Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 368)
Detail práce
   Přihlásit přes CAS
Evoluční algoritmy pro analýzu multi-stage transkriptomických dat
Název práce v češtině: Evoluční algoritmy pro analýzu multi-stage transkriptomických dat
Název v anglickém jazyce: Evolutionary Algorithms for Multi-Stage Transcriptomic Data Analysis
Akademický rok vypsání: 2023/2024
Typ práce: diplomová práce
Jazyk práce:
Ústav: Katedra teoretické informatiky a matematické logiky (32-KTIML)
Vedoucí / školitel: Mgr. Martin Pilát, Ph.D.
Řešitel: skrytý - zadáno a potvrzeno stud. odd.
Datum přihlášení: 13.03.2024
Datum zadání: 15.03.2024
Datum potvrzení stud. oddělením: 15.03.2024
Oponenti: Mgr. Michal Kolář, Ph.D.
 
 
 
Zásady pro vypracování
Transkriptomika se zabývá studiem exprese, neboli aktivity genů v daném čase a podmínkách. Na genovou expresi a její změnu v čase se můžeme pomocí transkriptomických metod dívat napříč vývojovými stádii organismu. Díky moderním sekvenačním technologiím, jsme také pro každý gen schopni určit, kdy v průběhu evoluce vznikl a přiřadit mu tak jeho evoluční věk. TAI (transcriptome age index) dává možnost, jak skloubit transkriptomická data s věkem jednotlivých genů a odhadnout tak průměrný věk transkriptomu. Pro vývojová transkriptomická data vytváří TAI specifický pattern přes vývojová stádia organismu. Signifikantnost patternu můžeme testovat, algoritmus, který by dokázal určit geny, které se významně na patternu podílí však zatím chybí. Cílem práce tedy je využít evoluční algoritmy k vytvoření právě takového algoritmu a identifikovat tím geny, které se na vytváření TAI patternu podílí nejen v rámci jednoho druhu, ale i mezi druhy.

Studentka prostuduje dostupnou literaturu týkající se evolučních algoritmů a analýzy transkriptomických dat, obzvláště pomocí TAI. Na základě získaných znalostí implementuje vlastní algoritmus založený na evolučních algoritmech, pro hledání množiny genů, které hrají roli v TAI patternech. Navržený algoritmus následně vyhodnotí na dostupných datasetech pomocí vhodných bioinformatických databází.
Seznam odborné literatury
[1] Michalewicz, Zbigniew, and David B. Fogel. How to solve it: modern heuristics. Springer Science & Business Media, 2013.
[2] Raghavachari, Nalini, and Natàlia Garcia-Reyero. Gene Expression Analysis. Springer New York, 2018.
[3] Domazet-Lošo, Tomislav, and Diethard Tautz. "A phylogenetically based transcriptome age index mirrors ontogenetic divergence patterns." Nature 468.7325 (2010): 815-818.
 
Univerzita Karlova | Informační systém UK