Automatizované zpracování a kontrola kvality RNA-seq dat

Využití veřejných RNA-seq dat komplikuje nejednotný popis vzorků, chybějící metadata a rozdílná kvalita dat. Práce propojí automatizované získávání a kontrolu dat s principy FAIR, které podporují jejich dohledatelnost, přístupnost, interoperabilitu a opětovnou využitelnost. Cílem práce je tvořit reprodukovatelné workflow pro získávání RNA-seq dat, sjednocení a doplnění dostupných metadat a kontrolu kvality. Výstupem bude přehledně zdokumentovaná datová kolekce připravená pro následné analýzy, jejíž uspořádání zohlední principy FAIR.

-Seznámit se s veřejnými databázemi transkriptomických dat a principy FAIR.
-Vymezit soubor studií a definovat požadovaná biologická a technická metadata.
-Implementovat získávání metadat a stahování sekvenačních dat při zachování identifikátorů studií, vzorků a sekvenačních běhů.
-Sjednotit metadata pomocí definovaného schématu a vhodných slovníků.
-Zapojit existující nástroje pro kontrolu kvality a vytvořit souhrnný report.
-Připravit strojově čitelné výstupy, popis datové kolekce a informace o podmínkách přístupu a využití dat.
-Ověřit správnost workflow a vyhodnotit úplnost metadat a naplnění vybraných principů FAIR.