60
Zastosowanie Bioinformatyki w Medycynie Jakub Paś

Zastosowanie bioinformatyki w medycynie

Embed Size (px)

Citation preview

Page 1: Zastosowanie bioinformatyki w medycynie

Zastosowanie Bioinformatyki w Medycynie

Jakub Paś

Page 2: Zastosowanie bioinformatyki w medycynie

Bioinformatyka

• Bioinformatyka – zastosowanie metod obliczeniowych w biologii, medycynie.

• W praktyce pojecie to stosuje się najczęściej do:

- poznawania sekwencji (kwasy nukleinowe białka), struktury i funkcji cząsteczek biologicznych- Relacji miedzy nimi – porównywanie, analiza filogenetyczna, dokowanie, symulacje dynamiki molekularnej, symulacje szlaków metabolicznych i patternów ekspresji…

Page 3: Zastosowanie bioinformatyki w medycynie

Bioinformatyka Medyczna

- Wyszukiwanie targetów do leków- Poszukiwanie leków- Projektowanie nowych lekow

Page 4: Zastosowanie bioinformatyki w medycynie

Rodzaje chorób i metody ich leczenia

Choroby genetyczne:

- Substytut produktu uszkodzonego genu- Terapia genowa - przyszłość

Choroby wywołane patogenami:

- unieszkodliwienie patogenu przez blokowanie ekspresji istotnych do jego funkcjonowania genów.

Nowotwory:

- Specyficzne niszczenie komórek nowotworowych.

Podobny algorytm postępowania

Page 5: Zastosowanie bioinformatyki w medycynie

Algorytm postępowania w poszukiwaniu leków

- Znajdz gen istotnie różniący się miedzy patogenem a chorym lub miedzy nowotworem a chorym

- Zaprojektuj czasteczke blokującą produkt genu:

mRNA białko (najczęściej)

Page 6: Zastosowanie bioinformatyki w medycynie

Postępowanie w przypadku białek:

1.Poznaj strukturę białka2.Znajdź lek3.Zbadaj oddziaływanie

Page 7: Zastosowanie bioinformatyki w medycynie

Struktura BiałekI Struktura pierwszorzedowa (sekwencja)

EKKIMTSIVDQKAKIEITLVK...

II Struktura drugorzędowa (lokalna)

Alfa Helisa

Beta kartka

III Struktura trzeciorzędowa (przestrzenna)

IV Struktura czwartorzędowa (kompleksy białek)

Page 8: Zastosowanie bioinformatyki w medycynie

Metody poznawania struktury białek

• Krystalografia rentgenowska+ metoda najdokładniejsza- Proces krystalizacji czasochłonny (lata)

• Rezonans magnetyczny+ niedokładny- nie można uzyskać wszystkich białek

• Mikrofotografia elektronowa+ umożliwia obrazowanie dużych kompleksów białek- metoda bardzo zgrubna

• Bioinformatyczne przewidywanie struktury (modelowanie)

Page 9: Zastosowanie bioinformatyki w medycynie

Po co modelujemy białka?

• Poznanie struktury- szybsze i tańsze niż metody krystalograficzne i rezonans magnetyczny.- uzyskiwanie struktury białek niemożliwych do otrzymania klasycznymi metodami.

• Symulacje dynamiki molekularnej (MD)• Dokowanie molekularne (Drug Design)• Uzyskiwanie informacji niemożliwej do pozyskania

z sekwencji pierwszorzędowej i drugorzędowej. • Poznawanie ewolucji białek niepodobnych

sekwencyjnie.

Page 10: Zastosowanie bioinformatyki w medycynie

Metody modelowania molekularnego struktur

białkowych

• Modelowanie homologiczne

• Fold recognition

• Ab initio (de novo)

Page 11: Zastosowanie bioinformatyki w medycynie

Ab initio.• Paradoks Levinthala

Autor oszacował, że liczba konformacji jakie może przyjmować białko równa jest 3N, gdzie N jest liczbą aminokwasów w białku. Zauważył, że nawet jeżeli konfiguracje te będą próbkowane z częstościa 1013 na sekunde to i tak sfałdowanie średniej długości białka zajmie dłużej niż wiek wszechświata jeżeli próbkowanie jest rzeczywiście losowe. Rezultat tego prostego obliczenia stoi w sprzeczności ze znanymi właściwościami białek, które przechodzą do stanu sfałdowanego w czasie sekund lub krótszym.

