معلومة

1.1.1: موضوعات ومفاهيم علم الأحياء - علم الأحياء


علم الأحياء هو العلم الذي يدرس الحياة. ما هي الحياة بالضبط؟ قد يبدو هذا وكأنه سؤال سخيف له إجابة واضحة ، لكن ليس من السهل تعريف الحياة. على سبيل المثال ، يدرس فرع من فروع علم الأحياء يسمى علم الفيروسات الفيروسات ، والتي تظهر بعض خصائص الكائنات الحية ولكنها تفتقر إلى أخرى. اتضح أنه على الرغم من أن الفيروسات يمكنها مهاجمة الكائنات الحية ، وتسبب الأمراض ، وحتى التكاثر ، إلا أنها لا تفي بالمعايير التي يستخدمها علماء الأحياء لتحديد الحياة.

منذ بداياتها الأولى ، تصارع علم الأحياء مع أربعة أسئلة: ما هي الخصائص المشتركة التي تجعل شيئًا ما "حيًا"؟ كيف تعمل هذه الكائنات الحية المختلفة؟ عندما نواجه التنوع الملحوظ في الحياة ، كيف ننظم الأنواع المختلفة من الكائنات حتى نتمكن من فهمها بشكل أفضل؟ وأخيرًا - ما الذي يسعى علماء الأحياء في النهاية إلى فهمه - كيف نشأ هذا التنوع وكيف يستمر؟ مع اكتشاف كائنات حية جديدة كل يوم ، يواصل علماء الأحياء البحث عن إجابات لهذه الأسئلة وغيرها.

خواص الحياة

تشترك جميع مجموعات الكائنات الحية في العديد من الخصائص أو الوظائف الرئيسية: الترتيب ، والحساسية أو الاستجابة للمثيرات ، والتكاثر ، والتكيف ، والنمو والتطور ، والتنظيم ، والتوازن ، ومعالجة الطاقة. عند النظر إليها معًا ، تعمل هذه الخصائص الثمانية على تحديد الحياة.

ترتيب

الكائنات الحية عبارة عن هياكل عالية التنظيم تتكون من خلية واحدة أو أكثر. حتى الكائنات الحية أحادية الخلية البسيطة جدًا معقدة بشكل ملحوظ. داخل كل خلية ، تشكل الذرات جزيئات. هذه بدورها تشكل مكونات الخلية أو العضيات. تتمتع الكائنات متعددة الخلايا ، التي قد تتكون من ملايين الخلايا الفردية ، بميزة على الكائنات وحيدة الخلية من حيث أن خلاياها يمكن أن تكون متخصصة لأداء وظائف محددة ، بل ويتم التضحية بها في مواقف معينة لصالح الكائن الحي ككل. كيف تتحد هذه الخلايا المتخصصة لتكوين أعضاء مثل القلب أو الرئة أو الجلد في كائنات حية مثل الضفدع الموضح في الشكل 1.1.1 سيتم مناقشتها لاحقًا.

الحساسية أو الاستجابة للمنبهات

الكائنات الحية تستجيب لمحفزات متنوعة. على سبيل المثال ، يمكن للنباتات أن تنحني نحو مصدر الضوء أو تستجيب للمس (الشكل 1.1.2). يمكن حتى للبكتيريا الصغيرة أن تتحرك باتجاه المواد الكيميائية أو بعيدًا عنها (وهي عملية تسمى الانجذاب الكيميائي) أو الضوء (الانجذاب الضوئي). تعتبر الحركة نحو الحافز استجابة إيجابية ، بينما الابتعاد عن المنبه يعتبر استجابة سلبية.

شاهد هذا الفيديو لترى كيف يستجيب النبات الحساس لحافز اللمس.

التكاثر

تتكاثر الكائنات وحيدة الخلية عن طريق تكرار الحمض النووي الخاص بها ، وهو المادة الوراثية ، ثم تقسيمه بالتساوي مع استعداد الخلية للانقسام لتشكيل خليتين جديدتين. تنتج العديد من الكائنات متعددة الخلايا (تلك التي تتكون من أكثر من خلية واحدة) خلايا تكاثر متخصصة تشكل أفرادًا جددًا. عندما يحدث التكاثر ، يتم تمرير الجينات المحتوية على الحمض النووي إلى نسل الكائن الحي. هذه الجينات هي السبب في أن النسل سينتمي إلى نفس النوع وسيكون له خصائص مشابهة للأب ، مثل لون الفراء وفصيلة الدم.

التكيف

تظهر جميع الكائنات الحية "ملائمة" لبيئتها. يشير علماء الأحياء إلى هذا التوافق باعتباره التكيف وهو نتيجة للتطور عن طريق الانتقاء الطبيعي ، والذي يعمل في كل سلالة من الكائنات الحية المتكاثرة. تتنوع أمثلة التكيفات وفريدة من نوعها ، من العتائق المقاومة للحرارة التي تعيش في غليان الينابيع الساخنة إلى طول لسان عثة تغذي الرحيق والتي تتناسب مع حجم الزهرة التي تتغذى منها. تعزز جميع التعديلات القدرة الإنجابية للفرد الذي يعرضها ، بما في ذلك قدرتها على البقاء على قيد الحياة للتكاثر. التكيفات ليست ثابتة. مع تغير البيئة ، يتسبب الانتقاء الطبيعي في أن تتبع خصائص الأفراد في المجتمع تلك التغييرات.

النمو والتنمية

تنمو الكائنات الحية وتتطور وفقًا لتعليمات محددة مشفرة بواسطة جيناتها. توفر هذه الجينات تعليمات من شأنها توجيه نمو الخلايا وتطورها ، مما يضمن نمو صغار النوع (الشكل 1.1.3) لإظهار العديد من نفس الخصائص مثل والديها.

اللائحة

حتى أصغر الكائنات الحية معقدة وتتطلب آليات تنظيمية متعددة لتنسيق الوظائف الداخلية ، مثل نقل العناصر الغذائية ، والاستجابة للمنبهات ، والتعامل مع الضغوط البيئية. على سبيل المثال ، تؤدي أجهزة الأعضاء مثل الجهاز الهضمي أو الدورة الدموية وظائف محددة مثل حمل الأكسجين في جميع أنحاء الجسم ، وإزالة النفايات ، وتوصيل العناصر الغذائية إلى كل خلية ، وتبريد الجسم.

التوازن

لكي تعمل الخلايا بشكل صحيح ، تتطلب ظروفًا مناسبة مثل درجة الحرارة المناسبة ، ودرجة الحموضة ، وتركيزات مواد كيميائية متنوعة. ومع ذلك ، قد تتغير هذه الشروط من لحظة إلى أخرى. الكائنات الحية قادرة على الحفاظ على الظروف الداخلية ضمن نطاق ضيق بشكل مستمر تقريبًا ، على الرغم من التغيرات البيئية ، من خلال عملية تسمى الاستتباب أو "الحالة المستقرة" - قدرة الكائن الحي على الحفاظ على ظروف داخلية ثابتة. على سبيل المثال ، تنظم العديد من الكائنات الحية درجة حرارة أجسامها في عملية تعرف باسم التنظيم الحراري. الكائنات الحية التي تعيش في المناخات الباردة ، مثل الدب القطبي (الشكل 1.1.4) ، لها هياكل الجسم التي تساعدها على تحمل درجات الحرارة المنخفضة والحفاظ على حرارة الجسم. في المناخات الحارة ، تمتلك الكائنات الحية طرقًا (مثل العرق عند البشر أو تلهث الكلاب) تساعدها على التخلص من حرارة الجسم الزائدة.

معالجة الطاقة

تستخدم جميع الكائنات الحية (مثل كندور كاليفورنيا الموضح في الشكل 1.1.5) مصدرًا للطاقة لأنشطتها الأيضية. تلتقط بعض الكائنات الحية الطاقة من الشمس وتحولها إلى طاقة كيميائية في الغذاء ؛ يستخدم البعض الآخر الطاقة الكيميائية من الجزيئات التي يأخذونها.

مستويات تنظيم الكائنات الحية

الكائنات الحية منظمة للغاية وهيكلية ، تتبع التسلسل الهرمي على نطاق من الصغير إلى الكبير. الذرة هي أصغر وحدة أساسية وأكثرها جوهرية في المادة. يتكون من نواة محاطة بالإلكترونات. الذرات تشكل الجزيئات. الجزيء عبارة عن بنية كيميائية تتكون من ذرتين على الأقل مرتبطة ببعضها البعض بواسطة رابطة كيميائية. العديد من الجزيئات المهمة بيولوجيًا هي جزيئات كبيرة ، وهي جزيئات كبيرة تتشكل عادةً من خلال الجمع بين وحدات أصغر تسمى المونومرات. مثال على الجزيء الكبير هو الحمض النووي الريبي منقوص الأكسجين (DNA) (الشكل 1.1.6) ، والذي يحتوي على تعليمات لعمل الكائن الحي الذي يحتوي عليه.

المفهوم في العمل

لمشاهدة رسم متحرك لجزيء الحمض النووي ، انقر هنا.

تحتوي بعض الخلايا على تجمعات من الجزيئات الكبيرة المحاطة بأغشية. هذه تسمى العضيات. العضيات هي هياكل صغيرة توجد داخل الخلايا وتؤدي وظائف متخصصة. جميع الكائنات الحية مصنوعة من الخلايا؛ الخلية نفسها هي أصغر وحدة أساسية في التركيب والوظيفة في الكائنات الحية. (هذا المطلب هو سبب عدم اعتبار الفيروسات كائنات حية: فهي ليست مكونة من خلايا. لتصنيع فيروسات جديدة ، يتعين عليهم غزو خلية حية واختطافها ؛ وعندها فقط يمكنهم الحصول على المواد التي يحتاجون إليها للتكاثر.) بعض الكائنات الحية تتكون من خلية واحدة والأخرى متعددة الخلايا. تصنف الخلايا على أنها بدائية النواة أو حقيقية النواة. بدائيات النوى هي كائنات وحيدة الخلية تفتقر إلى عضيات محاطة بغشاء ولا تحتوي على نوى محاطة بأغشية نووية ؛ في المقابل ، تمتلك خلايا حقيقيات النوى عضيات ونواة مرتبطة بالغشاء.

في معظم الكائنات متعددة الخلايا ، تتحد الخلايا لتكوين الأنسجة ، وهي مجموعات من الخلايا المتشابهة تؤدي نفس الوظيفة. الأعضاء عبارة عن مجموعات من الأنسجة مجمعة معًا بناءً على وظيفة مشتركة. توجد الأعضاء ليس فقط في الحيوانات ولكن أيضًا في النباتات. نظام الأعضاء هو مستوى أعلى من التنظيم يتكون من أعضاء مرتبطة وظيفيًا. على سبيل المثال ، تمتلك الحيوانات الفقارية العديد من أجهزة الأعضاء ، مثل جهاز الدورة الدموية الذي ينقل الدم في جميع أنحاء الجسم ومن وإلى الرئتين ؛ ويشمل أعضاء مثل القلب والأوعية الدموية. الكائنات الحية هي كيانات فردية حية. على سبيل المثال ، كل شجرة في الغابة هي كائن حي. تعتبر بدائيات النوى أحادية الخلية وحقيقيات النوى أحادية الخلية أيضًا كائنات حية ويشار إليها عادةً باسم الكائنات الحية الدقيقة.

اتصال فني

الشكل 1.1.7: من الذرة إلى الأرض بأكملها ، يدرس علم الأحياء جميع جوانب الحياة. (ائتمان "جزيء": تعديل عمل لجين ويتني ؛ ائتمان "عضيات": تعديل عمل لويزا هوارد ؛ ائتمان "خلايا": تعديل العمل بواسطة بروس ويتزل ، هاري شايفر ، المعهد الوطني للسرطان ؛ ائتمان "نسيج": تعديل من عمل "كيلباد" / ويكيميديا ​​كومنز ؛ ائتمان "الأجهزة": تعديل العمل بواسطة ماريانا رويز فيلاريال ، جواكيم ألفيس غاسبار ؛ ائتمان "الكائنات الحية": تعديل العمل بواسطة بيتر داتون ؛ ائتمان "النظام البيئي": تعديل العمل بواسطة "gigi4791 "/ Flickr ؛ ائتمان" biosphere ": تعديل العمل بواسطة NASA)

أي من العبارات التالية غير صحيح؟

  1. توجد الأنسجة داخل الأعضاء الموجودة داخل أنظمة الأعضاء.
  2. توجد المجتمعات داخل السكان التي توجد داخل النظم البيئية.
  3. توجد العضيات داخل الخلايا الموجودة داخل الأنسجة.
  4. توجد المجتمعات داخل النظم البيئية الموجودة في المحيط الحيوي.

ب

يُطلق على جميع الأفراد من نوع يعيش داخل منطقة معينة بشكل جماعي مجموعة. على سبيل المثال ، قد تحتوي الغابة على العديد من أشجار الصنوبر الأبيض. تمثل كل أشجار الصنوبر هذه سكان أشجار الصنوبر الأبيض في هذه الغابة. قد تعيش مجموعات سكانية مختلفة في نفس المنطقة المحددة. على سبيل المثال ، تشتمل الغابة التي تحتوي على أشجار الصنوبر على مجموعات من النباتات المزهرة وكذلك الحشرات والمجموعات الميكروبية. المجتمع هو مجموعة السكان الذين يسكنون منطقة معينة. على سبيل المثال ، تشكل جميع الأشجار والزهور والحشرات والمجموعات السكانية الأخرى في الغابة مجتمع الغابة. الغابة نفسها هي نظام بيئي. يتكون النظام البيئي من جميع الكائنات الحية في منطقة معينة مع الأجزاء اللاأحيائية أو غير الحية من تلك البيئة مثل النيتروجين في التربة أو مياه الأمطار. على أعلى مستوى من التنظيم (الشكل 1.1.7) ، المحيط الحيوي هو مجموعة من جميع النظم البيئية ، ويمثل مناطق الحياة على الأرض. وهي تشمل الأرض والمياه وأجزاء من الغلاف الجوي.

تنوع الحياة

علم الأحياء واسع النطاق جدًا نظرًا لوجود تنوع هائل في الحياة على الأرض. مصدر هذا التنوع هو التطور ، عملية التغيير التدريجي التي تنشأ خلالها أنواع جديدة من الأنواع القديمة. يدرس علماء الأحياء التطورية تطور الكائنات الحية في كل شيء من العالم المجهري إلى النظم البيئية.

في القرن الثامن عشر ، اقترح عالم يُدعى كارل لينيوس لأول مرة تنظيم الأنواع المعروفة من الكائنات الحية في تصنيف هرمي. في هذا النظام ، يتم وضع الأنواع الأكثر تشابهًا مع بعضها البعض في مجموعة تُعرف باسم الجنس. علاوة على ذلك ، يتم وضع الأجناس المماثلة (جمع الجنس) معًا داخل الأسرة. يستمر هذا التجميع حتى يتم جمع كل الكائنات معًا في مجموعات على أعلى مستوى. يحتوي نظام التصنيف الحالي الآن على ثمانية مستويات في التسلسل الهرمي ، من الأدنى إلى الأعلى ، وهي: الأنواع ، والجنس ، والعائلة ، والترتيب ، والطبقة ، واللجوء ، والمملكة ، والمجال. وهكذا يتم تجميع الأنواع داخل الأجناس ، ويتم تجميع الأجناس داخل العائلات ، ويتم تجميع العائلات ضمن أوامر ، وما إلى ذلك (الشكل 1.1.8).

