|
|
Methods for Predicting Drug Side Effects in Silico
Cicková, Pavlína ; Lexa,, Matej (oponent) ; Berka,, Karel (oponent) ; Provazník, Ivo (vedoucí práce)
Drug discovery is a field of contemporary science, which has encompassed the use of various computational methods. Wet lab approaches are costly and time-consuming and hence, in silico methods play an important role. Notwithstanding the progress of computational techniques applied in drug discovery in the last few decades, the great majority of the investigational compounds still do not succeed in reaching the final approval stage. Not only for this reason state-of-the-art drug design strategies focus on reinvestigating already approved drugs and drug similarity analyzes are crucial to consider. This work presents the development and application of a set of workflows created within the KNIME Analytics Platform which implements an approach using machine-learning methods for drug side effect prediction. The presented set of workflows deals with data retrieval, pre-processing, similarity metrics computation and data exploratory analysis. Consequently, classification models are applied to predict specific side effects of drugs. The prediction is based on similarity-based techniques. Structural and other similarities of approved drug molecules were used to train the decision tree models for the prediction of potential drug-side effect associations. The main advantage of the work is the re-usability of the applied techniques. Our set of workflows provides an environment allowing for new research questions in terms of drug similarity to be addressed. Moreover, as the workflows created within KNIME Analytics Platform provide a user-friendly graphical interface, users do not require any advanced experience in machine learning or programming to perform their studies using the designed workflows.
|
|
|
Modelling of the interaction of proteins and peptides with metal ions
Gutten, Ondrej ; Konvalinka, Jan (vedoucí práce) ; Obšil, Tomáš (oponent)
Modelování interakce proteinů a peptidů s kovovými ionty. Ondrej Gutten - Diplomová práce Klíčová slova: Metaloproteiny, selektivita pro ionty kovů, in silico predikce Abstrakt: Byla navržena metoda pro in silico predikci a odhad schopnosti vybraných peptidů selektivně vázat ionty kovů. Dále byly důkladně otestovány použitelnost a omezení navržené metody. Studie je rozdělena do tří částí. První část se zabývá použitelností dvou kvantově- chemických metod (DFT, MP2) pro navržený přístup. Testování zahrnuje porovnání s referenčními výsledky získanými metodou CCSD(T), analýzu vlivu použité báze atomových orbitalů, porovnání obou metod při optimalizaci geometrie a analýzu použitého modelu reprezentujícího vodní prostředí. Ve druhé části jsou porovnávány výsledky predikce selektivity vazby iontů kovů v modelových peptidech a v jednoduchých systémech z nich odvozených. Poslední část diplomové práce popisuje první krok v rozsáhlé snaze prozkoumat obrovské množství jednoduchých modelových systémů, která povede k návrhu metaloproteinů s definovanými vlastnostmi.
|
|
|
Experimental verification of in silico predicted protein binder to FOXO4 transcription factor and transcriptome analysis of bladder cancer
Tauš, Petr ; Drbal, Karel (vedoucí práce) ; Převorovský, Martin (oponent)
Tato diplomová práce je rozdělená na experimentální a bioinformatickou část, které jsou spolu provázány přes transkripční faktory z rodiny 'forkhead box O' (FOXO). FOXO mají klíčovou roli v mnoha buněčných procesech, jako například v regulaci buněčného cyklu, apoptózy a metabolismu. Dlouhou dobu byly považovány pouze za nádorové supresory, ale vzrůstající počet studií poukazuje i na jejich pronádorovou roli. Z tohoto důvodu jsou intenzivně studovány jako potenciální terapeutické cíle v nádorových onemocněních. In silico predikce protein-protein interakcí se v poslední dekádě těší vzrůstající oblibě jak v základním výzkumu, tak při vývoji nových léčiv. Nicméně výsledky v mnoha případech stále nejsou dostatečně přesné při srovnání s očekávanými vlastnostmi predikovaných biomolekul. V této práci jsem pomocí termoforézy v malém měřítku ověřil vazbu čtyř in silico predikovaných vazebných proteinů, založených na přirozeně se vyskytující PDZ doméně k transkripčnímu faktoru FOXO4. Neinvazivní nádory močového měchýře představují heterogenní onemocnění, u kterého se i přes veškeré snahy stále nedaří přesně predikovat agresivita daného nádoru. V bioinformatické části této práce jsem na základě transkriptomických dat z pacientských vzorků nádorů močového měchýře popsal složení nádorového mikroprostředí a určil...
