Đất sét là gì? Các công bố khoa học về Đất sét

Chúng tôi giới thiệu phiên bản mới nhất của phần mềm Phân Tích Di Truyền Phân Tử (MEGA), bao gồm nhiều phương pháp và công cụ tinh vi cho phân loại gen và y học phân loại. Trong lần nâng cấp lớn này, MEGA đã được tối ưu hóa để sử dụng trên các hệ thống máy tính 64-bit nhằm phân tích các tập dữ liệu lớn hơn. Các nhà nghiên cứu giờ đây có thể khám phá và phân tích hàng chục nghìn chuỗi trong MEGA. Phiên bản mới cũng cung cấp một trình hướng dẫn nâng cao để xây dựng cây thời gian và bao gồm chức năng mới để tự động dự đoán các sự kiện sao chép gen trong các cây họ gen. MEGA 64-bit được cung cấp qua hai giao diện: đồ họa và dòng lệnh. Giao diện người dùng đồ họa (GUI) là một ứng dụng dành cho Microsoft Windows có thể sử dụng cả trên Mac OS X. Dòng lệnh MEGA có sẵn dưới dạng ứng dụng gốc cho Windows, Linux và Mac OS X. Chúng được thiết kế để sử dụng trong phân tích quy mô lớn và phân tích kịch bản. Cả hai phiên bản đều được cung cấp miễn phí từ www.megasoftware.net.

Một thành phần quan trọng trong việc diễn giải các nghiên cứu cấp hệ thống là suy diễn các con đường sinh học phong phú và các phức hợp protein có trong các tập dữ liệu OMICs. Việc phân tích thành công yêu cầu tích hợp một bộ dữ liệu sinh học hiện có rộng rãi và áp dụng một quy trình phân tích vững chắc để tạo ra các kết quả có thể diễn giải được. Metascape là một cổng thông tin dựa trên web được thiết kế để cung cấp một nguồn tài nguyên chú thích và phân tích danh sách gen toàn diện cho các nhà sinh học thực nghiệm. Về các tính năng thiết kế, Metascape kết hợp sự phong phú chức năng, phân tích互译, chú thích gen và tìm kiếm thành viên để tận dụng hơn 40 cơ sở kiến thức độc lập trong một cổng tích hợp duy nhất. Ngoài ra, nó còn tạo điều kiện cho việc phân tích so sánh các tập dữ liệu qua nhiều thí nghiệm độc lập và chính xác. Metascape cung cấp trải nghiệm người dùng đơn giản hóa một cách đáng kể thông qua giao diện phân tích nhanh một cú nhấp chuột để tạo ra các đầu ra có thể diễn giải được. Tóm lại, Metascape là một công cụ hiệu quả và tối ưu cho các nhà sinh học thực nghiệm để phân tích và diễn giải một cách toàn diện các nghiên cứu dựa trên OMICs trong kỷ nguyên dữ liệu lớn.

Chúng tôi trình bày một tập dữ liệu mới được ghi lại từ một chiếc xe station wagon VW để phục vụ nghiên cứu về robot di động và lái xe tự động. Tổng cộng, chúng tôi đã ghi lại 6 giờ kịch bản giao thông với tần suất từ 10 đến 100 Hz, sử dụng nhiều phương thức cảm biến khác nhau như camera stereo màu và đen trắng độ phân giải cao, máy quét laser 3D Velodyne và hệ thống dẫn đường quán tính GPS/IMU độ chính xác cao. Các kịch bản rất đa dạng, phản ánh các tình huống giao thông thực tế và trải dài từ các xa lộ, các khu vực nông thôn đến các cảnh trong thành phố với nhiều đối tượng tĩnh và động. Dữ liệu của chúng tôi đã được hiệu chỉnh, đồng bộ và gán thời gian, và chúng tôi cung cấp các chuỗi hình ảnh đã chỉnh sửa và thô. Tập dữ liệu của chúng tôi cũng chứa nhãn đối tượng dưới dạng các tracklet 3D, và chúng tôi cung cấp các bài kiểm tra trực tuyến cho stereo, dòng quang học, phát hiện đối tượng và các tác vụ khác. Bài báo này mô tả nền tảng ghi âm của chúng tôi, định dạng dữ liệu và các tiện ích mà chúng tôi cung cấp.

