Proteiinirakenteet. Uudet rakennetyypit/vuosi. Lääkeaine ei ole samanlainen kuin mikä tahansa molekyyli KOHDEPERUSTAINEN LÄÄKEAINESUUNNITTELU
|
|
- Teemu Siitonen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Lääkeaine ei ole samanlainen kuin mikä tahansa molekyyli KHDEPERUSTAIE LÄÄKEAIESUUITTELU Kohdeperustaisessa lääkeainesuunnittelussa peruslähtökohtana on proteiinin kiderakenteen määrittäminen ja tämän tiedon edelleen hyödyntäminen Kiderakenteen määrittämisestä Juha Rouvinen pitää luennot J. Med. Chem. 1998, 41, Proteiinirakenteet Jo ratkaistut proteiinirakenteet löytyvät PDB tietokannasta (osoite on ykyisin rakennetta (syyskuu ) Ratkaistujen rakenteiden määrä on kasvanut voimakkaasti viime vuosina Uudet rakennetyypit/vuosi Protein ucleic Acids Protein/ A Comple xes ther Total X-ray Exp. Method MR ther Total
2 Uudet rakenteet/tunnetut Proteiinirakenteista äyttää selvältä, että vuosi vuodelta paljastuu yhä vähemmän todella uusia proteiinirakenteita nko mahdollista ennustaa proteiinin rakennetta perustuen jo tunnettujen proteiinien kiderakenteisiin Toisaalta kiderakenteiden selvittäminen on entistä nopeampaa jos/kun kiteytysolosuhteet ovat selvitetty Mitä tästä seuraa? Fragment-Based Drug Design Proteiinirakenteiden nopeampi analysointi mahdollistaa todellisen Target-Based Drug Design menetelmän käytön Periaatteessa on olemassa kaksi päävaihtoehtoa aineiston hyödyntämisessä: 1. Jokaisen uuden rakenteen kokeellinen varmennus 2. Mallinnusmenetelmien käyttö ja vain joidenkin rakenteiden kokeellinen varmennus Todellisuudessa menetelmiä käytetään rinnan eikä voida sanoa olevan mitään oikeaa ratkaisua Lego-palikoista lääkkeeksi Molekyylit pilkotaan pieniksi palasiksi, joiden sitoutumista proteiinin tutkitaan Palasia optimoidaan ja yhdistetään Sitoutuvia fragmentteja voidaan etsiä joko kiteytyksen avulla (HTX-ray) tai sitten mallintamalla käytännössä myös synteesi kummastakin menetelmästä on käytössä Proteiinin aktiivipaikka Lääkeaineet sitoutuvat proteiinissa spesifiseen paikkaan Tälle paikalle on tyypillistä, että se yleensä sijaitsee syvällä proteiinin sisällä, harvemmin pinnalla n kehitetty useita menetelmiä, joilla voidaan ennustaa tällaiset sitoutumispaikat Jos kiderakenne sisältää myös ligandin, voidaan sitoutumispaikka määrittää tarkasti 2
3 Kohdeperustainen suunnittelu Lääkeaineen suunnittelussa peruskysymys on se, tunnemmeko johtolankamolekyylin vai emme Jos emme tunne, on tehtävä erilaisia seulontoja Jos tunnemme on pyrittävä valitun molekyylin optimointiin Kummassakin tapauksessa käytettävät menetelmät ovat suurelta osin samoja, mutta menetelmien tarkkuudessa on eroja Eräitä havaintoja johtolankamolekyylin löytämisestä Jos emme tunne kohteen rakennetta emmekä muita aktiivisia rakenteita, on ainoa vaihtoehto uuden johtolankamolekyylin löytämisessä HTS, eli suuren molekyylijoukon testaaminen nopeasti jollakin yksinkertaisella testillä kaikki löydetyt aktiiviset molekyylit eivät kuitenkaan ole aktiivisia, ja osa aktiivisista ei näy lainkaan osumien ympäristöön tehdään yleensä kohdennetut kombinatoriaaliset kirjastot, jotka edelleen testataan Johtolankamolekyylien haku virtuaalisesti Mikäli tunnemme vain yhden tai useita aktiivisia rakenteita, voimme hakea rakenteita jotka ominaisuuksiltaan muistuttavat näitä rakenteita (kuitenkin eri rakenteita) Jos tunnemme kohteen 3-ulotteisen rakenteen, voimme käyttää useita menetelmiä aktiivisten rakenteiden virtuaaliseen seulontaan Paras tilanne on, jos tunnemme sekä kohteen rakenteen että myös joukon aktiivisia rakenteita sekä niiden tarkan sitoutumispaikan VIRTUAL SCREEIG Yhä useammin vastassa on tilanne, jossa kohderakenne on tunnettu joko kiderakenne tai mallinnettu Yksi tai useampi (jopa yli 10000) pientä molekyyliä telakoidaan (docking) kohderakenteen oletettuun sitoutumispaikkaan Telakoinnin tuloksien tulkinta ongelmallista (mikä on hyvä/huono ligandi?) sekä konformaatioiden että liukoisuuden huomioiminen vaikeaa Telakointi II Käytettävät tietokannat ovat joko virtuaalisia kombinatoriaalisia luonnonaineita roskakoreja Saatavuus Laatu Kemiallinen avaruus Journal of Computer- Aided Molecular Design, 16: ,
4 Telakointitapoja Vaiheittainen rakentaminen (FlexX) Telakoimisen hyödyntäminen Tutkijalla on usein ennakkoasenteita siitä miten molekyylin tulisi telakoitua usein kuitenkin jopa saman runkorakenteen omaavien yhdisteiden tapa sitoutua samaan kohteeseen poikkeaa toisistaan! Joko yksityiskohtaista muutaman yhdisteen tutkimista, johdosten käyttäytymisen ennustamista tai Suurten tietokantojen läpikäymistä jotta löytäisimme uusia potentiaalisia rakenteita 4
5 Reseptorihaku Jos kohderakenne tunnetaan tarpeeksi hyvin, voidaan sitä käyttää suoraan haettaessa uutta johtolankamolekyyliä tai optimoidessa vanhaa Uuden molekyylin hakemisessa ei välttämättä tarvita telakointia (kylläkin erittäin hyödyllistä) ja usein käytetään erilaisia reseptorihakuja ja vain täten löytyneet rakenteet telakoidaan Fragment-Based Drug Discovery Eräänlainen synteesi näistä kaikista menetelmistä on fragmenttipohjainen suunnittelu Ideana on rakentaa molekyyli palasista legopalikoiden tapaan sopivat palaset haetaan käyttäen jo tuttuja menetelmiä, kuten VS, telakoiminen, HTS, MR... ERITTÄI HYVÄ ARTIKKELI AIHEESTA: DA Erlanson, RS McDowell and T Brien: Fragment- Based Drug Discovery, J. Med. Chem. vol 47, ASAPdate JULY 1, 2004 Lääkeaineen suunnittelu Tietokannat ja muuta sälää eula ja heinälato Kombinatoriaalisen kemian ja HTS:n ansiosta (takia) uusien lääkeaineiden suunnittelussa ovat erilaiset molekyylikirjastot nousseet tärkeään osaan Kirjastoja käytetään erityisesti johtolankamolekyylien etsimisessä Muutama neula ja IS lato Tyypillisesti isot kirjastot voivat sisältää jopa useita miljoonia yhdisteitä virtuaaliset kirjastot jo miljardeja tai vieläkin enemmän Kuitenkaan lääkekehityksen kannalta kirjastojen sisältämät yhdisteet eivät ole optimaalisia on olemassa ero siinä millaisia molekyylejä halutaan lääkekehityksen eri vaiheessa 5
