Background: The aim of this thesis was to study transcription patterns and extracellular signalling of the hypertrophic heart to better understand the mechanisms initiating, controlling and maintaining cardiac hypertrophy. Cardiac hypertrophy is a risk factor for cardiovascular morbidity and mortality. Hypertrophy of the myocardium is a state, independent of underlying disease, where the myocardium strives to compensate for an increased workload. This remodelling of the heart includes physiological changes induced by a changed gene expression, alteration of the extracellular matrix and diverse cell-to-cell signalling. Shedding microvesicles and exosomes are membrane released vesicles derived from the plasma membrane, which can mediate messages between cells and induce various cell-related processes in target cells. Methods and materials: Two different microarray studies on different materials were performed. In the first study, cardiac myectomies from 8 patients with hypertrophic obstructive cardiomyopathy (HOCM) and 5 controls without cardiac disease were used. In the second study, myocardial tissue from 6 aorta ligated and 6 sham operated (controls) rats at three different time points (1, 6 and 42 days post-surgically) were analysed. To reveal differences in gene expression the materials were analyzed with Illumina whole genome microarray and multivariate data analysis (PCA and OPLS-DA). Cultured cardiomyocytes (HL-1) were incubated with and without growth factors (TGF-β2 or PDGF BB). Microvesicles and exosomes were collected and isolated after differential centrifugations and ultracentrifugations of the cell culture medium. The microvesicles and exosomes were characterized with dynamic light scattering (DLS), flow cytometry, western blot, electron microscopy and Illumina whole genome microarray. Results: The two different microarray studies revealed differentially expressed gene transcripts and groups of transcripts. When comparing HOCM patients to controls significant down-regulation of the MYH6 gene transcript and two immediate early genes (IEGs, EGR1 and FOS), as well as significant up-regulation of the ACE2, JAK2 and HDAC5 gene transcripts were found. In the rat model, 5 gene groups showed interesting clustering after multivariate data analysis (OPLS-DA) associated with the hypertrophic development: “Atherosclerosis”, “ECM and adhesion molecules”, “Fatty acid metabolism”, “Glucose metabolism” and “Mitochondria”. The shedding microvesicles were rounded vesicles, 40-300 nm in size and surrounded by a bilayered membrane. Chromosomal DNA sequences were identified in the microvesicles. The microvesicles could be taken up by fibroblasts resulting in an altered gene expression in the fibroblasts. The exosomes from cultured cardiomyocytes (incubated with TGF-β2 or PDGF BB) had an average diameter of 50-80 nm, similar to the unstimulated control exosomes. A large, for all cardiomyocyte derived exosomes, common pool of mRNA seems stable and a smaller pool varied in mRNA content according to treatment of the cardiomyocyte. Of the common mRNA about 14% were ribosomal, 14% were of unknown locus and 5% connected to the function of the mitochondria. Conclusions: The microarray studies showed that transcriptional regulation at a stable stage of the hypertrophic development is a balance of pro and anti hypertrophic mechanisms and that diverse gene groups are differently regulated at different time points in the hypertrophic progression. OPLS-DA is a very useful and powerful tool when analyzing gene expression data, especially in finding clusters of gene groups not seen with traditional statistics. The extracellular vesicle studies suggests that microvesicles and exosomes released from cardiomyocytes contain DNA and can be involved in events in target cells by facilitating an array of processes including gene expression changes. Different treatment of the cardiomyocyte influence the content of the exosome produced, indicating that the signal function of the exosome might vary according to the state of the cardiomyocyte. / Bakgrund: