Bioinformatiikan perusteet

Koko: px
Aloita esitys sivulta:

Download "Bioinformatiikan perusteet"

Transkriptio

1 Bioinformatiikan perusteet

2

3 Bioinformatiikan perusteet Jarno Tuimala Tieteen tietotekniikan keskus CSC

4 Tämän teoksen tekijänoikeudet kuuluvat Jarno Tuimalalle ja Tieteellinen Laskenta OY:lle. Teoksen tai osia siitä voi kopioida vapaasti henkilökohtaiseen käyttöön sekä Suomen yliopistojen ja korkeakoulujen kurssikäyttöön edellyttäen, että kopioon tai tulosteeseen merkitään tämä ilmoitus teoksen tekijästä ja tekijänoikeuksista. Teosta ei saa myydä, lainata, vuokrata, tai sisällyttää osaksi muita teoksia ilman tekijän lupaa, mahdolliset kirjastokappaleet poislukien. Myös kirjan jakaminen digitaalisesti ilman tekijän lupaa on kielletty. c Jarno Tuimala ja CSC Tieteellinen laskenta Oy painos ISBN Painopaikka: Picaset Oy Helsinki 2005

5 Bioinformatiikan perusteet 5 Esipuhe Alunperin bioinformatiikalla on tarkoitettu biologisten sekvenssiaineistojen käsittelyä tietokoneavusteisin menetelmin. Sittemmin bioinformatiikkaan on alettu lukea monia muitakin biologisessa tutkimuksessa keskeisiä sovellusaloja, kuten geenikartoitus ja molekyylimallitus. Bioinformatiikka on viime vuosina noussut keskeiseksi tutkimusalaksi. Kehitystä on vauhdittanut erityisesti tietokoneiden nopeutuminen ja halpeneminen. Huolimatta alan nopeasta kehityksestä, ei oppikirjoiksi soveltuvia suomenkielisiä teoksia ole julkaistu. Tämän kirjan tarkoituksena on paikata tuota kirjallisuudessa ammottavaa aukkoa. Tässä Bioinfomatiikan perusteet -kirjan laajassa versiossa keskitytään erityisesti biologisten sekvenssiaineistojen käsittelyyn, ja uusia sovelluksia, kuten DNAsiruja, käsitellään lyhyesti. Tämä ei olekaan kattava kuvaus bioinformatiikan laajasta kentästä, vaan ennemminkin pyritään antamaan kuva, mitä bioinformatiikan menetelmillä voidaan saavuttaa. Teoriaosuuksissa on painotettu pääperiaatteita, joiden ei uskota vanhenevan muutamassa vuodessa. Kirjasta on saatavilla myös lyhyempi, painettu versio, jota voi tilata CSC:stä. Kirja on suunnattu lähinnä biologian ja sen lähitieteiden opiskelijoille ja tutkijoille. Mukaan on otettu jossain määrin myös menetelmien taustalla olevaa matematiikkaa. Tämän tarkoituksena on syventää teorian ymmärtämystä. Kirjaa alkaa yleisluontoisilla kappaleilla, joissa esitellään lyhyesti perusbiologiaa, laskennallisten menetelmien perusteita ja käsiteltävien menetelmien sovelluksia. Lisäksi yksittäiset luvut alkavat yleensä kattavammalla kuvauksella esiteltävien menetelmien käyttökohteista. Lukujen tiivistelmät on koottu erilliseksi luvuksi kirjan loppuun, jotta asioiden kertaaminen tiivistelmiä käyttäen olisi mahdollisimman yksinkertaista. Kirjan lopuksi esitellään keskeinen, yleensä englanninkielinen kirjallisuus ja annetaan joitakin tehtäviä lukijan ratkottavaksi. CSC on julkaissut erinomaisia kirjoja geenikartoituksesta, DNA-siruaineistojen analysoinnista ja monien kirjassa mainittujen ohjelmistojen käytöstä, joten näitä bioinformatiikan alueita käsitellään kirjassa lyhyesti tai ei lainkaan. Näistä menetelmistä kiinnostuneita lukijoita kehotetaan tutustumaan tarkemmin kirjoihin Geenikartoitusopas (2004) ja DNA microarray data analysis (2005). Painettuja kirjoja voi tilata CSC:stä, mutta ne ovat myös saatavilla PDF-muodossa Internetistä. Kiitän Taavi Hupposta, Jaakko Hyvöstä, Eija Korpelaista, Jyrki Muonaa ja Martti Tolvasta käsikirjoituksen rakentavasta ja tarkentavasta kommentoinnista. Kirjan ideamateriaalina on käytetty Pekka Uimarin Helsingin Yliopiston Biotieteiden laitoksella pitämän Geneettinen Bioinformatiikka -kurssin luentomateriaalia vuodelta 2002, joka kiitoksella huomioidaan. Kirjaan jääneet epätarkkuudet ja virheet ovat ainoastaan kirjoittajan aikaansaannoksia. Toivon, että kirjasta on iloa ja hyötyä niille, jotka haluavat tutustua bioinformatiikan kiehtovaan maailmaan. Palautetta voi lähettää sähköpostilla osoitteeseen Espoossa,

6 6 Bioinformatiikan perusteet Tekijä

7 Sisältö 7 Sisältö Esipuhe 5 I Johdanto 17 1 Johdanto Mitä on bioinformatiikka? Keitä bioinformaatikot ovat? Bioinformatiikan merkitys biologiassa Laskennallisen biologian perusteet Laskennalliset asiat ovat bioinformatiikassa keskeisiä Mikä on algoritmi? Kuinka nopea tietokoneohjelma on? Kuinka paljon muistia ohjelma vaatii? NP-ongelmat Rinnakkaislaskenta Dynaaminen ohjelmointi Esiteltävien menetelmien sovellusalueet Miksi esimerkkejä? Sekvenssien hankkiminen Sekvenssien ominaisuuksien selvittäminen Kahden sekvenssin rinnastus Usean sekvenssin rinnastus Molekyylisystematiikka SARS-epidemian selvittäminen II Sekvenssianalyysi 33 4 Sekvensointi ja DNA-sekvenssit Sekvensointi Yleiset sekvensointivirheet Sekvenssin tallentaminen EMBL-tietokantaan Sekvenssin tallentaminen omaan käyttöön Tietopankeissa olevien sekvenssien luotettavuus Sekvensseistä genomiksi Genomin toiminnan selvittäminen... 40

8 8 Bioinformatiikan perusteet 4.8 Eri tyyppiset sekvenssit Biotietokannat Mitä tietokannat ovat? Flat file -tietokanta Relaatiotietokanta Mitä molekyylibiologiset tietokannat ovat? Nukleotidisekvenssitietokannat EMBL, GenBank ja DDBJ RefSeq UniGene Locuslink dbest Aminohapposekvenssitietokannat UniProt SWISS-PROT TrEMBL PIR Yhdistelmätietokannat Tunnistetietokannat PROSITE PRINTS Tunnisteiden yhdistelmätietokannat - InterPro Genomitietokannat Ensembl UCSC Rakennetietokannat PDB Julkaisutietokannat PubMed Miten käytän tietokantoja? Mistä tietokannasta lähteä liikkeelle? Asiasanahaku Sekvenssihaku Tunnistenumerohaku Tunnistenumeroista Pisteytysmatriisit Pisteytysmatriisit PAM-matriisit aminohapoille PAM-matriisien muodostaminen BLOSUM-matriisit aminohapoille PAM- ja Blosum-matriisien erot Muut aminohappomatriisit Aukkosakot Nykyisin käytetyt aukkosakkomallit Kahden sekvenssin rinnastus Kahden sekvenssin rinnastusmenetelmät Mikä on sekvenssirinnastus?... 68

9 Sisältö Sekvenssirinnastusten kuvaaminen tietokoneelle Rinnastuksen pistemäärän laskeminen Pistematriisimenetelmä Dynaaminen optimointi Needleman-Wunsch-algoritmi Esimerkki Needleman-Wunsch-algoritmista Smith-Waterman-algoritmi Esimerkki Smith-Waterman-algoritmitmista Sekvenssirinnastuksen tilastollinen merkitsevyys Paikallisen sekvenssirinnastuksen tilastollinen merkitsevyys Kokonaissekvenssirinnastuksen tilastollinen merkitsevyys Rinnastuksen asetusten määrittäminen Sekvenssihaut Sekvenssihaku on monille jokapäiväinen työkalu Kuinka tietohakuja tehdään? BLAST PSI-BLAST PHI-BLAST Sekvenssihaut Smith-Waterman-algoritmilla BLAST:n ja FastA:n Hakuparametrien asettamisesta Rajoita haku vain kiinnostavaan tietokantaan Suodata hakusekvenssi Lyhyiden sekvenssien hakeminen Homologien tunnistaminen Eksonien määrittäminen Pääsäännöt Suunnittele haut! Pitkät sekvenssit - vaihtoehtoiset lähestymistavat Uusi ratkaisu - PatternHunter Usean sekvenssin rinnastus Mikä on usean sekvenssin rinnastus? Usean sekvenssin rinnastus dynaamista optimointia käyttäen Progressiiviset menetelmät eli asteittain etenevät menetelmät Clustal-perhe T-Coffeen menetelmä Muscle-menetelmä Usean sekvenssin rinnastuksen pistemäärän laskeminen Iteratiiviset menetelmät Proteiineja koodaavien DNA-sekvenssien rinnastaminen Aminohapposekvenssirinnastuksen editointi käsin Sekvenssirinnastuksen laadun arviointi Clustal-perheen tekemiä tyypillisiä virheitä DNA-sekvenssin ominaisuuksien selvittäminen Mitä DNA:sta voidaan selvittää? Restriktioentsyymien katkaisukohtien löytäminen Nukleotidien ja kodonien runsaussuhteiden arviointi DNA-sekvenssin translointi aminohapposekvenssiksi DNA:n käänteiskomplementarisointi