6 Johtolanka vs lääkeaine J. Med. Chem. 2003, 46, Johtolankamolekyylin tulisi olla paino alle 250 alhainen logp useita mahdollisia modifiointipaikkoja hyvä affiniteetti hyvä selektiivisyys Lääkeaineella on yleisesti (Lipinski) logp välillä -2 5 paino alle 500 vähäinen vetysidosten vastaanottajien ja luovuttajien määrä Tietokannan kemiallinen luonne Tietokantoja voidaan analysoida ja seuloa niin, että löydettävät yhdisteet täyttävät useita haluttuja ominaisuuksia saman aikaisesti kemiallinen luonne metaboliset ominaisuudet imeytyminen membraanien läpäisevyys toksikologia liukoisuus Pyritään varmistamaan se, että tietokanta sisältää mahdollisimman lääkkeenkaltaisia/johtolankamolekyylin kaltaisia rakenteita yleisiä erilaiset neuroverkko tai SM menetelmät luokittelu perustuu nopeasti laskettaviin 2Dparametreihin, koska käsiteltävät aineistot ovat erittäin laajoja DRAG Materiaalin luokittelu PCA SM euroverkot 6
7 euroverkko Lääkeaine ei ole samanlainen kuin mikä tahansa molekyyli J. Med. Chem. 1998, 41, Lisää heinähankoja neulan hakuun Kaikkien QSAR-tyyppisten parametrien lisäksi tietokantojen seulonnassa käytetään yleisesti myös fysikokemiallisia parametreja (logp ym) sormenjälkiä (fingerprint) erittäin nopeita, kuvaavat yhdisteiden sisältämiä fragemtteja molekyylikentistä laskettavia lukuja Polar Surface Area (PSA) yksi ensimmäisistä Metaboliset ominaisuudet Metaboliasta puhuttaessa maksa ja erityisesti CYP-entsyymit ovat tärkeitä erittäin suuri osa lääkeaineista metaboloituu ainakin osittain CYP-entsyymien toimesta suuri osa yhteensopimattomuuksista on myös seurausta CYP-vaikutuksista n erittäin tärkeää että jo lääkekehityksen aikaisessa vaiheessa (tietokantoja seulottaessa) voidaan näitä ongelmia etukäteen arvioida CYP-ongelma CYP-vaikutuksien arvioimisen tekee hankalaksi kohteiden lukuisa määrä on useita CYP-entsyymejä, jotka metaboloivat lääkeaineita tai ovat muuten tärkeitä lääkekehityksen kannalta Toinen suuri ongelma on se, että CYP:n konformaatiot eivät ole stabiileja, sitoutumiselle on useita vaihtoehtoja ja taskut ovat suuria Erityisen tärkeitä ovat 2C9, 2D6 ja 3A4 7
8 MetaSite J. Med. Chem. 2003, 46, ADMET-ennustus MetaSite on CYP-puolella ehkä edistynein ennustusohjelma Tämän lisäksi on tehty useita perinteisiä QSAR-malleja, CoMFA-malleja sekä proteiinien mallinnukseen perustuvia malleja ADMET-puolella erittäin merkittävä innovaatio on ollut Volsurf-menetelmä Volsurf-menestystarina Veri-aivoesteen läpäisevyys ongelmallista este jonka voi läpäistä joko passiivisesti tai transportterin välityksellä ennustaminen erittäin vaikeaa Pohjana käytettiin GRID-menetelmää, jolla pystytään laskemaan molekyylien välisiä vuorovaikutuksia erittäin tarkasti J. Med. Chem. 2000, 43,
9 KHDEPERUSTAIE LÄÄKEAIESUUITTELU Kohdeperustaisessa lääkeainesuunnittelussa peruslähtökohtana on proteiinin kiderakenteen määrittäminen ja tämän tiedon edelleen hyödyntäminen Kiderakenteen määrittämisestä Juha Rouvinen pitää luennot Proteiinirakenteet Jo ratkaistut proteiinirakenteet löytyvät PDB tietokannasta (osoite on ykyisin rakennetta (syyskuu ) Ratkaistujen rakenteiden määrä on kasvanut voimakkaasti viime vuosina 9
10 Uudet rakennetyypit/vuosi Protein ucleic Acids Protein/ A Comple xes ther Total X-ray Exp. Method MR ther Total Uudet rakenteet/tunnetut Proteiinirakenteista äyttää selvältä, että vuosi vuodelta paljastuu yhä vähemmän todella uusia proteiinirakenteita nko mahdollista ennustaa proteiinin rakennetta perustuen jo tunnettujen proteiinien kiderakenteisiin Toisaalta kiderakenteiden selvittäminen on entistä nopeampaa jos/kun kiteytysolosuhteet ovat selvitetty Mitä tästä seuraa? Fragment-Based Drug Design Proteiinirakenteiden nopeampi analysointi mahdollistaa todellisen Target-Based Drug Design menetelmän käytön Periaatteessa on olemassa kaksi päävaihtoehtoa aineiston hyödyntämisessä: 1. Jokaisen uuden rakenteen kokeellinen varmennus 2. Mallinnusmenetelmien käyttö ja vain joidenkin rakenteiden kokeellinen varmennus Todellisuudessa menetelmiä käytetään rinnan eikä voida sanoa olevan mitään oikeaa ratkaisua 10
11 Lego-palikoista lääkkeeksi 1. onnistunut suunnittelu Molekyylit pilkotaan pieniksi palasiksi, joiden sitoutumista proteiinin tutkitaan Palasia optimoidaan ja yhdistetään Sitoutuvia fragmentteja voidaan etsiä joko kiteytyksen avulla (HTX-ray) tai sitten mallintamalla käytännössä myös synteesi kummastakin menetelmästä on käytössä R H Zn 2+ H Zn 2+ H HC CH IC 50 =330µM HS IC50=23nM Captopriili CH Proteiinin aktiivipaikka Lääkeaineet sitoutuvat proteiinissa spesifiseen paikkaan Tälle paikalle on tyypillistä, että se yleensä sijaitsee syvällä proteiinin sisällä, harvemmin pinnalla n kehitetty useita menetelmiä, joilla voidaan ennustaa tällaiset sitoutumispaikat Jos kiderakenne sisältää myös ligandin, voidaan sitoutumispaikka määrittää tarkasti Kohdeperustainen suunnittelu Lääkeaineen suunnittelussa peruskysymys on se, tunnemmeko johtolankamolekyylin vai emme Jos emme tunne, on tehtävä erilaisia seulontoja Jos tunnemme on pyrittävä valitun molekyylin optimointiin Kummassakin tapauksessa käytettävät menetelmät ovat suurelta osin samoja, mutta menetelmien tarkkuudessa on eroja 11
12 VIRTUAL SCREEIG Yhä useammin vastassa on tilanne, jossa kohderakenne on tunnettu joko kiderakenne tai mallinnettu Yksi tai useampi (jopa yli 10000) pientä molekyyliä telakoidaan (docking) kohderakenteen oletettuun sitoutumispaikkaan Telakoinnin tuloksien tulkinta ongelmallista (mikä on hyvä/huono ligandi?) sekä konformaatioiden että liukoisuuden huomioiminen vaikeaa Telakointi II Käytettävät tietokannat ovat joko virtuaalisia kombinatoriaalisia luonnonaineita roskakoreja Saatavuus Laatu Kemiallinen avaruus Miten telakoidaan? Telakointiohjelmia on monia, ja myös niiden toiminnassa on merkittäviä eroja Aiemmin ohjelmat olivat pääasiassa jäykkiä eli ligandin piti olla aktiivisessa konformaatiossa nykyään ligandi käsitellään joustavana Kaikissa ohjelmissa on kuitenkin erotettavissa kaksi vaihetta ligandi-reseptori kompleksin sovittaminen ligandi-reseptori kompleksin hyvyyden laskeminen Kompleksin luominen Yleensä reseptorin rakenne