Analýza genomických a proteomických dat |
Současné výzvy a technologie genomiky a proteomiky |
Analýza sekvencí DNA |
Výstupy z výukové jednotky |
Úvod |
Moderní technologie analýzy genomu a proteomu a jejich datové výstupy |
Bioinformatika a statistika v analýze genomických a proteomických dat |
Princip a rozdělení DNA mikročipů |
Typy dat a potřeba jejich úpravy |
Základní kroky analýzy genomických a proteomických dat |
Standardy analýzy genomických a proteomických dat |
Software pro analýzu |
Příklady k procvičení |
Úvod |
Výstupy z výukové jednotky |
Základní kroky DNA mikročipového experimentu |
Výroba DNA mikročipového sklíčka |
Rozdělení mikročipů |
Příklady k procvičení |
Analýza obrazu (kvantifikace signálu) DNA mikročipů |
Výstupy z výukové jednotky |
Úvod |
cDNA mikročipy |
Oligonukleotidové mikročipy |
Příklady k procvičení |
Literatura |
Úprava a normalizace dat cDNA mikročipů |
Výstupy z výukové jednotky |
Úvod |
Kontrola kvality |
Normalizace cDNA mikročipů a vytvoření finální datové matice |
Úprava a normalizace dat oligonukleotidových mikročipů |
Normalizace v rámci mikročipu |
Příklady k procvičení |
Literatura |
Předpoklady normalizace uvnitř čipu |
Základní princip a metody normalizace uvnitř čipu |
Prostorová normalizace |
Normalizace na intenzitu pozadí |
Normalizace odchylek barviva |
Normalizace mezi mikročipy |
Sumarizace a vytvoření finálního datového souboru |
Výstupy z výukové jednotky |
Úvod |
AffyBatch - R datová struktura pro oligonukleotidové mikročipy |
Kontrola kvality |
Normalizace a sumarizace |
Příklady k procvičení |
Literatura |
Základní schémata statistické analýzy dat |
Výstupy z výukové jednotky |
Porovnávání skupin |
Analýza arrayCGH |
Analýza genových sad |
Výpočet velikosti účinku |
Testování hypotéz u genomických a proteomických dat |
Praktický příklad analýzy |
Objevování skupin |
Predikce skupin |
Analýza přežití |
Příklady k procvičení |
Databáze genových sad/pathways |
Nástroje pro analýzu genových sad |
Studijní materiály a software |
Analýza dat hmotnostní spektrometrie |
2D gelová elektroforéza |
Veřejně dostupné databáze dat |
Typy klasifikátorů
Klaisifkační pravidlo je tvořeno proměnnými a algoritmem, který použijeme. Klasifikátory/metody můžeme z pohledu aplikace zjednodušeně rozdělit do dvou skupin:
1. "Black-box" metody
Tyto metody pro klasifikaci často používají celý datový soubor použitý na trénování. Takto vytvořené pravidla obvykle nejsou jednoduše interpretovatelné a tím se stěžuje jejich použití v klinické praxi.
Patří sem např.
- K-nejbližších sousedů
- Support vector machines
- Neuronové sítě ...
2. Metody vytvářející klasifikační pravidla
Tyto metody jsou více intuitivní a proto jednoduše použitelné v praxi. Dostáváme přímo skupinu důležitých parametrů, případně jasně interpretovatelné klasifikační pravidlo.
Patří sem např.
- Regresní modely
- Bayesovský klasifikátor
- Fischerova diskriminační analýza
- Klasifikační stromy / lesy (obr. 3)
- Top Scoring Pairs (MTSP)...
Pro podrobnější studium jednotlivých metod doporučujeme pročíst skripta Analýza a klasifikace dat.