|
|
Methods for class prediction with high-dimensional gene expression data
Šilhavá, Jana ; Matula, Petr (oponent) ; Železný, Filip (oponent) ; Smrž, Pavel (vedoucí práce)
This thesis deals with class prediction with high-dimensional gene expression data. During the last decade, an increasing amount of genomic data has become available. Combining gene expression data with other data can be useful in clinical management, where it can improve the prediction of disease prognosis. The main part of this thesis is aimed at combining gene expression data with clinical data. We use logistic regression models that can be built through various regularized techniques. Generalized linear models enable us to combine models with different structure of data. It is shown that such a combination may yield more accurate predictions than those obtained based on the use of gene expression or clinical data alone. Suggested approaches are not computationally intensive. Evaluations are performed with simulated data sets in different settings and then with real benchmark data sets. The work also characterizes an additional predictive value of microarrays. The thesis includes a comparison of selected features of gene expression classifiers built up in five different breast cancer data sets. Finally, a feature selection that combines gene expression data with gene ontology information is proposed.
|
|
|
The characterisation of organ-specific phytohormone responses to nutrient deficiency and biotic stress
Kramná, Barbara ; Vaňková, Radomíra (vedoucí práce) ; Hronková, Marie (oponent) ; Plíhalová, Lucie (oponent)
Abiotické a biotické stresy snižují výnosy pěstovaných plodin a v konečném důsledku negativně ovlivňují zemědělskou produkci. Objasnění mechanismu rostlinných stresových odpovědí a jejich regulace by pomohlo přispět ke zlepšení jejich odolnosti vůči stresu. Fytohormony regulují rostlinný růst a vývoj a mají také důležitou roli v obranných reakcích. Tato práce shrnuje výsledky dvou publikací, které se soustředily na dynamiku fytohormonů v odpovědi na abiotické a biotické stresy, konkrétně nedostatek fosfátu a infekci pathogenem Plasmodiophora brassicae. Souhrnný článek se detailně zabývá strigolaktony, které jsou hlavními regulátory odpovědí na deficit fosfátu. Důraz je kladen na orgánové-specifické odpovědi vůči stresovým podmínkám a také na dopad exogenních aplikací fytohormornů za účelem podpořit odolnost rostlin vůči stresům. V případě nedostatku fosfátu bylo společnou reakcí pro všechny orgány snížení aktivního cytokininu trans-zeatinu a giberelinu GA4 spolu se zvýšením kyseliny abscisové. Stimulace exprese fosfátových transportérů s vysokou afinitou (PHT1;4 a PHT1;7) představovalo další společnou odpověď v celé rostlině. Nedostatek fosfátu nejsilněji ovlivnil vzrostný vrchol, kde jsme zaznamenali nejvíce změn na úrovni genové exprese. Pouze v kořenech jsme detekovali zvýšenou hladinu...
|
|
|
Normality test of the gene expression data
Shokirov, Bobosharif ; Klebanov, Lev (vedoucí práce) ; Hušková, Marie (oponent) ; Kalina, Jan (oponent)
Tato práce se zabývá testování normality dat genové exprese. Na základě charakterizacni věty normální rozdělení test normalnosti je nahrazen testem sférické stejnoměrnosti. Vzhledem k silné korelace mezi dat genové exprese, test normalnosty se provádí aplikací $ \delta $ sekvencí. Je dokazano nová charakterizacni věta normálního rozdělení, a na základě toho, test normalnosti se provádí pouzitim Kolmogorovuv test. Získané charakterizacni výsledky pro normální rozdělení jsou rozšířeny do kompletneho typu rozdělení, a na zaklade toho testováno, zda že rozdělení dvou datových souborů genové exprese patří do stejného typu. Powered by TCPDF (www.tcpdf.org)
|
|
|
Multidimensional statistics and applications to study genes
Bubelíny, Peter ; Klebanov, Lev (vedoucí práce) ; Jurečková, Jana (oponent) ; Kalina, Jan (oponent)
Název práce: Mnohorozměrná statistika a aplikace na studium genů Autor: Mgr. Peter Bubelíny Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: prof. Lev Klebanov, DrSc., KPMS MFF UK Abstrakt: Microarrayová data genových expresí se skládají z několika tisíců genů a pouze několika desítek pozorování. Navíc, geny jsou mezi sebou silně závislé a data obsahují systematické chyby. Proto nám rozsah těchto dat nedovoluje rozumně odhadnout jejich korelační strukturu. U mnoha stati- stických problémů s mircoarrayovými daty musíme současně testovat tisíce hypotéz. Vzhledem k závislosti mezi geny, p-hodnoty těchto hypotéz jsou taky závislé. V této práci porovnáme běžné procedury mnohonásobného testování, které jsou vhodné pro závislé hypotézy. Běžný způsob, jak udělat microarrayová data méně závislá a částečně odstanit systematické chyby, je normalizovat je. Proto bylo navrhnuto několik nových normalizací a studovali jsme, jak různé normalizace ovlivňují testování hypotéz. Navíc jsme porov- nali testy pro nalezení odlišně expresovaných genů nebo genových množin a nalezli několik zajímavých vlastností testů jako například strannost dvoj- výběrového Kolmogorov-Smirnovova testu a...
