E5510 Detekce biomarkerů z omics experimentů

Přírodovědecká fakulta
podzim 2022
Rozsah
2/0/0. 2 kr. (plus ukončení). Ukončení: zk.
Vyučující
Mgr. Eva Budinská, Ph.D. (přednášející)
Mgr. Soňa Smetanová, Ph.D. (pomocník)
Garance
Mgr. Eva Budinská, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: Mgr. Eva Budinská, Ph.D.
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 otevřen studentům libovolného oboru.
Předmět si smí zapsat nejvýše 25 stud.
Momentální stav registrace a zápisu: zapsáno: 1/25, pouze zareg.: 0/25, pouze zareg. s předností (mateřské obory): 0/25
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. 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. 3.-4. 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. 5.-6. 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. 7.-8. 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. 9. 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. 10. Metaanalýza. Tato přednáška představí techniky metaanalýzy pro porovnání výsledků z různých studií. 11. Databáze. Kde jsou ulloženy data z omicsových experimentů, jak do těchto databází nahrát vlastní experimentální data a jaké jsou minimální požadavky. 12. 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
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2023, podzim 2024.