Opracowanie automatycznego stanowiska do miareczkowania
Opiekun: Dr inż. Adam Marek
Kontakt: adam.a.marek@polsl.pl
Projekt polega na napisaniu algorytmu i interfejsu komputerowego do kontroli pompy dozującego w zależności o wskazania pHmetru / sondy kolorymentrycznej w oznacznej próbce.
Zadaniem Państwa będzie testowanie programu, porównanie go do klasycznej metody manualnej, wyznaczenie ewentualnych odchyleń standardowych.
Poszukiwani są: 2-3 studentów kierunku Biotechnologia, Bioinformatyka, Automatyka lub Informatyka.
Różnicowanie mechanizmów EMT indukowanego TGF-β w komórkach MCF10A i MCF7: od transkryptomu do modelu
Opiekun: Dr inż. Monika Kurpas
Kontakt: Monika.Kurpas@polsl.pl
Projekt badawczy skupia się na analizie różnic w procesie przejścia epitelialno-mezenchymalnego (EMT) indukowanego TGF-β w niekancerogennych komórkach MCF10A i nowotworowych MCF7, wykorzystując dane RNA-Seq i wyniki western blot. Głównym celem jest wyjaśnienie odmiennej plastyczności obu linii komórkowych oraz mechanizmów związanych z fizjologicznym EMT typu II i nowotworowym EMT typu III. Badania obejmują analizę zmian ekspresji genów i białek markerowych EMT, takich jak E-kadheryna, N-kadheryna i wimentyna, wraz z identyfikacją kluczowych szlaków sygnałowych.
Studenci zaangażowani w projekt zdobędą praktyczne umiejętności w analizie danych transkryptomicznych, interpretacji wyników proteomicznych oraz konstrukcji prostych modeli matematycznych opisujących dynamikę EMT. Projekt ma na celu nie tylko pogłębienie zrozumienia różnic w odpowiedzi komórek na TGF-β, ale także wypracowanie modelu wyjaśniającego te zjawiska, co może mieć znaczenie dla badań nad nowotworzeniem i potencjalnymi strategiami terapeutycznymi.
Ewolucja genomów SARS-CoV-2: analiza mutacji i zmienności wariantów wirusa
Opiekun: Dr inż. Monika Kurpas
Kontakt: Monika.Kurpas@polsl.pl
Szybka i złożona ewolucja SARS-CoV-2 stanowi poważne wyzwanie dla współczesnej wirusologii i bioinformatyki. Wstępne badania oparte na analizie niemal 15 milionów genomów z bazy GISAID ujawniły nieoczekiwany wzorzec ewolucji – kluczowe mutacje nie akumulowały się stopniowo, lecz pojawiały się skokowo, prowadząc do nagłego powstania w pełni ukształtowanych wariantów. To zjawisko sugeruje działanie silnych, choć trudnych do bezpośredniego zaobserwowania, presji selekcyjnych.
W ramach projektu proponujemy pogłębioną analizę tych procesów ewolucyjnych. Badania będą koncentrować się na ocenie stosunku mutacji synonimicznych do niesynonimicznych (wskaźnik dN/dS), co pozwoli zidentyfikować regiony genomu poddane szczególnie silnej selekcji. Kolejnym ważnym aspektem będzie analiza zróżnicowania podwariantów Omikronu, w tym ich rozprzestrzeniania się w czasie i przestrzeni, wsparta zaawansowanymi metodami statystycznymi i wizualizacją danych. Dodatkowo, projekt obejmie badanie widm częstości mutacji, które umożliwią odróżnienie zmian utrwalonych w populacji od tych występujących przejściowo.
Dla zainteresowanych studentów istnieje możliwość rozszerzenia badań o analizę trajektorii mutacyjnych w formie grafów, porównań z innymi koronawirusami czy implementację modeli ewolucyjnych. Udział w projekcie zapewni praktyczne doświadczenie w pracy z dużymi zbiorami danych genetycznych, a także umiejętności z zakresu bioinformatyki i statystyki ewolucyjnej, istotne dla współczesnych badań biologicznych.
Modelowanie ewolucji nowotworów i analiza danych biologicznych
Opiekun: Dr inż. Monika Kurpas
Kontakt: Monika.Kurpas@polsl.pl
Projekt skupia się na modelowaniu ewolucji komórek nowotworowych, porównując stochastyczne modele populacyjne (np. Wright-Fisher, Moran, procesy gałązkowe) pod kątem ich zdolności do odtwarzania dynamiki mutacji „driver” i „passenger” oraz efektów epistazy.
Drugi obszar obejmuje analizę danych biologicznych, w tym raka piersi (z własnych zasobów i TCGA), oraz eksperyment laboratoryjny polegający na wprowadzeniu mutacji „driver” (HER2, PIK3CA) i „passenger” (doksorubicyna) w liniach komórkowych, a następnie ocenie morfologicznej i sekwencjonowaniu. Kolejne etapy przewidują rozszerzenie symulacji o warunki in vivo i in vitro, aby ocenić skalowalność modeli. Efektem projektu będą rekomendacje dotyczące najlepszych modeli matematycznych i parametrów oraz optymalizacji eksperymentów biologicznych.
Studenci zdobędą umiejętności w zakresie bioinformatyki, genetyki populacyjnej i modelowania stochastycznego, łącząc teorię, symulacje i eksperymenty.