المستوى الأعلى ، المجال ، هو إضافة جديدة نسبيًا للنظام منذ التسعينيات. يتعرف العلماء الآن على ثلاثة مجالات للحياة ، Eukarya ، و Archaea ، والبكتيريا. يحتوي مجال Eukarya على كائنات حية لها خلايا ذات نوى. تضم ممالك الفطريات والنباتات والحيوانات والعديد من ممالك الطلائعيات. العتائق هي كائنات وحيدة الخلية بدون نوى وتشمل العديد من الكائنات المتطرفة التي تعيش في بيئات قاسية مثل الينابيع الساخنة. البكتيريا هي مجموعة أخرى مختلفة تمامًا من الكائنات وحيدة الخلية بدون نوى (الشكل 1.1.9). كل من العتائق والبكتيريا هي بدائيات النوى ، وهو اسم غير رسمي للخلايا التي لا تحتوي على نوى. إن الاعتراف في التسعينيات بأن بعض "البكتيريا" ، المعروفة الآن باسم العتائق ، كانت مختلفة وراثيًا وكيميائيًا حيويًا عن الخلايا البكتيرية الأخرى كما كانت عن حقيقيات النوى ، حفز التوصية بتقسيم الحياة إلى ثلاثة مجالات. يوضح هذا التغيير الدراماتيكي في معرفتنا بشجرة الحياة أن التصنيفات ليست دائمة وستتغير عندما تتوفر معلومات جديدة.

بالإضافة إلى نظام التصنيف الهرمي ، كان لينيوس أول من قام بتسمية الكائنات الحية باستخدام اسمين فريدين ، يطلق عليهما الآن نظام التسمية ذي الحدين. قبل Linnaeus ، تسبب استخدام الأسماء الشائعة للإشارة إلى الكائنات الحية في حدوث ارتباك بسبب وجود اختلافات إقليمية في هذه الأسماء الشائعة. تتكون الأسماء ذات الحدين من اسم الجنس (الذي يُكتب بأحرف كبيرة) واسم النوع (كلها أحرف صغيرة). يتم تعيين كلا الاسمين بخط مائل عند طباعتهما. يتم منح كل نوع حدين فريد معترف به في جميع أنحاء العالم ، بحيث يمكن لأي عالم في أي مكان معرفة الكائن الحي الذي تتم الإشارة إليه. على سبيل المثال ، يُعرف قيق أمريكا الشمالية الأزرق بشكل فريد باسم سيانوسيتا كريستاتا. الأنواع الخاصة بنا هي الانسان العاقل.

التطور في العمل: كارل ووز وشجرة النشوء والتطور

يمكن تلخيص العلاقات التطورية لمختلف أشكال الحياة على الأرض في شجرة النشوء والتطور. شجرة النشوء والتطور هي رسم بياني يوضح العلاقات التطورية بين الأنواع البيولوجية بناءً على أوجه التشابه والاختلاف في السمات الجينية أو الفيزيائية أو كليهما. تتكون شجرة النشوء والتطور من نقاط فرعية ، أو عقد ، وفروع. تمثل العقد الداخلية أسلافًا وهي نقاط في التطور عندما يُعتقد ، بناءً على الأدلة العلمية ، أن السلف قد تباعد ليشكل نوعين جديدين. يمكن اعتبار طول كل فرع بمثابة تقديرات للوقت النسبي.

في الماضي ، صنف علماء الأحياء الكائنات الحية في خمس ممالك: الحيوانات والنباتات والفطريات والطلائعيات والبكتيريا. أظهر العمل الرائد لعالم الأحياء الدقيقة الأمريكي كارل ووز في أوائل السبعينيات ، مع ذلك ، أن الحياة على الأرض قد تطورت على طول ثلاث سلالات ، تسمى الآن المجالات - البكتيريا ، والعتائق ، وحقيقية النوى. اقترح Woese المجال كمستوى تصنيفي جديد و Archaea كمجال جديد ، ليعكس شجرة النشوء والتطور الجديدة (الشكل 1.1.10). تعيش العديد من الكائنات الحية التي تنتمي إلى مجال الأركيا في ظروف قاسية وتسمى الكائنات الحية المتطرفة. لبناء شجرته ، استخدم ووز العلاقات الجينية بدلاً من أوجه التشابه القائمة على التشكل (الشكل). تم استخدام جينات مختلفة في دراسات علم الوراثة. تم بناء شجرة ووز من التسلسل المقارن للجينات الموزعة عالميًا ، والموجودة في بعض الأشكال المتغيرة قليلاً في كل كائن حي ، محفوظة (بمعنى أن هذه الجينات لم تتغير إلا قليلاً خلال التطور) ، وبطول مناسب.

فروع الدراسة البيولوجية

نطاق علم الأحياء واسع وبالتالي يحتوي على العديد من الفروع والتخصصات الفرعية. قد يتابع علماء الأحياء أحد هذه التخصصات الفرعية ويعملون في مجال أكثر تركيزًا. على سبيل المثال ، تدرس البيولوجيا الجزيئية العمليات البيولوجية على المستوى الجزيئي ، بما في ذلك التفاعلات بين الجزيئات مثل الحمض النووي الريبي ، والحمض النووي الريبي ، والبروتينات ، بالإضافة إلى طريقة تنظيمها. علم الأحياء الدقيقة هو دراسة بنية ووظيفة الكائنات الحية الدقيقة. إنه فرع واسع جدًا بحد ذاته ، واعتمادًا على موضوع الدراسة ، هناك أيضًا علماء فيزيولوجيا ميكروبية ، وعلماء بيئة ، وعلماء وراثة ، من بين آخرين.

مجال آخر للدراسة البيولوجية ، علم الأحياء العصبي ، يدرس بيولوجيا الجهاز العصبي ، وعلى الرغم من أنه يعتبر فرعًا من فروع علم الأحياء ، إلا أنه يُعرف أيضًا بأنه مجال دراسة متعدد التخصصات يُعرف باسم علم الأعصاب. نظرًا لطبيعته متعددة التخصصات ، يدرس هذا التخصص الفرعي وظائف مختلفة للجهاز العصبي باستخدام الأساليب الجزيئية والخلوية والتنموية والطبية والحاسوبية.

يستخدم علم الأحافير ، وهو فرع آخر من فروع علم الأحياء ، الحفريات لدراسة تاريخ الحياة (الشكل 1.1.11). علم الحيوان وعلم النبات هما دراسة الحيوانات والنباتات على التوالي. يمكن لعلماء الأحياء أيضًا أن يتخصصوا كخبراء في التكنولوجيا الحيوية أو علماء البيئة أو علماء وظائف الأعضاء ، على سبيل المثال لا الحصر. يطبق علماء التكنولوجيا الحيوية معرفة علم الأحياء لإنشاء منتجات مفيدة. يدرس علماء البيئة تفاعلات الكائنات الحية في بيئاتهم. يدرس علماء الفسيولوجيا طريقة عمل الخلايا والأنسجة والأعضاء. هذه مجرد عينة صغيرة من العديد من المجالات التي يمكن لعلماء الأحياء متابعتها. من أجسادنا إلى العالم الذي نعيش فيه ، يمكن أن تؤثر الاكتشافات في علم الأحياء علينا بطرق مباشرة ومهمة للغاية. نعتمد على هذه الاكتشافات من أجل صحتنا ومصادرنا الغذائية والفوائد التي يوفرها نظامنا البيئي. لهذا السبب ، يمكن أن تفيدنا معرفة علم الأحياء في اتخاذ القرارات في حياتنا اليومية.

لقد أدى تطور التكنولوجيا في القرن العشرين والذي يستمر حتى يومنا هذا ، ولا سيما تقنية وصف المادة الوراثية ومعالجتها ، DNA ، إلى تغيير علم الأحياء. سيسمح هذا التحول لعلماء الأحياء بمواصلة فهم تاريخ الحياة بمزيد من التفصيل ، وكيف يعمل جسم الإنسان ، وأصولنا البشرية ، وكيف يمكن للبشر البقاء على قيد الحياة كنوع على هذا الكوكب على الرغم من الضغوط التي تسببها أعدادنا المتزايدة. يواصل علماء الأحياء فك رموز الألغاز الضخمة المتعلقة بالحياة ، مما يشير إلى أننا بدأنا للتو في فهم الحياة على هذا الكوكب ، وتاريخه ، وعلاقتنا به. لهذا السبب ولأسباب أخرى ، يجب أن تكون المعرفة بالبيولوجيا المكتسبة من خلال هذا الكتاب المدرسي والوسائط المطبوعة والإلكترونية الأخرى مفيدة في أي مجال تدخله.

وظائف في العمل: عالم الطب الشرعي

علم الطب الشرعي هو تطبيق العلم للإجابة على الأسئلة المتعلقة بالقانون. يمكن لعلماء الأحياء وكذلك الكيميائيين والكيميائيين الحيوية أن يكونوا علماء الطب الشرعي. يقدم علماء الطب الشرعي أدلة علمية لاستخدامها في المحاكم ، وتنطوي وظيفتهم على فحص أثر المواد المرتبطة بالجرائم. ازداد الاهتمام بعلوم الطب الشرعي في السنوات القليلة الماضية ، ربما بسبب البرامج التلفزيونية الشهيرة التي يظهر فيها علماء الطب الشرعي أثناء العمل. أيضًا ، أدى تطوير التقنيات الجزيئية وإنشاء قواعد بيانات الحمض النووي إلى تحديث أنواع العمل التي يمكن لعلماء الطب الشرعي القيام بها. ترتبط أنشطتهم الوظيفية في المقام الأول بالجرائم ضد الأشخاص مثل القتل والاغتصاب والاعتداء. يتضمن عملهم تحليل عينات مثل الشعر والدم وسوائل الجسم الأخرى وكذلك معالجة الحمض النووي (الشكل 1.1.12) الموجودة في العديد من البيئات والمواد المختلفة.يقوم علماء الطب الشرعي أيضًا بتحليل الأدلة البيولوجية الأخرى التي تُركت في مسرح الجريمة ، مثل أجزاء الحشرات أو حبوب اللقاح. من المرجح أن يُطلب من الطلاب الذين يرغبون في ممارسة وظائف في علم الطب الشرعي أن يأخذوا دورات في الكيمياء والأحياء بالإضافة إلى بعض دورات الرياضيات المكثفة.

ملخص

علم الأحياء هو علم الحياة. تشترك جميع الكائنات الحية في العديد من الخصائص الرئيسية مثل الترتيب أو الحساسية أو الاستجابة للمثيرات ، والتكاثر ، والتكيف ، والنمو والتنمية ، والتنظيم ، والتوازن ، ومعالجة الطاقة. يتم تنظيم الكائنات الحية بدرجة عالية وفقًا للتسلسل الهرمي الذي يشمل الذرات والجزيئات والعضيات والخلايا والأنسجة والأعضاء وأنظمة الأعضاء. الكائنات الحية ، بدورها ، يتم تجميعها على أنها مجموعات ومجتمعات وأنظمة إيكولوجية ومحيط حيوي. التطور هو مصدر التنوع البيولوجي الهائل على الأرض اليوم. يمكن استخدام مخطط يسمى شجرة النشوء والتطور لإظهار العلاقات التطورية بين الكائنات الحية. علم الأحياء واسع جدًا ويتضمن العديد من الفروع والتخصصات الفرعية. تشمل الأمثلة البيولوجيا الجزيئية ، وعلم الأحياء الدقيقة ، وعلم الأعصاب ، وعلم الحيوان ، وعلم النبات ، من بين أمور أخرى.

قائمة المصطلحات

ذرة
وحدة أساسية من المادة لا يمكن تفكيكها بواسطة تفاعلات كيميائية عادية
مادة الاحياء
دراسة الكائنات الحية وتفاعلاتها مع بعضها البعض وبيئاتها
المحيط الحيوي
مجموعة من جميع النظم البيئية على الأرض
زنزانة
أصغر وحدة أساسية في التركيب والوظيفة في الكائنات الحية
تواصل اجتماعي
مجموعة من السكان الذين يسكنون منطقة معينة
النظام البيئي
جميع الكائنات الحية في منطقة معينة مع الأجزاء اللاأحيائية وغير الحية من تلك البيئة
حقيقيات النوى
كائن حي به خلايا لها نوى وعضيات مرتبطة بالغشاء
تطور
عملية التغيير التدريجي في السكان التي يمكن أن تؤدي أيضًا إلى ظهور أنواع جديدة من الأنواع القديمة
التوازن
قدرة الكائن الحي على الحفاظ على ظروف داخلية ثابتة
جزيء ضخم
جزيء كبير يتكون عادة من انضمام جزيئات أصغر
مركب
بنية كيميائية تتكون من ذرتين على الأقل مرتبطة ببعضها البعض بواسطة رابطة كيميائية
عضو
هيكل يتكون من أنسجة تعمل معًا لأداء وظيفة مشتركة
نظام الجهاز
المستوى الأعلى من التنظيم الذي يتكون من أجهزة مرتبطة وظيفيًا
عضية
حجرة أو كيس مرتبط بالغشاء داخل الخلية
الكائن الحي
كيان حي فردي
شجرة النشوء والتطور
رسم بياني يوضح العلاقات التطورية بين الأنواع البيولوجية بناءً على أوجه التشابه والاختلاف في السمات الجينية أو الفيزيائية أو كليهما
تعداد السكان
جميع الأفراد داخل نوع يعيشون في منطقة معينة
بدائيات النوى
كائن وحيد الخلية يفتقر إلى نواة أو أي عضية أخرى مرتبطة بالغشاء
الانسجة
مجموعة من الخلايا المتشابهة تؤدي نفس الوظيفة

11 أمثلة على علم الأحياء في الحياة اليومية

علم الأحياء مجال علمي مثير للاهتمام تمامًا كان مركزًا للتركيز لعدة قرون. كانت المفاهيم البيولوجية المعقدة تزعج الجميع منذ زمن بعيد. بغض النظر عن التطورات الحاصلة في مجال العلوم والتكنولوجيا ، لا تزال الكثير من الظواهر البيولوجية تطلب تفسيراً أساسياً معقولاً. لا يزال اللغز المتعلق بأصل الحياة على الأرض وظهور البشر بحاجة إلى حل. نحن موجودون بسبب البيولوجيا. كل ما نقوم به ينطوي على علم الأحياء بطريقة أو بأخرى. حتى عندما لا تفعل شيئًا أو تنام ، فإن كل خلية في جسمك تعمل من أجلك. باختصار ، منذ لحظة ولادتك ، تلعب البيولوجيا دورها عندما تكبر لتصبح طفلًا ، وتواجه مراهقًا ، وترحب ببلوغك ، وبعد ذلك تبدأ في الشيخوخة. كل هذه العمليات الجميلة والرائعة لها مبدأ بيولوجي خفي. سنناقش اليوم بعض أمثلة الحياة اليومية حيث يلعب علم الأحياء دورًا مهمًا.

