International conference on bioinformatics of genome regulation

Key  words:  wheat leaf, trichome patterning, cell mechanics, symplastic growth, L-systems, computer  
simulation
Motivation and Aim: Trichome  patterning  in  wheat  leaves  serves  as  a  model  system 
to understand mechanisms of pattern formation on growing plant tissue. The question 
about the coordination of cell growth in plant tissue remains open up to date. In vertex-
based plant tissue models an autonomous cell growth is usually assumed and general-
ized potentials are used for describing the changes in the tissue geometry. Meanwhile, 
the biomechanics is considered as an important factor of the morphogenesis of tissues 
and even organs. We consider this issue in the investigation of changes in the cellular 
structure of wheat leaf epidermis during growth. The tissue structure change occurs due 
to activity of growth zones containing regions of dividing and differentiating cells. The 
epidermis of wheat leaf is established by parallel files of cells originating from the leaf 
base, where specialized cells, trichomes, are formed in separate files. The aim of our 
work was to develop a mechanical cell-based model for growth of linear leaf blade and 
explore the mechanism of trichomes pattern formation.
Methods and Algorithms: A mathematical model based on the extension of L-systems 
approach and its implementation for computational simulation was proposed. We as-
sumed a unidirectional growing cell ensemble starting from a meristem-like layer of 
generative cells and then generating parallel cell rows from every cell of the initial layer. 
We considered the growth zone of the leaf included division and elongation zones; in ad-
dition the division zone included a zone of asymmetric divisions where trichomes were 
formed. We applied a modification of Ortega’s augmented growth equation [1] to the 
description of plant cell growth mechanics.
Results  of  computer  simulation  demonstrate  that  the  proposed  model  can  describe 
(i) the experimental cells’ lengths distribution along the wheat leaf (data from [2]), and 
(ii) the experimental trichome spacing pattern in separate cell files. Acknowledgements: 
This work was supported by the RSF according to the research project № 14-14-00734.
References:
1.  Ortega, J.K. (2010) Plant cell growth in tissue, Plant Physiology 154(3):244-1253. 
2.  Beemster, G. T., Masle, J., Williamson, R. E., & Farquhar, G. D. (1996). Effects of soil resistance to 
root penetration on leaf expansion in wheat (Triticum aestivum L.): kinematic analysis of leaf elonga-
tion, Journal of Experimental Botany, 47(11): 1663-1678.

354
THE TENTH INTERNATIONAL CONFERENCE ON BIOINFORMATICS OF GENOME REGULATION AND STRUCTURE\SYSTEMS BIOLOGY
AN IMAGEJ PLUGIN FOR DETECTION OF WHEAT LEAF 
EPIDERMIS CELLULAR STRUCTURE FROM CONFOCAL 
LASER SCANNING MICROSCOPY
U.S. Zubairova
1
*, P.Yu. Verman
2 
and A.V. Doroshkov
1
1 
Institute of Cytology and Genetics SB RAS, Novosibirsk, Russia
2 
Novosibirsk State University, Novosibirsk, Russia
* Corresponding author: [e-mail]
Key words: wheat leaf, epidermal patterning, laser scanning microscopy, cell segmentation, ImageJ plugin
Motivation and Aim: The epidermis of wheat leaf is a complex tissue consisting of differ-
ent cell types forming a certain cell pattern from parallel cell rows. Microscopic images 
are widely used as an important source of information on the morphometric character-
istics of the cells and the statistical characteristics of the cellular structure. 3D confocal 
images  allow  to  determine  characteristics  of  the  cell  structure  of  the  leaf  epidermis. 
However, to obtain large amounts of statistical data methods of high throughput com-
puter based image segmentation are need. Our aim was to develop a plugin for detection 
of structural properties of leaf epidermis from 3D-images obtained from confocal laser 
scanning microscopy. These characteristics of the cell structure and patterns further will 
act as a basis for the development and verification of spatial models of plant tissues for-
mation mechanisms accounting for structural features of monocot leaves.
Methods and Algorithms: Methods of fluorescent staining and laser scanning micros-
copy were used to obtain 3D images for visualizing the cell walls and cell nucleus in two 
different color channels. Each image contains information about the structure of a large 
fragment of wheat leaf epidermis and is composed of several frames which represent the 
series of a single lsm scans. The plugin “LSM_Worker” allows one (i) to merge frames 
into a single image, (ii) to improve the image quality by removing offsets and noise, 
(iii) to segment the cells and nucleus for each cannel, respectively and (iv) to compare 
the information from both channels and generate statistical characteristics of cell and 
nucleus volumes.
