LEBÓ, M. Přímá klasifikace metagenomických signálů ze sekvenace nanopórem [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Student Marko Lebó se zabývá velmi aktuální tématikou přímého zpracování dat ze sekvenace nanopórem ve formě nativního proudového signálu, a to pro účely klasifikace metagenomických dat. Literární rešerše, ve které student pojednává o různých přístupech ke klasifikaci a o sekvenaci DNA, je přehledně zpracována a je podložena velkým množstvím kvalitních referencí. V rámci praktické části pak student navrhl vlastní unikátní metodu založenou na využití Poincarého map aplikovaných přímo na proudové signály ze sekvenátoru Oxford Nanopore MinION, tzv. squiggles. Tuto metodu otestoval na vhodně zvoleném datasetu a porovnal ji s jednou standardně používanou metodou. Zadání práce tedy považuji za splněné. Na druhou stranu je toto testování a srovnání metody na poměry diplomové práce poměrně krátké a mělo by být doplněno o další shlukovací algoritmy a další standardně používané nástroje. Tato nedopracovanost diplomové práce ovšem nepramení z nízké aktivity studenta během semestru, která byla příkladná, ale spíše z dlouho trvajícího návrhu samotné metody, při kterém se student potýkal s mnoha problémy. I po formální stránce je práce na dobré úrovni a obsahuje pouze drobné nedostatky v podobě odkazů na reference umístěných na začátku řádku, dvou nepřeložených slov v obr 5, či odkazu na obr 8, který je v textu odkazován jako obr 1. Dobrou práci s literaturou pak kazí nejednotný citační formát, který se ovšem týká jen tří referencí: 3, 4 a 6. Přes uvedené výtky musím podotknout, že navržená metoda je zcela unikátní a přináší důležité původní výsledky na poli metagenomiky a číslicového zpracování genomických signálů.
Student Marko Lebó se v diplomové práci zabýval aplikací Poincarého map na klasifikaci metagenomických dat osekvenovaných metodou Oxford Nanopore, jež je v současné době objektem zájmu v genetice a nabízí se prostor pro uplatnění nových metod. Práce má 40 stran psaných na odborné úrovni s logickým členěním. Vše, co mělo být v teoretické části popsáno, bylo detailně rozebráno s využitím množství recenzované literatury (55 zdrojů). Student prokázal orientaci v tématu. Z formální stránky chybí vložené zadání v elektronické verzi práce a některé obrázky by snesly vyšší rozlišení bez komprese. Navržená metoda klasifikace odvozená z Poincarého map je zajímavá a má publikační potenciál. Student extrahoval 3 příznaky ze sekvenačních metagenomických čtení a srovnal výsledky shlukovacích algoritmů k-means a DBSCAN pro tuto klasifikaci. Chválím použití datasetu publikovaného ve vědecké literatuře. Student kvalitně diskutoval dosažené výsledky algoritmu, které byly do jisté míry srovnatelné s již používaným softwarem VizBin. Škoda jen, že algoritmus není dotažen do uživatelské podoby v podobě funkce či CLI aplikace poskytující požadovaný výstup (FASTQ soubor). Bod zadání 4 je tak jen částečně splněn, zadání celkově považuji za splněné a práci za přínosnou k tématu. Práci hodnotím stupněm B (89 b.)
eVSKP id 118340