Technical aspects of telomere length predictions from human sequencing data

Bc. Jan Petkov

Bakalářská práce

Anotace:

Telomery jsou repetitivní oblasti nacházející se na koncích chromozomů a hrají důležitou roli ve stabilitě genomu, buněčném stárnutí a procesech spojených s onemocněními. Navzdory jejich biologickému významu zůstává analýza telomer technicky náročná, protože tyto oblasti jsou vysoce repetitivní a je často obtížné je přesně sekvenovat, provádět jejich basecalling (stanovení bází) a přesně je zarovnávat. Tato bakalářská práce se zaměřuje na analýzu telomerických oblastí s využitím dat z sekvenování s dlouhým čtením Oxford Nanopore a kompletních referenčních genomů typu telomera-k-telomeře. Práce hodnotí, jak různé přístupy k basecallingu a zarovnávání ovlivňují detekci telomerických čtení, jejich přiřazení ke koncům chromozomů a odhad délky telomer na různých úrovních rozlišení. Zvláštní pozornost je věnována vlivu délky čtení, struktury reference a složení repetitivních sekvencí na přesnost a stabilitu výsledků. Výsledky ukazují, že delší čtení a přesnější basecalling zlepšují analýzu telomerických oblastí, zatímco vysoce podobné oblasti na koncích chromozomů zůstávají obtížně rozlišitelné i s využitím moderních referenčních sestav. Srovnání vybraných nástrojů také ukazuje, že se různé přístupy liší svou citlivostí a rozlišením hranic, což ovlivňuje interpretaci odhadů délky telomer. Celkově tato bakalářská práce poukazuje na hlavní technické faktory, které ovlivňují profilování telomer z dat sekvenování s dlouhým čtením, a ukazuje, že vysoce kvalitní sekvenování a vhodné analytické nástroje jsou klíčové, zatímco samotné kompletní referenční genomy plně neřeší nejednoznačnosti způsobené vysoce podobnými oblastmi na koncích chromozomů.

Abstract:

Telomeres are repetitive regions located at the ends of chromosomes and play an important role in genome stability, cellular aging, and disease-related processes. Despite their biological relevance, telomere analysis remains technically challenging because these regions are highly repetitive and are often difficult to sequence, basecall, and align accurately. This thesis focuses on the analysis of telomeric regions using Oxford Nanopore long-read sequencing data and complete telomere-to-telomere reference assemblies. The work evaluates how different basecalling and alignment approaches influence the detection of telomeric reads, their assignment to chromosome ends, and the estimation of telomere length at different levels of resolution. Particular attention is given to the effects of read length, reference structure, and repetitive sequence composition on the accuracy and stability of the results. The results show that longer reads and more accurate basecalling improve the analysis of telomeric regions, while highly similar chromosome-end regions remain difficult to resolve even with modern reference assemblies. The comparison of selected tools also demonstrates that different approaches vary in their sensitivity and boundary resolution, which affects the interpretation of telomere length estimates. Overall, this thesis highlights the main technical factors that influence telomere profiling from long-read sequencing data and shows that high-quality sequencing and appropriate analysis tools are essential, while complete reference assemblies alone do not fully resolve ambiguities caused by highly similar chromosome-end regions.

Keywords

telomeres, nanopore sequencing, basecalling, read alignment, bioinformatics

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 21. 5. 2026

Obhajoba závěrečné práce

• Obhajoba proběhla 23. 6. 2026
• Vedoucí: Mgr. Monika Čechová, Ph.D.
• Oponent: RNDr. Samuel Pastva, Ph.D.

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Informatika