Zahrnutí alelického dropoutu

Podobné dokumenty
Filozofie validace. Je validace potřebná? Mezinárodní doporučení pro provádění validací ve forenzně genetických laboratořích

nské informatice Prof. RNDr. Jana Zvárová, DrSc. informatiku, nské informatiky Ústav informatiky AV ČR R v.v.i.

1. Definice a historie oboru molekulární medicína. 3. Základní laboratorní techniky v molekulární medicíně

Genetický polymorfismus jako nástroj identifikace osob v kriminalistické a soudnělékařské. doc. RNDr. Ivan Mazura, CSc.

Externí kontrola kvality sekvenačních analýz

Genotypy absolutní frekvence relativní frekvence

Nové technologie v mikrobiologické laboratoři, aneb jak ovlivnit čas k získání klinicky relevantního výsledku

STATISTICKÉ ODHADY Odhady populačních charakteristik

Stanovení nejistot při výpočtu kontaminace zasaženého území

KONTROLA KVALITY VAZBA HLA S CHOROBAMI

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Nové technologie v mikrobiologické diagnostice a jejich přínos pro pacienty v intenzivní péči

KONTROLA KVALITY VAZBA HLA S CHOROBAMI

SPRÁVNÁ INTERPRETACE INDIKÁTORŮ KVALITY MAMOGRAFICKÉHO SCREENINGU. Májek, O., Svobodník, A., Klimeš, D.

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality

Jednofaktorová analýza rozptylu

Příbuznost a inbreeding

Standardizace laboratorních parametrů u mnohočetného myelomu

OR Biomedicínská informatika

Skrytá tvář laboratorních metod? J. Havlasová, Interimun s.r.o.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Obecné zásady interpretace výsledků - mikrobiologie vody

Ing. Alena Šafrová Drášilová


Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Teorie systémů TES 5. Znalostní systémy KMS

KONTROLA KVALITY VAZBA HLA S CHOROBAMI

AKTUÁLNÍ KONTROVERZE A NOVÉ SMĚRY V PREIMPLANTAČNÍM GENETICKÉM TESTOVÁNÍ EMBRYÍ. Mgr. Jakub Horák, Ph.D.

Vzdělávání zdravotních laborantek v oblasti molekulární biologie

PRAKTIKUM Z OBECNÉ GENETIKY

Daniel Beneš Slezská univerzita v Opavě Filozoficko-přírodovědecká fakulta Ústav informatiky

Epidemiologické ukazatele. lních dat. analýza kategoriáln. Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat. a I E

Stochastické modely v procesu identifikace

Testování lidské identity

analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat Epidemiologické ukazatele

Genetická diverzita masného skotu v ČR

Rychlokurz forenzní DNA statistiky Anastassiya Žídková

Příklady z populační genetiky volně žijících živočichů

Diagnostika infekce Chlamydia trachomatis pomocí molekulárně genetické metody real time PCR nejen u pacientek z gynekologických zařízení

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ. magisterský studijní program Inteligentní budovy ELEKTRICKÉ SVĚTLO 1

EKONOMICKÉ ASPEKTY GENETICKÝCH VYŠETŘENÍ. I. Šubrt Společnost lékařské genetiky ČLS JEP

Problematika neúspěšných ukončení vysokoškolského studia (drop-outs) v českém kontextu

1. Téma : Genetika shrnutí Název DUMu : VY_32_INOVACE_29_SPSOA_BIO_1_CHAM 2. Vypracovala : Hana Chamulová 3. Vytvořeno v projektu EU peníze středním

Základní škola národního umělce Petra Bezruče, Frýdek-Místek, tř. T. G. Masaryka 454. Název DUM: Měření fyzikálních veličin

Crossing-over. over. synaptonemální komplex

VÝZNAM NĚKTERÝCH FAKTORŮ PREANALYTICKÉ FÁZE V MOLEKULÁRNÍ BIOLOGII

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ

Ing. Alena Šafrová Drášilová, Ph.D.