10 10 Bioinformatiikan perusteet 11.6 Eksonien ja intronien määrittäminen Vaihtoehtoinen silmukointi Promoottorialueen tunnistaminen Antisense-RNA Aminohapposekvenssin ominaisuuksien selvittäminen Mitä aminohapposekvensseistä voidaan ennustaa? Aminohappokoostumuksen selvittäminen Sekundäärirakenteen ennustaminen Coiled-coil alueiden tunnistaminen Hydrofobisten alueiden tunnistaminen Sekundäärirakenteiden selvittäminen Chou-Fasman -menetelmä Lähimmän naapurin menetelmät Neuroverkkomenetelmät Motiivien ja domeenien tunnistaminen Translaation jälkeisten modifikaatiokohtien tunnistaminen Rakenteiden rinnastaminen SSAP-algoritmi DALI-algoritmi III Molekyylisystematiikka Johdatus molekyylisystematiikkaan Mitä molekyylisystematiikka on? Fylogeneettinen puu Lajien ja tuntomerkkien evoluutio Lajit luokitellaan monofyleettisiin ryhmiin Molekyylisystematiikan suuntaukset Tavanomaisen analyysin eteneminen Yksinkertaisen analyysin työvaiheet Sekvenssien valinta Sisäryhmän valinta ja ulkoryhmän käyttö Evolutiivisen mallin valinta ja sekvenssien rinnastaminen Analyysimenetelmän valinta Tuloksen luotettavuuden arviointi Evoluutiomallit Mikä on evoluutiomalli? Mihin evoluutiomallia käytetään? Aminohapposekvensseille sopivat evoluutiomallit DNA-sekvensseille soveltuvat evoluutiomallit Parsimoniamenetelmä ja evoluutiomalli Aukkokohtien käsittely Etäisyysmenetelmät Mitä etäisyysmenetelmät ovat Ultrametriset puut UPGMA ja WPGMA Additiiviset puut

11 Sisältö Minimievoluutiomenetelmä Neighbor-joining Pienimmän neliösumman menetelmät Molekyylisystematiikka ja etäisyysmenetelmät Etäisyyspuun luotettavuuden arviointi Molekyylikello-oletuksen testaaminen etäisyysmenetelmin Laskennalliset esimerkit Parittaisten etäisyyksien laskeminen Puun muodostaminen UPGMA-menetelmällä Parsimoniamenetelmä Mikä on parsimoniamenetelmä? Parsimoniapuun muodostamisen periaate Hennigin argumentaatio Wagnerin menetelmä Wagnerin kaava Optimaalisuuskriteeri Wagnerin optimaalisuuskriteeri Fitchin optimaalisuuskriteeri Dollon optimaalisuuskriteeri Camin-Sokalin optimaalisuuskriteeri Yleistetty optimaalisuuskriteeri Lyhyimmän mahdollisen puun etsintä Muodostettujen puiden kuvailu ja vertailu Puun pituus Yhdenmukaisuusindeksi Synapomorfiaindeksi Muokattu yhdenmukaisuusindeksi Indeksien ongelmista Ominaisuuksien painotus analyysissä Suurimman uskottavuuden menetelmä ja bayesilainen menetelmä Mitä ovat suurimman uskottavuuden menetelmät? Uskottavuuden käyttö todennäköisyyden arviointiin Puun uskottavuuden laskeminen Evoluutiomallin määrittäminen DNA-sekvensseille Uskottavuuden laskeminen Kahden taksonin puu Kolmen taksonin puu Neljän taksonin puun uskottavuuden laskeminen Ominaisuuksien evoluutionopeuden vaihtelun ottaminen huomioon Evoluutiomallin määrittäminen aminohapposekvensseille Kuinka paras puu löydetään Mitä ovat bayesilaiset menetelmät? Superpuumenetelmät Mitä superpuumenetelmät ovat? Olemassa olevat superpuumenetelmät MRP-menetelmän periaate MRP-menetelmän muunnokset Menetelmän edut

12 12 Bioinformatiikan perusteet 19.6 MRP-menetelmään kohdistettu kritiikki Parhaan puun etsiminen ja puun uudelleenjärjestelymenetelmät Mitä puun uudelleenjärjestelymenetelmät ovat? Menetelmien käyttö Perinteinen haku Uudempia menetelmiä käyttävä haku Miten menetelmät toimivat? Täydellinen haku Rajattu haku Nearest neighbor interchange Subtree pruning and regrafting Tree bisection and reconnection Ratchet Tree fusing Tree-drifting Sectorial searches Random sectorial search (RSS) Consensus-based sectorial searches (CSS) Mixed sectorial searches (MSS) Superpuumenetelmät Puun luotettavuuden arviointi, konsensuspuut ja tilastolliset testit Puun luotettavuuden arviointi Bootstrapping Jackknifing Bremerin tukiarvo Puun pituuksien jakauma (DCL) Permutaatiohännäntodennäköisyys (PTP) Topologia-riippuvainen permutaatiohännäntodennäköisyys (T-PTP) Parametrinen bootstrapping Konsensuspuut Strict konsensus Semi-strict konsensus Majority-rule konsensus Nelson-konsensus Adams-konsensus Agreement subtrees Tilastolliset testit Kishino-Hasegawa Templeton Todennäköisyysosamäärätesti Puiden välinen etäisyys Symmetrinen etäisyys Pituuseroetäisyys Incongruence lenght difference Likelihood heterogeneity test Molekyylisystematiikan avoimia kysymyksiä Taksonominen vai ominaisuuksien yhteensopivuus? Erillinen analyysi

13 Sisältö Yhdistetty analyysi Ehdollinen aineistojen yhdistäminen Käytännön ehdotuksia Analyysiin DNA- vai proteiinisekvenssit? Long branch attraction Taksoniotanta ja häly - miten ne vaikuttavat analyysiin? Taksoniotanta Häly Sekvenssirinnastus ja POY Perinteinen lähestymistapa POY:n ratkaisumalli Optimointikohdistus (direct optimization) Fixed-states optimization Iterative-pass optimization Suosituksia Proteiinia koodaavat geenit Ribosomaalinen-RNA Aminohapposekvenssit Pseudogeenit Puu vai verkosto? Menetelmän valinta - simulaatiotutkimusten tuloksia Muutamia julkaistuja tuloksia Yhteenveto IV Genomiikka ja proteomiikka PCR-alukkeiden suunnittelu Miten alukkeet liittyvät bioinformatiikkaan? PCR-RFLP-menetelmien teoria Alukkeiden suunnitteleminen käsin Esimerkki alukkeiden suunnittelusta Alukkeiden suunnitteleminen tietokoneella Pistemutaatioiden etsintä ja niiden sovellukset Mitä ovat pistemutaatiot Seulonta tietokannoista EST-sekvenssien hakeminen EMBL-tietokannasta Tulosten tulkinta Edistyneempi tulkintamenetelmä Aminohappomuutokset ovat kiinnostavimpia Jatkotutkimukset Pistemutaatiot ja populaatiogenetiikka Geenikartoitus Farmakogenetiikka Tuntemattoman sekvenssin toiminnan selvittäminen Mihin toiminnan selvittäminen perustuu? BLAST-haku Tunnistetietokannat Fylogeneettinen analyysi

14 14 Bioinformatiikan perusteet 25.5 Ortologisten geenien luokittelu Geeniontologia DNA-sirut Promoottorianalyysi Mitä promoottorit ovat? Miten promoottorisekvenssejä analysoidaan? Promoottorisekvenssin hankkiminen Tunnettujen transkriptiofaktoreiden sitoutumiskohtien esittäminen ja etsiminen Miten parantaa haun spesifisyyttä? DNA-sirutulokset Fylogeneettiset jalanjäljet Modulit Tuntemattomien sitoutumiskohtien etsiminen Yhteisten piirteiden etsinnän sensitiivisyyden parantaminen DNA-siruanalyysi Mitä DNA-sirut ovat? DNA-sirujen valmistus DNA-sirujen käyttäminen Data-analyysi Koesuunnittelu Esikäsittely Suodatus Ilmentyneiden geenien löytäminen Tulosten visualisointi Jatkotutkimukset Tulosten julkaiseminen RNA:n sekundäärirakenteen ennustaminen Mihin RNA:n rakenteen ennustamista käytetään? RNA:ssa esiintyviä sekundäärirakenteita Miten sekundäärirakenteita ennustetaan? Minimienergiaperiaate Kovariaatiomenetelmä Geenirakenteen ennustaminen Mitä menetelmiä geenirakenteen ennustamiseen voidaan käyttää? Translaatio ja validointi Fickettin menetelmä Kodoniharhaan perustuva testi DNA:ta jäsentävien alueiden paikantaminen Esitumallisten geenien ennustaminen Aitotumallisten geenien ennustaminen Ennustusmenetelmien tarkkuus Vertaileva genomiikka Mitä on vertaileva genomiikka? DNA-sekvenssin konservoituminen Geenirakenteen säilyminen Rakenne-DNA:n säilyminen

