Browsing by Author "Huopaniemi, Ilkka"

Filter results by typing the first few letters
Now showing 1 - 6 of 6
  • Dynamical scaling exponents for polymer translocation through a nanopore
    (2008) Luo, Kaifu; Ollila, Santtu T. T.; Huopaniemi, Ilkka; Ala-Nissilä, Tapio; Pomorski, Pawel; Karttunen, Mikko; Ying, See-Chen; Bhattacharya, Aniket
     School of Science | A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
    We determine the scaling exponents of polymer translocation (PT) through a nanopore by extensive computer simulations of various microscopic models for chain lengths extending up to N=800 in some cases. We focus on the scaling of the average PT time τ∼Nα and the mean-square change of the PT coordinate, ⟨s2(t)⟩∼tβ. We find α=1+2ν and β=2∕α for unbiased PT in two dimensions (2D) and three dimensions (3D). The relation αβ=2 holds for driven PT in 2D, with a crossover from α≈2ν for short chains to α≈1+ν for long chains. This crossover is, however, absent in 3D where α=1.42±0.01 and αβ≈2.2 for N≈40−800.
  • High Density Lipoprotein structural changes and drug response in lipidomic profiles following the long-term fenofibrate therapy in the FIELD substudy
    (2011) Yetukuri, Laxman; Huopaniemi, Ilkka; Koivuniemi, Artturi; Maranghi, Marianna; Hiukka, Anne; Nygren, Heli; Kaski, Samuel; Taskinen, Marja-Riitta; Vattulainen, Ilpo; Jauhiainen, Matti; Oresic, Matej
     A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
    In a recent FIELD study the fenofibrate therapy surprisingly failed to achieve significant benefit over placebo in the primary endpoint of coronary heart disease events. Increased levels of atherogenic homocysteine were observed in some patients assigned to fenofibrate therapy but the molecular mechanisms behind this are poorly understood. Herein we investigated HDL lipidomic profiles associated with fenofibrate treatment and the drug-induced Hcy levels in the FIELD substudy. We found that fenofibrate leads to complex HDL compositional changes including increased apoA-II, diminishment of lysophosphatidylcholines and increase of sphingomyelins. Ethanolamine plasmalogens were diminished only in a subgroup of fenofibrate-treated patients with elevated homocysteine levels. Finally we performed molecular dynamics simulations to qualitatively reconstitute HDL particles in silico. We found that increased number of apoA-II excludes neutral lipids from HDL surface and apoA-II is more deeply buried in the lipid matrix than apoA-I. In conclusion, a detailed molecular characterization of HDL may provide surrogates for predictors of drug response and thus help identify the patients who might benefit from fenofibrate treatment.
  • Bayesian Two-Way Analysis of High-Dimensional Collinear Metabolomics Data
    (2009) Suvitaival, Tommi
     Elektroniikan, tietoliikenteen ja automaation tiedekunta | Master's thesis
    Kaksisuuntainen tehtävänasettelu on yleinen bioinformatiikan alalla. Tässä diplomityössä esitellään uusi bayesilaisen mallinnuksen menetelmä kaksisuuntaisen havaintoaineiston analysointiin. Menetelmä toimii myös vähän näytteitä sisältävillä korkeaulotteisilla havaintoaineistoilla. Havaintoaineiston oletetaan jakautuvan populaatioihin kovariaattien mukaan, jotka tyypillisessä biologisessa kokeessa ovat yksilön terveydentila, sukupuoli, lääketieteellinen hoito sekä yksilön ikä. Esiteltävä menetelmä on suunniteltu arvioimaan näiden kovariaattien vaikutus havaintoaineiston kontrolliryhmän perustasoon verrattuna. Menetelmä perustuu olettamukseen siitä, että havaintoaineiston piirteet muodostavat ryhmiä, joiden sisällä piirteet ovat voimakkaasti kollineaarisia. Tämä olettamus mahdollistaa piilomuuttajamalliin perustuvan dimensionaalisuuden pudotuksen, jonka ansiosta menetelmä on toimiva myös pienen näytemäärän havaintoaineistoille. Menetelmä käsittelee havaintoaineistoa täysin bayesilaisittain, Gibbsin otannan avulla. Bayesilainen lähestymistapa tuottaa arvion sekä mallin ja havaintoaineiston yhteisjakaumalle että mallin jokaisen parametrin marginaalijakaumalle. Tämä mahdollistaa tulosten epävarmuuden arvioinnin sekä vertailun toisiin malleihin. Uuden menetelmän toimivuutta esitellään metabolomiikan alalta olevan havaintoaineiston avulla. Aineisto sisältää lipidiprofiileja, jotka on mitattu terveistä lapsista ja lapsista, jotka myöhemmin sairastuvat tyypin 1 diabetekseen. Kahdessa erillisessä analyysissä tutkitaan sairauden ja sukupuolen sekä sairauden ja iän vaikutusta lipidiprofiileihin.
