معلومة

5.6: تجميعها - الجزيئات البيولوجية المهمة - علم الأحياء

5.6: تجميعها - الجزيئات البيولوجية المهمة - علم الأحياء


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

الآن بعد أن تعلمنا عن الجزيئات الكبيرة التي تحتاجها أجسامنا وتستخدمها ، دعنا نعود إلى الأسئلة التي طرحناها في بداية الوحدات حول النظم الغذائية الصحية:

فكر في الأمر

  • هل من الممكن حتى أن يتخلص الشخص من جميع الكربوهيدرات في نظامه الغذائي؟
  • هل من الصحي حقًا إزالة فئة كاملة من الجزيئات من النظام الغذائي؟
  • الدهون والكوليسترول ضاران تمامًا ، أليس كذلك؟

[صفوف منطقة الممارسة = "4 ″] [/ منطقة الممارسة]
[تكشف-الإجابة q = ”193414 ″] انظر أفكارنا [/ تكشف-الإجابة]
[إجابة مخفية أ = "193414 ″]

في الواقع ، من المستحيل اتباع نظام غذائي خالٍ من الكربوهيدرات أو الدهون. توجد هذه الجزيئات في جميع الخلايا وتشكل الخلايا ما نأكله. الأهم من ذلك ، أن كل من هذه الجزيئات البيولوجية لها دور مهم للغاية تلعبه. إذا قمت بحذف الكثير من الدهون من نظامك الغذائي ، على سبيل المثال ، فمن الممكن أن تنخفض مخازن الدهون لديك بدرجة كافية بحيث يتساقط شعرك!

حتى الكوليسترول الضار هو شرط لجسم وأسلوب حياة صحيين: فبدون ما يكفي من الكوليسترول ، لا ينتج جسمك ما يكفي من الهرمونات الجنسية (هرمون الاستروجين أو التستوستيرون حسب ما إذا كنت ذكراً أو أنثى). الحيلة هي اتخاذ خيارات صحية بشكل عام بدون الكثير من أي جزيئات بيولوجية كبيرة - بعد كل شيء ، يمكن بالتأكيد أن يكون هناك الكثير من الأشياء الجيدة.

[/ إجابة مخفية]


هذه صفحة من الروابط المفيدة للطلاب الجامعيين وطلاب الدراسات العليا في برنامج الكيمياء الحيوية الصناعية في ال جامعة ليمريك الذين يدرسون المعلوماتية الحيوية (BC4957) أو من يستخدم المعلوماتية الحيوية كجزء من برنامجهم البحثي. يتم تشغيل برنامج البكالوريوس في الكيمياء الحيوية الصناعية داخل قسم العلوم الكيميائية والبيئية مع برامج الماجستير والدكتوراه المتعلقة ببرنامج البكالوريوس في علم الأحياء الدقيقة الجزيئي والتكنولوجيا الحيوية والبيولوجيا الهيكلية والكيمياء الحيوية والبيولوجيا الجزيئية. نرحب بالآخرين الذين يصلون إلى الموقع لاستخدامه. آمل أن تكون مفيدة.

أ. مصادر البحث عن المؤلفات العلمية واسترجاعها بما في ذلك الدروس: كجزء من عمل الواجب داخل البرنامج ، يُطلب من الطلاب إجراء عمليات بحث في الأدبيات وروابط مفيدة إلى Medline و Web of Science و Google Scholar. تقدم الصفحة روابط إلى Science Direct (مورد مجلة Elsievier التابع لجامعة Limericks على الإنترنت والذي يمكن الوصول إليه داخليًا فقط داخل UL). وبالتالي فإنه يوفر موردا للأطروحة وعمل المشروع في جميع مجالات الكيمياء الحيوية الصناعية والبيولوجيا الجزيئية والمعلوماتية الحيوية.

ب. بوابة المعلوماتية الحيوية مع معلومات وروابط لتحليل الحمض النووي والبروتين: كجزء من برنامج البكالوريوس وأثناء عمل الدراسات العليا ، سيشارك الطلاب في تحليل البروتين والحمض النووي. توفر هذه الصفحة ارتباطات رئيسية لقواعد بيانات التسلسل الأساسي والخوادم التحليلية الرئيسية مثل BLAST و Clustal & # 8230 وغيرها.

ج. روابط لنشاط البحث في حدود معمل بيمبروك. هذا يشمل


من البنيوية إلى الوظيفية

بينما كانت البنيوية تكافح من أجل النجاة من تدقيق المنهج العلمي ، تم البحث عن مناهج جديدة لدراسة العقل. كان أحد البدائل المهمة هو الوظيفية ، التي أسسها ويليام جيمس في أواخر القرن التاسع عشر ، والتي تم وصفها ومناقشتها في منشوره المكون من مجلدين مبادئ علم النفس (1890) (انظر الفصل 1.2 لمزيد من التفاصيل). مبنية على الاهتمام بالبنيوية & # 8217s لتشريح العقل ، أدت الوظيفية إلى اهتمام أكبر بوظائف العقل ، ثم السلوكية لاحقًا.

التقط جيمس أنجيل ، أحد طلاب جيمس ، المنظور الوظيفي فيما يتعلق بمناقشة الإرادة الحرة في نصه عام 1906 علم النفس: دراسة تمهيدية لبنية ووظيفة الوعي البشري:

بقدر ما يكون الوعي نشاطًا منظمًا وموحدًا ، فإننا نجد أنه مع زيادة النضج يتم تنسيق نبضاتنا بشكل عام مع بعضها البعض بشكل مثالي أكثر وأكثر. وهكذا نصل إلى اكتساب عادات عمل محددة وموثوقة. تتشكل إرادتنا. مثل هذا التثبيت لأنماط الإرادة يشكل شخصية. إن الرجل الطيب حقًا ليس مضطرًا إلى التردد في السرقة. جميع عاداته الأخلاقية تدفعه على الفور وبصعوبة إلى الابتعاد عن مثل هذه الأفعال. إذا كان مترددًا ، فمن أجل التأكد من أن الفعل المقترح يسرق ، وليس لأن شخصيته غير مستقرة. من وجهة نظر واحدة ، لا يكتمل تطور الشخصية أبدًا ، لأن التجربة تقدم لنا باستمرار جوانب جديدة من الحياة ، ونتيجة لهذه الحقيقة ، نحن دائمًا منخرطون في إعادة بناء طفيفة لأنماط سلوكنا وموقفنا تجاه الحياة. ولكن بطريقة منطقية عملية ، تصبح معظم عادات رد الفعل الهامة لدينا ثابتة في وقت مبكر ومحدّد إلى حد ما في الحياة.

