|
|
Comprehensive analysis of putrescine metabolism in A thaliana using GWAS, genetic risk score, metabolic modelling and data mining
Schwarzerová, Jana ; Bartoň, Vojtěch ; Walther, Dirk ; Weckwerth, Wolfram
Polyamines are known to be functionally involvedin plant responses to stress conditions. Despite a large amount ofphysiological and genetic data, the mode of action of polyamines,especially putrescine, at the molecular level still remains unclear.An increasing number of studies point to a role of putrescine instress defense of plants due to influencing the formation of reactiveoxygen species (ROS) in cellular stress conditions. Moreover,putrescine has been found to modulate abscisic acid (ABA)biosynthesis at the transcriptional level in response to lowtemperature, revealing a novel mode of action of polyamines asregulators of hormone biosynthesis. This study presents a newholistic approach towards the analysis of putrescine metabolismusing genome-wide association studies and the calculation ofgenetic risk scores extended by Boolean analysis in metabolitesnetwork as well as data mining from available databases andliterature. It can lead to a better understanding of biologicalprocesses involved in adaptation of plants to environmentalchanges.
|
|
|
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.
|
|
|
RNA secondary structure prediction
Polzerová, Nikola ; Schwarzerová, Jana (oponent) ; Jurečková, Kateřina (vedoucí práce)
RNA secondary structure has become a phenomenon in last years. It plays a key role in understanding the principles of gene expression and RNA stability. It also plays an important foundation for correct prediction of tertiary structures. That resulted into rapid development of secondary structure prediction throughout computational methods and especially machine learning methods. The most frequently cited machine learning methods for RNA secondary structure prediction were described. Based on gained knowledge, a residual network was implemented. Implemented residual network was trained, validated and tested on pseudoknotted free structures from bpRNA-1m dataset.
|
|
|
Identification of horizontal genes transfer elements across strains inhabiting the same niche using pan-genome analysis
Schwarzerová, J. ; Čejková, D.
Tracing horizontal gene flux across strains in farm animals is one of the important steps for research focused on detection and genomic enzymology of genes conferring antibiotic resistance. In this study, we have built the comprehensive computational methodology for the detection of horizontal genes transfer elements via pan-genome analysis. In total, 133 anaerobes isolated from chicken gastrointestinal tract were examined for the presence of traits of horizontal transfer. The shared genes from all isolates, so called core genome genes were identified and characterised in order to assign the function to the gene within individual bacterial cell and within community of cells. This study provides an evidence that horizontal transmission frequently occurs not only between closely related bacteria, but also between distant taxonomical groups. Hence chickens are known primary reservoirs of antibiotic resistance genes, and the dissemination of these genes to other bacterial pathogens often leads to life-threatening infections, even within human population. Thus, the research on this subject, and the associated results are of a great importance for public health.
|
|
|
Dynamic metabolomic prediction based on genetic variation for Hordeum vulgare
Nemčeková, P. ; Schwarzerová, J.
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 study 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 study is creating dynamic metabolomic predictions using different approaches chosen upon various publications. Our created models will be helpful for the prediction of phenotype or for revealing important traits of Hordeum vulgare.
|
|
|
Concept Drift Detection in Prediction Classifiers for Determining Gender in Metabolomics Analysis
Kostova, A. ; Schwarzerova, J.
Currently, one of the most challenges in data analysis is connected to prediction modeling including dynamic information. Metabolomics analysis focuses on data presented dynamic information in real-time such as time-series data. Unfortunately, prediction models based on time series data are often affected by a phenomenon called concept drift. This phenomenon can reduce the accuracy of prediction models which is an unwanted effect. On the other hand, concept drift analysis can be useful in finding confounding factors. This study is divided into two parts. The first part presents the modeling of prediction classifiers based on metabolite data. The second part of this study brings concept drift detection in the created classified models. This study presented approaches to identify one of the confounding factors in human biology.
|
|
|
Operon identifier: Identification of operon structures in the whole genome
Nejezchlebová, Julie ; Schwarzerová, Jana
Currently, operon prediction is based on the distance of neighboring genes on the functional relationships of their products that encode proteins in a given nucleotide sequence, or on ORF distances. This study deals with the design of a new function that detects operon structures based on information from gene expression or alternatively in combination with previous information from current online available tools. The function was implemented in Python language and tested on Clostridium beijerinckii NRRL B-598. This bacterium has huge potential in biotechnology and research due to its fermentation product, butanol.
|
|
|
Odvození operonových struktur v rámci celogenomové analýzy
Nejezchlebová, Julie ; Jurečková, Kateřina (oponent) ; Schwarzerová, Jana (vedoucí práce)
Bakalářská práce se věnuje problematice odvození operonových struktur a vytvoření softwarového nástroje, který umožní predikci operonových struktur. Nástroj jednak predikuje operony na základě genové expresní informace, ale také upřesní již predikované operony o genovou expresní informaci. Nástroj je testován na bakteriích Escherichia coli BW25113 a Clostridium beijerinckii NRRL B-598. Teoretická část je věnována popisu struktury a funkce operonu, sekvenování genomu, analýze transkriptomu, bakteriím Escherichii coli BW25113, Clostridium beijerinckii NRRL B-598 a již dostupným online nástrojům pro odvození operonových struktur. V praktické části se práce zabývá předzpracováním surových transkriptomických dat, za účelem získání vhodného formátu pro predikci operonových struktur, testováním online nástrojů a samotné implementaci vlastního nástroje.
|
|
|
Koncept drift v metabolomické analýze
Koštoval, Aleš ; Provazník, Ivo (oponent) ; Schwarzerová, Jana (vedoucí práce)
Tato bakalářská práce se zabývá problematikou strojového učení, konkrétně analýzou drift konceptu. Jedná se o nechtěný jev, který lze detekovat v predikčních modelech. Pomocí detekce s následnou korekcí drift konceptu se predikční modely stávají spolehlivějšími a jsou schopny adekvátně reagovat na vstupní data reprezentující dynamickou informaci. Za vhodného reprezentanta těchto dat lze považovat metabolomická data. Metabolomická data a jejich analýza může pomoc k včasné detekci nemocí jako je diabetes mellitus, či rakovina. V první části práce jsou popsány teoretické poznatky z oblasti analýzy drift konceptu a metabolomické analýzy. Druhá část pojednává o postupu modelování predikčních klasifikátorů a implementaci algoritmů pro detekci drift konceptu. Praktická část práce byla realizována v programovacím jazyce Python. Na závěr jsou v rámci druhé časti popsány dosažené výsledky a jejich diskuze.
|
host ::
RSS.