|
|
|
Fasciolidní motolice: od genů k diagnostice
Ježková, Monika ; Leontovyč, Roman (vedoucí práce) ; Sojka, Daniel (oponent)
Motolice z čeledi Fasciolidae jsou parazité savců včetně člověka. Veterinárně a medicínsky významné druhy, vyskytující se i na území České Republiky, jsou Fasciola hepatica a Fascioloides magna. Fascioloides magna a F. hepatica infikují široké spektrum divokých i domácích přežvýkavců, v případě F. hepatica může být infikován i člověk. Obě motolice jsou zodpovědné za závažná poškození jaterního parenchymu či žlučovodů u jejich definitivního hostitele, což je příčinou ztráty hmotnosti, anémie, snížené produkce mléka a v některých případech i smrti hostitele. Klíčovou roli při kontrole infekce F. hepatica a F. magna hraje účinná a včasná diagnostika. Nejrosšířenější diagnostické metody jsou založené převážně na sérodiagnostických metodách využívajících specifické antigeny např. exkrečně-sekreční produkty (ESP). Diagnostické markery založené na ESP mohou být díky jejich heterogenitě nespecifické, a také reprodukovatelnost takové metody je značně omezená. Při diagnostice fasciolidních motolic se používají také konkrétní proteiny obsažené v ESP. Tento přístup však vyžaduje biologický materiál a laboratorní postupy, spojené s identifikací, purifikací a testováním antigenicity vybraných proteinů. Aktuální rozvoj paralelních sekvenačních technologií generuje obrovské množství genomových, transkriptomových a...
|
|
|
Experimental verification of in silico predicted protein binder to FOXO4 transcription factor and transcriptome analysis of bladder cancer
Tauš, Petr ; Drbal, Karel (vedoucí práce) ; Převorovský, Martin (oponent)
Tato diplomová práce je rozdělená na experimentální a bioinformatickou část, které jsou spolu provázány přes transkripční faktory z rodiny 'forkhead box O' (FOXO). FOXO mají klíčovou roli v mnoha buněčných procesech, jako například v regulaci buněčného cyklu, apoptózy a metabolismu. Dlouhou dobu byly považovány pouze za nádorové supresory, ale vzrůstající počet studií poukazuje i na jejich pronádorovou roli. Z tohoto důvodu jsou intenzivně studovány jako potenciální terapeutické cíle v nádorových onemocněních. In silico predikce protein-protein interakcí se v poslední dekádě těší vzrůstající oblibě jak v základním výzkumu, tak při vývoji nových léčiv. Nicméně výsledky v mnoha případech stále nejsou dostatečně přesné při srovnání s očekávanými vlastnostmi predikovaných biomolekul. V této práci jsem pomocí termoforézy v malém měřítku ověřil vazbu čtyř in silico predikovaných vazebných proteinů, založených na přirozeně se vyskytující PDZ doméně k transkripčnímu faktoru FOXO4. Neinvazivní nádory močového měchýře představují heterogenní onemocnění, u kterého se i přes veškeré snahy stále nedaří přesně predikovat agresivita daného nádoru. V bioinformatické části této práce jsem na základě transkriptomických dat z pacientských vzorků nádorů močového měchýře popsal složení nádorového mikroprostředí a určil...
|
|
|
Modelling of the interaction of proteins and peptides with metal ions
Gutten, Ondrej ; Konvalinka, Jan (vedoucí práce) ; Obšil, Tomáš (oponent)
Modelování interakce proteinů a peptidů s kovovými ionty. Ondrej Gutten - Diplomová práce Klíčová slova: Metaloproteiny, selektivita pro ionty kovů, in silico predikce Abstrakt: Byla navržena metoda pro in silico predikci a odhad schopnosti vybraných peptidů selektivně vázat ionty kovů. Dále byly důkladně otestovány použitelnost a omezení navržené metody. Studie je rozdělena do tří částí. První část se zabývá použitelností dvou kvantově- chemických metod (DFT, MP2) pro navržený přístup. Testování zahrnuje porovnání s referenčními výsledky získanými metodou CCSD(T), analýzu vlivu použité báze atomových orbitalů, porovnání obou metod při optimalizaci geometrie a analýzu použitého modelu reprezentujícího vodní prostředí. Ve druhé části jsou porovnávány výsledky predikce selektivity vazby iontů kovů v modelových peptidech a v jednoduchých systémech z nich odvozených. Poslední část diplomové práce popisuje první krok v rozsáhlé snaze prozkoumat obrovské množství jednoduchých modelových systémů, která povede k návrhu metaloproteinů s definovanými vlastnostmi.
|
host ::
RSS.