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.

Suomalaisten yliopistojen life science-alan spin-off-yritysten rahoitustilanne, -lähteet ja –riskit

Life science-ala on rahoituksellisesti erittäin haastava, koska tuotekehitysputket ovat 10-15 vuoden pituisia ja voivat vaatia suuria etupainotteisia investointeja. Monet life science-alan yritykset ovat niin Suomessa kuin kansainvälisestikin syntyneet suoraan yliopistosta niin sanottuina spin-off-yrityksinä. Yrityksen perustaminen tutkimustiedon pohjalle on yksi akateemisen yrittäjyyden muodoista. Tässä tutkimuksessa tutkitaan akateemista yrittäjyyttä life science-alalla Suomessa. Suomessa life science-alan osaaminen on kansainvälistä huippua ja alalle on syntynyt useita spin-off-yrityksiä viime vuosina. Aiemmat tutkimukset ovat keskittyneet erityisesti agentti-päämiesongelmiin akateemisessa yrittäjyydessä ja life science alaa puolestaan on käsitelty usein pelkästään yhtenä alana. Tutkimuksessa pyritään analysoimaan life science-alan eri painopiste-alueita tarkemmin rahoitusstrategisesta näkökulmasta, koska ala ei ole homogeeninen. Akateemisen yrittäjyyden agenttiongelmaa pyritään tarkoittamaan Suomen yliopistomaailmassa life science-alalta käsin. Tutkimus toteutetaan kvalitatiivisena haastattelututkimuksena ja sitä tukevana tilinpäätöstietojen analysointina. Tutkimuksen tulokset vahvistavat agentti-päämiesongelmien olemassaolon suomalaisessa yliopistomaailmassa. Ongelmien osapuolina ovat niin akateemikot, yliopiston innovaatiopalvelut kuin TEKES:kin. Yrittäjät kaipaavat kokonaisvaltaisempaa apua, koska kokevat alalla liiketoimintaosaamisen puuttuvan monin paikoin. Alan vaatimien runsaiden tuotekehityspanostusten vuoksi alan yritykset ovat pitkään raskaasti tappiollisia. Yritysten valitsemat rahoitusratkaisut vaihtelevat suuresti. Kaikki tutkitut yritykset pyrkivät kasvamaan nykyisten ydintuotteidensa mukana ja ovat jo jossain määrin hankkineet rahoitusta kasvustrategiaansa varten. Alan pääomaintensiivisyydestä johtuen ovat monet yritykset kuitenkin suunnittelemassa tai jo päätyneet tekemään yhteistyötä integroituen alalla joko vertikaalisesti tai horisontaalisesti. Tutkimuksen tulokset vahvistavat aiemman käsityksen, jonka mukaan life science-alan yrityksiä on vaikea arvioida ulkopuolelta pelkästään tilinpäätöstietojen pohjalta, koska alkuvaiheessa rahoituskierrokset ja tappiolliset vuoden seuraavat toisiaan ja toisaalta yrityksen arvo sitoutuu pitkiin tuotekehitysputkiin, jotka eivät välttämättä näy tilinpäätöksessä. Tulokset tuovat esille merkittäviä yritysten kokemia ongelmia rahoituksen saannissa life science-alalla Suomessa sekä akateemisen yrittäjyyden epäkohtia yritystoiminnan näkökulmasta. Näiden tekijöiden huomioonottaminen ja laajempi kansainvälinen vertailu voivat auttaa suomalaisia yrityksiä tällä vahvalla osaamisalalla eteenpäin.

AutoFACT: An Automatic Functional Annotation and Classification Tool

Affiliation: Centre Robert-Cedergren de l'Université de Montréal en bio-informatique et génomique & Département de biochimie, Université de Montréal

Comparaison des méthodes d'analyse de l'expression différentielle basée sur la dépendance des niveaux d'expression