تعتبر الوظيفية الحياة العقلية والسلوك من حيث التكيف النشط مع بيئة الشخص # 8217. على هذا النحو ، فإنه يوفر الأساس العام لتطوير النظريات النفسية التي لا يمكن اختبارها بسهولة عن طريق التجارب الخاضعة للرقابة مثل علم النفس التطبيقي. كان النهج الوظيفي لـ William James & # 8217s في علم النفس أقل اهتمامًا بتكوين العقل من دراسة الطرق التي يتكيف بها العقل مع المواقف والبيئات المتغيرة. في الوظيفة ، يُعتقد أن الدماغ قد تطور لغرض تحسين بقاء حامله من خلال العمل كقوة معالج المعلومات. [1] عند معالجة المعلومات ، يُنظر إلى الدماغ على أنه يقوم بتنفيذ وظائف مشابهة لتلك التي ينفذها الكمبيوتر وتشبه إلى حد كبير ما هو مبين في الشكل 2.3 أدناه لنظام التكيف المعقد.

الشكل 2.3 نظام التكيف المعقد. يتأثر السلوك بالمعلومات التي تم جمعها من بيئة خارجية متغيرة.

احتفظ الوظيفيون بالتركيز على التجربة الواعية. كان جون ديوي ، وجورج هربرت ميد ، وهارفي أ.كار ، وخاصة جيمس أنجيل من المؤيدين الإضافيين للوظيفة في جامعة شيكاغو. شاركت مجموعة أخرى في جامعة كولومبيا ، بما في ذلك جيمس ماكين كاتيل ، وإدوارد إل ثورندايك ، وروبرت إس وودورث ، وجهة نظر وظيفية.

يعتبر علم النفس البيولوجي أيضًا اختزالي. بالنسبة إلى اختزالي, البسيط هو مصدر المركب. بمعنى آخر ، لشرح ظاهرة معقدة (مثل السلوك البشري) يحتاج الشخص إلى اختزالها إلى عناصرها. في المقابل ، بالنسبة لـ كلي, الكل أكبر من مجموع الأجزاء. يمكن اعتبار تفسيرات السلوك في أبسط مستوياته اختزالية. يعكس النهج التجريبي والمختبري في مختلف مجالات علم النفس (مثل السلوكي والبيولوجي والمعرفي) موقفًا اختزاليًا. يجب أن يقلل هذا النهج حتمًا السلوك المعقد إلى مجموعة بسيطة من المتغيرات التي توفر إمكانية تحديد السبب والنتيجة (أي ، يشير النهج البيولوجي إلى أنه يمكن معالجة المشكلات النفسية كمرض وبالتالي يمكن علاجها غالبًا بالعقاقير).

حظي الدماغ ووظائفه (الشكل 2.4) باهتمام كبير من علماء النفس البيولوجي واستمروا في التركيز على علماء النفس اليوم. علماء النفس المعرفي الاعتماد على الرؤى الوظيفية في مناقشة كيف يؤثر، أو المشاعر، و تتفاعل البيئة أو الأحداث وتؤدي إلى تصورات محددة. يدرس علماء النفس البيولوجي الدماغ البشري من حيث الأجزاء أو الأنظمة المتخصصة وعلاقاتهم المعقدة بشكل رائع. أظهرت الدراسات تكوين الخلايا العصبية [2] في الحصين (Gage ، 2003). في هذا الصدد ، فإن الدماغ البشري ليس كتلة ثابتة من الأنسجة العصبية. كذلك ، فقد وجد أن العوامل البيئية المؤثرة تعمل طوال فترة الحياة. من بين أكثر العوامل سلبية ، يمكن أن تؤدي الإصابات الرضحية والعقاقير إلى تدمير خطير. في المقابل ، يمكن أن يوفر النظام الغذائي الصحي وبرامج التمارين المنتظمة والأنشطة العقلية الصعبة تأثيرات إيجابية طويلة المدى على الدماغ والنمو النفسي (Kolb، Gibb، & amp Robinson، 2003).

الشكل 2.4 وظائف الدماغ. أجزاء مختلفة من الدماغ مسؤولة عن أشياء مختلفة.

يتكون الدماغ من أربعة فصوص:

  1. الفص الجبهي:يُعرف أيضًا باسم القشرة الحركية ، ويشارك هذا الجزء من الدماغ في المهارات الحركية والإدراك عالي المستوى واللغة التعبيرية.
  2. الفص القذالي:يُعرف أيضًا باسم القشرة البصرية ، ويشارك هذا الجزء من الدماغ في تفسير المنبهات والمعلومات البصرية.
  3. الفص الجداري:يُعرف أيضًا باسم القشرة الحسية الجسدية ، ويشارك هذا الجزء من الدماغ في معالجة المعلومات الحسية اللمسية الأخرى مثل الضغط واللمس والألم.
  4. الفص الصدغي:يُعرف أيضًا باسم القشرة السمعية ، ويشارك هذا الجزء من الدماغ في تفسير الأصوات واللغة التي نسمعها.

