Sirvi Autor "Peterson, Hedi" järgi

Nüüd näidatakse 1 - 6 6

Bioinformaatika ontoloogia terminite automaatne leidmine vabatekstist
(2016) Jaaniso, Erik; Peterson, Hedi
Bioinformaatika valdkonnas on olemas palju tööriistu ja teenuseid, mille hulk kasvab üha kiirenevas tempos.\n\rEt informatsioon nende ressursside kohta oleks kättesaadav võimalikult kasulikul viisil, annoteerime me need ontoloogia terminitega.\n\rHetkel toimub annoteerimine käsitsi, mis on aeganõudev ja veaohtlik protsess.\n\rAntud töös seame eesmärgiks luua tööriist, mis aitab annotaatorit, pakkudes talle annoteerimissoovitusi.\n\rMe loome programmi, mis loeb sisse vabatekstilise tööriistade ja teenuste kirjelduse, lisab neile seotud veebilehtede ja teadusartiklite sisu ja sellel põhinevalt annab välja parimad leitud ontoloogia terminite vasted.\n\rSeejärel, optimimeerime programmi parameetreid käsitsi tehtud annotatsioonide põhjal.\n\rEsmased tulemused on paljulubavad -- paljud leitud soovitused on kooskõlas käsitsi tehtud annotatsioonidega.\n\rVeelgi enam, kogenud annotaatorite väitel on mitmed teised soovitused samuti korrektsed.
Exploiting high-throughput data for establishing relationships between genes
(2015-05-15) Peterson, Hedi
Geenid määravad ära, millistest RNA ja valgu molekulidest elusorganism koosneb. Ainult geenide tuvastamisest ei piisa, et aru saada kuidas organism toimib, millal ja kuidas erinevad geenide produktid avalduvad ja mida need teevad. Elusorganismi olemuse mõistmiseks ja bioloogiliste protsesside mõjutamiseks on vajalik aru saada geenide ja valkude omavahelistest seostest. Suure läbilaskevõimega tehnoloogiad võimaldavad hõlpsasti mõõta bioloogiliste protsesside erinevaid tahke. See omakorda on toonud kaasa andmemahtude üha kiireneva kasvutrendi ning vajaduse uute meetodite järele, mis aitaks toorandmeid analüüsida, andmeid omavahel kombineerida ning tulemusi visualiseerida. Samuti on kasvanud vajadus arvutuslike meetoditega katsetada, kas olemasolevad andmemudelid kirjeldavad bioloogilist uurimisobjekti piisavalt täpselt. Käesolevas uurimistöös on näidatud erinevaid bioinformaatilisi meetodeid, kuidas suuremahuliste ning eritüübiliste eksperimentaalsete andmete kombineerimist saab rakendada geenidevaheliste seoste leidmiseks. Suuremahulistele andmetele on integreerimise ja omavahel võrreldavaks tegemisega võimalik anda lisaväärtust. Töö käigus koondati kokku ja tehti avalikkusele ligipääsetavaks embrüonaalsete tüvirakkude regulatsiooni käsitlevate publikatsioonide lisafailides avaldatud info ESCDb andmebaasi näol. Neid andmeid kasutades on teadlaskonnal võimalik leida geenide vahelisi seoseid, mida eraldiseisvaid andmeid analüüsides ei ole võimalik välja selgitada. Andmebaasi kogutud info kombineerimisel arvutusliku mudeldamisega õnnestus leida käesoleva töö raames uus regulaator embrüonaalsetes tüvirakkudes — IL11. Lisaks võimaldas erinevate andmetüüpide kombineerimine leida embrüonaalsete tüvirakkude keskse regulaatori — OCT4 geeni alternatiivsed märklaudgeenide moodulid. Kasutades DNA konserveerumisinfot koos regulatoorsete motiivide analüüsiga leiti kolm uut rasvatüvirakkude diferentseerumise regulaatorvalku. Samuti käsitletakse töös automaatset grupeerimis- ja visualiseerimismetoodikat VisHiC, mis aitab esile tõsta huvitavaid geenigruppe, mida teiste meetoditega edasi uurida. Töös on näidatud erinevaid suuremahuliste andmestike integreerimise viise, mis võimaldavad leida selliseid geenidevahelisi seoseid, mida ei oleks võimalik leida kui analüüsiksime üht andmestikku korraga.
Geeniregulatsiooni signaali vahendavate geenide automaatne leidmine suuremahulistest eksperimentaalsetest andmetest
(2015) Ellervee, Andreas; Peterson, Hedi; Sügis, Elena
Käesoleva bakalaureusetöö eesmärgiks on automaatselt leida geenidevahelisi seoseid suuremahulistest eksperimentaalsetest andmetest. Olenevalt eksperimendi tüübist saame me tihtipeale teada vaid osa tegelikest regulatoorsetest seostest geenide vahel. Kombineerides erinevaid eksperimente saame aga täpsemini määratleda otseseid ja kaudseid seoseid, mis määravad ära rakkude seisundi mingil kindlal tingimusel. Geenide häirituse (ingl k. perturbation) eksperimendiga on võimalik leida need geenid, mida häiritud geen mõjutab, kas siis otseselt või kaudselt. Kui neid andmeid kombineerida kromatiinisadestamise andmetega, siis saame eraldada otseselt mõjutatud geenid kaudselt mõjutatutest. Käesoleva töö eesmärk ongi leida kaudselt mõjutatud geenidele võimalikke regulaatoreid, mis vahendaksid signaali häiritud geenilt. Signaalivahendajate leidmiseks kombineerime ENCODE andmestikus olevaid andmeid geenide võimalike regulaatorite ja aktiivsete promootorite kohta. Juhul kui geeni regulatoorses alas on näidatud transkriptsioonifaktori seondumist, siis peame seda võimalikuks signaalivahendajaks peamiselt regulaatorilt. Edasi tuleb leida need potentsiaalsed signaalivahendajad, mis on ise peamise regulaatori poolt otseselt mõjutatud. Töö tulemusena tekivad kolmikud geenidest, kus peamine regulaator reguleerib otseselt signaalivahendajat. See omakorda reguleerib peamise regulaatori sihtmärkgeene teatud bioloogilistel tingimustel. Töö lõppeesmärgiks on kasutatav tööriist, mis võimaldab sobivate sisendandmete ja bioloogiliste tingimuste määramisel automaatselt sellised regulatoorseid kolmikuid leida.