Results and Conclusion: The plugin was used for obtaining statistical characteristics of 
the cellular pattern of leaf epidermis of several varieties of bread wheat characterized by 
different morphological features of epidermal cells. Obtained data provide a material for 
formulation hypotheses and development of models of variety leaf growth mechanisms.
Availability: The plugin is available from the authors upon request.
Acknowledgements: The reported study was funded by RFBR according to the research 
project № 16-34-00968.

355
THE TENTH INTERNATIONAL CONFERENCE ON BIOINFORMATICS OF GENOME REGULATION AND STRUCTURE\SYSTEMS BIOLOGY
ALTORFEV: A NOVEL TOOL FOR PREDCITION  
OF ALTERNATIVE ORFS BASED ON THE LINEAR  
SCANNING MODEL
B.S. Zuraev
1
*, A.V. Kochetov
1, 2
, A.I. Klimenko, S.A. Lashin
1, 2
1 
Institute of Cytology and Genetics SB RAS, Novosibirsk, Russia
2 
Novosibirsk State University, Novosibirsk, Russia
* Corresponding author: [e-mail]
Key words: Cytoscape plugin; ortholog; paralog; metabolic pathway; gene regulatory network; evolution; 
phylostratigraphy; evolution
Motivation and Aim: The ribo-seq and proteomics techniques have revealed a large num-
ber  of  alternative  ORFs  (altORFs)  within  eukaryotic  mRNAs.  Some  bioinformatics  re-
sources were developed to explore the available ribo-seq data to locate altORFs within 
mRNAs of interest (e.g., Ribotools, RiboGalaxy, GWIPS-viz). Indeed, knowledge on the 
full set of polypeptides encoded by a eukaryotic gene under study is essential for detailed 
investigation of its functions. However, published ribo-seq data are still very limited and 
conventional nucleotide sequence databanks do not provide information on the altORFs. 
In addition, the individual genetic variants may cause changes in mRNA coding potential: 
if a nucleotide sequence of mRNA under study is non-identical to the available ribo-seq-
checked reference sequence, the positions of altORF(s) and their relative translation rates 
may differ. Thus, development of new tools for altORFs prediction remains quite actual. 
However, an accurate prediction of altORFs is very complicated because of a large number 
of various parameters influencing their recognition and translation efficiency. Methods and 
Algorithms: The altORFev is based on the linear scanning model of translation [1]. It also 
considers the leaky scanning and reinitiation mechanisms. In brief, 40S ribosomal subunits 
bind to 5’-end of mRNA and move linearly along mRNA until start AUG codon is found. 
The probability of AUG recognition depends on its nucleotide context: start codon in the 
optimal context is recognized by the majority of 40S ribosomal subunits. Thus, if AUG 
codon is located in the optimal context and its ORF is larger than 30 codons, this ORF is 
defined as “terminal” since the majority of incoming 40S ribosomal subunits can’t move 
beyond it. If AUG codon is located in a suboptimal context, some 40S ribosomal subunits 
will recognize it and initiate translation, whereas others skip it and may initiate translation 
downstream (leaky scanning). Finally, if AUG is located in the optimal context but the 
ORF size is small (lesser than 30 codons), the reinitiation is possible: in this case, some 
40S ribosomal subunits after termination of translation of small ORF remain connected 
to mRNA and may continue movement in 3’-direction. During scanning they restore their 
initiation competence by acquiring the lacked eIFs and met-tRNAi and may initiate transla-
tion further downstream. Results: We have implemented two versions of the altORFev: (1) 
web application (Java 1.8, Vaadin); (2) desktop application (Java 1.8, Swing). Conclusion: 
The altORFev may be used to get additional information on eukaryotic genes taking into 
consideration alternative coding abilities of their mRNAs.
Availability:  web-version:  http://www-bionet.sscc.ru:7780/AUGWeb/,  desktop  version: 
upon the requests to the authors. Acknowledgements: The study is supported by the RSF 
14-24-00123 grant.
References:
1.  Kozak M. (2005) Regulation of translation via mRNA structure in prokaryotes and eukaryotes. Gene, 
361:13–37.