oletetaan jäykäksi Ligandin konformaatiota muutetaan erilaisilla satunnaismenetelmillä (Autodock, GLD) TAI Ligandi rakennetaan pienistä fragmenteista jotka on alkuun aseteltu optimaalisille paikoille (FlexX) Ligandin rakentaminen on nopeampi menetelmä, mutta edellyttää alkuarvausten osumista kohdalleen Telakointitapoja Molekyylien/fragmenttien alkuasemien etsiminen Ligandin rakentaminen sitoutumispaikassa Ligandi jaetaan fragmentteihin, joille haetaan alkuarvaukset yleensä aloitetaan jollakin jäykällä fragmentilla, joka sisältää potentiaalisen vetysidospartnerin Parhaan pisteytyksen saaneen fragmenttiin/alkuarvaukseen lisätään seuraava fragmentti parhaaseen mahdolliseen asemaan Tämä toistetaan niin monta kertaa että molekyyli on kokonaan valmis Koko prosessi aloitetaan uudelleen kunnes haluttu määrä kokeiluja on tehty, vastauksia ei ole enää löytynyt tai kaikki vastaukset (parhaat) ovat olleet hyvin toistensa kaltaisia 12
13 Pisteytysfunkitot Kriittinen osa telakointia on kuinka ligandireseptori vuorovaikutus lasketaan Kuten muistatte, ei pelkkän interaktioin laskeminen ole riittävää, vaan myös entropia on pystyttävä laskemaan Suurin osa menetelmistä on kohtuullisen hyviä vetysidosten arvioinnissa, mutta liukoisuuden ja hydrofobisten sitoutumispaikkojen kanssa suurin osa on pulassa Journal of Computer- Aided Molecular Design, 16: , Esimerkki, SIRT2-inhibiittorit SIRT2-entsyymi, deasetyloi histoneja ja erityisesti mikrobuluksien asetyloituja lysiinejä Kiderakenne julkaistu, mutta ei tunnettuja inhibiittoreita, lukuun ottamatta kahta heikkoa ja toksista inhibiittoria J.Med.Chem, hyväksytty: Anu J. Tervo et al
14 Työjärjestys Identifioida proteiinista sopiva sitoutumisalue inhibiittoreille Analysoida ne interaktiot joita inhibiittori voisi hyödyntää Rakentaa tietokantahaku tähän materiaaliin perustuen Telakoidaan löydetyt rakenteet ja arvioidaan mitkä rakenteista olisivat parhaat edelleen testattaviksi 14
15 Telakoimisen hyödyntäminen Tutkijalla on usein ennakkoasenteita siitä miten molekyylin tulisi telakoitua usein kuitenkin jopa saman runkorakenteen omaavien yhdisteiden tapa sitoutua samaan kohteeseen poikkeaa toisistaan! Joko yksityiskohtaista muutaman yhdisteen tutkimista, johdosten käyttäytymisen ennustamista tai Suurten tietokantojen läpikäymistä jotta löytäisimme uusia potentiaalisia rakenteita Reseptorihaku Jos kohderakenne tunnetaan tarpeeksi hyvin, voidaan sitä käyttää suoraan haettaessa uutta johtolankamolekyyliä tai optimoidessa vanhaa Uuden molekyylin hakemisessa ei välttämättä tarvita telakointia (kylläkin erittäin hyödyllistä) ja usein käytetään erilaisia reseptorihakuja ja vain täten löytyneet rakenteet telakoidaan 15
16 Virtuaaliseulonta Menestystä! Virtuaaliseulonta, jonka tarkoitus oli löytää uusia leadrakenteita kohde tyrosiini fosfataasi (PTP1B) a) HTS seulonta 400,000 yhdistettä Pharmacian sisäisistä kirjastoista 300 osumaa < 300 µm 85 validoitua osumaa IC50 <100 µm = % hit rate (monet rikkovat Lipinskin viiden sääntöä) b) VS 235,000 kaupallisesti saatavilla olevasta kemikaalista, ohjelma DCK 3.5 (akateemisille ilmainen) 365 lupaavaa rakennetta, jotka testattiin 127 IC50 <100 µm = 34.8% hit rate (osumat enemmän lääkkeen kaltaisia) T.. Doman et al., J. Med. Chem. 45, (2002) de novo suunnittelumenetelmät Kun halutun proteiinin aktiivipaikka tunnetaan ja halutaan suunnitella uusia molekyylejä annetaan tietokoneen hoitaa suunnittelu menetelmiin on satsattu paljon, mutta tulokset heikkoja Proteniinitiedon hyödyntäminen muuten kuin telakoinnissa/seulonnassa Telakointimenetelmät eivät ole kykeneviä ennustamaan sitoutumisaffiniteettia nykyiset pisteytysfunktiot eivät ole yleispäteviä RYHMÄTYÖ: kuinka hyödynnätte kohdeproteiinin rakennetta optimoinnissa! H H 2 65% inhibiitio 5000µM IC 50 = 13µM ptimointi, esim. 1, Gelatinaasi-B, <150 Da fragmentit H H H 2 16
17 Esimerkki 2 VS avulla fragmentista valittiin muutama sata testattaviksi noin 150 heikko hittiä Parhaimmaksi katsotun hitin optimointi eri menetelmillä (MR, mallinnus, kiderakenne) tuotti huomattavan parannuksen aktiivisuuteen H H 2 H H H 2 K i =56 µm K i =0.03 µm ei oraalisesti aktiivinen H H 2 Ki=0.37 µm, oraalisesti aktiivinen 38% Esimerkki fragmenttien yhdistämisestä H H H H K d =800 µm H K d =2 µm K d =100 µm Kd=19 nm H H H TEHTÄVÄ Jakautukaa ryhmiin (5-6 henkeä per ryhmä) Kukin ryhmä edustaa lääketehtaan tutkimusryhmää jolla on käytössää mallinnus synteesi (sekä perinteinen että kombinatoriaalinen) kiderakenteen tuottomahdollisuus biologisen aktiivisuuden testaus TEHTÄVÄ jatkuu lette saaneet tehtäväksi kehittää entsyymiinhibiittorin uuteen kohteeseen, joka sijaitsee verisuonistossa ja plasmassa Kohteen rakennetta ei tiedetä (sekvenssi on selvillä) ja riittävän lähisukuista proteiinia ei ole olemassa Proteiinin endogeenista substraattia ei tunneta MITÄ TEHDÄÄ? UUSIA TIETJA Proteiinin lähisukulainen on löytynyt, ja sen inhibiittori on syklinen peptidi Lisäksi tiedetään kiderakenteen perusteella, että vain osa peptidistä on interaktiossa entsyymin kanssa Kiteytys kohde-entsyymillä ei ole tuottanut tulosta MITÄ TEHDÄÄ? 17
18 TEHTÄVÄ JATKUU Löydetään ensimmäinen pienimolekyylinen leadrakenne Yhdiste ei kuitenkaan ole soveltuva lääkkeeksi, koska se ei imeydy suun kautta otettuna ja koska se on aktiivinen myös lähisukuisessa elimistössä löytyvässä entsyymissä Kiteytys onnistuu sekä kohteesta että lähisukuisesta entsyymistä MITÄ TEHDÄÄ? TEHTÄVÄ JATKUU Lead-rakenteen pohjalta tehdyt uudet synteesituotteet eivät ole osoittautuneet tarpeeksi potenteiksi, tai niiden selektiivisyys ei ole ollut tarpeeksi hyvä. Yrityksen johto katsoo, että projekti ei ole edennyt tarpeeksi nopeasti on löydettävät UUSI lead-rakenne MITÄ TEHDÄÄ? Parempi LEAD Uuden lead-rakenteen ongelmana on huono vesiliukoisuus, joka johtuu pitkälti selektiivisyyden mahdollistavasta ryhmästä Kiderakenteen mukaan selektiivisyysalueen ominaisuudet ovat iso tasku, jossa ei ole juurikaan vetysidosmahdollisuuksia MITÄ TEHDÄÄ? TEHTÄVÄ JATKUU Uusi lead-rakenne on sekä selektiivinen että riittävän vesiliukoinen ADMET-tutkimuksissa paljastuu, että kahden oleellisen fragmentin yhdistävässä palasessa oleva esterisidos pilkkoutuu erittäin nopeasti plasmassa, vaikka yhdiste on kemiallisesti stabiili MITÄ TEHDÄÄ? Lisämateriaalia Seuraavat materiaalit on tarkoitettu taustaaineistoksi, joka käydään luennoilla ajan niin salliessa hjelmistot Isoja molekyylimallinnusohjelmistoja jäljellä 2(3) Sybyl (valmistaja Tripos) on keskittynyt lääkeainesuunnitteluun ja erityisesti pienten molekyylien mallinnukseen vahvuutena CoMFA ja UITY InsightII (valmistaja Accelrys) on keskittynyt proteiineihin Linux-järjestelmien nousu on muuttamassa tilannetta 18