1. الزراعة

الغذاء الذي نستهلكه هو نتيجة الزراعة. نعتمد نحن البشر والحيوانات على المنتجات الزراعية لإعالة أنفسنا. يتم الحصول على الفواكه والخضروات والحبوب والبقول والزيوت والعسل والسكر والشاي والقهوة والأطعمة الأخرى من النباتات. المزارعون قادرون على إنتاج أصناف عالية الغلة ومقاومة للآفات من المحاصيل. يدرس العلماء الطبيعة المعقدة ، وحدوث ودورة حياة الآفات وبمساعدة تقنيات التكنولوجيا الحيوية ، يمكنهم الحصول على جودة وكمية أفضل للمحاصيل. بسبب حدوث التلقيح ، تنبت الأزهار ويتم الحصول على البذور. أصبحت عملية التلقيح بأكملها ممكنة فقط بسبب الطيور ونحل العسل.

2. الأطعمة والمشروبات

ما يبقينا على قيد الحياة هو الطعام الذي نستهلكه. بدون طعام ، فإن بقاء الحياة غير ممكن. المواد الغذائية لدينا تأتي من النباتات والحيوانات. تساعد الميكروبات في تكوين منتجات الألبان مثل اللبن الرائب والجبن والزبادي. البكتيريا اكتوباكيللوس يساعد في تكوين اللبن الرائب. وبالمثل ، تُستخدم الخميرة ، وهي واحدة من أبسط حقيقيات النوى ، في عملية التخمير. يتم الحصول على النبيذ من العنب من خلال عملية مماثلة. علاوة على ذلك ، هناك بعض الميكروبات والعمليات البيولوجية الأخرى التي تساعد بشكل غير مباشر في إنتاج الغذاء. تعمل الكائنات الحية الدقيقة الموجودة في التربة كعامل تحلل ، مما يساعد في إنتاج السماد من المواد العضوية الميتة والمتحللة. يعمل هذا السماد كسماد فعال للنباتات النامية.

3. الصحة والطب

عندما نمرض ، نستشير الطبيب. يعطينا الطبيب الأدوية ، وكلنا على ما يرام. كيف تم جعل هذا ممكنا؟ الجواب على هذا السؤال يكمن في علم الأحياء. فقط بسبب علم الأحياء ، أصبحت دراسة الكائنات الحية الدقيقة المسببة للأمراض ممكنة. قام الباحثون بالتحقيق في الطبيعة المعقدة للكائنات الحية الدقيقة ، وحدوثها ، ودورة حياتها ، وتكاثرها ، وتكاثرها ، وبالتالي توصلوا إلى تدابير للسيطرة على الوقاية من المرض. حتى صياغة العقاقير لمكافحة الكائنات الدقيقة المسببة للأمراض أصبحت ممكنة بسبب دراسة بيولوجيا تلك الكائنات الدقيقة.

4. الملابس

سواء كان ذلك في الصيف الحار أو الشتاء القارس ، فإن البيولوجيا هي التي تحافظ على سلامتك. أنت ترتدي ملابس قطنية قابلة للتنفس في الصيف يتم الحصول عليها من النباتات. البلوزات السميكة التي تغطيك في الشتاء البارد مصنوعة من الصوف الذي يتم شراؤه من الأغنام. تُشتق أصباغ الكتان والنايلون والنسيج من النباتات والبوليستر من الأحافير ، ومع ذلك ، مهما كان النسيج ، يجب أن يكون نباتيًا.

5. Jet lag

عندما تسافر حول العالم وتعبر مناطق زمنية متعددة ، فإنك تواجه مشكلة في النوم في البلد الجديد. لا & # 8217t لك؟ لماذا يحدث هذا وما هو السبب الكامن وراءه؟ تكمن الإجابة على هذا السؤال في حقيقة أن جسمك لديه ساعته الداخلية ، والتي تسمى إيقاع الساعة البيولوجية. الساعة البيولوجية هي المسؤولة عن تحديد وقتك للبقاء مستيقظًا ووقت النوم. يحدث اضطراب الرحلات الجوية الطويلة بسبب مزامنة ساعتك البيولوجية (إيقاع الساعة البيولوجية) مع منطقتك الزمنية الأصلية. ساعتك البيولوجية لا تأخذ في الاعتبار المسافة التي قطعتها. من الآن فصاعدًا ، كلما زادت المناطق الزمنية التي تعبرها ، ستزداد حدة اضطراب الرحلات الجوية الطويلة لديك.

6. الخلايا الجذعية

الخلايا الجذعية هي خلايا غير متمايزة. يمكن لهذه الخلايا أن تتكاثر بسرعة. تعتبر الخلايا الجذعية ذات أهمية قصوى بالنسبة لنا لأنها يمكن أن تتطور إلى أنواع مختلفة من الخلايا ، مثل الخلايا العضلية ، والخلايا العصبية ، وخلايا القلب ، وما إلى ذلك ، نحن البشر ، بدأنا حياتنا كخلية واحدة ، وبعد انقسام الخلايا اللانهائية ، تطورت إلى كائنات متعددة الخلايا. تعمل الخلايا الجذعية بطريقة مماثلة. تسمى الخلايا الجذعية الجنينية ، وهي خلايا غير متمايزة تمامًا ، بالخلايا الرئيسية. يمكن للخلايا الجذعية استبدال الأنسجة والأعضاء التالفة ، وتصحيح الأداء غير السليم لبعض أجزاء الأعضاء ، وإدخال عيوب وراثية للبحث وتمكين العلماء من تطوير عقاقير جديدة لعلاج الأمراض. مرة أخرى ، تعمل البيولوجيا كمنقذ لك.

7. مرض الارتفاع

قد تتذكر آخر مرة قمت فيها بزيارة محطة تل وشعرت بعدم الارتياح على ارتفاعات أعلى. ماذا يمكن أن يكون التفسير المحتمل لذلك؟ الآن ، مرة أخرى ، تكمن الإجابة على هذا السؤال البسيط في علم الأحياء. داء المرتفعات هو مجموعة من الأعراض التي تحدث عند الصعود إلى ارتفاع أعلى. نظرًا لأنك لم تمنح جسمك الوقت الكافي للتكيف مع الضغط المتغير وتقليل مستويات الأكسجين على الارتفاعات العالية ، فإن أعراض داء المرتفعات تحدث بسرعة كبيرة. ومع ذلك ، فإن جسمك الرائع يستجيب عن طريق زيادة معدل التنفس ، والذي بدوره لا يؤدي فقط إلى زيادة مستويات الأكسجين في الدم ولكن أيضًا يغير مستويات حموضة الدم وضغط الرئة ومستويات الإلكتروليت وتوازن الملح.

8. البيئة والنظام البيئي أمبير

إنه فقط بسبب مجال علم الأحياء الذي يجعلك أكثر قدرة على فهم طبيعة التفاعلات بين الكائنات الحية والبيئة. التفاعلات المتنوعة التي تحدث بين البشر هي أيضًا بسبب دراستهم على المستوى البيولوجي. نحن أكثر قدرة على فهم علم النفس البشري وعلم الاجتماع من خلال الدراسة البيولوجية لجسم الإنسان. ليس فقط التفاعلات البشرية ، ولكننا الآن قادرون على تمييز التفاعلات البيئية الأخرى ودراسة النظم البيئية أيضًا. يساعدنا هذا في تحديد المخاطر المحتملة على النظام البيئي والأرض. بمجرد تحديد المخاطر ، يمكننا المضي قدمًا لتحسين البيئة.

9. تأجيج الأرض

منذ أن زاد الوعي ، نتجه إلى مصادر الطاقة المتجددة. ومع ذلك ، لا يمكننا إنكار حقيقة أن معظم العالم لا يزال يعمل بالوقود الأحفوري ، وخاصة الفحم والنفط. الآن ، ما هو الوقود الأحفوري؟ الوقود الأحفوري هو مشتقات للكائنات الحية فقط وله أصل بيولوجي. الوقود الأحفوري مثل البترول والغاز الطبيعي مشتق من المواد البيولوجية الميتة والمتحللة.

10. الجيل القادم من الوقود الحيوي

قلق بسبب الوقود الأحفوري المنهك بسرعة؟ لا تهتم قليلاً لأن علم الأحياء ، مرة أخرى ، هو في إنقاذك. إن تطوير الوقود الحيوي آخذ في الارتفاع. زراعة وتجهيز جاتروفا كركاس L. (JCL) آخذ في الازدياد لأن زيت الجاتروفا يستخدم بشكل فعال في المحركات ومولدات الديزل. الأمر الأكثر إثارة للدهشة هو حقيقة أن زيت الجاتروفا يمكن استخدامه مباشرة بعد الاستخراج ، حتى بدون تكريره. يتم خلط الإيثانول المصنوع من السكريات النباتية بالبنزين لزيادة كفاءة الوقود. أنواع الوقود الحيوي المختلفة المستخدمة حاليًا هي مشتقات الطحالب والذرة والقمح وزيت بذور اللفت وبنجر السكر. سيؤدي استخدام الوقود الحيوي إلى فتح طريق جديد للوقود لمكافحة قضية التلوث وانبعاثات الكربون.

11. المخدرات: نعمة أم لعنة؟

يتزايد تعاطي المخدرات والكحول بين الشباب ، وهو ما يمثل مصدر قلق كبير للمجتمع. يتم الحصول على غالبية الأدوية ، مثل المواد الأفيونية ، والقنب ، وقلويدات الكوكا ، من النباتات المزهرة. تم استخدام عقاقير أخرى مثل الباربيتورات والأمفيتامينات والبنزوديازيبينات لعلاج المرضى الذين يعانون من الأمراض العقلية والاكتئاب والأرق. بالإضافة إلى الأدوية المذكورة أعلاه ، تم استخدام المورفين كمسكن للألم ومهدئ مفيد. ومع ذلك ، للأسف ، بدأ الكثير من الناس في إساءة استخدام هذه الأدوية. عندما يتم تناول هذه الأدوية لأغراض أخرى ، ناهيك عن كونها طبية ، فإنها تؤثر على الوظائف الجسدية والفسيولوجية والنفسية للفرد. استخدام المواد المخدرة له آثار ضارة مثل فشل الجهاز التنفسي وفشل القلب والنزيف الدماغي وقد يؤدي إلى الغيبوبة والوفاة.


المقدمة

ظهر أعضاء عائلة GTPases التنظيمية التي تشمل ARFs و ARF-like (ARLs) و SARs كمنظمين رئيسيين للإشارات الخلوية التي تشارك في جميع جوانب بيولوجيا الخلية تقريبًا (الجداول 1-3 ، الشكل 1 ، والجداول التكميلية I– III) (D'Souza-Schorey and Chavrier، 2006 Donaldson and Jackson، 2011 Jackson and Bouvet، 2014). يتم التأكيد على أهميتها من خلال النتائج التي تظهر أن عمليات الحذف أو الطفرات الكاملة أو المشروطة تؤدي إلى موت جنيني أو عيوب خاصة بالأعضاء ، مع ارتباط بمجموعة متنوعة من الأمراض (الجدول 4) (Seixas وآخرون. ، 2013 تشانغ وآخرون.، 2013). تتحكم GTPases لعائلة ARF في العمليات الخلوية الرئيسية ، بما في ذلك تهريب الأغشية ثنائي الاتجاه (الإفراز والالتقام الخلوي) ، والتكوين الهدبي ، واستقلاب الدهون ، واستخدام الطاقة ، والحركة ، والانقسام ، وموت الخلايا المبرمج ، وتنظيم النسخ. مثل جميع GTPases التنظيمية ، تعمل GTPases لعائلة ARF كـ "مفاتيح جزيئية" عن طريق التحويل البيني بين المطابقات غير النشطة (المرتبطة بالناتج المحلي الإجمالي) والنشطة (المرتبطة بـ GTP). عند ربط GTP ، تغير GTPases المفعلة توافقها ، مما يزيد من تقاربها مع المستجيبات ويمكن أن يغير توطينها في الخلايا ، كل منها يساهم في توليد ناتج بيولوجي محدد. تنشط GTPases لعائلة ARF المنشط (المرتبط بـ GTP) آثارها من خلال إعادة توزيع محددة للمستجيبات (على سبيل المثال ، التوظيف في الغشاء) ، التنشيط الخيفي للنشاط الأنزيمي المستجيب ، التغييرات المطابقة داخل المستجيب مما أدى إلى زيادة التقارب للمكونات الخلوية الأخرى (البروتينات ، الدهون ، وما إلى ذلك) ، أو مزيج من هذه التغييرات. نتيجة لذلك ، يتم التحكم بإحكام في إخراج إشارة GTPases من خلال الربط المنظم لـ GTP والعمر النصفي للحالة النشطة. يتم التحكم في هذه بدورها من خلال تحفيز إطلاق الناتج المحلي الإجمالي المرتبط (للسماح لـ GTP بالارتباط تلقائيًا) بواسطة عوامل تبادل النوكليوتيدات الجوانين (GEFs) ونشاط GTPase الداخلي عن طريق بروتينات تنشيط GTPase (GAPs) (Casanova، 2007 Inoue and راندازو ، 2007 راندازو وآخرون.، 2007 Bui وآخرون.، 2009 سبانج وآخرون.2010 East and Kahn، 2011 رايت وآخرون.، 2014 فيتالي وآخرون.، 2017). وبالتالي ، يمكن النظر إلى ثالوث GEF-GTPase-GAP على أنه عنصر ضئيل في مسارات الإشارات التي تغير جزءًا كبيرًا من السلوكيات الخلوية. ومع ذلك ، على الرغم من أهميتها الواضحة في بيولوجيا الخلية وارتباطاتها بالأمراض البشرية ، فإن فهمنا للمسارات المعنية والآليات الجزيئية يظل مجزأًا. في هذه المراجعة ، نلخص بإيجاز الأدوار المعروفة لـ GTPases لعائلة ARF ، و GEFs و GAPs الخاصة بهم ، وتوطينهم في الخلايا ، ومتفاعلاتهم. بدلاً من وصف أي واحد من المسارات العديدة التي تعمل فيها بالتفصيل ، فإننا نؤكد بدلاً من ذلك على التداخل الواسع في الخصوصيات والإجراءات بين أفراد الأسرة ، حيث يمثل هذا التحدي الأكبر لتحقيق فهم عميق لآليات عملهم. نظرًا لأن كل مسار يتطلب الحد الأدنى من ثالوث GEF - GTPase - GAP ، فإننا ندافع عن نهج منظم لدراسة كل عائلة والعائلات الثلاث معًا. ننهي مراجعتنا من خلال تسليط الضوء على بعض الأسئلة والتحديات الرئيسية في إشارات ARF ، ونأمل أن تلهم المزيد من الجهود التعاونية لمعالجة المنطقة الكبيرة والمعقدة والحيوية لإشارات ARF.

الجدول 1: حقوق GTPases لعائلة ARF.

يتم سرد أسماء الجينات للمركز الوطني لمعلومات التكنولوجيا الحيوية (NCBI) ، جنبًا إلى جنب مع التوطين الخلوي والوظائف المحددة ومتفاعلات البروتين. تشمل الاختصارات المستخدمة CDR ، الكشكشة الظهرية الدائرية EE ، الإندوسومات المبكرة PLD ، phospholipase D PM ، غشاء البلازما RE ، إعادة تدوير الإندوسومات RRs ، القضبان والحلقات. يتم تضمين معلومات إضافية في الجدول التكميلي الأول.

