Bi5020 Analýza necílených dat z MS

Přírodovědecká fakulta
jaro 2020
Rozsah
2/0/0. 2 kr. (plus ukončení). Ukončení: zk.
Vyučující
Mgr. Eva Budinská, Ph.D. (přednášející)
RNDr. Ivana Ihnatová, Ph.D. (přednášející)
PharmDr. Zdeněk Spáčil, Ph.D. (přednášející)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: Mgr. Eva Budinská, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Předmět předpokládá pokročilé znalosti statistických metod, vícerozměrných metod a znalost práce v příkazovém řádku prostředí Linux a znalost R - programu pro statistické zpracování dat.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Předmět si smí zapsat nejvýše 30 stud.
Momentální stav registrace a zápisu: zapsáno: 0/30, pouze zareg.: 0/30, pouze zareg. s předností (mateřské obory): 0/30
Mateřské obory/plány
Cíle předmětu
Cílem předmětu je naučit studenty analyzovat data z LC a GC hmotnostní spektrometrie s aplikací v proteomice, metabolomice a analýze malých chemických komponent.
Výstupy z učení
Na konci kurzu studentky/studenti: - znají princip hmotnostní spektrometrie - znají rozdílné přístupy separace a detekce molekul se zaměŕením na LC- a GC- - znají základní datové typy surových dat a umí je konvertovat dle potřeb jednotlivých programů pro analýzu - na základě typu dat a použité metodologie a typu detekované molekuly umí vybrat metody a sestavit algoritmus předzpracování dat (normalizace, filtrace signálu, dekonvoluce, detekce píků,...) a aplikovat ho - umí používat specializované programy a platformy pro analýzu dat z MS (MZmine,OpenMS, balíky v R, galaxy, ...) - vzhledem k typu hypotézy umí navrhnout MS experiment - na předspracovaných datech umí provést statistickou analýzu - porovnání skupin, hledání nových skupin, detekce biomarkerů, analýza pathways
Osnova
  • 1. Metody hmotnostní spektrometrie, princip, rozdílné přístupy k detekci, LC,GC MS, MS vs MS/MS mód, EI, NCI, ... aplikace v metabolomice, proteomice a detekci chemických komponent 2. Představení společných principů zpracování MS dat a základních kroků analýzy, základní datové typy, rozdíly v analýze GC-MS a LC-MS dat 3. Metody korekce a filtrace signálu 4. Metody normalizace signálu a vyhlazení 5. Metody zarovnání spekter více vzorků 6. Metody detekce píků 7. Metody dekonvoluce GC-MS a LC-MS/MS dat 8. Identifikace komponent v databázích 9. Pipeline pro analýzu proteomických dat 10. Pipeline pro analýzu metabolomických dat 11. Pipeline pro analýzu GC-MS dat 12. Objevování biomarkerů,porovnávání skupin, shlukování, pathway analýza
Literatura
    doporučená literatura
  • VIDOVÁ, Veronika a Zdeněk SPÁČIL. A review on mass spectrometry-based quantitative proteomics: Targeted and data independent acquisition. Analytica Chimica Acta. Amsterdam: Elsevier Science publishers, 2017, roč. 964, April, s. 7-23. ISSN 0003-2670. Dostupné z: https://dx.doi.org/10.1016/j.aca.2017.01.059. URL info
  • DU, Xiuxia a Steven H ZEISEL. Spectral deconvolution for gas chromatography mass spectrometry - based metabolomics: Current status and future perspectives. Computational and Structural Biotechnology Journal. 2013, roč. 4, č. 5. info
  • GREPLOVÁ, Kristína, Radomír PILNÝ, Eva BUDINSKÁ, Lenka DUBSKÁ, Radek LAKOMÝ, Rostislav VYZULA, Bořivoj VOJTĚŠEK a Dalibor VALÍK. When one chip is not enough: Augmenting the validity of SELDI-TOF proteomic profiles of clinical specimens. Lab on a Chip. 2009, roč. 2009, č. 9, s. 1014 - 1017. ISSN 1473-0197. URL info
  • SUMNER, L.W., A AMBERG, D BARRETT a ET. AL. Proposed minimum reporting standards for chemical analysis. Metabolomics. Springer US, 2007, roč. 3, č. 3, s. 211–221. ISSN 1573-3882. info
Výukové metody
Výuka probíhá ve formě přednášek kombinovaných s praktickými ukázkami ve zvolených SW na počítačích se systémem Linux. Účast na přednáškách je povinná.
Metody hodnocení
Zkouška bude probíhat ústně. Student/ka dostane dotaz jak by provedl/a analýzu na příkladových datech. Zvolené kroky analýzy musí dostatečně zdůvodnit. Student/ka bude mít 30 min čas na přípravu odpovědi. Při přípravě může používat všechny studijní materiály.
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Předmět je zařazen také v obdobích jaro 2022.