Программа предназначена для автоматизации неконтролируемой классификации текстурных данных.
Область применения - анализ данных дистанционного зондирования, представленных текстурными признаками. Может быть использована для исследования аэрокосмических, медицинских изображений, в задачах распознавания, а также для предварительного сжатия информации.
Используемый разработанный гистограммный кластерный алгоритм учитывает особенности сбора текстурных статистик изображения по окну конечных размеров [1].
Файл вычисленных текстурных признаков для всех точек односпектрального изображения является входным для программы. Сначала многомерное векторное пространство признаков разделяется на унимодальные кластеры с выбором детальности квантования пространства для обеспечения наибольшей средней разделимости кластеров в смысле предложенной меры. Затем алгоритм  присоединяет ложные кластеры (те, сегменты которых на изображении значительно уже окна для сбора статистик) к остальным. Для присоединения  кластера анализируется его разделимость с соседями в векторном пространстве признаков и контекст изображения.
В таблицу заносятся выходные данные: число уровней квантования векторного пространства, число кластеров и их характеристики. Можно получить  карту кластеров в виде BMP-файла, где цвет связан с номером кластера, к которому отнесен пиксель (сегментация).
Может быть использовано до десяти статистических текстурных признаков, файл входного изображения объемом до 5 мегабайт.

[1]  В.С. Сидорова. Алгоритм кластеризации текстурных данных дистанционного зондирования. //  Автометрия,  2010, Т. 46, № 5,С. 43-52

Работа программы проиллюстрирована на сайте: http://loi.sscc.ru/lab/RFFI10/RU/svs10.htm

Инструментальные средства создания - алгоритм реализован в программной среде системы объектно-ориентированного программирования Visual C++ версии 5.0 фирмы Microsoft c библиотекой классов MFC, разработанной для ОС Windows. При разработке программы  использовался механизм многодокументного интерфейса MDI..

Программа предназначена для автоматизации неконтролируемой классификации дискретных данных.
Область применения - анализ данных дистанционного зондирования, представленных спектральными признаками. Может быть использована для исследования аэрокосмических, медицинских изображений, в задачах распознавания, также для предварительного сжатия информации.
Используемый разработанный алгоритм минимизирует значение предложенной меры средней разделимости кластеров по числу уровней квантования пространства признаков, предложен в [1]. Мера средней разделимости унимодальных кластеров позволяет сравнивать распределения для данных с высокой корреляцией.
Алгоритм сочетает два подхода: варьирование детальностью квантования векторного пространства и кластеризацию Нарендры.
При построении многомерной гистограммы с числом спектральных каналов больше трех используется сочетание хэширования и сортировки Шелла, предложено в[2].
[1]  Сидорова В.С. Оценка качества классификации многоспектральных изображений гистограммным методом  //  Автометрия, 2007.Т. 43, №1, C. 37– 43.
[2] V. S. Sidorova, Separating of the Multivariate Histogram on the Unimodal Clusters, Proceedings of the Second IASTED International Conference “Automation Control and Information Technology”, Novosibirsk, 2005, P. 267–274.
В таблицу заносятся выходные данные: число уровней квантования векторного пространства, число унимодальных кластеров и их характеристики. Можно получить  карту кластеров в виде BMP-файла, где цвет связан с номером кластера, к которому отнесен пиксель (сегментация).
Может быть использовано до десяти спектральных каналов, файл входного изображения объемом до 5 мегабайт.
Алгоритм реализован в программной среде системы объектно-ориентированного программирования Visual C++ версии 5.0 фирмы Microsoft c библиотекой классов MFC, разработанной для ОС Windows. При разработке программы  использовался механизм многодокументного интерфейса MDI.
Работа программы проиллюстрирована на сайте: http://loi.sscc.ru/lab/RFFI10/RU/svs10.htm   

Назначение - решение СЛАУ с разреженной квадратной симметричной положительно определенной матрицей высокого порядка.

Область применения - решение СЛАУ с разреженной квадратной симметричной положительно определенной матрицей высокого порядка.

Используемый алгоритм - метод сопряженных невязок (автор Saad Y.), модификация Айзенштата метода симметричной последовательной верхней релаксации (автор Eisenstat), описание методов см. [1].

1. Ильин В.П. Методы и технологии конечных элементов.— Новосибирск: Изд. ИВМиМГ СО РАН, 2007.—370с.