Míra přerozdělování příjmů v ČR

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

Písemná zpráva zadavatele

Moderní systémy pro získávání znalostí z informací a dat

Principy zajištění spolehlivosti. Zdenek Kubíček

analýzy dat v oboru Matematická biologie

Biostatistika a e-learning na Lékařské fakultě UK v Hradci Králové

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1

Automatizace v klinické mikrobiologii

Genetika kvantitativních znaků

Toxikologická vyšetření - požadavky a možnosti. Válka I., Zedníková K. Ústav soudního lékařství FN Olomouc

HYGIENA PRÁCE A OCHRANA ZDRAVÍ PŘI PRÁCI

Odkaz na příslušné standardy ISA

Bezpečnost potravin ve vztahu k reziduím léčiv. Analýza reziduí zakázaných látek ve vzorcích živočišného původu

6. Kde v DNA nalézáme rozdíly, zodpovědné za obrovskou diverzitu života?

Resolution, Accuracy, Precision, Trueness

Problematika molekulárněmikrobiologické diagnostiky

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

UZ vyšetření jako měřená veličina v rámci screeningu VVV

HTS Report. d2-r. d2-r. Jan Novák ID Datum administrace Standard 1. Vydání. Hogrefe Testcentrum, Praha

PŘÍSPĚVEK K PLÁNOVÁNÍ ÚDRŽBY ŽELEZNIČNÍCH VOZIDEL CONTRIBUTION TO THE MAINTENANCE PLANNING OF RAIL VEHICLES

Testy dobré shody Máme dvě veličiny, u kterých bychom chtěli prokázat závislost, TESTY DOBRÉ SHODY (angl. goodness-of-fit tests)

Možnosti podpory plošné inventarizace kontaminovaných míst interpretací multi- a hyperspektrálního snímkování Jana Petruchová Lenka Jirásková

"Učení nás bude více bavit aneb moderní výuka oboru lesnictví prostřednictvím ICT ". Základy genetiky, základní pojmy

IV117: Úvod do systémové biologie

Simulační modely. Kdy použít simulaci?

Statistické metody v ekonomii. Ing. Michael Rost, Ph.D.

Microfluidic systems, advantages and applications Monika Kremplová, Mgr.

Vzdělávání v Biomedicínské a Zdravotnické Informatice

Pavel Čermák. Thomayerova nemocnice Praha - Krč výroční zasedání SLM

PŘEZKOUMÁNÍ SYSTÉMU MANAGEMENTU KVALITY V HEMATOLOGICKÉ LABORATOŘI

Vliv věku a příjmu na výhodnost vstupu do důchodového spoření (II. pilíře)

Aplikace DNA profilování na adna

0.1 Úvod do matematické analýzy

CLP ANALYSIS OF MOLECULAR MARKERS DIGITAL IMAGE ANALYSIS OF ELECTROPHOEROGRAMS CZECH VERSION

Cíle korelační studie

Fisher M. & al. (2000): RAPD variation among and within small and large populations of the rare clonal plant Ranunculus reptans (Ranunculaceae).

Mykologická analýza potravin

nastavení real-time PCR cykleru Rotor Gene 3000

Ústav experimentální medicíny AV ČR úspěšně rozšířil přístrojové vybavení pro vědce z peněz evropských fondů

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

KONTROLNÍ SEZNAM PRO SESTAVENÍ ÚLOŽNÉ KRABICE

DYNEX nabízí komplexní řešení v oblasti zpracování a analýzy biologických materiálů pomocí molekulárně biologických metod.

Jana Vránová, 3. lékařská fakulta UK

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

Základy radioterapie

MĚŘENÍ A PŘEDPOVÍDÁNÍ POPTÁVKY TRHU

VacL. Akustická studie. Řešení prostorové akustiky 2 učeben ZŠ Odolena Voda. Květen Zakázka číslo:

Vícerozměrné statistické metody

Novinky v klasifikaci NSCLC, multidisciplinární konsenzus. testování NSCLC

Transkript:

Sémantická interoperabilita v biomedicíně a zdravotnictví Mgr. Dalibor Slovák Oddělení medicínské informatiky a biostatistiky, ÚI AV ČR školitelka: Prof. RNDr. Jana Zvárová, DrSc. Ústav hygieny a epidemiologie, 1. LF UK Mšené-lázně 18. září 2014

Původ nejistoty ve forenzním vyšetřování Lidský faktor chyby způsobené nepozorností, nedbalostí atd. např. kontaminace biologického materiálu, záměna vzorků, chybná interpretace Jevy stochastické povahy náhodnost = při stejném postupu získáme odlišný výsledek např. veškeré laboratorní postupy a měření Chyby způsobené lidským faktorem lze do značné míry eliminovat pečlivou kontrolou, zdvojením postupů a dodržením přísných pravidel. Chyby způsobené stochastickými jevy obvykle nelze zcela odstranit => potřeba standardizovat měření a proces interpretace výsledků.

