F1000Research

Bối cảnh: Hợp tác là một hiện tượng phổ biến trong giới khoa học Việt Nam; tuy nhiên, những hiểu biết về sự hợp tác khoa học của Việt Nam vẫn còn hạn chế. Mặt khác, việc áp dụng phân tích mạng xã hội trong nghiên cứu hợp tác khoa học đã thu hút được nhiều sự chú ý trên toàn thế giới. Kỹ thuật này có thể được sử dụng để khám phá cộng đồng khoa học Việt Nam. Phương pháp: Bài báo này sử dụng lý thuyết mạng để khám phá các đặc điểm của một mạng lưới gồm 412 nhà khoa học xã hội Việt Nam mà các công trình của họ được lập chỉ mục trong cơ sở dữ liệu Scopus. Hai chỉ số mạng cơ bản, mật độ và hệ số cụm, đã được thu thập, và toàn bộ mạng lưới đã được nghiên cứu so sánh với hai thành phần lớn nhất của nó. Kết quả: Các kết nối trong mạng lưới rất thưa thớt, với mật độ chỉ đạt 0,47%, trong khi hệ số cụm là rất cao (58,64%). Điều này cho thấy việc truyền bá thông tin, kiến thức và chuyên môn trong mạng lưới là không hiệu quả. Thứ hai, sự chênh lệch trong mức độ kết nối giữa các cá nhân cho thấy rằng mạng lưới rất dễ bị tan vỡ nếu một vài nút có kết nối cao bị loại bỏ. Cuối cùng, hai thành phần lớn nhất của mạng lưới được phát hiện có sự khác biệt so với toàn bộ mạng trong các chỉ số và đều được dẫn dắt bởi các nhà nghiên cứu có năng suất và kết nối tốt nhất. Kết luận: Hệ số cụm cao và mật độ thấp dường như liên quan đến việc truyền bá chuyên môn không hiệu quả giữa các nhà khoa học xã hội Việt Nam và do đó dẫn đến sản lượng khoa học thấp. Ngoài ra, mạng lưới còn kém vững chắc, cho thấy tiềm năng của một tầng lớp trí thức ưu tú gồm những cá nhân có sự kết nối tốt, có năng suất và có vai trò xã hội quan trọng.

Khả năng phân tích dữ liệu RNA-sequencing một cách dễ dàng và hiệu quả là một điểm mạnh chính của dự án Bioconductor. Bắt đầu với số liệu được tổng hợp ở cấp độ gene, một phân tích điển hình bao gồm xử lý trước, phân tích dữ liệu khám phá, thử nghiệm biểu hiện khác biệt và phân tích lộ trình, với các kết quả thu được sẽ thông báo cho các thí nghiệm và nghiên cứu xác thực trong tương lai. Trong bài viết luồng công việc này, chúng tôi phân tích dữ liệu RNA-sequencing từ tuyến vú của chuột, chứng minh việc sử dụng gói phần mềm phổ biến edgeR để nhập, tổ chức, lọc và chuẩn hóa dữ liệu, tiếp theo là gói limma với phương pháp voom, mô hình hồi quy tuyến tính và điều chỉnh Bayes thực nghiệm để đánh giá biểu hiện khác biệt và thực hiện kiểm tra bộ gene. Đường ống này còn được cải thiện thêm bởi gói Glimma cho phép khám phá kết quả một cách tương tác để người dùng có thể xem xét các mẫu và gene riêng lẻ. Phân tích hoàn chỉnh được cung cấp bởi ba gói này làm nổi bật sự dễ dàng mà các nhà nghiên cứu có thể biến đổi các số liệu thô từ một thí nghiệm RNA-sequencing thành những hiểu biết sinh học thông qua việc sử dụng Bioconductor.