Функциональные возможности - Операции умножения на предобуславливающую и исходную матрицы или реализуются пользователем или по умолчанию выбирается модификация Айзенштата метода симметричной последовательной верхней релаксации (SSOR) для СЛАУ, представимой в сжато-разреженном формате (CSR).

Инструментальные средства создания - Intel Fortran Compiler Professional Edition for Linux* version 11.1.051,

Назначение - Программа предназначена для считывания данных с АЦП (Аналого-цифровой преобразователь) и визуализации снятых данных.
Область применения - Регистрация вторичных частиц космического происхождения при помощи детекторов ШАЛ (Широких атмосферных ливней) и антенны радиоизлучения.
Функциональные возможности - Работа с АЦП; визуализация вариации фона в реальном времени; сохранение и загрузка файлов; обработка сохраненных файлов; построение дифференциального и интегрального спектров;
В программе реализован алгоритм, разработанный авторами (Петров З. Е., Борщевский Д. С., Петров И. С.),  описание работы программы - в приложенном файле.

Инструментальные средства создания - Borland Delphi 6.0

Компьютерная система разработана в рамках проекта, поддержанного Российским фондом фундаментальных исследований (код проекта 09-04-01641).

Cистема доступна по адресу: http://pixie.bionet.nsc.ru/samem/

Назначение - Компьютерная система предназначена для анализа режимов эволюции генов и белков.

Область применения - Исследования в области молекулярной эволюции биологических систем. Образование, курс по теории молекулярной эволюции.

Используемый алгоритм -
Анализ режимов эволюции производится на основе:

• расчета отношения частот фиксации радикальных аминокислотных замен к консервативным [1]
• метода анализа скоростей различных типов замен аминокислот в эволюции белков [2] 
• статистического соотнесения изменения свойств аминокислот с фенотипическими признаками организмов [3].

В анализе используется Марковское моделирование эволюции генов и белков пакетом INDELible [4].

1. Smith Nick GC. Are radical and conservative substitution rates useful statistics in molecular evolution? // J. Mol. Evol. 2003. Vol. 57, № 4. P. 467-478.
2. Gunbin KV, Suslov VV, Turnaev II, Afonnikov DA, Kolchanov NA. Molecular evolution of cyclin proteins in animals and fungi. BMC Evol Biol. 2011. Vol. 11, P. 224.
3. Paradis E. (Ed). Analysis of Phylogenetics and Evolution with R // New York: Springer Science+Business Media, 2006. P. 133-183.
4. Fletcher W, Yang Z. INDELible: a flexible simulator of biological sequence evolution // Mol Biol Evol. 2009. Vol. 26, № 8. P. 1879-1888.

Функциональные возможности - Система состоит из двух основных конвейеров (анализ эволюции генов и анализ эволюции белков) и двух дополнительных, собирающих выборки генов и белков и производящих их первичный анализ, построение матриц BLOSUM.
Основные конвейеры позволяют провести основные этапы обработки данных, комбинируя различные методы множественного выравнивания, построения филогенетического дерева и реконструкции предковых последовательностей.

Инструментальные средства создания - Язык программирования Perl, дополнительно используется язык программирования JavaScript.

Назначение - выполнение молекулярной динамики на процессорах IBM Cell
Область применения - молекулярное моделирование
Используемый алгоритм - молекулярная динамика, параллельные технологии
Функциональные возможности - Программный комплекс MOLKERN [1] предназначен для моделирования структуры и динамики биомакромолекул. Алгоритмы, лежащие в его основе, имеют вычислиотельную сложность не выше N*log N. Программируемая локальная память процессора IBM Cell, а также высокоэффективная внутрипроцессорная шина данных позволили представляемой в заявке параллельной реализации [2] комплекса достичь ускорения  расчётов ван-дер-ваальсовых межатомных взаимодействий, превышающее 3,5 раза на каждое ядро SPE в сравнении с одним ядром процессора AMD Athlon X2 5000+.
Инструментальные средства создания - язык C++, IBM SDK for Multicore acceleration for Linux
Библиотеки - Boost, FFTW, Pthreads, LibSPE2 (IBM SDK for Multicore acceleration for Linux), IBM MASS

1. Фомин Э. C., Алемасов Н. А.,Чирцов А. С., Фомин А. Э. Библиотека программных компонент MOLKERN для построения программ молекулярного моделирования // Биофизика. 2006. Т. 51, Вып. 7. С. 110–113.
2. Алемасов Н.А., Фомин Э.С. Эффективная реализация алгоритма расчёта ближних невалентных взаимодействий на процессоре PowerXCell 8i // Вычислительные технологии. 2010. Т. 15, № 6. С. 3-18.

