Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Ett sannolikhetsbaserat kvalitetsmått förbättrar klassificeringen av oförväntade sekvenser i in situ sekvensering
Uppsala University, Disciplinary Domain of Science and Technology, Biology, Biology Education Centre.
Uppsala University, Disciplinary Domain of Science and Technology, Biology, Biology Education Centre.
Uppsala University, Disciplinary Domain of Science and Technology, Biology, Biology Education Centre.
Uppsala University, Disciplinary Domain of Science and Technology, Biology, Biology Education Centre.
Show others and affiliations
2014 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
A probability-based quality measure improves the classification of unexpected sequences in in situ sequencing (English)
Abstract [sv]

In situ sekvensering är en metod som kan användas för att lokalisera differentiellt uttryck av mRNA direkt i vävnadssnitt, vilket kan ge viktiga ledtrådar om många sjukdomstillstånd. Idag förloras många av sekvenserna från in situ sekvensering på grund av det kvalitetsmått man använder för att säkerställa att sekvenser är korrekta. Det finns troligtvis möjlighet att förbättra prestandan av den nuvarande base calling-metoden eftersom att metoden är i ett tidigt utvecklingsskede. Vi har genomfört explorativ dataanalys för att undersöka förekomst av systematiska fel och korrigerat för dessa med hjälp av statistiska metoder. Vi har framförallt undersökt tre metoder för att korrigera för systematiska fel:

I) Korrektion av överblödning som sker på grund avöverlappande emissionsspektra mellan fluorescenta prober.

II) En sannolikhetsbaserad tolkningav intensitetsdata som resulterar i ett nytt kvalitetsmått och en alternativ klassificerare baseradpå övervakad inlärning.

III) En utredning om förekomst av cykelberoende effekter, exempelvisofullständig dehybridisering av fluorescenta prober.

Vi föreslår att man gör följande saker:

  • Implementerar och utvärderar det sannolikhetsbaserade kvalitetsmåttet
  • Utvecklar och implementerar den föreslagna klassificeraren
  • Genomför ytterligare experiment för att påvisa eller bestrida förekomst av ofullständigdehybridisering
Abstract [en]

In situ sequencing is a method that can be used to localize differential expression of mRNA directly in tissue sections, something that can give valuable insights to many statest of disease. Today, many of the registered sequences from in situ sequencing are lost due to a conservative quality measure used to filter out incorrect sequencing reads. There is room for improvement in the performance of the current method for base calling since the technology is in an early stage of development. We have performed exploratory data analysis to investigate occurrence of systematic errors, and corrected for these by using various statistical methods. The primary methods that have been investigated are the following:

I) Correction of emission spectra overlap resulting in spillover between channels.

II) A probability-based interpretation of intensity data, resulting in a novel quality measure and an alternative classifier based on supervised learning.

III) Analysis of occurrence of cycle dependent effects, e.g. incomplete dehybridization of fluorescent probes.

We suggest the following:

  • Implementation and evaluation of the probability-based quality measure
  • Development and implementation of the proposed classifier
  • Additional experiments to investigate the possible occurrence of incomplete dehybridization
Place, publisher, year, edition, pages
2014. , 19 p.
Keyword [en]
fluorescence in situ sequencing, quality assurance, image analysis, signal processing, bioinformatics, molecular inversion probe, padlock probe
Keyword [sv]
in situ sekvensering, kvalitetskontroll, bildanalys, signalbehandling, bioinformatik, padlock probe, molekylär inversionsprob
National Category
Bioinformatics and Systems Biology Bioinformatics (Computational Biology) Diagnostic Biotechnology Medical Image Processing Bioengineering Equipment Signal Processing
Identifiers
URN: urn:nbn:se:uu:diva-225999OAI: oai:DiVA.org:uu-225999DiVA: diva2:723316
External cooperation
Science for Life Laboratory; Centrum för Bildanalys (Uppsala Universitet)
Educational program
Molecular Biotechnology Engineering Programme
Supervisors
Examiners
Available from: 2014-06-12 Created: 2014-06-10 Last updated: 2014-06-12Bibliographically approved

Open Access in DiVA

Ett_sannolikhetsbaserat_kvalitetsmått_förbättrar_klassificeringen_av_oförväntade_sekvenser_i_in_situ_sekvensering(2221 kB)264 downloads
File information
File name FULLTEXT01.pdfFile size 2221 kBChecksum SHA-512
851533af76e2ee3a4b2daea00b3d64a28f50d61928dbd6b8cb46975e912ecf704e87f9c987e1f4ffdcf115887c538e4022a3e17897c7c8f02895cfb405b2f948
Type fulltextMimetype application/pdf

By organisation
Biology Education Centre
Bioinformatics and Systems BiologyBioinformatics (Computational Biology)Diagnostic BiotechnologyMedical Image ProcessingBioengineering EquipmentSignal Processing

Search outside of DiVA

GoogleGoogle Scholar
Total: 264 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 1277 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf