Работа с неполными структурами: как обработать белки без части доменов — ВКР по частичные MSA

Предсказание missing loops и N/C-концов: практика и советы

В современной биоинформатике работа с белковыми структурами, особенно при наличии частичных или фрагментированных данных, становится всё более актуальной. Особенно это касается исследований в области «частичные MSA» — мультиплексных последовательностей, где не все регионы белка доступны для экспериментального определения. Недостаток информации о концевых областях (N- и C-концах), а также о циклических участках — loop-областях — значительно усложняет интерпретацию результатов и снижает точность предсказаний. Именно поэтому студентам, пишущим выпускную квалификационную работу по частичные MSA, важно не только понимать, как работает алгоритмическая модель, но и уметь корректно обрабатывать её выходные данные. Согласно методическим рекомендациям ФГОС ВО, в ВКР по направлению «Биотехнология», «Молекулярная биология» или «Биоинформатика» требуется не только описание теоретических основ, но и анализ практического применения инструментов. Один из ключевых этапов — это работа с неполными структурами, когда часть белка отсутствует в PDB-файле, и необходимо использовать специализированные подходы для её восстановления. Здесь особенно важна методика предсказания missing regions — участков, которые не были зафиксированы в экспериментальных данных, но могут быть восстановлены с помощью гибридных моделей. Важно понимать, что неполные структуры не являются ошибкой — это норма для большинства реальных белков. Многие белки содержат динамические и низкоустойчивые участки, которые не кристаллизуются, либо они искусственно удалены в ходе эксперимента. Поэтому задача не в том, чтобы «восполнить пробелы», а в том, чтобы оценить их вероятностную значимость и корректно интегрировать в общую модель. Наиболее распространённым решением является использование программного пакета MODELLER, который позволяет строить модели на основе шаблонов, включая и такие сложные случаи, как частичные структуры. Однако его применение требует глубокого понимания параметров — например, выбора правильной базы шаблонов, контроля за перекрытием областей, и тщательной проверки стерической согласованности. Студентам, чья ВКР по частичные MSA включает эмпирическую часть, рекомендуется начать с анализа исходных данных: определить, какие фрагменты уже представлены в структуре, какие — отсутствуют, и какие из них наиболее вероятно подлежат предсказанию. Например, если в структуре отсутствует N-конец, то можно использовать I-TASSER или QUARK — два популярных инструмента, способных генерировать длинные цепочки даже при минимальном входном наборе. В статье на сайте https://diplom-it.ru/blog/2026/08/01/b060-sravnenie-predskazaniya-struktury-i-eyo-funktsionalnoy мы подробно рассматриваем сравнение этих методов и их применимость к различным типам белковых комплексов. Обратите внимание: не стоит автоматически доверять всем предсказаниям — каждый фрагмент должен быть проанализирован на наличие внутренней логики и структурной целостности. Для студентов, которые работают с данными из открытых баз (например, из UniProt или PDB), важно учитывать, что многие белки имеют так называемые «недоступные» области — участки, которые не участвуют в взаимодействии, но играют роль в регуляции. В таких случаях элементарное предсказание может оказаться недостаточным — требуется дополнительный анализ функциональной роли этих областей. Например, в случае с белками, связывающими нуклеиновые кислоты, часто N-конец содержит сигнальный пептид, а C-конец — домен, отвечающий за деградацию. Если вы планируете сделать раздел «функциональная интерпретация» в своей ВКР по частичные MSA, обязательно уделите внимание этим деталям. Типичная ошибка, которую допускают начинающие исследователи, — это попытка «заполнить» пробелы без учёта биологического контекста. Просто добавление случайных аминокислот или повторение соседних фрагментов приводит к некорректным результатам, которые невозможно впоследствии объяснить в защитной речи. Вместо этого следует использовать методы, основанные на энтропийных распределениях и статистическом анализе — например, методы, описанные в работе «Predicting protein loops with deep learning» (2022). Эти подходы позволяют не просто «угадать» положение, а оценить вероятность того, что данный фрагмент будет стабилен в условиях клеточной среды. Кроме того, при подготовке ВКР по частичные MSA важно учесть, что время сбора данных и качество входных последовательностей напрямую влияет на результат. Если в вашем исследовании используется только одна последовательность без дополнительных шаблонов, то предсказание будет менее достоверным. Рекомендуем вам включить в методологическую часть раздел о «подготовке входных данных» и указать, какие источники были использованы — например, BLAST-поиск в UniRef, или использование базы Pfam для идентификации доменов. Важно также упомянуть, что все современные инструменты предсказания структуры работают с высокой скоростью, но не с полной точностью. Поэтому в ВКР по частичные MSA обязательно должен быть раздел «оценка качества» — здесь нужно привести значения RMSD, GDT_TS, и TMScore, а также сравнить с известными структурами. На сайте https://diplom-it.ru/blog/2026/08/01/b060-sravnenie-predskazaniya-struktury-i-eyo-funktsionalnoy вы найдёте подробный гайд по сравнению различных методов, включая AlphaFold2 и Rosetta.

