Webová aplikace pro detekci somatických bodových variant u pacientů s leukémii

Abstract

Diplomová práce zkoumá RNA sekvence izolovaných leukocytů u pacientů s leukémií v genu kinázové domény fúzního genu BCR::ABL1. Zkoumá hlavně chronickou myeloidní leukémii a PH pozitivní akutní lymfoblastickou leukémii způsobenou filadelfským chromozomem. Včasné objevení leukémie vede k větší šanci na úspěšnou léčbu a prodlužuje přežití pacientů s tímto onemocněním. Dále se zabývá studiem základních znalostí nutných k pochopení práce, a pokračuje návrhem a implementací webové aplikace, která analyzuje data pacientů s leukémií, a to jak po teoretické, tak i praktické stránce. Výsledná aplikace byla vytvořena pomocí webových technologií HTML, CSS, Javascriptu a programovacího jazyku Python, který vytvořil RESTové API pro výpočetní vrstvu aplikace. Bylo zjištěno, že mutace na některých pozicích genu jsou při tomto druhu onemocnění častější, a proto výpočet prahových hodnot probíhá na základě normalizace dat a následné kontrole pozic zdravých dárců oproti nemocným. Tato kontrola používá Poissonovo rozdělení pro detekci málo častých jevů a následně kvantifikuje tato data. Dále probíhá analýza, která zkoumá, na jaké pozici mohly vzniknout mutace či záměny aminokyselin a tyto pozice označí. Aplikaci se podařilo v plné míře implementovat, a hlavně zjednodušit její nasazení na všechny platformy.

The thesis investigates RNA sequences of isolated leukocytes from leukemia patients in the kinase domain gene of the BCR::ABL1 fusion gene. It mainly investigates chronic myeloid leukemia and PH positive acute lymphoblastic leukemia caused by Philadelphia chromosome. Early detection of leukaemia leads to a better chance of successful treatment and prolongs survival rate of patients with this type of disease. Thesis also discusses the knowledge base required to understand the work, and continues with the design and implementation of a web application that analyzes data from leukemia patients, both theoretically and practically. The final application was created using web technologies HTML, CSS, Javascript and the Python programming language to create a REST API for the application's processing layer. It was found that mutations at certain positions of the gene are more common in this type of disease, and therefore thresholds were calculated by normalizing the data and then checks the positions of the healthy donors against the diseased ones. This check uses a Poisson distribution to detect rare occurrences and then quantifies the data. Furthermore, an analysis is performed to examine at which position mutations or amino acid substitutions may have occurred and mark these positions. The application has been fully implemented and more importantly, simplified for deployment on all platforms.