جزء مهم آخر من الجهاز العصبي هو الجهاز العصبي المحيطيوالتي تنقسم إلى قسمين:

  1. ال الجهاز العصبي الجسدي، أي يتحكم في تصرفات عضلات الهيكل العظمي.
  2. ال الجهاز العصبي اللاإرادي، أي ينظم العمليات التلقائية مثل معدل ضربات القلب والتنفس وضغط الدم. يتكون الجهاز العصبي اللاإرادي بدوره من جزأين:
    1. ال الجهاز العصبي الوديالذي يتحكم في استجابة القتال أو الطيران، أ المنعكس الذي يهيئ الجسم للاستجابة للخطر في البيئة.
    2. ال الجهاز العصبي السمبتاوي، والذي يعمل على إعادة الجسم إلى حالته الطبيعية بعد استجابة القتال أو الهروب.

    التركيز على البحث: التركيز والأداء الداخلي مقابل الخارجي

    في مجال علم النفس الرياضي ، درس غابرييل وولف وزملاؤه من جامعة لاس فيجاس نيفادا دور التركيز الداخلي والخارجي على نتائج الأداء البدني مثل التوازن والدقة والسرعة والقدرة على التحمل. في إحدى التجارب ، استخدموا جهاز محاكاة التزلج ووجهوا انتباه المشاركين إما إلى الضغط الذي يمارسونه على عجلات المنصة التي كانوا يقفون عليها (تركيز خارجي) ، أو على أقدامهم التي كانت تمارس القوة (التركيز الداخلي). في اختبار الاستبقاء ، أظهرت المجموعة البؤرية الخارجية تعلمًا فائقًا (أي سعة أكبر للحركة) مقارنة بكل من مجموعة التركيز الداخلية ومجموعة التحكم دون تعليمات التركيز. واصل الباحثون تكرار النتائج في تجربة لاحقة تضمنت الموازنة على مقياس استقرار. مرة أخرى ، أدى توجيه انتباه المشاركين خارجيًا ، من خلال إبقاء العلامات على منصة التوازن أفقيًا ، إلى تعلم توازن أكثر فاعلية من تحفيز التركيز الداخلي ، من خلال مطالبتهم بمحاولة إبقاء أقدامهم في وضع أفقي. أظهر الباحثون أن أداء التوازن أو التعلم ، كما يقاس بالانحرافات عن الوضع المتوازن ، يتحسن عندما يتم توجيه انتباه فناني الأداء & # 8217 لتقليل حركات المنصة أو القرص مقارنةً بحركات أقدامهم. منذ الدراسات الأولية ، قام العديد من الباحثين بتكرار فوائد التركيز الخارجي لمهام التوازن الأخرى (Wulf، Höß، & amp Prinz، 1998).

    تم استخدام مهمة توازن أخرى ، وهي ركوب قارب مجداف ، بواسطة Totsika and Wulf (2003). مع تعليمات للتركيز على دفع الدواسات للأمام ، أظهر المشاركون تعلمًا أكثر فاعلية مقارنة بالمشاركين بتعليمات للتركيز على دفع أقدامهم للأمام. هذا الاختلاف الدقيق في التعليمات مهم للباحثين الذين يركزون على الانتباه. أول تعليمات لدفع الدواسة خارجية ، حيث يركز المشارك على الدواسة ويسمح للجسم بمعرفة كيفية دفع الدواسة. التعليمات الثانية لدفع القدمين للأمام داخلية ، حيث يركز المشارك على تحريك قدميه.

    في مزيد من الأبحاث النفسية الموجهة بيولوجيًا في جامعة تورنتو ، أظهر شميتز وتشينج ودي روزا (2010) أن الانتباه البصريقدرة الدماغ على تصفية المعلومات غير المراقبة أو غير المرغوب فيها بشكل انتقائي من الوصول إلى الوعي - يتناقص مع تقدم العمر ، مما يجعل كبار السن أقل قدرة على تصفية المعلومات المشتتة أو غير ذات الصلة. يؤثر هذا المرشح الانتباه المرتبط بالعمر & # 8220 leaky & # 8221 بشكل أساسي على طريقة تشفير المعلومات المرئية في الذاكرة. كبار السن الذين يعانون من ضعف في الانتباه البصري لديهم ذاكرة أفضل للمعلومات & # 8220irrelevant & # 8221. في الدراسة ، فحص فريق البحث صور الدماغ باستخدام التصوير بالرنين المغناطيسي الوظيفي (fMRI) لمجموعة من الشباب (متوسط ​​العمر = 22 عامًا) وكبار السن (متوسط ​​العمر = 77 عامًا) أثناء نظرهم إلى صور الوجوه والأماكن المتداخلة (منازل ومباني). طُلب من المشاركين الانتباه فقط إلى الوجوه وتحديد جنس الشخص. على الرغم من أنه يمكنهم رؤية المكان في الصورة ، إلا أنه لم يكن ذا صلة بالمهمة المطروحة (اقرأ عن نتائج الدراسة و # 8217s على http://www.artsci.utoronto.ca/main/newsitems/brains-ability).

    في الشباب ، كانت منطقة الدماغ لمعالجة الوجوه نشطة بينما لم تكن منطقة الدماغ الخاصة بأماكن المعالجة. ومع ذلك ، كانت مناطق الوجه والمكان نشطة عند كبار السن. هذا يعني أنه حتى في المراحل المبكرة من الإدراك ، كان كبار السن أقل قدرة على تصفية المعلومات المشتتة للانتباه. علاوة على ذلك ، في اختبار ذاكرة مفاجئ بعد 10 دقائق من الفحص ، كان كبار السن أكثر عرضة للتعرف على الوجه الذي تم إقرانه في الأصل مع المنزل.