Использование AlphaFold-Multimer для компонентов комплекса

AlphaFold-Multimer — один из самых мощных инструментов для предсказания трёхмерных структур белковых комплексов, включая случаи, когда один из компонентов представлен лишь частично. Его применение особенно актуально для ВКР по частичные MSA, поскольку в большинстве случаев исследование связано не с одиночным белком, а с его взаимодействием с другими молекулами. Практика показывает, что при работе с частичными структурами, особенно если речь идёт о белках, содержащих мобильные участки, AlphaFold-Multimer даёт более стабильные и биологически обоснованные результаты, чем классические мономерные модели. Прежде чем приступить к использованию AlphaFold-Multimer, необходимо понимать, что этот инструмент требует качественного входного файла. Для начала нужно собрать пару последовательностей: одну полную (или почти полную), и вторую — частичную. Если вы работаете с белком, у которого отсутствует один из доменов, но он взаимодействует с другим белком, то лучше всего использовать его как «партнёр» в комплексе. Например, если у вас есть структура HLA-A*02:01 без α3-домена, а вы хотите смоделировать его взаимодействие с β2M, то AlphaFold-Multimer сможет предсказать не только сам комплекс, но и то, как именно будет складываться недостающая область. Важно отметить, что AlphaFold-Multimer не заменяет собой классический подход к моделированию — он дополняет его. В частности, если вы проводите сравнительный анализ нескольких вариантов, стоит использовать комбинированный подход: сначала построить модель с MODELLER, затем запустить AlphaFold-Multimer на полученном файле, и в конце — провести валидацию с помощью программы MolProbity или PROCHECK. Такой подход гарантирует, что вы не потеряете ни одного биологически значимого элемента. Кроме того, при работе с комплексами, особенно в рамках ВКР по частичные MSA, стоит рассмотреть возможность использования гидрофобных и зарядовых взаимодействий как ключевых факторов стабилизации. В некоторых случаях, когда один из белков имеет очень низкую стабильность, но хорошо взаимодействует с партнёром, именно эти силы помогают сохранить структуру. Эта информация должна быть включена в раздел «обсуждение результатов» — она позволит вам не просто описать модель, но и объяснить, почему она биологически обоснована. Особенно интересен случай, когда вы работаете с белками, имеющими «независимые» фрагменты — например, белок с двумя доменами, один из которых свободно перемещается относительно другого. В таких ситуациях AlphaFold-Multimer может предложить несколько возможных конформаций, и именно это нужно отразить в вашей ВКР. Например, в исследовании, проведенном в Лаборатории биоинформатики МГУ, было показано, что при использовании AlphaFold-Multimer для моделирования CD4+ T-клеточного рецептора, удалось выявить две стабильные конформации — одну, при которой CDR3-региональная область находится в активной зоне, и другую — в инактивной. Это позволило сделать вывод о том, что динамика этого участка может играть роль в иммунной ответности. Важно также учитывать, что AlphaFold-Multimer не работает с неструктурированными белками напрямую. Если вы исследуете белки с высокой степенью дисordered-областей, то лучше всего использовать комбинацию с другими инструментами, такими как DISOPRED3 или IUPred2A. Это позволит вам не только предсказать структуру, но и понять, какие участки остаются нерегулярными, и как это влияет на функцию. В рамках ВКР по частичные MSA рекомендуется включить таблицу сравнения различных подходов — например, AlphaFold-Multimer, I-TASSER, и MODELLER — по таким параметрам, как время выполнения, точность предсказания, и совместимость с экспериментальными данными. Это повысит научную ценность вашего исследования и покажет, что вы не просто использовали инструмент, а проделали анализ его эффективности. Кроме того, в статье на https://diplom-it.ru/blog/2026/08/01/b060-neyrosetevye-podkhody-k-predskazaniyu-struktury-belkov-v-3 вы можете найти информацию о том, как сочетать нейросетевые подходы с классическими методами — в частности, о том, как обучать модели на данных с частичными структурами. Это особенно актуально, если вы планируете развивать свою работу дальше и создавать собственный алгоритм.

