Search

Mycotoxins are among the most important and highly prevalent nutritional contaminants worldwide. They are naturally produced as secondary metabolites of different fungal species, which can contaminate a wide range of agricultural products, especially cereal and grain-based food. Fusarium species are amongst the most prevalent fungal contaminants of grains, and produce the two most important classes of mycotoxins, trichothecenes (including deoxynivalenol (DON), T-2 toxin and HT-2 toxin) and zearalenones (ZEN). In humans and animals, exposure to Fusarium mycotoxins is associated with mutagenic, teratogenic, estrogenic, hemorrhagic, neurotoxic, hepatotoxic, and immunotoxic effects. Considering the widespread occurrence of these food contaminants and inevitable human exposure, this thesis aimed to investigate the adverse effects of exposure to commonly occurring Fusarium mycotoxins and potential mechanisms involved, with a special focus on DON, as this is the most prevalently occurring food contaminant worldwide. In this thesis, we showed that exposure to the major Fusarium mycotoxin DON, can adversely affect innate and adaptive immune responses, placental barrier, fetal survival and development. We further demonstrated that consuming DON-contaminated diets during pregnancy and lactation, induces long-term effects on the developing immune system of the offspring and shifts the balance in immune cell populations, hence increasing the susceptibility to allergic reactions and reducing immune responses to vaccination in later stages of life. Some specific non-digestible oligosaccharides (NDOs) have prebiotic and immune- modulating properties comparable to those observed for certain human milk oligosaccharides (HMOs). Specific structures of NDOs and HMOs are confirmed to have positive effects on improving adaptive immune responses. In this thesis we showed that nutritional supplementation with a specific NDO mixture rich in 3’-GL, can be beneficial in preventing or neutralis

There is substantial epidemiological and mechanistic evidence that the increase in allergic disease and asthma in many parts of the world in part relates to changes in microbial exposures and diet acting via the composition and metabolic products of the intestinal microbiome. The majority of research in this field has focused on the gut microbiome during infancy, but it is increasingly clear that the maternal microbiome during pregnancy also has a key role in preventing an allergy-prone immune phenotype in the offspring. The mechanisms by which the maternal microbiome influences the developing fetal immune system include alignment between the maternal and infant regulatory immune status and transplacental passage of microbial metabolites and IgG. Interplay between microbial stimulatory factors such as lipopolysaccharides and regulatory factors such as short-chain fatty acids may also influence on fetal immune development. However, our understanding of these pathways is at an early stage and further mechanistic studies are needed. There are also no data from human studies relating the composition and metabolic activity of the maternal microbiome during pregnancy to the offspring's immune status at birth and risk of allergic disease. Improved knowledge of these pathways may inform novel strategies for tackling the increase in allergic disorders in the modern world.

V diplomové práci je uveden všeobecný postup používaný pro předpověď časových řad, jejich rozdělení, základní charakteristiky a základní statistické metody pro jejich předpovídaní. Spomenuty jsou také neuronové sítě a jejich dělení s ohledem na vhodnost k předpovídaní časových řad. Je navrhnut a implementován program pro predikci vývoje více časových řad při burzovním obchodování, kterého základem je model flexibilního neuronového stromu, kterého struktura je optimalizována pomocí imunitního programování a parametry pomocí modifikované verze simulovaného žíhání anebo pomocí optimalizace hejnem částic. Program je nejdříve testován na schopnosti předpovídat jednoduché časové řady a nakonec je testována jeho schopnost předpovídat více časových řad., The diploma thesis comprises of a general approach used to predict the time series, their categorization, basic characteristics and basic statistical methods for their prediction. Neural networks are also mentioned and their categorization with regards to the suitability for prediction of time series. A program for the prediction of the progress of multiple time series in stock market is designed and implemented, and it's based on a model of flexible neuron tree, whose structure is optimized using immune programming and parameters using a modified version of simulated annealing or particle swarm optimization. Firstly, the program is tested on its ability to predict simple time series and then on its ability to predict multiple time series.

V diplomové práci je uveden všeobecný postup používaný pro předpověď časových řad, jejich rozdělení, základní charakteristiky a základní statistické metody pro jejich předpovídaní. Spomenuty jsou také neuronové sítě a jejich dělení s ohledem na vhodnost k předpovídaní časových řad. Je navrhnut a implementován program pro predikci vývoje více časových řad při burzovním obchodování, kterého základem je model flexibilního neuronového stromu, kterého struktura je optimalizována pomocí imunitního programování a parametry pomocí modifikované verze simulovaného žíhání anebo pomocí optimalizace hejnem částic. Program je nejdříve testován na schopnosti předpovídat jednoduché časové řady a nakonec je testována jeho schopnost předpovídat více časových řad., The diploma thesis comprises of a general approach used to predict the time series, their categorization, basic characteristics and basic statistical methods for their prediction. Neural networks are also mentioned and their categorization with regards to the suitability for prediction of time series. A program for the prediction of the progress of multiple time series in stock market is designed and implemented, and it's based on a model of flexible neuron tree, whose structure is optimized using immune programming and parameters using a modified version of simulated annealing or particle swarm optimization. Firstly, the program is tested on its ability to predict simple time series and then on its ability to predict multiple time series.

V diplomové práci je uveden všeobecný postup používaný pro předpověď časových řad, jejich rozdělení, základní charakteristiky a základní statistické metody pro jejich předpovídaní. Spomenuty jsou také neuronové sítě a jejich dělení s ohledem na vhodnost k předpovídaní časových řad. Je navrhnut a implementován program pro predikci vývoje více časových řad při burzovním obchodování, kterého základem je model flexibilního neuronového stromu, kterého struktura je optimalizována pomocí imunitního programování a parametry pomocí modifikované verze simulovaného žíhání anebo pomocí optimalizace hejnem částic. Program je nejdříve testován na schopnosti předpovídat jednoduché časové řady a nakonec je testována jeho schopnost předpovídat více časových řad., The diploma thesis comprises of a general approach used to predict the time series, their categorization, basic characteristics and basic statistical methods for their prediction. Neural networks are also mentioned and their categorization with regards to the suitability for prediction of time series. A program for the prediction of the progress of multiple time series in stock market is designed and implemented, and it's based on a model of flexible neuron tree, whose structure is optimized using immune programming and parameters using a modified version of simulated annealing or particle swarm optimization. Firstly, the program is tested on its ability to predict simple time series and then on its ability to predict multiple time series.

V diplomové práci je uveden všeobecný postup používaný pro předpověď časových řad, jejich rozdělení, základní charakteristiky a základní statistické metody pro jejich předpovídaní. Spomenuty jsou také neuronové sítě a jejich dělení s ohledem na vhodnost k předpovídaní časových řad. Je navrhnut a implementován program pro predikci vývoje více časových řad při burzovním obchodování, kterého základem je model flexibilního neuronového stromu, kterého struktura je optimalizována pomocí imunitního programování a parametry pomocí modifikované verze simulovaného žíhání anebo pomocí optimalizace hejnem částic. Program je nejdříve testován na schopnosti předpovídat jednoduché časové řady a nakonec je testována jeho schopnost předpovídat více časových řad., The diploma thesis comprises of a general approach used to predict the time series, their categorization, basic characteristics and basic statistical methods for their prediction. Neural networks are also mentioned and their categorization with regards to the suitability for prediction of time series. A program for the prediction of the progress of multiple time series in stock market is designed and implemented, and it's based on a model of flexible neuron tree, whose structure is optimized using immune programming and parameters using a modified version of simulated annealing or particle swarm optimization. Firstly, the program is tested on its ability to predict simple time series and then on its ability to predict multiple time series.