La technologie des microarrays demeure à ce jour un outil important pour la mesure de l'expression génique. Au-delà de la technologie elle-même, l'analyse des données provenant des microarrays constitue un problème statistique complexe, ce qui explique la myriade de méthodes proposées pour le pré-traitement et en particulier, l'analyse de l'expression différentielle. Toutefois, l'absence de données de calibration ou de méthodologie de comparaison appropriée a empêché l'émergence d'un consensus quant aux méthodes d'analyse optimales. En conséquence, la décision de l'analyste de choisir telle méthode plutôt qu'une autre se fera la plupart du temps de façon subjective, en se basant par exemple sur la facilité d'utilisation, l'accès au logiciel ou la popularité. Ce mémoire présente une approche nouvelle au problème de la comparaison des méthodes d'analyse de l'expression différentielle. Plus de 800 pipelines d'analyse sont appliqués à plus d'une centaine d'expériences sur deux plateformes Affymetrix différentes. La performance de chacun des pipelines est évaluée en calculant le niveau moyen de co-régulation par l'entremise de scores d'enrichissements pour différentes collections de signatures moléculaires. L'approche comparative proposée repose donc sur un ensemble varié de données biologiques pertinentes, ne confond pas la reproductibilité avec l'exactitude et peut facilement être appliquée à de nouvelles méthodes. Parmi les méthodes testées, la supériorité de la sommarisation FARMS et de la statistique de l'expression différentielle TREAT est sans équivoque. De plus, les résultats obtenus quant à la statistique d'expression différentielle corroborent les conclusions d'autres études récentes à propos de l'importance de prendre en compte la grandeur du changement en plus de sa significativité statistique.

A robust algorithm for segmenting fluorescence images and its application to single-molecule counting

La microscopie par fluorescence de cellules vivantes produit de grandes quantités de données. Ces données sont composées d’une grande diversité au niveau de la forme des objets d’intérêts et possèdent un ratio signaux/bruit très bas. Pour concevoir un pipeline d’algorithmes efficaces en traitement d’image de microscopie par fluorescence, il est important d’avoir une segmentation robuste et fiable étant donné que celle-ci constitue l’étape initiale du traitement d’image. Dans ce mémoire, je présente MinSeg, un algorithme de segmentation d’image de microscopie par fluorescence qui fait peu d’assomptions sur l’image et utilise des propriétés statistiques pour distinguer le signal par rapport au bruit. MinSeg ne fait pas d’assomption sur la taille ou la forme des objets contenus dans l’image. Par ce fait, il est donc applicable sur une grande variété d’images. Je présente aussi une suite d’algorithmes pour la quantification de petits complexes dans des expériences de microscopie par fluorescence de molécules simples utilisant l’algorithme de segmentation MinSeg. Cette suite d’algorithmes a été utilisée pour la quantification d’une protéine nommée CENP-A qui est une variante de l’histone H3. Par cette technique, nous avons trouvé que CENP-A est principalement présente sous forme de dimère.

Analyse géographique des investissements internationaux de la China National Petroleum Corporation

Ce mémoire propose une analyse de l’expansion internationale de la China National Petroleum Corporation (CNPC) et des impacts de cette expansion sur la sécurité énergétique de la Chine. Dans le cadre de cette recherche, l’approvisionnement énergétique d’un pays est jugé sécuritaire lorsqu’une quantité suffisante de ressources nécessaires pour combler sa demande en énergie sont présentes, disponibles et accessibles et que son approvisionnement en services énergétiques demeure fiable et abordable. La recherche comporte quatre volets. Le premier volet porte sur les étapes de la restructuration de l’industrie pétrolière chinoise depuis 1949. Celle-ci est analysée au travers des changements dans les modes de gestion des compagnies pétrolières nationales et dans leurs relations avec le gouvernement chinois. Le deuxième volet traite de la diversification et des nouvelles spécialisations de CNPC. Ces aspects sont étudiés dans le cadre d’une analyse du pourcentage de ses actifs dans chaque segment industriel (aval, intermédiaire et amont) obtenus grâce à ses rapports annuels. Le troisième volet aborde la répartition géographique des activités de la compagnie que l’on étudie à l’aide d’une analyse approfondie de près de 150 investissements, acquisitions et contrats réalisés à l’étranger entre 1992 et 2014. Le quatrième volet aborde les impacts des investissements à l’étranger de la compagnie sur la sécurité énergétique de la Chine. Ces impacts sont mesurés par l’entremise d’une analyse des flux pétroliers internationaux vers la Chine que l’on compare à la production de CNPC par pays. Ce mémoire permet de déterminer que l’expansion internationale de CNPC sert d’abord et avant tout les intérêts économiques de la compagnie. Ce sont surtout ses investissements dans la construction d’infrastructures de transport (oléoducs, gazoducs ainsi que les usines et terminaux de liquéfaction de gaz naturel liquéfié) qui apportent des bénéfices directs à la sécurité énergétique de la Chine. La contribution des investissements dans les autres secteurs est beaucoup moins systématique et dépend largement de la période au cours de laquelle ils ont été effectués.