356
THE TENTH INTERNATIONAL CONFERENCE ON BIOINFORMATICS OF GENOME REGULATION AND STRUCTURE\SYSTEMS BIOLOGY
Author index
A
Aas P.A. 160
Abilmazhinova A. 114
Abramova T.O. 253
Aceyev N. 222
Adamski J. 321
Afanasyev A.A. 146
Afonnikov D.A. 57, 70, 77, 104, 135, 184, 
185, 195, 196, 203, 206, 281, 324, 351
Afremova A.I. 161
Agoulnik A.I. 25
Agoulnik I.U. 25
Akberdin I.R. 119
Akhmetova A. 114
Akhmetova K.A. 26
Akilzhanova A. 114
Akushkina A.V. 135
Alekseev B.Y. 286
Alekseeva A.L. 27
Alemasov N.A. 28
Alemasova E.E. 29
Aleoshin V.V. 257
Alexandrov N. 314
Alexandrovich Yu.V. 253
Alexeeva G. 351
Alexeevski A.V. 40, 191
Algaer Y.A. 316
Alifirova V.M. 236
Amelio I. 30
Amosova Р.V. 46
Andreyeva E.N. 27
Andryushchenko V.A. 31
Anishchenko I. 100
Anisimov V.N. 32
Antonets D.V. 33, 34
Antonets K.S. 28, 208
Antonov I.V. 35
Antonov Ye.V. 253
Appella E. 89
Aquino G. 302
Arapidi G.P. 304
Arbeev K.G. 163
Arbeeva L. 163
Arbuzov I. 249
ArgГјelles B.O. 82
Arkova O.V. 278
Arshavsky K.V. 62
Arshinova T.V. 278
Artemov A.V. 120
Artemov G.N. 274, 275
Artyomov M.N. 249
Artyushin I.V. 293
Astakhova T.V. 247
Atambayeva S.A. 110, 111
Atopkin D.M. 115
Aulchenko Y.S. 276, 321
Avgustinovich D.F. 48
Axenov-Gribanov D.V. 340
B
Babenko V.N. 36, 49, 58, 187, 217
Badaeva E.D. 69
Bady-Khoo M.S. 71
Baev D.S. 37, 85
Bagina U.S. 38
Bagley O. 163
Bai H. 309
Bajic V.B. 120
Bakaher N. 282
Bakakina Y.S. 325
Bakulina A.Y. 57
Bal N. 222
Balaban P. 222
Balasov M.L. 26
Baraeva N.A. 74
Baranchikov Y. 139, 140
Baranova A. 164
Barashkov N.A. 71
Barkovskaya M.S. 45
Barnaeva E. 25
Bashmakov V.Yu. 91
Battey J.N.D. 282
Battulin N.R. 83, 178
Baturina G.S. 138
Belenikin M.S. 39, 46, 68
Beletsky A.V. 132
Belkova N.L. 109
Belova A.A. 157, 161, 286
Belyakov M.M. 286
Benítez-Burraco A. 96
Bernassola F. 30
Bezsudnova O.I. 40
Biberdorf E.A. 65
Biryukov V.V. 215
Bjoras M. 267
Bjorge M.D. 267
Blagojevic B. 41
Blinov A. 139, 140, 141, 303, 329
Blomquist D.V. 82

357
THE TENTH INTERNATIONAL CONFERENCE ON BIOINFORMATICS OF GENOME REGULATION AND STRUCTURE\SYSTEMS BIOLOGY
Bobak Y. 198
Bocharnikov A.V. 331
Bogachev M.I. 42, 182
Bogdanov M.R. 43
Bogdanov Yu.F. 93
Bogomolov A.G. 44, 45, 112, 217
Boldyreva L.V. 298, 299
Bolotovskiy A.A. 172
Bolsheva N.L. 46, 68
Bondar E.I. 47
Bondar N.P. 48, 278
Borisenko A.Yu. 109, 232
Boulygina E.A. 168, 283
Boulygina E.S. 201, 289
Bovet L. 282
Boytsov S.A. 122
Bragin A.O. 36, 49, 187, 203, 317
Bragina E.U. 264
Bragina M.K. 203
Brittal D. 50
Brusic V. 349
Bruskin S. 314
Bryanskaya A.V. 188, 230, 258, 296
Brykov V.A. 115
Bryzgalov L.O. 48
Brzhozovsky A.G. 228
Buchbinder J.H. 51
Budnyk V. 225
Bugrov A.G. 112, 303
Bukharina T.A. 52, 53
Bukin S.Ju. 128
Bukin Yu.S. 54, 55, 72, 284