База данных  «WheatPGE» («ВитПГЕ») хранит в себе отношения, описывающие различные характеристики растения, его генотип, фенотип и некоторые факторы внешней среды. База данных позволяет однозначно устанавливать взаимосвязь между генетическими и фенотипическими признаками растений и параметрами окружающей среды.
Текущая версия базы данных содержит около 300 аннотированных растений, более 90 описанных генотипов и более 1300 изображений морфологических признаков пшеницы.
Разработанная система позволяет ускорить работу селекционера-биолога, дает возможность в автоматическом режиме устанавливать взаимосвязи между фенотипом, генотипом и окружающей средой у пшеницы. С помощью системы «WheatPGE» эксперт может за считанные минуты анализировать сотни растений.

Область применения: База данных «WheatPGE» предназначена  для интеграции разнородных данных о растении.

База данных досупа по адресу: http://wheatdb.org/

База данных "Транскрипционные регуляторные единицы генов эукариот (Эу_TРЕГ)"  предназначена для накопления экспериментальных данных о функциональных характеристиках и структуре транскрипционных регуляторных единиц генов эукариот.
Эу_TРЕГ предоставляет пользователю сведения о том, какие транскрипционные регуляторные единицы гена обеспечивают его экспрессию в конкретной ткани и клетке.
Описание функциональных и структурных характеристик регуляторных единиц генов эукариот, представленное в базе Эу_TРЕГ, является основой для решения актуальных задач биоинформатики. Представляет интерес для исследователей, занимающихся распознаванием сайтов связывания транскрипционных факторов; анализом закономерностей структурно-функциональной организации районов регуляции транскрипции генов эукариот; изучением механизмов транскрипции; реконструкцией генных сетей; интерпретацией данных microarray, подбором промоторов и энхансеров с заданными свойствами с целью создания трансгенных организмов и геносенсоров  и т.д.
Область применения - информационная биология, молекулярная генетика, медицина, фармакология.

http://wwwmgs.bionet.nsc.ru/mgs/papers/ignatieva/es-trrd/

База данных " Регуляция транскрипции генов эндокринной системы" содержит информацию:
i) о структурно-функциональной организации регуляторных районов, контролирующих транскрипцию генов эндокринной системы позвоночных (промоторах, энхансерах, сайленсерах, стартах транскрипции, сайтах связывания транскрипционных факторов);
ii) об особенностях экспрессии генов в зависимости от этапа индивидуального развития, типа клеток, влияния индукторов и т.д;
iii) о транскрипционных факторах, участвующих в регуляции.
Информация в базу данных РТЭС внесена на основе анализа научных публикаций, описывающих результаты экспериментальных исследований. Информация представлена в формате, позволяющем производить быстрый поиск и анализ данных.
База данных РТЭС является источником информации, на основе которой возможно построение моделей регуляторных районов генов, а также реконструкция генных сетей.
Назначение – исследование механизмов регуляции эндокринных функций позвоночных на уровне транскрипции.
Область применения - информационная биология, молекулярная генетика, физиология, медицина, фармакология.

http://wwwmgs.bionet.nsc.ru/mgs/papers/ignatieva/ep-trrd/
База данных " Регуляция транскрипции генов, экспрессируемых в эндокринной части поджелудочной железы " содержит информацию:
i) о структурно-функциональной организации регуляторных районов, контролирующих транскрипцию генов эндокринной части поджелудочной железы позвоночных (промоторах, энхансерах, сайленсерах, стартах транскрипции, сайтах связывания транскрипционных факторов);
ii) об особенностях экспрессии генов в зависимости от этапа индивидуального развития, типа клеток, влияния индукторов и т.д;
iii) о транскрипционных факторах, участвующих в регуляции.
Информация в базу данных РТЭП внесена  на основе анализа научных публикаций, описывающих результаты экспериментальных исследований. Информация представлена в формате, позволяющем производить быстрый поиск и анализ данных.
База данных РТЭП является источником информации, на основе которой возможно построение моделей регуляторных районов генов, а также реконструкция генных сетей.
Назначение – исследование механизмов регуляции углеводного метаболизма позвоночных на уровне транскрипции.
Область применения - информационная биология, молекулярная генетика, физиология, медицина, фармакология.