19 hjelmistoja II Kvanttikemiassa standardina Gaussian Voimakentissä akateemisia ohjelmistoja runsaasti, erityisesti AMBER, CHARMM ja GRMACS/GRMS laajasti käytettyjä Runsaasti pieniä spesifisiä mallinnusohjelmia Kvanttikemia Molekyylin kemialliset ominaisuudet voidaan ymmärtää niiden elektroniverhon kautta Schrödingerin aaltoyhtälö kertoo (mm.) sen, kuinka molekyylin elektronit ovat jakautuneet ja mikä on molekyylin energia Kvanttikemiassa Schrödingerin yhtälölle haetaan likiarvoista ratkaisua Molekyyli voidaan minimoida, tai maksimoida.. jos haemme esim. transitiotiloja Kvanttikemia II Semiempiiriset memetelmät (MD, AM1, PM3) käyttävät sekä luonnonvakioita että kokeellisia parametreja nopeita ab initio (HF/3-21G ym, MP2/3/4..) vain luonnonvakioita (ja kantafunktioita) hitaampi mutta tarkkoja/absoluuttisia Tiheysfunktio-teoreettiset menetelmät (esim. BLY3P) nopeita tarkkuus? Molekyylimenkaniikka II Molekyylimekaniikka mahdollistaa molekyylin kolmiulotteisen rakenteen ja sen muutoksien nopean tutkimisen Molekyylimekaniikka kertoo minkälaisessa konformaatiossa molekyyli voi olla Ei pysty rikkomaan sidoksia kemiallisia reaktioita ei pystytä mallintamaan Molekyylidynamiikka III F ( t) = i mi ai ( t) = m i = 1,( atomien lukumäärä) F(t) atomin i voimahetkellät a (t) atomin i kiihtyvyyshetkellät r (t) atomin i sijaintihetkellät i i i i 2 ri ( t) 2 t Voimakenttä Erilaisten parametrien kokoelmaa kutsutaan voimakentäksi (Force Field) Voimakenttien parametrisointi perustuu joko kvanttikemiaan tai/ja kokeelliseen tietoon Voimakentät ovat yleensä joko yleisiä (esim MMFF94, Tripos) tai spesifisiä (CHARMM proteiineille, MM3 alkeeneille, GRMACS makromolekyyleille) 19
20 Voimakenttien ominaisuuksista Molekyylimekaniikka on nopea menetelmä molekyylin rakenteen tutkimisessa ykyiset voimakentät ovat kohtuullisen luotettavia Systeemin koko voi olla jopa yli atomia ngelmana erikoiset rakenteet Molekyylidynamiikka IV Molekyylidynamiikalla voidaan tutkia kuinka molekyyli/systeemi liikkuu ajan funktiona Voidaan tutkia eri olosuhteissa (lämpötila, paine, tilavuus, ainemäärä) iin pienet molekyylit, proteiinit, proteiini-ligandi kuin proteiini-ligandi-vesi-membraani Systeemin koon kasvaessa laskenta-aika kasvaa ykyään ns simulaatiot rutiinia (jopa PCkoneilla), mikrosekuntti lähes ulottuvilla... Mitä hyötyä dynamiikasta? 1. Isot biologiset systeemit ovat toiminnallisia kokonaisuuksia 2. Staattinen malli ei anna oikeaa kuvaa 3. Dynamiikan avulla voidaan näitäkin järjestelmiä tutkia esim. biologiset membraanit Dynamiikan sovelluksia Proteiinien/makromolekyylien simulaatiot (entsyymit yksinään, yhdessä substraatin/inhibiittorin kanssa), myös DA! Membraanien simulaatiot Konformaatioanalyysin yksi muoto Polymeeritutkimuksen työkalu 20
Integrointialgoritmit molekyylidynamiikassa
Integrointialgoritmit molekyylidynamiikassa Markus Ovaska 28.11.2008 Esitelmän kulku MD-simulaatiot yleisesti Integrointialgoritmit: mitä integroidaan ja miten? Esimerkkejä eri algoritmeista Hyvän algoritmin
LisätiedotDrug targeting to tumors: Principles, pitfalls and (pre-) cilinical progress
Drug targeting to tumors: Principles, pitfalls and (pre-) cilinical progress Twan Lammers, Fabian Kiessling, Wim E. Hennik, Gert Storm Journal of Controlled Release 161: 175-187, 2012 Sampo Kurvonen 9.11.2017
LisätiedotENTSYYMIKATA- LYYSIN PERUSTEET (dos. Tuomas Haltia)
ENTSYYMIKATA- LYYSIN PERUSTEET (dos. Tuomas Haltia) Elämän edellytykset: Solun täytyy pystyä (a) replikoitumaan (B) katalysoimaan tarvitsemiaan reaktioita tehokkaasti ja selektiivisesti eli sillä on oltava
LisätiedotJatkuvat 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
LisätiedotKun yhtälöä ei voi ratkaista tarkasti (esim yhtälölle x-sinx = 1 ei ole tarkkaa ratkaisua), voidaan sille etsiä likiarvo.
Kun yhtälöä ei voi ratkaista tarkasti (esim yhtälölle x-sinx = 1 ei ole tarkkaa ratkaisua), voidaan sille etsiä likiarvo. Iterointi on menetelmä, missä jollakin likiarvolla voidaan määrittää jokin toinen,
LisätiedotEnergiatehokkuutta 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
LisätiedotHarjoitus 7: NCSS - Tilastollinen analyysi
Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen
LisätiedotTekoäly muuttaa arvoketjuja
Tekoäly muuttaa arvoketjuja Näin kartoitat tekoälyn mahdollisuuksia projektissasi Harri Puolitaival Harri Puolitaival Diplomi-insinööri ja yrittäjä Terveysteknologia-alan start-up: Likelle - lämpötilaherkkien
LisätiedotAvaruus- eli stereoisomeria
Avaruus- eli stereoisomeria KEMIAN MIKRO- MAAILMA, KE2 Kolme alalajia: 1) cis-trans-isomeria, 2) optinen isomeria ja 3) konformaatioisomeria, Puhtaiden stereoisomeerien valmistaminen ja erottaminen toisistaan
LisätiedotLaskennalinen kemia. Menetelmien hierarkia: Molekyyligeometria Molekyylimekaniikka Molekyylidynamiikka
Laskennalinen kemia Menetelmien hierarkia: Molekyyligeometria Molekyylimekaniikka Molekyylidynamiikka Molekyyligeometria ja elektronirakenteet Empiiriset menetelmät (Hückel, Extended Hückel) Semi-empiiriset
LisätiedotTIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Optimaalisuus: objektiavaruus f 2 min Z = f(s) Parhaat arvot alhaalla ja vasemmalla
LisätiedotEPIONEN Kemia 2015. EPIONEN Kemia 2015
EPIONEN Kemia 2015 1 Epione Valmennus 2014. Ensimmäinen painos www.epione.fi ISBN 978-952-5723-40-3 Painopaikka: Kopijyvä Oy, Kuopio Tämän teoksen painamiseen käytetty paperi on saanut Pohjoismaisen ympäristömerkin.
LisätiedotSimulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen
Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen 16.06.2014 Ohjaaja: Urho Honkanen Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotKemiallinen reaktio
Kemiallinen reaktio REAKTIOT JA ENERGIA, KE3 Johdantoa: Syömme elääksemme, emme elä syödäksemme! sanonta on totta. Kun elimistömme hyödyntää ravintoaineita metaboliassa eli aineenvaihduntareaktioissa,
LisätiedotKon Simuloinnin Rakentaminen Janne Ojala
Kon 16.4011 Simuloinnin Rakentaminen Janne Ojala Simulointi käytännössä 1/3 Simulaatiomalleja helppo analysoida Ymmärretään ongelmaa paremmin - Opitaan ymmärtämään koneen toimintaa ja siihen vaikuttavia
LisätiedotFYSA242 Statistinen fysiikka, Harjoitustentti
FYSA242 Statistinen fysiikka, Harjoitustentti Tehtävä 1 Selitä lyhyesti: a Mikä on Einsteinin ja Debyen kidevärähtelymallien olennainen ero? b Mikä ero vuorovaikutuksessa ympäristön kanssa on kanonisella
LisätiedotPHYS-A0120 Termodynamiikka syksy 2016
PHYS-A0120 Termodynamiikka syksy 2016 Emppu Salonen Prof. Peter Liljeroth Viikko 6: Faasimuutokset Maanantai 5.12. Kurssin aiheet 1. Lämpötila ja lämpö 2. Työ ja termodynamiikan 1. pääsääntö 3. Lämpövoimakoneet
LisätiedotProteiinien kontaktiresidyjen ennustaminen. Tuomo Hartonen Teoreettisen fysiikan syventävien opintojen seminaari
Proteiinien kontaktiresidyjen ennustaminen Tuomo Hartonen Teoreettisen fysiikan syventävien opintojen seminaari 13.12.12 Terminologiaa Aminohappo = proteiinien rakennuspalikka, luonto käyttää 20 erilaista
LisätiedotAvaruus- eli stereoisomeria
Avaruus- eli stereoisomeria IHMISEN JA ELINYMPÄ- RISTÖN KEMIAA, KE2 Kolme alalajia: 1) cis-trans-isomeria, 2) optinen isomeria ja 3) konformaatioisomeria, Puhtaiden stereoisomeerien valmistaminen ja erottaminen
LisätiedotMONIALAINEN TYÖ HYVINVOINNIN TUOTTAJANA
MONIALAINEN TYÖ HYVINVOINNIN TUOTTAJANA NUORET PALVELUJEN PARIIN PALVELUIDEN YHTEISTYÖLLÄ Monialaisten yhteistyöverkostojen kehittämishanke SEMINAARI 8.11.2012 Monialaisten yhteistyöverkostojen kehittämishanke
LisätiedotKE1 Ihmisen ja elinympäristön kemia
KE1 Ihmisen ja elinympäristön kemia Arvostelu: koe 60 %, tuntitestit (n. 3 kpl) 20 %, kokeelliset työt ja palautettavat tehtävät 20 %. Kurssikokeesta saatava kuitenkin vähintään 5. Uusintakokeessa testit,
LisätiedotMetsämuuronen: 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
Lisätiedot3D-tulostus ja OpenSCAD. Juha Biström, Mikko Simenius, Joel Tolonen
3D-tulostus ja OpenSCAD Juha Biström, Mikko Simenius, Joel Tolonen Luennon sisältö Motivaatio 3D-tulostus teknologiana Sähköpajan tulostimet Malli Mallinna itse jollakin CAD-ohjelmalla (esim. OpenSCAD)
LisätiedotLämpö- eli termokemiaa
Lämpö- eli termokemiaa Endoterminen reaktio sitoo ympäristöstä lämpöenergiaa. Eksoterminen reaktio vapauttaa lämpöenergiaa ympäristöön. Entalpia H kuvaa systeemin sisäenergiaa vakiopaineessa. Entalpiamuutos
LisätiedotKULJETUSSUUREET Kuljetussuureilla tai -ominaisuuksilla tarkoitetaan kaasumaisen, nestemäisen tai kiinteän väliaineen kykyä siirtää ainetta, energiaa, tai jotain muuta fysikaalista ominaisuutta paikasta
LisätiedotHelsingin yliopisto/tampereen yliopisto Henkilötunnus - Molekyylibiotieteet/Bioteknologia Etunimet valintakoe Tehtävä 3 Pisteet / 30
Helsingin yliopisto/tampereen yliopisto Henkilötunnus - hakukohde Sukunimi Molekyylibiotieteet/Bioteknologia Etunimet valintakoe 20.5.2013 Tehtävä 3 Pisteet / 30 3. Osa I: Stereokemia a) Piirrä kaikki
LisätiedotDemo 1: Simplex-menetelmä
MS-C2105 Optimoinnin perusteet Malliratkaisut 3 Ehtamo Demo 1: Simplex-menetelmä Muodosta lineaarisen tehtävän standardimuoto ja ratkaise tehtävä taulukkomuotoisella Simplex-algoritmilla. max 5x 1 + 4x
LisätiedotMALLIT VESIJÄRJESTELMIEN TUTKIMUKSESSA
MALLIT VESIJÄRJESTELMIEN TUTKIMUKSESSA Hannu Poutiainen, FT PUHDAS VESI JA YMPÄRISTÖ TUTKIMUSAVAUKSIA MAMKISSA Mikpoli 8.12.2016 Mitä mallit ovat? Malli on arvioitu kuvaus todellisuudesta joka on rakennettu
Lisätiedot782630S Pintakemia I, 3 op
782630S Pintakemia I, 3 op Ulla Lassi Puh. 0400-294090 Sposti: ulla.lassi@oulu.fi Tavattavissa: KE335 (ma ja ke ennen luentoja; Kokkolassa huone 444 ti, to ja pe) Prof. Ulla Lassi Opintojakson toteutus
LisätiedotAkateemisen ajattelun alkeiskurssi
CHEM-A1600: Aalto-kurssi, 3 op Akateemisen ajattelun alkeiskurssi sami.franssila@aalto.fi 11.9-4.12.2015: 12 kertaa Mitä ajattelu on? Ajattelua on se hukka-aika, joka kuluu jonkun näkemisestä siihen kun
LisätiedotEPMAn tarjoamat analyysimahdollisuudet
Top Analytica Oy Ab Laivaseminaari 27.8.2013 EPMAn tarjoamat analyysimahdollisuudet Jyrki Juhanoja, Top Analytica Oy Johdanto EPMA (Electron Probe Microanalyzer) eli röntgenmikroanalysaattori on erikoisrakenteinen
LisätiedotATOMIHILAT. Määritelmä, hila: Hilaksi sanotaan järjestelmää, jossa kiinteän aineen rakenneosat ovat pakkautuneet säännöllisesti.