RNA-seq andmete analüüsi töövoog
(2014) Mägi, Henry; Peterson, Hedi; Jääger, Kersti
Kuna bioloogid viivad läbi suurel hulgal ülegenoomseid geeniekspressiooni eksperimente, on tekkinud vajadus töövoo jaoks, millega saaks töödelda ning analüüsida RNA-seq andmeid. Selline töövoog koosneb erinevatest arvutuslikest tööriistadest ning sisendfaili tüüpidest, mis teeb ühtse töövoo arenduse raskeks ülesandeks, kuid teeks teadlastele andmete analüüsi ja tulemuste tõlgendamise palju lihtsamaks. Kohandatud töövoogu on lihtsam rakendada, kuid see nõuab, et kasutaja oleks tuttav kõikide arvutuslike tööriistadega, millest töövoog koosneb. Käesoleva töö eesmärk oli kirjeldada detailselt RNA-seq andmete analüüsi töövoo loomist ning rakendamist. Saadud tulemustest võib järeldada, et ühtse töövoo tarkvara iRAP vajab veel edasiarendust. Lisaks sellele aitavad tulemused paremini mõista erinevate tööriistade funktsioonidest ning nende potentsiaalsetest parandustest.
The discovery and characterization of regulatory motifs in Saccharomyces cerevisiae
(2006) Peterson, Hedi; Vilo, Jaak, juhendaja
Tugivektormasinate kombineerimine angiogeneesiga seotud geenide ennustamiseks
(Tartu Ülikool, 2010) Alasoo, Kaur; Peterson, Hedi; Agius, Phaedra; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Arvutiteaduse instituut
Vähk on tänapäeval üks levinumaid ja ohtlikumaid haigusi põhjustades igal aastal 13% kõigist surmajuhtumitest üle maailma. Hoolimata aastatepikkustest jõupingutustest ei ole seni ikka veel efektiivset ravi selle haiguse vastu leitud. Küll on aga teada, et vähi arengus on olulisel kohal angiogenees, mille käigus vähk paneb enda ümber asuvad veresooned hargnema ja kasvama. Parem arusaamine sellest protsessist võimaldaks potentsiaalselt luua uusi ja efektiivsemaid ravimeetodeid. Aastate jooksul tehtud eksperimentide käigus on mõõdetud enamiku inimese geenide ekpressiooni rohkem kui 5000 tingimuses. Lisaks on meie koostööpartnerid koostanud nimekirja 341-st veresoonte loomega seotud geenist. Käesoleva töö eesmärgiks ongi uurida, kuidas geeniekspressiooni andmete ja väikese hulga tuntud angiogeneesi geenide põhjal on võimalik ennustada uusi angiogeneesiga seotud geene. Selleks võrreldakse kõigepealt mitmeid olemasolevaid masinõppe meetodeid ja avalikult kättesaadavaid bioinformaatika tööriistu, mida saaks kasutada kandidaatgeenide ennustamiseks. Kõigi nende meetodite puhul kasutatakse sisendiks võimalikult sarnaseid andmeid ning mõõdetakse siis 10-kordse ristvalideerimise abil, kui edukad need on juba tuntud angiogeneesi geenide ülesleidmisel. Töö teises osas pakutakse välja uudne Comb-SVM meetod kandidaatgeenide ennustamiseks. Selle põhiidee baseerub kolmel sammul. Kõigepealt kasutatakse juba tuntud angiogeneesi geene ning juhuslikult valitud negatiivseid geene, et treenida paralleelselt mitu tugivektormasinal (ingl k Support Vector Machine) põhinevat klassifitseerijat. Järgnevalt kasutakse neid klassifitseerijaid uute angiogeneesi geenide ennustamiseks. Viimaks agregeeritakse kõigi klassifitseerijate tulemused kokku üheks ennustuseks. Töö lõpus näidatakse, et 10-kordse ristvalideerimise põhjal on Comb-SVM täpsem kui enamik olemasolevaid meetodeid. Lisaks näidatakse, et Comb-SVM ennustused on oluliselt stabiilsemad väikeste muudatuste suhtes treeningandmetes kui paremuselt teise algoritmi tulemused. Kõige lõpuks kasu- tatakse teaduskirjandust ning Gene Ontology andmebaasi veendumaks, et uued ennustatud geenid on tõpoolest seotud angiogeneesiga.