|
|
Molekulárně-genetická analýza karcinomů štítné žlázy u dětských a dospívajících pacientů
Bulanová, Barbora
U dětských a dospívajících pacientů se uzly ve štítné žláze objevují vzácně, ale je u nich větší riziko malignity než u dospělých pacientů. Karcinomy štítné žlázy představují nejčastější endokrinní malignitu, jejíž incidence stále narůstá. I když existuje několik typů karcinomů štítné žlázy, z 90 % případů se u dětských a dospívajících pacientů jedná o papilární karcinom štítné žlázy (PTC). Cílem práce bylo zanalyzovat rozsáhlý soubor PTC od dětských a dospívajících pacientů, zjistit jejich genetickou příčinu a nálezy korelovat s klinicko-patologickými daty. Dalším cílem bylo charakterizovat nejčastější nálezy a porovnat je se souborem dospělých pacientů pozitivních na tutéž mutaci. Posledním cílem bylo zoptimalizovat vhodnou metodiku pro detekci nejčastějších nálezů u dětských a dospívajících pacientů pro rutinní využití. Vzorky nádorové tkáně štítné žlázy byly vyšetřeny pomocí molekulárně genetických metod, převážně za využití masivně paralelního sekvenování a analýzy real-time PCR. Zjistili jsme, že nejčastější příčinou PTC dětských a dospívajících pacientů jsou fúzní geny, které jsme detekovali v 56 % pacientů. Celkem bylo identifikováno 20 různých typů fúzních genů, z nichž některé nebyly dosud v literatuře popsány. Fúzní geny zahrnovaly onkogeny RET, NTRK, BRAF, ALK, MET. Dalšími genetickými...
|
|
| |
|
| |
|
|
Návrh genetického algoritmu pro optimalizaci vybavení distribuční sítě vn
Ondruš, Tomáš ; Skala, Petr (oponent) ; Paar, Martin (vedoucí práce)
Práce se zabývá genetickými algoritmy a jejich potenciální využití v aplikačním softwaru pro optimalizaci vybavení distribuční sítě vysokého napětí spínacími prvky. Teoretická část vysvětluje základní pojmy genetické algoritmy jako gen, populace a chromozom a také základní principy vývoje genetických algoritmů. Hlavním úkolem práce je navrhnout genetický algoritmus, který bude simulovat různé rozmístění místně ovládaného odpojovače, dálkově ovládaného odpojovače nebo recloseru a bude analyzovat, jak nastavit parametry ovlivňující rychlost konvergence tohoto genetického algoritmu. Základní parametry ovlivňující konvergenci jsou pravděpodobnost křížení, pravděpodobnost mutace, velikost populace nebo používání elitismu. Druhým cílem je nalezení vhodného nastavení vstupních parametrů pro vybrané velikosti populace bez a s použitím elitismu. Výsledkem práce je zjistit vhodné nastavení parametrů pro každou generaci a určení přibližného počtu generací potřebných k nalezení nejlepšího řešení . Genetický algoritmus byl testován i na méně rozsáhlé distribuční síti se šesti spínacími prvky.
|
|
|
Evoluční algoritmy
Haupt, Daniel ; Polách, Petr (oponent) ; Honzík, Petr (vedoucí práce)
První část práce je teoretická a zabývá se optimalizací a evolučními algoritmy, které jsou používány k řešení složitých optimalizačních problémů. Konkrétně jsou popsány algoritmy diferenciální evoluce, genetický algoritmus, simulované žíhání a deterministický neevoluční algoritmus zakázané prohledávání. Dále je diskutována problematika testování optimalizačních algoritmů pomocí tzv. galerii testovacích funkcí a testování pomocí srovnání výsledků algoritmů při řešení problému obchodního cestujícího. Ve druhé části práce jsou všechny uvedené algoritmy testovány na 11 testovacích funkcích a na třech modelech rozmístění měst v problému obchodního cestujícího. Nejprve jsou algoritmy srovnávány s možností neomezeného přístupu k účelové funkci a dále s omezenou možností přístupu k účelové funkci. Veškerá data jsou statisticky a graficky zpracována. Jednotlivé algoritmy jsou seřazeny dle úspěšnosti.
|
|
|
Evoluční výpočetní techniky
Popelka, Jan ; Smékal, Zdeněk (oponent) ; Karásek, Jan (vedoucí práce)
Cílem této bakalářské práce bylo seznámit se s evolučními optimalizačními technikami, převážně pak s genetickým algoritmem a genetickým programováním. Následně byla popsána optimalizační úloha obchodního cestujícího řešená pomocí genetického algoritmu, v další kapitole řešení symbolické regrese za pomoci genetického programování. V praktické části byly tyto optimalizační úlohy vytvořeny v programovacím jazyce JAVA.
