Pomocí neuronových sítí s nově navrženou strukturou jsou v diplomové práci nahrazeny nespolehlivé expertní metody pro vkládání regulačních míst do promotorů. Jedná se o první využití umělé inteligence k takové úpravě promotorů. Došlo k vytvoření nově strukturovaných modelů neuronových sítí. Pro vybraný model byl poté na základě výstupů pro testovací data vypracován experiment v laboratoři. Dle návrhu neuronové sítě vzniklo vkládáním regulačních míst do promotorů deset konstruktů. Téměř ve třetině případů bylo dosaženo znatelné regulace. S drobnou úpravou experimentu by však mohlo dojít k validaci další sady konstruktů. Odhadovaný výsledek by pak znamenal úspěšnost regulace u šedesáti procent návrhů.
Anotace v angličtině
Using neural networks with a newly designed structure, the master thesis replaces unreliable expert methods for inserting regulatory sites into promoters. This is the first use of artificial intelligence to modify promoters in this way. Newly structured models of neural networks were created. Based on the outputs of the test data a laboratory experiment was conducted. According to the neural network design, ten constructs were created by inserting a regulatory site into the promoter. Significant regulation has been achieved in almost a third of cases. However, with a slight modification of the experiment, another set of constructs could be validated. The estimated result would then mean the success of regulation on sixty percent of proposals.
Pomocí neuronových sítí s nově navrženou strukturou jsou v diplomové práci nahrazeny nespolehlivé expertní metody pro vkládání regulačních míst do promotorů. Jedná se o první využití umělé inteligence k takové úpravě promotorů. Došlo k vytvoření nově strukturovaných modelů neuronových sítí. Pro vybraný model byl poté na základě výstupů pro testovací data vypracován experiment v laboratoři. Dle návrhu neuronové sítě vzniklo vkládáním regulačních míst do promotorů deset konstruktů. Téměř ve třetině případů bylo dosaženo znatelné regulace. S drobnou úpravou experimentu by však mohlo dojít k validaci další sady konstruktů. Odhadovaný výsledek by pak znamenal úspěšnost regulace u šedesáti procent návrhů.
Anotace v angličtině
Using neural networks with a newly designed structure, the master thesis replaces unreliable expert methods for inserting regulatory sites into promoters. This is the first use of artificial intelligence to modify promoters in this way. Newly structured models of neural networks were created. Based on the outputs of the test data a laboratory experiment was conducted. According to the neural network design, ten constructs were created by inserting a regulatory site into the promoter. Significant regulation has been achieved in almost a third of cases. However, with a slight modification of the experiment, another set of constructs could be validated. The estimated result would then mean the success of regulation on sixty percent of proposals.
1c) Výzkum experimentálních výsledků pro potřebné biochemické prvky.
2) Analýza systému:
2a) Vypracování stochastického a deterministického modelu vybraného přepínače.
2b) Vytvoření instancí daných modelů s využitím relevantních hodnot pro příslušné parametry.
2c) Provedení analýzy systému. Vyhodnocení distribuce v ustáleném stavu, odhad spínacích časů a přibližné oblasti přitažlivosti. Vyvodit závěry týkající se fyzických omezení systému.
2d) Návrh experimentálních designů pro identifikaci modelu a jejich porovnání z hlediska praktické proveditelnosti a účinnosti.
3) Validace experimentů:
3a) Rozdělení daného systému na jednotlivé genové komponenty.
3b) Experimentální identifikace hodnot parametrů pro definované subsystémy použitím standardních experimentálních metod.
3c) Rekonstrukce genetického systému pomocí metod genetické rekombinace.
3d) Zavedení experimentálního návrhu pro automatizaci.
3e) Provedení navržených experimentů pomocí automatizované High Throughput Screening Platform.
3f) Identifikace modelu přepínače pomocí získaných experimentálních dat.
Zásady pro vypracování
1) Výchozí bod:
1a) Prozkoumání modelů a experimentálních výsledků v literatuře týkajících se genetických přepínačů.
1c) Výzkum experimentálních výsledků pro potřebné biochemické prvky.
2) Analýza systému:
2a) Vypracování stochastického a deterministického modelu vybraného přepínače.
2b) Vytvoření instancí daných modelů s využitím relevantních hodnot pro příslušné parametry.
2c) Provedení analýzy systému. Vyhodnocení distribuce v ustáleném stavu, odhad spínacích časů a přibližné oblasti přitažlivosti. Vyvodit závěry týkající se fyzických omezení systému.
2d) Návrh experimentálních designů pro identifikaci modelu a jejich porovnání z hlediska praktické proveditelnosti a účinnosti.
3) Validace experimentů:
3a) Rozdělení daného systému na jednotlivé genové komponenty.
3b) Experimentální identifikace hodnot parametrů pro definované subsystémy použitím standardních experimentálních metod.
3c) Rekonstrukce genetického systému pomocí metod genetické rekombinace.
3d) Zavedení experimentálního návrhu pro automatizaci.
3e) Provedení navržených experimentů pomocí automatizované High Throughput Screening Platform.
3f) Identifikace modelu přepínače pomocí získaných experimentálních dat.
Seznam doporučené literatury
2012, Bistable responses in bacterial genetic networks: Designs and dynamical consequences (https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3095517/)
2000, Construction of a genetic toggle switch in Escherichia coli (https://collinslab.mit.edu/files/gardner2001nature.pdf)
2017, Balancing a genetic toggle switch by real-time feedback control and periodic forcing (https://www.nature.com/articles/s41467-017-01498-0)
Seznam doporučené literatury
2012, Bistable responses in bacterial genetic networks: Designs and dynamical consequences (https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3095517/)
2000, Construction of a genetic toggle switch in Escherichia coli (https://collinslab.mit.edu/files/gardner2001nature.pdf)
2017, Balancing a genetic toggle switch by real-time feedback control and periodic forcing (https://www.nature.com/articles/s41467-017-01498-0)