1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Бакалавр
  4. 122 — Компʼютерні науки (бакалаври)
Link lub cytat. http://elartu.tntu.edu.ua/handle/lib/35780
Tytuł: Розробка бази даних з веб-інтерфесом для пошуку та систематизації відомостей щодо ліків що використовуються при COVID-19
Inne tytuły: Data basis with a web-interface development for medicines used in COVID-19 treatment data search and systematization
Authors: Багрій, Олександр Олегович
Bahrii, Oleksandr
Affiliation: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна
Bibliographic description (Ukraine): Багрій О. О. Розробка бази даних з веб-інтерфесом для пошуку та систематизації відомостей щодо ліків що використовуються при COVID-19 : кваліфікаційна робота освітнього рівня „Бакалавр“ „122 — комп’ютерні науки“ / О. О. Багрій. — Тернопіль : ТНТУ, 2021. — 47 с.
Data wydania: 23-cze-2021
Data archiwizacji: 9-cze-2021
Date of entry: 11-lip-2021
Kraj (kod): UA
Place edycja: ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна
Promotor: Липак, Галина Ігорівна
Członkowie Komitetu: Гащин, Надія Богданівна
UDC: 004.62
Słowa kluczowe: covid-19
covid-19
база даних
data base
веб-інтерфейс
web-interface
імпорт
import
класифікація
classification
структура
structure
опрацювання
processing
Abstract: Кваліфікаційна робота присвячена розробленню бази даних з веб-інтерфесом для пошуку та систематизації відомостей щодо ліків що використовуються при COVID-19. Метою даної кваліфікаційної роботи є підвищення рівня поінформованості дослідників та медичних працівників щодо ліків від COVID-19. В першому розділі подано аналіз предметної області, виконано постановку завдання проєктування БД ліків для COVID-19, досліджено джерела відомостей щодо ліків від COVID-19, описано мережі взаємодії ліків та генів для пошуку медикаментозних засобів від COVID-19. В другому розділі виконано проєктування структури та архітектури БД для пошуку та систематизації відомостей щодо ліків що використовуються при COVID-19. Подано опис розроблення робочого процесу відбору даних. Проаналізовано синтаксис пошукових запитів у БД. Розглянуто імпорт відомостей та перетворення ідентифікаторів БД. Описано розроблений веб-інтерфейс БД для пошуку та систематизації відомостей щодо ліків що використовуються при COVID-19.
Qualification work is devoted to the development of a database with a web interface for searching and systematizing information on drugs used in COVID-19. The purpose of this qualification work is to increase the level of awareness of researchers and health professionals about drugs from COVID-19. The first section presents an analysis of the subject area, performed the task of designing a database of drugs for COVID-19, investigated sources of information on drugs from COVID-19, described the networks of interaction of drugs and genes to search for drugs from COVID-19. In the second section, the structure and architecture of the database are designed to search for and systematize information on drugs used in COVID-19. A description of the development of the data selection workflow is given. The syntax of search queries in the database is analyzed. Import of information and transformation of database identifiers are considered. The developed web interface of the database for search and systematization of information on drugs used in COVID-19 is described.