يتم سرد أسماء الجينات NCBI ، جنبًا إلى جنب مع التوطين الخلوي والوظائف المحددة ومتفاعلات البروتين. تشمل الاختصارات المستخدمة PM ، غشاء البلازما PSD ، كثافات ما بعد المشبكي ، RE ، إعادة تدوير الإندوسومات TGN ، عبر-شبكة جولجي. يتم تضمين معلومات إضافية في الجدول التكميلي الثاني.

يتم سرد أسماء الجينات NCBI ، جنبًا إلى جنب مع التوطين الخلوي والوظائف المحددة ومتفاعلات البروتين. تشمل الاختصارات المستخدمة CDR ، الكشكشة الظهرية الدائرية EE ، الإندوسومات المبكرة EGFR ، مستقبل عامل نمو البشرة FA ، الالتصاقات البؤرية LD ، قطرات الدهون LE ، الجسيمات الداخلية المتأخرة PM ، غشاء البلازما RE ، إعادة تدوير الجسيمات الداخلية RRs ، قضبان وحلقات SF ، ألياف الإجهاد. يتم تضمين معلومات إضافية في الجدول التكميلي الثالث.

الشكل 1: التوطين شبه الخلوي لعائلة ARF GTPases و ARF GEFs و ARF GAPs. خلية تخطيطية بها عضيات (باللون الأحمر) توضح توطين GTPases (باللون الأزرق الفاتح) و GEFs (باللون الأرجواني) و GAPs (باللون الأخضر). يتم توفير معلومات أكثر تفصيلاً عن هذه الترجمة في المراجع المذكورة في النص.

الجدول 4: الأنماط الظاهرية للفئران ذات الطفرات / الحذف من GTPases لعائلة ARF.

يشار إلى أن البروتينات ARF و ARL تم حذفها إما بالضربة القاضية لكامل الجسم (الضربة القاضية التقليدية) أو بنوع الخلية أو بطريقة خاصة بالأنسجة ، بما في ذلك الحذف المحرض (الضربة القاضية المشروطة). E ، يوم الجنين ENU ، ن-إيثيل-ن- نيتروسوريا HGF ، عامل نمو خلايا الكبد P ، يوم ما بعد الولادة VLDL ، بروتين دهني منخفض الكثافة للغاية.


الواقع الافتراضي والمختلط (VMR)

مع زيادة القوة الحسابية ، أصبحت التقنيات التي كانت مكلفة أو مستحيلة التنفيذ في الماضي متاحة الآن في أجهزة الكمبيوتر المحمولة والهواتف المحمولة (Kish 2004 Waldrop 2016). تُحدث هذه التقنيات الآن ثورة في الطرق التي نتفاعل بها مع العالم ، وكيف نتعلم ، وكيف ندرس (Veletsianos 2010). الواقع الافتراضي والمختلط (VMR ، انظر الشكل 1 للمصطلحات) هو أحد هذه التقنيات التي اكتسبت اهتمامًا متزايدًا في الأوساط الأكاديمية والتعليمية (Mazuryk and Gervautz 1996). في الواقع ، على مدى العقد الماضي ، كانت هناك زيادة هائلة في نشر الأوراق في الموضوعات التي تنطوي على الواقع الافتراضي والمختلط في التعليم (الشكل 2 أ). يمكن تعريف VMR على أنه عالم بديل مليء بالكيانات المولدة بالحاسوب والتي تتفاعل مع الأنظمة الحسية والحركية للإنسان لإحداث إحساس بـ `` الوجود '' (الحالة النفسية) في الموضوع من خلال استخدام تقنية `` غامرة '' (أي التكنولوجيا يحاكي بيئة ليست بالضرورة حقيقية) (Yoh 2001). يمكن تعريف الحضور على أنه `` حالة من الانفصال عن الواقع يشعر فيها الناس بالتجربة الذاتية الموجودة في البيئة الرقمية (Slater 2003). '' على الرغم من استخدام الوجود والانغماس بالتبادل (Barbot and Kaufman 2020) ، فإن التجارب التي تزيد من التواجد لا تزيد بالضرورة من المشاعر الغامرة ، والعكس صحيح (انظر التحليل التلوي بواسطة Cummings و Bailenson 2016) ، مما يشير إلى أنه على الرغم من أن هذه المصطلحات تشير إلى الشعور بـ `` الوجود هناك '' ، إلا أنها ليست مكافئة بالضرورة. ومع ذلك ، كلاهما مهم في تطبيقات VMR. وفقًا لقاموس أكسفورد ، يُعرَّف الواقع الافتراضي بأنه "الصور والأصوات التي تم إنشاؤها بواسطة جهاز كمبيوتر والتي تبدو حقيقية تقريبًا للمستخدم ، والذي يمكنه التفاعل معها باستخدام أجهزة الاستشعار" ، مما يسلط الضوء على أن الوجود والانغماس هما من الجوانب الرئيسية للواقع الافتراضي ( انظر على سبيل المثال ، Lombart et al. 2020).لاحظ أنه هنا ، يشير الواقع الافتراضي إلى كل من الأجهزة (أي سماعات الرأس) ولكن أيضًا على نطاق أوسع ، إلى التكنولوجيا (التي تعد سماعات الرأس جزءًا منها) يركز تعريفنا العملي للواقع الافتراضي في هذه الورقة على الأخير. وفقًا لتصنيف Milgram et al. (1995) ، يتم تحقيق تجارب غامرة من خلال سلسلة متصلة معقدة في استنساخ الإخلاص لكل من البيئات الحقيقية والافتراضية ، حيث يمكن أن تؤثر قيود الأساليب والأجهزة (مثل الأجهزة والشاشات) على درجة التجربة الغامرة والحضور المتاحين المستخدم (Milgram et al. 1995). لاحظ ، مع ذلك ، أن الشعور بالوجود والانغماس قد لا يكون بالضرورة الهدف النهائي لتقنيات VMR (Milgram et al. 1995 ولكن انظر Robinett 1992 Sheridan 1992) ، على الرغم من أن العروض الأكثر واقعية بشكل متزايد يمكن أن تؤدي في النهاية إلى شعور المرء بالانغماس الكامل و حضور (Naimark 1991).

استمرارية الواقع والافتراضية. AR - الواقع المعزز AV - الواقع الافتراضي المعزز VR - الواقع الافتراضي [استنادًا إلى (Milgram et al. 1995)]. في ورقة مؤثرة للغاية ، اقترح كل من Milgram و Takemura و Utsumi و Kishino (1995) استمرارية الواقع الافتراضي لتصنيف تقنيات الواقع الافتراضي والمعزز والمختلط. على جانب واحد من الطيف يوجد العالم الحقيقي (الواقع) ، وعلى الجانب الآخر من الطيف ، العالم الافتراضي بالكامل (الافتراضية) حيث يوجد الواقع الافتراضي (VR) بمعناه الدقيق. بين النقيضين ، يقف الواقع المعزز (AR) - الذي يعتمد في الغالب على عناصر العالم الحقيقي ولكن مع إضافة كيانات افتراضية ، فإن أفضل مثال معروف (ومثير للجدل) للواقع المعزز هو Pokemon Go! (Serino et al. 2016 Zsila et al. 2018) - والواقع الافتراضي المعزز (AV) مع عكس الواقع المعزز ، أي في الغالب عالم افتراضي ولكن مع إضافة كيانات "حقيقية". AR و AV هي حالات من الواقع المختلط (MR) ، حيث تتشابك العناصر الحقيقية والافتراضية داخل التطبيق. لغرض هذا البحث وللتيسير ، نشير إلى AR و AV و VR على أنها الواقع الافتراضي والمختلط (VMR) لأنها تحتوي على درجة معينة من المكونات الافتراضية التي يتم إدخالها في التطبيق

أهمية VMR المتزايدة في السياق الأكاديمي والتعليمي. أ Web of Science موضوع الاستعلام عن المنشورات (يسار) والاستشهادات (يمين) التي تتضمن VMR والتعليم (برتقالي) و VMR وعلم الأحياء (أحمر). تم إجراء عمليات البحث عن WoS في 12 مايو 2020 باستخدام استعلامات عبارة البحث "الواقع والتعليم (الافتراضي والمُعزز)" أو "الواقع (الافتراضي والمُعزز) والبيولوجيا". لكل بحث ، تم استبعاد المراجعات ووقائع المؤتمرات. في المجموع ، كان هناك 6443 ورقة و 133 ورقة تتوافق مع معايير الاختيار ، على التوالي. ب نظرة عامة تخطيطية لإمكانية تأثير VMR على علم الأحياء. من ناحية ، تم استخدام VMR بشكل متزايد لتدريس مجموعة متنوعة من الموضوعات في علم الأحياء. مع تقدم التكنولوجيا ، قد يكون من الممكن الجمع بين التقنيات المتطورة الأخرى مثل التعلم الآلي والذكاء الاصطناعي لإنشاء عالم افتراضي متطور مستدام ذاتيًا (BioVR) يسمح لنا باكتساب رؤى حول العمليات البيولوجية

كان VMR موجودًا منذ عقود ، ويُعتقد أن أصله في الستينيات عندما ابتكر مورتون هيليج واحدًا من أولى المحاكيات الغامرة متعددة الحواس التي تضمنت محفزات مثل الصوت والرائحة والرياح والاهتزاز (يُطلق عليها اسم "Sensorama") ( Heilig 1962 Mazuryk and Gervautz 1996). منذ ذلك الحين ، تقدمت تقنية الواقع الافتراضي بشكل كبير لدرجة أن العديد من المنصات موجودة اليوم لإنشاء تطبيقات VMR واختبارها (على سبيل المثال ، Jerald et al. 2014 Ledermann and Schmalstieg 2005 Wexelblat 2014). في العقد الماضي ، زاد استخدام VMR في التدريس والتعلم بشكل كبير وشمل مجموعة متنوعة من الموضوعات (Davies et al. 2019 Hoffman and Vu 1997 Makransky et al. 2016 Mikropoulos and Natsis 2011) ، بما في ذلك علم الأحياء (Makransky et al. 2016 شيم وآخرون 2003 شيم وآخرون 2000). أظهر التحليل التلوي لستة عشر دراسة أن المحاكيات الجراحية VMR تقلل من الوقت لإكمال الإجراءات الجراحية ، مما يشير إلى اكتساب مهارات جراحية أكثر كفاءة (Haque and Srinivasan 2006). وبالمثل ، تم استخدام VMR كتقنية للتدريب ومحاكاة الاستجابات لأحداث الكوارث ، وبالتالي تحسين مجال طب الكوارث (Gout et al. 2020). من المحتمل أن يظهر هذا الاستيعاب الناجح لل VMR في الطب بسبب عدم جدوى تكرار مواقف الحياة الحقيقية (على سبيل المثال ، الاستجابة للأعاصير في طب الكوارث) وكذلك المواقف عالية الخطورة (مثل العمليات الجراحية الدقيقة) التي تهدد حياة المريض وتتطلب تدريبًا غير مسبوق للطبيب في سياقات تدريب منخفضة المخاطر (أي المحاكاة بدلاً من الحياة الواقعية). علاوة على ذلك ، يعمل VMR على تحسين تعلم المهام التي تتطلب ذاكرة مكانية ومرئية ، ومراقبة ، بالإضافة إلى التحكم في الاستجابات العاطفية في الظروف المجهدة (Jensen and Konradsen 2018). الأهم من ذلك ، تم وصف الأطفال المصابين بالتوحد على أنهم تفاعل إيجابي مع تطبيقات VMR في البيئات التعليمية (Kandalaft et al. 2013 Strickland et al. 1996) ، مما يشير إلى أنه يمكن استخدام VMR في مجموعة واسعة من السياقات ويعمل كأداة شاملة لـ تعليم الطلاب ذوي الاحتياجات الخاصة وغير ذوي الاحتياجات الخاصة (ولكن انظر المناقشة حول "إساءة الاستخدام المحتملة لـ VMR" أدناه). لذلك ، تمتلك VMR القدرة على أن تصبح أداة تعليمية مهمة وشاملة في عصرنا (Hoffman and Vu 1997). في الواقع ، تم استخدام VMR مؤخرًا لتدريس وتعلم علم الأحياء ، مع نتائج إيجابية.


3. مناهج إيضاحية للتنمية

عادة ما تكون التفسيرات في علم الأحياء التطوري سببية ، على الرغم من أنه على عكس التفسير الآلي القياسي ، هناك اكتساب مستمر لقدرات سببية جديدة (من حيث الكيانات والأنشطة وتنظيمها) من خلال التنمية (McManus 2012 Parkkinen 2014). على الرغم من أنه لا يزال هناك الكثير من العمل في توصيف جوانب مختلفة من التفسير في علم الأحياء التطوري ، فلا شك أن مفهوم إحداث فرق أو قابلية التلاعب للسببية (انظر المدخل الخاص بالسببية وقابلية التلاعب) يوفر عنصرًا أساسيًا في التفكير (Woodward 2003 Strevens 2009 Waters 2007a) ). التفسيرات الجينية للتطور (القسم 3.1) ، على غرار ما يظهر في علم الوراثة الجزيئي ، تعمل من خلال تحديد التغييرات في التعبير عن الجينات والتفاعلات بين الحمض النووي الريبي ومنتجات البروتين التي تؤدي إلى تغييرات في خصائص السمات المورفولوجية أثناء التكون (على سبيل المثال ، الشكل أو الحجم) ، مع تثبيت مجموعة متنوعة من المتغيرات السياقية. في الآونة الأخيرة ، كان هناك اهتمام متزايد بالتفسيرات المادية للتطور (القسم 3.2) التي تتضمن مناشدات للقوى الميكانيكية بسبب الترتيبات الهندسية للمواد متوسطة الحجم ، مثل تدفق السوائل (Forgacs and Newman 2005). يتفق الباحثون على الظواهر التي يجب شرحها (القسم 1.2 والقسم 2.2) ، لكنهم يختلفون حول ما إذا كانت القواعد الفيزيائية أو العوامل الوراثية تفسيرية أكثر أو أقل (Keller 2002). [8] إن وجود نوعين مختلفين من التفسيرات السببية لظواهر النمو يطرح سؤالًا إضافيًا حول كيفية دمجهما في إطار توضيحي أكثر تكاملاً (القسم 3.3).

3.1 علم الوراثة

تحول العديد من الفلاسفة إلى تفسيرات التطور على مدى العقدين الماضيين في محاولة لتقدير أو تقليص الادعاءات حول القوة السببية للجينات (Keller 2002 Neumann-Held and Rehmann-Sutter 2006 Rosenberg 2006 Robert 2004 Waters 2007a). [9] تلمس التفسيرات الجينية الموضوع الفلسفي للاختزال ويبدو أنها تشكل الجزء الأكبر من النجاح التجريبي المتراكم في علم الأحياء التطوري على مدى العقود العديدة الماضية. [10] تصريحات علماء الأحياء التطورية تعزز هذا المنظور:

يتعامل علم الأحياء النمائي والهيليبي مع العملية التي تتحكم بها الجينات في البويضة الملقحة في سلوك الخلية في الجنين وبالتالي تحدد نمطها وشكلها وكثير من سلوكها ونشاط الجين التفاضلي الهيليبي الذي يتحكم في التطور. (Wolpert وآخرون. 1998: v ، 15)

يتم تضخيم هذه الأنواع من العبارات أحيانًا في مناشدة الجينات برنامج للتطوير.

