Ústav
Ústav informatiky a chemie (143)
ID
2028-143-8
Vedoucí
Mgr.Michal Kolář, Ph.D.
Konzultant
Ing. Lucie Pfeiferová, Ph.D.
Aktuální studijní programy
B107-Bioinformatika a chemická informatika
Podstata a cíl práce
Cílem bakalářské práce je rozšířit pipeline scdrake pro analýzu dat z transkriptomiky jednotlivých buněk o přístupy založené na foundation modelech, jako jsou scGPT nebo CancerFoundation, a porovnat je s klasickými nástroji, které pipeline již využívá. Student navrhne a implementuje paralelní větev pipeline, která na stejných vstupních datech provede integraci vzorků, shlukování a anotaci buněčných typů pomocí reprezentací buněk získaných z předtrénovaných modelů. Výsledky obou větví porovná na veřejně dostupných anotovaných datech i na datech z naší laboratoře a zhodnotí jejich shodu, kvalitu, výpočetní náročnost a možnosti praktického využití.
Náplň činnosti studenta
- Seznámení se s pipeline scdrake a s principy foundation modelů pro transkriptomiku jednotlivých buněk a provedení přehledu dostupných modelů (např. scGPT, Geneformer, CancerFoundation) a publikovaných srovnávacích studií.
- Zprovoznění vybraných modelů na dostupném hardwaru a návrh propojení jejich prostředí v jazyce Python s pipeline scdrake v jazyce R.
- Implementace paralelní větve pipeline, která z reprezentací buněk získaných z modelů provede integraci vzorků, shlukování a anotaci buněčných typů v režimu zero-shot, případně po doladění modelu.
- Porovnání klasické a modelové větve na veřejně dostupných anotovaných datech a na datech z naší laboratoře pomocí standardních metrik shody shlukování a kvality integrace, zhodnocení výpočetní náročnosti a analýza případů, kdy se výsledky obou přístupů liší.
- Zprovoznění vybraných modelů na dostupném hardwaru a návrh propojení jejich prostředí v jazyce Python s pipeline scdrake v jazyce R.
- Implementace paralelní větve pipeline, která z reprezentací buněk získaných z modelů provede integraci vzorků, shlukování a anotaci buněčných typů v režimu zero-shot, případně po doladění modelu.
- Porovnání klasické a modelové větve na veřejně dostupných anotovaných datech a na datech z naší laboratoře pomocí standardních metrik shody shlukování a kvality integrace, zhodnocení výpočetní náročnosti a analýza případů, kdy se výsledky obou přístupů liší.