    تشير النتائج إلى أنه في ظل الظروف الصعبة عن قصد ، مثل الشخص الذي يبحث عن مفاتيح على طاولة مزدحمة ، قد يتم ربط المشكلات المتعلقة بالعمر مع & # 8220 ضبط & # 8221 إلى الكائن المطلوب بالطريقة التي يتم بها تحديد المعلومات ومعالجتها في المناطق الحسية في الدماغ. كل من المعلومات الحسية ذات الصلة - المفاتيح - والمعلومات غير ذات الصلة - الفوضى - يتم إدراكها وترميزها بشكل متساوٍ إلى حد ما. عند كبار السن ، قد تؤثر هذه التغييرات في الانتباه البصري بشكل كبير على العديد من أوجه القصور المعرفية التي تُلاحظ عادةً في الشيخوخة الطبيعية ، وخاصة الذاكرة.

    الماخذ الرئيسية

    • علم النفس البيولوجي & # 8211 المعروف أيضًا باسم علم النفس البيولوجي أو علم النفس البيولوجي & # 8211 هو تطبيق مبادئ علم الأحياء لدراسة العمليات والسلوك العقلي.
    • ظهر علم النفس البيولوجي كتخصص علمي من مجموعة متنوعة من التقاليد العلمية والفلسفية في القرنين الثامن عشر والتاسع عشر.
    • في مبادئ علم النفس (1890) ، جادل ويليام جيمس بأن الدراسة العلمية لعلم النفس يجب أن ترتكز على فهم علم الأحياء.
    • تعد مجالات علم الأعصاب السلوكي وعلم الأعصاب الإدراكي وعلم النفس العصبي جميعها حقولًا فرعية لعلم النفس البيولوجي.
    • يهتم علماء النفس البيولوجي بقياس المتغيرات البيولوجية أو الفسيولوجية أو الجينية في محاولة لربطها بالمتغيرات النفسية أو السلوكية.

    تمارين والتفكير النقدي

    1. جرب هذا التمرين مع مجموعتك: قم بنزهة قصيرة معًا دون التحدث إلى أو النظر إلى بعضكما البعض. عندما تعود إلى الفصل الدراسي ، اطلب من كل عضو في المجموعة أن يكتب ما رأوه وشعروا به وسمعوه وتذوقوه وشمه. قارن وناقش التفكير في بعض افتراضات ومعتقدات البنيويين. ضع في اعتبارك الأسباب المحتملة للاختلافات والتشابهات.
    2. أين يمكنك أن ترى أدلة على رؤى من علم النفس البيولوجي في بعض تطبيقات علم النفس التي تختبرها عادة اليوم (على سبيل المثال ، الرياضة ، والقيادة ، والتسويق ، والتعليم)؟
    3. ادرس وظائف الدماغ وفكر فيما إذا كنت تميل نحو اتجاهات الدماغ اليمنى أو اليسرى.

    التحليل الطيفي: المبادئ والأدوات

    في هذا الكتاب ، سوف تتعلم المبادئ الأساسية التي يقوم عليها التحليل الطيفي الجزيئي والصلات بين هذه المبادئ وتصميم أجهزة قياس الطيف الضوئي.

    يعتبر التحليل الطيفي ، جنبًا إلى جنب مع اللوني وقياس الطيف الكتلي والكيمياء الكهربائية ، تقنية تحليلية مهمة وشائعة الاستخدام. تشمل تطبيقات التحليل الطيفي مراقبة جودة الهواء ، وتحديد المركب ، وتحليل اللوحات والتحف المهمة ثقافيًا. يقدم هذا الكتاب للطلاب أساسيات التحليل الطيفي الجزيئي و ndash بما في ذلك الأشعة فوق البنفسجية المرئية ، والأشعة تحت الحمراء ، والفلورة ، ومطياف رامان & ndash بطريقة ودودة وشاملة. يتجاوز أساسيات الموضوع ويقدم نظرة مفصلة على التفاعل بين النظرية والتطبيق ، مما يجعله مثاليًا لدورات التحليل الكمي ، والتحليل الآلي ، والكيمياء الحيوية ، بالإضافة إلى الدورات التي تركز فقط على التحليل الطيفي. كما أنه مصدر قيم للممارسين العاملين في المختبرات الذين يقومون بإجراء التحليلات الطيفية بانتظام.

    التحليل الطيفي: المبادئ والأدوات:

    • يوفر تغطية شاملة لمبادئ وأدوات وتطبيقات التحليل الطيفي الجزيئي
    • يسهل نهجًا معياريًا للتدريس والتعلم حول الأجهزة الكيميائية
    • يساعد الطلاب على تصور تأثيرات الإشعاع الكهرومغناطيسي في مناطق مختلفة من الطيف على المادة
    • يربط النظرية الأساسية لتأثيرات الإشعاع الكهرومغناطيسي على المادة بتصميم واستخدام أجهزة قياس الطيف الضوئي
    • يتميز بالعديد من الأشكال والرسوم البيانية لتسهيل التعلم
    • يتضمن العديد من الأمثلة العملية والتمارين المصاحبة في كل فصل حتى يتمكن القراء من التحقق من فهمهم
    • يقدم العديد من المشاكل في نهاية كل فصل للسماح للقراء بتطبيق ما تعلموه
    • يشمل دراسات الحالة التي توضح كيفية استخدام التحليل الطيفي في الممارسة العملية ، بما في ذلك تحليل الأعمال الفنية ، ودراسة حركية التفاعلات الأنزيمية ، واكتشاف المتفجرات ، وتحديد تسلسل الحمض النووي للجينوم البشري
    • يكمل اللوني: المبادئ والأدوات

    الكتاب مقسم إلى خمسة فصول تغطي أساسيات التحليل الطيفي ، والتحليل الطيفي للأشعة فوق البنفسجية ، والتحليل الطيفي للوميض / اللمعان ، والتحليل الطيفي للأشعة تحت الحمراء ، ومطياف رامان. يعرض كل فصل تفاصيل النظرية التي تستند إليها التقنيات المحددة ، ويوفر طرقًا للقراء لتصور تأثيرات المستوى الجزيئي للإشعاع الكهرومغناطيسي على المادة ، ويصف تصميم ومكونات أجهزة قياس الطيف الضوئي ، ويناقش تطبيقات كل نوع من أنواع التحليل الطيفي ، ويتضمن دراسات الحالة التي توضح تطبيقات محددة للتحليل الطيفي.