Валидация частичных структур: RMSD и TMScore

После того как вы построили модель частичной структуры, следующим шагом является её валидация — процесс, который позволяет оценить, насколько предсказанная модель соответствует реальной биологической структуре. Этот этап особенно важен в ВКР по частичные MSA, поскольку от него зависит, насколько уверенно можно делать выводы о функции белка. Без валидации любые заключения будут восприниматься как спекулятивные — а в академической среде это может повлечь снижение оценки. Основными метриками, используемыми для валидации, являются RMSD (Root Mean Square Deviation) и TMScore (Template Modeling Score). RMSD измеряет среднее квадратическое отклонение координат атомов между предсказанной и экспериментальной структурой. Чем меньше RMSD, тем ближе модель к истине. Однако важно понимать, что RMSD чувствителен к размеру белка — для крупных белков даже 2–3 Å могут быть приемлемыми, тогда как для малых — это уже большое отклонение. Поэтому в ВКР по частичные MSA рекомендуется использовать RMSD только в сравнении с аналогичными структурами, и обязательно указывать, какой фрагмент был проанализирован. TMScore, в отличие от RMSD, учитывает не только пространственные координаты, но и количество соответствующих атомов. Он оценивает, насколько хорошо модель соответствует шаблону, и обычно принимает значения от 0 до 1, где 1 — идеальное соответствие. TMScore особенно полезен при работе с частичными структурами, потому что он не требует полного совпадения — даже если часть белка отсутствует, TMScore может показать, насколько хорошо сохранилась общая архитектура. Например, если вы предсказали только N-конец белка, но он полностью совпадает с шаблоном по всем остальным частям, TMScore может составить 0.85, что считается хорошим результатом. Для более точной оценки рекомендуется использовать дополнительные инструменты, такие как PROCHECK, MolProbity, и QMEAN. Каждый из них даёт свой набор параметров: PROCHECK анализирует углы связи, MolProbity — стерические препятствия, QMEAN — энергетическую оценку. Включение этих данных в ВКР по частичные MSA значительно повысит её научную ценность и поможет вам пройти антиплагиат. Важно также учитывать, что валидация не должна быть единовременным действием — она должна быть частью цикла: построение → валидация → доработка → повторная валидация. Это особенно актуально при работе с частичными структурами, где каждое изменение может повлиять на всю модель. Например, если вы обнаружили, что в одном из фрагментов RMSD выше 4 Å, то можно попробовать изменить параметры моделирования, добавить больше шаблонов, или использовать другой алгоритм. Если вы проводите сравнение нескольких моделей, то важно использовать один и тот же набор метрик для всех. Это обеспечивает справедливость сравнения и позволяет избежать субъективных оценок. Например, вы можете создать таблицу, где для каждой модели указаны RMSD, TMScore, и QMEAN, а также — какая часть белка была предсказана. Это поможет вам не только выбрать лучшую модель, но и обосновать свой выбор в защите. Важно также помнить, что валидация — это не только технический процесс, но и научный аргумент. В своем заключении вы должны не просто сказать: «модель хороша», а объяснить, почему. Например: «на основе TMScore = 0.92 и RMSD = 1.8 Å для фрагмента 100–200 аминокислот, можно сделать вывод, что предложенная модель корректно отражает структуру этого участка, что подтверждается наличием характерных водородных связей и стерических контактов, наблюдаемых в экспериментальных данных». Кроме того, в статье на https://diplom-it.ru/blog/2026/08/01/b060-sravnenie-neyrosetey-dlya-predskazaniya-struktury-ot вы можете найти сравнение производительности различных инструментов — в том числе AlphaFold-Multimer, DeepMind и Meta — по таким метрикам, как RMSD и TMScore. Это поможет вам не только оценить текущий результат, но и понять, насколько он соответствует мировым стандартам.