15 Sisältö Neutraalievoluution alueiden tunnistaminen Ihmisen ja hiiren vertailuista opittua Geeni- ja genomiduplikaatiot Geeniduplikaatiot Genomiduplikaatiot Eliöiden geenisisältö Horisontaalinen geeninsiirto Geenijärjestyksen säilyminen Vertaileva genomiikka ja lääketiede Rokotteiden kehittäminen Lääkeaineiden kehittäminen Proteomiikka Mitä on proteomiikka? Proteiinien ilmentymisen tutkiminen D-geelielektroforeesi Massaspektrometria Proteiinisirut Proteiinimallitus Homologiamallitus Ab initio-mallitus Rakenneprofiilimenetelmä Laskostaminen V Liitteet Lukujen tiivistelmät Johdanto ja bioinformatiikan historia Laskennallisen biologian perusteet Esiteltävien menetelmien sovellusalueet Sekvensointi ja DNA-sekvenssit Biotietokannat Pisteytysmatriisit Aukkosakot Kahden sekvenssin rinnastus Sekvenssihaut Usean sekvenssin rinnastus PCR-alukkeiden suunnittelu Pistemutaatioiden seulonta tietokannoista DNA-sekvenssien ominaisuuksien sevlittäminen Aminohapposekvenssin ominaisuuksien selvittäminen Tuntemattoman sekvenssin toiminnan selvittäminen Johdatus molekyylisystematiikkaan Tavanomaisen analyysin eteneminen Evoluutiomallit Etäisyysmenetelmät Parsimoniamenetelmä Suurimman uskottavuuden menetelmät ja bayesilaiset menetelmät Superpuumenetelmät Parhaan puun löytäminen ja uudelleenjärjestelymenetelmät.. 344

16 16 Bioinformatiikan perusteet Puun luotettavuuden arviointi ja konsensuspuut Molekyylisystematiikan avoimia kysymyksiä Promoottorianalyysi DNA-sirut RNA:n sekundäärirakenteen selvittäminen Geenirakenteen ennustaminen Vertaileva genomiikka Proteomiikka Harjoitustehtävät Sekvenssirinnastukset Fylogenetiikka Alukkeiden suunnittelu Sanasto Kirjallisuus Artikkeliviitteet Kirjaviitteet Hakemisto 367

17 Osa I Johdanto

18 18 Bioinformatiikan perusteet 1 Johdanto 1.1 Mitä on bioinformatiikka? Bioinformatiikan kehitys itsenäiseksi tieteenalaksi alkoi, kun ensimmäiset biologiset tietokannat paisuivat niin suuriksi, että niissä olevan tiedon etsimiseksi ja analysoimiseksi tarvittiin tietokoneistettuja ratkaisuja. Suurten aineistojen käsittelyyn luotiin myös tehokkaita algoritmeja. Erityisesti viime vuosina tietokannat ovat kasvaneet kiihtyvää vauhtia, ja kasvu jatkunee lähitulevaisuudessakin (Kuva 1.1). Tietokoneiden ja intenetin käyttö on nykyisin bioinformatiikassa keskeisellä sijalla. Voidaan sanoa, että ilman tietokoneita ja internetiä ei nykyaikaista bioinformatiikkaakaan olisi olemassa. Bioinformatiikan määritelmä ei ole toistaiseksi vakiintunut. Varsin kaikenkattavan määritelmän mukaan bioinformatiikka on informaatiotieteen ja biologian yhtymäkohtaan syntynyt tieteenala. Bioinformatiikkaan voidaan katsoa myös alaksi, jonka tarkoituksena on kehittää biologisten ongelmien ratkaisemiseen soveltuvia tietoteknisiä välineitä. Kolmannen määritelmän mukaan bioinformatiikalla käsitetään informaatioteknologia ja sen menetelmät, joita käytetään biologisen datan tallentamiseen, ylläpitämiseen ja analysoimiseen. Lisäksi bioinformatiikan katsotaan usein kuuluvan osaksi laskennallista biologiaa. Bioinformatiikan määritelmää on pohdittu laajemmaltikin. Luscomben (2001) mukaan bioinformatiikalla on kolme pyrkimystä. Yksinkertaisimmillaan bioinformatiikka organisoi aineistoa siten, että se saadaan tutkijoiden saataville, ja että he voivat liittää tähän informaatioon omia tuloksiaan. Tyypillisiä esimerkkejä tästä ovat esimerkiksi sekvenssitietokanta GenBank, johon on kerätty sekvenssejä jo yli parikymmentä vuotta, ja ArrayExpress, joka ottaa Euroopassa vastaan DNAmikrosiru-dataa. Toisena tavoitteena on kehittää työkaluja, jotka auttavat tutkijoita aineistojen analysoinnissa. Kolmantena päämääränä on käyttää näitä työkaluja ja tietoresursseja aineistojen analysointiin siten, että tulokset voidaan tulkita biologisesti mielekkäästi. Helsingin yliopistossa geneettinen bioinformatiikka määritellään lisäksi seuraavasti. Geneettinen bioinformatiikka on perinnöllisyystieteen eli genetiikan osaalue, joka on keskeisessä asemassa lähes kaikessa modernissa genetiikassa. Geneettinen tutkimus ja sen kautta koko biologia on viimeisen vuosikymmenen aikana kokenut valtavan mullistuksen uusien genomitason menetelmien myötä. Nämä uudet funktionaalisen genomiikan työkalut mahdollistavat geenitoiminnan ymmärtämisen, geenien ilmenemisestä siitä seuraavien aineenvaihdunnan muutosten kokonaisvaltaiseen tunnistamiseen koko genomin tasolla. Tällaiset systeemitason lähestymistavat tuottavat valtavasti tietoa, jonka täysimittainen hyödyntäminen vaatii bioinformatiikan menetelmiä, ja geneettinen bioinformatiikka onkin viime vuosina noussut keskeiseksi osaksi geneettistä tutkimusta. Genomitason sekvenssitiedon käsittely vaatii aina bioinformatiikan menetelmiä. Geneettisen bioinformatiikan tutkimuskohteina voi olla esimerkiksi tautigeenien identifiointi ihmisellä, geenien säätelyelementtien tunnistus genomisekvensseistä, geenien ja geeniperheiden fylogeneettinen analyysi, genomien evoluution tutkimus tai geenien ilmenemisen tutkiminen koko genomin tasolla. [professori Tapio Palva ]

19 1 Johdanto 19 Kuva 1.1: GenBank-nukleotiditietokannan uusimman julkaisun koko lajeittain ja tietokannan koon kasvu parin vuosikymmenen aikana. Tietokannasta yli 2/3 koostuu ihmisen tai laboratoriojyrsijöiden sekvensseistä.

20 20 Bioinformatiikan perusteet Perinteinen bioinformatiikan määritelmä on sisältänyt ainoastaan sekvenssianalytiikan, ja senkin suhteellisen suppeassa muodossa, käsittäen ainoastaan DNAja aminohapposekvensseihin liittyvät primäärianalyysit, kuten BLAST-haut ja parittaiset sekä usean sekvenssin rinnastukset, muttei esimerkiksi promoottorianalyysia. Lavean määritelmän mukaan bioinformatiikka sisältää myös genomiikan, toiminnallisen genomiikan (muun muassa polymorfia-analyysit, ekspressiotutkimukset ja proteomiikka) ja uutena suuntauksena kirjallisuuden louhinnan, mikä laajentaa bioinformatiikan määritelmän kattamaan pitkälti myös erilaisten biologisten aineistojen tilastotieteellisiä analyysivaiheita. Nykyisin bioinformatiikka on läheisesti kosketuksissa monien sitä soveltavien alojen tutkimuksen kanssa. Esimerkiksi molekyylisystematiikan, proteiinien kiderakenteiden analysoinnin, ja geenikartoituksen katsotaan nykyisin kuluvan bioinformatiikan kenttään. Hyvin läheisiä aloja ovat myös molekyyliepidemiologia, joka kytkeytyy bioinformatiikkaan erityisesti tutkittaessa ihmisten perinnöllistä monimuotoisuutta, ja tiedonlouhinta, joka tarkoittaa lähinnä tilastollisten mallien soveltamista moniulotteisten ja monia muuttujia sekä paljon aineistoa sisältävien biologisten tutkimusten analysointiin. Koska bioinformatiikan tutkimuskenttä on näin laaja, ei sen yksiselitteinen määritteleminen ole helppoa. Yhtäkaikki, mainittuja tutkimuskohteita yhdistää kaksi tekijää: ne kaikki liittyvät biologiaan ja niihin liittyvien ongelmien ratkaisemiseen tarvitaan tietokonetta. 1.2 Keitä bioinformaatikot ovat? Perinteisen käsityksen mukaan bioinformaatikko on henkilö, joka osaa sekä biologiaa että tietojenkäsittelytiedettä niin, että hän kykenee kehittämään uusia hyödyllisiä työkaluja biologisten ongelmien ratkaisemiseksi. Toinen vaihtoehto on jakaa bioinformaatikot osaamistason mukaan eri luokkiin (Hack, 2005). 1. Superkäyttäjiksi kutsutaan henkilöitä, jotka tuntevat laajan valikoiman ohjelmia tai ohjelmistoja, ja heillä on peruskäsitys siitä, miten eri parametrien muokkaaminen vaikuttaa tuloksiin. Heillä ei kuitenkaan välttämättä ole ohjelmointi- tai tietokantakehityskokemusta. Tilastotieteen tuntemus rajoittuu perusteisiin. 2. Tehokäyttäjiksi voitaisiin katsoa henkilöt, joilla on hyvä ymmärrys eri parametrien vaikutuksesta ohjelmien antamiin tuloksiin, ja jotka osaavat kirjoittaa skriptejä, joilla ohjelmat voidaan liittää tietokantoihin tai toisiinsa analyysiputkien luomiseksi ja jotka kehittävät tietokantoja. Tilastotieteellinen osaaminen on laajaa ja sitä osataan soveltaa monien biologisten ongelmien selvittämiseen. 3. Bioinformaatikoita leimaa ohjelmakehitykseen osallistuminen, algoritmien ja mallien kehitys sekä tiedonlouhintamenetelmien soveltaminen biologisten aineistojen analysointiin. Hackin jaottelun mukaan useimmat biologit sijoittunevat ryhmiin 1 ja 2, ja pääosin vain insinöörit ja tietokäsittelytieteilijät saavuttavat ryhmää 3 vastaavan osaamistason. Viime vuosina bioinformatiikan ongelmiin on kuitenkin jo kehitetty niin monia tietokoneistettuja ratkaisuja, että ohjelmointitaitojen sijaan näiden työkalujen tuntemus alkaa korostua. Yksinkertaisella Internet-haulla on usein mahdollista löytää useita tietyn ongelman ratkaisemiseen kehitettyjä ohjelmistoja. On kuitenkin tilanteita, jolloin ohjelmointitaidoista on selvää hyötyä, sillä kaikkien ongelmien ratkaisemiseen ei ole vielä olemassa valmiita työkaluja.