    ينقسم كل فصل إلى أقسام متعددة باستخدام العناوين والعناوين الفرعية ، مما يسهل على القراء العمل من خلال الكتاب والعثور على معلومات محددة ذات صلة باهتماماتهم. تعمل العديد من الشخصيات والتمارين والأمثلة العملية ومشكلات نهاية الفصل على تعزيز المفاهيم المهمة وتسهيل التعلم.

    التحليل الطيفي: المبادئ والأدوات هو نص ممتاز يعد الطلاب الجامعيين والممارسين للعمل في المختبرات الحديثة.


    10.4 (ك ) - يعني التجميع

    10.4.1 الخلفية

    (ك ) - يعني التجميع هو تقنية كلاسيكية تهدف إلى تقسيم الخلايا إلى مجموعات (ك ). يتم تعيين كل خلية إلى الكتلة مع أقرب النقطه الوسطى ، والذي يتم عن طريق تقليل مجموع المربعات داخل المجموعة باستخدام تكوين بدء عشوائي لـ (ك ) النقطه الوسطى. الميزة الرئيسية لهذا النهج تكمن في سرعته ، بالنظر إلى بساطة الخوارزمية وسهولة تنفيذها. ومع ذلك ، فهي تعاني من عدد من أوجه القصور الخطيرة التي تقلل من جاذبيتها للحصول على مجموعات قابلة للتفسير:

    • تفضل ضمنيًا مجموعات كروية ذات نصف قطر متساوٍ. يمكن أن يؤدي هذا إلى أقسام غير بديهية في مجموعات بيانات حقيقية تحتوي على مجموعات ذات أحجام وأشكال غير منتظمة.
    • يجب تحديد عدد الكتل (ك ) مسبقًا ويمثل حدًا أقصى لدقة التجميع .. على سبيل المثال ، سيؤدي تعيين (ك ) ليكون أقل من عدد أنواع الخلايا دائمًا إلى التجميع المشترك من نوعين من الخلايا ، بغض النظر عن مدى فصلهما جيدًا. في المقابل ، ستحترم الطرق الأخرى مثل التجميع المستند إلى الرسم البياني الفصل القوي حتى إذا تم تعيين معلمة الدقة ذات الصلة على قيمة منخفضة.
    • يعتمد على الإحداثيات الأولية المختارة عشوائياً. يتطلب هذا عدة عمليات تشغيل للتحقق من استقرار نظام المجموعات.

    ومع ذلك ، فإن (k ) يعني أن التجميع لا يزال أحد أفضل الأساليب لضغط البيانات المستند إلى العينة. في هذا التطبيق ، قمنا بتعيين (ك ) على قيمة كبيرة مثل الجذر التربيعي لعدد الخلايا للحصول على مجموعات دقيقة الحبيبات. لا يُقصد تفسير هذه النقاط بشكل مباشر ، ولكن بدلاً من ذلك ، يتم التعامل مع النقط الوسطى على أنها "عينات" لمزيد من التحليلات. الفكرة هنا هي الحصول على ممثل واحد لكل منطقة من مساحة التعبير ، وتقليل عدد العينات والعمل الحسابي في خطوات لاحقة مثل ، على سبيل المثال ، إعادة بناء المسار (Ji and Ji 2016). سيؤدي هذا النهج أيضًا إلى القضاء على الاختلافات في كثافة الخلية عبر مساحة التعبير ، مما يضمن أن نوع الخلية الأكثر وفرة لا يسيطر على نتائج المصب.

    10.4.2 تنفيذ القاعدة

    توفر Base R وظيفة kmeans () التي تعمل كما يوحي اسمها. نحن نطلق على هذا في أفضل أجهزة الكمبيوتر لدينا للحصول على مجموعة لعدد محدد من المجموعات في الوسط = وسيطة ، بعد تعيين البذور العشوائية للتأكد من أن النتائج قابلة للتكرار. بشكل عام ، تتوافق مجموعات (k ) - تعني المجموعات المرئية على مؤامرة (t ) -SNE في الشكل 10.6 ، على الرغم من وجود بعض الاختلافات التي لم يتم ملاحظتها في الشكل 10.1. (هذا يرجع جزئيًا على الأقل إلى حقيقة أن (t ) -SNE نفسها تعتمد على الرسم البياني وبالتالي ستوافق بشكل طبيعي أكثر مع إستراتيجية المجموعات القائمة على الرسم البياني.)

    الشكل 10.6: (t ) -مخطط SNE لمجموعة بيانات 10X PBMC ، حيث تمثل كل نقطة خلية ويتم تلوينها وفقًا لهوية المجموعة المعينة من (ك ) - يعني التجميع.

    إذا كنا نميل إلى هذا الحد ، فيمكننا الحصول على خيار "معقول" لـ (ك ) من خلال حساب إحصاء الفجوة باستخدام طرق من العنقودية صفقة. هذه هي النسبة اللوغاريتمية لمجموع المربعات المتوقع أن يتم ملاحظته داخل المجموعة ، حيث يتم حساب القيمة المتوقعة عن طريق التوزيع العشوائي للخلايا داخل المربع المحيط الأدنى للبيانات الأصلية. تمثل إحصائية الفجوة الأكبر مجموعًا أقل من المربعات الملحوظة - وبالتالي تجميعًا أفضل - مقارنةً بمجموعة لا تحتوي على بنية. من الناحية المثالية ، سنختار (k ) الذي يزيد من إحصاء الفجوة إلى الحد الأقصى ، ولكن هذا غالبًا ما يكون غير مفيد لأن ميل (ك ) - يعني تفضيل الكتل الكروية تدفع كبير (ك ) لالتقاط أشكال كتلة مختلفة . بدلاً من ذلك ، نختار (k ) الأكثر شحًا والتي تعتبر بعدها الزيادات في إحصاء الفجوة غير ذات أهمية (الشكل 10.7). ومع ذلك ، يجب أن يقال إن هذه العملية تستغرق وقتًا طويلاً وأن الاختيار الناتج لـ (ك ) ليس دائمًا مستقرًا.