Как выбрать тему ВКР по частичные MSA

Выбор темы — один из самых важных этапов подготовки ВКР по частичные MSA. От того, насколько удачно выбрана тема, зависит не только уровень трудности работы, но и возможность её успешной защиты. Важно учитывать не только научную новизну, но и практическую реализуемость — ведь ВКР — это не только исследование, но и демонстрация ваших навыков в использовании современных инструментов и методов. Критерии выбора темы включают: 1. **Актуальность** — тема должна отражать современные тенденции в биоинформатике и молекулярной биологии. Например, последние годы характеризуются ростом интереса к «неполным» белковым комплексам, особенно в контексте иммунитета и онкологии. Темы, связанные с предсказанием missing regions в рецепторах, антителах или ферментах, будут особенно востребованы. 2. **Доступность выборки** — важно, чтобы вы могли получить хотя бы базовые данные для моделирования. Это могут быть PDB-файлы, последовательности из UniProt, или даже публикации, в которых уже приведены частичные структуры. Если вы планируете использовать экспериментальные данные, убедитесь, что они доступны через открытые ресурсы или через вашу кафедру. 3. **Доступность источников** — в ВКР по частичные MSA необходимо использовать как научные статьи, так и методические материалы. Важно, чтобы вы могли обратиться к источникам, которые описывают конкретные методы — например, статьи по AlphaFold-Multimer, I-TASSER, или QUARK. Также полезно иметь доступ к базам данных, таким как PDB, SCOP, или Pfam. 4. **Возможность проведения исследования** — тема должна быть такой, чтобы вы смогли провести хотя бы базовое моделирование и валидацию. Например, если вы выберете тему «предсказание N-конца белка IL-2», то вы сможете использовать AlphaFold-Multimer, провести RMSD-анализ, и сравнить с известными структурами. Если тема слишком абстрактная — например, «влияние конформационных изменений на функцию белка» — то вам будет сложно продемонстрировать практическую сторону. 5. **Требования научного руководителя** — перед тем как окончательно выбрать тему, обязательно обсудите её с вашим научным руководителем. Он может дать ценные советы, указать на потенциальные трудности, и даже предложить конкретные примеры. Иногда руководители предлагают темы, которые уже были успешно реализованы ранее — это значительно снижает риск ошибок. Важно также учитывать, что тема должна быть достаточно широкой, чтобы включать несколько аспектов, но при этом — узкой, чтобы не потеряться в деталях. Например, вместо «предсказание структуры белка» лучше взять «предсказание missing loops в белках с низкой стабильностью с использованием AlphaFold-Multimer». Это позволяет вам сосредоточиться на конкретной проблеме и показать, как вы применяете современные инструменты. Если вы планируете использовать данные из реальных экспериментов, то можно выбрать тему, связанную с конкретным белком — например, «анализ структуры белка SARS-CoV-2 Spike с использованием AlphaFold-Multimer». Это будет особенно актуально, если вы работаете в рамках проекта, связанного с пандемией. Кроме того, такие темы легко поддаются валидации, поскольку в литературе уже есть множество публикаций по этому белку. Важно также учитывать, что тема должна быть оригинальной, но не слишком экзотической. Например, тема «предсказание структуры белка с использованием AlphaFold-Multimer» может быть слишком общая, а «предсказание структуры белка с использованием AlphaFold-Multimer и сравнение с I-TASSER» — уже более конкретная и интересная. Важно найти баланс между новизной и практичностью. Если вы не можете сразу придумать тему, попробуйте использовать следующий алгоритм: 1. Выберите белок, который вам интересен. 2. Проверьте, есть ли у него частичная структура в PDB. 3. Посмотрите, какие методы уже были использованы для этого белка. 4. Подумайте, как можно улучшить или дополнить существующие подходы. 5. Сформулируйте тему, которая отражает вашу уникальную точку зрения. Важно также учесть, что тема должна быть согласована с вашей специальностью. Если вы изучаете биотехнологию, то тема должна быть связана с технологиями, а не с клинической медициной. Если вы изучаете биоинформатику — то фокус должен быть на методах и инструментах, а не на биохимии.

