|
|
Bacterial Identifier: Accelerating Bacterial Genome Detection
Nejezchlebová, Julie ; Rychlík, Ivan ; Schwarzerová, Jana
Bacterial identification is crucial for effectively monitoring and controlling the spread of infectious diseases. In addressing this critical need, our study introduces an engineered application designed to expedite the analysis of bacterial sequencing data, thus providing a streamlined method for species identification. The Bacterial Identifier underwent thorough testing using a significant dataset obtained from the Veterinary Research Institute. Central to the app's functionality is the integration of three essential tools. Implemented through a cohesive bash script, these tools are seamlessly combined to ensure optimal performance and accuracy in bacterial identification. Furthermore, to enhance user experience, a userfriendly interface was developed using Python 3, facilitating intuitive navigation and efficient utilization of the application's capabilities.
|
|
|
Py/ExplorReg: Exploration of Transcriptome for Potential Regulon Structure Detection
Janigová, Patrícia ; Weckwerth, Wolfram ; Schwarzerová, Jana
This study introduces Py/ExplorReg, a tool designed for exploring transcriptomic landscapes and identifying potential regulon structures, with a particular focus on its utility in the context of Arabidopsis thaliana research. Developed using Python, Py/ExplorReg demonstrates its effectiveness in identifying potential regulons through a pioneering approach rooted in the analysis of gene expression data. Leveraging publicly available datasets from the EMBL-EBI project PRJNA779072, this case study highlights its adaptability to Arabidopsis thaliana datasets.
|
|
|
Optimizing of pre-processing analysis for Illumina RNA-Seq data in Arabidopsis thaliana
Schwarzerová, Jana ; Janigová, Patrícia ; Dvořáčková, Martina ; Weckwerth, Wolfram
Gene expression analysis through RNA sequencing (RNA-Seq) has revolutionized molecular biology, providing profound insights into the intricate transcriptional landscapes of organisms. Arabidopsis thaliana, a widely studied model plant, serves as a cornerstone for investigating fundamental biological and ecology processes. However, accurate interpretation of RNASeq data hinges on meticulous pre-processing methods to ensure data integrity and trustworthiness, especially in the context of Illumina sequencing. In this research, we present a comprehensive framework for optimizing pre-processing analysis tailored specifically for Arabidopsis thaliana RNA-Seq datasets generated through Illumina sequencing. Our approach encompasses rigorous quality control, precise read alignment, transcript quantification, and normalization procedures crucial for subsequent differential expression analysis. Additionally, we address unique considerations and challenges inherent to Arabidopsis thaliana datasets, providing valuable insights for researchers in the field.
|
|
|
Genomická predikce založená na hlubokém učení pomocí sítí LSTM
Komjaty, Daniel ; Provazník, Valentine (oponent) ; Schwarzerová, Jana (vedoucí práce)
Tato bakalářská práce se věnuje problematice genomické predikce s využitím predikčních metod založených na strojovém učení. V první části se práce zabývá teoretickou rešerší s užším zaměřením na genomickou predikci a její aplikaci v rámci rostlinných dat. Dále se zabývá predikčními algoritmy a modely založenými na strojovém učení, které se využívají pro genomické predikce. Další část obsahuje podrobnější popis použitých genomických a metabolomických dat poskytnutých od vedoucí práce. Ve čtvrté části je popsána samotná implementace vybraných modelů strojového učení. Poslední pátá část se zabývá zhodnocením modelů strojového učení a diskuzí k výsledkům.
|
|
|
Identifikace neznámých bakteriálních genomů pomocí online databázového nástroje
Nejezchlebová, Julie ; Čejková, Darina (oponent) ; Schwarzerová, Jana (vedoucí práce)
Diplomová práce se zabývá vytvořením automatického softwarového nástroje Bacterial Explorer, který umožňuje odhalení nových bakterií za pomoci dostupných bioinformatických nástrojů. Nástroj je vytvořen v souladu s požadavky Výzkumného ústavu veterinárního lékařství (VÚVeL) a je testován na datech z poskytnuté VÚVeL databáze. Teoretická část je věnována popisu bakteriální typizace, metodám, které se používají pro genomickou analýzu a již dostupným nástrojům pro bakteriální typizaci. V praktické části se práce zaměřuje na implementaci automatického softwarového nástroje s názvem Bacterial Explorer zahrnující popis nástrojů na pozadí vytvořeného nástroje, uživatelské prostředí a implementaci do online databáze VÚVeL. V poslední části se praktická část zabývá testováním nástroje a diskusí výsledků.
|
|
|
Identification and analysis of regulon’s structures in Arabidopsis thaliana
Janigová, Patrícia ; Bartoň, Vojtěch (oponent) ; Schwarzerová, Jana (vedoucí práce)
This bachelor thesis focuses on the identification and analysis of regulon structures in a model organism from the plant kingdom Arabidopsis thaliana. The first part of the thesis deals with the regulation of gene expression in eukaryotes, techniques for inferring transcriptional units and tools for the analysis of these units. Subsequently, the laboratory data from Arabidopsis thaliana, including their preparation and preprocessing, are described in detail. The next section describes the process of deriving regulons using specific methods such as correlation coefficient and mutual information. This is followed by a detailed description of a custom algorithm for inferring potential regulon structures in Arabidopsis thaliana, which is implemented in Python. In the conclusion of the bachelor thesis, the obtained results are visualized, evaluated and compared with the available literature. The identification of potential MBF1 and ABI3 regulons is also discussed in detail, thus confirming the correctness and efficiency of the proposed approach.