    الشكل 10.7: إحصاء الفجوة فيما يتعلق بزيادة عدد مجموعات (ك ) - يعني في مجموعة بيانات 10X PBMC. يمثل الخط الأحمر (ك ) المختار.

    الاستخدام العملي الأكبر لوسائل (ك ) هو تعيين (ك ) عمدًا إلى قيمة كبيرة لتحقيق التجميع المفرط. سيؤدي هذا إلى تقسيم الخلايا بالقوة داخل مجموعات واسعة لا تحتوي على بنية داخلية محددة جيدًا. على سبيل المثال ، قد نكون مهتمين بالتغيير في التعبير من "جانب" من مجموعة إلى أخرى ، ولكن عدم وجود أي فصل واضح داخل المجموعة يجعل من الصعب الفصل مع الأساليب القائمة على الرسم البياني ، حتى في أعلى دقة . (ك ) - يعني عدم وجود مثل هذه المشاكل وسوف تقسم هذه المجموعات العريضة بسهولة من أجل حل أكبر ، على الرغم من أنه من الواضح أنه يجب على المرء أن يكون مستعدًا للعمل الإضافي الذي ينطوي عليه تفسير عدد أكبر من المجموعات.

    الشكل 10.8: (t ) -مخطط SNE لمجموعة بيانات 10X PBMC ، حيث تمثل كل نقطة خلية ويتم تلوينها وفقًا لهوية المجموعة المعينة من (ك ) - يعني التجميع باستخدام (ك = 20 ) ).

    جانبا: إذا كنا بالفعل نستخدم الكتلة () من تبجح، يمكننا التبديل بسهولة إلى (k ) - يعني التجميع عن طريق توفير KmeansParam () كوسيطة ثانية. يتطلب هذا عدد المجموعات كعدد صحيح ثابت أو كدالة لعدد الخلايا - يحدد المثال أدناه عدد المجموعات إلى الجذر التربيعي لعدد الخلايا ، وهي قاعدة إرشادية فعالة لتكميم المتجهات .

    10.4.3 تقييم الفصل العنقودي

    مجموع المربعات داخل الكتلة (WCSS) لكل مجموعة هو التشخيص الأكثر صلة بالوسائل (k ) ، بالنظر إلى أن الخوارزمية تهدف إلى إيجاد مجموعة تقلل من WCSS. على وجه التحديد ، نستخدم WCSS لحساب انحراف الجذر التربيعي (RMSD) الذي يمثل انتشار الخلايا داخل كل مجموعة. من المرجح أن يكون للكتلة RMSD منخفضة إذا لم يكن لها بنية داخلية وتم فصلها عن الكتل الأخرى (مثل عدم وجود العديد من الخلايا على الحدود بين المجموعات ، مما قد ينتج عنه مجموع مربعات أعلى من النقطه الوسطى).

    (كجانب جانبي ، فإن RMSDs للمجموعات غير مرتبطة ارتباطًا وثيقًا بأحجامها في الشكل 10.8. وهذا يسلط الضوء على مخاطر محاولة التفسير الكمي لأحجام المجموعات المرئية في (t ) -SNE.)

    لاستكشاف العلاقات بين (ك ) - يعني المجموعات ، فإن الطريقة الطبيعية هي حساب المسافات بين النقطتين الوسطى الخاصة بهم. هذا يفسح المجال للتصور كشجرة بعد التجميع الهرمي (الشكل 10.9).

    الشكل 10.9: التسلسل الهرمي لـ (ك ) - يعني النقط الوسطى العنقودية ، باستخدام طريقة وارد الدنيا للتباين.

    10.4.4 في إجراءات من خطوتين

    كما ذكرنا سابقًا ، فإن الوسائل (ك ) هي الأكثر فاعلية في دورها في تكميم المتجهات ، أي ضغط الخلايا المجاورة في نقطة تمثيلية واحدة. هذا يسمح باستخدام (ك ) - كمقدمة لخوارزميات تجميع أكثر تعقيدًا وقابلية للتفسير - ولكنها باهظة الثمن -. تدعم وظيفة () clusterRows () وضع "خطوتين" حيث يتم استخدام الوسائل (k ) مبدئيًا للحصول على النقط الوسطى التمثيلية التي تتعرض للتجميع المستند إلى الرسم البياني. يتم بعد ذلك وضع كل خلية في نفس المجموعة القائمة على الرسم البياني التي تم تعيين (k ) - تعني النقطه الوسطى لها (الشكل 10.10).

    الشكل 10.10: (t ) - مخطط SNE لمجموعة بيانات PBMC ، حيث تمثل كل نقطة خلية ويتم تلوينها وفقًا لهوية المجموعة المعينة من التجميع (k ) - يعني / الرسم البياني القائم على المجموعات.

    الفائدة الواضحة من هذا النهج على المجموعات القائمة على الرسم البياني المباشر هي تحسين السرعة. نتجنب الحاجة إلى تحديد الجيران الأقرب لكل خلية وإنشاء رسم بياني وسيط كبير ، مع الاستفادة من التفسير النسبي للمجموعات القائمة على الرسم البياني مقارنةً بتلك الموجودة في الوسائل (ك ). هذا النهج يخفف أيضًا من تأثير "التضخم" الذي تمت مناقشته في القسم 10.3. يعمل كل centroid كممثل لمنطقة الفضاء المتشابهة تقريبًا في الحجم ، مما يؤدي إلى تخفيف الاختلافات في كثافة الخلايا التي يمكن أن تسبب اختلافات (غير مرغوب فيها) في الدقة.