|
|
|
Komparativní a fylogenetická analýza virů ve FN Brno
Švestková, Tereza ; Sedlář, Karel (oponent) ; Nykrýnová, Markéta (vedoucí práce)
Práce je věnovaná koronaviru SARs-CoV-2 souvisejícím s těžkým akutním respiračním syndromem, který byl poprvé prokázán v roce 2019. Tento koronavirus zapříčinil pandemii, která ovlivnila takřka celý svět. Znalost genetické informace je potřebná pro vývoj vakcíny, zjištění nakažlivosti a pro predikci vývoje variant SARs-CoV-2. Pro získání genetických informací je třeba osekvenovat RNA a tyto genomové sekvence sestavit. Při porovnání sestavených genomů lze zjistit, v které části daný organismus mutoval. Na základě souhlasnosti či rozdílnosti v sestavených genomech je provedena fylogenetická analýza, která poukazuje na vývoj daného organismu a znázorňuje evoluční příbuznost s ostatními organismy. Praktická část je zaměřena na sestavení genomů ze vzorků od pacientů z FN Brno a vyhodnocení kvality sestavení. Po sestavení genomů je dalším cílem vyhodnocení variability a následná fylogenetická analýza.
|
|
|
Zjišťování topologie bezdrátové senzorové sítě genetickými algoritmy
Dalecký, Štěpán ; Samek, Jan (oponent) ; Zbořil, František (vedoucí práce)
Cílem této bakalářské práce je navrhnout genetický algoritmus, který bude schopen určit polohu senzorů bezdrátové senzorové sítě na základě síly signálu mezi jednotlivými senzory. Nejprve se práce zabývá teorií genetických algoritmů a okrajově popisem bezdrátové senzorové sítě. Následně je na základě této teorie navržen genetický algoritmus, který slouží k zjištění topologie bezdrátové senzorové sítě. Práce také popisuje důležité rysy implementace tohoto algoritmu. Závěrem jsou zhodnoceny dosažené výsledky.
|
|
|
Metody detekce selekce v DNA sekvencích
Procházka, Ondřej ; Maděránková, Denisa (oponent) ; Škutková, Helena (vedoucí práce)
Tématem diplomové práce jsou metody detekce selekce v DNA sekvencích. V úvodu se popíše molekulární evoluce. Uvedeme, čím je způsobena a jak se projevuje. Dále budou popsány genové mutace a mechanismy šíření a fixace. Rozebereme si podrobně selekci a obecné matematické vztahy pro selekční tlak. Definujeme pozitivní, negativní a neutrální selekci. Práce se zaměří na výpočetní metody evolučních vzdáleností synonymních a nesynonymních substitucí. Budou popsány tři metody pro výpočet selekčního tlaku – Nei-Gojobori, Li-Wu-Luo a Comeron. Popíšeme veškeré modely matematickými vztahy. Pro statistické vyhodnocení jednotlivých selekcí budou zavedeny statistické testy – využívat se bude z-test. V praktické části budou informace o vytvořeném softwaru, který ze sekvencí z veřejných databází ve formátu GenBank vypočítá selekční tlak a zobrazí oblasti selekce na základě statistického testu. Program bude využit na dva datové sety dvou různých genových kódů. Jejich výsledky budou porovnávány. Zhodnotíme všechny tři metody výpočtu selekčního tlaku a vlivu vstupních parametrů.
|
|
|
Prediktor vlivu aminokyselinových substitucí na funkci proteinů
Musil, Miloš ; Martínek, Tomáš (oponent) ; Bendl, Jaroslav (vedoucí práce)
Tato práce se zaobírá problematikou predikce škodlivosti aminokyselinových substitucí pomocí metody fylogenetické analýzy, inspirované nástrojem MAPP. Nezanedbatelné množství genetických onemocnění je způsobeno nesynonymními SNPs, projevujícími se jako jednobodové mutace na úrovni proteinů. Schopnost identifikovat tyto škodlivé substituce by mohla být užitečná v oblasti proteinového inženýrství pro testování, zda navržená mutace nepoškodí funkci proteinu a stejně tak k identifikaci choroby způsobujících škodlivých mutací. Experimentální ohodnocení navržených mutací je však nákladné a vyvstala tak potřeba pro predikci vlivu aminokyselinových substitucí počítačovými metodami. Tato práce popisuje návrh a implementaci nového predikčního nástroje, založeného na principech evoluční analýzy a studiu rozdílnosti fyzikálně-chemických vlastností mezi původní a substituovanou aminokyselinou. Vyvinutý algoritmus byl otestován na čtyř datasetech, čítajících celkem 74 192 mutací na 16 256 proteinových sekvencích. Prediktor dosáhl až 72 % přesnosti a ve srovnání s většinou v současné době existujících nástrojů je jeho výpočet výrazně méně náročný na počítačový čas. Ve snaze dosáhnout maximální možnou efektivitu nástroje byl optimalizační proces zaměřen na výběr nejvhodnějších (a) nástrojů třetích stran, (b) rozhodovacího prahu a (c) sady fyzikálně-chemických vlastností.
|
host ::
RSS.