تحتوي [عناصر الجينوم] على رمز خاص بالتسلسل من أجل التنمية ، وهي تحدد النتيجة المعينة لعمليات النمو ، وبالتالي شكل الحيوان الذي ينتجه كل جنين. & hellip Development هو تنفيذ البرنامج الجيني لبناء نوع معين من الكائنات الحية (Davidson 2006: 2 ، 16). [11]

في أوقات أخرى ، تركز العبارات على علم الوراثة باعتباره الموضع الأساسي للسببية في تطور الجنين: & ldquo التعقيد النمائي هو الناتج المباشر للتعبير المكاني المحدد لمجموعات جينية معينة ، وفي هذا المستوى يمكننا معالجة السببية في التنمية & rdquo (ديفيدسون وبيتر 2015 : 2). ما إذا كان يمكن إثبات هذه البيانات أم لا كان موضوع نقاش حاد. [12] أقوى الادعاءات حول البرامج الجينية أو التحكم الجيني للتطور لها عيوب تجريبية ومفاهيمية تشمل عدم الانتباه إلى اللدونة ودور البيئة ، والغموض حول موضع الفاعلية السببية ، والاعتماد على الاستعارات المستمدة من الكمبيوتر العلوم (Gilbert and Epel 2009 Keller 2002 Moss 2002 Robert 2004). ومع ذلك ، فإن هذا يترك على حاله مبدأ صنع الاختلاف في التفسير الجيني المعروض في علم الوراثة الجزيئي (Waters 2007a) ، والذي ينتج عنه ادعاءات سببية أكثر تحديدًا ودقة في ظل ظروف تجريبية خاضعة للرقابة ، وينطبق على الكيانات الجزيئية المتنوعة التي تلعب أدوارًا سببية أثناء التطور ، مثل كرنا تنظيمية وبروتينات وإشارات بيئية. يمكننا أن نلاحظ هذا باختصار من خلال إعادة النظر في مثال تكوّن القلب لدى الفقاريات (القسم 1.2).

هل هناك مشاكل في الادعاء بأن الجينات تحتوي على جميع المعلومات (انظر المدخل الخاص بالمعلومات البيولوجية) لتكوين قلوب الفقاريات؟ هل هناك برنامج وراثي في ​​الحمض النووي يتحكم في نمو القلب؟ هل الجينات هي المورد الرئيسي والمنظم للموارد المادية لتنمية القلب ، والتي تحدد إلى حد كبير نتيجة النمط الظاهري؟ حددت الدراسات الحالية لتطور القلب دورًا لقوى السوائل في تحديد الشكل الداخلي للقلب (هوف وآخرون 2003) وعدم تناسقها الأيسر / الأيمن (Nonaka et al.2.2002). التدرجات البيوكيميائية للكالسيوم خارج الخلية هي المسؤولة عن تنشيط التعبير غير المتماثل للجين التنظيمي عقدية (Raya et al. 2004) وتثبيط تدرجات الجهد يؤدي إلى تشويش إنشاء عدم التناسق الطبيعي (Levin et al.2002). تعتبر الإشارات الميكانيكية مثل تصلب البيئة المكروية أمرًا بالغ الأهمية للتحولات الرئيسية من الخلايا المهاجرة إلى الصفائح المنظمة أثناء تكوين القلب (Jackson et al. 2017). من الواضح أن عددًا من الجينات هي من صانعي الاختلاف في هذه العمليات (Asp et al. 2019 Srivastava 2006 Brand 2003 Olson 2006) ، لكن الاستنتاج القائل بأن الجينات تحمل جميع المعلومات اللازمة لتوليد سمات شكل القلب يبدو غير مبرر. في حين أنه قد يكون هناك ما يبرر تجريبيًا في بعض الحالات لتفضيل اختلافات تسلسل الحمض النووي كعوامل سببية في عمليات معينة للتطور (Waters 2007a) ، مثل الشبكات المنظمة بشكل هرمي لصانعي الاختلافات الجينية التي تشرح مواصفات الأنسجة (Peter and Davidson 2011) ، تنوع الكيانات تمت الموافقة عليه في علم الوراثة الجزيئي ومدى أدوارهم الفردية والمشتركة في تحديد النتائج التنموية يعني أن المناقشات حول معنى ونطاق وقوة التفسيرات الجينية ستستمر (Griffiths and Stotz 2013). ومع ذلك ، فإن التحول بعيدًا عن البرامج الجينية والحتمية الجينية إلى الحمض النووي ، والحمض النووي الريبي ، والبروتينات كصناع فرق يعملون معًا يشير إلى أننا نتصور العوامل السببية الأخرى بطريقة مماثلة.

3.2 الفيزياء

يعد تدفق السوائل ، كقوة فيزيائية ، أحد العوامل المؤدية إلى اختلاف أثناء تطور القلب ، والتطور بشكل عام ، ويلجأ علماء الأحياء التنموية إلى صانعي الاختلافات الفيزيائية ، والتي تُفهم على أنها عوامل في إنتاج الخصائص المورفولوجية للظواهر التنموية (فورغاكس و نيومان 2005). تم عرض نهج السببية الجسدية في أواخر القرن التاسع عشر في أعمال ويلهلم هيس (هوبوود 1999 ، 2000 بيرسون 2018) ، وظهر بشكل خاص في أعمال D & rsquoArcy Thompson وآخرين في أوائل القرن العشرين (Thompson 1992 [1942] Keller 2002: ch. 2 أولبي 1986). حدث هذا في بيئة الاهتمام المتزايد بنظرية الكروموسومات في الوراثة ومحاولات استكشاف الظواهر التنموية من خلال الطرق الجينية الكلاسيكية (Morgan 1923 ، 1926 ، 1934). ناشد طومسون إلى معدلات النمو التفاضلية وقيود العلاقات الهندسية لشرح كيفية نشأة مورفولوجيا الكائن الحي. قدمت التمثيلات المرئية للنظائر الميكانيكية اللاأحيائية المعقولية ، مثل شكل البقع السائلة أو القطرات المعلقة لتكوينات الكأس والجرس للمرحلة الجنسية الحرة لقنديل البحر. إذا ولدت القوى الفيزيائية أشكالًا محددة في المواد اللزجة المرنة ، فيجب تفسير الأشكال المماثلة في الأنواع الحية من حيث القوى الفيزيائية التي تعمل على المواد اللزجة المرنة للجنين النامي. ومع ذلك ، فقد شوهدت العمليات المورفولوجية التي تنتج شكل وبنية التشكل بشكل أساسي ، إن لم يكن حصريًا ، من حيث علم الوراثة على مدى نصف القرن الماضي. انتقلت المقاربات الفيزيائية إلى الخلفية حيث انتقلت مقاربات الجينات الجزيئية من قوة إلى قوة (Fraser and Harland 2000).

تعد جزيئات علم الأجنة التجريبي واحدة من أكثر قصص النجاح المدهشة في علم الأحياء المعاصر ، حيث تم اكتشاف الجينات والتفاعلات الجينية (على سبيل المثال ، في شبكات النسخ ومسارات الإشارات ، انظر القسم 1.3) لتأكيد تفاصيل محددة عن التمايز والتشكل وتشكيل الأنماط والنمو. عندما تنشأ البنية أثناء التطوير. تسود المناهج الجينية في علم الأحياء التطوري المعاصر وغالبًا ما يتم إهمال الأنماط الفيزيائية للسببية. كان الإحباط بين الباحثين المهتمين بالسببية الجسدية أثناء التطور الجنيني واضحًا.

بالنسبة للأنواع الجزيئية ، السبب هو جزيء أو جين. لشرح ظاهرة ما هو تحديد الجينات وتوصيف البروتينات التي بدونها ستفشل الظاهرة أو تصبح غير طبيعية. الجزيء هو تفسير: القوة هي وصف للقول بخلاف ذلك يجلب الشفقة ، في أحسن الأحوال (ألبرت هاريس إلى جون ترينكوس ، 12 مارس 1996 المصدر: أرشيف مكتبة المختبر البيولوجي البحري).

على الرغم من غلبة المناهج التفسيرية الجينية والإحباط بين الباحثين الذين يستخدمون مناهج أخرى ، فقد تزايد الاهتمام حول التفسيرات المادية للتنمية ، لا سيما من حيث تكاملها مع التفسيرات الجينية (Miller and Davidson 2013 Newman 2015). جادل بعض الفلاسفة بأن النمذجة الميكانيكية الحيوية للعوامل السببية الفيزيائية تشكل رفضًا لأشكال معينة من التفسير الاختزالي في علم الأحياء (Green and Batterman 2017).

3.3 تكامل المناهج: علم الوراثة والفيزياء

رأى طومسون أن القوى الفيزيائية كانت تفسيرية ولكنها غير كافية بمعزل عن تفسير الأصل التطوري للوراثة التشكلية (علم الوراثة) كان أيضًا عاملًا سببيًا ضروريًا. [13] ومع ذلك ، كان طومسون سريعًا في تسليط الضوء على أن الأساليب الميكانيكية للسببية قد يتم إهمالها في خضم الاهتمام المتزايد بالوراثة (علم الوراثة):

لا تقل المبالغة إذا كنا نميل إلى إهمال هذه الأنماط الجسدية والميكانيكية المباشرة للسببية تمامًا ، ونرى في خصائص العظم مجرد نتائج الاختلاف والوراثة. (طومسون 1992 [1942]: 1023)

على الرغم من أن هذا الشكل الأخير من المبالغة يتجلى خلال معظم القرن العشرين ، فإن أجندة دمج أو دمج المقاربتين أصبحت الآن صريحة. [14]

لا يوجد جدل حول ما إذا كانت الأنماط الجينية والفيزيائية للسببية تعمل في وقت واحد:

تساهم مسارات الإشارات الفيزيائية والكيميائية الحيوية للجنين في شكل الكائن الحي. (Von Dassow et al. 2010: 1)

إنهم لا يتنافسون في التفسيرات السببية للظاهرة نفسها. يجب أن توضح التفسيرات كيف تؤدي تفاعلاتهم الإنتاجية إلى نتائج إنمائية:

يشير عدد متزايد من الأمثلة إلى وجود تفاعل متبادل بين التعبير عن بعض الجينات التطورية والقوى الميكانيكية المرتبطة بالحركات المورفولوجية. (Brouz & eacutes and Farge 2004: 372)

يمكن أن تؤدي الأسباب الجينية إلى أسباب جسدية و والعكس صحيح. السببية الجسدية تؤدي إلى السببية الجينية من خلال النقل الآلي. يتم استشعار التمدد والانكماش والضغط وإجهاد قص السوائل والديناميكيات الفيزيائية الأخرى بواسطة مكونات جزيئية مختلفة داخل وخارج الخلايا التي تترجم هذه التغييرات البيئية إلى إشارات كيميائية حيوية (Hoffman et al. 2011 Wozniak and Chen 2009). تؤدي السببية الجينية إلى السببية الجسدية من خلال خلق خصائص فيزيائية مختلفة للخلايا والأنسجة من خلال وجود بروتينات معينة أو غيابها أو تغيير تواترها. على سبيل المثال ، يمكن أن تؤدي أنماط التعبير المختلفة لجزيئات التصاق الخلية (على سبيل المثال ، الكاديرين) إلى الالتصاق التفاضلي عبر صفائح الأنسجة الظهارية ، وبالتالي تولد فواصل طور أو مقصورات عبر تباين التوتر السطحي (نيومان وبهات 2008). إذا لم تكن أنماط السببية هذه متنافسة ، فكيف يمكن للمرء أن يجمع بين صانعي الاختلاف الجيني والفيزيائي في تفسير سببي متكامل؟ ما مقدار الوحدة التفسيرية التي يمكن تحقيقها لهذا التفاعل المتبادل & ldquoreciprocal & rdquo؟

يظل العثور على نماذج فلسفية للتكامل التوضيحي بين علم الوراثة والفيزياء سؤالًا مفتوحًا (Love 2017b). يعد تقسيم المسؤولية السببية بمعنى تحديد المساهمات النسبية (على سبيل المثال ، تكوين المقادير السببية بين القوى الفيزيائية المختلفة في ميكانيكا نيوتن) إشكالية لأن هذا يتطلب قابلية التناسب فيما يتعلق بكيفية إنتاج الأسباب لتأثيراتها (Sober 1988). في سياق السببية المفهومة من منظور صانعي الاختلاف ، فإن صعوبة التكامل هي تباين في مشكلة في التفكير السببي حددها جون ستيوارت ميل ووصفت & ldquo مزيج التأثيرات ، & rdquo التي تتضمن أسبابًا متعددة تساهم بطريقة مختلطة لإعطاء حصيلة.

تتجلى هذه الصعوبة بشكل واضح في حالة الظواهر الفسيولوجية ، فمن النادر أن نفصل بين الوكالات المختلفة التي تشكل جسدًا منظمًا بشكل جماعي ، دون تدمير الظواهر ذاتها التي يكون هدفنا التحقيق فيها. (ميل 1843 [1974]: 456 [الكتاب 3 ، الفصل 11 ، القسم 1 ، الفقرة 7])

يمكن للمنهجية الإحصائية الدقيقة في التجارب الإجابة عما إذا كان هناك نوع واحد من صانعي الفرق يفسر المزيد من التباين في متغير التأثير لمجموعة سكانية معينة. لكن ترتيب العوامل السببية فيما يتعلق بمدى الاختلاف الذي أحدثوه ليس هو نفسه الجمع بين نمطين من السببية في حساب متكامل. استجابة أخرى هي حل مشكلة التكامل عن طريق تقليل جميع التفاعلات السببية إلى أحد الصيغتين المتميزتين ، وبالتالي تحقيق نوع من الوحدة التفسيرية (Rosenberg 2006). ومع ذلك ، يتم تجنب هذا النهج من قبل علماء الأحياء العاملين الذين يأخذون كلا من الأنماط الجينية والفيزيائية للسببية على أنها مهمة ولا يمكن اختزالها إلى الأخرى.

هناك إستراتيجية مختلفة وهي التعددية التكاملية (Mitchell 2002). يتضمن ذلك إجراءً من خطوتين لشرح الظواهر المعقدة التي تكون سماتها نتيجة لأسباب متعددة: (أ) صياغة نماذج مثالية حيث تعمل عوامل سببية معينة في عزلة (& ldquotheoretical modeling & rdquo) و (ب) دمج النماذج المثالية لشرح مدى الخصوصية ، الظواهر الملموسة تنشأ من هذه الأسباب مجتمعة. هذا النموذج موحي ولكنه يحتوي أيضًا على عيوب رئيسية تشمل حقيقة أن التفكير السببي الجيني في علم الأحياء التطوري لا يتضمن عادةً النمذجة النظرية والطبيعة الدقيقة للتكامل غير محددة. يوفر تكامل صانعي الاختلافات الجينية والفيزيائية في آلية واحدة إمكانية أخرى (Darden 2006 Craver 2007). على الرغم من أن هذا يسلط الضوء على الاستمرارية الإنتاجية بين صانعي الفرق عبر مراحل في تسلسل (أي تفاعلهم المتبادل) ، إلا أنه يعاني أيضًا من إعاقات. وتشمل هذه:

مناهج متباينة لقياس الوقت. بدلاً من الوقت & ldquo في الآلية ، & rdquo يتم قياس الوقت بمراحل قياسية خارجية (انظر أدناه ، القسم 5.2). تسهل المراحل دراسة أنواع مختلفة من آليات النمو ، بمعدلات ومدد مميزة مختلفة لمراحلها ، ضمن إطار عمل مشترك لكائن نموذج (على سبيل المثال ، ذبابة الفاكهة) ، مع السماح أيضًا بدراسة الآليات الجزيئية المحفوظة في أنواع مختلفة لأن وصف الآلية المقابلة ليس مرتبطًا بالتسلسل الزمني للكائن الحي النموذجي.