    اختيار عدد المجموعات (ك ) - يعني (المعرفة هنا بواسطة kmeans.clusters = وسيطة) يحدد المفاضلة بين السرعة والإخلاص. توفر القيم الأكبر تمثيلًا أكثر إخلاصًا للتوزيع الأساسي للخلايا ، على حساب الحاجة إلى مزيد من العمل الحسابي من خلال إجراء التجميع في المرحلة الثانية. لاحظ أن الخطوة الثانية تعمل على النقط الوسطى ، لذا فإن زيادة kmeans.clusters = قد يكون لها آثار أخرى إذا كان إجراء المرحلة الثانية حساسًا للعدد الإجمالي لملاحظات الإدخال. على سبيل المثال ، تتطلب زيادة عدد النقط الوسطى زيادة مصاحبة في k = (عدد الجيران في إنشاء الرسم البياني) للحفاظ على نفس مستوى الدقة في الإخراج النهائي.


    مراجع

    الدوس ، ب. (2008 ، 7 أبريل). "بوليرو": عرض جميل لمرض رهيب. عالم جديد. تم الاسترجاع من http://www.newscientist.com/article/dn13599-bolero-beautiful-symptom-of-a-terrible-disease.html

    Amaducci، L.، Grassi، E.، & amp Boller، F. (2002). موريس رافيل والإبداع الموسيقي في النصف الأيمن من الكرة الأرضية: تأثير المرض على أعماله الموسيقية الأخيرة؟ المجلة الأوروبية لطب الأعصاب ، 9(1), 75–82.

    ميلر ، بي إل ، بون ، ك ، كامينغز ، جي إل ، ريد ، إس إل ، وأمبير ميشكين ، إف (2000). الارتباطات الوظيفية للقدرة الموسيقية والبصرية في الخرف الجبهي الصدغي. المجلة البريطانية للطب النفسي ، 176, 458–463.

    سيلي ، دبليو دبليو ، ماثيوز ، بي آر ، كروفورد ، آر كيه ، جورنو تيمبيني ، إم إل ، فوتي ، دي ، ماكنزي ، آي آر ، وأمبير ميلر ، بي إل (2008). "تفكيك بوليرو": الحبسة التقدمية ، والإبداع الانتقالي ، والقشرة المخية الخلفية الصحيحة. دماغ ، 131(1), 39–49.


    لمحة تاريخية

    بعد وقت قصير من اكتشاف KSHV في آفات KS وتم التعرف على خلايا سرطان الغدد الليمفاوية الانصباب الأولي (PEL) كمصدر لفيروس KS ، وصفت التقارير البقع النووية المميزة التي لوحظت من خلال التألق المناعي عند تلطيخ خلايا PEL بالمصل من المرضى الذين كانوا إيجابيين لـ PCR لـ KSHV (2 ⇓ –4). بعد فترة وجيزة ، كشف استنساخ وتسلسل جينوم KSHV الكامل وتحديد الجينات الرئيسية المرتبطة بزمن انتقال KSHV ، بالاقتران مع تجارب تعداء ، أن LANA المشفرة بواسطة ORF73 هي المستضد الذي يتفاعل مع مضاد مريض إيجابي KSHV لإحداث " بقع LANA "(5 ، 6). حتى الآن ، يعد الكشف عن بقع LANA هو المعيار الذهبي لتشخيص KSHV (7). LANA هو بروتين نووي كبير من 220 إلى 240 كيلو دالتون يتفاعل مع العديد من البروتينات الخلوية المضيفة المشاركة في تكرار الحمض النووي وتنظيم النسخ (8). في هذه المناقشة ، نركز على دور LANA فيما يتعلق باستمرارية الجينوم أثناء زمن الوصول. أول دليل على أن KSHV LANA ، مثل EBNA1 من فيروس الورم البشري المرتبط بفيروس Epstein-Barr (EBV) ، مسؤول عن الفصل الجينومي جاء في عام 1999 ، عندما تم إثبات أن البلازميدات التي تحتوي على تسلسل TR تم فصلها بشكل ثابت في الخلايا التي تعبر عن LANA (9). ، 10). حددت مجموعات متعددة تسلسلات TR على أنها رابطة الدول المستقلة- العناصر التنظيمية الأساسية لكل من بدء تكرار الحمض النووي وفصل البلازميدات المحتوية على TR أثناء الانقسام. تم تعيين المجال الطرفي لـ LANA وإظهار ارتباطه بموقعي ربط LANA (LBS1 و LBS2) بطريقة تعاونية (11). بعد ذلك ، أظهرت المقاربات الهيكلية والوراثية الأنيقة أن الببتيد الطرفي بطول 18 أأ يتفاعل على وجه التحديد مع واجهة هيستون H2A / H2B ، وأن هذا التفاعل مطلوب للفصل العرضي (12). النموذج الذي نشأ من هذه الدراسات الجزيئية هو أن LANA ترتبط بتسلسلات TR الفيروسية عبر مجال ربط الحمض النووي للطرف C بطريقة محددة للغاية ، بينما تربط الحلقات الفيروسية لاستضافة الكروماتين من خلال تفاعل المجال الطرفي LANA N مع هيستون. بعبارة أخرى ، تشكل LANA "حبلًا" أو "جسرًا" بين الكروماتين الفيروسي والمضيف. كما هو موضح أعلاه ، فإن العديد من التفاصيل الجزيئية معروفة الآن.


