Data analysis tools and methods for DNA microarray and high-throughput sequencing data

The recent rapid development of biotechnological approaches has enabled the production of large whole genome level biological data sets. In order to handle thesedata sets, reliable and efficient automated tools and methods for data processingand result interpretation are required. Bioinformatics, as the field of studying andprocessing biological data, tries to answer this need by combining methods and approaches across computer science, statistics, mathematics and engineering to studyand process biological data. The need is also increasing for tools that can be used by the biological researchers themselves who may not have a strong statistical or computational background, which requires creating tools and pipelines with intuitive user interfaces, robust analysis workflows and strong emphasis on result reportingand visualization. Within this thesis, several data analysis tools and methods have been developed for analyzing high-throughput biological data sets. These approaches, coveringseveral aspects of high-throughput data analysis, are specifically aimed for gene expression and genotyping data although in principle they are suitable for analyzing other data types as well. Coherent handling of the data across the various data analysis steps is highly important in order to ensure robust and reliable results. Thus,robust data analysis workflows are also described, putting the developed tools andmethods into a wider context. The choice of the correct analysis method may also depend on the properties of the specific data setandthereforeguidelinesforchoosing an optimal method are given. The data analysis tools, methods and workflows developed within this thesis have been applied to several research studies, of which two representative examplesare included in the thesis. The first study focuses on spermatogenesis in murinetestis and the second one examines cell lineage specification in mouse embryonicstem cells.

Comparison of five popular normalization methods using a spike-in proteomics data set

Mass spectrometry (MS)-based proteomics has seen significant technical advances during the past two decades and mass spectrometry has become a central tool in many biosciences. Despite the popularity of MS-based methods, the handling of the systematic non-biological variation in the data remains a common problem. This biasing variation can result from several sources ranging from sample handling to differences caused by the instrumentation. Normalization is the procedure which aims to account for this biasing variation and make samples comparable. Many normalization methods commonly used in proteomics have been adapted from the DNA-microarray world. Studies comparing normalization methods with proteomics data sets using some variability measures exist. However, a more thorough comparison looking at the quantitative and qualitative differences of the performance of the different normalization methods and at their ability in preserving the true differential expression signal of proteins, is lacking. In this thesis, several popular and widely used normalization methods (the Linear regression normalization, Local regression normalization, Variance stabilizing normalization, Quantile-normalization, Median central tendency normalization and also variants of some of the forementioned methods), representing different strategies in normalization are being compared and evaluated with a benchmark spike-in proteomics data set. The normalization methods are evaluated in several ways. The performance of the normalization methods is evaluated qualitatively and quantitatively on a global scale and in pairwise comparisons of sample groups. In addition, it is investigated, whether performing the normalization globally on the whole data or pairwise for the comparison pairs examined, affects the performance of the normalization method in normalizing the data and preserving the true differential expression signal. In this thesis, both major and minor differences in the performance of the different normalization methods were found. Also, the way in which the normalization was performed (global normalization of the whole data or pairwise normalization of the comparison pair) affected the performance of some of the methods in pairwise comparisons. Differences among variants of the same methods were also observed.

Detection of bovine foetal DNA from amniotic fluid using the polymerase chain reaction

Selostus: Sikiön DNA:n tunnistaminen naudan sikiövedestä polymeraasiketjureaktion avulla

DNA ja koulukirjat vielä kerran

Kirjoitus on lisäys professorien Olli Halkan ja Veikko Sorsan artikkeleihin TT -lehdessä 2 ja 3/2004.

Siihen aikaan kun DNA lukion biologian kirjoihin tuli

Vastine Olli Halkan kirjoitukseen TT -lehdessä 2/2004

DNA ja Helsingin geneetikot

Vastine TT -lehden numerossa 8/2003 olleeseen Jani Rydmanin kommenttiin Pekkan Nuortevan Luonnon tutkijassa olleeseen artikkeliin

DNA:n eristysmenetelmien vertailu elintarvikenäytteille erilaisilla näytematriiseilla

Tämä opinnäytetyö tehtiin Tullilaboratorion Biokemian jaoston GMO-työryhmälle, joka valvoo elintarvikenäytteissä esiintyviä geneettisiä muunnoksia. Työn tarkoituksena oli ver-tailla DNA:n eristysmenetelmiä erilaisilla näytematriiseilla. Kaikki näytteet olivat Tullilabo-ratorion valvontaan kuuluvia elintarvikenäytteitä, joista osa oli pitkälle prosessoituja elin-tarvikkeita ja osa sisälsi suuria määriä rasvaa ja proteiinia. Jokaiselle näytetyypille pyrittiin löytämään sopivin menetelmä, jolla saadaan hyvälaatuista ja monistuskelpoista DNA:ta. Eristetyn DNA:n pitoisuus, menetelmän kustannukset, työturvallisuus, analyysin käytetty aika ja kontaminaatioriskit olivat myös valintakriteerejä. Kolmea erilaista menetelmää ver-rattiin laboratoriossa rutiinikäytössä olevaan eristysmenetelmään. Näytteet käsiteltiin kolmessa sarjassa: ensimmäinen sisälsi riisinäytteitä, toinen maissi-näytteitä ja kolmas soijaa sisältäviä elintarvikkeita. Jokaisesta näytteestä tehtiin rinnak-kaispunnitus tulosten luotettavuuden varmistamiseksi. Kaikki näytesarjat eristettiin valituil-la kolmella menetelmällä. Eristetyt DNA-näytteet analysoitiin kvantitatiivisella reaaliaikai-sella PCR:llä, jotta voitiin varmistua, että näytteestä saatiin eristettyä halutun organismin DNA. Jokaiselle näytetyypille löydettiin parhaiten soveltuva menetelmä. Kahdella valituista me-netelmistä saatiin parhaat tulokset jokaisen näytematriisin kohdalla. Myös näytteistä, joista ei saatu eristettyä referenssi-DNA:ta rutiinikäytössä olevalla menetelmällä, onnistuttiin eristämään haluttua DNA:ta yhdellä menetelmistä. Kokeilu onnistui hyvin ja tuloksia voi-daan hyödyntää valittaessa valvontanäytteille sopivia eristysmenetelmiä.