Content: ВСТУП 8 1 АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ, ДЖЕРЕЛ ДАНИХ ТА ПОСТАНОВКА ЗАВДАННЯ РОЗРОБЛЕННЯ БД З ВЕБ-ІНТЕРФЕЙСОМ 10 1.1 Аналіз предметної області 10 1.2 Постановка завдання проєктування БД ліків для COVID-19 12 1.3 Джерела відомостей щодо ліків від COVID-19 14 1.4 Мережі взаємодії ліків та генів для пошуку медикаментозних засобів проти COVID-19 16 1.5 Висновок до першого розділу 18 2 ПРОЄКТУВАННЯ ТА ПРАКТИЧНА РЕАЛІЗАЦІЯ БД З ВЕБ-ІНТЕРФЕЙСОМ ДЛЯ ПОШУКУ ТА СИСТЕМАТИЗАЦІЇ ВІДОМОСТЕЙ ЩОДО ЛІКІВ ЩО ВИКОРИСТОВУЮТЬСЯ ПРИ COVID-19 19 2.1 Проєктування структури БД для пошуку та систематизації відомостей щодо ліків що використовуються при COVID-19 19 2.2 Розроблення робочого процесу відбору даних щодо ліків які використовуються при COVID-19 21 2.3 Проєктування архітектури ПЗ БД для пошуку та систематизації відомостей щодо ліків що використовуються при COVID-19 23 2.4 Синтаксис пошукових запитів у БД 26 2.5 Імпорт відомостей та перетворення ідентифікаторів БД 27 2.6 Апаратне та програмне забезпечення БД для пошуку та систематизації відомостей щодо ліків від COVID-19 29 2.7 Веб-інтерфейс БД для пошуку та систематизації відомостей щодо ліків що використовуються при COVID-19 30 2.8 Висновок до другого розділу 35 3 БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ХОРОНИ ПРАЦІ 36 3.1 Працездатність людини – оператора 36 3.2 Санітарно-гігієнічні вимоги до умов праці 38 3.3 Висновок до третього розділу 40 ВИСНОВКИ 41 ПЕРЕЛІК ДЖЕРЕЛ 42
URI: http://elartu.tntu.edu.ua/handle/lib/35780
Właściciel praw autorskich: © Багрій Олександр Олегович, 2021
Wykaz piśmiennictwa: 1 Duda, O., Pasichnyk, V., Kunanets, N., Antonii, R., & Matsiuk, O. (2020, September). Multidimensional Representation of COVID-19 Data Using OLAP Information Technology. In 2020 IEEE 15th International Conference on Computer Sciences and Information Technologies (CSIT) (Vol. 2, pp. 277-280). IEEE. 2 Covid-19 Data Portal. https://www.Covid19dataportal.org/. 3 Lu Wang,L., Lo,K., Chandrasekhar,Y., Reas,R., Yang,J., Eide,D.,Funk,K., Kinney,R., Liu,Z., Merrill,W. et al. (2020) CORD-19: The Covid-19 Open Research Dataset. arXiv doi: https://arxiv.org/abs/2004.10706v2. 4 Centers for Disease Control and Prevention. https://www.cdc.gov/. 5 LitCovid. https://www.ncbi.nlm.nih.gov/research/coronavirus/. 6 Blanco-Melo,D., Nilsson-Payant,B.E., Liu,W.C., Uhl,S.,Hoagland,D., Møller,R., Jordan,T.X., Oishi,K., Panis,M., Sachs,D. et al. (2020) Imbalanced host response to SARS-CoV-2 drives development of COVID-19. Cell, 181, 1036–1045. 7 Kunanets N. et al. (2021) Designing the Repository of Documentary Cultural Heritage. In: Shakhovska N., Medykovskyy M.O. (eds) Advances in Intelligent Systems and Computing V. CSIT 2020. Advances in Intelligent Systems and Computing, vol 1293, pp 1034-1044. Springer, Cham. ISBN978-3-030-63270-0. 8 Crichton,G., Baker,S., Guo,Y. and Korhonen,A. (2020) Neuralnetworks for open and closed Literature-based Discovery. PLoS One, 15, e0232891. 9 National Institutes of Halth. https://icite.od.nih.gov/covid19/search/. 10 Zhang,E., Gupta,N., Nogueira,R., Cho,K. and Lin,J. (2020) Rapidlydeploying a neural search engine for the covid-19 open research dataset: Preliminary thoughts and lessons learned. arXiv doi: https://arxiv.org/abs/2004.05125, 10 April 2020, preprint: not peer reviewed. 11 Osinski,S. and Weiss,D. (2004) Conceptual Clustering Using Lingo´ Algorithm: Evaluation on Open Directory Project Data. In: Kłopotek,M.A., Wierzchon,S.T. and Trojanowski,K. (eds).´ Intelligent Information Processing and Web Mining. Advances in Soft Computing. Springer, Berlin, Heidelberg. Vol: 25, pp. 369–377. 12 Tagore,S., Gorohovski,A., Jensen,L.J. and Frenkel-Morgenstern,M.(2019) ProtFus: a comprehensive method characterizing protein-protein interactions of fusion proteins. PLoS Comput. Biol., 15, e1007239. 13 Dai,W., Zhang,B., Jiang,X.-M., Su,H., Li,J., Zhao,Y., Xie,X., Jin,Z.,Peng,J., Liu,F. et al. (2020) Structure-based design of antiviral drug candidates targeting the SARS-CoV-2 main protease. Science, 368, 1331–1335. 14 Panda,P.K., Arul,M.N., Patel,P., Verma,S.K., Luo,W., Rubahn,H.-G., Mishra,Y.K., Suar,M. and Ahuja,R. (2020) Structure-based drug designing and immunoinformatics approach for SARS-CoV-2. Sci. Adv., 6, eabb8097. 