|
|
Predikce aktivních míst v proteinech
Kašpárek, Jan ; Tkacz, Ewaryst (oponent) ; Maděránková, Denisa (vedoucí práce)
Znalost aktivních míst proteinů a schopnost určit jejich polohu pouze z informace o primární struktuře daného proteinu je dlouhodobým cílem snažení mnoha vědců po celém světě. Tato práce osvětluje význam aktivních míst jako takových a shrnuje pokroky dosažené na poli jejich predikce. Kromě toho je zde představen predikční algoritmus pracující pouze s informacemi z primární struktury proteinů. Jeho základem jsou techniky zpracování signálů. Pro převod na numerický signál je využito veličiny EIIP a další zpracování probíhá pomocí S-transformace. Algoritmus dosahuje senzitivity větší než 60 %, jeho pozitivní prediktivní hodnota přesahuje 50 % a oproti jiným současným metodám vyniká zejména svou rychlostí a jednoduchostí.
|
|
| |
|
|
Vyhodnocení příbuznosti organismů pomocí číslicového zpracování genomických dat
Škutková, Helena ; Tkacz, Ewaryst (oponent) ; Schwarz,, Daniel (oponent) ; Provazník, Ivo (vedoucí práce)
Tato dizertační práce se zabývá alternativními přístupy k analýze genetické informace organismů. V teoretické části práce jsou představeny dva odlišné přístupy vyhodnocení příbuznosti organismů na základě podobnosti jejich genetické informace obsažené v sekvenci DNA. Jedním z nich je dnes standardizovaný postup fylogenetické analýzy znakového zápisu sekvencí DNA. Přestože je tento postup poměrně výpočetně náročný kvůli potřebě mnohonásobného zarovnání DNA sekvencí, umožňuje stanovit podobnost jak globálně celých sekvencí DNA, tak lokalizovat jen konkrétní homologie v nich. Druhým přístupem jsou alternativní techniky klasifikace sekvencí DNA ve formě numerického vektoru reprezentujícího charakteristický rys obsažené genetické informace. Tyto metody označované jako „alignment-free“ umožňují velmi rychlé vyhodnocení globální podobnosti sekvencí DNA, numerickou konverzí však ztrácejí možnost vyhodnotit lokální změny v sekvencích. V praktické části je pak představena nová metoda klasifikace numerických reprezentací DNA kombinující výhody obou uvedených přístupů. Z numerických reprezentací DNA jsou zvoleny jen reprezentace mající 1D signálu podobný charakter, tzn. obsahující specifický trend vyvíjející se podél osy x. Hlavním předpokladem je taxonomická specifičnost těchto genomických signálů. Praktická část práce se zabývá vytvořením vhodných nástrojů pro číslicové zpracování genomických signálů umožňující vyhodnocení vzájemné podobnosti taxonomicky specifických trendů. Na základě vyhodnocené vzájemné podobnosti genomických signálů je provedena klasifikace formou dendrogramu, jež je obdobou fylogenetických stromů využívaných ve standardní fylogenetice.
|
|
|
Differential Gene expression using a negative binomial model
Janáková, Tereza ; Tkacz, Ewaryst (oponent) ; Abo Khayal, Layal (vedoucí práce)
The main goal of this master thesis is to carry out the analysis of differential gene expression using a negative binomial model. The first part is devoted to theoretical basis, discusses the RNA sequencing, Next-Generation Sequencing (NGS), the benefits and applications, and FASTAQ format. The second part is the practical part, there was chosen a suitable data set of genes, that will be later analyzed, and the relevant data was downloaded. This data was aligned to the human genome version 37 by Burrows-Wheeler transform and the SAM formatted files were created using the Bowtie mapper. The SAM formatted files were sorted by SAMtools. In the following part of this work was created an annotation object of target genes using Ensembl´s BioMart service and Matlab (version R2013b). Next, digital gene expression was determined and library size factor was estimated. In the end the negative binomial distribution parameters were estimated and data was tested for a differential gene expression.
|
|
|
P Wave Detection in Pathological ECG Signals
Šaclová, Lucie ; Černý, Martin (oponent) ; Tkacz, Ewaryst (oponent) ; Vítek, Martin (vedoucí práce)
Accurate software for the P wave detection, mainly in long-term monitoring, is an important part of electrocardiogram (ECG) evaluation and subsequent cardiac pathological events detection. The results of P wave detection allow us to obtain more information from the ECG records. According to the correct P wave detection, it is possible to detect and distinguish cardiac pathologies which are nowadays automatically undetectable by commonly used software in medical practice (events e.g. atrioventricular block 1st, 2nd and 3rd degree, WPW syndrome, wandering pacemaker, etc.). This thesis introduces a new method for P wave detection in ECG signals during both physiological and pathological heart function. This novel method is based on a phasor transform, innovative rules, and identification of possible pathologies that improve P wave detection. An equally important part of the work is the creation of two publicly available databases of physiological and pathological ECG records with annotated P waves. The dissertation is divided into theoretical analysis and a set of publications representing the contribution of the author in the area of P wave detection.