Buleu O.G. 112
Buneva V.N. 269, 270
Butyaev A. 56
Bychkov I.Y. 107
Bykova I.V. 57
C
Carninci P. 102
Chadaeva I.V. 36, 49, 58, 317
Chamovitz D.A. 342
Chebotarov D. 314
Chechushkov A.V. 59
Chekalin E. 314
Chekantsev A.D. 60, 131
Chekmarev S.F. 31
Chen H. 175
Chen M. 61
Cherkasov A.V. 62, 152, 261
Chernichenko M.A. 157, 161, 287
Chernyagina E. 192
Chertkova A.A. 63
Cheryomushkin E.S. 204
Chesnokov I.N. 26
Chesnokova E. 222
Chistyakov V.A. 248
Chmyhalo V.K. 248
Churilov M.N. 248
Churkina T.V. 309, 310
Colonna M. 249
Cornette R. 64, 67, 124, 125, 152, 153, 202, 
288
Cruz O.G. 82
Culminskaya I. 163
D
Dadosh T. 133
Danilau D.E. 174
Danilova Y.E. 57
Datskih E.O. 107
Davydenko O.G. 174
Davydova S.G. 65
de Villavicencio-Díaz N.T. 82
Dedkov V.G. 293
Deeva A.A. 66
Demenkov P.S. 186, 187, 264, 265
Demidov E.A. 188, 296
Demidov O.N. 89
Demidova E.V. 188
Demkiv A.O. 347
Deviatiiarov R.M. 67, 78, 152, 153, 288
Deviatkin A.A. 293
Devyatkin V.A. 193
Djordjevic M. 41, 41, 99, 255, 295
Dmitriev A.A. 46, 68, 155, 156, 157, 161, 286
Dobretsov N.L. 230
Dobrokhotov I.V. 228
Dobrovolskaya E.V. 290
Dobrovolskaya O.B. 69
Dorofeyeva Y.B. 236
Dorogova N.V. 26
Doroshkov A.V. 70, 143, 281, 352
Doseth B. 160
Drabløs F. 160
Drost H.-G. 95
Duan M. 163
Dubovskaya L.V. 325
Duzhak T.G. 291
Dyachenko I.S. 71
Dzhioev Yu.P. 54, 72, 109, 128, 226, 232
E
Edelson B.T. 249

358
THE TENTH INTERNATIONAL CONFERENCE ON BIOINFORMATICS OF GENOME REGULATION AND STRUCTURE\SYSTEMS BIOLOGY
Efimov K.V. 73
Efimov V.M. 73, 253, 296
Egorova E.D. 74
Eide L. 267
Eisenbach M. 133
El-Seedy A. 264
Endutkin A.V. 75
Erokhin I.L. 76
Ershov N.E. 48, 77
Ershov N.I. 253, 297
Ershova A.I. 122
Ershova A.S. 40
Esipov D.S. 183, 189
Evdokimov A. 79
Evsutina D.V. 87
F
Fan G. 77
Fang F. 163
Fedintsev A. 192
Fedorov V.I. 80
Fedorova M.S. 157, 161, 286, 287
Fedorova S.A. 26, 27
Fedoseeva L.A. 253
Fedotova V.S. 81
Ferrer M. 25
Fet V. 140
Filimonov D.A. 108, 117, 246, 313
Filipenko M.L. 309, 310
Filyushin M.A. 132
Finkelshtein A. 342
Fishman V. 83
Fisunov G.U. 87
Flassig R.J. 51
Fogolín M.B. 82
Fomin E.S. 84
Forrest A. 102
Frankevich V.E. 175
Freidin M. 264
Freilich S. 98, 342
Frolova T.S. 85
Furman D.P. 52, 53, 218
Fursova A.Z. 107, 260
Furusawa T. 124, 288
G
Gabel A. 95
Galashevskaya A. 160
Galimova J. 229
Galkin A.P. 208
Galyamina A.G. 86
Garanina I.A. 87
García Y.C. 82
García-Martínez K. 242
Gardon D.P. 82
Gatti M. 229, 298, 299
Gaur A.S. 199
Gazizova G.R. 88
Genaev M.A. 135
Georgiou C.A. 349
Gerasimov A.V. 328
Giannenas I. 349
Gieger C. 276, 321
Gilfilan S. 249
Gloriozova T.A. 246
Glushchenko A.V. 97
Goble C. 158
Goepfert S. 282
Golebiewski M. 158
Golosova O.I. 57
Goloudina A.R. 89
Golovin A.V. 347
Golubyatnikov V.P. 52, 53
Golushko S.K. 206, 351
Golyshev V.M. 90
Goncharov N.P. 141
Goncharova I.A. 312
González L.J. 82
Gorbacheva T.M. 91
Gordiev M. 280
Gorev D.D. 247
Goryachkovskaya T.N. 188
Govorun V.M. 87, 304
Grekhov G.A. 57, 316
Grigorash B.B. 89
Grigorieva T.V. 168
Grin I.R. 92
Grishaeva T.M. 93
Grishenko M. 94
Grosse I. 95
Gruzdev E.V. 132
Gubanova N.V. 97
Gunbin K. 94, 96, 244
Gunbin K.V. 34, 97, 187, 195, 324
Gupta S. 98
Gursky V.V. 63, 151
Guryeva P.I. 237
Gusareva E.S. 127
Gusev F.E. 48, 96
Gusev O.A. 62, 67, 78, 88, 124, 125, 152, 
153, 165, 202, 261, 280, 288
Gushchina I.V. 207
Guzina J. 99, 295

359
THE TENTH INTERNATIONAL CONFERENCE ON BIOINFORMATICS OF GENOME REGULATION AND STRUCTURE\SYSTEMS BIOLOGY
Gómez Y.R. 82
H
Hadarovich A. 100
Hall A.B. 274
Hano S. 105
Hayashizaki Y. 102
He L. 163
Hegre S.A. 160
Hildrestrand G. 267
Ho B.A. 25
Hofestaedt R. 101, 264
Hon C.-C. 102
Hu X. 25
Huang Z. 25
I
Ignatieva E.V. 103, 104
Ignatov A.N. 304
Ikeda H. 319
Imoto N. 105
Ishchenko A.A. 92
Ishchenko A.S. 106
Iskakov I.A. 138
Ito A. 105
Ivanisenko N.V. 28, 106
Ivanisenko T.V. 230, 258
Ivanisenko V.A. 28, 106, 186, 228, 230, 235, 
264, 265, 318
Ivanoshchuk D.E. 107, 272
Ivanov N.V. 282
Ivanov S.M. 108
Ivanov V.B. 169
Ivanova E.I. 109
Ivashchenko A.T. 110, 111, 238
Ivashko E.E. 205
Iwata K-I. 64
J
Janardhan S. 199
Jetybayev I.E. 112
Jiang X. 274
K
Kabilov M.R. 97
Kadnikov V.V. 132
Kaina B. 113
Kairov U. 114
Kalinin D.V. 157, 161, 286, 287
Kamaltynov R.M. 257
Kamenskaya D.N. 115
Kanayama Y. 105, 116, 2008, 319
Kandrov D.Y. 57
Kapranov P. 33
Kaprin A.D. 286
Karamysheva T.V. 44
Karasev D.A. 117, 313
Kardymon O.L. 157, 161, 286, 287
Karpov I.A. 174
Karpova I.Y. 118, 157, 161, 286, 287
Karyagina A.S. 40
Kashina E.V. 218, 278
Kashirina D.N. 228, 318
Kastenmüller G. 321
Katkova L.E. 138
Katz E. 342
Kavli B. 160
Kaygorodova I.A. 181
Kaymonov V.S. 237
Kayumov A.R. 42, 182
Kazantsev F.V. 119, 150
Kazantsev M.V. 52, 53
Kel-Margoulis O.V. 164
Kelsh R.N. 302
Kernogitski Y. 163
Khairetdinov M. 94
Khamis A. 120
Khlebodarova T.M. 119, 254
Khlebus E.Yu. 122
Khlestkina E.K. 281, 300
Khodus T. 225
Khodyreva S.N. 147
Khokhlov A.N. 123, 183, 189
Khramtsova E.A. 333
Khromova P. 212
Khusnutdinova E.K. 85
Kikawada T. 64, 67, 78, 124, 125, 152, 153, 
165, 202, 261, 288
Kikuta S. 64, 124, 125, 288
Kim A.V. 126
Kim H.L. 127
Kipen V.N. 322
Kirillova E.R. 283
Kiselev D.O. 54, 128
Kiselev S.L. 188
Kiseleva A.A. 129
Kiseleva A.V. 122
Kiseleva E.V. 179, 298, 299, 326
Kishlyan N.V. 68
Kiss V. 133
Kit Y. 198
Klimenko A.I. 130, 131, 353
Klimina K.M. 157, 161, 287

360
THE TENTH INTERNATIONAL CONFERENCE ON BIOINFORMATICS OF GENOME REGULATION AND STRUCTURE\SYSTEMS BIOLOGY