|
|
|
The role of evolutionarily conserved proteins BIR-1/Survivin and SKP-1 in the regulation of gene expression
Kostrouch, David ; Kostrouch, Zdeněk (vedoucí práce) ; Dráber, Pavel (oponent) ; Pacák, Karel (oponent)
Souhrn SKIP a BIR/Survivin jsou evolučně zachovalé proteiny. SKIP je známý transkripční a sestřihový kofaktor a BIR-1/Survivin reguluje bunečné dělení, genovou expresi a vývoj. Inaktivace SKP-1 a BIR-1 indukuje podobné vývojové fenotypy. K odhalení možných interakcí SKP-1 a BIR-1 jsme použili kvasinkový dvojhybridní systém a knihovnu kompletní mRNA C. elegans. Tyto experimenty identifikovaly částečně se překrývající kategorie proteinů jako interaktory proteinů SKP-1 a BIR-1. Identifikované interagující proteiny zahrnovaly ribozomální proteiny, transkripční faktory, translační faktory, cytoskeletální a motorové proteiny. Tyto výsledky naznačují jejich možnou účast v mnohočetných proteinových komplexech. Pomocí krátkodobé nadměrné exprese BIR-1 jsme sledovali účinek BIR-1 na proteom C. elegans v larválním stádiu L1. To způsobilo dramatickou změnu v celém proteomu což naznačuje, že BIR-1 má schopnost změnit chromatografický profil mnohočetných cílových proteinů včetně těch, které jsme již dříve identifikovali jako interagující proteiny v experimentach s kvasinkovým dvouhybridním systému. Výsledky jsme následně potvrdili pro RPS-3, RPL-5, myosin (non-muscle myosin) a TAC-1 (transkripční kofaktor a protein asociovaný s centrosomy). Tyto výsledky naznačují, že SKP-1 a BIR-1 jsou multifunkční proteiny, které jsou...
|
|
|
The characterisation of organ-specific phytohormone responses to nutrient deficiency and biotic stress
Kramná, Barbara ; Vaňková, Radomíra (vedoucí práce) ; Hronková, Marie (oponent) ; Plíhalová, Lucie (oponent)
Abiotické a biotické stresy snižují výnosy pěstovaných plodin a v konečném důsledku negativně ovlivňují zemědělskou produkci. Objasnění mechanismu rostlinných stresových odpovědí a jejich regulace by pomohlo přispět ke zlepšení jejich odolnosti vůči stresu. Fytohormony regulují rostlinný růst a vývoj a mají také důležitou roli v obranných reakcích. Tato práce shrnuje výsledky dvou publikací, které se soustředily na dynamiku fytohormonů v odpovědi na abiotické a biotické stresy, konkrétně nedostatek fosfátu a infekci pathogenem Plasmodiophora brassicae. Souhrnný článek se detailně zabývá strigolaktony, které jsou hlavními regulátory odpovědí na deficit fosfátu. Důraz je kladen na orgánové-specifické odpovědi vůči stresovým podmínkám a také na dopad exogenních aplikací fytohormornů za účelem podpořit odolnost rostlin vůči stresům. V případě nedostatku fosfátu bylo společnou reakcí pro všechny orgány snížení aktivního cytokininu trans-zeatinu a giberelinu GA4 spolu se zvýšením kyseliny abscisové. Stimulace exprese fosfátových transportérů s vysokou afinitou (PHT1;4 a PHT1;7) představovalo další společnou odpověď v celé rostlině. Nedostatek fosfátu nejsilněji ovlivnil vzrostný vrchol, kde jsme zaznamenali nejvíce změn na úrovni genové exprese. Pouze v kořenech jsme detekovali zvýšenou hladinu...