  • Langevin Dynamics Studies of Polymer Translocation through Nanopores
    (2006) Huopaniemi, Ilkka
     Helsinki University of Technology | Master's thesis
    Polymeerin translokaatiolla tarkoitetaan polymeerin diffusiivista kulkeutumista nanoskaalan raon läpi. Ilmiö on erittäin yleinen biologisissa systeemeissä ja monissa tulevaisuuden teknologisissa sovelluksissa. Polymeerin translokaatio on saanut viime aikoina osakseen paljon huomiota johtuen sen potentiaalisesta käytöstä nopeassa DNA:n sekvensointitekniikassa, jossa yksisäikeinen DNA-ketju vedetään sähkökentän ajamana solukalvon ionikanavan läpi. Kanavan läpi kulkeutuminen voidaan havaita kanavan läpi kulkevan ionivirran vähenemisenä, jonka kesto on verrannollinen DNA-ketjun pituuteen. Lisäparannusten avulla, menetelmää voidaan käyttää eri nukleotidien karakterisointiin ja täten lukea DNA-ketjun nukleotidisekvenssi. Tässä työssä on mallinnettu polymeerin translokaatiota tietokonesimulaatioilla käyttämällä karkeistettua mallia, jossa polymeerin rakenneyksiköt on kuvattu palloina ja sidokset jousina. Simulaatiot on tehty Langevinin dynamiikalla kahdessa dimensiossa. Olemme tutkineet kolmea tapausta: spontaani translokaatio, sähkökenttä ajavana voimana ja tapaus, jossa polymeeria vedetään sen päästä. Olemme tutkineet polymeriketjun pituuden, kitkaparametrin, lämpötilan ja ajavan voiman voimakkuuden vaikutuksia keskimääräiseen translokaatioaikaan. Spontaanissa tapauksessa saimme tulokseksi, että translokaatioajalla on T= N1+2v riippuvuus ketjun pituudesta. Tulos on sopusoinnussa aikaisempien teoreettisten ja numeeristen tulosten kanssa. Sähkökentän tapauksessa saimme tulokseksi, että lyhyillä ketjuilla T= N2v, joka vaihtuu T= N1+v skaalautuvuuteen ketjun pituuden kasvaessa. Vahvistimme että syynä tähän on se, että ajavan voiman tapauksessa pitkien ketjujen translokaatioaika on huomattavasti lyhyempi kuin aika, jonka ne tarvitsevat tasapainotilan saavuttamiseen ja monomerit eivät ehdi diffundoitua pois nanoraon ulostulon luota, mikä hidastaa translokaatiota. Myös nämä tulokset olivat erinomaisessa sopusoinnussa aikaisempien tulosten kanssa. Tapauksessa, jossa polymeeria vedetään sen päästä, saimme odotetusti tuloksen T= N2.
  • Multivariate multi-way modelling of multiple high-dimensional data sources
    (2012) Huopaniemi, Ilkka
     School of Science | Doctoral dissertation (article-based)
    A widely employed strategy in current biomedical research is to study samples from patients using high-throughput measurement techniques, such as transcriptomics, proteomics, and metabolomics. In contrast to the static information obtained from the DNA sequence, these techniques deliver a "dynamic fingerprint" describing the phenotypic status of the patient in the form of absolute or relative concentrations of hundreds, or even tens of thousands of molecules: mRNA, proteins, metabolites and lipids. The huge number of variables measured opens up new possibilities for biomedical research; harnessing the information contained in such 'omics' data requires advanced data analysis methods. The standard setup in biomedical research is comparing case (diseased) and control (healthy) samples and determining differentially expressed molecules that are then considered potential bio-markers for disease. In modern biomedical experiments, more complicated research questions are common. For instance, diet or drug treatments, gender and age play central roles in many case-control experiments and the measurements are often in the form of a time-series. Due to these additional covariates, the experimental setting becomes a multi-way experimental design, but few tools for proper data-analysis of high-dimensional data with such a design exist. Moreover, the task of integrating multiple data sources with different variables is nowadays often encountered in two classes of biomedical experiments: (i) Multiple omics types or samples from several tissues are measured from each patient (paired samples), (ii) Translating biomarkers between human studies and model organisms (no paired samples). These data integration tasks usually additionally involve a multi-way experimental design. In this dissertation, a novel Bayesian machine learning model for multi-way modelling of data from such multi-way, single-source or multi-source setups is presented, covering the majority of situations commonly encountered in statistical analysis of omics data coming from current biomedical research. The problem of high dimensionality is solved by assuming that the data can be described as highly correlated groups of variables. The Bayesian modelling approach involves training a single, unified, interpretable model to explain all the data. This approach can overcome the main difficulties in omics analysis: small sample-size and high dimensionality, multicollinearity of data, and the problem of multiple testing. This approach also enables rigorous uncertainty estimation, dimensionality reduction and easy interpretability of results from a complex setup involving multiple covariates and multiple data sources.
  • Polymer translocation through a nanopore under a pulling force
    (2007) Huopaniemi, Ilkka; Luo, Kaifu; Ala-Nissilä, Tapio; Ying, See-Chen
     School of Science | A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
    We investigate polymer translocation through a nanopore under a pulling force using Langevin dynamics simulations. We concentrate on the influence of the chain length N and the pulling force F on the translocation time τ. The distribution of τ is symmetric and narrow for strong F. We find that τ∼N2 and translocation velocity v∼N−1 for both moderate and strong F. For infinitely wide pores, three regimes are observed for τ as a function of F. With increasing F, τ is independent of F for weak F, and then τ∼F−2+ν−1 for moderate F, where ν is the Flory exponent, which finally crosses over to τ∼F−1 for strong force. For narrow pores, even for moderate force τ∼F−1. Finally, the waiting time, for monomer s and monomer s+1 to exit the pore, has a maximum for s close to the end of the chain, in contrast to the case where the polymer is driven by an external force within the pore.