Próby fałdowania białek Ab initio:

• Dyskretyzacja przestrzeni konformacyjnej (Koliński et al.)• Fałdowanie z użyciem fragmentów (Baker et al.)

Page 12: Zastosowanie bioinformatyki w medycynie

Modelowanie homologiczne

Założenie:

Białka o podobnej sekwencji posiadają podobną strukturę.

Procedura modelowania białek poprzez homologię.

1. Dopasowanie liniowe sekwencji badanej do znanej uwzględniając podobieństwa i różnice

2. Dopasowanie przestrzenne sekwencji

3 Właściwy proces modelowania z uwzględnieniem różnic pomiędzy sekwencjami.

4. (Ocena poprawności modelu)

Page 13: Zastosowanie bioinformatyki w medycynie

Do modelowania homologicznego potrzebujemy alignement (ułożenie sekwencji)

Ewolucja białek

1 MTFGFGHTRGACYTIMTFGFGHTRGACYTI

2 MTFGFGHTRGACSTV MTFGFGHTRGACYTI

3 MTFGFGHTRAACYTI MTFGFGHTRAACYTI

4 MTFAFGHTRAACYTI

Sekwencja wyjściowa

Sekwencje potomne

Page 14: Zastosowanie bioinformatyki w medycynie

Sequence alignment(Ułożenie, uliniowienie,

zestawienie itp.)Zminimalizowanie różnic pomiędzy

sekwencjami

Globalny

1 MTFGFGGGCYTV-2 -T--GFGGACYTI

Lokalny

1 GFGGGCYTV2 GFGGACYTI

Sekwencje

1 MTFGFGGGCYTV2 TGFGGACYTI

Page 15: Zastosowanie bioinformatyki w medycynie

BLAST

Heurystyczne poszukiwanie słów o długości W (zwykle 3 dla białek) które mają wartość przynajmniej T, kiedy są ułozone z sekwencja wyjściową przy pomocy matrycy substytucji. Słowa w bazie danych które mają wartość co najmniej T są wydłużane w dwóch kierunkach by otrzymać w końcu optymalnie wycenioną parę (HSP) o wartości co najmniej S lub wartości poniżej zadanej wartości E.

Page 16: Zastosowanie bioinformatyki w medycynie

BLAST

Page 17: Zastosowanie bioinformatyki w medycynie

Needleman-Wunsch (Smith-Waterman)

• Wartość alignmentu to kumulacyjne wartości dla wszystkich aminikwasów

• Najlepszy ailignment – największa wartość

• Maximum match = largest number resulting from summing the cell values of every pathway.

• Maksymalna warotść jest zawsze gdzieś na dole.

• Alignemnt buduje się krocząc od końca tabeli.

M P R C L C Q R J N C B AP 0 1 0 0 0 0 0 0 0 0 0 0 0B 0 0 1 1 1 1 1 1 1 1 1 2 1R 0 0 2 1 1 1 1 2 1 1 1 1 2C 0 0 1 3 2 3 2 2 2 2 3 2 2K 0 0 1 2 3 3 3 3 3 3 3 3 3C 0 0 1 3 3 4 3 3 3 3 4 3 3R 0 0 2 2 3 3 4 5 4 4 4 4 4N 0 0 1 2 3 3 4 4 5 6 5 5 5J 0 0 1 2 3 3 4 4 6 5 6 6 6C 0 0 1 3 3 4 4 4 5 6 7 6 6J 0 0 1 2 3 3 4 4 6 6 6 7 7A 0 0 1 2 3 3 4 4 5 6 6 7 8

MP-RCLCQR-JNCBA | || | | | | |-PBRCKC-RNJ-CJA

Page 18: Zastosowanie bioinformatyki w medycynie

Profil sekwencyjny

• Probabilistyczna reprezentacja substytucji na każdej pozycji alignmentu grupy sekwencji homologicznych.

• Informacja o możliwościach innych niż najczęściej pojawiający się aminokwas jest zachowana i może być użyta do dodania kolejnej sekwencji do profilu.

Page 19: Zastosowanie bioinformatyki w medycynie

Klasyczne okno programu clustalX

Page 20: Zastosowanie bioinformatyki w medycynie

Metody modelowania typu„fold recognition”.

