Wyniki wyszukiwania - BazTech

1

Evolution and application of new genetic techniques - from nucleic acids via microarrays to CRISPR

Kocki J., Bogucka-Kocka A.

Engineering of Biomaterials

|

2018

|

Vol. 21, no. 148

80

2

Polymers for peptide/protein arrays

Szweda R., Lipowska D., Silberring J., Dworak A., Trzebicka B.

Polimery

|

2015

|

T. 60, nr 2

75--86

EN

Peptide and protein arrays have gained increasing attention due to their potential application in many areas of research, clinical diagnosis, and pharmacy. A typical array consists of asupport containing immobilized peptides or proteins positioned in an addressable format. The greatest advantage of the arrays is the possibility for miniaturization, which relies on dividing the surface into miniature spots, thus allowing for hundreds/thousands of analyses to be simultaneously performed using minimal amounts of aprecious biological material. The quality of assays with the use of peptide and protein arrays depends on the surface properties, e.g., hydrophilicity, homogeneity, density of functional groups, surface morphology, etc. In recent years, it was shown that the quality of the assays might be improved by introducing polymers acting as spacers between the peptide and the solid support. This approach causes changes in the surface properties, e.g., it reduces the undesirable non-specific adsorption of biomolecules, increases the density of functional groups, or can improve the biological activity of biomolecules attached to the surface. In this review, various types of polymers that are used for peptide and protein arrays and their impact on the assay quality are discussed.

PL

Peptydy lub białka naniesione w regularnych, uporządkowanych pozycjach na nośnik stały tworzą tzw. macierze. Układy takie wzbudzają coraz większe zainteresowanie, ponieważ można je wykorzystywać do prowadzenia analiz w biochemii, diagnostyce klinicznej czy farmacji. Największą zaletą macierzy jest możliwość miniaturyzacji. Podział powierzchni macierzy na mikroplamki (mikrospoty) pozwala na wykonywanie do kilkuset analiz jednocześnie z wykorzystaniem minimalnej ilości cennego materiału biologicznego. Jakość analiz przeprowadzanych przy użyciu macierzy peptydowych i białkowych zależy od takich właściwości powierzchni, jak: hydrofilowość, jednorodność, gęstość obsadzenia grupami funkcyjnymi, morfologia, itp. W ostatnich latach wykazano, że można poprawić jakość analiz w wyniku wprowadzenia polimerów między peptyd/białko a podłoże. Polimery zmieniają właściwości powierzchni macierzy, np. redukują niepożądaną adsorpcję biocząsteczek, zwiększają gęstość obsadzenia powierzchni grupami funkcyjnymi lub poprawiają dostępność biocząsteczek związanych z powierzchnią. W niniejszej pracy omówiono różne typy polimerów stosowane do otrzymywania macierzy peptydowych i białkowych oraz ich wpływ na jakość przeprowadzanych analiz.

3

Metody wykrywania i oznaczania GMO. Cz. I. Techniki molekularne - analiza DNA

Słowianek M.

Przemysł Spożywczy

|

2012

|

T. 66, nr 8/9

64-66

PL

Rozwój inżynierii genetycznej doprowadził do wprowadzenia na rynek żywności genetycznie zmodyfikowanej, tzn. żywności zawierającej organizmy genetycznie zmodyfikowane (GMO) lub wyprodukowanej z ich udziałem. Zastosowanie GMO w diecie i rolnictwie budzi obawy i kontrowersje. Dlatego wiele krajów, w tym kraje UE, wprowadziło obowiązek znakowania żywności GM. W związku z tym opracowano wiele metod detekcji i oznaczenia ilościowego GMO w materiale roślinnym oraz w produktach żywnościowych. W artykule opisano metody wykrywania i oznaczania GMO w żywności na poziomie DNA. Wskazano zalety i wady technik takich jak PCR, biosensory, mikromacierze oraz przykłady produktów żywnościowych badanych za ich pomocą.