|
|
|
Normality test of the gene expression data
Shokirov, Bobosharif ; Klebanov, Lev (vedoucí práce) ; Hušková, Marie (oponent) ; Kalina, Jan (oponent)
Tato práce se zabývá testování normality dat genové exprese. Na základě charakterizacni věty normální rozdělení test normalnosti je nahrazen testem sférické stejnoměrnosti. Vzhledem k silné korelace mezi dat genové exprese, test normalnosty se provádí aplikací $ \delta $ sekvencí. Je dokazano nová charakterizacni věta normálního rozdělení, a na základě toho, test normalnosti se provádí pouzitim Kolmogorovuv test. Získané charakterizacni výsledky pro normální rozdělení jsou rozšířeny do kompletneho typu rozdělení, a na zaklade toho testováno, zda že rozdělení dvou datových souborů genové exprese patří do stejného typu. Powered by TCPDF (www.tcpdf.org)
|
|
|
Multidimensional statistics and applications to study genes
Bubelíny, Peter ; Klebanov, Lev (vedoucí práce) ; Jurečková, Jana (oponent) ; Kalina, Jan (oponent)
Název práce: Mnohorozměrná statistika a aplikace na studium genů Autor: Mgr. Peter Bubelíny Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: prof. Lev Klebanov, DrSc., KPMS MFF UK Abstrakt: Microarrayová data genových expresí se skládají z několika tisíců genů a pouze několika desítek pozorování. Navíc, geny jsou mezi sebou silně závislé a data obsahují systematické chyby. Proto nám rozsah těchto dat nedovoluje rozumně odhadnout jejich korelační strukturu. U mnoha stati- stických problémů s mircoarrayovými daty musíme současně testovat tisíce hypotéz. Vzhledem k závislosti mezi geny, p-hodnoty těchto hypotéz jsou taky závislé. V této práci porovnáme běžné procedury mnohonásobného testování, které jsou vhodné pro závislé hypotézy. Běžný způsob, jak udělat microarrayová data méně závislá a částečně odstanit systematické chyby, je normalizovat je. Proto bylo navrhnuto několik nových normalizací a studovali jsme, jak různé normalizace ovlivňují testování hypotéz. Navíc jsme porov- nali testy pro nalezení odlišně expresovaných genů nebo genových množin a nalezli několik zajímavých vlastností testů jako například strannost dvoj- výběrového Kolmogorov-Smirnovova testu a...
|
|
|
The role of evolutionarily conserved proteins BIR-1/Survivin and SKP-1 in the regulation of gene expression
Kostrouch, David ; Kostrouch, Zdeněk (vedoucí práce) ; Dráber, Pavel (oponent) ; Pacák, Karel (oponent)
Souhrn SKIP a BIR/Survivin jsou evolučně zachovalé proteiny. SKIP je známý transkripční a sestřihový kofaktor a BIR-1/Survivin reguluje bunečné dělení, genovou expresi a vývoj. Inaktivace SKP-1 a BIR-1 indukuje podobné vývojové fenotypy. K odhalení možných interakcí SKP-1 a BIR-1 jsme použili kvasinkový dvojhybridní systém a knihovnu kompletní mRNA C. elegans. Tyto experimenty identifikovaly částečně se překrývající kategorie proteinů jako interaktory proteinů SKP-1 a BIR-1. Identifikované interagující proteiny zahrnovaly ribozomální proteiny, transkripční faktory, translační faktory, cytoskeletální a motorové proteiny. Tyto výsledky naznačují jejich možnou účast v mnohočetných proteinových komplexech. Pomocí krátkodobé nadměrné exprese BIR-1 jsme sledovali účinek BIR-1 na proteom C. elegans v larválním stádiu L1. To způsobilo dramatickou změnu v celém proteomu což naznačuje, že BIR-1 má schopnost změnit chromatografický profil mnohočetných cílových proteinů včetně těch, které jsme již dříve identifikovali jako interagující proteiny v experimentach s kvasinkovým dvouhybridním systému. Výsledky jsme následně potvrdili pro RPS-3, RPL-5, myosin (non-muscle myosin) a TAC-1 (transkripční kofaktor a protein asociovaný s centrosomy). Tyto výsledky naznačují, že SKP-1 a BIR-1 jsou multifunkční proteiny, které jsou...
|
|
|
Methods for class prediction with high-dimensional gene expression data
Šilhavá, Jana ; Matula, Petr (oponent) ; Železný, Filip (oponent) ; Smrž, Pavel (vedoucí práce)
This thesis deals with class prediction with high-dimensional gene expression data. During the last decade, an increasing amount of genomic data has become available. Combining gene expression data with other data can be useful in clinical management, where it can improve the prediction of disease prognosis. The main part of this thesis is aimed at combining gene expression data with clinical data. We use logistic regression models that can be built through various regularized techniques. Generalized linear models enable us to combine models with different structure of data. It is shown that such a combination may yield more accurate predictions than those obtained based on the use of gene expression or clinical data alone. Suggested approaches are not computationally intensive. Evaluations are performed with simulated data sets in different settings and then with real benchmark data sets. The work also characterizes an additional predictive value of microarrays. The thesis includes a comparison of selected features of gene expression classifiers built up in five different breast cancer data sets. Finally, a feature selection that combines gene expression data with gene ontology information is proposed.
|
host ::
RSS.