|
|
|
Genomic prediction and genome-wide association studies of metabolic networks
Schwarzerová, Jana ; Weckwerth, Wolfram (oponent) ; Ramberger,, Benjamin (vedoucí práce)
Current research on the interface of bioinformatics and ecology engineering offers potential due to the combination of laboratory analysis and advanced bioinformatics algorithms. The thesis investigates the combination of GC-MS -based metabolomic analysis for identification and quantitation of metabolites of environmental perturbations with the advanced bioinformatics approach of genome-wide association studies (GWAS). The analysis is performed using genomic prediction based on two different temperature-related growth conditions of the collected dataset from 241 Arabidopsis thaliana natural accessions (genotypes). Current challenges that arise from climate change and industrial pollution encourage fundamental research on the adaption of organisms due to environmental effects. The findings in this field may play a key role in solving associated problems for the environment. Particularly plants, which serve as net primary producers of our most vital resources, food, health and energy, represent most important research subjects in this regard. The findings presented in this thesis reveal the individual adaptation strategies to cold stress of the plant depending on its original habitate. Furthermore, the association of metabolites with GWAS revealed potential genomic regions involved in the adapation of the plant to cold temperature. While simple observations reveal only phenotype changes, changes in genotypes of organisms can be captured using this metabolic GWAS technology presented in this thesis and further utilized in industrial ecology and biotechnology. The final part of the thesis is extended by using the inverse stochastic Lyapunov Matrix equation for the obtained results using to investigate the regulation of metabolism during adaptation to cold temperature.
|
|
|
Korekce koncept driftu v predikčních modelech
Michálková, Eva ; Provazník, Valentine (oponent) ; Schwarzerová, Jana (vedoucí práce)
Tato bakalářská práce se zabývá problematikou analýzy koncepčního driftu. Koncepční drift je nežádoucí jev objevující se vlivem dynamického charakteru světa. Tento jev může negativně ovlivňovat přesnost a spolehlivost predikčních modelů. Lze ho korigovat pomocí detekce a následné korekce. Jednou z oblastí, kde se tato problematika v poslední době nově objevuje, je lékařská diagnostika z metabolomických dat. Analýza metabolomických dat může vést ke včasnému odhalení některých závažných onemocnění, což může hrát velkou roli při následné léčbě. Při diagnostice onemocnění představují predikční modely její vylepšení, urychlení a personalizaci. První část práce představuje problematiku koncepčního driftu, metody jeho detekce a korekce, význam metabolomiky a predikčních modelů. Druhá část práce pojednává o implementaci dostupných algoritmů pro detekci a korekci koncepčního driftu a implementaci vlastní automatické korekce koncepčního driftu. Na závěr jsou popsány dosažené výsledky a jejich diskuze.
|
|
|
Analýza horizontálního přenosu genetických komponent pomocí statické síťové analýzy
Labanava, Anastasiya ; Jurečková, Kateřina (oponent) ; Schwarzerová, Jana (vedoucí práce)
Bakalářská práce se věnuje problematice horizontálního přenosu genetických elementů mezi bakteriemi různých kmenů a implementaci softwarové analýzy, která umožní identifikaci genů, přenesených horizontálně. Použité balíčky a nástroje byly testovány na datasetu genomů bakterií několika kmenů. Teoretická část práce je věnována detailnímu popisu přenosu genetických elementů mezi bakteriemi a také jsou v ní popsány některé moderní laboratorní techniky umožňující sekvenaci genomů různými způsoby. V praktické části se práce zabývá předzpracováním genomických souborů za účelem získání vhodného formátu dat pro následnou anotaci. Pro detekci horizontálního přenosu genetických komponent mezi jednotlivými bakteriemi je představen vlastní skript, který anotované baktérie seřazuje do tabulek a hledá v jejích genomech stejné geny, které dle teoretických předpokladů byli přeneseny horizontálním způsobem. Dále je detekovaný přenos genů vizualizován pomocí nástrojů, které graficky znázorňují fylogenetické vztahy mezi bakteriemi. V posledním kroku jsou mobilní genetické elementy vizualizovány pomocí sítí a na základě jejich statické analýzy je provedena diskuse k výsledkům přesnosti a úspěšnosti navrhnuté analýzy.
|
|
|
Dynamic metabolomic prediction from genetic variation
Nemčeková, Petra ; Weckwerth, Wolfram (oponent) ; Schwarzerová, Jana (vedoucí práce)
Hordeum vulgare, like many other crops, suffers from the reduction of genetic diversity caused by climate changes. Therefore, it is necessary to improve the performance of its breeding. Nowadays, the area of interest in current research focuses on indirect selection methods based on computational prediction modeling. This thesis deals with dynamic metabolomic prediction based on genomic data consisting of 33,005 single nucleotide polymorphisms. Metabolomic data include 128 metabolites belonging to 25 Halle exotic barley families. The main goal of this thesis is to create dynamic metabolomic predictions using different approaches chosen from relevant publications. The created models can be helpful for the prediction of phenotype or for revealing important traits of Hordeum vulgare.
|
host ::
RSS.