Předložená bakalářská práce Zuzany Drybčákové se zabývá problematikou detekce multimerických forem plasmidů z de novo sestavení dlouhých sekvenačních čtení. Jedná se o aktuální téma, které je v současné odborné literatuře zatím poměrně málo popsáno. Studentka splnila všechny body zadání a připravila funkční pipeline pro analýzu reálných sekvenačních dat. Kvalitu práce však snižuje její odborné zpracování. Teoretická část je místy obtížně čitelná kvůli opakování obdobných informací a zavádění vlastních terminologických označení, která nejsou v odborné literatuře běžně používána nebo mohou být snadno zaměnitelná s již zavedenými pojmy. Praktická část by si zasloužila jasnější oddělení návrhu metodiky od prezentace a diskuse výsledků. V současné podobě jsou již při popisu navrženého řešení rozebírána jeho omezení a problematické situace, aniž by byla navržena odpovídající řešení. Současně je značný prostor věnován popisu poměrně triviálních kroků analýzy, například filtraci čtení, zatímco vlastní logika klasifikace multimerů zůstává místy obtížně sledovatelná. Označení jednotlivých dílčích kritérií klasifikace za samostatné „metody“ považuji za poněkud nadsazené. Diskuse výsledků je formulována velmi sebevědomě a místy obsahuje silná tvrzení o spolehlivosti navrženého řešení, která nejsou předloženými výsledky dostatečně podložena. Ověření funkčnosti na deseti analyzovaných genomech je pro rozsah bakalářské práce dostačující, neumožňuje však činit obecnější závěry o univerzální použitelnosti navržených parametrů a prahových hodnot. Přestože studentka svou práci průběžně konzultovala, řešení problematických míst v návrhu často spočívalo spíše v pojmenování limitací než v způsobu jejich překonání. Po formální stránce je práce na přijatelné úrovni. Vytknout lze zejména místy nejednotné formátování popisků, nižší informační hodnotu některých obrázků a chybějící křížové odkazy v textu. Přes uvedené připomínky studentka prokázala schopnost samostatně pracovat s odbornou literaturou, implementovat bioinformatický workflow a analyzovat reálná sekvenační data. Points proposed by supervisor: 73

Studentka Zuzana Drybčáková vypracovala bakalářskou práci zabývající se detekcí multimerů v plasmidových sestaveních z nanopórového sekvenování. Práce obsahuje od úvodu po závěr 32 stran a odkazuje se na relevantní odborné zdroje.
Teoretická část se zabývá popisem plasmidů, jejich replikací, vznikem a detekcí multimerů. Nicméně text obsahuje řadu stylistických i formálních nedostatků. Informace se napříč kapitolami opakují, vyskytuje se zde několik překlepů, je zde nejednotné používání českých a anglických termínů a některé zavedené zkratky nejsou v textu dále používány nebo naopak používané zkratky chybí v seznamu zkratek. Obrázky jsou v horší kvalitě a obsahují anglické popisky.
Praktická část se zabývá návrhem a samotnou realizací detekce multimerních plasmidů, kde studentka vytvořila vlastní postup a aplikovala jej na data získaná z 10 izolátů bakterie Staphylococcus aureus. Popis vstupních dat je nedostatečný, chybí informace o tom, kolik čtení jednotlivé vzorky obsahovaly, jaká byla jejich kvalita, průměrná délka, kolik kontigů bylo získáno po sestavení, kolik z nich bylo identifikováno jako plasmidy a jak byly dlouhé. Navíc studentka uvádí, že vstupní data byla oproti prvotnímu testování podstatně rozšířena, ale již není uvedeno, kolik dat bylo původně použito a jaké byly výsledky testování. Mapování na referenční sekvenci, které sama studentka označuje jako jádro celé analýzy, je nedostatečně popsáno. Je uvedeno, že byl použit nástroj minimap2, nicméně chybí informace o tom, jaké parametry byly pro mapování nastaveny a zda byla testována různá nastavení parametrů, přestože právě tyto parametry mohou zásadně ovlivnit výsledky. Dále je popsána filtrace plasmidových čtení (kap. 3.6.1), která však chybí v diagramu navrženého schématu (obr. 3.1). Studentka zde filtruje chimérická čtení, ačkoliv chybí jakákoliv analýza potvrzující, že se skutečně jedná o chiméry, které se navíc u tohoto typu sekvenačních dat vyskytují velmi zřídka. Popis jednotlivých metod pro detekci monomerů, které jsou nepřesně označeny jako analytické metody, je místy nejasný a bohužel někdy nepomohou ani obrázky vysvětlující jejich princip, které by si ve většině případů zasloužily podrobnější popis (př. obr. 3.16 – co znamenají H, M a S?). V celé praktické části mi chybí konkrétní číselné výsledky, a to od výsledků z ResFinderu (kolik a kde bylo nalezeno genů), přes výsledky mapování čtení pomocí minimap2 (kolik čtení se ne/namapovalo), až po počty čtení po jednotlivých filtračních krocích (ideálně i pro různé prahy). Jediné číselné hodnoty jsou uvedeny v tabulce 3.1, kde je prezentován počet filtrovaných čistých čtení, ale není jasně vysvětleno, co tento údaj znamená. Rozhodnutí, že analyzovaný plasmid je multimer, je založeno pouze na namapování malého počtu čtení, což nepovažuji za dostatečně průkazné, a bylo by vhodné provést další analýzy a vyhodnocení. Zároveň se i v praktické části vyskytují formální nedostatky (není odkazováno na obr. 3.3 a 3.4, chybí verze jednotlivých nástrojů, není jednotný styl formátování názvů funkcí, knihoven, proměnných a vstupních souborů), stejně jako nevhodně použité výrazy (např. propuštěná čtení, délkový filtr, plasmidová podpora) či celé těžkopádně formulované věty.
Práci tedy hodnotím jako dostatečnou – E/56 bodů. Topics for thesis defence:

1. U předzpracování dat uvádíte, že plasmidový kontig je identifikován jako druhý nejdelší kontig v sestavení. Jak je vyřešen případ, kdy je ve vzorku více plasmidů? Je ošetřen i případ, kdy by chromozom nebyl sestaven kompletně, ale byl fragmentován do více kontigů?
2. V práci uvádíte, že absence příznaku cirkularity u kontigu z nástroje Flye nebrání další analýze, mimo jiné vzhledem k existenci lineárních plasmidů (kap. 3.2). Jak je tedy v navrženém algoritmu konkrétně řešen postup detekce multimerů, pokud se jedná o lineární plasmid?
3. Jaké parametry byly použity pro zarovnání čtení pomocí nástroje minimap2? Byla testována různá nastavení a jaký vliv měla na výslednou detekci multimerů?

Points proposed by reviewer: 56