Aplikace pro preprocessing, imputaci a analýzu proteomických dat

Bc. Tomáš CHUPÁŇ

Master's thesis

Application for proteomics data preprocessing, imputation and analysis

Abstract:

Cílem práce bylo vytvořit Shiny aplikaci v softwaru R, která poslouží jako interaktivní nástroj pro preprocessing, imputaci a analýzu proteomických dat. Nová aplikace proteoME přesně takovým nástrojem je. Po importu datové sady nabízí základní vizualizaci dat, jejich transformaci a normalizaci. Následujícím krokem je agregace na úroveň vzorků, při níž má uživatel k dispozici kromě několika možností postupu také vizualizace usnadňující volbu parametrů. Agregovaná data je také možné filtrovat dle procenta chybějících hodnot na několika úrovních, příp. chybějící hodnoty imputovat jednou z dostupných metod imputace. Samotná analýza takto připravených proteomických dat poskytuje několik možností testování shody distribuce abundancí proteinů mezi jednotlivými skupinami léčby - lze porovnávat libovolný počet takových skupin. Výsledky analýzy ve formě detailní tabulky s širokou paletou možností exportu, řazení řádků i filtrace hodnot se snaží maximálně vyhovět potřebám uživatele, podobně jako hlavní grafický výstup analýzy - volcano plot, který si uživatel taktéž může přizpůsobit dle svých požadavků. V textu je kromě návodu a ukázkového zpracování syntetické datové sady v aplikaci proteoME rozebráno také teoretické pozadí nezbytné pro schopnost pracovat s proteomickými daty, praktickým bonusem je pak kapitola nabízející návod, jak vyvinout Shiny aplikaci ve formě R balíčku - tímto přístupem byla vytvořena také aplikace proteoME.

Abstract:

The aim of this work was to create a Shiny application in R software that serves as an interactive tool for preprocessing, imputation and analysis of proteomics data. The new application proteoME is just such a tool. After importing the dataset, it offers basic data visualization, transformation and normalization. The next step is aggregation to the sample level, where the user is provided with several procedure options in addition to visualizations to facilitate parameter selection. Aggregated data can also be filtered by percentage of missing values at several levels, or missing values can be imputed using one of the available imputation methods. The analysis of proteomics data prepared in this way provides several possibilities for testing the distribution of protein abundances between treatment groups - any number of such groups can be compared. The results of the analysis, in the form of a detailed table with a wide variety of export options, row ordering and filtering of values, try to meet the user's needs as much as possible, as does the main graphical output of the analysis - volcano plot, which can also be customized by the user. In addition to a tutorial and demonstration of synthetic dataset processing in proteoME, the text also discusses the theoretical background necessary for the ability to work with proteomics data, with the practical bonus of a chapter offering instructions on how to develop a Shiny application in the form of an R package - the proteoME application was also developed using this approach.

Keywords

proteomika, software R, Shiny aplikace, golem

Language used: Czech

Date on which the thesis was submitted / produced: 19. 4. 2024

Thesis defence

• Supervisor: doc. RNDr. Eva Fišerová, Ph.D.

Palacký University Olomouc

Faculty of Science

Master programme / field:
Applied Mathematics / Applied Mathematics