Analýza single cell dat za pomoci transformerů

• Název práce v češtině: Analýza single cell dat za pomoci transformerů
• Název v anglickém jazyce: Analysis of single cell data using transformers
• Klíčová slova: • Single-cell RNA sekvenování • Deep learning • Transformery • Anotace buněk
• Klíčová slova anglicky: • Single-cell RNA sequencing • Deep learning • Transformers • Annotating cell types
• Akademický rok vypsání: 2023/2024
• Typ práce: bakalářská práce
• Jazyk práce: čeština
• Ústav: Katedra buněčné biologie (31-151)
• Vedoucí / školitel: Mgr. Jan Stuchlý, Ph.D.
• Řešitel: Bc. Tomáš Preisler - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 31.01.2024
• Datum zadání: 31.01.2024
• Datum potvrzení stud. oddělením: 31.01.2024
• Datum odevzdání elektronické podoby: 29.04.2024
• Datum proběhlé obhajoby: 19.06.2024
• Oponenti: Mgr. Marian Novotný, Ph.D.

Seznam odborné literatury

[1] Ding, J., Condon, A. & Shah, S.P. Interpretable dimensionality reduction of single cell
transcriptome data with deep generative models. Nat Commun 9, 2002 (2018).
https://doi.org/10.1038/s41467-018-04368-5
[2] Szubert, B., Cole, J.E., Monaco, C. et al. Structure-preserving visualisation of high dimensional
single-cell datasets. Sci Rep 9, 8914 (2019). https://doi.org/10.1038/s41598-019-45301-0
[3] Yang, F., Wang, W., Wang, F. et al. scBERT as a large-scale pretrained deep language model for
cell type annotation of single-cell RNA-seq data. Nat Mach Intell 4, 852–866 (2022).
https://doi.org/10.1038/s42256-022-00534-z
[4] Chen, J., Xu, H., Tao, W. et al. Transformer for one stop interpretable cell type annotation. Nat
Commun 14, 223 (2023). https://doi.org/10.1038/s41467-023-35923-4

Předběžná náplň práce

Moderní Single-cell technologie (jako je hmotnostní/spektrální cytometrie nebo single-cell RNA
sequencing) umožňují detailní popis heterogenity a funkční rozdílnosti na úrovni jednotlivých buněk.
Spolu s rozvojem těchto technologií roste komplexita získaných dat a jejich analýza se bez použití
výpočetních nástrojů stává nepraktickou. Techniky deep learningu (DL) byly v minulosti na tato data s
jistým úspěchem aplikovány například jako metody dimenzionální redukce [1,2]. V současné době, s
nástupem velkých jazykových modelů, se testují modely založené na architektuře využívající
transformery [3,4].
Cílem práce bude provést rešerši v odborné literatuře, popsat DL modely využívající transformery,
které se používají v single-cell analýze a principy, na kterých fungují.
Praktická část bakalářské práce (Bioinformatický projekt) bude zaměřena na testování konkrétních, již
existujících modelů, jejich modifikaci a případně vývoj a testování nového, vlastního DL modelu
založeném na transformerech. K implementaci