15 Jin,Z., Du,X., Xu,Y., Deng,Y., Liu,M., Zhao,Y., Zhang,B., Li,X.,Zhang,L., Peng,C. et al. (2020) Structure of M from SARS-CoV-2 and discovery of its inhibitors. Nature, 582, 289–293. 16 Duda O., Kunanets N., Matsiuk O., Pasichnyk V., Rzheuskyi A. (2021) Aggregation, Storing, Multidimensional Representation and Processing of COVID-19 Data. In: Shakhovska N., Medykovskyy M.O. (eds) Advances in Intelligent Systems and Computing V. CSIT 2020. Advances in Intelligent Systems and Computing, vol 1293, pp 875-889. Springer, Cham. ISBN978-3-030-63270-0. 17 Duda, O., et al, Selection of Effective Methods of Big Data Analytical Processing in Information Systems of Smart Cities. CEUR Workshop Proceedings 2631, pp. 68-78. 2020. 18 GOBIOM. COVID-19 Biomarker Database. https://www.excelra.com/covid-19-biomarker-database/ 19 OpenData. https://doi.org/10.1101/2020.06.04.135046. 20 Covid19 DB. http://www.redo-project.org/covid19db/. 21 Magarinos,M.P., Carmona,S.J., Crowther,G.J., Ralph,S.A., Roos,D.S., Shanmugam,D., Van Voorhis,W.C. and Agu¨ero,F. (2012) TDR targets: a chemogenomics resource for neglected diseases. Nucleic Acids Res., 40, D1118–D1127. 22 Wang,L., Ma,C., Wipf,P., Liu,H., Su,W. and Xie,X.Q. (2013) TargetHunter: an in silico target identification tool for predicting therapeutic potential of small organic molecules based on chemogenomic database. AAPS J., 15, 395–406. 23 Musa,A., Tripathi,S., Dehmer,M., Yli-Harja,O., Kauffman,S.A. andEmmert-Streib,F. (2019) Systems pharmacogenomic landscape of drug similarities from LINCS data: Drug Association Networks. Sci. Rep., 9, 7849. 24 Sharifi-Noghabi,H., Zolotareva,O., Collins,C.C. and Ester,M. (2019) MOLI: multi-omics late integration with deep neural networks for drug response prediction. Bioinformatics, 35, i501–i509. 25 Singh,N., Decroly,E., Khatib,A.M. and Villoutreix,B.O. (2020) Structure-based drug repositioning over the human TMPRSS2 protease domain: search for chemical probes able to repress SARS-CoV-2 Spike protein cleavages. Eur. J. Pharm. Sci., 153, 105495. 26 Walters,W.P. and Namchuk,M. (2003) Designing screens: how tomake your hits a hit. Nat. Rev. Drug Discov., 2, 259–266. 27 Hubbard,R.E. (2006) Fragment Screening: An Introduction. In: Hubbard,R.E. (ed). Structure-Based Drug Discovery. Royal Society of Chemistry, pp. 142-172. 28 Willett,P., Barnard,J.M. and Downs,G.M. (1998) Chemical similaritysearching. J. Chem. Inf. Comput. Sci., 38, 983–996. 29 Corsello,S.M., Bittker,J.A., Liu,Z., Gould,J., McCarren,P.,Hirschman,J.E., Johnston,S.E., Vrcic,A., Wong,B., Khan,M. et al. (2017) The Drug Repurposing Hub: a next-generation drug library and information resource. Nat. Med., 23, 405–408. 30 Sandeep,G., Nagasree,K.P., Hanisha,M. and Kumar,M.M.K. (2011) AUDocker LE: a GUI for virtual screening with AUTODOCK Vina. BMC Res. Notes, 4, 445. 31 Dallakyan,S. and Olson,A.J. (2015) Small-molecule library screeningby docking with PyRx. Methods Mol. Biol., 1263, 243–250. 32 Tworowski, Dmitry, et al. "COVID19 Drug Repository: text-mining the literature in search of putative COVID19 therapeutics." Nucleic acids research 49.D1 (2021): D1113-D1121. 33 Sterling,T. and Irwin,J.J. (2015) ZINC 15 – ligand discovery foreveryone. J. Chem. Inf. Model., 55, 2324–2337. 34 Kim,S., Thiessen,P.A., Bolton,E.E., Chen,J., Fu,G., Gindulyte,A.,Han,L., He,J., He,S., Shoemaker,B.A. et al. (2016) PubChem substance and compound databases. Nucleic Acids Res., 44, D1202–D1213. 35 Coordinators,N.R. (2016) Database resources of the National Centerfor Biotechnology Information. Nucleic Acids Res., 44, D7–D19. 