ATOMIHILAT KEMIAN MIKRO- MAAILMA, KE2 Määritelmä, hila: Hilaksi sanotaan järjestelmää, jossa kiinteän aineen rakenneosat ovat pakkautuneet säännöllisesti. Hiloja on erilaisia. Hilojen ja sidosten avulla
Lisätiedot1-12 R1-R3. 21, 22 T4 Tutkielman palautus kurssin lopussa (Työ 2 ja Työ 3), (R4-R6) Sopii myös itsenäiseen opiskeluun Työ 4 R7 - R8
I Aineet ympärillämme 1 Kemia on 1x75 min tai 1-12 R1-R3 Kemia 1 kurssiin tutustumisen voi aloittaa Pohditehtävällä, jonka jälkeen opiskelijat tekevät ryhmissä yhden tehtävistä R1-R3 (tietokoneet). Oheismateriaali:
Lisätiedotψ(x) = A cos(kx) + B sin(kx). (2) k = nπ a. (3) E = n 2 π2 2 2ma 2 n2 E 0. (4)
76A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 4 Kevät 214 1. Tehtävä: Yksinkertainen malli kovalenttiselle sidokselle: a) Äärimmäisen yksinkertaistettuna mallina elektronille atomissa voidaan pitää syvää potentiaalikuoppaa
LisätiedotLAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä
Esri Finland LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä November 2012 Janne Saarikko Agenda Lidar-aineistot ja ArcGIS 10.1 - Miten LAS-aineistoa voidaan hyödyntää? - Aineistojen hallinta LAS Dataset
LisätiedotL7 Kaasun adsorptio kiinteän aineen pinnalle
CHEM-C2230 Pintakemia L7 Kaasun adsorptio kiinteän aineen pinnalle Monika Österberg Barnes&Gentle, 2005, luku 8 Aikaisemmin käsitellyt Adsorptio kiinteälle pinnalle nesteessä Adsorptio nestepinnalle 1
LisätiedotFaasipiirrokset, osa 2 Binääristen piirrosten tulkinta
Faasipiirrokset, osa 2 Binääristen piirrosten tulkinta Ilmiömallinnus prosessimetallurgiassa Syksy 2016 Teema 1 - Luento 4 Tavoite Oppia tulkitsemaan 2-komponenttisysteemien faasipiirroksia 1 Binääriset
LisätiedotFarmakogeneettiset testit apuna lääkehoidon arvioinnissa
Farmakogeneettiset testit apuna lääkehoidon arvioinnissa Farmakogeneettiset testit Farmakogenetiikalla tarkoitetaan geneettisiä variaatioita, jotka vaikuttavat lääkeainevasteeseen. Geneettisen tiedon hyödyntäminen
Lisätiedot1. Tilastollinen malli??
1. Tilastollinen malli?? https://fi.wikipedia.org/wiki/tilastollinen_malli https://en.wikipedia.org/wiki/statistical_model http://projecteuclid.org/euclid.aos/1035844977 Tilastollinen malli?? Numeerinen
LisätiedotKokemuksia ja tuloksia - meiltä ja maailmalta. Jouni Puumalainen, tutkija Kuntoutussäätiö
Kokemuksia ja tuloksia - meiltä ja maailmalta Jouni Puumalainen, tutkija Kuntoutussäätiö Kokemuksia Google Scholars löysi hakulauseella how to deal with ADHD child in exercise miljoonia osumia. Yleisiä
LisätiedotSisältö. Työn lähtökohta ja tavoitteet Lyhyt kertaus prosessista Käytetyt menetelmät Työn kulku Tulokset Ongelmat ja jatkokehitys
Loppuraportti Sisältö Työn lähtökohta ja tavoitteet Lyhyt kertaus prosessista Käytetyt menetelmät Työn kulku Tulokset Ongelmat ja jatkokehitys Työn lähtökohta ja tavoitteet Voimalaitoskattiloiden tulipesässä
LisätiedotSalakirjoitusmenetelmiä
Salakirjoitusmenetelmiä LUKUTEORIA JA LOGIIKKA, MAA 11 Salakirjoitusten historia on tuhansia vuosia pitkä. On ollut tarve lähettää viestejä, joiden sisältö ei asianomaisen mielestä saanut tulla ulkopuolisten
LisätiedotPredictAD-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
LisätiedotCHEM-A1400 Tulevaisuuden materiaalit (5 op) LABORATORIOTYÖN RAPORTTI
CHEM-A1400 Tulevaisuuden materiaalit (5 op) LABORATORIOTYÖN RAPORTTI TYÖ Litiumioniakku Ryhmä Ryhmän johtaja työ tehty palautus pvm Vastaa raportissa alla esitettyihin kysymyksiin. Tee raportista kuitenkin
LisätiedotSisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4
Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 6 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA... 7 1.2 AIHEESEEN PEREHTYMINEN...
LisätiedotKuvioton metsäsuunnittelu Paikkatietomarkkinat, Helsinki Tero Heinonen
Paikkatietomarkkinat, Helsinki 3.11.2009 Tero Heinonen Sisältö Kuvioton metsäsuunnittelu Optimointi leimikon suunnittelumenetelmänä Verrataan optimointi lähestymistapaa diffuusiomenetelmään Muuttuvat käsittely-yksiköt
LisätiedotHarjoitustyön testaus. Juha Taina
Harjoitustyön testaus Juha Taina 1. Johdanto Ohjelman teko on muutakin kuin koodausta. Oleellinen osa on selvittää, että ohjelma toimii oikein. Tätä sanotaan ohjelman validoinniksi. Eräs keino validoida
LisätiedotLuku 8. Aluekyselyt. 8.1 Summataulukko
Luku 8 Aluekyselyt Aluekysely on tiettyä taulukon väliä koskeva kysely. Tyypillisiä aluekyselyitä ovat, mikä on taulukon välin lukujen summa tai pienin luku välillä. Esimerkiksi seuraavassa taulukossa
LisätiedotTilastollinen testaus. Vilkkumaa / Kuusinen 1
Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää
LisätiedotMikroskooppisten kohteiden
Mikroskooppisten kohteiden lämpötilamittaukset itt t Maksim Shpak Planckin laki I BB ( λ T ) = 2hc λ, 5 2 1 hc λ e λkt 11 I ( λ, T ) = ε ( λ, T ) I ( λ T ) m BB, 0 < ε
LisätiedotPalvelumuotoiluprosessin 1. vaihe: Ymmärrä
Palvelumuotoiluprosessin 1. vaihe: Ymmärrä Understanding Ymmärrä Thinking Pohdi Generating Kehitä Filtering Seulo Explaining Selitä Realising Toteuta Ymmärrä Tässä vaiheessa kerätään tietoa suunnittelukohteesta
LisätiedotTodellinen vuosikorko. Efektiivinen/sisäinen korkokanta. Huomioitavaa
Todellinen vuosikorko Huomioitavaa Edellinen keskimaksuhetkeen perustuva todellinen vuosikorko antaa vain arvion vuosikorosta. Tarkempi arvio todellisesta korosta saadaan ottamalla huomioon mm. koronkorko.