Bình thường hóa chính xác là điều kiện tiên quyết tuyệt đối để đo lường đúng biểu hiện gene. Đối với PCR sao chép ngược định lượng thời gian thực (RT-PCR), chiến lược bình thường hóa phổ biến nhất bao gồm tiêu chuẩn hóa một gene kiểm soát được biểu hiện liên tục. Tuy nhiên, trong những năm gần đây, đã trở nên rõ ràng rằng không có gene nào được biểu hiện liên tục ở tất cả các loại tế bào và dưới mọi điều kiện thí nghiệm, ngụ ý rằng sự ổn định biểu hiện của gene kiểm soát dự kiến phải được xác minh trước mỗi thí nghiệm. Chúng tôi đã trình bày một chiến lược mới, sáng tạo và mạnh mẽ để xác định các gene được biểu hiện ổn định trong một tập hợp các gene ứng cử viên để bình thường hóa. Chiến lược này bắt nguồn từ một mô hình toán học về biểu hiện gene cho phép ước lượng không chỉ sự biến đổi tổng thể của các gene nghị biểu bình thường mà còn sự biến đổi giữa các nhóm mẫu bộ của tập hợp mẫu. Đáng chú ý, chiến lược này cung cấp một thước đo trực tiếp cho sự biến đổi biểu hiện ước tính, cho phép người dùng đánh giá lỗi hệ thống được tạo ra khi sử dụng gene này. Trong một so sánh trực tiếp với một chiến lược đã được công bố trước đó, cách tiếp cận dựa trên mô hình của chúng tôi có hiệu suất mạnh mẽ hơn và ít nhạy cảm hơn đối với điều chỉnh đồng biến của các gene bình thường hóa ứng cử viên. Chúng tôi đã sử dụng chiến lược dựa trên mô hình để xác định các gene phù hợp để bình thường hóa dữ liệu RT-PCR định lượng từ ung thư ruột kết và ung thư bàng quang. Các gene này bao gồm UBC, GAPD, và TPT1 cho ruột kết và HSPCB, TEGT, và ATP5B cho bàng quang. Chiến lược được trình bày có thể được áp dụng để đánh giá độ thích hợp của bất kỳ ứng cử viên gene bình thường hóa trong bất kỳ loại thiết kế thí nghiệm nào và nên cho phép bình thường hóa dữ liệu RT-PCR đáng tin cậy hơn.

Bài báo này mô tả việc xây dựng một bộ dữ liệu khí hậu lưới cập nhật (được gọi là CRU TS3.10) từ các quan sát hàng tháng tại các trạm khí tượng trên khắp các vùng đất của thế giới. Các sai lệch tại trạm (so với trung bình giai đoạn 1961 đến 1990) được nội suy vào các ô lưới vĩ độ/kinh độ 0,5° bao phủ bề mặt đất toàn cầu (không bao gồm Antarctica), và được kết hợp với một khí hậu hiện có để nhận được các giá trị hàng tháng tuyệt đối. Bộ dữ liệu bao gồm sáu biến khí hậu chủ yếu độc lập (nhiệt độ trung bình, biên độ nhiệt độ ngày, lượng mưa, tần suất ngày ẩm, áp suất hơi và độ che phủ mây). Nhiệt độ tối đa và tối thiểu được suy ra một cách toán học từ các biến này. Các biến thứ cấp (tần suất ngày sương giá và bốc hơi tiềm năng) được ước lượng từ sáu biến chính bằng cách sử dụng các công thức nổi tiếng. Chuỗi thời gian cho các trung bình bán cầu và 20 khu vực quy mô bán châu lục lớn đã được tính toán (cho nhiệt độ trung bình, tối đa và tối thiểu cũng như tổng lượng mưa) và so sánh với một số sản phẩm lưới tương tự. Bộ dữ liệu mới có sự so sánh rất tích cực, với các sai lệch chính chủ yếu ở các vùng và/hoặc thời kỳ có ít dữ liệu quan sát hơn. CRU TS3.10 bao gồm các chẩn đoán liên quan đến từng giá trị nội suy cho biết số lượng trạm được sử dụng trong nội suy, cho phép xác định độ tin cậy của các giá trị một cách khách quan. Sản phẩm lưới này sẽ được cung cấp công khai, bao gồm cả chuỗi số liệu của các trạm đầu vào (http://www.cru.uea.ac.uk/ và http://badc.nerc.ac.uk/data/cru/). © 2013 Hiệp hội Khí tượng Hoàng gia

Các mẫu biểu hiện gen đặc trưng được đo bằng vi mạch DNA đã được sử dụng để phân loại các khối u thành các nhóm phụ lâm sàng có liên quan. Trong nghiên cứu này, chúng tôi đã tinh chỉnh các phân loại phụ đã được xác định trước đó của các khối u vú có thể được phân biệt bằng các mẫu biểu hiện gen khác biệt của chúng. Tổng cộng có 115 khối u vú ác tính đã được phân tích bằng phân cụm phân cấp dựa trên các mẫu biểu hiện của 534 gen "nội sinh" và được cho là chia thành một nhóm giống như cơ sở, một nhóm ERBB2 -tăng cường biểu hiện, hai nhóm giống như biểu mô, và một nhóm giống như mô vú bình thường. Các gen được sử dụng để phân loại được chọn dựa trên mức độ biểu hiện tương tự giữa các cặp mẫu liên tiếp được lấy từ cùng một khối u cách nhau 15 tuần điều trị neoadjuvant. Phân tích cụm tương tự của hai tập dữ liệu độc lập đã được công bố đại diện cho các nhóm bệnh nhân khác nhau từ các phòng thí nghiệm khác nhau, đã phát hiện ra một số kiểu phụ ung thư vú tương tự. Trong một tập dữ liệu bao gồm thông tin về thời gian phát triển của di căn xa, các kiểu phụ có liên quan đến sự khác biệt đáng kể trong đặc điểm lâm sàng này. Bằng cách bao gồm một nhóm các khối u từ những người mang BRCA1 trong phân tích, chúng tôi phát hiện ra rằng kiểu gen này có xu hướng gây ra kiểu phụ khối u cơ sở. Các kết quả của chúng tôi mạnh mẽ ủng hộ ý tưởng rằng nhiều kiểu phụ khối u vú này đại diện cho các thực thể bệnh lý sinh học khác biệt.