Genomická predikce a celo-genomové asociační studie v rámci metabolických sítí

Simple item page
but.defenceStudentka prezentovala svou práci velmi dobře a odpověděla na všechny otázky komise.cs
but.jazykangličtina (English)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorRamberger,, Benjaminen
dc.contributor.authorSchwarzerová, Janaen
dc.contributor.refereeWeckwerth, Wolframen
dc.date.accessioned2024-06-07T22:46:41Z
dc.date.available2024-06-08cs
dc.date.available2024-06-07T22:46:41Z
dc.date.created2021cs
dc.description.abstractSoučasný výzkum rozhraní bioinformatiky a ekologického inženýrství nabízí potenciál díky kombinaci laboratorní analýzy a pokročilých bioinformatických algoritmů. Tato práce zkoumá kombinaci metabolické analýzu GC-MS pro identifikaci a kvantifikaci metabolitů při narušení životního prostředí s pokročilými bioinformatickými přístupy celo-genomových asociačních studií (GWAS). Analýza se provádí pomocí genomové predikce založené na dvou různých podmínkách růstu souvisejících s teplotou shromážděného souboru dat z 241 přirozených přístupů (genotypů) Arabidopsis thaliany. Současné výzvy, které vyplývají ze změny klimatu a globálního znečištění, podporují základní výzkum adaptace organismů v důsledku vlivů na životní prostředí. Výzkum v této oblasti může hrát klíčovou roli při řešení souvisejících problémů životního prostředí. Zejména rostlin sloužících jako primární producenti našich nejdůležitějších zdrojů, potravin, zdraví a energie, představují v tomto ohledu nejdůležitější výzkumné subjekty. Výsledky prezentované v této práci odhalují jednotlivé strategie adaptace na stres rostliny chladem v závislosti na jejím původním prostředí. Kromě toho asociace metabolitů s GWAS odhalila potenciální genomové oblasti podílející se na adaptaci rostliny na chladnou teplotu. Zatímco jednoduchá pozorování odhalují pouze změny fenotypů, změny v genotypech organismů lze zachytit pomocí metabolické technologie GWAS uvedené v této práci s dalším možným využitím v průmyslové ekologii a biotechnologii. Závěrečná část práce je rozšířena o použití inverzní stochastické Lyapunovovy maticové rovnice pro získané výsledky pomocí zkoumání regulace metabolismu během adaptace na chladnou teplotu.en
dc.description.abstractCurrent research on the interface of bioinformatics and ecology engineering offers potential due to the combination of laboratory analysis and advanced bioinformatics algorithms. The thesis investigates the combination of GC-MS -based metabolomic analysis for identification and quantitation of metabolites of environmental perturbations with the advanced bioinformatics approach of genome-wide association studies (GWAS). The analysis is performed using genomic prediction based on two different temperature-related growth conditions of the collected dataset from 241 Arabidopsis thaliana natural accessions (genotypes). Current challenges that arise from climate change and industrial pollution encourage fundamental research on the adaption of organisms due to environmental effects. The findings in this field may play a key role in solving associated problems for the environment. Particularly plants, which serve as net primary producers of our most vital resources, food, health and energy, represent most important research subjects in this regard. The findings presented in this thesis reveal the individual adaptation strategies to cold stress of the plant depending on its original habitate. Furthermore, the association of metabolites with GWAS revealed potential genomic regions involved in the adapation of the plant to cold temperature. While simple observations reveal only phenotype changes, changes in genotypes of organisms can be captured using this metabolic GWAS technology presented in this thesis and further utilized in industrial ecology and biotechnology. The final part of the thesis is extended by using the inverse stochastic Lyapunov Matrix equation for the obtained results using to investigate the regulation of metabolism during adaptation to cold temperature.cs
dc.description.markBcs
dc.identifier.citationSCHWARZEROVÁ, J. Genomická predikce a celo-genomové asociační studie v rámci metabolických sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.cs
dc.identifier.other135687cs
dc.identifier.urihttps://hdl.handle.net/11012/246156
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsPřístup k plnému textu prostřednictvím internetu byl licenční smlouvou omezen na dobu 3 roku/letcs
dc.subjectCelogenové asociační studieen
dc.subjectMetabolityen
dc.subjectMetabolická interaktivní síťen
dc.subjectGenomická predikceen
dc.subjectSystémová biologieen
dc.subjectEkologieen
dc.subjectStochastická rovnice Lyapunovovy maticeen
dc.subjectGenome-wide association studiescs
dc.subjectMetabolitescs
dc.subjectMetabolomic interactive networkcs
dc.subjectGenomic predictioncs
dc.subjectSystem biologycs
dc.subjectEcologycs
dc.subjectstochastic Lyapunov matrixcs
dc.titleGenomická predikce a celo-genomové asociační studie v rámci metabolických sítíen
dc.title.alternativeGenomic prediction and genome-wide association studies of metabolic networkscs
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2021-06-08cs
dcterms.modified2021-08-23-09:44:19cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid135687en
sync.item.dbtypeZPen
sync.item.insts2024.06.08 00:46:41en
sync.item.modts2024.06.08 00:13:42en
thesis.disciplineBiomedicínské a ekologické inženýrstvícs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
10.8 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
11.6 MB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_135687.html
Size:
4.12 KB
Format:
Hypertext Markup Language
Description:
file review_135687.html
Download
Collections
2021