Vyhodnocení dat z vysoce výkonného sekvenování

Mgr. Jan Oppelt

Bachelor's thesis

Evaluation of data from high-throughput sequencing

Abstract:

Vysoce výkonné sekvenování, neboli také sekvenování příští generace, je moderní metoda pro sekvenování nukleových kyselin. Poskytuje nám obrovské množství dat, které je potřeba správně zpracovat. V dnešní době cena tohoto typu sekvenování rychle klesá a tím se stává dostupným pro mnoho různých organizací. Jedním z možných využití vysoce výkonného sekvenování je studium genové exprese – RNA-Seq. Tato práce je zaměřena na specifickou expresi genů v B lymfocytech a jejich lymfomech. Hlavními cíli byly v současnosti hodně studované molekuly – microRNA. Tyto molekuly jsou jedny z mnoha elementů zodpovědných za regulaci genové exprese. Detailně byla zkoumána exprese genu MIR650, TP53, genů rodin IGLV2 a MIR34. Různé softwarové nástroje jsou dostupné pro zpracování sekvenačních dat, ale je nezbytné je použít ve správném pořadí a vytvořit tak worflow pro jejich vyhodnocení. Workflow, vytvořená v této práci, obsahuje 8 jednotlivých kroků, využívá 7 různých softwarových nástrojů a byla úspěšně otestována na reálných biologických datech. Analýza objevila množství rozdílně exprimovaných genů a výsledky mohou také být později zpracovány z jiného úhlu pohledu.

Abstract:

High-throughput sequencing, or next-generation sequencing, is a modern method for nucleic acid sequencing. It provides huge amount of data which has to be correctly evaluated. Recently, the price of this type of sequencing is rapidly decreasing and it is becoming available for many types of different institutions. One of possible usage of high-throughput sequencing is a study of gene expression – RNA-Seq. This thesis was focused on the specific gene expression in B-cell samples and their lymphomas. Main targets were recently highly studied molecules – microRNAs. They are one of many elements responsible for gene expression regulation. Expression of genes MIR650, TP53 and gene families IGLV2 and MIR34 was analyzed in detail. Various software tools are available for sequence data processing, but it is necessary to use them in the right order and create a workflow for data evaluation. Created workflow in this thesis contains 8 individual steps with 7 different software tools and was successfully tested on the real biological data. The analysis discovered many differently expressed genes and results can be also studied later from different points of view.

Keywords

high-throughput sequencing, next-generation sequencing, gene expression, RNA-Seq, microRNA, B-cell

Language used: English

Date on which the thesis was submitted / produced: 13. 5. 2011

Thesis defence

• Date of defence: 17. 6. 2011
• Supervisor: doc. RNDr. Radka Svobodová Vařeková, Ph.D.
• Reader: Ing. Matej Lexa, Ph.D.

Masaryk University

Faculty of Science

Bachelor programme / field:
Biochemistry / Chemoinformatics and Bioinformatics