LisätiedotÄlykkään vesihuollon järjestelmät
Älykkään vesihuollon järjestelmät Älykkään vesihuollon järjestelmät fcgsmart.fi Älykäs vesihuolto 6. Organisaatio, johtaminen ja asiakaspalvelu 5. Tiedon yhdistäminen ja analysointi 4. Tiedon hallinta
LisätiedotMäärittelydokumentti
Määrittelydokumentti Aineopintojen harjoitustyö: Tietorakenteet ja algoritmit (alkukesä) Sami Korhonen 014021868 sami.korhonen@helsinki. Tietojenkäsittelytieteen laitos Helsingin yliopisto 23. kesäkuuta
LisätiedotKOTITEKOINEN PALOSAMMUTIN (OSA II)
Johdanto KOTITEKOINEN PALOSAMMUTIN (OSA II) Monet palosammuttimet, kuten kuvassa esitetty käsisammutin, käyttävät hiilidioksidia. Jotta hiilidioksidisammutin olisi tehokas, sen täytyy vapauttaa hiilidioksidia
LisätiedotAineistokoko ja voima-analyysi
TUTKIMUSOPAS Aineistokoko ja voima-analyysi Johdanto Aineisto- eli otoskoon arviointi ja tutkimuksen voima-analyysi ovat tilastollisen tutkimuksen suunnittelussa keskeisimpiä asioita. Otoskoon arvioinnilla
LisätiedotFarmasian tutkimuksen tulevaisuuden näkymiä. Arto Urtti Lääketutkimuksen keskus Farmasian tiedekunta Helsingin yliopisto
Farmasian tutkimuksen tulevaisuuden näkymiä Arto Urtti Lääketutkimuksen keskus Farmasian tiedekunta Helsingin yliopisto Auttaako lääkehoito? 10 potilasta 3 saa avun 3 ottaa lääkkeen miten sattuu - ei se
LisätiedotTIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Tasaväliset PO pisteet? Painokerroinmenetelmä: muutetaan painoja systemaattisesti
LisätiedotRistitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti
14 Ristitulo Avaruuden R 3 vektoreille voidaan määritellä pistetulon lisäksi niin kutsuttu ristitulo. Pistetulosta poiketen ristitulon tulos ei ole reaaliluku vaan avaruuden R 3 vektori. Ristitulosta on
LisätiedotLuento 8 6.3.2015. Entrooppiset voimat Vapaan energian muunoksen hyötysuhde Kahden tilan systeemit
Luento 8 6.3.2015 1 Entrooppiset voimat Vapaan energian muunoksen hyötysuhde Kahden tilan systeemit Entrooppiset voimat 3 2 0 0 S k N ln VE S, S f ( N, m) 2 Makroskooppisia voimia, jotka syntyvät pyrkimyksestä
LisätiedotNollasummapelit ja bayesilaiset pelit
Nollasummapelit ja bayesilaiset pelit Kristian Ovaska HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Seminaari: Peliteoria Helsinki 18. syyskuuta 2006 Sisältö 1 Johdanto 1 2 Nollasummapelit 1 2.1
LisätiedotJÄTEHUOLLON ERIKOISTYÖ
Jari-Jussi Syrjä 1200715 JÄTEHUOLLON ERIKOISTYÖ Typpioksiduulin mittaus GASMET-monikaasuanalysaattorilla Tekniikka ja Liikenne 2013 1. Johdanto Erikoistyön tavoitteena selvittää Vaasan ammattikorkeakoulun
LisätiedotELEC-C2210 Molekyyli- ja solubiologia
ELEC-C2210 Molekyyli- ja solubiologia Entsyymikatalyysi Vuento & Heino ss. 66-75 ECB: Luku 3, s. 90-93 & luku 4, s. 144- Dos. Tuomas Haltia, Biotieteiden laitos, biokemia ja biotekniikka Miten entsyymit
LisätiedotMuinaisesineiden 3D talletus
Muinaisesineiden 3D talletus Muinaisesineiden 3D talletus tapahtuu niiden pintamuotojen 3D kuvaamisella. 3D kuvaaminen tehdään asiakkaan määrittelemällä tarkkuustasolla. 3D kuvaamiseen käytämme smartscan
LisätiedotChem-C2400 Luento 4: Kidevirheet Ville Jokinen
Chem-C2400 Luento 4: Kidevirheet 18.1.2019 Ville Jokinen Oppimistavoitteet Liukoisuus (käsiteltiin luennolla 3) 0D, pistemäiset kidevirheet: (liukoisuus), vakanssit 1D, viivamaiset kidevirheet: dislokaatiot
Lisätiedot766334A Ydin- ja hiukkasfysiikka
1 766334A Ydin- ja hiukkasfysiikka Luentomonistetta täydentävää materiaalia: 4 Juhani Lounila Oulun yliopisto, Fysiikan laitos, 01 6 Radioaktiivisuus Kuva 1 esittää radioaktiivisen aineen ydinten lukumäärää
LisätiedotOligonukleotidi-lääkevalmisteet ja niiden turvallisuuden tutkiminen - Sic!
Page 1 of 5 JULKAISTU NUMEROSSA 3-4/2017 EX TEMPORE Oligonukleotidi-lääkevalmisteet ja niiden turvallisuuden tutkiminen Enni-Kaisa Mustonen / Kirjoitettu 18.12.2017 / Julkaistu Oligonukleotidit ovat nukleotideista
LisätiedotNeuroverkkojen soveltaminen vakuutusdatojen luokitteluun
Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Sami Hokuni 12 Syyskuuta, 2012 1/ 54 Sami Hokuni Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Turun Yliopisto. Gradu tehty 2012 kevään
LisätiedotAukkoja sekvensseissä. Tuomo Hartonen Teoreettisen fysiikan syventävien opintojen seminaari
Aukkoja sekvensseissä Tuomo Hartonen Teoreettisen fysiikan syventävien opintojen seminaari 25.04.13 Terminologiaa Aminohappo = proteiinien rakennuspalikka, proteiinit rakentuvat 22:sta erilaisesta, 20
LisätiedotHuumetestauksen tekniikkaa
Huumetestauksen tekniikkaa SKKY ry:n ja Sairaalakemistit ry:n syyskoulutuspäivät 1.11.2013, Helsinki FT Antti Leinonen Huume-, lääkeaine- ja dopinganalytiikan yksikkö Yhtyneet Medix Laboratoriot Oy Huumetestien
LisätiedotKaivostoiminnan kehittäminen ja ympäristö
Kaivostoiminnan kehittäminen ja ympäristö Pohjois-Suomessa Risto Pietilä Geologian tutkimuskeskus GTK:n toiminta-alueet ja profiilit GTK on alueellinen toimija, jolla on vahva yhteys alueiden suunnitteluun
LisätiedotSynteettinen 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
LisätiedotLiikennejärjestelmämallit ja niiden käyttö poliittisessa päätöksenteossa ja suunnittelussa. Ville Koskinen, 1.12.2005
Liikennejärjestelmämallit ja niiden käyttö poliittisessa päätöksenteossa ja suunnittelussa Ville Koskinen, 1.12.2005 Mallinnustasojen työnjako pieni suuri Mallin yksityiskohtaisuus Verkon koko suuri pieni
LisätiedotKEMIA. Kemia on tiede joka tutkii aineen koostumuksia, ominaisuuksia ja muuttumista.