36 Szklarczyk,D., Gable,A.L., Lyon,D., Junge,A., Wyder,S.,Huerta-Cepas,J., Simonovic,M., Doncheva,N.T., Morris,J.H., Bork,P. et al. (2019) STRING v11: protein-protein association networks with increased coverage, supporting functional discovery in genome-wide experimental datasets. Nucleic Acids Res., 47, D607–D613. 37 Duda, O., Kunanets, N., Martsenko, S., Matsiuk, O., Pasichnyk, V., Building secure Urban information systems based on IoT technologies. CEUR Workshop Proceedings 2623, pp. 317-328. 2020. 38 Wishart,D.S., Feunang,Y.D., Guo,A.C., Lo,E.J., Marcu,A., Grant,J.R., Sajed,T., Johnson,D., Li,C., Sayeeda,Z et al. (2018) DrugBank 5.0: a major update to the DrugBank database for 2018. Nucleic Acids Res., 46, D1074–D1082. 39 ClinicalTrials.gov is a database of privately and publicly funded clinical studies conducted around the world. https://clinicaltrials.gov/. 40 Kim,S., Chen,J., Cheng,T., Gindulyte,A., He,J., He,S., Li,Q.,Shoemaker,B.A., Thiessen,P.A., Yu,B. et al. (2019) PubChem 2019 update: improved access to chemical data. Nucleic Acids Res., 47, D1102–D1109. 41 Armstrong,J.F., Faccenda,E., Harding,S.D., Pawson,A.J., Southan,C., Sharman,J.L., Campo,B., Cavanagh,D.R., Alexander,S.P.H., Davenport,A.P. et al. (2020) The IUPHAR/BPS Guide to PHARMACOLOGY in 2020: extending immunopharmacology content and introducing the IUPHAR/MMV Guide to MALARIA PHARMACOLOGY. Nucleic Acids Res., 48, D1006–D1021. 42 Weisgerber,D.W. (1997) Chemical Abstracts Service ChemicalRegistry System: history, scope, and impacts. J. Am. Soc. Inf. Sci., 48, 349–360. 43 Widenius,M., Axmark,D. and Arno,K. (2002) In: MySQL Reference Manual: Documentation From the Source. O’Reilly Media, Inc. 44 Chambers,J., Davies,M., Gaulton,A., Hersey,A., Velankar,S.,Petryszak,R., Hastings,J., Bellis,L., McGlinchey,S. and Overington,J.P. (2013) UniChem: a unified chemical structure cross-referencing and identifier tracking system. J. Cheminform., 5, 3. 45 PubChem Identifier Exchange Service. https://pubchem.ncbi.nlm.nih. gov/idexchange/idexchange.cgi. 46 Weininger,D. (1988) SMILES, a chemical language and informationsystem. 1. Introduction to methodology and encoding rules. J. Chem. Inf. Model., 28, 31–36. 47 Kim,S., Thiessen,P.A., Cheng,T., Zhang,J., Gindulyte,A. andBolton,E.E. (2019) PUG-View: programmatic access to chemical annotations integrated in PubChem. J. Cheminform., 11, 56. 48 Balamurali,D., Gorohovski,A., Detroja,R., Palande,V.,Raviv-Shay,D. and Frenkel-Morgenstern,M. (2019) ChiTaRS 5.0: the comprehensive database of chimeric transcripts matched with druggable fusions and 3D chromatin maps. Nucleic. Acids. Res., 48, D825–D834. 49 Duran-Frigola,M., Pauls,E., Guitart-Pla,O., Bertoni,M., Alcalde,V.,Amat,D., Juan-Blanco,T. and Aloy,P. (2020) Extending the small-molecule similarity principle to all levels of biology with the chemical checker. Nature Biotechnology, 38, 1087–1096. 50 Sam,E. and Athri,P. (2019) Web-based drug repurposing tools: asurvey. Brief. Bioinform., 20, 299–316. 51 Django makes it easier to build better Web apps more quickly and with less code. https://djangoproject.com. 52 Build fast, responsive sites with Bootstrap. https: //getbootstrap.com/. 53 Я. І. Бедрій. Основи безпеки життєдіяльності. Працездатність людини – оператора. https://subject.com.ua/safety/bezpeka/7.html. 54 Функціональні стани оператора. https://pidru4niki.com/10570116/ psihologiya/funktsionalni_stani_operatora. 55 Закон України «Про охорону праці». https://zakon.rada.gov.ua/ laws/show/2694-12#Text. 56 Робота в офісі: основні санітарно-гігієнічні вимоги. https://oppb.com.ua/news/robota-v-ofisi-osnovni-sanitarno-gigiyenichni-vymogy.
Typ zawartości: Bachelor Thesis
Występuje w kolekcjach:122 — Компʼютерні науки (бакалаври)

Pliki tej pozycji:
Plik Opis WielkośćFormat 
2021_KRB_SNs-42_Bahrii_OO.pdf1,79 MBAdobe PDFPrzeglądanie/Otwarcie
Pełny rekord


Pozycje DSpace są chronione prawami autorskimi

Narzędzia administratora