21 1 Johdanto Bioinformatiikan merkitys biologiassa Bioinformatiikan perimmäinen tarkoitus on selvittää biologisia ilmiöitä. Vaikka bioinformatiikka onkin itsenäinen tieteenala, on sillä lisäksi nykyisessä molekyylibiologisessa tutkimuksessa erittäin suuri välinearvo. Bioinformatiikkaa ei voi tehdä biologiasta irrallaan, joten alan tutkimuksen pääpaino onkin työkalujen kehittämisessä rajattujen biologisten ongelmien ratkaisemiseksi. Bioinformatiikka on työkalu, ei päämäärä sinänsä, vaikka osa tutkimuksesta on kohdennettukin biologia suoranaisesti varsin vähän hyödyttäviin hankkeisiin. Bioinformatiikan avulla on mahdollista hahmottaa, kuinka eliöt rakentuvat, kehittyvät ja toimivat, ja kuinka ne muuttuvat aikojen saatossa. Tämä ei ole välttämättä helppoa. Esimerkiksi tuntemattomien geenien ennustaminen DNA-sekvenssistä tietokoneen avustuksella on edelleen jokseenkin epävarmaa. Vielä ei myöskään osata täydellisesti ennustaa hnrna:n (heterogenous nuclear RNA) silmikointikohtia tai proteiinin laskostumista aminohapposekvenssin perusteella. Bioinformatiikan ansiosta muun muassa näiden ongelmien ratkaisussa on kuitenkin huomattavasti edistytty. Tuntemattomien geenien lukuraami selviää nykyisin noin 75% tapauksista, ja intronien ja eksonien väliset rajatkin noin 90% aitotumallisten geeneistä pelkällä tietokoneanalyysillä. On kuitenkin hyvin tärkeää muistaa, että tietokoneanalyysillä ei voida todistaa, miten esimerkiksi proteiinit toimivat soluissa. Bioinformatiikka tarjoaa työkaluja valistuneiden arvausten tekemiseksi, mutta viimekädessä arvaukset on todennettava laboratoriomenetelmin. Biologinen data on hyvin moniulotteista. Esimerkiksi DNA-sirulla oleva täplä voidaan yhdistää sen fluoressenssin voimakkuuteen, mutta myös DNA-juosteen sekvenssiin ja sitä vastaavan proteiinin rakenteeseen ja toimintaan. Näin monimutkaisia verkostoja muodostavan aineiston pukeminen helposti käsiteltävään muotoon, saati sen analysoiminen ei ole yksinkertaista. Apua tällaisten biologisten ongelmien ratkaisemiseen tarvitaan niin tietojenkäsittelijöiltä kuin tilastotieteilijöiltäkin. DNA-sekvenssien, geenisäätelyverkkojen ja biokemiallisten aineistojen yhdistäminen tulee luultavasti olemaan vielä useiden bioinformaatikkosukupolvien työmaana.

Bioinformatiikan perusteet

Bioinformatiikan perusteet Bioinformatiikan perusteet Bioinformatiikan perusteet Jarno Tuimala Tieteen tietotekniikan keskus CSC Tämän teoksen tekijänoikeudet kuuluvat Jarno Tuimalalle ja Tieteellinen Laskenta Oy:lle. Teoksen tai

Lisätiedot

Ongelma(t): Miten merkkijonoja voidaan hakea tehokkaasti? Millaisia hakuongelmia liittyy bioinformatiikkaan?

Ongelma(t): Miten merkkijonoja voidaan hakea tehokkaasti? Millaisia hakuongelmia liittyy bioinformatiikkaan? Ongelma(t): Miten merkkijonoja voidaan hakea tehokkaasti? Millaisia hakuongelmia liittyy bioinformatiikkaan? 2012-2013 Lasse Lensu 2 Ihmisen, eläinten ja kasvien hyvinvoinnin kannalta nykyaikaiset mittaus-,

Lisätiedot

Bioteknologian perustyökaluja

Bioteknologian perustyökaluja Bioteknologian perustyökaluja DNAn ja RNAn eristäminen helppoa. Puhdistaminen työlästä (DNA pestään lukuisilla liuottimilla). Myös lähetti-rnat voidaan eristää ja muuntaa virusten käänteiskopioijaentsyymin

Lisätiedot

Määrittelydokumentti

Määrittelydokumentti Määrittelydokumentti Aineopintojen harjoitustyö: Tietorakenteet ja algoritmit (alkukesä) Sami Korhonen 014021868 sami.korhonen@helsinki. Tietojenkäsittelytieteen laitos Helsingin yliopisto 23. kesäkuuta

Lisätiedot

811312A Tietorakenteet ja algoritmit 2015-2016. I Johdanto

811312A Tietorakenteet ja algoritmit 2015-2016. I Johdanto 811312A Tietorakenteet ja algoritmit 2015-2016 I Johdanto Sisältö 1. Algoritmeista ja tietorakenteista 2. Algoritmien analyysistä 811312A TRA, Johdanto 2 I.1. Algoritmeista ja tietorakenteista I.1.1. Algoritmien

Lisätiedot

Sekvenssien rinnastus. Rinnastus: helppoa tai vaikeaa

Sekvenssien rinnastus. Rinnastus: helppoa tai vaikeaa Sekvenssien rinnastus Rinnastus: helppoa tai vaikeaa Kaksi tai useampia (DNA tai proteiini) sekvenssejä: miten samankaltaisia sekvenssit ovat missä sekvenssikohdissa samankaltaisuutta esiintyy Kattava

Lisätiedot

Kombinatorinen optimointi

Kombinatorinen optimointi Kombinatorinen optimointi Sallittujen pisteiden lukumäärä on äärellinen Periaatteessa ratkaisu löydetään käymällä läpi kaikki pisteet Käytännössä lukumäärä on niin suuri, että tämä on mahdotonta Usein

Lisätiedot

13.11. Tulosten arviointi. tulosten arviointi. voimmeko luottaa saamiimme tuloksiin?

13.11. Tulosten arviointi. tulosten arviointi. voimmeko luottaa saamiimme tuloksiin? 13.11. tulosten arviointi Tulosten arviointi voimmeko luottaa saamiimme tuloksiin? onko osa saaduista tuloksista sattumanvaraisia? mitkä OSAT puusta ovat luotettavimpia? 1 KONSENSUSDIAGRAMMI Useita yhtä

Lisätiedot

Perinnöllisyyden perusteita

Perinnöllisyyden perusteita Perinnöllisyyden perusteita Eero Lukkari Tämä artikkeli kertoo perinnöllisyyden perusmekanismeista johdantona muille jalostus- ja terveysaiheisille artikkeleille. Koirien, kuten muidenkin eliöiden, perimä

Lisätiedot

Luku 6. Dynaaminen ohjelmointi. 6.1 Funktion muisti

Luku 6. Dynaaminen ohjelmointi. 6.1 Funktion muisti Luku 6 Dynaaminen ohjelmointi Dynaamisessa ohjelmoinnissa on ideana jakaa ongelman ratkaisu pienempiin osaongelmiin, jotka voidaan ratkaista toisistaan riippumattomasti. Jokaisen osaongelman ratkaisu tallennetaan

Lisätiedot

DNA:n informaation kulku, koostumus

DNA:n informaation kulku, koostumus DNA:n informaation kulku, koostumus KOOSTUMUS Elävien bio-organismien koostumus. Vety, hiili, happi ja typpi muodostavat yli 99% orgaanisten molekyylien rakenneosista. Biomolekyylit voidaan pääosin jakaa

Lisätiedot

v 8 v 9 v 5 C v 3 v 4

v 8 v 9 v 5 C v 3 v 4 Verkot Verkko on (äärellinen) matemaattinen malli, joka koostuu pisteistä ja pisteitä toisiinsa yhdistävistä viivoista. Jokainen viiva yhdistää kaksi pistettä, jotka ovat viivan päätepisteitä. Esimerkiksi

Lisätiedot

1 Kannat ja kannanvaihto

1 Kannat ja kannanvaihto 1 Kannat ja kannanvaihto 1.1 Koordinaattivektori Oletetaan, että V on K-vektoriavaruus, jolla on kanta S = (v 1, v 2,..., v n ). Avaruuden V vektori v voidaan kirjoittaa kannan vektorien lineaarikombinaationa:

Lisätiedot

Implementation of Selected Metaheuristics to the Travelling Salesman Problem (valmiin työn esittely)

Implementation of Selected Metaheuristics to the Travelling Salesman Problem (valmiin työn esittely) Implementation of Selected Metaheuristics to the Travelling Salesman Problem (valmiin työn esittely) Jari Hast xx.12.2013 Ohjaaja: Harri Ehtamo Valvoja: Hari Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

SUDOKU - ratkaisuohjeet. Jarno Tuimala 18.9.2005

SUDOKU - ratkaisuohjeet. Jarno Tuimala 18.9.2005 SUDOKU - ratkaisuohjeet Jarno Tuimala 18.9.2005 Japanilainen sudoku Seuraavassa on esitetty ohjeet japanilaistyyppisten sudoku-ristikoiden ratkontaan. Japanilaisia ristikoita luonnehtivat seuraavat piirteet:

