E5510 Detekce biomarkerů z omics experimentů

Přírodovědecká fakulta
podzim 2024
Rozsah
2/0/0. 2 kr. (plus ukončení). Ukončení: zk.
Vyučováno kontaktně
Vyučující
Mgr. Eva Budinská, Ph.D. (přednášející)
doc. Ing. Vlad Popovici, PhD (přednášející)
Mgr. Petra Vídeňská, Ph.D. (přednášející)
Garance
doc. Ing. Vlad Popovici, PhD
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: doc. Ing. Vlad Popovici, PhD
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Rozvrh
Pá 10:00–11:50 D29/347-RCX2
Předpoklady
Předmět předpokládá základní znalosti molekulární biologie a základní znalosti statistiky (absolvování předmětu Bi5040 Biostatistika, nebo podobného předmětu je výhodou)
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Předmět si smí zapsat nejvýše 25 stud.
Momentální stav registrace a zápisu: zapsáno: 25/25, pouze zareg.: 0/25, pouze zareg. s předností (mateřské obory): 0/25
Mateřské obory/plány
Cíle předmětu
Cílem kurzu je podrobně seznámit studenty s hlavními principy analýzy dat z molekulárních 'omics experimentů (mikročipy, hmotnostní spektrometrie, NGS,…), se zvláštním důrazem na plánování experimentů a validaci výsledků při detekci biomarkerů. Problémy a specifika jednotlivých metod a přístupů budou do hloubky diskutovány na typických příkladech.
Výstupy z učení
Na konci tohoto kurzu posluchač: - umí správně definovat hypotézy omicsového experimentu - zná „efekt dávky“ a dalších matoucích faktorů a umí je minimalizovat - na základě stanovené hypotézy identifikuje vhodnou metodu pro analýzu dat - zná společné rysy dat molekulárních omicsových experimentů - zná specifika předspracování dat z jednotlivých technologií - zná metody analýzy omicsových dat v porovnání skupin, objevování skupin, klasifikaci a analýze přežití a jejich specifika - používá vhodnou grafickou reprezentaci výsledků - správně interpretuje grafy - umí správně nastavit validační soubor a identifikovat nejlepší metodu validace - uplatňuje získané znalosti v plánování vlastních omics experimentů a jejich validaci
Osnova
  • 1. Úvod. "Přijít za statistikem po dokončení experimentu je často to samé jako požádat ho aby provedl posmrtné vyšetření. Možná bude schopen říct, na co experiment zemřel." Tato přednáška poskytne obecný přehled o společných konceptech omicsových dat, jejich předzpracování, statistické analýzy a validaci výsledků a proč je to všechno důležité, pokud chceme produkovat robustní a reprodukovatelné výsledky. 2.-3. Za všechno můžou matoucí vlivy... - V této přednášce ukážeme řadu příkladů jak různé kroky laboratorní přípravy experiment ovlivňují následnou analýzu dat a znesnadňují identifikaci skutečných biologických rozdílů. Budeme diskutovat nejlepší laboratorní postupy a návrh experimentu, které minimalizují tyto matoucí vlivy. Dále uvedeme statistické techniky pro jejich odstranění. 4.-5. Hledání rozdílů mezi dvěma nebo více skupinami. Ve dvou přednáškách vysvětlíme, jak získat seznam odlišně exprimovaných molekul (genů, proteinů, metabolitů ...) mezi definovanými skupinami a proč většina klasických statistických přístupů (např. T-test, ...) není pro tento typ dat vhodná. Budeme se zabývat problémem testování mnoha hypotéz a technikami minimalizace falešně pozitivních výsledků. Uvedeme zároveň doporučení pro experimentální dizajn. Prodiskutujeme nejběžnější grafické a tabulkové znázornění výsledků z tohoto typu analýzy. 6.-7. Hledání skupin s podobnou expresí. Pokud je cílem studie nalezení nových skupin založených na podobných molekulárních vzorcích exprese, používají se techniky shlukování. Představíme nejvhodnější shlukovací metody, které dokážou vytvořit robustní a reprodukovatelné výsledky. Dále budeme diskutovat techniky validace výsledků a jak vhodně navrhnout experiment pro nalezení skupin. Prodiskutujeme nejběžnější grafické a tabulkové znázornění výsledků z tohoto typu analýzy. 8.-9. Jak (ne) předpovědět téměř cokoli. Ve dvou přednáškách budeme podrobně diskutovat osvědčené postupy vývoje prognostických a prediktivních klasifikátorů založených na molekulárních datech (biomarkery). Ukážeme si, jak klasifikace pomáhá identifikovat nejdůležitější proměnné (proteiny, geny ...) nebo naopak odlehlé vzorky. Zvláštní důraz bude kladen na validaci klasifikátorů a na správný návrh experimentu. Prodiskutujeme nejběžnější grafické a tabulkové znázornění výsledků z tohoto typu analýzy. 10. Pathway analýza. Jak zjistíme, jaké biologické procesy jsou ovlivněny? Tato přednáška má za cíl vysvětlit metody obohacení sady genů, analýzy topologických pathways a identifikací genových sítí. 11. Metaanalýza. Tato přednáška představí techniky metaanalýzy pro porovnání výsledků z různých studií. 12. Databáze. Kde jsou ulloženy data z omicsových experimentů, jak do těchto databází nahrát vlastní experimentální data a jaké jsou minimální požadavky. 13. Experimentální návrh a validace - závěrečná přednáška, která spojí a doplní informace o návrhu experimentu a validaci ze všech předchozích přednášek. V této přednášce společně vytvoříme pokyny pro design a validaci omicsových experimentů na základě stanovené hypotézy.
Literatura
    doporučená literatura
  • FORSHED, Jenny. Experimental Design in Clinical ‘Omics Biomarker Discovery. Journal of Proteome Research. Washington: American Chemical Society, 2017, roč. 16, č. 11, s. 3954-3960. ISSN 1535-3893. info
  • The MicroArray Quality Control (MAQC)-IIII study of common practices for the development and validation of microarray-based predictive models. Nature biotechnology. NEW YORK: NATURE PUBLISHING GROUP, 2010, roč. 28, č. 8, s. "827"-"U109", 15 s. ISSN 1087-0156. Dostupné z: https://dx.doi.org/10.1038/nbt.1665. info
  • GHOSH, Debashis a Laila M POISSON. “Omics” data and levels of evidence for biomarker discovery. Genomics. United States: Elsevier Science Inc, 2009, roč. 2009, 93(1), s. 13-16. ISSN 0888-7543. info
Výukové metody
Výuka je ralizována formou přednášky s prezentací a procvičováním s využitím webové aplikace R-shiny. Důraz je kladen na porozumění mechanismů a souvislostí. Studenti jsou často dotazováni na aktuálně probírané téma a podporováni v tom, aby sami kladli dotazy a interagovali s vyučujícím.
Metody hodnocení
Během výuky jsou studenti ústně dotazování na již probrané učivo. Závěrečné hodnocení (na konci semestru) je provedno formou písemné zkoušky. Nejedná se o test jedné volby, ale o sadu otázek, z nichž řada vyžaduje popis, vysvětlení či schéma dotazovaného problému. Otázky mají různou bodovou hodnotu 1 - 3 dle obtížnosti. Celkový součet bodů je 20. K úspěšnému zvládnutí je potřeba dosáhnout alespoň 10 bodů.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2022, podzim 2023.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.muni.cz/predmet/sci/podzim2024/E5510