توقع أن الأوصاف الآلية & ldquobottom-out & rdquo في الأنشطة ذات المستوى الأدنى للكيانات الجزيئية (داردن 2006). في حالة الجمع بين صانعي الاختلاف الجيني والفيزيائي ، فإن التفاعل المتبادل يعني أن هناك تجنبًا دؤوبًا للوقوع في أحد طرق السببية أو الأخرى.

متطلبات التنظيم التركيبي الثابت للآليات:

التفسيرات الآلية هي تفسيرات تأسيسية أو تكوينية: فهي تشرح سلوك الآلية ككل من حيث الأنشطة المنظمة والتفاعل بين مكوناتها. (كرافير 2007: 128)

لكن أوصاف الآلية هذه غالبًا ما تكون مضمنة في سياقات تنموية مختلفة (في أوقات مختلفة في مرحلة التطور) مع العلاقات التركيبية المتميزة (داخل الأنواع وفيما بينها). لا يتم الحفاظ على التفاعل المتبادل بين صانعي الاختلاف الجيني والفيزيائي على وجه التحديد لأن هذه الاختلافات التركيبية تغير علاقات السببية الجسدية (تدفق السوائل ، التوتر ، إلخ. انظر القسم 1.3). تمكن علماء الأحياء التطورية من تعميم علاقات السببية الجينية (من حيث الآليات الجينية انظر القسم 1.3) عبر الأنواع على نطاق واسع ، لكن محاولة دمجها مع السببية الجسدية استلزم تضييق نطاق الادعاءات السببية.

تحتاج النماذج الفلسفية الملائمة للاعتماد المنهجي بين صانعي الاختلاف الجيني والفيزيائي في مرحلة التطور إلى تفسير كيفية إرساء العلاقات الزمنية اللازمة لعمل ادعاءات سببية في فترة خارجية يستخدمها علماء الأحياء التطورية. يمكن أن يؤدي فرض نطاقات زمنية مختلفة إلى عوامل مميزة تكون مهمة أو بارزة ، وهو أمر مهم للتحقق من كيفية دمج أنواع مختلفة من الأسباب في تفسيرات متكاملة. يتمثل أحد الاحتمالات في وضع صانعي الاختلاف هؤلاء جنبًا إلى جنب في مراحل متميزة من خلال التحقق التجريبي بحيث يظهرون استمرارية إنتاجية ضمن قيود الفترة الخارجية (Love 2017b). هذا يسهل تمثيل التناظر بين العوامل السببية لأنه يمكن وضع صانعي الاختلافات الجينية قبل أو بعد صانعي الفروق المادية (و والعكس صحيح). على الرغم من أن هذا لا يوفر طريقة للجمع بين المقادير السببية (كما هو الحال في إضافة المتجهات من ميكانيكا نيوتن) ، فإنه يوفر استراتيجية واضحة لتعيين المسؤولية بين أنواع مختلفة من الأسباب من خلال وسيلة التنظيم الزمني التي تتجاوز صانعي الفروق في الترتيب. يخدم periodization كقالب من ممارسات علماء الأحياء التطورية لتوفير الكمال أو الوحدة لأنماط مختلفة من السببية لإنتاج نوع من التفسير المتكامل للصرف الذي ينتج عن سلسلة من العمليات التنموية.

لا تتضمن جميع أنواع التفسير السببي فترة زمنية خارجية ، وهناك طرق أخرى لدمج الأسباب من أجل إنتاج أطر تفسيرية أكثر تكاملاً. يتعلق أحد المجالات التي يتم فيها تحليل التفسيرات المشتركة للظواهر التنموية بأوصاف الآلية والنمذجة الرياضية في بيولوجيا الأنظمة (Brigandt 2013 Fagan 2013). على سبيل المثال ، يوضح Fagan (2013: الفصل 9) كيف يظهر تفسير متكامل من إجراء تدريجي يبدأ بوصف مفصل للآلية الجزيئية متبوعًا بصياغة مخطط الأسلاك الملخص لتفاعلات المكونات ، والذي يتم ترجمته بعد ذلك في نظام معادلات يمكن أن يفسر التغييرات في تفاعلات المكونات بمرور الوقت. حلول لأنظمة المعادلات هذه ورسم خرائط للحلول للتفاعلات بين مكونات النظام على سلوك النظام العام ضمن تمثيل أفقي مشترك يشرح بشكل أكثر منهجية التمايز الخلوي.


لماذا علم الأحياء مهم في الحياة اليومية؟

علم الأحياء مهم للحياة اليومية لأنه يسمح للبشر بفهم أجسادهم ومواردهم والتهديدات المحتملة في البيئة بشكل أفضل. علم الأحياء هو دراسة جميع الكائنات الحية ، لذلك فهو يساعد الناس على فهم كل كائن حي على قيد الحياة ، من أصغر البكتيريا إلى الخشب الأحمر في كاليفورنيا والحيتان الزرقاء. غالبًا ما يركز علماء الأحياء المحترفون على مجموعة فرعية صغيرة من الكائنات الحية ، مثل الطيور أو النباتات أو البكتيريا.

ساعدت دراسة علم الأحياء البشر على فهم أوجه التشابه بين جميع أشكال الحياة. على سبيل المثال ، الكود الجيني الذي يساعد على بناء جميع الكائنات الحية متشابه للغاية في جميع أشكال الحياة. يتم تخزين المادة الوراثية في شكل DNA لجميع النباتات والحيوانات والبكتيريا والفطريات. من خلال دراسة الحمض النووي لجميع أشكال الحياة المختلفة هذه ، قرر علماء الأحياء أن جميع الكائنات الحية مرتبطة ببعضها البعض.

ساعد علم الأحياء أيضًا الأطباء على تعلم كيفية الحفاظ على صحة الناس ومحاربة الأمراض. لقد تعلم علماء الأحياء أن الأشياء التي تسمى مسببات الأمراض ، والتي هي نفسها كيانات حية أخرى ، تسبب الأمراض. من خلال فهم كيفية عمل هذه الكائنات الحية الخطرة ، يمكن للعلماء محاربتها. بسبب علم الأحياء ، عاش الكثير من الناس حياة طويلة حيث تمكنوا من تجنب الأمراض.


نتائج

نظرة عامة على طريقة PseudotimeDE

تتكون الطريقة الإحصائية لـ PseudotimeDE من أربع خطوات رئيسية: أخذ العينات الفرعية ، والاستدلال بالوقت الكاذب ، وتركيب النموذج ، واختبار الفرضيات (الشكل 1). يتم تنفيذ الخطوتين الأوليين على مستوى الخلية وتشمل جميع الجينات الإعلامية (التي يعتمد اختيارها على طريقة الاستدلال بالوقت الكاذب ، على سبيل المثال ، Slingshot و Monocle3-PI) ، بينما يتم تنفيذ الخطوتين الأخيرتين على كل جين يحتمل أن يكون DE.

في خطوة أخذ العينات الفرعية ، عينات فرعية PseudotimeDE 80٪ من الخلايا من مجموعة البيانات الأصلية لالتقاط الارتياب في استدلال الوقت الكاذب ، وهو نفس الأسلوب المستخدم في [9 ، 11 ، 30].

رسم توضيحي لطريقة PseudotimeDE (تم إنشاؤه باستخدام BioRender.com). جوهر PseudotimeDE هو الحصول على توزيع فارغ صالح لإحصاء اختبار الجين DE سي لكل جين ي. لتحقيق ذلك ، عينات فرعية PseudotimeDE 80٪ خلايا من بيانات scRNA-seq الأصلية. ثم في كل عينة فرعية ، يقوم PseudotimeDE بتنفيذ استدلال الوقت الكاذب (باستخدام طريقة يحددها المستخدم مثل Slingshot و Monocle3-PI) ويغير الوقت الكاذب المستنتج عبر الخلايا. بعد ذلك ، يناسب PseudotimeDE نموذجًا (NB-GAM أو ZINB-GAM) للعينات الفرعية المخففة للحصول على قيم سي تحت فرضية العدم ويستخدم هذه القيم لتقريب التوزيع الفارغ لـ سي. بالتوازي ، يناسب PseudotimeDE نفس النموذج لمجموعة البيانات الأصلية ويحسب القيمة المرصودة لـ سي. أخيرًا ، يشتق PseudotimeDE الامتداد ص- القيمة من القيمة المرصودة والتوزيع الخالي لـ سي. يتم وصف التفاصيل في قسم "الأساليب"

في خطوة الاستدلال بالوقت الكاذب ، يطبق PseudotimeDE طريقة استدلال الوقت الكاذب التي يحددها المستخدم على مجموعة البيانات الأصلية وكل عينة فرعية ، بحيث تتلقى كل خلية وقتها الكاذب المستنتج في مجموعة البيانات الأصلية وجميع العينات الفرعية التي تتضمنها. لإنشاء حالات فارغة حيث تكون الجينات غير DE لاختبار الفرضية لاحقًا ، يقوم PseudotimeDE بتغيير الوقت الكاذب المستنتج في كل عينة فرعية ، بغض النظر عن العينات الفرعية الأخرى.

في خطوة تركيب النموذج ، تناسب PseudotimeDE NB-GAM أو GAM السالبة ذات الحدين المتضخمة الصفرية (ZINB-GAM) لكل جين في مجموعة البيانات الأصلية للحصول على إحصائية اختبار تشير إلى حجم تأثير الوقت الزائف المستنتج على تعبير الجين.

في خطوة اختبار الفرضية ، لكل جين ، يناسب الوقت الكاذب نفس النموذج المستخدم لمجموعة البيانات الأصلية للعينات الفرعية المخففة للحصول على قيم فارغة تقريبية لإحصاء اختبار الجين (القيم الخالية تقريبية لأن العينات الفرعية لا تحتوي على نفس العدد من الخلايا كما في مجموعة البيانات الأصلية). لحفظ عدد العينات الفرعية المطلوبة وتحسين صدقة القيمة ، يناسب الوقت الكاذب توزيع جاما أو خليط من توزيعتين جاما لهذه القيم الفارغة. يستخدم بعد ذلك التوزيع البارامترى المجهز كتوزيع فارغ لإحصاء الاختبار. أخيرًا ، يحسب PseudotimeDE الذيل الأيمن ص-قيمة الجين من إحصاء اختبار الجين في مجموعة البيانات الأصلية والتوزيع الفارغ التقريبي.

مزيد من التفاصيل عن PseudotimeDE موصوفة في قسم "الطرق".

تتحقق عمليات المحاكاة من أن PseudotimeDE يتفوق على الأساليب الحالية في صلاحية ص- القيم وقوة التعريف

نحن نستخدم أداة محاكاة مستخدمة على نطاق واسع [9 ، 16] لإنشاء أربع مجموعات بيانات scRNA-seq اصطناعية ، من بينها ثلاثة مجموعات بيانات أحادية النسب بمستويات تشتت منخفضة ومتوسطة وعالية ، والآخر عبارة عن مجموعة بيانات تشعب . نظرًا لأن مجموعة البيانات أحادية النسب عالية التشتت تشبه بشكل أفضل بيانات scRNA-seq الحقيقية (ملف إضافي 1: الشكل S1) ، فإننا نستخدمها كحالتنا الأساسية. نطبق طريقتين للاستدلال بالزمن الكاذب - Slingshot و Monocle3-PI - على كل مجموعة بيانات اصطناعية لاستنتاج الوقت الكاذب للخلية.

أولاً ، وجدنا أن PseudotimeDE نجح في التقاط عدم اليقين الكامن وراء الوقت الكاذب المستنتج. تعكس الطبقة الأولى - "عدم اليقين الخطي" - العشوائية للوقت الكاذب للخلية المستنبطة داخل سلالة الخلية (الشكل 2 أ ، وأمبير ج). يوضح الشكل 2 ب ، & amp d توزيعات الوقت الكاذب المستنتج للخلايا الفردية بواسطة Slingshot و Monocle3-PI ، على التوالي ، عبر 1000 مجموعة بيانات فرعية عينات ، مما يؤكد أن عدم اليقين الخطي خاص بأساليب الاستدلال بالوقت الكاذب. بين الطريقتين ، يُظهر Monocle3-PI قدرًا أكبر من عدم اليقين الخطي. تعكس الطبقة الثانية - "عدم اليقين الطوبولوجي" - عشوائية بناء النسب. تحتوي مجموعة بيانات التشعب الاصطناعي على سلالتين من الخلايا. تبني مقلاع بشكل صحيح طوبولوجيا التشعب من مجموعة البيانات الأصلية ومجموعات البيانات المكونة من 1000 عينة فرعية. بينما تلتقط Monocle3-PI طوبولوجيا التشعب من مجموعة البيانات الأصلية (الشكل 2 هـ) ، فإنها تفشل في التقاط الهيكل من أكثر من 50٪ من العينات الفرعية (يوضح الشكل 2f 10 عينات فرعية تم اختيارها عشوائيًا) ، مما يدل على عدم اليقين في الهيكل الأكبر من Slingshot.

