. M., Dunn L., Heys S. et al. Corrigendum: Rapid antibiotic-resistance predictions from genome sequence data for Staphylococcus aureus and Mycobacterium tuberculosis // Nat. Commun. – 2016. – Vol. 7. – P. 11465.; Bradley P., Gordon N. C., Walker T. M., Dunn L., Heys S. et al. Rapid antibiotic-resistance predictions from genome sequence data for Staphylococcus aureus and Mycobacterium tuberculosis // Nat. Commun. – 2015. – Vol. 6. – P. 10063.; Burland T. G. DNASTAR's Lasergene sequence analysis software // Methods Mol. Biol. – 2000. – Vol. 132. – P. 71-91.; Cingolani P., Platts A., Wang le L., Coon M., Nguyen T. et al. A program for annotating and predicting the effects of single nucleotide polymorphisms, SnpEff: SNPs in the genome of Drosophila melanogaster strain w1118; iso-2; iso-3 // Fly (Austin). – 2012. – Vol. 6, № 2. – P. 80-92.; Clewley J. P. GENEMAN of LASERGENE // Methods Mol. Biol. – 1997. – Vol. 70. – P. 189-196.; Clewley J. P. Macintosh sequence analysis software. DNAStar's LaserGene // Mol. Biotechnol. – 1995. – Vol. 3, № 3. – P. 221-224.; Clewley J. P., Arnold C. MEGALIGN. The multiple alignment module of LASERGENE // Methods Mol. Biol. – 1997. – Vol. 70. – P. 119-129.; Downey T. Analysis of a multifactor microarray study using Partek genomics solution // Methods Enzymol. – 2006. – Vol. 411. – P. 256-70.; Farhat M. R., Sultana R., Iartchouk O., Bozeman S., Galagan J. et al. Genetic determinants of drug resistance in Mycobacterium tuberculosis and their diagnostic value // Am. J. Respir. Crit. Care Med. – 2016. – P. 652-657.; Ford C., Yusim K., Ioerger T., Feng S., Chase M. et al. Mycobacterium tuberculosis – heterogeneity revealed through whole genome sequencing // Tuberculosis (Edinb). – 2012. – Vol. 92, № 3. – P. 194-201.; Ford C. B., Lin P. L., Chase M. R., Shah R. R., Iartchouk O. et al. Use of whole genome sequencing to estimate the mutation rate of Mycobacterium tuberculosis during latent infection // Nat. Genet. – 2011. – Vol. 43, № 5. – P. 482-486.; Gaifer Z., Babiker A., Rizavi D. Epidemiology of drug-resistant tuberculosis in a tertiary care center in Oman, 2006-2015 // Oman. Med. J. – 2017. – Vol. 32, № 1. – P. 36-40.; Gilbert G. L., Sintchenko V. The use of mycobacterial interspersed repetitive unit typing and whole genome sequencing to inform tuberculosis prevention and control activities // N S W Public Health Bull. – 2013. – Vol. 24, № 1. – P. 10-14.; Glynn J. R., Guerra-Assuncao J. A., Houben R. M., Sichali L., Mzembe T. et al. Whole genome sequencing shows a low proportion of tuberculosis disease is attributable to known close contacts in rural malawi // PLoS One. – 2015. – Vol. 10, № 7. – P. e0132840.; Grayson B. L., Aune T. M. A comparison of genomic copy number calls by Partek Genomics Suite, Genotyping Console and Birdsuite algorithms to quantitative PCR // BioData Min. – 2011. – Vol. 4. – P. 8.; Guthrie J. L., Gardy J. L. A brief primer on genomic epidemiology: lessons learned from Mycobacterium tuberculosis // Ann. N Y Acad Sci. – 2017. – Vol. 1388, № 1. – P. 59-77.; Hiltemann S., Mei H., de Hollander M., Palli I., van der Spek P. et al. CGtag: complete genomics toolkit and annotation in a cloud-based Galaxy // Gigascience. – 2014. – Vol. 3, № 1. – P. 1.; Madduri R. K., Sulakhe D., Lacinski L., Liu B., Rodriguez A. et al. Experiences Building Globus Genomics: A Next-Generation Sequencing Analysis Service using Galaxy, Globus, and Amazon Web Services // Concurr Comput. – 2014. – Vol. 26, № 13. – P. 2266-2279.; Pedersen B. S., Layer R. M., Quinlan A. R. Vcfanno: fast, flexible annotation of genetic variants // Genome Biol. – 2016. – Vol. 17, № 1. – P. 118.; Steiner A., Stucki D., Coscolla M., Borrell S., Gagneux S. KvarQ: targeted and direct variant calling from fastq reads of bacterial genomes // BMC Genomics. – 2014. – Vol. 15. – P. 881.; https://www.tibl-journal.com/jour/article/view/1012

الاتاحة: https://www.tibl-journal.com/jour/article/view/1012
https://doi.org/10.21292/2075-1230-2017-95-6-41-44