|
|
The role of alternative splicing in plants
Földi, Marek ; Klodová, Božena (vedoucí práce) ; Fischer, Lukáš (oponent)
Alternativní sestřih představuje mechanismus regulace genové exprese, který udržuje, reguluje a vytváří genomovou diverzitu a pletivovou specificitu u rostlin. Zahrnuje odlišné spojování exonů v prekurzorových mRNA, což vede k více mRNA isoformám z jednoho genu. Vznik těchto isoformních variant a jejich následný překlad vede k subfunkcionalizaci proteinů a vytváří diverzitu ve struktuře a funkci. Alternativní sestřih je proto často důležitý v různých biologických procesech u rostlin, jako je vývoj, stresová odpověď, imunita a reprodukce. Klíčovými typy událostí alternativního sestřihu jsou retence intronů, vynechání exonů, alternativní 5'/3' sestřihová místa a vzájemně se vylučující exony. Regulace alternativního sestřihu zahrnuje cis-regulační elementy a trans-působící proteinové faktory, jako jsou serin/arginin bohaté (SR) proteiny a heterogenní jaderné ribonukleoproteiny (hnRNP). Tato práce shrnuje mechanismy a důsledky alternativního sestřihu ve vývoji rostlin, včetně zrání samčích a samičích gametofytů, meiózy a diferenciace buněk. Popisuje také metodologické přístupy, které umožňují studium alternativního sestřihu v celém genomu, včetně microarrays, RNA-seq a PCR. Lepší porozumění alternativnímu sestřihu poskytne pohledy do biologie rostlin a může usnadnit zemědělské a biotechnologické aplikace.
|
|
|
Quality assurance of RNA-Seq workflows with spike-ins controls
Drozd, Tomáš ; Turk, Andreas (oponent) ; Mehnen, Lars (vedoucí práce)
Spike-in controls such as External RNA Controls Consortium (ERCC) or Lexogen‘s Spike-In RNA Variants (SIRVs) have become essential when it comes assessment of technical variability. Since the E0 SIRVs have identical concentration, variations in their estimated concentration can be used to infer the technical variability from single replicates. This is more economic than the standard approach, which estimates the technical variance from multiple replicates. The DESeq model, a standard tool for differential expression, was modified based on spike-ins information to estimate technical variability. Subsequently, the probability of a change in expression due to technical variability was obtained. A high variation between SIRV transcript read counts was discovered, giving rise to another approach based on estimation of variability for each trasncript separately. This innovative approach revealed better performance on datasets, where only technical variability was present for cross-condition analysis for a given number of replicates per condition. It was observed that increase in number of samples results in higher reliability for estimation. However, spike-ins, especially SIRVs, improved performance of analysis than estimation based on endogenous genes when a few replicates are available. Further reasearch is needed for normalizing technical varibility to estimate significant changes in biological variation.
|
host ::
RSS.