    تدفق الفصل الدراسي: تطور نشاط العبث

    1. عند دخول الطلاب إلى الفصل ، وزع أقلام التظليل / أقلام التحديد و 5-6 أوراق. أخبر الطلاب أن أمامهم دقيقتان لنسخ رسم الحيوان الذي نشرته على السبورة الأمامية.

    • ملاحظة: يمكن أن يختلف الكائن الحي الذي تختار رسمه ونشره في كل فصل دراسي وليس مهمًا طالما أنه شيء يمكن للطلاب رسمه بسهولة ، مثل سمكة.

    2. بعد انتهاء المؤقت ، اطلب من الطلاب تعليق رسومات الأسماك الخاصة بهم. تجول في الغرفة واختر واحدًا من المجموعة مع وقفة درامية بقدر ما يمكنهم الوقوف! لا تخبر الطلاب بالمعايير التي تستخدمها من أجل اختيارك

    • ملاحظة: توقع الكثير من الضحك والهمهمة من الغرفة وأنت تتجول! توفر تأملاتي التالية بعض الخيارات لتختار منها أو تبني عليها.

    3. After choosing a drawing from the student group, take the first drawing down from the whiteboard and post the second one collected from the group. Ask students to copy this drawing as best they can in 2 minutes.

    4. Repeat this process for 5-6 generations depending upon the time and conversational cues of the group.

    • Note: You will hear all kinds of spontaneous conversations to happen concerning how fish are being chosen for the next round of drawings--I try not to confirm or comment until after our activity is over.

    5. Once you have accumulated 5-6 drawings, post them up on the board in chronological order for students to view and analyze as a group. At this point, your engaged class discussion can begin.


    6.5 Removing low-quality cells

    Once low-quality cells have been identified, we can choose to either remove them or mark them. Removal is the most straightforward option and is achieved by subsetting the SingleCellExperiment by column. In this case, we use the low-quality calls from Section 6.3.2.3 to generate a subsetted SingleCellExperiment that we would use for downstream analyses.

    The biggest practical concern during QC is whether an entire cell type is inadvertently discarded. There is always some risk of this occurring as the QC metrics are never fully independent of biological state. We can diagnose cell type loss by looking for systematic differences in gene expression between the discarded and retained cells. To demonstrate, we compute the average count across the discarded and retained pools in the 416B data set, and we compute the log-fold change between the pool averages.

    If the discarded pool is enriched for a certain cell type, we should observe increased expression of the corresponding marker genes. No systematic upregulation of genes is apparent in the discarded pool in Figure 6.5, suggesting that the QC step did not inadvertently filter out a cell type in the 416B dataset.

    Figure 6.5: Log-fold change in expression in the discarded cells compared to the retained cells in the 416B dataset. Each point represents a gene with mitochondrial transcripts in blue.

    For comparison, let us consider the QC step for the PBMC dataset from 10X Genomics (Zheng et al. 2017) . We’ll apply an arbitrary fixed threshold on the library size to filter cells rather than using any outlier-based method. Specifically, we remove all libraries with a library size below 500.

    The presence of a distinct population in the discarded pool manifests in Figure 6.6 as a set of genes that are strongly upregulated in lost . هذا يشمل PF4, PPBP و SDPR, which (spoiler alert!) indicates that there is a platelet population that has been discarded by alt.discard .

    Figure 6.6: Average counts across all discarded and retained cells in the PBMC dataset, after using a more stringent filter on the total UMI count. Each point represents a gene, with platelet-related genes highlighted in orange.

    If we suspect that cell types have been incorrectly discarded by our QC procedure, the most direct solution is to relax the QC filters for metrics that are associated with genuine biological differences. For example, outlier detection can be relaxed by increasing nmads= in the isOutlier() calls. Of course, this increases the risk of retaining more low-quality cells and encountering the problems discussed in Section 6.1. The logical endpoint of this line of reasoning is to avoid filtering altogether, as discussed in Section 6.6.

    As an aside, it is worth mentioning that the true technical quality of a cell may also be correlated with its type. (This differs from a correlation between the cell type and the QC metrics, as the latter are our imperfect proxies for quality.) This can arise if some cell types are not amenable to dissociation or microfluidics handling during the scRNA-seq protocol. In such cases, it is possible to “correctly” discard an entire cell type during QC if all of its cells are damaged. Indeed, concerns over the computational removal of cell types during QC are probably minor compared to losses in the experimental protocol.


    11.6 Further comments

    One consequence of the DE analysis strategy is that markers are defined relative to subpopulations in the same dataset. Biologically meaningful genes will not be detected if they are expressed uniformly throughout the population, e.g., T cell markers will not be detected if only T cells are present in the dataset. In practice, this is usually only a problem when the experimental data are provided without any biological context - certainly, we would hope to have some بداهة idea about what cells have been captured. For most applications, it is actually desirable to avoid detecting such genes as we are interested in characterizing heterogeneity within the context of a known cell population. Continuing from the example above, the failure to detect T cell markers is of little consequence if we already know we are working with T cells. Nonetheless, if “absolute” identification of cell types is necessary, we discuss some strategies for doing so in Chapter 12.

    Alternatively, marker detection can be performed by treating gene expression as a predictor variable for cluster assignment. For a pair of clusters, we can find genes that discriminate between them by performing inference with a logistic model where the outcome for each cell is whether it was assigned to the first cluster and the lone predictor is the expression of each gene. Treating the cluster assignment as the dependent variable is more philosophically pleasing in some sense, as the clusters are indeed defined from the expression data rather than being known in advance. (Note that this does not solve the data snooping problem.) In practice, this approach effectively does the same task as a Wilcoxon rank sum test in terms of quantifying separation between clusters. Logistic models have the advantage in that they can easily be extended to block on multiple nuisance variables, though this is not typically necessary in most use cases. Even more complex strategies use machine learning methods to determine which features contribute most to successful cluster classification, but this is probably unnecessary for routine analyses.


    شاهد الفيديو: Bio1- Water and life (كانون الثاني 2023).