Lisätiedot

Harjoitus 9: Excel - Tilastollinen analyysi

Harjoitus 9: Excel - Tilastollinen analyysi Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin

Lisätiedot

Metsäpatologian laboratorio tuhotutkimuksen apuna. Metsätaimitarhapäivät 23. 24.1.2014 Anne Uimari

Metsäpatologian laboratorio tuhotutkimuksen apuna. Metsätaimitarhapäivät 23. 24.1.2014 Anne Uimari Metsäpatologian laboratorio tuhotutkimuksen apuna Metsätaimitarhapäivät 23. 24.1.2014 Anne Uimari Metsäpuiden vaivat Metsäpuiden eloa ja terveyttä uhkaavat monet taudinaiheuttajat: Bioottiset taudinaiheuttajat

Lisätiedot

Geenitekniikan perusmenetelmät

Geenitekniikan perusmenetelmät Loppukurssikoe To klo 14-16 2 osiota: monivalintatehtäväosio ja kirjallinen osio, jossa vastataan kahteen kysymykseen viidestä. Koe on auki klo 14.05-16. Voit tehdä sen oppitunnilla, jolloin saat tarvittaessa

Lisätiedot

52739 Bioinformatiikan perusteet Kevät 2013

52739 Bioinformatiikan perusteet Kevät 2013 52739 Bioinformatiikan perusteet Kevät 2013 Petri Törönen Materiaalia kommentoineet: Pekka Kohonen, Petri Auvinen, Liisa Holm Kiitokset Päivi Onkamo äitiyslomalla Petri Törönen tuuraamassa Email: petri

Lisätiedot

Energiatehokkuutta parantavien materiaalien tutkimus. Antti Karttunen Nuorten Akatemiaklubi 2010 01 18

Energiatehokkuutta parantavien materiaalien tutkimus. Antti Karttunen Nuorten Akatemiaklubi 2010 01 18 Energiatehokkuutta parantavien materiaalien tutkimus Antti Karttunen Nuorten Akatemiaklubi 2010 01 18 Sisältö Tutkimusmenetelmät: Laskennallinen materiaalitutkimus teoreettisen kemian menetelmillä Esimerkki

Lisätiedot

TIE448 Kääntäjätekniikka, syksy 2009. Antti-Juhani Kaijanaho. 7. joulukuuta 2009

TIE448 Kääntäjätekniikka, syksy 2009. Antti-Juhani Kaijanaho. 7. joulukuuta 2009 TIE448 Kääntäjätekniikka, syksy 2009 Antti-Juhani Kaijanaho TIETOTEKNIIKAN LAITOS 7. joulukuuta 2009 Sisällys Sisällys Seuraava deadline Vaihe F maanantai 14.12. klo 12 rekisteriallokaatio Arvostelukappale

Lisätiedot

Matemaatikot ja tilastotieteilijät

Matemaatikot ja tilastotieteilijät Matemaatikot ja tilastotieteilijät Matematiikka/tilastotiede ammattina Tilastotiede on matematiikan osa-alue, lähinnä todennäköisyyslaskentaa, mutta se on myös itsenäinen tieteenala. Tilastotieteen tutkijat

Lisätiedot

Johdatus tekoälyyn. Luento 6.10.2011: Koneoppiminen. Patrik Hoyer. [ Kysykää ja kommentoikaa luennon aikana! ]

Johdatus tekoälyyn. Luento 6.10.2011: Koneoppiminen. Patrik Hoyer. [ Kysykää ja kommentoikaa luennon aikana! ] Johdatus tekoälyyn Luento 6.10.2011: Koneoppiminen Patrik Hoyer [ Kysykää ja kommentoikaa luennon aikana! ] Koneoppiminen? Määritelmä: kone = tietokone, tietokoneohjelma oppiminen = ongelmanratkaisukyvyn

Lisätiedot

Siltaaminen: Piaget Matematiikka Inductive Reasoning OPS Liikennemerkit, Eläinten luokittelu

Siltaaminen: Piaget Matematiikka Inductive Reasoning OPS Liikennemerkit, Eläinten luokittelu Harjoite 2 Tavoiteltava toiminta: Materiaalit: Eteneminen: TUTUSTUTAAN OMINAISUUS- JA Toiminnan tavoite ja kuvaus: SUHDETEHTÄVIEN TUNNISTAMISEEN Kognitiivinen taso: IR: Toiminnallinen taso: Sosiaalinen

Lisätiedot

Kvantitatiivisen PCR:n käyttö mikrobivaurion toteamisessa

Kvantitatiivisen PCR:n käyttö mikrobivaurion toteamisessa Kvantitatiivisen PCR:n käyttö mikrobivaurion toteamisessa Maria Valkonen, Kaisa Jalkanen, Martin Täubel, Anne Hyvärinen 31.3.2014 Sisäilmastoseminaari 2014 1 Tausta Asumisterveysoppaan mukaiset sisäympäristön

Lisätiedot

1. (a) Seuraava algoritmi tutkii, onko jokin luku taulukossa monta kertaa:

1. (a) Seuraava algoritmi tutkii, onko jokin luku taulukossa monta kertaa: Tietorakenteet, laskuharjoitus 10, ratkaisuja 1. (a) Seuraava algoritmi tutkii, onko jokin luku taulukossa monta kertaa: SamaLuku(T ) 2 for i = 1 to T.length 1 3 if T [i] == T [i + 1] 4 return True 5 return

Lisätiedot

Uudelleenkäytön jako kahteen

Uudelleenkäytön jako kahteen Uudelleenkäyttö Yleistä On pyritty pääsemään vakiokomponenttien käyttöön Kuitenkin vakiokomponentit yleistyneet vain rajallisilla osa-alueilla (esim. windows-käyttöliittymä) On arvioitu, että 60-80% ohjelmistosta

Lisätiedot

Evoluutiopuu. Aluksi. Avainsanat: biomatematiikka, päättely, kombinatoriikka, verkot. Luokkataso: 6.-9. luokka, lukio

Evoluutiopuu. Aluksi. Avainsanat: biomatematiikka, päättely, kombinatoriikka, verkot. Luokkataso: 6.-9. luokka, lukio Evoluutiopuu Avainsanat: biomatematiikka, päättely, kombinatoriikka, verkot Luokkataso: 6.-9. luokka, lukio Välineet: loogiset palat, paperia, kyniä Kuvaus: Tehtävässä tutkitaan bakteerien evoluutiota.

Lisätiedot

Optimoinnin sovellukset

Optimoinnin sovellukset Optimoinnin sovellukset Timo Ranta Tutkijatohtori TTY Porin laitos OPTIMI 4.12.2014 Mitä optimointi on? Parhaan ratkaisun systemaattinen etsintä kaikkien mahdollisten ratkaisujen joukosta Tieteellinen

Lisätiedot

Biologia. Pakolliset kurssit. 1. Eliömaailma (BI1)

Biologia. Pakolliset kurssit. 1. Eliömaailma (BI1) Biologia Pakolliset kurssit 1. Eliömaailma (BI1) tuntee elämän tunnusmerkit ja perusedellytykset sekä tietää, miten elämän ilmiöitä tutkitaan ymmärtää, mitä luonnon monimuotoisuus biosysteemien eri tasoilla

Lisätiedot

Algoritmit 1. Luento 10 Ke 11.2.2015. Timo Männikkö

Algoritmit 1. Luento 10 Ke 11.2.2015. Timo Männikkö Algoritmit 1 Luento 10 Ke 11.2.2015 Timo Männikkö Luento 10 Algoritminen ongelman ratkaisu Suunnittelumenetelmät Raaka voima Järjestäminen eli lajittelu Kuplalajittelu Väliinsijoituslajittelu Valintalajittelu

Lisätiedot

Sukunimi 26. 05. 2005 Etunimet Tehtävä 3 Pisteet / 20

Sukunimi 26. 05. 2005 Etunimet Tehtävä 3 Pisteet / 20 Helsingin yliopisto/tampereen yliopisto Henkilötunnus - Biokemian/bioteknologian valintakoe Sukunimi 26. 05. 2005 Etunimet Tehtävä 3 Pisteet / 20 3: Osa 1 Tumallisten solujen genomin toiminnassa sekä geenien

Lisätiedot

Peptidi ---- F ----- K ----- V ----- R ----- H ----- A ---- A. Siirtäjä-RNA:n (trna:n) (3 ) AAG UUC CAC GCA GUG CGU (5 ) antikodonit

Peptidi ---- F ----- K ----- V ----- R ----- H ----- A ---- A. Siirtäjä-RNA:n (trna:n) (3 ) AAG UUC CAC GCA GUG CGU (5 ) antikodonit Helsingin yliopisto/tampereen yliopisto Henkilötunnus - Biokemian/bioteknologian valintakoe Sukunimi 24.5.2006 Etunimet Tehtävä 3 Pisteet / 20 Osa 1: Haluat selvittää -- F -- K -- V -- R -- H -- A peptidiä

Lisätiedot

n! k!(n k)! n = Binomikerroin voidaan laskea pelkästään yhteenlaskun avulla käyttäen allaolevia ns. palautuskaavoja.

n! k!(n k)! n = Binomikerroin voidaan laskea pelkästään yhteenlaskun avulla käyttäen allaolevia ns. palautuskaavoja. IsoInt Tietokoneiden muisti koostuu yksittäisistä muistisanoista, jotka nykyaikaisissa koneissa ovat 64 bitin pituisia. Muistisanan koko asettaa teknisen rajoituksen sille, kuinka suuria lukuja tietokone

Lisätiedot

Fylogeneettiset puut. Fylogeneettiset puut. UPGMA: esimerkki 2/2 UPGMA

Fylogeneettiset puut. Fylogeneettiset puut. UPGMA: esimerkki 2/2 UPGMA ylogeneettiset puut ylogeneettisen puun rakentaminen koostuu seuraavista vaiheista ) atan valinta (sekvenssi,piirredata) ) Sekvenssien linjaus 3) Puun rakentamismenetelmän/menetelmien valinta: - etäisyysmenetelmät