• Większość białek o podobnej funkcji da się określić przy pomocy podobieństwa sekwencyjnego.

• Obecność białek o podobnej strukturze i funkcji ale o bardzo różnych sekwencjach spowodowała rozwój nowych metod.

• Metody te są wykorzystywane np. do Annotowania Genomu/Proteomu.

Page 21: Zastosowanie bioinformatyki w medycynie

Przykład: 1e21 i 1k59 (Rybonukleaza i Mutaza fosfoglicerynianowa)

FQRQHMDSDSSPSSSSTYCNQMMRRRNMTQGRCKPVNTFVHEPLVDVQNVCFQ

DNSRYTHFLTQHYDAKPQG-RDDRYCESIMRRRGLTS-PCKDINTFIHGNKRS

Page 22: Zastosowanie bioinformatyki w medycynie

Metody profilowe (profile based methods)

• Wadą metod sekwencyjnych jest to, że traktują aminokwasy w zmienych i niezmiennych miejscach alignemntu z taką samą ważnością

• Założenie ze aminokwasy w konserwowanych miejscach alignemntu są bardziej istotne pozwala na stworzenie zależnych od pozycji matryc substytucji. Najbardziej popularnym programem wykorzystującym ten fakt jest PSI-BLAST który tworzy alignmenty przy pomocy tej metody dla sekwencji szukanej lub RPS-BLAST tworzący profile dla sekwencji o znanych strukturach.

• Inne podobne metody bazują na Ukrytych Modelach Markova(HMM).

• Model opisujący dana rodzinę zawiera prawdopodobieństwo wystąpienia każdego z 20 aminokwasów na każdej pozycji w sekwencji. Dodatkowo HMM zawiera często zależne od pozycji kary za insercje i delecje alignemncie. W większości testów HMM wyprzedzają procedury Bazujące na PSI-BLAST.

• Najprostszy sposób alignowania takich sekwencji to mnożenie wektor razy wektor razy matryca substytucji * czynnik normalizujący razy * inne (struktura drugorzędowa)

Page 23: Zastosowanie bioinformatyki w medycynie

Threading (Inverse Folding)– W tym podejściu przeciąga się sekwencję badana poprzez

różne struktury o znanej sekwencji i próbuje się znaleźć najbardziej kompatybilną strukturę. Zwykle do oceny dopasowania używa się uproszczonych funkcji energetycznych.

– W metodzie tej energia wszystkich możliwych mutacji jest obliczana przez sumowanie interakcji na każdej pozycji w sekwencji.

– Niektóre potencjały energetyczne używane w porównaniu sekwencja – struktura zawierają komponenty porównań sekwencja - sekwencja np. hydrofobowosć, struktura drugorzędowa itp.

– Pewne podobieństwa miedzy metodami porównywania sekwencyjnego występują także kiedy energia potencjałów zawiera silną „Pamięć sekwencyjna” poprzez branie pod uwagę kompozycji aminokwasów lub ich wielkości.

– Jest wiele metod które explicite łączą w sobie elementy tych podejść, takich jak rozszerzanie podobieństwa sekwencyjnego przez „zanurzenie?” (burial), struktura drugorzędowa. Algorytmy akie stale są unowocześniane.

Page 24: Zastosowanie bioinformatyki w medycynie

Zastosowanie modelowania molekularnego i dokowania

(mechanizm działania receptorów cytoknin)

Page 25: Zastosowanie bioinformatyki w medycynie

Cre1 należy do rodziny CHASE

• 200 – 230 aa• Obecna w bakteriach, nizszych

eukariotach i roślinach• Wiąże cytokininy i małe peptydy• Mechanizm wiązanie ligandów oraz

powiazania ewolucyjne nieznane.

Page 26: Zastosowanie bioinformatyki w medycynie

Proces modelowaniaMetaserver

3D Jury

Modeller Verrify 3D

Domain Split

Domain selection

Structure Prediction

(Profile)

Structure Evaluation

Molecular modelling Quality check

Alignment corection

Query sequence (CRE1)

Final Model

Page 27: Zastosowanie bioinformatyki w medycynie

Metoda profil – profil (GRDB)*• Pierwsze przeszukiwanie• Query sequence vs Sequence Database

• Drugie przeszukiwanie• Query Profile vs Profile Database

alignment

alignment

* von Grotthuss M, Wyrwicz LS, Pas J, Rychlewski L Predicting protein structures accurately Science. 2004 Jun 11;304(5677):1597-9;

Page 28: Zastosowanie bioinformatyki w medycynie

Evolutionary relationships to CHASE domain

(GRDB-Gene Related Data Base)

1jogA - sensory domain of the membraneous two-component fumarate - sensor Dcus from E. coli, 1p0zA - sensor kinase cita. 1e4eA, 1ehiA - D-Alanine-D-lactate ligase.