Syftet med den här avhandlingen var att studera transkriptions-mönster och extracellulär signalering vid hjärthypertrofi för att bättre förstå de mekanismer som startar, styr och underhåller tillväxten. Hjärthypertrofi, onormal tillväxt av hjärtmuskeln, är en riskfaktor för andra hjärt-kärlsjukdomar och dödlighet. Hypertrofi av hjärtmuskeln är ett tillstånd, oberoende av bakomliggande sjukdom, där hjärtmuskeln strävar efter att kompensera för ökad arbetsbelastning. Denna omställning av hjärtat innefattar fysiologiska förändringar orsakade av ett förändrat genuttryck, modifiering av miljön utanför cellen och ändrad cell-till-cell signalering. Mikrovesiklar och exosomer är små membranomslutna bubblor som frisätts från cellmembranet, ut i cellens omgivning. De kan förmedla budskap mellan celler och påverka olika processer i målceller. Metoder och material: Avhandlingen innefattar två olika microarraystudier på olika material. I den första studien användes hjärtbiopsier från 8 patienter med hypertrofisk obstruktiv kardiomyopati (HOCM) och 5 kontroller utan hjärtsjukdom. I det andra projektet användes hjärtvävnad från 6 aortaligerade och 6 skenopererade (kontroller) råttor vid tre olika tidpunkter (1, 6 och 42 dagar efter kirurgiskt ingrepp). För att påvisa skillnader i genuttryck analyserades proverna med Illumina helgenom microarray och multivariat dataanalys. Avhandlingens andra del innehåller två studier om mikrovesiklar och exosomer. Odlade hjärtmuskelceller (HL-1) stimulerades med tillväxt-faktorer (TGF-β2 eller PDGF BB) och ostimulerade celler användes som kontroll. Mikrovesiklar och exosomer renades fram med centrifugeringar och ultracentrifugering av cellodlingsmediet för att sedan karakteriseras med olika metoder för att studera storlek, ytmarkörer och innehåll. Illumina helgenom microarray användes för att studera microvesiklarnas och exosomernas mRNA innehåll. Resultat: I de två olika microarraystudierna hittades gentranskript och grupper av gentranskript som skiljde sig mellan kontroller och den hypertrofa hjärtvävnaden. När HOCM patientproverna jämfördes med kontroller hittades nedreglering av MYH6, EGR1 och FOS samt uppreglering av ACE2, JAK2 och HDAC5. Efter multivariat dataanalys av materialet från råtta, hittades 5 grupper av gentranskript med intressanta mönster som kunde kopplas till den hypertrofiska utvecklingen av hjärtmuskeln: "Ateroskleros", "ECM och adhesionsmolekyler", "Fettsyrametabolism", "Glukosmetabolis-men" och "Mitokondrien". Mikrovesiklarna hade en diameter på 40-300 nm och innehöll kromosomala DNA-sekvenser. När mikrovesiklarna överfördes till en annan celltyp (fibroblaster) resulterade det i ett förändrat genuttryck i fibroblasterna. Exosomer från hjärtmuskelcellerna som odlats med eller utan tillväxtfaktor hade en diameter på 50-80 nm. En stor pool av olika gentranskript var gemensam för alla exosomer oavsett stimulering eller ej. En mindre pool av gentranskript varierade i innehåll mellan de stimulerade och ostimulerade hjärtmuskelcellerna. I den gemensamma gentranskript poolen var ca 14 % ribosomala, ca 14 % var okända och ca 5 % var associerade till mitokondrien och dess funktion. Slutsats: Microarraystudierna visade att transkriptionsreglering i ett stabilt skede av hypertrofiutvecklingen är en balans mellan pro- och anti-hypertrofiska mekanismer och att olika gengrupper var olika reglerade vid olika tidpunkter i hjärtmuskeltillväxten. OPLS-DA är ett mycket användbart och kraftfullt verktyg när man analyserar genexpressionsdata, särskilt för att hitta grupper av gen-transkript som är svåra att upptäcka med traditionell statistik. Microvesikel- och exosomstudierna visade att mikrovesiklar och exosomer som frisätts från hjärtmuskelceller innehåller både DNA och RNA och kan vara inblandade i händelserna i målceller genom att underlätta en rad processer, inklusive ändringar av genuttryck. Olika stimulering av hjärtmuskelcellen kan påverka innehållet i exosomernas som produceras, vilket indikerar att exosomernas signalfunktion kan variera beroende på hjärtmuskelcellens tillstånd.

