Vývoj komponent pro zpracování a vizualizaci proteomických dat v prostředí KNIME

Abstract

Proteomika je věda, která se zabývá studiem struktur a funkcí proteinů. Proces zpracování proteomickýh dat obsahuje několik sekvenčních kroků, od transformace dat a jejich normalizace až po statistické vyhodnocení dat. Nedílnou součástí zpracování proteomických dat je i jejich vizualizace, která je klíčová např. v kontrole kvality vstupních dat i zhodnocení výstupů statistického vyhodnocení. Ve Výzkumné skupině Zbyňka Zdráhala používají pro reprodukovatelné zpracování proteomických dat softwarový kontejner s aplikací KNIME. V rámci bakalářské práce byl proveden průzkum požadavků na vývoj nových komponent pro aplikaci KNIME. Z navržených komponent byl vybrán pro implementaci interaktivní Volcano plot. Pro implementaci byl použit programovací jazyk Python s knihovnou Dash. Vytvořenou aplikaci je možné spustit samostatně nebo jako komponentu v prostředí KNIME pro práci s daty v tomto prostředí. Interaktivní aplikace Volcano plot usnadňuje identifikaci a filtrování dat v grafu.

Proteomics investigates the structure and function of proteins. The proteomic data processing involves several sequential steps, from data transformation and normalization to statistical data evaluation. An integral part of processing proteomic data is also their visualization, which is key for example in the control of input data quality and assessment of statistical evaluation outputs. In the Zbyněk Zdráhal Research Group, a software container is used with KNIME application for reproducible processing of proteomic data. As a part of the bachelor’s thesis, a request survey for new components for KNIME application was carried out. An interactive Volcano plot was chosen for implementation from the proposed components. Python programming language using Dash library was used for implementation. The application can be run independently or as a component of the KNIME environment for working with data from KNIME workflows. The interactive Volcano plot application makes it easy to identify and filter proteomic data.