Lisätiedot

Rahastosalkun faktorimallin rakentaminen

Rahastosalkun faktorimallin rakentaminen Teknillinen korkeakoulu Mat 2.177 Operaatiotutkimuksen projektityöseminaari Kevät 2007 Evli Pankki Oyj Väliraportti 28.3.2007 Kristian Nikinmaa Markus Ehrnrooth Matti Ollila Richard Nordström Ville Niskanen

Lisätiedot

ohjelman arkkitehtuurista.

ohjelman arkkitehtuurista. 1 Legacy-järjestelmällä tarkoitetaan (mahdollisesti) vanhaa, olemassa olevaa ja käyttökelpoista ohjelmistoa, joka on toteutettu käyttäen vanhoja menetelmiä ja/tai ohjelmointikieliä, joiden tuntemus yrityksessä

Lisätiedot

1. OSA: MURTOLUVUT, JAOLLISUUS JA ARKIPÄIVÄN MATEMATIIKKAA

1. OSA: MURTOLUVUT, JAOLLISUUS JA ARKIPÄIVÄN MATEMATIIKKAA 1. OSA: MURTOLUVUT, JAOLLISUUS JA ARKIPÄIVÄN MATEMATIIKKAA Tekijät: Hellevi Kupila, Katja Leinonen, Tuomo Talala, Hanna Tuhkanen, Pekka Vaaraniemi Alkupala Seuraavien tehtävien tekemiseen tarvitset tulitikkuja

Lisätiedot

Arkkitehtuurikuvaus. Ratkaisu ohjelmistotuotelinjan monikielisyyden hallintaan Innofactor Oy. Ryhmä 14

Arkkitehtuurikuvaus. Ratkaisu ohjelmistotuotelinjan monikielisyyden hallintaan Innofactor Oy. Ryhmä 14 Arkkitehtuurikuvaus Ratkaisu ohjelmistotuotelinjan monikielisyyden hallintaan Innofactor Oy Ryhmä 14 Muutoshistoria Versio Pvm Päivittäjä Muutos 0.4 1.11.2007 Matti Eerola 0.3 18.10.2007 Matti Eerola 0.2

Lisätiedot

Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN... 8 2. TODENNÄKÖISYYS...

Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN... 8 2. TODENNÄKÖISYYS... Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN... 8 1.1 INDUKTIO JA DEDUKTIO... 9 1.2 SYYT JA VAIKUTUKSET... 11 TEHTÄVIÄ... 13

Lisätiedot

ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6

ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 Sisällysluettelo ALKUSANAT 4 ALKUSANAT E-KIRJA VERSIOON 5 SISÄLLYSLUETTELO 6 1 PERUSASIOITA JA AINEISTON SYÖTTÖ 8 11 PERUSNÄKYMÄ 8 12 AINEISTON SYÖTTÖ VERSIOSSA 9 8 Muuttujan määrittely versiossa 9 11

Lisätiedot

Tähtitieteen käytännön menetelmiä Kevät 2009

Tähtitieteen käytännön menetelmiä Kevät 2009 Tähtitieteen käytännön menetelmiä Kevät 2009 2009-01-12 Yleistä Luennot Luennoija hannu.p.parviainen@helsinki.fi Aikataulu Observatoriolla Maanantaisin 10.00-12.00 Ohjattua harjoittelua maanantaisin 9.00-10.00

Lisätiedot

PredictAD-hanke Kohti tehokkaampaa diagnostiikkaa Alzheimerin taudissa. Jyrki Lötjönen, johtava tutkija VTT

PredictAD-hanke Kohti tehokkaampaa diagnostiikkaa Alzheimerin taudissa. Jyrki Lötjönen, johtava tutkija VTT PredictAD-hanke Kohti tehokkaampaa diagnostiikkaa Alzheimerin taudissa Jyrki Lötjönen, johtava tutkija VTT 2 Alzheimerin taudin diagnostiikka Alzheimerin tauti on etenevä muistisairaus. Alzheimerin tauti

Lisätiedot

Ongelma(t): Mikä on Turingin kone? Miten Turingin kone liittyy funktioihin ja algoritmeihin? Miten Turingin kone liittyy tietokoneisiin?

Ongelma(t): Mikä on Turingin kone? Miten Turingin kone liittyy funktioihin ja algoritmeihin? Miten Turingin kone liittyy tietokoneisiin? Ongelma(t): Mikä on Turingin kone? Miten Turingin kone liittyy funktioihin ja algoritmeihin? Miten Turingin kone liittyy tietokoneisiin? 2013-2014 Lasse Lensu 2 Algoritmit ovat deterministisiä toimintaohjeita

Lisätiedot

Sisällönanalyysi. Sisältö

Sisällönanalyysi. Sisältö Sisällönanalyysi Kirsi Silius 14.4.2005 Sisältö Sisällönanalyysin kohde Aineistolähtöinen sisällönanalyysi Teoriaohjaava ja teorialähtöinen sisällönanalyysi Sisällönanalyysi kirjallisuuskatsauksessa 1

Lisätiedot

TUNNE ITSESI TYÖNHAKIJANA

TUNNE ITSESI TYÖNHAKIJANA TUNNE ITSESI TYÖNHAKIJANA Sisällysluettelo: 1. Johdanto 2. Omien taitojen tunnistaminen 3. Omista taidoista kertominen 4. Työnhaun viidakko 5. Miten ylläpitää motivaatiota? 6. Työntekijöiden terveisiä

Lisätiedot

811312A Tietorakenteet ja algoritmit, 2014-2015, Harjoitus 7, ratkaisu

811312A Tietorakenteet ja algoritmit, 2014-2015, Harjoitus 7, ratkaisu 832A Tietorakenteet ja algoritmit, 204-205, Harjoitus 7, ratkaisu Hajota ja hallitse-menetelmä: Tehtävä 7.. Muodosta hajota ja hallitse-menetelmää käyttäen algoritmi TULOSTA_PUU_LASKEVA, joka tulostaa

Lisätiedot

10. Painotetut graafit

10. Painotetut graafit 10. Painotetut graafit Esiintyy monesti sovelluksia, joita on kätevä esittää graafeina. Tällaisia ovat esim. tietoverkko tai maantieverkko. Näihin liittyy erinäisiä tekijöitä. Tietoverkkoja käytettäessä

Lisätiedot

Kukin kurssi voi sisältyä vain yhteen alemman tai ylemmän perustutkinnon moduuliin.

Kukin kurssi voi sisältyä vain yhteen alemman tai ylemmän perustutkinnon moduuliin. Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Johanna Bovellán/6.3.2009 LPM-listojen (tfm:n lista kn 24.2., tdk 10.3.) perusteella tehdyt muutokset moduuleihin on merkitty viivaamalla yli vanhat

Lisätiedot

Ohjelmien automaattisen verifioinnin reunamailla

Ohjelmien automaattisen verifioinnin reunamailla Ohjelmien automaattisen verifioinnin reunamailla Antti Siirtola Tietotekniikan laitos, Perustieteiden korkeakoulu, Aalto-yliopisto, antti.siirtola@aalto.fi Suomalainen Tiedeakatemia, Nuorten akatemiaklubi,

Lisätiedot

Mitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto

Mitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto Mitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto Määritelmiä Laadullinen tutkimus voidaan määritellä eri tavoin eri lähtökohdista Voidaan esimerkiksi korostaa sen juuria antropologiasta

Lisätiedot

Epione Valmennus 2015. Ensimmäinen painos. www.epione.fi. ISBN 978-952-5723-41-0 Painopaikka: Kopijyvä Oy, Kuopio 2015

Epione Valmennus 2015. Ensimmäinen painos. www.epione.fi. ISBN 978-952-5723-41-0 Painopaikka: Kopijyvä Oy, Kuopio 2015 1 Epione Valmennus 2015. Ensimmäinen painos. www.epione.fi ISBN 978-952-5723-41-0 Painopaikka: Kopijyvä Oy, Kuopio 2015 Tämän teoksen painamiseen käytetty paperi on saanut Pohjoismaisen ympäristömerkin.

Lisätiedot

Metsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 2. AINEISTO...

Metsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 2. AINEISTO... Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA...9 1.2 AIHEESEEN PEREHTYMINEN...9 1.3

Lisätiedot

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö 3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö Yhtälön (tai funktion) y = a + b + c, missä a 0, kuvaaja ei ole suora, mutta ei ole yhtälökään ensimmäistä astetta. Funktioiden

Lisätiedot

Paavo Kyyrönen & Janne Raassina

Paavo Kyyrönen & Janne Raassina Paavo Kyyrönen & Janne Raassina 1. Johdanto 2. Historia 3. David Deutsch 4. Kvanttilaskenta ja superpositio 5. Ongelmat 6. Tutkimus 7. Esimerkkejä käyttökohteista 8. Mistä näitä saa? 9. Potentiaali 10.

Lisätiedot

Synteettinen biologia Suomessa: Virukset synteettisen biologian työkaluina

Synteettinen biologia Suomessa: Virukset synteettisen biologian työkaluina Synteettinen biologia Suomessa: Virukset synteettisen biologian työkaluina Minna Poranen Akatemiatutkija Helsingin yliopisto FinSynBio-ohjelma Suomen Akatemia Virukset synteettisen biologian työkaluina

Lisätiedot

Ohjelmiston kuvakkeiden kuvaus

Ohjelmiston kuvakkeiden kuvaus Ohjelmiston kuvakkeiden kuvaus Aliro-ohjelmiston kuvakkeiden esittely kattaa kaikki ohjelmistossa käytettävät kuvakkeet. Esittelyn avulla tunnistat helposti kuvakkeet ja niiden kautta käytettävät toiminnot.