This master's thesis deals with Big data processing in distributed system Apache Spark using tools, which allow remotely entry and execution of Spark tasks through web inter- face. Author describes the environment of Spark in the first part, in the next he focuses on the Apache Livy project, which offers REST API to run Spark tasks. Contemporary solutions that allow interactive data analysis are presented. Author further describes his own application design for interactive entry and launch of Spark tasks using graph repre- sentation of them. Author further describes the web part of the application as well as the server part of the application. In next section author presents the implementation of both parts and, last but not least, the demonstration of the result achieved on a typical task. The created application provides an intuitive interface for comfortable working with the Apache Spark environment, creating custom components, and also a number of other options that are standard in today's web applications.

This Master's Thesis delves into the application of topological regularization techniques and relative latent representations within the realm of zero-shot model stitching. Building upon the prior work of Moschella et al. (2022) that introduces relative latent representations to enhance the similarities between latent spaces of different models, we incorporate the approach of Hofer et al. (2021), which combines Topological Data Analysis (TDA) and Machine Learning techniques for topological densification of class distributions in the latent space. The main research objective is to investigate the impact of topological regularization on zero-shot stitching performance when employing relative latent representations. Theoretical foundations for the relative transformation are established based on the intertwiner groups of activation functions. Empirical analyses are conducted to validate the assumptions underlying the construction of the relative transformation in the latent space. Moreover, experiments are performed on a Large Language Model trained on multilingual Amazon Reviews datasets to evaluate the effectiveness of zero-shot stitching while using the topological densification technique and the relative transformation. The findings indicate that the proposed methodologies can enhance the performance of multilingual model stitching. Specifically, enforcing the relative transformation to preserve the H0 homology death times distributions proves beneficial. Additionally, the presence of similar topological features plays a crucial role in achieving higher model compatibility. However, a more in-depth exploration of the geometric properties of the post-relative transformation latent space is necessary to further improve the topological densification technique. Overall, this work contributes to the emerging field of Topological Machine Learning and provides valuable insights for researchers in transfer learning and representation learning domains. / Denna masteruppsats undersöker tillämpningen av topologiska regleringstekniker och relativa latenta representationer inom området för zero-shot model stitching. Genom att bygga vidare på tidigare arbete av Moschella et al. (2022), som introducerade relativa latenta representationer för att förbättra likheterna mellan latenta rummet hos olika modeller, inkorporerar vi tillvägagångssättet av Hofer et al. (2021), som kombinerar topologisk dataanalys (TDA) och maskininlärningstekniker för topologisk ``förtätning'' av klassfördelningar i det latenta utrymmet. Den huvudsakliga forskningsuppgiften är att undersöka effekten av topologisk reglering på zero-shot model stitching-prestanda när man använder relativa latenta representationer. Teoretiska grunder för den relativa transformationen etableras baserat på intertwinergrupperna för aktiveringsfunktioner. Empiriska analyser genomförs för att validera antagandena som ligger till grund för konstruktionen av den relativa transformationen i det latenta rummen. Dessutom utförs experiment på en stor språkmodell tränad på multilinguella Amazon Reviews-dataset för att utvärdera effektiviteten hos zero-shot model stitching med Hofer's topologiska reglering och relativa transformation. Resultaten visar att de föreslagna metoderna kan förbättra prestationen hos zero-shot model stitching för flerspråkiga modeller. Specifikt är det fördelaktigt att tvinga den relativa transformationen att bevara H0 homologins dödstidsfördelningar. Dessutom spelar närvaron av liknande topologiska egenskaper en avgörande roll för att uppnå högre modellkompatibilitet. Dock krävs en mer ingående utforskning av de geometriska egenskaperna hos det latenta utrymmet efter den relativa transformationen för att ytterligare förbättra Hofer's topologiska reglering. Sammanfattningsvis bidrar detta arbete till det framväxande området Topologisk Maskininlärning och ger värdefulla insikter för forskare inom ``transfer-inlärning'' och representationsinlärningsdomäner.