Linking Proteomes to Phenotypic Traits

Abstract

Proteins, as the main functional molecules of the cell, play a critical role in shaping phenotypic traits. This thesis investigates the application of proteomics data, obtained via LC-MS/MS, to understand the link be- tween protein expression and resulting phenotypes. Various bioinformatic approaches are discussed, including data preprocessing, normalization tech- niques, and missing value imputation methods, to ensure the reliability and accuracy of downstream analyses. Furthermore, this work describes how one can gain insights into phenotypic traits across species or medical conditions by employing differential expression analysis, evolutionary modeling using the Ornstein-Uhlenbeck process, and machine learning algorithms.

Proteiny, jakožto hlavní aktéři v buněčných procesech, mají zásadní roli ve formování fenotypových znaků. Tato práce zkoumá aplikaci proteomic- kých dat, získaných pomocí LC-MS/MS, pro pochopení vztahů mezi expresí proteinů a výslednými fenotypy. Diskutuje různé bioinformatické postupy, od předzpracování dat po techniky normalizace a metod imputace chybě- jících hodnot, pro zajištění co nejvyšší kvality dat pro následující analýzy. Dále tato práce popisuje, jak lze získat vhled do oněch fenotypových znaků u různých druhů zvířat či patologických stavů za užití analýzy diferenciální exprese, evolučního modelování pomocí Ornstein-Uhlenbeckova procesu nebo algoritmů strojového učení.