Ústav
Ústav informatiky a chemie (143)
ID
2028-143-2
Vedoucí
prof. Daniel Svozil, Ph.D.
Konzultant
Toto téma povede Dr. Božena Klodová, která nastoupí na VŠCHT začátkem dubna 2027. Po jejím nástupu bude školitel změněn. S otázkami ohledně tématu ji můžete kontaktovat na klodova.bozena@gmail.com.
Aktuální studijní programy
B107-Bioinformatika a chemická informatika
Podstata a cíl práce
Výzkum reakcí rostlin na stres, například chlad nebo sucho, často využívá modelovou rostlinu huseníček rolní (Arabidopsis thaliana). Poznatky získané u této rostliny však nemusí platit stejně u zemědělských plodin. Práce proto porovná veřejně dostupná data o změnách exprese proteinů u huseníčku a vybrané plodiny vystavených stejnému typu stresu. Cílem je najít příbuzné proteiny, které u obou rostlin reagují podobně, a vybrat tak vhodné kandidáty pro další výzkum u plodiny. Pro tento výběr bude porovnán klasický analytický postup s přístupem využívajícím strojové učení.
Náplň činnosti studenta
-Vyhledat dvě co nejlépe srovnatelné studie stejného stresu u Arabidopsis a vybrané plodiny, zahrnující kontroly a biologické replikace.
-Posoudit kvalitu dat a srovnatelnost experimentálních podmínek; podle dostupnosti vybrat třetí nezávislou studii pro ověření.
-Připravit kvantitativní analýzu a identifikovat proteiny se shodnou odpovědí mezi organismy.
-Vytvořit klasické kandidátů podle podobnosti stresové odpovědi, konzervace a spolehlivosti měření.
-Implementovat a vyhodnotit model strojového učení pro rozlišení stresových a kontrolních vzorků a výběr kandidátů.
-Porovnat pořadí kandidátů, jejich stabilitu a zastoupení publikovaných markerů; ověřit výsledky v nezávislé studii, bude-li dostupná.
-Připravit reprodukovatelný analytický postup a interpretovat jeho přínosy a omezení.
-Posoudit kvalitu dat a srovnatelnost experimentálních podmínek; podle dostupnosti vybrat třetí nezávislou studii pro ověření.
-Připravit kvantitativní analýzu a identifikovat proteiny se shodnou odpovědí mezi organismy.
-Vytvořit klasické kandidátů podle podobnosti stresové odpovědi, konzervace a spolehlivosti měření.
-Implementovat a vyhodnotit model strojového učení pro rozlišení stresových a kontrolních vzorků a výběr kandidátů.
-Porovnat pořadí kandidátů, jejich stabilitu a zastoupení publikovaných markerů; ověřit výsledky v nezávislé studii, bude-li dostupná.
-Připravit reprodukovatelný analytický postup a interpretovat jeho přínosy a omezení.