Dropout alelický = na lokusu není zobrazena reálně přítomná alela nepozorovatelný, lze jej pouze předpokládat jeho přítomnost může výrazně ovlivnit interpretaci výsledků lokusový = na lokusu není zobrazena žádná alela pozorovatelný nepřináší žádnou informaci, snižuje výpovědní hodnotu měření

Zahrnutí dropoutu do výpočtu 1) Stanovení pravděpodobnosti dropoutu 2) Zahrnutí této pravděpodobnosti do výpočtu 3) Problém opakovaných měření

Pravděpodobnost dropoutu Velikost příslušného hrotu na elektroforeogramu (epg) závisí na: množství templátové DNA počtu amplifikačních cyklů konkrétním lokusu násobné přítomnosti alel U směsí navíc závisí na: počtu přispěvatelů do zkoumaného vzorku poměru jednotlivých přispěvatelů (zejména rozlišení majoritního a minoritního přispěvatele)

Pravděpodobnost dropoutu P(D) Stanovení P(D) by mělo v ideálním případě probíhat - individuálně pro každý zkoumaný vzorek - zvlášť pro každý uvažovaný lokus - na každém lokusu zvlášť pro každou alelu, která se nezobrazila na epg Pro stanovení P(D) je třeba uvažovat také velikost hrotu dané alely čím blíže k limitu detekce, tím vyšší pravděpodobnost, že došlo k dropoutu.

Zahrnutí P(D) do výpočtu množství různých modelů výsledek interpretace vzorku může být volbou modelu silně ovlivněn => doporučení ISFG z roku 2012 některé modely kvůli jednoduchosti počítají s dropoutem bez započtení jeho pravděpodobnosti => může vést k významnému nadhodnocení počítaných pravděpodobností a v konečném důsledku tak může být tento postup stejně zavádějící jako samotné nezahrnutí dropoutu.

Opakovaná analýza DNA Při opakované analýze DNA vzniká pro jeden vzorek více replikací, jež se mohou vzájemně lišit. závisí na kvalitě templátové DNA, zda je příprava více replikací vyžadována závisí na kvantitě templátové DNA, zda je příprava více replikací možná Za předpokladu nezávislosti jednotlivých replikací lze hledanou pravděpodobnost společného pozorování dané množiny alel a příslušných replikací faktorizovat do dvou oddělených kroků: 1. vyhodnocení pravděpodobností jednotlivých genotypů 2. vyhodnocení pravděpodobností replikací při předpokládaných genotypech

Vliv opakované analýzy DNA na P(D) Souhlasnost profilu sestaveného ze známých replikací a skutečného profilu roste s počtem replikací. Předpokládejme, že počet replikací je pevně dán, a uvažujme nad P(D) jedné konkrétní alely: - Pokud se tato alela objeví na některém epg, nicméně není nakonec zařazena do sestaveného profilu, její P(D) roste s počtem replikací, v nichž se objevila nad limitem detekce. - Naopak nejnižší P(D) mají alely, jež se neobjevily nad limitem detekce na žádném epg.

Využití genetické analýzy Nejběžnější a nejznámější využití: při identifikaci pachatele zločinu při určení otcovství

Využití genetické analýzy 2. Kvůli právním důsledkům a větší přesnosti soudního rozhodování se objevují požadavky na další genetická vyšetření, např.: prediktivní analýza mutací citlivosti nebo naopak rezistence na určitá farmaka analýza trombofilních mutací u dárkyň zárodečných buněk (kvůli následné nevhodnosti některých typů hormonální antikoncepce) analýza mutací u osob s psychickými poruchami Zvýšená potřeba genetických analýz souvisí také s rozvojem archeogenetiky, genealogie a dalších oborů.

Závěr Rostoucí citlivost metod forenzní analýzy umožňuje vyšetřit stále menší množství biologického materiálu. Důsledkem je rostoucí množství neúplných, kontaminovaných či směsných profilů, v nichž hrají velkou roli stochastické jevy. Dropout je jedním z nejdůležitějších stochastických jevů a jeho zahrnutí/opomenutí při výpočtu může významně ovlivnit výsledek interpretace. U složitějších případů je zahrnutí dropoutu náročnou záležitostí jak z hlediska statistické analýzy, tak z hlediska potřeby interpretace na základě zkušeností forenzního experta. Porozumět problematice dropoutu pomáhá částečně odstranit nejistotu a nepřesnost v interpretaci vzorků v široké škále oborů!

Děkuji za pozornost.