Revisión y análisis de la estructura de costos del transporte terrestre de crudo en Colombia - Pacific Rubiales Energy 2012

Se espera que la producción de petróleo en Colombia supere para 2015 el millón de barriles por día. Sin embargo, a 2012, tres años antes de lo esperado, nos acercamos a la meta produciendo cerca de 900kbpd. Este progresivo crecimiento indica que es urgente fortalecer la infraestructura de transporte para crudo en el país, apoyándose en alternativas secundarias como el transporte de crudo por carrotanque para alivianar el sistema, siendo esta modalidad una “válvula de escape” para las petroleras. Consientes de los retos que esto implica, es necesario encontrar una estructura de costos óptima que permita fijar fletes razonables y competitivos en el mercado de transporte de crudo, sabiendo que un flete de estas características f ideliza y alinea a los proveedores (en este caso las empresas transportadoras prestadoras del servicio), a buscar el mismo objetivo: crecimiento. De esta forma Pacific Rubiales, la segunda petrolera con mayor presencia en el país podrá abrazar su operación, estableciendo no solo una sólida estrategia de evacuación del crudo por los oleoductos, sino a su vez un sistema efectivo de transporte por tierra, donde todos los involucrados en la cadena de valor se encuentren altamente fidelizados y satisfechos con las condiciones de operación que brinde la empresa; Traduciéndolo en pocas palabras, a un esquema con una operación segura, confiable, rentable y donde todos ganan. Es importante resaltar que la estructura actual para la definición de fletes, planteada por el gobierno a través del Software Sice, no se ajusta a la operación de petroleras como Pacific Rubiales, debido a las mismas características de la operación (ubicación de campos) y, a variables fijas en el sistema de información como: el real consumo y rendimiento del combustible en las rutas establecidas y, los costos de mantenimiento.

Uso del gas como recurso estratégico en la política exterior rusa. Análisis de caso Ucrania periodo 2000-2010

Estudio de caso que busca evaluar el uso del gas natural dentro de la política exterior rusa como recurso estratégico en las relaciones con Ucrania. Se describe y analiza cómo la importancia geoestratégica de Ucrania genera una percepción de seguridad y relevancia económica en Rusia, por esta razón la Federación utiliza el gas natural como mecanismo de presión frente al Estado ucraniano para satisfacer sus intereses nacionales en función de los elementos mencionados anteriormente.Todo lo anterior a través de la Teoría del Heartland desarrollada por Halford Mackinder y El Concepto de Área Pivote de Zbigniew Brzezinski para determinar cómo se genera la importancia del Estado ucraniano frente a Rusia

Análisis de la política exterior norteamericana hacia Turquía, en materia de seguridad, y su influencia en el Kurdistán. Periodo 2003-2009

Este estudio tiene como objetivo analizar los elementos que articulan la Política Exterior de los Estados Unidos hacia Turquía, en materia de seguridad, y su influencia en el Kurdistán, ya que en el periodo 2003-2009 se presentaron acontecimientos que marcaron la vida política, económica, militar y social de la región del Medio Oriente, caracterizado por la presencia de los Estados Unidos. Esta investigación se desarrollara de acuerdo con el modelo de monografía, para dar un análisis teórico sobre el tema delimitado anteriormente. Se espera que el presente estudio sirva para que el lector comprenda las diferentes actuaciones de los Estados Unidos en el escenario internacional, para la consecución de sus intereses y que tenga un acercamiento en las diferentes relaciones entre los Estados para entender mejor los acontecimientos que se presentaron en el periodo a analizar.

