Il 10 là gì? Các công bố khoa học về Il 10

Chúng tôi mô tả về các phim graphit đơn tinh thể, mỏng chỉ vài nguyên tử nhưng vẫn ổn định dưới điều kiện môi trường, có tính kim loại và chất lượng đặc biệt cao. Các phim này được phát hiện là chất bán kim loại hai chiều với sự chồng chéo rất nhỏ giữa các băng năng lượng hóa trị và dẫn điện, và chúng thể hiện một hiệu ứng trường điện lưỡng cực mạnh mẽ đến mức electron và lỗ trống có nồng độ lên đến 10 ¹³ mỗi cm vuông và với độ di động ở nhiệt độ phòng khoảng 10.000 cm vuông mỗi volt-giây có thể được kích thích bằng cách áp dụng điện áp cổng.

Động lực: Mặc dù đã có nhiều công cụ xử lý dữ liệu đọc từ giải trình tự thế hệ mới (NGS), chúng tôi vẫn không tìm thấy công cụ nào hoặc sự kết hợp của các công cụ đáp ứng yêu cầu của chúng tôi về tính linh hoạt, khả năng xử lý chính xác dữ liệu cặp đầu và hiệu suất cao. Chúng tôi đã phát triển Trimmomatic như một công cụ xử lý dữ liệu đầu vào linh hoạt và hiệu quả hơn, có khả năng xử lý chính xác dữ liệu cặp đầu.

Kết quả: Giá trị của việc xử lý dữ liệu đọc NGS đã được chứng minh cả trong các tác vụ dựa trên tham chiếu và không dựa trên tham chiếu. Trimmomatic cho thấy sản phẩm đầu ra ít nhất là ngang bằng, và trong nhiều trường hợp còn vượt trội hơn, so với các công cụ khác trong tất cả các kịch bản đã được kiểm nghiệm.

Tính khả dụng và triển khai: Trimmomatic được cấp phép theo GPL V3. Công cụ này có thể chạy trên nhiều nền tảng (cần Java 1.5+) và có sẵn tại http://www.usadellab.org/cms/index.php?page=trimmomatic

Liên hệ: [email protected]

Thông tin bổ sung: Dữ liệu bổ sung có sẵn trực tuyến tại Bioinformatics.

Mặc dù phân tích biểu hiện RNA toàn bộ hệ gen đã trở thành một công cụ thường xuyên trong nghiên cứu y sinh, việc rút ra hiểu biết sinh học từ thông tin đó vẫn là một thách thức lớn. Tại đây, chúng tôi mô tả một phương pháp phân tích mạnh mẽ gọi là Phân tích Làm giàu Bộ gen (GSEA) để diễn giải dữ liệu biểu hiện gen. Phương pháp này đạt được sức mạnh của nó bằng cách tập trung vào các bộ gen, tức là các nhóm gen chia sẻ chức năng sinh học chung, vị trí nhiễm sắc thể hoặc sự điều hòa. Chúng tôi chứng minh cách GSEA cung cấp những hiểu biết sâu sắc vào một số tập dữ liệu liên quan đến ung thư, bao gồm bệnh bạch cầu và ung thư phổi. Đáng chú ý, trong khi phân tích từng gen cho thấy ít giống nhau giữa hai nghiên cứu độc lập về sự sống sót của bệnh nhân ung thư phổi, GSEA lại tiết lộ nhiều con đường sinh học chung. Phương pháp GSEA được hiện thực hóa trong một gói phần mềm miễn phí, cùng với một cơ sở dữ liệu ban đầu gồm 1.325 bộ gen định nghĩa sinh học.

Chúng tôi mô tả một phương pháp phân nhóm dựa trên mô hình để sử dụng dữ liệu genotype đa locus nhằm suy diễn cấu trúc dân số và phân bổ cá thể vào các quần thể. Chúng tôi giả định một mô hình trong đó có K quần thể (K có thể không được biết), mỗi quần thể được đặc trưng bởi một tập hợp các tần số allele tại mỗi locus. Các cá thể trong mẫu được phân bổ (về mặt xác suất) vào các quần thể, hoặc chung vào hai hoặc nhiều quần thể nếu kiểu gen của chúng cho thấy rằng chúng là lai tạp. Mô hình của chúng tôi không giả định một quy trình đột biến cụ thể, và nó có thể được áp dụng cho hầu hết các dấu hiệu gen di truyền thường được sử dụng, với điều kiện là chúng không liên kết chặt chẽ với nhau. Các ứng dụng của phương pháp chúng tôi bao gồm việc chứng minh sự hiện diện của cấu trúc dân số, phân bổ cá thể vào các quần thể, nghiên cứu các vùng lai tạp, và xác định những cá thể di cư và lai tạp. Chúng tôi cho thấy phương pháp này có thể tạo ra các phân bổ cực kỳ chính xác với việc sử dụng số lượng locus khiêm tốn—ví dụ, bảy locus microsatellite trong một ví dụ sử dụng dữ liệu genotype từ một loài chim nguy cấp. Phần mềm được sử dụng cho bài báo này có sẵn tại http://www.stats.ox.ac.uk/~pritch/home.html.