Lisätiedot

Asiakastarpeiden merkitys ja perusta. asiakastarpeiden selvittämisen merkitys ja ongelmat asiakastarvekartoitus asiakastarvekartoitustyökaluja

Asiakastarpeiden merkitys ja perusta. asiakastarpeiden selvittämisen merkitys ja ongelmat asiakastarvekartoitus asiakastarvekartoitustyökaluja Asiakastarpeiden merkitys ja perusta asiakastarpeiden selvittämisen merkitys ja ongelmat asiakastarvekartoitus asiakastarvekartoitustyökaluja Mihin asiakastarpeiden selvittämistä tarvitaan yhteisen kielen/tarkastelutavan

Lisätiedot

Alkuraportti. LAPPEENRANNAN TEKNILLINEN YLIOPISTO TIETOJENKÄSITTELYN LAITOS CT10A4000 - Kandidaatintyö ja seminaari

Alkuraportti. LAPPEENRANNAN TEKNILLINEN YLIOPISTO TIETOJENKÄSITTELYN LAITOS CT10A4000 - Kandidaatintyö ja seminaari LAPPEENRANNAN TEKNILLINEN YLIOPISTO TIETOJENKÄSITTELYN LAITOS CT10A4000 - Kandidaatintyö ja seminaari Alkuraportti Avoimen lähdekoodin käyttö WWW-sovelluspalvelujen toteutuksessa Lappeenranta, 30.3.2008,

Lisätiedot

Ongelma 1: Ovatko kaikki tehtävät/ongelmat deterministisiä?

Ongelma 1: Ovatko kaikki tehtävät/ongelmat deterministisiä? Ongelma 1: Ovatko kaikki tehtävät/ongelmat deterministisiä? 2013-2014 Lasse Lensu 2 Ongelma 2: Milloin ongelmat muuttuvat oikeasti hankaliksi? 2013-2014 Lasse Lensu 3 Ongelma 3: Miten hankalia ongelmia

Lisätiedot

Luku 2. Datasta tietoon: mitä dataa? mitä tietoa?

Luku 2. Datasta tietoon: mitä dataa? mitä tietoa? 1 / 14 Luku 2. Datasta tietoon: mitä dataa? mitä tietoa? T-61.2010 Datasta tietoon, syksy 2011 professori Erkki Oja Tietojenkäsittelytieteen laitos, Aalto-yliopisto 31.10.2011 2 / 14 Tämän luennon sisältö

Lisätiedot

1.2 Yhtälön avulla ratkaistavat probleemat

1.2 Yhtälön avulla ratkaistavat probleemat 1.2 Yhtälön avulla ratkaistavat probleemat Kun matemaattista probleemaa lähdetään ratkaisemaan yhtälöä hyväksi käyttäen, tilanne on vaikeampi kuin ratkaistaessa yhtälöä mekaanisesti. Nyt on näet itse laadittava

Lisätiedot

Tietorakenteet ja algoritmit - syksy 2015 1

Tietorakenteet ja algoritmit - syksy 2015 1 Tietorakenteet ja algoritmit - syksy 2015 1 Tietorakenteet ja algoritmit - syksy 2015 2 Tietorakenteet ja algoritmit Johdanto Ari Korhonen Tietorakenteet ja algoritmit - syksy 2015 1. JOHDANTO 1.1 Määritelmiä

Lisätiedot

3. Ryhdy kirjoittamaan ja anna kaiken tulla paperille. Vääriä vastauksia ei ole.

3. Ryhdy kirjoittamaan ja anna kaiken tulla paperille. Vääriä vastauksia ei ole. 1 Unelma-asiakas Ohjeet tehtävän tekemiseen 1. Ota ja varaa itsellesi omaa aikaa. Mene esimerkiksi kahvilaan yksin istumaan, ota mukaasi nämä tehtävät, muistivihko ja kynä tai kannettava tietokone. Varaa

Lisätiedot

Ohjelmoinnin perusteet Y Python

Ohjelmoinnin perusteet Y Python Ohjelmoinnin perusteet Y Python T-106.1208 9.2.2009 T-106.1208 Ohjelmoinnin perusteet Y 9.2.2009 1 / 35 Listat Esimerkki: halutaan kirjoittaa ohjelma, joka lukee käyttäjältä 30 lämpötilaa. Kun lämpötilat

Lisätiedot

Laadullinen tutkimus. KTT Riku Oksman

Laadullinen tutkimus. KTT Riku Oksman Laadullinen tutkimus KTT Riku Oksman Kurssin tavoitteet oppia ymmärtämään laadullisen tutkimuksen yleisluonnetta oppia soveltamaan keskeisimpiä laadullisia aineiston hankinnan ja analysoinnin menetelmiä

Lisätiedot

Written by Administrator Monday, 05 September 2011 15:14 - Last Updated Thursday, 23 February 2012 13:36

Written by Administrator Monday, 05 September 2011 15:14 - Last Updated Thursday, 23 February 2012 13:36 !!!!! Relaatiotietokannat ovat vallanneet markkinat tietokantojen osalta. Flat file on jäänyt siinä kehityksessä jalkoihin. Mutta sillä on kuitenkin tiettyjä etuja, joten ei se ole täysin kuollut. Flat

Lisätiedot

Suunnitelma Perinnöllisyys T9

Suunnitelma Perinnöllisyys T9 Suunnitelma Perinnöllisyys T9 Oppimistavoitteet Järjestelmällisten biologisten laboratoriotutkimuksien tekeminen. Perinnöllisyyteen liittyvien käsitteiden, mallien ja teorioiden ymmärtäminen ja käyttäminen

Lisätiedot

Kirja on jaettu kahteen osaan: varsinaiseen- ja lisätieto-osioon. Varsinainen

Kirja on jaettu kahteen osaan: varsinaiseen- ja lisätieto-osioon. Varsinainen Alkusanat Tämän tieto- ja viestintätekniikan oppikirjan ensimmäinen versio (1. painos) syntyi vuonna 2006 Jyväskylän yliopiston tietotekniikan laitokselle tekemäni pro gradu -tutkielmani yhteydessä. Tutkimuksessani

Lisätiedot

A* Reitinhaku Aloittelijoille

A* Reitinhaku Aloittelijoille A* Reitinhaku Aloittelijoille Alkuperäisen artikkelin kirjoittanut Patrick Lester, suomentanut Antti Veräjänkorva. Suom. huom. Tätä kääntäessäni olen pyrkinyt pitämään saman alkuperäisen tyylin ja kerronnan.

Lisätiedot

Digikamera. Perustietoa digikamerasta ja kuvien siirtämisestä tietokoneelle

Digikamera. Perustietoa digikamerasta ja kuvien siirtämisestä tietokoneelle TEEMA 1 Tietokoneen peruskäyttö Digikamera Perustietoa digikamerasta ja kuvien siirtämisestä tietokoneelle Tämä tietopaketti hahmottaa lukijalle, millä tavalla kuvat voidaan siirtää kamerakännykästä tai

Lisätiedot

Mitä elämä on? Astrobiologian luento 15.9.2015 Kirsi

Mitä elämä on? Astrobiologian luento 15.9.2015 Kirsi Mitä elämä on? Astrobiologian luento 15.9.2015 Kirsi Määritelmän etsimistä Lukemisto: Origins of Life and Evolution of the Biosphere, 2010, issue 2., selaile kokonaan Perintteisesti: vaikeasti määriteltävä

Lisätiedot

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa

Lisätiedot

Tietorakenteet ja algoritmit Johdanto Lauri Malmi / Ari Korhonen

Tietorakenteet ja algoritmit Johdanto Lauri Malmi / Ari Korhonen Tietorakenteet ja algoritmit Johdanto Lauri Malmi / Ari 1 1. JOHDANTO 1.1 Määritelmiä 1.2 Tietorakenteen ja algoritmin valinta 1.3 Algoritmit ja tiedon määrä 1.4 Tietorakenteet ja toiminnot 1.5 Esimerkki:

Lisätiedot

Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4

Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4 Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN...6 1.1 INDUKTIO JA DEDUKTIO...7 1.2 SYYT JA VAIKUTUKSET...9

Lisätiedot

Jatkuvat satunnaismuuttujat

Jatkuvat satunnaismuuttujat Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään

Lisätiedot

GEENITEKNIIKAN PERUSASIOITA

GEENITEKNIIKAN PERUSASIOITA GEENITEKNIIKAN PERUSASIOITA GEENITEKNIIKKKA ON BIOTEKNIIKAN OSA-ALUE! Biotekniikka tutkii ja kehittää elävien solujen, solun osien, biokemiallisten menetelmien sekä molekyylibiologian uusimpien menetelmien

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. päätöspuiden avulla tarkastellaan vasta seuraavissa harjoituksissa.