Page 29: Zastosowanie bioinformatyki w medycynie

Structures of receptor domains selected by 3DHit as related to 1joga.

Domain 3d-hit score

PDB code

Function Organism Ligand

CACHE 84.3 1p0z Ca2+ channels and chemotaxis receptors

K.pneumoniae Citrate Anion

GAF 55.6 1mc0 cGMP phosphodiesterase, adenyl cyclase, FhlA domain

M.musculus Cyclic guanosine monophosphate

PAS/PYP 47.2 1f98 Periodic clock protein, aryl hydrocarbon receptor and single-minded protein/Photoactive Yellow Protein

E. halophila 4'-Hydroxycinnamic Acid

Profiln 46.2 1g5u monomeric actin binding H. brasiliensis Actin ACT - 1psdA1 Aspartate kinase –

chorismate mutase – TyrA E.coli Nicotinamide-

Adenine-Dinucleotide

Page 30: Zastosowanie bioinformatyki w medycynie

Topological representation and evolution of PYP family

Page 31: Zastosowanie bioinformatyki w medycynie

Dokowanie cytokinin do receptora CRE1

Page 32: Zastosowanie bioinformatyki w medycynie

Model receptora CRE1a z A. thaliana z trans-zeatyną i kinetyną.

Pas J, von Grotthuss M, Wyrwicz LS, Rychlewski L, Barciszewski J

Structure prediction, evolution and ligand interaction of CHASE domainFEBS Lett. 2004 Oct 22;576(3):287-90.

Page 33: Zastosowanie bioinformatyki w medycynie

Zastoswanie modelowania i dokowania molekularnego w

poszukiwaniu leków.

Page 34: Zastosowanie bioinformatyki w medycynie

Inne kryteria doboru ligandu

• Niepatentowany • Łatwy do zsyntezowania/produkcji • Relatywanie niska cena 5g < $20

Page 35: Zastosowanie bioinformatyki w medycynie

Najlepiej sprzedające się leki:

Antybiotyki na 8 miejscu – wcześniej:Wrzody, cholesterol, NAdcisnienie, Alergia, Depresja, Cukrzyca, Anemia, Hormony

Page 36: Zastosowanie bioinformatyki w medycynie

Target

• Syntetazy aminoacylo-tRNA (AARS) to zróżnicowana grupa enzymów które zajmuja sią tłumaczeniem linowej informacji genetycznej na strukture 3D reprezentowaną przez białka.

• Katalizują one przyłączanie aminokwasów do tRNA.

• Dotychczas zostało zsekwencjonowane około 800 sekwencji AARS.

• Znanych jest około 100 struktur krystalicznych syntetaz.

Page 37: Zastosowanie bioinformatyki w medycynie

GlycylAlanyl

Tyrosyl

Tryptophanyl

Tyrosyl

Phelynalanyl

Leucyl

Phenylalanyl

Lysyl

Aspartyl

Glutamyl

Lysyl

Valyl

Isoleucyl

Methionyl

Leucyl

Cysteinyl

Arginyl

Seryl

Threonyl

Prolyl

Histydyl

Phenylalanyl

Glycyl

Page 38: Zastosowanie bioinformatyki w medycynie

Drzewo strukturalne

Drzewo sekwencyjne

Porównanie przedstawicieli grup syntetaz

Metody strukturalne pozwalajaporównać i zidentyfikować geny które wydaja się uniklane i niepodobne do innych*

* Wyrwicz LS, von Grotthuss M, Pas J, Rychlewski L. How unique is the rice transcriptome? Science. 2004 Jan 9;303(5655)

Page 39: Zastosowanie bioinformatyki w medycynie

Podział syntetaz

I II

a b a b

Leu I (1a) Phe I (2c)

Tyr (1c)Trp (1c)Ala (2a)

Gly (2a)His (2a)

Phe II (2c) Pro (2a)Thr (2a)Ser (2a)