Một dòng Escherichia coli gây bệnh ngoài ruột (ExPEC) có tên là kiểu trình tự (ST) 131, chịu trách nhiệm cho hàng triệu ca nhiễm kháng sinh toàn cầu mỗi năm. Sinh thái quần thể chỉ ra rằng ST131 bao gồm các nhánh khác nhau (tức là A, B và C); tuy nhiên, nhánh C hiện đang chiếm ưu thế nhất toàn cầu. Một nhánh phụ của ST131, được gọi là C1-M27, đang nổi lên ở Nhật Bản và chịu trách nhiệm cho sự gia tăng gần đây của ExPEC kháng đa thuốc (AMR) tại quốc gia này. Việc tuần tự tiếp thu một số gen virulence và AMR liên quan đến các yếu tố di truyền di động trong khoảng thời gian từ những năm 1960 đến 1980 đã chuẩn bị cho nhánh C (cùng với các nhánh phụ C1 và C2) có được thành công trong những năm 1990 đến 2000. Các plasmid IncF với các nguyên liệu di truyền F1:A2:B20 và F2:A1:B đã định hình sự phát triển của các nhánh phụ C1 và C2. Có thể rằng ST131 là một chuyên gia chủ với các hồ sơ gen phụ khác nhau. Các đột biến bù trong bộ gen cốt lõi của dòng này đã bù đắp cho chi phí sinh lý liên quan đến các plasmid IncF. Nhánh C của ST131 đã thay đổi đáng kể cấu trúc quần thể của ExPEC, nhưng vẫn chưa rõ những đặc điểm nào của nhánh này đã dẫn đến một trong những thành công chưa từng có về AMR trong những năm 2000.

Phân tích trình tự DNA thường liên quan đến việc lập bản đồ các đọc (reads) tới chỉ một bộ gen tham chiếu. Tuy nhiên, việc lập bản đồ tới nhiều bộ gen là cần thiết khi bộ gen nguồn cần được xác nhận. Việc lập bản đồ tới nhiều bộ gen cũng được khuyến nghị để phát hiện ô nhiễm hoặc nhận diện sự hoán đổi mẫu, điều này nếu không được phát hiện có thể dẫn đến những kết luận thí nghiệm sai lầm. Do đó, chúng tôi giới thiệu FastQ Screen, một công cụ để xác thực nguồn gốc của các mẫu DNA bằng cách định lượng tỷ lệ các đọc (reads) lập bản đồ tới một bảng các bộ gen tham chiếu. FastQ Screen được dự định sử dụng thường xuyên như một biện pháp kiểm soát chất lượng và để phân tích các mẫu mà nguồn gốc DNA không chắc chắn hoặc có nhiều nguồn khác nhau.

Phân tích RNA-seq trong các nghiên cứu transcriptome được sử dụng rộng rãi để đặc trưng hóa bản sao của tế bào. Nhiều nghiên cứu transcriptomic nhằm mục đích so sánh các mức độ phong phú hoặc thành phần transcriptome giữa các điều kiện nhất định, và bước đầu tiên là sử dụng các đọc sequencer như cơ sở cho việc đo lường độ phong phú của các đặc điểm transcriptome có liên quan, chẳng hạn như gen hoặc bản sao. Nhiều phương pháp đo lường khác nhau đã được đề xuất, từ việc đơn giản là đếm các đọc trùng lặp với các vùng gen cụ thể đến ước lượng phức tạp hơn về độ phong phú dưới nền tảng của các transcript. Trong bài báo này, chúng tôi cho thấy rằng các ước lượng độ phong phú cấp độ gen và suy diễn thống kê mang lại lợi thế so với phân tích cấp độ transcript, xét về hiệu suất và khả năng giải thích. Chúng tôi cũng minh họa rằng trong khi sự hiện diện của việc sử dụng isoform khác nhau có thể dẫn đến tỷ lệ phát hiện giả dương phóng đại trong các phân tích biểu hiện khác biệt trên các ma trận đếm đơn giản và ước lượng độ phong phú cấp độ transcript cải thiện hiệu suất trong dữ liệu mô phỏng, sự khác biệt tương đối không đáng kể trong một số bộ dữ liệu thực tế. Cuối cùng, chúng tôi cung cấp một gói R (tximport) để giúp người dùng tích hợp các ước lượng độ phong phú cấp độ transcript từ các quy trình đo lường phổ biến vào các động cơ suy diễn thống kê dựa trên đếm.