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. päätöspuiden avulla tarkastellaan vasta seuraavissa harjoituksissa. ORMS00 Päätöksenteko epävarmuuden vallitessa Syksy 008 Harjoitus Ratkaisuehdotuksia Nämä harjoitukset liittyvät päätöspuiden rakentamiseen: varsinaista päätöksentekoa päätöspuiden avulla tarkastellaan

Lisätiedot

OPS2016 ja ohjelmointi

OPS2016 ja ohjelmointi 1 OPS2016 ja ohjelmointi - johdattelu ohjelmointiin alakoulussa MIKKO HORILA & TUOMO TAMMI OPS2016 ja ohjelmointi 2 Perusopetuksen opetussuunnitelman perusteet päivittyvät syksyllä 2016. Koodaustaidot

Lisätiedot

Vasteaika. Vasteaikaa koskeva ohje ei ole juuri muuttunut Robert B. Millerin vuonna 1968 pitämästä esityksestä:

Vasteaika. Vasteaikaa koskeva ohje ei ole juuri muuttunut Robert B. Millerin vuonna 1968 pitämästä esityksestä: Nielsen: "Olen tutkinut Webin käytettävyyttä vuodesta 1994, ja jokaisessa tutkimuksessa esiin on noussut sama asia: käyttäjät haluaisivat sivujen latautuvan nopeammin. Aluksi olin sitä mieltä, että käyttäjät

Lisätiedot

Pääkaupunkiseudun työmatkavirtojen analyysi ja visualisointi HSY paikkatietoseminaari 14.3.2013

Pääkaupunkiseudun työmatkavirtojen analyysi ja visualisointi HSY paikkatietoseminaari 14.3.2013 Pääkaupunkiseudun työmatkavirtojen analyysi ja visualisointi HSY paikkatietoseminaari 14.3.2013 Kimmo Nurmio Suomen ympäristökeskus Rakennetun ympäristön yksikkö Työmatka-analyysit Useita käyttötarkoituksia:

Lisätiedot

Projektisuunnitelma. Projektin tavoitteet

Projektisuunnitelma. Projektin tavoitteet Projektisuunnitelma Projektin tavoitteet Projektin tarkoituksena on tunnistaa erilaisia esineitä Kinect-kameran avulla. Kinect-kamera on kytkettynä tietokoneeseen, johon projektissa tehdään tunnistuksen

Lisätiedot

17/20: Keittokirja IV

17/20: Keittokirja IV Ohjelmointi 1 / syksy 2007 17/20: Keittokirja IV Paavo Nieminen nieminen@jyu.fi Tietotekniikan laitos Informaatioteknologian tiedekunta Jyväskylän yliopisto Ohjelmointi 1 / syksy 2007 p.1/10 Tavoitteita

Lisätiedot

LUKUJA, DATAA KÄSITTELEVÄT FUNKTIOT JA NIIDEN KÄYTTÖ LOGIIKKAOHJAUKSESSA

LUKUJA, DATAA KÄSITTELEVÄT FUNKTIOT JA NIIDEN KÄYTTÖ LOGIIKKAOHJAUKSESSA LUKUJA, DATAA KÄSITTELEVÄT FUNKTIOT JA NIIDEN KÄYTTÖ LOGIIKKAOHJAUKSESSA Tavallisimmin lukuja käsittelevien datasanojen tyypiksi kannattaa asettaa kokonaisluku 16 bitin INT, jonka vaihtelualueeksi tulee

Lisätiedot

Graafit ja verkot. Joukko solmuja ja joukko järjestämättömiä solmupareja. eli haaroja. Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria

Graafit ja verkot. Joukko solmuja ja joukko järjestämättömiä solmupareja. eli haaroja. Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria Graafit ja verkot Suuntamaton graafi: eli haaroja Joukko solmuja ja joukko järjestämättömiä solmupareja Suunnattu graafi: Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria Haaran päätesolmut:

Lisätiedot

TTA palvelukokonaisuuden esittely Korkeakoulujen IT-päivät 6.11.2013

TTA palvelukokonaisuuden esittely Korkeakoulujen IT-päivät 6.11.2013 TTA palvelukokonaisuuden esittely Korkeakoulujen IT-päivät 6.11.2013 CSC Tieteen tietotekniikan keskus Oy Tutkimuksen tietoaineistot 2014-2017 Keskeinen tavoite edistää sähköisten tutkimusaineistojen hyödyntämistä,

Lisätiedot

5.2 Ensimmäisen asteen yhtälö

5.2 Ensimmäisen asteen yhtälö 5. Ensimmäisen asteen ytälö 5. Ensimmäisen asteen yhtälö Aloitetaan antamalla nimi yhtälön osille. Nyt annettavat nimet eivät riipu yhtälön tyypistä tai asteesta. Tarkastellaan seuraavaa yhtälöä. Emme

Lisätiedot

LUMA Suomi kehittämisohjelma 8.10.2015 14:53 Joustava yhtälönratkaisu Matemaattinen Ohjelmointi ja Yhtälönratkaisu

LUMA Suomi kehittämisohjelma 8.10.2015 14:53 Joustava yhtälönratkaisu Matemaattinen Ohjelmointi ja Yhtälönratkaisu (MOJYR) Sisällysluettelo (MOJYR)... 1 1. Taustaa... 1 2. MOJYR-ohjelma... 2 2.1 Ohjelman asentaminen... 2 2.2 Käyttöliittymä... 2 3. Puumalli... 3 4. MOJYR-ohjelman ominaisuudet... 5 4.1 Yhtälön muodostaminen...

Lisätiedot

Tieteellisen artikkelin kirjoittaminen ja julkaiseminen

Tieteellisen artikkelin kirjoittaminen ja julkaiseminen Tieteellisen artikkelin kirjoittaminen ja julkaiseminen Dosentti Mikko Ketola Kirkkohistorian laitos Workshop tohtorikurssilla toukokuussa 2008 Teologinen tiedekunta Workshopin sisältö Miksi kirjoittaa

Lisätiedot

Jouni Huotari OLAP-ohjetekstit kopioitu Microsoftin ohjatun OLAP-kuution teko-ohjeesta. Esimerkin kuvaus ja OLAP-määritelmä

Jouni Huotari OLAP-ohjetekstit kopioitu Microsoftin ohjatun OLAP-kuution teko-ohjeesta. Esimerkin kuvaus ja OLAP-määritelmä OLAP-kuution teko Jouni Huotari OLAP-ohjetekstit kopioitu Microsoftin ohjatun OLAP-kuution teko-ohjeesta Esimerkin kuvaus ja OLAP-määritelmä Tavoitteena on luoda OLAP-kuutio Northwind-tietokannan tilaustiedoista

Lisätiedot

DNA, RNA ja proteiinirakenteen ennustaminen

DNA, RNA ja proteiinirakenteen ennustaminen S-114.500 Solubiosysteemien perusteet Harjoitustyö Syksy 2003 DNA, RNA ja proteiinirakenteen ennustaminen Ilpo Tertsonen, 58152p Jaakko Niemi, 55114s Sisällysluettelo 1. Alkusanat... 3 2. Johdanto... 4

Lisätiedot

Proteiinien rakenteellisten motiivien selvittäminen

Proteiinien rakenteellisten motiivien selvittäminen Proteiinien rakenteellisten motiivien selvittäminen Pia Laine Pia.Laine@iki.fi Tiedon louhinta biomolekyyliaineistosta Helsingin yliopisto, tietojenkäsittelytieteen laitos Raportti C-2003-52, s.51-61,

Lisätiedot

REKISTERI- JA TIETOKANTA-AINEISTOJEN SIIRTÄMINEN VAPA-PALVELUUN

REKISTERI- JA TIETOKANTA-AINEISTOJEN SIIRTÄMINEN VAPA-PALVELUUN Arkistolaitos REKISTERI- JA TIETOKANTA-AINEISTOJEN SIIRTÄMINEN VAPA-PALVELUUN Ohje v. 1.0 (16.10.2012) Kansallisarkisto Rauhankatu 17 PL 258, 00171 Helsinki Puh. Tel. (09) 228 521 arkisto@narc.fi Riksarkivet

Lisätiedot

Tietotekniikan koulutus Savonlinnassa

Tietotekniikan koulutus Savonlinnassa Tietotekniikan koulutus Savonlinnassa Paikka Savonlinnan ammatti ja aikuisopisto Pohjolankatu 4 6, Savonlinna Hinta 80 euroa/osallistuja, sisältää 20 h Koulutuspäivän kesto 5 tuntia, klo 10:00 15:00 Ilmoittautuminen

Lisätiedot

Ohjelmoinnin perusteet Y Python

Ohjelmoinnin perusteet Y Python Ohjelmoinnin perusteet Y Python T-106.1208 11.2.2009 T-106.1208 Ohjelmoinnin perusteet Y 11.2.2009 1 / 33 Kertausta: listat Tyhjä uusi lista luodaan kirjoittamalla esimerkiksi lampotilat = [] (jolloin

Lisätiedot

2. luento Kahden sekvenssin rinnastus

2. luento Kahden sekvenssin rinnastus 2. luento Kahden sekvenssin rinnastus Miksi rinnastusta opetetaan Keskeisintä bioinformatiikkaa Voidaan päätellä: konservoituneita alueita pistemutaatioita lajien tai geenien evolutiivisia suhteita Osa

Lisätiedot

IT-OSAAJA, TIETOJENKÄSITTELYN ERIKOISTUMISOPINNOT

IT-OSAAJA, TIETOJENKÄSITTELYN ERIKOISTUMISOPINNOT IT-OSAAJA, TIETOJENKÄSITTELYN ERIKOISTUMISOPINNOT KOULUTUKSEN KOHDERYHMÄ SISÄLTÖ Koulutuksen tavoitteena on antaa opiskelijalle valmiudet uusien tietoteknisten menetelmien ja välineiden hyödyntämiseen.

Lisätiedot

2 Konekieli, aliohjelmat, keskeytykset

2 Konekieli, aliohjelmat, keskeytykset ITK145 Käyttöjärjestelmät, kesä 2005 Tenttitärppejä Tässä on lueteltu suurin piirtein kaikki vuosina 2003-2005 kurssin tenteissä kysytyt kysymykset, ja mukana on myös muutama uusi. Jokaisessa kysymyksessä

Lisätiedot

Tiedonhallinnan perusteet. Viikko 1 Jukka Lähetkangas

Tiedonhallinnan perusteet. Viikko 1 Jukka Lähetkangas Tiedonhallinnan perusteet Viikko 1 Jukka Lähetkangas Kurssilla käytävät asiat Tietokantojen toimintafilosofian ja -tekniikan perusteet Tiedonsäilönnän vaihtoehdot Tietokantojen suunnitteleminen internetiä

Lisätiedot