يلتقط PseudotimeDE عدم اليقين في استنتاج الوقت الكاذب. أ تصور الخلايا أحادية النسب الاصطناعية المميزة بوقت كاذب مستنتج بواسطة Slingshot (باستخدام PCA). يشير المنحنى الأسود إلى النسب المستنتج. ب توزيعات الوقت الزائف المستنتج للخلايا الفردية بواسطة Slingshot عبر العينات الفرعية. في المحور الرأسي ، يتم ترتيب الخلايا حسب وقتها الحقيقي في السلالة المستخدمة في المحاكاة لكل خلية (إحداثيات رأسية) ، تحتوي النقاط السوداء على إحداثيات أفقية تقابل الوقت الكاذب المستنتج للخلية في العينات الفرعية التي تتضمن الخلية. كلما انتشرت النقاط السوداء أفقيًا ، زاد عدم اليقين في استدلال الوقت الكاذب. ج تصور الخلايا أحادية النسب الاصطناعية المميزة بوقت كاذب مستنتج بواسطة Monocle3-PI (باستخدام UMAP). يشير المنحنى الأسود إلى النسب المستنتج. بالمقارنة مع (أ) ، فإن النسب المستنتج يكون أكثر تذبذبًا. د توزيعات الوقت الكاذب المستنتج للخلايا الفردية بواسطة Monocle3-PI عبر العينات الفرعية. مقارنة مع (ب) ، فإن عدم اليقين في استدلال الوقت الكاذب أكبر. ه تصور الخلايا المتشعبة الاصطناعية المميزة بوقت كاذب مستنتج بواسطة Monocle3-PI (باستخدام UMAP). يستعيد Monocle3-PI طوبولوجيا التشعب. F تصور عشر عينات فرعية من الخلايا في (ه) ، تم تمييزه بالوقت الكاذب المستنتج بواسطة Monocle3-PI (باستخدام UMAP) على كل عينة فرعية. أربعة من أصل عشرة عينات فرعية لا تحتوي على طوبولوجيا التشعب التي تم استنتاجها بشكل صحيح (المسمى بالحرف "F" الأحمر) ، مما يكشف عن عدم اليقين في استدلال الوقت الكاذب بواسطة Monocle3-PI. في اللوحات أ, ج, ه، و F، يتم تمثيل الوقت الكاذب المستنتج بمقياس لوني من 0 (أقرب وقت كاذب) إلى 1 (آخر وقت كاذب)

بعد التأكد من عدم اليقين في استدلال الوقت الكاذب ، قمنا بقياس PseudotimeDE مقابل أربعة طرق لتحديد الجينات DE: tradeSeq و Monocle3-DE و NBAMSeq و ImpulseDE2. تعد الطريقتان الأوليان ، tradeSeq و Monocle3-DE ، من أحدث التقنيات لتحليل بيانات scRNA-seq وبالتالي فهي بمثابة المنافسين الرئيسيين لـ PseudotimeDE. في معيارنا ، نقوم أولاً بتقييم هذه الأساليب من حيث صحة ص- القيم ، التي يجب توزيعها بشكل موحد بين 0 و 1 بموجب فرضية العدم (أي أن الجين ليس DE). تظهر نتائجنا أنه من بين الطرق الخمس ، يولد PseudotimeDE أفضل معايرة ص- القيم التي تتبع التوزيع المنتظم المتوقع بشكل وثيق (الشكل 3 أ ، & amp f والملف الإضافي 1: الأشكال S3 – S5a & amp f). من بين الطرق الأربع الحالية ، فقط Monocle3-DE هي التي توفر معايرة تقريبًا ص-values ​​، بينما خرج tradeSeq و NBAMSeq و ImpulseDE2 ص- القيم التي تختلف كثيرًا عن التوزيع المنتظم المتوقع. تم تأكيد هذه الملاحظة من خلال اختبار Kolmogorov-Smirnov ، الذي يقيم مدى التقارب ص- القيم تتبع التوزيع الموحد. منذ تحديد الجينات DE يعتمد على صغير ص-قطع القيمة ، الأصغر ص- القيم أهم من القيم الأكبر. ومن ثم ، فإننا نعيد رسم مخطط ص- القيم على - مقياس لوغاريتم 10 لفحص معايرة صغيرة عن كثب ص- القيم (الشكل 3 ب ، & amp g وملف إضافي 1: الأشكال S3 – S5b & amp g). مرة أخرى ، يقوم PseudotimeDE بإرجاع أفضل المعايرة ص-values ​​، بينما تولد الطرق الأربعة الأخرى صغيرة جدًا ص- القيم التي من شأنها أن تضخم الاكتشافات الزائفة. ينعكس هذا في نتائجنا: عند عتبة هدف FDR تبلغ 5٪ ، يؤدي PseudotimeDE إلى أفضل تحكم FDR بين جميع الطرق (الشكل 3c ، & amp h والملف الإضافي 1: الأشكال S3 – S5c & amp h).

يتفوق PseudotimeDE على أربع طرق حديثة (tradeSeq و Monocle3-DE و NBAMSeq و ImpulseDE2) لتحديد جينات DE على طول الوقت الزائف للخلية. اللوحات اليسرى أه تستند إلى الوقت الكاذب الذي استنتجته لوحات Slingshot اليمنى Fي تستند إلى الوقت الكاذب المستنتج بواسطة Monocle3-PI. أ, F لوحظ توزيع الجينات غير DE ص- القيم بخمس طرق DE مع الوقت الكاذب المستنتج. أعلى: المؤامرات الكمية التي تقارن الكميات التجريبية للملاحظة ص- القيم مقابل الكميات المتوقعة للتوزيع الموحد [0،1]. أسفل: الرسوم البيانية للملاحظة ص-القيم. ال ص- القيم الموضحة أعلى الرسوم البيانية مأخوذة من اختبار Kolmogorov – Smirnov تحت الفرضية الصفرية القائلة بأن التوزيع منتظم [0،1]. أكبر ص- القيمة ، كلما كان التوزيع أكثر اتساقًا. من بين طرق DE الخمسة ، لاحظ PseudotimeDE's ص- القيم تتبع التوزيع الموحد المتوقع [0،1]. ب, ز المؤامرات الكمية والكمية من نفسه ص- القيم كما في أ و F على مقياس log10 السالب. تُرجع PseudotimeDE حجمًا صغيرًا تمت معايرته بشكل أفضل ص- قيم مقارنة بالطرق الأربع الأخرى. ج, ح FDPs لطرق DE الخمسة مع FDR الهدف 0.05 (BH المعدل- ص≤0.05). ينتج PseudotimeDE أقرب FDP إلى 0.05. د, أنا منحنيات ROC وقيم AUROC لطرق DE الخمسة. يحقق PseudotimeDE أعلى AUROC. ه, ي قوة طرق DE الخمسة بموجب FDP = قطع 0.05. يحقق PseudotimeDE أعلى قوة

بعد ذلك ، نقارن هذه الطرق من حيث قدرتها على التمييز بين جينات DE من الجينات غير DE ، والقدرة المقاسة بالمنطقة الواقعة تحت قيم منحنى خاصية تشغيل المستقبِل (AUROC) (الشكل ثلاثي الأبعاد ، & amp i والملف الإضافي 1: Figs. S3 – S5d & amp i). تحقق PseudotimeDE أعلى قيم AUROC. من بين الطرق الأربعة الأخرى ، فإن TradeSeq و NBAMSeq لهما قيم AUROC أقل قليلاً من PseudotimeDE's ، و Monocle3-DE و ImpulseDE2 لهما قيم AUROC أقل بكثير من الطرق الثلاثة الأخرى. والسبب هو أن PseudotimeDE و tradeSeq و NBAMSeq كلها تستخدم النموذج المرن NB-GAM ، بينما تستخدم Monocle3-DE و ImpulseDE2 نماذج أكثر تقييدًا ، مما يحد من قوتها.

إدراك أن المعايرة غير صحيحة ص- قيم الطرق الأربعة الحالية تبطل تحكم FDR الخاص بهم ، فنحن نقارن جميع الطرق الخمس من حيث قوتها تحت نسبة اكتشاف خاطئة 5٪ (FDP ، مُعرَّفة على أنها نسبة الاكتشافات الخاطئة بين الاكتشافات في مجموعة بيانات تركيبية واحدة) بدلاً من القيمة الاسمية 5٪ FDR. تُظهر نتائجنا أن PseudotimeDE يحقق أعلى قوة في جميع مجموعات البيانات باستثناء مجموعة بيانات التشعب ، حيث تتمتع PseudotimeDE بقدرة أقل قليلاً من tradeSeq's (الشكل 3e و amp j والملف الإضافي 1: الأشكال.S3 – S5e & amp j). توضح هذه النتائج القوة العالية لـ PseudotimeDE والتحكم الفعال في FDR ، والذي يفتقر إلى الأساليب الحالية.

باختصار ، تتحقق نتائج المحاكاة لدينا من أن PseudotimeDE يتفوق على الأساليب الحالية من حيث إنشاء معايرة جيدًا ص- القيم الضرورية للتحكم في FDR ، وتحديد جينات DE ذات القدرة العالية. والجدير بالذكر أن طريقتين RNA-seq السائلتين ، NBAMSeq و ImpulseDE2 ، تسفر عن نتائج أسوأ من طرق scRNA-seq الثلاث. ومن ثم ، فإننا نركز فقط على طرق scRNA-seq في تطبيقات البيانات الحقيقية الثلاثة التالية.

مثال على البيانات الحقيقية 1: الخلايا المتغصنة المحفزة بعديد السكاريد الدهني

في التطبيق الأول ، قمنا بمقارنة PseudotimeDE مع tradeSeq و Monocle3-DE على مجموعة بيانات من الخلايا المتغصنة بالماوس (DCs) بعد التحفيز باستخدام عديد السكاريد الدهني (LPS ، أحد مكونات البكتيريا سالبة الجرام) [31]. في مجموعة البيانات هذه ، من المتوقع أن ترتبط تغييرات التعبير الجيني بعملية الاستجابة المناعية. نطبق أولاً Slingshot و Monocle3-PI على مجموعة البيانات هذه لاستنتاج الوقت الكاذب للخلية ، ثم نقوم بإدخال الوقت الكاذب المستنتج في PseudotimeDE و tradeSeq و Monocle3-DE للتعرف على الجينات DE. تمشيا مع نتائج المحاكاة لدينا ، فإن ص- قيم التجارة Seq غير محسوبة: توزيعاتها ثنائية النسق تشير إلى أنها لا تتبع التوزيع المنتظم تحت فرضية العدم بدلاً من ذلك ، كثير منها متضخم ، وهذا التضخم سيؤدي إلى فقدان الطاقة في تحديد الجين DE (الشكل 4 أ ، وأمبير ه). في الواقع ، عند تعديل اسمي Benjamini-Hochberg (BH) ص-قيمة ≤0.01 عتبة (والتي تتوافق مع التحكم في FDR 1% متي ص- القيم صحيحة) ، تحدد tradeSeq أصغر عدد من جينات DE ، بينما تحدد PseudotimeDE معظم جينات DE ، تليها Monocle3-DE. والجدير بالذكر أن معظم جينات DE التي تم تحديدها بواسطة tradeSeq يتم تحديدها أيضًا بواسطة PseudotimeDE (الشكل 4 ب ، و amp f) ، وهي نتيجة تتفق مع التحفظ المفرط في tradeSeq بسبب تضخمها ص-القيم. على عكس tradeSeq ، لا تعرض Monocle3-DE المتضخم صومع ذلك ، فإن مشكلة القيمة تستخدم نموذجًا أكثر تقييدًا من PseudotimeDE و tradeSeq. ومن ثم ، فإننا نستخدم التحليلات الوظيفية للتحقق مما إذا كانت Monocle3-DE تفتقد بعض جينات DE بسبب نمذجة التقييد الخاصة بها. نحن أيضًا نتحرى ما إذا كانت جينات DE الإضافية التي عثر عليها PseudotimeDE ولكن فاتتها tradeSeq أو Monocle3-DE ذات مغزى بيولوجي.

تطبيق PseudotimeDE و tradeSeq و Monocle3-DE على مجموعة بيانات الخلايا LPS-dendritic. اللوحات اليسرى أد تستند إلى الوقت الكاذب الذي استنتجته لوحات Slingshot اليمنى هح تستند إلى الوقت الكاذب المستنتج بواسطة Monocle3-PI. أ, ه الرسوم البيانية لجميع الجينات ص- القيم من خلال طرق DE الثلاثة. التوزيعات ثنائية النسق لـ tradeSeq ص- تشير القيم إلى انتهاك لشرط أن ص- القيم تتبع التوزيع الموحد [0،1] تحت فرضية العدم. ب, F تُظهر مخططات Venn التداخلات بين جينات DE المهمة (BH المعدل- ص≤0.01) تم تحديده بواسطة طرق DE الثلاثة. تشتمل جينات DE الخاصة بـ PseudotimeDE تقريبًا على tradeSeq. ج, ز عدد مصطلحات GO المخصب (ص& lt0.01) في جينات DE المهمة التي تم العثور عليها تحديدًا بواسطة PseudotimeDE أو tradeSeq / Monocle3-DE في مقارنات زوجية بين PseudotimeDE و tradeSeq / Monocle3-DE في ب و F. يتم إثراء العديد من مصطلحات GO في جينات DE الخاصة بـ PseudotimeDE أكثر من تلك الخاصة بـ tradeSeq- أو Monocle3-DE. د, ح مثال على مصطلحات GO المخصبة في جينات DE الخاصة بالزمن الكاذب في ج و ز. ترتبط العديد من هذه المصطلحات بـ LPS وعملية المناعة والدفاع ضد البكتيريا

تتمثل استراتيجيتنا الأولى في إجراء تحليل علم الوجود الجيني (GO) على جينات DE التي تم تحديدها بواسطة كل طريقة ومقارنة مصطلحات GO المخصب. نجد أن المزيد من مصطلحات GO يتم إثرائها (مع التخصيب ص-values ​​& lt0.01) في جينات DE المحددة بواسطة PseudotimeDE (ملف إضافي 1: الشكل S6a & amp c) وأن مصطلحات GO الخاصة بـ PseudotimeDE مرتبطة بالاستجابات المناعية (ملف إضافي 1: الشكل S6b & amp d). ومع ذلك ، فإن مقارنة مصطلحات GO المخصبة لا تعكس بشكل مباشر اختلاف جينات DE التي تم تحديدها بواسطة طرق مختلفة. ومن ثم ، فإن استراتيجيتنا الثانية هي التحقيق في وظائف جينات DE التي تم تحديدها بشكل فريد من خلال طريقة واحدة في المقارنات الزوجية بين PseudotimeDE مقابل tradeSeq و PseudotimeDE مقابل Monocle3-DE. نقوم أولاً بإجراء تحليل GO على كل مجموعة من جينات DE المحددة بشكل فريد. لإجراء مقارنة عادلة بين طريقتين ، نقوم بإزالة جينات DE المتداخلة التي تم العثور عليها بواسطة كلتا الطريقتين من قائمة الجينات الخلفية في تحليل GO. تظهر نتائجنا أنه تم إثراء العديد من مصطلحات GO (مع التخصيب ص- القيم & lt0.01) في جينات DE الخاصة بالوقت الكاذب مقارنة بجينات DE الخاصة بـ tradeSeq- أو Monocle3-DE (الشكل 4 ج ، أمبير ز). علاوة على ذلك ، ترتبط العديد من مصطلحات GO الخاصة بـ PseudotimeDE ارتباطًا مباشرًا بالاستجابات المناعية للـ DC لتحفيز LPS ، بما في ذلك مصطلحات GO "الاستجابة الخلوية لعديد السكاريد الدهني" و "الاستجابة الدفاعية للبكتيريا سالبة الجرام" (الشكل 4 د ، أمبير h ملف إضافي 2: الجدول S1). للتركيز أكثر على الاستجابات المناعية ، نقوم بعد ذلك بإجراء تحليل التخصيب باستخدام التواقيع المناعية (C7) في قاعدة بيانات التواقيع الجزيئية (MSigDB) [32]. تظهر نتائجنا أن جينات DE الخاصة بـ PseudotimeDE فقط هي التي قامت بإثراء شروط MSigDB C7 (مع تعديل BH ص-values ​​& lt0.01) ، في حين أن جينات DE الخاصة بـ tradeSeq- و Monocle3-DE ليس لها أي إثراء تقريبًا (ملف إضافي 1: الشكل S7a & amp c). الأهم من ذلك ، تم العثور على العديد من المصطلحات المخصبة في جينات DE الخاصة بـ PseudotimeDE من خلال الدراسات السابقة للمراكز DC التي تم تحفيزها باستخدام LPS (انظر الأمثلة في الملف الإضافي 1: الشكل S7b & amp d ملف إضافي 2: الجدول S1) وهذا دليل مباشر يدعم الصلاحية من جينات DE الخاصة بـ PseudotimeDE. لغرض التوضيح ، نتخيل مستويات التعبير لبعض جينات DE المعروفة والجديدة التي تم تحديدها بواسطة PseudotimeDE باستخدام UMAP ، ويتم ملاحظة أنماط DE الواضحة (ملف إضافي 1: الشكل S8-S9). في الختام ، تتحقق تحليلاتنا الوظيفية من أن PseudotimeDE يحدد جينات DE ذات المغزى البيولوجي التي فاتها tradeSeq و Monocle3-DE ، مما يؤكد أن PseudotimeDE لديه طاقة عالية بالإضافة إلى معايرته جيدًا ص-القيم.