Arg (1a)Cys (1a)

Leu II (1a)Met (1a)Ile (1a)Val (1a)

Lys I (1b)Glu (1b)

Asp (2b)Lys II (2b)Phe III (2c)

II II

a b a b

AlaLysTyr

ArgTrpVal IleMet

ThreLysLeuProHis

GluGlnPheAspAsnSerGly

I II

a b c a b c d

LeuIleValCysMet

TyrTrp

ArgGlnGlu

HisProSerThr

AspAsnLys

GlyAla

Phe

Sequence Structural

Functional

Page 40: Zastosowanie bioinformatyki w medycynie

Topological comparison of AARS

Page 41: Zastosowanie bioinformatyki w medycynie

Biologia molekularna Bioinformatyka

Selekcja targetu

OrganizmStrukturasekwencja

Selekcja leku (antibiotic)

Baza dancych: 106 związków

Nowy Lek

BacteryjnaAARS Ludzka AARS

Testy In silico

Modelowanie molekularneDokowanie molekularne

Testy In vitro

Inhibicja syntezy białek(aminoacylacja)

Page 42: Zastosowanie bioinformatyki w medycynie

Search for ligands

Heuristic activity / toxicity check

Molecular modeling

Start from amino acid analog

Molecular docking procedures

In vitro tests

Molecular modeling

no

Selekcja organizmu i sekwencji do

projektowania leków

Przygotowanie struktury do

celów obliczeniowych

Eucaryotic structure selection

Is deposited (yes/no)

Prokaryotic AARS structure selection

Is deposited (yes/no)

Known inhibitor?(yes/no)

Target selection

New drugs

no

no

Data verificationWyszukiwanie najlepszego

ligandu

Page 43: Zastosowanie bioinformatyki w medycynie

Informacje pomocne w wyborze liganda

Zwiazki dotychczas znane o udokumentowanym działaniu

Page 44: Zastosowanie bioinformatyki w medycynie

Związki wyjściowe:

Potencjalne ligandy:

Page 45: Zastosowanie bioinformatyki w medycynie

Lista podobnych zwiazków (www.ligand.info)

No Ligand ID Code SMILES

1 2 383 NC(CC1=CC=C(O)C=C1)C(=O)NC(C2C(O)C3(O)COC(C3O)N2O)C(O)=O

2 36 629321 NC(CC1=CC=C(O)C=C1)C(=O)NC(C2C(O)C(O)(CO)C(O)CN2O)C(O)=O

3 37 545321CCCCOC(=O)C(NC(=O)C(N)CC1=CC=C(O)C=C1)C2C(O)C(O)

(CO)C(O)CN2O

4 38 485351 CC1OC(C(O)C(O)C1O)C(NC(=O)C(N)CC2=CC=C(O)C=C2)C(O)=O

5 39 DTY2 (Tyrosine) NC(CC1=CC=C(O)C=C1)C(O)=O

6 45 CSY NC(CO)C1NC(CC2=CC=C(O)C=C2)C(=O)N1CC(O)=O

7 59 AXL CC1(C)SC(NC1C(O)=O)C(NC(=O)C(N)C2=CC=C(O)C=C2)C=O

8 92 GHP NC(C(O)=O)C1=CC=C(O)C=C1

9 26 545CCCCOC(=O)C(NC(=O)C(N)CC1=CC=C(O)C=C1)C2C(O)C(O)

(CO)C(O)CN2O

10 100 CCY66 NC(CS)C1NC(CC2=CC=C(O)C=C2)C(=O)N1CC(O)=O

11 117 TYB3 NC(CC1=CC=C(O)C=C1)C=O

12 124 1661 NC(=N)CCCCC(C1C(O)CC2=CC=C(C=C12)C3=CC=C(O)C=C3)C(O)=O

Page 46: Zastosowanie bioinformatyki w medycynie

Wyniki dokowania

Page 47: Zastosowanie bioinformatyki w medycynie

Dokowanie ligandu w strukturze Tyr-RS czlowieka i

gronkowca

Page 48: Zastosowanie bioinformatyki w medycynie

Dobry ligand wiąże się trwale z targetem

Page 49: Zastosowanie bioinformatyki w medycynie

Procedura eksperymentalna

Obecnie prowadzone sa badania eksperymantalne skuteczności wybranych zwiazkow metodami chromatograficznymi oraz na hodowlach komórkowych.