Should Europe be fracking? CEPS Commentary, 5 October 2012

Underlining the fact that shale gas, like all natural resources, can only be used once, Daniel Gros observes in this CEPS Commentary that the real issue is not whether this resource should be developed in Europe, but when it should be used: today or tomorrow? Europe is already a heavy user of gas, but its consumption is stagnating (along with its economy). Despite the hype about the shale gas revolution, the extraction cost of (onshore) conventional gas remains below that of fracking. And lots of pipelines have already been built so that the marginal cost of bringing this ‘conventional’ gas to Europe is thus rather low. Thus, from an economic and environmental point of view, Gros argues that fracking is unlikely to bring large benefits for Europe and that shale gas might just substitute for conventional gas, which is plentiful.

Eukaryotic expression: developments for structural proteomics

The production of sufficient quantities of protein is an essential prelude to a structure determination, but for many viral and human proteins this cannot be achieved using prokaryotic expression systems. Groups in the Structural Proteomics In Europe ( SPINE) consortium have developed and implemented high- throughput ( HTP) methodologies for cloning, expression screening and protein production in eukaryotic systems. Studies focused on three systems: yeast ( Pichia pastoris and Saccharomyces cerevisiae), baculovirusinfected insect cells and transient expression in mammalian cells. Suitable vectors for HTP cloning are described and results from their use in expression screening and protein-production pipelines are reported. Strategies for coexpression, selenomethionine labelling ( in all three eukaryotic systems) and control of glycosylation ( for secreted proteins in mammalian cells) are assessed.

Clusters, connectivity and catch-up: Bollywood and Bangalore in the Global Economy

In this article, we make two important contributions to the literature on clusters. First, we provide a broader theory of cluster connectivity that has hitherto focused on organization-based pipelines and MNE subsidiaries, by including linkages in the form of personal relationships. Second, we use the lens of social network theory to derive a number of testable propositions. We propose that global linkages with decentralized network structures have the highest potential for local spillovers. In the emerging economy context, our theory implies that clusters linked to the global economy by decentralized pipelines have potential for in-depth catch-up, focused in industry and technology scope. In contrast, clusters linked through decentralized personal relationships have potential for in-breadth catch-up over a range of related industries and technologies. We illustrate our theoretical propositions by contrasting two emerging economy case studies: Bollywood, the Indian filmed entertainment cluster in Mumbai and the Indian software cluster in Bangalore.

The BioDICE Taverna plugin for clustering and visualization of biological data: a workflow for molecular compounds exploration

Background: In many experimental pipelines, clustering of multidimensional biological datasets is used to detect hidden structures in unlabelled input data. Taverna is a popular workflow management system that is used to design and execute scientific workflows and aid in silico experimentation. The availability of fast unsupervised methods for clustering and visualization in the Taverna platform is important to support a data-driven scientific discovery in complex and explorative bioinformatics applications. Results: This work presents a Taverna plugin, the Biological Data Interactive Clustering Explorer (BioDICE), that performs clustering of high-dimensional biological data and provides a nonlinear, topology preserving projection for the visualization of the input data and their similarities. The core algorithm in the BioDICE plugin is Fast Learning Self Organizing Map (FLSOM), which is an improved variant of the Self Organizing Map (SOM) algorithm. The plugin generates an interactive 2D map that allows the visual exploration of multidimensional data and the identification of groups of similar objects. The effectiveness of the plugin is demonstrated on a case study related to chemical compounds. Conclusions: The number and variety of available tools and its extensibility have made Taverna a popular choice for the development of scientific data workflows. This work presents a novel plugin, BioDICE, which adds a data-driven knowledge discovery component to Taverna. BioDICE provides an effective and powerful clustering tool, which can be adopted for the explorative analysis of biological datasets.