Проверка ВКР на антиплагиат

Проверка ВКР на антиплагиат — это обязательный этап подготовки выпускной квалификационной работы. Даже если вы написали текст своими словами, существует риск, что некоторые фразы или структуры будут совпадать с другими работами, особенно если вы используете стандартные формулировки из учебных пособий или методических рекомендаций. Поэтому важно знать, как правильно подготовить работу и какие требования предъявляются вузами. Первое, что нужно понимать: антиплагиат не проверяет всю работу одновременно — он анализирует текст на предмет схожести с другими источниками. Самый распространённый сервис — это Антиплагиат.ВУЗ, который используется во многих российских вузах. Он позволяет проверить текст на наличие заимствований, а также выдать процент уникальности. Большинство вузов требуют, чтобы процент уникальности был не ниже 70–80%. Однако это не всегда означает, что работа считается «чистой» — иногда даже 85% не гарантирует успешной защиты, если в тексте есть повторяющиеся фразы или структуры. Важно учитывать, что цитирование — это не плагиат, а обязательная часть научной работы. Если вы используете чужие идеи, факты или формулировки, вы обязаны указать источник. При этом важно не только указать автора, но и привести ссылку в списке литературы. Важно также учитывать, что в некоторых вузах требуется, чтобы цитаты были оформлены в соответствии с ГОСТ, и что каждый цитируемый фрагмент должен быть выделен курсивом или кавычками. Корректные заимствования — это когда вы берёте идею или данные, но переформулируете их своими словами, добавляете свои комментарии и анализируете. Например, если вы читаете статью о AlphaFold-Multimer и хотите использовать её выводы в своей ВКР по частичные MSA, то вы можете написать: «По данным [автор], предсказание структуры с помощью AlphaFold-Multimer позволяет достичь высокой точности при работе с частичными белками. В нашем исследовании мы применили этот подход к белку X и получили TMScore = 0.89, что подтверждает его эффективность». Это не является плагиатом — это корректное использование информации. Требования вузов к антиплагиату варьируются, но в большинстве случаев они включают: - Минимальный процент уникальности (обычно 70–80%); - Возможность подачи возражений на результаты проверки; - Необходимость предоставления скриншотов проверки; - Запрет на использование готовых текстов из интернета без цитирования. Распространённые причины низкой уникальности в ВКР по частичные MSA включают: 1. **Использование стандартных формул и выражений** — например, «RMSD — это среднее квадратическое отклонение...» — это фраза, которая встречается во многих работах. Чтобы избежать этого, перепишите её своими словами: «для оценки точности модели используется RMSD — величина, показывающая, насколько отклоняются координаты атомов в предсказанной структуре от экспериментальной». 2. **Частое использование одних и тех же источников** — если вы цитируете одну и ту же статью в нескольких местах, это может вызвать подозрение. Попробуйте использовать другие источники или переформулировать. 3. **Повторение структуры** — например, если вы пишете похожие введения для разных глав, это может быть расценено как плагиат. Проверьте, нет ли повторяющихся фраз. 4. **Использование готовых шаблонов** — если вы скачали шаблон ВКР из интернета и просто заменили названия, это будет обнаружено. Важно, чтобы каждая часть была написана самостоятельно. Важно также учитывать, что проверка на антиплагиат — это не только технический процесс, но и возможность улучшить качество работы. Когда вы видите, какие фразы повторяются, вы можете переписать их, добавить больше анализа, или внести новые данные. Это повышает научную ценность вашей ВКР по частичные MSA. Если вы столкнетесь с проблемой низкой уникальности, не паникуйте — это довольно распространённая ситуация. Важно не просто «увеличить» уникальность, а сделать работу более качественной. Например, вы можете добавить новый анализ, сравнить результаты с другими методами, или включить данные из новых источников. Это не только повысит уникальность, но и усилит вашу позицию в защите.

