Sirvi Autor "Hakimzadeh, Ali" järgi

Nüüd näidatakse 1 - 1 1

Long-read metabarcoding: from available tools to reference databases
(Tartu Ülikooli Kirjastus, 2026-01-26) Hakimzadeh, Ali; Anslan, Sten, juhendaja; Tedersoo, Leho, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Traditsioonilised meetodid, nagu morfoloogia abil liikide määramine koosluste monitooringuks, on sageli aeganõudvad, eriti mikroskoopiliste organismide puhul, mistõttu on mass-triipkoodistamine (metabarcoding) läbi mass-sekveneerimise saanud populaarseks, kiireks ja kulutõhusaks erinevate koosluste tuvastamise meetodiks. Enim kasutatavad tehnoloogiad mass-triipkoodistamise töövoos on nn teise põlvkonna mass-sekveneerimise platvormid. Kuigi need suudavad genereerida miljoneid kõrge täpsusega DNA fragmente, on teise põlvkonna tehnoloogiate poolt sünteesitud järjestused suhteliselt lühikesed, mis võib limiteerida lähedalt suguluses olevate liikide eristamist. Kolmanda põlvkonna mass-sekveneerimise tehnoloogiad suudavad järjestada palju pikemaid DNA lõike, mis hõlmavad terveid geeniregioone, parandades seeläbi taksonoomilise eristamise võimekust. Suhteliselt uudne võimekus toota palju pikemaid liikide määramiseks sobilikke DNA lõike toob aga kaasa ka uusi analüütilisi väljakutseid: paljud olemasolevad bioinformaatika tööriistad on välja töötatud lühikeste järjestuste analüüsiks, pikkade järjestuste jaoks puuduvad põhjalikud referentsandmebaasid ning kimäärsete (mitte-bioloogiliste) järjestuste moodustumine võib pikkade järjestuste sekveneerimiseks genereerimise käigus olla problemaatilisem. Käesolev doktoritöö annab esiteks ülevaate paljudest olemasolevatest bioinformaatika töövoogudest pakkudes praktilist juhtnööri sobivate bioinformaatiliste tööriistade valimiseks lähtuvalt analüüsitavast andmestruktuurist. Teiseks, töötati välja EUKARYOME andmebaas, mis on esimene kureeritud pikkade ribosomaalse RNA markerite referentsandmebaas, hõlmates üle 172000 liigi. Kolmandaks, antud doktoritöö käigus leiti, et olemasolevad kimäärsete DNA järjestuste tuvastamise algoritmid klassifitseerivad paljusi bioloogilisi järjestusi ekslikult kimääridena, ehk valepositiivsete tuvastuste määr on vaikimisi sätetega suur. Parameetrite peenhäälestamine ja sekundaarsed valideerimisstrateegiad aga parandasid analüüside täpsust. Ühiselt, need doktoritöö tulemused ja ressursid edendavad pikkade järjestuste mass-triipkoodistamise töövoogu kui elurikkuse hindamise usaldusväärset tööriista.