Terrestrial exposure of oilfield flowline additives diminish soil structural stability and remediative microbial function

Onshore oil production pipelines are major installations in the petroleum industry, stretching many thousands of kilometres worldwide which also contain flowline additives. The current study focuses on the effect of the flowline additives on soil physico-chemical and biological properties and quantified the impact using resilience and resistance indices. Our findings are the first to highlight deleterious effect of flowline additives by altering some fundamental soil properties, including a complete loss of structural integrity of the impacted soil and a reduced capacity to degrade hydrocarbons mainly due to: (i) phosphonate salts (in scale inhibitor) prevented accumulation of scale in pipelines but also disrupted soil physical structure; (ii) glutaraldehyde (in biocides) which repressed microbial activity in the pipeline and reduced hydrocarbon degradation in soil upon environmental exposure; (iii) the combinatory effects of these two chemicals synergistically caused severe soil structural collapse and disruption of microbial degradation of petroleum hydrocarbons.

Subsídios para a gestão dos planos de aplicação de vinhaça (PAV): um estudo de caso da região de Piracicaba

Concomitantemente à produção de etanol, a partir da fermentação de diferentes matérias-primas (cana-de-açúcar, beterraba, milho, trigo, batata, mandioca), produz-se a vinhaça. A vinhaça da cana-de-açúcar é gerada na proporção média de 12 litros para cada litro de etanol. O Brasil é o maior produtor mundial de cana-de-açúcar (570 milhões de toneladas, em 2009) com a produção de 27 bilhões de litros/ano de etanol, no ciclo 2009/2010, basicamente para fins carburantes, e, portanto, a quantidade de vinhaça produzida é da ordem de 320 bilhões de litros/ano. Dentre as possíveis soluções para a destinação da vinhaça, tais como: concentração, tratamento químico e biológico ou produção de biomassa, é sua aplicação no solo a forma mais usual de disposição. No entanto, sua aplicação no solo não pode ser excessiva nem indiscriminada, sob pena de comprometer o ambiente e a rentabilidade agrícola e industrial da unidade sucroalcooleira. A necessidade de medidas de controle sobre a aplicação de vinhaça no solo do Estado de São Paulo, que concentra a produção de 60% do etanol produzido no Brasil, levou à elaboração da Norma Técnica P4.231, em 2005. A constatação do cumprimento dos itens desta Norma é uma das ações do agente fiscalizador, no monitoramento da geração e destinação da vinhaça pelos empreendimentos produtores de etanol. Os itens 5.7.1 e 5.7.2, desta Norma, tornam obrigatório o encaminhamento à CETESB (Companhia Ambiental do Estado de São Paulo), para fins de acompanhamento e fiscalização, até o dia 02 de abril de cada ano, o PAV (Plano de Aplicação de Vinhaça). Com o intuito de proporcionar melhor entendimento da Norma P4.231, contribuir para otimização de sua aplicabilidade e melhoria e perceber a realidade prática da aplicação da vinhaça, foram analisados PAVs protocolados na Agência Ambiental de Piracicaba, licenças concedidas, processos de licenciamento e realizadas vistorias a campo. Conclui-se que a Norma P4.231 representa um avanço no gerenciamento do uso da vinhaça no Estado de São Paulo, por disciplinar a disposição de vinhaça no solo, tornando obrigatórios: demarcações de áreas protegidas e núcleos populacionais, caracterização de solo e da vinhaça, doses máximas a serem aplicadas, estudos da geologia e hidrogeologia locais, monitoramento das águas subterrâneas, impermeabilização de tanques e dutos. Estabelece critérios a serem obedecidos por lei, e todos são condutas de boas práticas de proteção ao meio, que repercutem em maior rentabilidade agrícola e industrial. A Norma P4.231 é bem elaborada, complexa e extensa, o que a torna de difícil execução. Para facilitar sua aplicabilidade, sugere-se o estabelecimento de um cronograma de prioridades: impermeabilização dos tanques e dutos, drenos testemunha com funcionamento otimizado e boa caracterização do que está sendo aplicado, se vinhaça pura ou se misturada a águas residuárias. Das oito empresas deste estudo, apenas quatro (as maiores) vêm protocolando os PAVs com regularidade, desde 2005. As informações apresentadas foram incompletas e, em alguns casos, precárias. Mesmo com lacunas, os dados fornecidos, desde o início da obrigatoriedade do PAV, foram de utilidade para esboçar o perfil da atividade sucroalcooleira na região estudada.