Search

This e-learning educational textbook is dedicated to analysis of data from genomic and proteomic high-throughput experiments, such as microarrays, MASS spectrometry, 2-D gel eletrophoresis and DNA sequencing.The book discuss all the important analytical steps from pre-processing through differential gene(protein)-expression to pathways and meta-analysis of multiple experiments. Interactive examples in R and lectures in video format are provided. This educational material contains contributions of different experts in the field from all over the Europe. The content in this e-learning material will be up-dated and extended so that it reflects the latest knowledge in this field.

At a time when we are surrounded by the everyday use of communication and information technologies very closely linked to the Internet, it is challenging to discern the accuracy, truthfulness and objectivity of the information presented and published. This book and its chapters aim to provide an overview of selected projects and activities across the academic and governmental domains focused on data processing and visualisation. It is crucial to recognise that, given the volume of data of varying quality that we now have at our disposal, we need to focus much more on understanding, identifying, and distributing correct information and inferences directly from the data. This is the main reason why this book was written. The individual case studies focus on examples of both good and bad practices, drawing on experiences from real-life projects. Data should always serve as a basis for decision-making processes and mechanisms, but only if they are correctly processed, understood, and, above all, interpreted. There are various ways to present results over descriptive statistics and data analysis, from summary tables to static graphs to interactive web visualisations. It is only possible to say which type and presentation format is best with additional information (such as the target audience or primary purpose of use). The selected chapters in this book highlight the complete lifecycle of understanding, processing, visualising and validating data so that all of the critical components of this process are remembered.

Data mining (DM; dolování z dat nebo vytěžování dat) je široce používanou metodikou pro práci s rozsáhlými datovými soubory, často však provázenou nepochopením nebo s přehnaným očekáváním. Výjimkou není ani klinický výzkum pracující s rozsáhlými a heterogenními soubory dat. DM obecně využívá metod, které jsou dostupné i v běžných statistických nástrojích, nicméně nabízí jednotlivé postupy v souvislostech a vazbách, které ve formě standardizované komplexní metodiky pokrývají všechny fáze zpracování dat od sběru až po interpretaci. Ve skutečnosti jde tedy o metodický koncept zahrnující velkou šíři metod a způsobů práce. Celý systém je podřízen jedinému cíli, nalézt v datech zajímavé, netriviálně skryté, ale potenciálně užitečné informace. Hovoříme-li o dolování z dat, máme tedy na mysli spíše než speciální statistické metody jejich tvůrčí skloubení. Tato koncepce byla využita i při přípravě výukového kurzu „Zavedení technologie data miningu a analýzy dat genových expresních map do výuky“ dostupného v rámci e-learningového portálu Lékařské fakulty Masarykovy univerzity