Что входит в подготовку дипломной работы

Подготовка дипломной работы — это комплексный процесс, который включает не только написание текста, но и организацию работы с данными, проведение исследований, и подготовку к защите. Важно понимать, что дипломная работа — это не просто документ, а научное исследование, которое должно соответствовать установленным требованиям и демонстрировать вашу способность применять теоретические знания на практике. В первую очередь, подготовка начинается с выбора темы и обсуждения с научным руководителем. После этого следует составление плана работы, который включает: - Обзор литературы; - Описание методов исследования; - Проведение экспериментов или моделирования; - Анализ полученных данных; - Написание текста; - Подготовка презентации и доклада; - Подготовка к защите. Важно учитывать, что каждый этап должен быть документирован — это особенно важно при работе с биоинформатикой, где можно использовать различные инструменты и методы. Например, если вы использовали AlphaFold-Multimer, то в методической части ВКР по частичные MSA необходимо описать, какие параметры вы установили, какие шаблоны использовали, и как проводили валидацию. Кроме того, подготовка включает в себя не только технические аспекты, но и организационные. Вам нужно будет: - Планировать время на каждый этап; - Составлять график работы; - Обеспечивать доступ к необходимым ресурсам (например, к серверу для запуска моделей); - Обеспечивать связь с научным руководителем; - Подготовить отчеты по ходу работы. Важно также учитывать, что важно не только написать работу, но и подготовиться к защите. Это включает не только написание доклада, но и подготовку презентации, ответы на возможные вопросы, и даже тренировку. Многие студенты недооценивают этот этап и после защиты жалеют, что не потратили достаточно времени на подготовку. Кроме того, подготовка включает в себя не только написание текста, но и подготовку к написанию отдельных частей. Например, если вы планируете включить эмпирическую часть, то вам нужно будет: - Собрать данные; - Провести анализ; - Интерпретировать результаты; - Подготовить графики и таблицы. Это требует времени и внимания, и если вы не планируете заранее, то можете столкнуться с серьёзными трудностями. Поэтому рекомендуется начать подготовку как можно раньше — даже за 2–3 месяца до сдачи.

Методы исследования, используемые в работах по частичные MSA

Выбор методов исследования — один из ключевых моментов в подготовке ВКР по частичные MSA. От того, насколько корректно вы выберете методы, зависит не только научная ценность работы, но и её возможность быть принятым на защиту. Важно понимать, что методы должны быть не только современными, но и подходящими для конкретной задачи. В биоинформатике, особенно при работе с частичными структурами, используются следующие основные группы методов: 1. **Моделирование структуры** — это наиболее распространённый метод. К нему относятся: - MODELLER — классический инструмент для построения моделей на основе шаблонов; - I-TASSER — метод, основанный на поиске шаблонов и последующем моделировании; - QUARK — инструмент для предсказания структуры белков без шаблонов; - AlphaFold-Multimer — современный инструмент для предсказания комплексов. 2. **Валидация структуры** — после построения модели необходимо оценить её качество. К этому относятся: - RMSD — измеряет отклонение координат; - TMScore — оценивает соответствие шаблону; - PROCHECK — анализ углов и стерических препятствий; - MolProbity — оценка стерических контактов. 3. **Анализ взаимодействий** — если вы исследуете комплекс, то важно понимать, как белки взаимодействуют друг с другом. К этому относятся: - PISA — анализ поверхностей взаимодействия; - ClusPro — предсказание комплексов; - HADDOCK — метод для предсказания взаимодействий на основе экспериментальных данных. 4. **Статистический анализ** — если вы проводите эмпирическую часть, то вам потребуется статистика. К этому относятся: - SPSS — для анализа данных; - R — для сложных моделей; - JASP — бесплатная альтернатива SPSS. Важно учитывать, что выбор метода должен быть обоснован. Например, если вы исследуете белок с низкой стабильностью, то AlphaFold-Multimer будет более подходящим, чем MODELLER, потому что он учитывает взаимодействие с партнёром. Если вы работаете с большим количеством данных, то R или Python будут более эффективными, чем SPSS. Кроме того, важно учитывать, что методы должны быть описаны в достаточной степени. В методической части ВКР по частичные MSA необходимо не только назвать метод, но и описать, как он работает, какие параметры вы установили, и как проводили анализ. Это позволяет другим исследователям воспроизвести ваши результаты.

Требования к ВКР

Требования к ВКР по частичные MSA варьируются в зависимости от вуза, но в большинстве случаев они основаны на федеральных стандартах. Важно понимать, что требования — это не просто формальность, а гарантия качества работы. Если вы не соблюдаете их, то ваша работа может быть отклонена на стадии проверки. Основные требования включают: 1. **Объём работы** — обычно от 40 до 60 страниц текста, включая список литературы и приложения. Важно учитывать, что в ВКР по частичные MSA могут быть дополнительные разделы — например, поясняющие таблицы, графики, и коды. 2. **Оформление** — работа должна быть оформлена в соответствии с ГОСТ. Это включает: - Шрифт 14 кегль; - Межстрочный интервал 1,5; - Поля — 2 см; - Нумерация страниц; - Список литературы. 3. **Струкрук