EN

Development of genetic engineering has led to the launch of GM foods, that means, food containing genetically modified organisms or food produced with their participation. The GMO introduction into diet and agriculture is arousing fears and controversies. Therefore, many countries, including the European Union, require mandatory labeling of GMO derived food. Consequently, a lot of methods for detection and quantification of GMO in the plant material and food products was developed. This paper focuses on methods for detection and quantification of GMO in food on the DNA level. The review describes techniques such as PCR, biosensors and microarrays with their advantages and drawbacks and specific examples of food products examined with their help.

4

Mikromacierze w hematologii : nowe kierunki diagnostyki hematologicznej

Demkow U.

Laboratorium - Przegląd Ogólnopolski

|

2012

|

nr 5-6

36--38

PL

Mikromacierze znajdują coraz szersze zastosowanie w biologii, medycynie oraz w diagnostyce. Ważnym kierunkiem badawczo-rozwojowym jest zastosowanie mikromacierzy w diagnostyce hematologicznej, gdzie pozwalają one m.in. identyfikować geny istotne w patogenezie nowotworów hematoonkologicznych czy opracowywać nowe leki na podstawie oceny ekspresji genów w komórkach nowotworowych.

EN

Microarrays are becoming widely used in biology, medicine and diagnostics. An important direction of research and progress is the use of microarrays in the haematological diagnostics, where they allow to identify genes important in the pathogenesis of cancer. They are also useful for the development of new drugs based on the assessment of gene expression in cancer cells.

5

Application of Density Based Clustering to Microarray Data Analysis

Raczynski L., Wozniak K., Rubel T., Zaremba K.

International Journal of Electronics and Telecommunications

|

2010

|

Vol. 56, No. 3

281-286

EN

In just a few years, gene expression microarrays have rapidly become a standard experimental tool in the biological and medical research. Microarray experiments are being increasingly carried out to address the wide range of problems, including the cluster analysis. The estimation of the number of clusters in datasets is one of the main problems of clustering microarrays. As a supplement to the existing methods we suggest the use of a density based clustering technique DBSCAN that automatically defines the number of clusters. The DBSCAN and other existing methods were compared using the microarray data from two datasets used for diagnosis of leukemia and lung cancer.

6

Methods of microarray data preprocessing for classification of tumors

Rubel T., Pawłowski Z., Zaremba K.

Biocybernetics and Biomedical Engineering

|

2005

|

Vol. 25, no. 4

37-57

EN

Gene arrays measure expression levels for thousands of genes simultaneously, providing a powerful tool for both basic research and clinical medicine. The aim of this paper was to present an optimal approach to preprocessing data from cancer microarray studies. The performance of different statistical methods used for the tumor classification was also compared. These methods include: the Bayes classifier, Fisher's classifier, minimum Euclidean and Mahalanobis distance classifiers and K-nearest neighbours classifier. The preprocessing algorithms and classification methods were applied to three datasets used for diagnosis of lymphoma, leukemia and lung cancer.

7

Selecting Differentially Expressed Genes for Colon Tumor Classification

Fujarewicz K., Wiench M.

International Journal of Applied Mathematics and Computer Science

|

2003

|

Vol. 13, no 3

327-335

EN

DNA microarrays provide a new technique of measuring gene expression, which has attracted a lot of research interest in recent years. It was suggested that gene expression data from microarrays (biochips) can be employed in many biomedical areas, e.g., in cancer classification. Although several, new and existing, methods of classification were tested, a selection of proper (optimal) set of genes, the expressions of which can serve during classification, is still an open problem. Recently we have proposed a new recursive feature replacement (RFR) algorithm for choosing a suboptimal set of genes. The algorithm uses the support vector machines (SVM) technique. In this paper we use the RFR method for finding suboptimal gene subsets for tumor/normal colon tissue classification. The obtained results are compared with the results of applying other methods recently proposed in the literature. The comparison shows that the RFR method is able to find the smallest gene subset (only six genes) that gives no misclassifications in leave-one-out cross-validation for a tumor/normal colon data set. In this sense the RFR algorithm outperforms all other investigated methods.