Klimov L.O. 253
Kochetkov D.V. 161
Kochetkova E.Y. 89
Kochetov A.V. 353
Kochieva E.Z. 132
Kochneva G.V. 148
Koganitsky A. 133
Kolchanov N.A. 130, 188, 230, 265, 331, 351
Kolesanova E.F. 311
Kolker E.V. 175
Kolosov P. 222
Kolosova N.A. 193
Kolosova N.G. 144, 259, 260, 297, 308, 315, 
326
Kolpakov F.A. 134, 344, 239
Komissarov A.S. 219
Komyshev E.G. 135
Kondrakhin Yu.V. 136, 344
Kondrashov F.A. 137, 332
Kondratenko E.Ya. 141
Konenkov V.I. 145, 213
Konev A.A. 138
Kononikhin A.S. 228
Kononov A. 139, 140
Konopatskaia I. 141, 329
Konorov E.A. 142
Konovalova N.A. 107, 265
Konovalova O.S. 107, 265
Konstantinov D.K. 143
Korbolina E.E. 144, 260
Koroban N.V. 68
Korolev M.A. 145, 213
Korvald H. 267
Korvigo I.O. 146
Kosova A.A. 147
Kostryukova E.S. 236
Kotova S.A. 322, 323
Koval O.A. 148
Kovalenko I.L. 86
Kovalenkova M.V. 149
Kovaleva V.Y. 73
Kovriznykh V.V. 150
Kovtun M. 163
Kozhevnikova O.S. 315
Kozlov K.N. 63, 151
Kozlov V.A. 45
Kozlova I.V. 54, 72, 226
Kozlova O.S. 88, 152, 153, 165
Krasikova A. 83
Krasnikov A.A. 69
Krasnobaeva L.A. 154
Krasnov G.S. 46, 68, 155, 156, 157, 161, 286, 
287
Kratasyuk V.A. 66
Krebs O. 158
Krementsova A.V. 159, 263
Krinitsina A.A. 39, 46, 68
Krivozubov M.S. 231
Krokan H.E. 160
Krutovsky K.V. 47, 215, 251
Kudryavtsev I.V. 166
Kudryavtseva A.V. 46, 68, 155, 156, 157, 161, 
286, 287
Kudryavtseva N.N. 86
Kulakova E.V. 162, 217
Kulakovskiy I.V. 151, 337
Kuleshov K.V. 293
Kuligina E.V. 148
Kulipanov G.N. 188
Kulminski A.M. 163
Kundrotas P.J. 100
Kuptsov S.V. 39
Kural K.C. 164
Kusnierczyk A. 267
Kuzmin D.A. 215, 251
Kuznecova S.V. 165
Kuznetsov S.R. 166
Kuznetsova I.S. 219
Kuzyakiv R. 158
Kwon D.A. 167
L
Labeit S.B. 238
Lagarkova M.A. 188
Lagunin A.A. 108, 246
Laikov A.V. 168
Laktionov P.P. 325
Lakunina V.A. 46
Lampropoulou V. 249
Larina I.M. 228, 318
Lashin S.A. 60, 71, 119, 130, 131, 195, 196, 
353
Lavrekha V.V. 169
Lavrik I.N. 51, 106, 235, 265
Lavrik O. 
Lavrik O.I. 29, 79, 147, 170, 171
Lazareva E.V. 230
Leanovich S.I. 333
Lebedev M.O. 343
Letyagina E.A. 145, 213
Levin B.A. 172
Levina M.A. 172
Levinskikh M.A. 62

361
THE TENTH INTERNATIONAL CONFERENCE ON BIOINFORMATICS OF GENOME REGULATION AND STRUCTURE\SYSTEMS BIOLOGY
Levitsky V.G. 103, 348
León K. 242
Li G. 173, 217
Liabakk N.B. 160
Liaudanski A.D. 174
Lichoman A.V. 283
Likhoshvai V.A. 119, 254
Lioznova A.V. 120
Lipatova A.V. 161
Lisitsa A.V. 175
Liu X. 77
Lobynya S.A. 241
Logacheva M.D. 39, 88, 152, 153, 165, 202, 
257
Loginicheva E. 249
Loika Y. 163
Loiko E. 163
Lomert E. 224
Lomzov A.A. 90, 176
Long M. 177
Lukyanchikova V.A. 178
Luna L. 267
Luppov D. 33
Luster D.G. 304
Luzhetskyy A.N. 340
Luzianin S. 329
Lysenkov S.N. 142