KEMIA Kemia on tiede joka tutkii aineen koostumuksia, ominaisuuksia ja muuttumista. Kemian työturvallisuudesta -Kemian tunneilla tutustutaan aineiden ominaisuuksiin Jotkin aineet syttyvät palamaan reagoidessaan
LisätiedotHow to Support Decision Analysis with Software Case Förbifart Stockholm
How to Support Decision Analysis with Software Case Förbifart Stockholm (Valmiin työn esittely) 13.9.2010 Ohjaaja: Prof. Mats Danielson Valvoja: Prof. Ahti Salo Tausta -Tukholman ohikulkutien suunnittelu
LisätiedotYHTEYDEN OTTAMINEN CSC:N KONEELLE HIPPU
Johdatus laskennalliseen kemiaan, Harjoitus 1 Harjoituksen tavoitteet ovat - Tutustua ab initio -laskuissa käytettävään laskentaympäristöön - Oppia ottamaan tietokoneluokan koneelta yhteys laskentakoneelle
LisätiedotLineaariset yhtälöryhmät ja matriisit
Lineaariset yhtälöryhmät ja matriisit Lineaarinen yhtälöryhmä a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2. a m1 x 1 + a m2 x 2 + + a mn x n = b m, (1) voidaan esittää
LisätiedotTässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä:
4. Tyhjentyvyys Tässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä: Voidaanko päätelmät perustaa johonkin tunnuslukuun t = t(y) koko aineiston y sijasta? Mitä
LisätiedotIn silico seulonnan käyttö uusien johtolankamolekyylien seulonnassa perinteisen kiinalaisen lääketieteen luonnonainetietokannoista
1 In silico seulonnan käyttö uusien johtolankamolekyylien seulonnassa perinteisen kiinalaisen lääketieteen luonnonainetietokannoista Tuomo Laitinen Kuopion yliopisto, Farmaseuttisen kemian laitos, PL 1627,
LisätiedotLuku 13 KAASUSEOKSET
Thermodynamics: An Engineering Approach, 7 th Edition Yunus A. Cengel, Michael A. Boles McGraw-Hill, 2010 Luku 13 KAASUSEOKSET Copyright The McGraw-Hill Companies, Inc. Permission required for reproduction
LisätiedotKäyttäjälähtöinen suunnittelumenetelmä: kokemuksia käyttäjien sitouttamisesta suunnitteluprosessiin
Käyttäjälähtöinen suunnittelumenetelmä: kokemuksia käyttäjien sitouttamisesta suunnitteluprosessiin IPT2 -hanke, työpajan alustus Vison, Helsinki 13.12.2018 Perustettu 1958 www.ukiark.fi 65 arkkitehtisuunnittelun
LisätiedotMa > GENERAL PRINCIPLES OF CELL SIGNALING
Ma 5.12. -> GENERAL PRINCIPLES OF CELL SIGNALING Cell-Surface Receptors Relay Extracellular Signals via Intracellular Signaling Pathways Some Intracellular Signaling Proteins Act as Molecular Switches
LisätiedotKertausta 1.kurssista. KEMIAN MIKROMAAILMA, KE2 Atomin rakenne ja jaksollinen järjestelmä. Hiilen isotoopit
KEMIAN MIKROMAAILMA, KE2 Atomin rakenne ja jaksollinen järjestelmä Kertausta 1.kurssista Hiilen isotoopit 1 Isotoopeilla oli ytimessä sama määrä protoneja, mutta eri määrä neutroneja. Ne käyttäytyvät kemiallisissa
LisätiedotKE4, KPL. 3 muistiinpanot. Keuruun yläkoulu, Joonas Soininen
KE4, KPL. 3 muistiinpanot Keuruun yläkoulu, Joonas Soininen KPL 3: Ainemäärä 1. Pohtikaa, miksi ruokaohjeissa esim. kananmunien ja sipulien määrät on ilmoitettu kappalemäärinä, mutta makaronit on ilmoitettu
LisätiedotLogistiikkajärjestelmien mallintaminen - käytännön sovelluksia
FORS-seminaari 2005 - Infrastruktuuri ja logistiikka Logistiikkajärjestelmien mallintaminen - käytännön sovelluksia Ville Hyvönen EP-Logistics Oy Taustaa Ville Hyvönen DI (TKK, teollisuustalous, tuotannon
LisätiedotVoittaja. Toimenpiteen nimi. Työtila datan käsittelyyn. Tavoite / toimenpide
Työtila datan käsittelyyn Voittaja Jokaiselle rekisterinpitäjälle työtila arkaluontoisen henkilödatan käsittelyyn yhdessä muiden kanssa (FinDatan luvalla). Työtilassa on mahdollisuus: Perustaa virtuaalihuoneita
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2
LisätiedotOngelma(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-,
LisätiedotAVOIN DATA AVAIN UUTEEN Seminaarin avaus Kansleri Ilkka Niiniluoto Helsingin yliopisto
AVOIN DATA AVAIN UUTEEN Seminaarin avaus 1.11.11 Kansleri Ilkka Niiniluoto Helsingin yliopisto TIETEELLINEN TIETO tieteellinen tieto on julkista tieteen itseäänkorjaavuus ja edistyvyys tieto syntyy tutkimuksen
LisätiedotMetli. Palveluliiketoimintaa metsäteollisuuden lietteistä. Gasumin kaasurahaston seminaari 10.12.2013 (Tapahtumatalo Bank, Unioninkatu 20)
Metli Palveluliiketoimintaa metsäteollisuuden lietteistä Hankkeen esittely Gasumin kaasurahaston seminaari 10.12.2013 (Tapahtumatalo Bank, Unioninkatu 20) Toteuttajat: FM Maarit Janhunen (Savonia), FT
LisätiedotArvokkaiden yhdisteiden tuottaminen kasveissa ja kasvisoluviljelmissä
Arvokkaiden yhdisteiden tuottaminen kasveissa ja kasvisoluviljelmissä Siirtogeenisiä organismeja käytetään jo nyt monien yleisten biologisten lääkeaineiden valmistuksessa. Esimerkiksi sellaisia yksinkertaisia
Lisätiedot10 Matriisit ja yhtälöryhmät
10 Matriisit ja yhtälöryhmät Tässä luvussa esitellään uusi tapa kirjoittaa lineaarinen yhtälöryhmä matriisien avulla käyttäen hyväksi matriisikertolaskua sekä sarakevektoreita Pilkotaan sitä varten yhtälöryhmän
LisätiedotTietorakenteet 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
LisätiedotMekaniikan jatkokurssi Fys102
Mekaniikan jatkokurssi Fys10 Syksy 009 Jukka Maalampi LUENTO 1 Jäykän kappaleen pyöriminen Knight, Ch 1 Jäykkä kappale = kappale, jonka koko ja muoto eivät muutu liikkeen aikana. Jäykkä kappale on malli.
LisätiedotTestauksen tuki nopealle tuotekehitykselle. Antti Jääskeläinen Matti Vuori
Testauksen tuki nopealle tuotekehitykselle Antti Jääskeläinen Matti Vuori Mitä on nopeus? 11.11.2014 2 Jatkuva nopeus Läpäisyaste, throughput Saadaan valmiiksi tasaiseen, nopeaan tahtiin uusia tuotteita
Lisätiedot766334A Ydin- ja hiukkasfysiikka
1 76633A Ydin- ja hiukkasfysiikka Luentomonistetta täydentävää materiaalia: 3 5-3 Kuorimalli Juhani Lounila Oulun yliopisto, Fysiikan laitos, 011 Kuva 7-13 esittää, miten parillis-parillisten ydinten ensimmäisen
LisätiedotIonisoiva säteily. Tapio Hansson. 20. lokakuuta 2016
Tapio Hansson 20. lokakuuta 2016 Milloin säteily on ionisoivaa? Milloin säteily on ionisoivaa? Kun säteilyllä on tarpeeksi energiaa irrottaakseen aineesta elektroneja tai rikkoakseen molekyylejä. Milloin
LisätiedotLuku 5: Diffuusio kiinteissä aineissa
Luku 5: Diffuusio kiinteissä aineissa Käsiteltävät aiheet... Mitä on diffuusio? Miksi sillä on tärkeä merkitys erilaisissa käsittelyissä? Miten diffuusionopeutta voidaan ennustaa? Miten diffuusio riippuu
LisätiedotOYS:n Kuntoutusosaston terapiahenkilöstön työnkuva
OYS:n Kuntoutusosaston terapiahenkilöstön työnkuva Sairaanhoitajakoulutusta 120 vuotta Oulussa -juhlakonferenssi 22. 23.9.2016 Anne Pietikäinen skj15 Kehittämistyö Kehittämistyö on työ, jossa yhdistetään
Lisätiedot