Studentka Adéla Fialová se ve své práci zabývá klasifikací bakterií dle jejich genové výbavy, konkrétně při využití funkční anotace různých ortologních genů. K tomu využívá kombinaci pokročilých metod redukce dimenzionality, různých metrik podobnosti a způsobů konstrukce iniciální matice zachycující podobnost či rozdílnost různých bakterií. Rešeršní část práce je rozsáhlá, na výborné úrovni a čtenáře podrobně seznamuje s problematikou klasifikace bakterií, funkční anotací i metodami redukce dimenzionality dat. V rámci praktické části pak navrhla a realizovala analytickou pipeline FRODO s grafickým rozhraním, která umožňuje praktickou a uživatelsky velmi přívětivou komparativní analýzu a klasifikaci bakteriálních genomů. Práce obsahuje i případovou studii klasifikace genomů, zatím neidentifikovaných bakterií. Celá práce je na vynikající úrovni, výzkum byl vedený rigorózně a práce má víc než dostatečný rozsah. Po technické stránce je práce také na vynikající úrovni, je psaná anglicky, dobře se čte, obsahuje názorné ilustrace a obsahuje všechny důležité reference. Vytknout mohu pouze výskyt osamocených řádků a krátký popis obrázků. Samotná pipeline FRODO je v publikační kvalitě, stejně tak i případová studie. Z tohoto důvodu má práce odklad zveřejnění, jelikož dílčí výsledky budou publikovány ve 2 impaktovaných článcích. Aktivita studentky byla celkově vysoce na nadprůměrná. Praktické výsledky své práce již studentka prezentovala na soutěžní konferenci Student EEICT, což ji přineslo výhru v kategorii biomedicínského inženýrství. Práci tedy hodnotím jako výbornou. Points proposed by supervisor: 99

Předložená diplomová práce se zaměřuje na analýzu bakteriálních genomů pomocí funkční anotace. Teoretický přehled poskytuje vhodný a přehledný úvod do problematiky funkčních anotací a nástrojů používaných pro jejich získání.
V praktické části, rozdělené do tří celků, studentka nejprve analyzuje dataset 100 bakteriálních genomů na základě funkční anotace přiřazené pomocí EC identifikátorů a aplikuje různé metody redukce dimenzionality. Zásadním nedostatkem však je, že tento dataset není součástí práce. Přiložen je pouze dataset s KO identifikátory, který však dle popisu nebyl v analýze použit, což omezuje možnost nezávislé reprodukce výsledků.
Přestože je popis výsledků jednotlivých analýz podrobný, některé vizualizace jsou problematické. Například u výstupů z t-SNE nelze plně ověřit jejich interpretaci, protože 16 přítomných druhů je v obrázcích 2.8 a 2.9 reprezentováno pouze 10 barvami, což znamená, že různé druhy sdílejí stejné barevné označení.
Za problematické považuji zařazení odhadu optimálního počtu shluků pomocí Elbow metody, jehož výsledek (čtyři shluky) není v další analýze nijak využit ani interpretován. Není zřejmé, jaký byl účel tohoto kroku, zejména když byl následně počet shluků stanoven na 16 podle počtu druhů v datech. Samotné výsledky shlukování jsou navíc prezentovány pouze graficky a jejich porovnání s předchozími vizualizacemi je obtížné (ty se nacházejí o několik stran dříve). K této části by bylo vhodné doplnit jako přílohu přehledovou tabulku shrnující přiřazení jednotlivých genomů do shluků, obdobně jako je tomu u výstupů vytvořeného nástroje.
Další část práce popisuje nástroj FRODO, přičemž tento popis je přehledný, srozumitelný a dobře strukturovaný. Vytvořený nástroj implementovaný v rámci frameworku Streamlit představuje jeden z hlavních přínosů celé práce. Aplikace je intuitivní, přehledná, rychlá a dostatečně dokumentovaná i pro nové uživatele. Významným pozitivem je zejména možnost interaktivního prohlížení grafů, což výrazně usnadňuje interpretaci výsledků oproti jejich statické podobě, u které může být zejména u větších datasetů interpretace obtížná, jak autorka v práci sama demonstruje. Celkově lze tento nástroj považovat za velmi zdařilý výstup, který má potenciál pro využití v rámci explorativní analýzy genomických dat na základě funkční anotace.
Součástí práce je rovněž případová studie zaměřená na zařazení tří bakteriálních kmenů, kde je srovnáno fylogenetické zařazení s klasifikací založenou na funkční anotaci. Tato část práce přináší zajímavý aplikační přesah a vhodně doplňuje analytickou a implementační část práce, nicméně vykazuje nedostatek v prezentaci výsledků – izolát P3853 pravděpodobně chybí na pěti ze šesti prezentovaných obrázků (obrázky 4.2–4.6).
Po formální stránce má práce bohužel také nedostatky, například přetékající obrázky a některé řádky (např. obrázky 2.13, 3.3–3.6, 3.9 a 3.10, nadpis 3.1.1), opakované vysvětlování již zavedených pojmů a zkratek (např. ANI nebo KO jsou vysvětleny vícekrát) a skutečnost, že přílohy nejsou součástí tištěné verze práce, ale pouze elektronických příloh.
Celkově práce představuje ucelený přístup k analýze bakteriálních genomů pomocí funkční anotace a za nejvýznamnější přínos považuji vytvořený nástroj FRODO, který výrazně zvyšuje praktickou využitelnost výsledků. I přes uvedené nedostatky práce splňuje požadavky kladené na diplomovou práci a hodnotím ji stupněm B (85 bodů). Topics for thesis defence:

1. V práci uvádíte, že dataset 100 genomů byl anotován pomocí nástroje KAAS, který přiřadil KO identifikátory ke genům, a následně byly na základě KO identifikátorů odvozeny EC identifikátory. Kolik KO a EC identifikátorů bylo k datasetu přiřazeno? Proč byl pro vytvoření binární matice zvolen právě EC identifikátor? Jak by se lišily výsledky analýz při použití KO identifikátorů?
2. V práci jsou aplikovány metody PCA, PCoA, CCA, CAP a t-SNE, přičemž na jejich výstupech v redukovaném prostoru je následně proveden k-means clustering. Můžete prosím zdůvodnit vhodnost tohoto postupu, zejména použití k-means na výstupech z řízených metod (CCA, CAP) a z metody t-SNE, která neuchovává globální vzdálenosti? Na základě čeho považujete výsledné klastry za biologicky interpretovatelné a jak byl stanoven jejich počet?
3. Kde se v grafech 4.2–4.6 nachází izolát P3853?

Points proposed by reviewer: 85