|
|
|
Vyhodnocení příbuznosti organismů pomocí číslicového zpracování genomických dat
Škutková, Helena ; Tkacz, Ewaryst (oponent) ; Schwarz,, Daniel (oponent) ; Provazník, Ivo (vedoucí práce)
Tato dizertační práce se zabývá alternativními přístupy k analýze genetické informace organismů. V teoretické části práce jsou představeny dva odlišné přístupy vyhodnocení příbuznosti organismů na základě podobnosti jejich genetické informace obsažené v sekvenci DNA. Jedním z nich je dnes standardizovaný postup fylogenetické analýzy znakového zápisu sekvencí DNA. Přestože je tento postup poměrně výpočetně náročný kvůli potřebě mnohonásobného zarovnání DNA sekvencí, umožňuje stanovit podobnost jak globálně celých sekvencí DNA, tak lokalizovat jen konkrétní homologie v nich. Druhým přístupem jsou alternativní techniky klasifikace sekvencí DNA ve formě numerického vektoru reprezentujícího charakteristický rys obsažené genetické informace. Tyto metody označované jako „alignment-free“ umožňují velmi rychlé vyhodnocení globální podobnosti sekvencí DNA, numerickou konverzí však ztrácejí možnost vyhodnotit lokální změny v sekvencích. V praktické části je pak představena nová metoda klasifikace numerických reprezentací DNA kombinující výhody obou uvedených přístupů. Z numerických reprezentací DNA jsou zvoleny jen reprezentace mající 1D signálu podobný charakter, tzn. obsahující specifický trend vyvíjející se podél osy x. Hlavním předpokladem je taxonomická specifičnost těchto genomických signálů. Praktická část práce se zabývá vytvořením vhodných nástrojů pro číslicové zpracování genomických signálů umožňující vyhodnocení vzájemné podobnosti taxonomicky specifických trendů. Na základě vyhodnocené vzájemné podobnosti genomických signálů je provedena klasifikace formou dendrogramu, jež je obdobou fylogenetických stromů využívaných ve standardní fylogenetice.
|
|
| |
|
|
Differential Gene expression using a negative binomial model
Janáková, Tereza ; Tkacz, Ewaryst (oponent) ; Abo Khayal, Layal (vedoucí práce)
The main goal of this master thesis is to carry out the analysis of differential gene expression using a negative binomial model. The first part is devoted to theoretical basis, discusses the RNA sequencing, Next-Generation Sequencing (NGS), the benefits and applications, and FASTAQ format. The second part is the practical part, there was chosen a suitable data set of genes, that will be later analyzed, and the relevant data was downloaded. This data was aligned to the human genome version 37 by Burrows-Wheeler transform and the SAM formatted files were created using the Bowtie mapper. The SAM formatted files were sorted by SAMtools. In the following part of this work was created an annotation object of target genes using Ensembl´s BioMart service and Matlab (version R2013b). Next, digital gene expression was determined and library size factor was estimated. In the end the negative binomial distribution parameters were estimated and data was tested for a differential gene expression.
|
|
|
Predikce aktivních míst v proteinech
Kašpárek, Jan ; Tkacz, Ewaryst (oponent) ; Maděránková, Denisa (vedoucí práce)
Znalost aktivních míst proteinů a schopnost určit jejich polohu pouze z informace o primární struktuře daného proteinu je dlouhodobým cílem snažení mnoha vědců po celém světě. Tato práce osvětluje význam aktivních míst jako takových a shrnuje pokroky dosažené na poli jejich predikce. Kromě toho je zde představen predikční algoritmus pracující pouze s informacemi z primární struktury proteinů. Jeho základem jsou techniky zpracování signálů. Pro převod na numerický signál je využito veličiny EIIP a další zpracování probíhá pomocí S-transformace. Algoritmus dosahuje senzitivity větší než 60 %, jeho pozitivní prediktivní hodnota přesahuje 50 % a oproti jiným současným metodám vyniká zejména svou rychlostí a jednoduchostí.
|
host ::
RSS.