Page 50: Zastosowanie bioinformatyki w medycynie

Analiza Bioinformatyczna zastosowanie medyczne

Tenascyny -C

Page 51: Zastosowanie bioinformatyki w medycynie

Znajdz gen którego ekspresja w komórkach nowotworych jest istotnie wyższa niż w zdrowych

• Analiza danych mikromacierzy z bazy danych „GEO Profile” NCBI.

• Geny z danego klonu sa normalizowane pod kontem liczby klonow dla kazdej tkanki, Każdy gen zawiera informacje na tema typu tkanki, stadium rozwoju, zastosowanych metod eksperymentalnych.

• Najbardziej obiecującym targetem wynikajacym z tej analizy okazał się gen Tenascyny-C. Analiz wykazała istotne różnice w normalizacji Tenascyny dla mózgu.

Bioinformatyczne metody wyboru celu

Page 52: Zastosowanie bioinformatyki w medycynie

Expression analysis of TN-C(Tenascyna-C – duże wielodomenowe białko około 200kDa.)

Analiza danych mikromacierzy z dostępnych baz danych pokazuje zwiększony poziom ekspresji w komórkach nowotworowych)

Aby sprawdzic czy Tenascyna-C nie jest nadmiernie reprezentowana w komórkach nowotworowych poziom ekspresji został zbadany eksperymentalnie.

Page 53: Zastosowanie bioinformatyki w medycynie

Analiza budowy transkryptu TN-C

Izoform number

Exons and corresponding protein domains

HSP33,EGFHeptads

FNIII (1-5)

FNIII (6-9) FNIII (10) FNIII (11) FNIII (12) FNIII(13-15),

fibrinogen

Protein molecular mass

(kDa)

1 2-10 11-14 15 16 17 18-28240,8

2 2-10 - 15 - 17 18-28191,3

3 2-10 - 15 16 17 18-28201,3

4 2-10 11-14 15 - 17 18-28230,8

5 2-10 - - - 17 18-28181,5

6 2-10 - - - - 18-28171,3

Page 54: Zastosowanie bioinformatyki w medycynie

Budowa TN-C

Page 55: Zastosowanie bioinformatyki w medycynie

Przewidywanie struktury domen TN-C

a) domena HSP33, b) region heptad, c) EGF, d) fibronektyna typu III (FNIII) z motywem RGD, e) fibrynogen

Page 56: Zastosowanie bioinformatyki w medycynie

Motyw StrukturalnySekwencja

FunkcjaPrzeszukiwanie

hierarhiczneSerwer bazy danych

Użytkownik

Internet

Węzł

y

Klaster Linuxowy

Page 57: Zastosowanie bioinformatyki w medycynie

Projektowanie RNAi

• Uwzględnienie struktury drugorzędowej.

• Uwzględnienie motywów sekwencyjnych powodujących reakcje lizozymu

• Uwzględnienie domen ulegających alternatywnemu składaniu

• Uwzględnienie polimorfizmów (formy alleliczne w populacji)

Page 58: Zastosowanie bioinformatyki w medycynie

Próby Kliniczne

• Badania przeprowadzone na 37 pacjentach w tym 17 pacjentow w fazie 4 - najbardziej zaawansowane stadium choroby, obszar guza powyzej 40mm

• Bez operacji przezywalnosc - 3 miesiace• Z operacja 6 miesiecy.• Po podaniu tenascyny - 1.5 roku• 7 pacjentow jeszcze zyje (2 lata po zabiegu)

Page 59: Zastosowanie bioinformatyki w medycynie

CT przed operacja

WG

Stadium: IV

Rozmiar guza: 57x47x50 mm

MRI po operacji

Page 60: Zastosowanie bioinformatyki w medycynie

Podsumowanie

• Budowa TN-C jest bardzo istotnym czynnikiem w procesie powstawania przerzutów.

• Zmienność izoform TN-C może być kluczowa podczas tworzenia markerów specyficznych dla konkretnych typów nowotworów.

• Na podstawie przeprowadzonej analizy ekspresji określiliśmy kolejny cel badań – rak jajnika.

Pas J, Wyszko E, Rychlewsk L, Nowak S, Żukiel R, Barciszewski J,Analysis of structure and function of tenascin-CInternational Journal of Biochemistry and Cell Biology - In press