مثال البيانات الحقيقية 2: نضوج خلايا بيتا البنكرياس

في التطبيق الثاني ، قارنا PseudotimeDE مع tradeSeq و Monocle3-DE على مجموعة بيانات لعملية نضج خلايا بيتا بالماوس [33]. نقوم أولاً بتطبيق Slingshot و Monocle3-PI على مجموعة البيانات هذه لاستنتاج الوقت الكاذب للخلية ، ثم نقوم بإدخال الوقت الكاذب المستنتج في PseudotimeDE و tradeSeq و Monocle3-DE لتحديد هوية الجين DE. تمشيا مع النتائج السابقة ، فإن ص- قيم tradeSeq تتبع توزيعًا ثنائي النمط ، مما يشير إلى أن العديد منها قد تم تضخيمها بشكل غير صحيح (الشكل 5 أ ، و أمبير و). في المعدل BH الاسمي ص-قيمة ≤0.01 ، يحدد PseudotimeDE ثاني أكثر جينات DE ، أقل من جينات DE المحددة لـ Monocle3-DE وأكثر بكثير من tradeSeq (الشكل 5 ب ، أمبير ز). نظرًا لأن عدد جينات DE التي تم تحديدها لا يمكن أن تعكس أداء هذه الطرق ، فإننا نستخدم ثلاث طرق لتقييم جينات DE التي تم تحديدها بواسطة كل طريقة.

تطبيق PseudotimeDE و tradeSeq و Monocle3-DE على مجموعة بيانات نضج خلايا بيتا البنكرياسية. اللوحات اليسرى أه تستند إلى الوقت الكاذب الذي استنتجته لوحات Slingshot اليمنى Fي تستند إلى الوقت الكاذب المستنتج بواسطة Monocle3-PI. أ, F الرسوم البيانية لجميع الجينات ص- القيم من خلال طرق DE الثلاثة. التوزيعات ثنائية النسق لـ tradeSeq ص- تشير القيم إلى انتهاك لشرط أن ص- القيم تتبع التوزيع الموحد [0،1] تحت فرضية العدم. ب, ز تُظهر مخططات Venn التداخلات بين جينات DE المهمة (BH المعدل- ص≤0.01) تم تحديده بواسطة طرق DE الثلاثة. تشتمل جينات DE الخاصة بـ PseudotimeDE تقريبًا على tradeSeq. ج, ح عدد مصطلحات GO المخصب (ص& lt0.01) في جينات DE المهمة التي تم العثور عليها تحديدًا بواسطة PseudotimeDE أو tradeSeq / Monocle3-DE في مقارنات زوجية بين PseudotimeDE و tradeSeq / Monocle3-DE في ب و ز. يتم إثراء العديد من مصطلحات GO في جينات DE الخاصة بـ PseudotimeDE أكثر من تلك الخاصة بـ tradeSeq- أو Monocle3-DE. د, أنا مثال على مصطلحات GO المخصبة في جينات DE الخاصة بالزمن الكاذب في ج و ح. ترتبط العديد من هذه المصطلحات بالأنسولين وتنظيم خلايا بيتا وتطوير البنكرياس. ه, ي مثالان على الجينات: Slc39a10 (DE) و اسست (غير DE). ل Slc39a10، ينتج كل من PseudotimeDE و Monocle3-DE صغير ص-القيم (ص& lt1e − 6) ، في حين أن tradeSeq لا (ص& GT0.1). ل اسست، ينتج PseudotimeDE أكبر ص- قيم من tradeSeq و Monocle3-DE. الخطوط الزرقاء المتقطعة هي المنحنيات المجهزة بواسطة NB-GAM

نقوم أولاً بإجراء تحليل GO على كل مجموعة من جينات DE المحددة بشكل فريد ، باستخدام نفس المقارنات الزوجية بين PseudotimeDE مقابل tradeSeq و PseudotimeDE مقابل Monocle3-DE كما هو الحال بالنسبة لبيانات LPS-dendritic. تظهر نتائجنا أنه يتم إثراء المزيد من مصطلحات GO (مع التخصيب ص- القيم & lt0.01) في جينات DE الخاصة بـ PseudotimeDE مقارنة بجينات DE الخاصة بـ tradeSeq- أو Monocle3-DE (الشكل 5 ج ، أمبير h). علاوة على ذلك ، ترتبط العديد من مصطلحات GO الخاصة بـ PseudotimeDE ارتباطًا مباشرًا بتطوير خلايا بيتا البنكرياس ، على سبيل المثال ، "التنظيم الإيجابي / السلبي لمسار إشارات الشق" [34] و "تطوير البنكرياس الصماء" (الشكل 5 ج ، أمبير h ملف إضافي 3 : الجدول S2). كنتيجة تكميلية ، نقوم أيضًا بإجراء تحليل GO على جينات DE المحددة بواسطة كل طريقة. نجد أن مصطلحات GO ، التي يتم إثرائها فقط في جينات DE التي تم تحديدها بواسطة PseudotimeDE ، مرتبطة بتطوير خلايا بيتا وبالتالي فهي أكثر أهمية من الناحية البيولوجية من مصطلحات GO التي يتم إثرائها فقط في جينات DE التي تم تحديدها بواسطة tradeSeq أو Monocle3-DE ( الملف الإضافي 1: الشكل S10b & amp d).

ثانيًا ، نحن نستخدم جينات DE التي تم تحديدها من بيانات RNA-seq الكبيرة في الورقة الأصلية [33] لتقييم تصنيفات جينات DE التي أنشأتها PseudotimeDE و tradeSeq و Monocle3-DE من بيانات scRNA-seq. بأخذ جينات DE السائبة كمجموعة جينية ، نقوم بإجراء تحليل إثراء مجموعة الجينات (GSEA) [32] على جميع الجينات - log10ص- قيم الإخراج بواسطة PseudotimeDE و tradeSeq و Monocle3-DE. من بين الطرق الثلاث ، يؤدي PseudotimeDE إلى أعلى درجة تخصيب طبيعية (NES) (ملف إضافي 3: الجدول S2) ، مما يشير إلى أن جينات DE السائبة هي الأكثر إثراءً في جينات DE ذات التصنيف الأعلى التي وجدها PseudotimeDE.

ثالثًا ، نقوم بفحص جين DE ذو مصداقية عالية Slc39a10 [33 ، 35] وجين غير متحقق من DE اسست [33] كأمثلة تمثيلية. ل Slc39a10، ينتج كل من PseudotimeDE و Monocle3-DE صغير ص- القيم (& lt10 −6) ، في حين أن مخرجات tradeSeq أ ص-value & gt0.1 وبالتالي يفتقدها (الشكل 5e ، & amp g). ل اسست، ينتج PseudotimeDE أكبر ص-value (& gt0.001) ، بينما ينتج كل من tradeSeq و Monocle3-DE صغير للغاية ص- القيم (& lt10 −10) وبالتالي يخلط بينها وبين جين DE. وبالتالي ، فإن PseudotimeDE لديها أفضل أداء على هذين الجينين التمثيليين.

لغرض التوضيح ، نحن نتخيل مستويات التعبير لبعض جينات DE المعروفة والجديدة التي تم تحديدها بواسطة PseudotimeDE باستخدام UMAP ، ويتم ملاحظة أنماط DE الواضحة (ملف إضافي 1: الأشكال S11 - S12).

مثال على البيانات الحقيقية 3: تمايز نخاع العظم

في التطبيق الثالث ، قارنا PseudotimeDE مع tradeSeq و Monocle3-DE على مجموعة بيانات لتمايز نخاع عظم الفأر [36]. نقوم بتطبيق Slingshot مع UMAP لتقليل الأبعاد لاستنتاج الوقت الكاذب للخلية كما هو موضح في ورق tradeSeq [16]. تبني Slingshot طوبولوجيا التشعب المُبلغ عنها (في ورقة tradeSeq) على مجموعة البيانات الأصلية (الشكل 6 أ) ، ولكنها تستنتج طوبولوجيا التشعب ، بدلاً من طوبولوجيا التشعب ، على 40 ٪ من العينات الفرعية (يوضح الشكل 6 ب عشر عينات فرعية تم اختيارها عشوائيًا). لاحظ أنه تم الإبلاغ عن السلالة الثالثة المكونة من نوع الخلية megakaryocyte (MK) في ورقة Monocle2 ([12]) ، مما يشير إلى أن عدم اليقين في الهيكل المرصود قد يكون ذا مغزى بيولوجيًا.

تطبيق PseudotimeDE و tradeSeq و Monocle3-DE على مجموعة بيانات نخاع عظم الفأر. أ تصور UMAP والوقت الزائف المستنتج بواسطة Slingshot. يتم تمييز أنواع الخلايا المحددة مسبقًا بالألوان. تعيد Slingshot طوبولوجيا التشعب ، ويُشار إليها بالنسب 1 (يسار) والنسب 2 (يمين). ب تصور UMAP والوقت الزائف المستنتج بواسطة Slingshot على عشر عينات فرعية عشوائية. أربعة من أصل عشرة عينات فرعية لا تنتج طوبولوجيا التشعب ولكن طوبولوجيا ثلاثية ، حيث يحتوي السلالة الثالثة بشكل أساسي على نوع الخلية "MK" وتم الإبلاغ عنها في [12]. ج الرسوم البيانية لجميع الجينات ص- القيم المحسوبة بطرق DE الثلاثة في السلالة الأولى. د الرسوم البيانية لجميع الجينات ص- القيم المحسوبة بطرق DE الثلاثة في السلالة الثانية. ه مؤامرة Venn تُظهر التداخلات بين جينات DE المهمة (BH المعدل- ص≤0.01) تم تحديده بواسطة طرق DE الثلاثة في النسب 1. حصة PseudotimeDE و tradeSeq 77.6٪ (مؤشر Jaccard) من جينات DE. (F) عدد مجموعات الجينات المخصبة (ف& lt0.25) بواسطة GSEA باستخدام ملف ص- القيم في النسب 1 من خلال طرق DE الثلاثة. على الرغم من أن جينات DE متشابهة في ه، ينتج PseudotimeDE 270 مجموعة جينية غنية ، بينما ينتج tradeSeq 9 مجموعات فقط. ز مؤامرة Venn تُظهر التداخلات بين جينات DE المهمة (BH المعدل- ص≤0.01) تم تحديده بواسطة طرق DE الثلاثة في النسب 2. على غرار النسب 1 بوصة زو PseudotimeDE و tradeSeq بنسبة 77.2٪ (مؤشر Jaccard) من جينات DE. ح عدد مجموعات الجينات المخصبة (ف& lt0.25) بواسطة GSEA باستخدام ملف ص- القيم في النسب 2 من خلال طرق DE الثلاثة. ينتج PseudotimeDE و Monocle3-DE المئات من مجموعات الجينات المخصبة ، بينما لا ينتج tradeSeq أي مجموعات جينية غنية

لإجراء مقارنة عادلة ، نجعل PseudotimeDE يستخدم فقط العينات الفرعية مع طوبولوجيا التشعب المستنتج ، لأن كل من tradeSeq و Monocle3-DE يستخدمان طوبولوجيا التشعب المستنتج من البيانات الأصلية لتحديد جينات DE. تمشيا مع النتائج السابقة ، فإن TradeSeq ص-تتبع القيم توزيعًا ثنائي النسق غير متوقع للمعايرة جيدًا ص-القيم. في معدل BH الاسمي ص-قيمة ≤0.01 عتبة ، تحدد الطرق الثلاث جينات DE متشابهة للغاية (الشكل 6 هـ ، & أمبير ز). على سبيل المثال ، يشترك PseudotimeDE و tradeSeq في حوالي 80٪ من جينات DE المحددة (مؤشر Jaccard). من خلال عدد قليل من جينات DE الخاصة بالطريقة ، لا يمكن للتحليلات الوظيفية أن تشير إلى الطريقة الأفضل أداءً. لذلك ، نستخدم GSEA بدلاً من ذلك لتقييم الأساليب ص-القيم. المثير للدهشة ، على الرغم من أن الطرق الثلاث تحدد جينات DE متشابهة للغاية ، إلا أن ص- تؤدي القيم إلى نتائج GSEA مختلفة إلى حد كبير. في ال ف& lt0.25 level و PseudotimeDE و Monocle3-DE المئات من مجموعات الجينات المخصبة ، بينما ينتج tradeSeq عددًا قليلاً من مجموعات الجينات المخصبة أو لا ينتج عنها (الشكل 6f ، & amp h ملف إضافي 4: الجدول S3). تشير هذه النتيجة إلى أنه إلى جانب الترتيب ص- القيم ، القيم الاسمية لـ ص- القيم حاسمة أيضًا لتحليل المصب مثل GSEA. ومن ثم ، معايرة جيدا ص- تجعل القيم PseudotimeDE متفوقة على الأساليب الحالية لتحديد الجين DE والتحليلات النهائية.

مثال على البيانات الحقيقية 4: الأنواع الفرعية للخلايا التائية القاتلة الطبيعية

في التطبيق الرابع ، قارنا PseudotimeDE مع tradeSeq و Monocle3-DE في مجموعة بيانات من الأنواع الفرعية لخلايا T القاتلة الطبيعية (خلية NKT) [37]. نقوم بتطبيق Slingshot باستخدام PCA لتقليل الأبعاد لاستنتاج الوقت الكاذب للخلية وإنشاء طوبولوجيا trifurcation (الشكل 7 أ) الواردة في الدراسة الأصلية. نطبق طرق DE الثلاثة لتحديد جينات DE في كل من السلالات الثلاثة. تمشيا مع النتائج السابقة ، فإن ص- قيم TradeSeq تتبع توزيعًا ثنائي النسق ، مما يشير إلى أن العديد منها قد تم تضخيمها بشكل غير صحيح (الشكل 7 ب).

تطبيق PseudotimeDE و tradeSeq و Monocle3-DE على مجموعة بيانات الخلايا التائية القاتلة الطبيعية. أ تصور PCA والوقت الزائف المستنتج بواسطة Slingshot. يتم تمييز الأنواع الفرعية NKT المحددة مسبقًا بالألوان. تعيد Slingshot طوبولوجيا trifurcation ، حيث السلالات الثلاثة هي NKT0 إلى NKT1 و NKT0 إلى NKT17 و NKT0 إلى NKT2. ب الرسوم البيانية لجميع الجينات ص- القيم في السلالات الثلاثة المحسوبة بواسطة طرق DE الثلاثة. ج خرائط الحرارة لدرجات التخصيب الطبيعية (NESs ، المميزة بالألوان) وما يقابلها ص- القيم (بالأرقام) من GSEA. كل قيمة NES وما يقابلها ص-يتم حساب القيمة لكل طريقة DE ولكل نسب ، بناءً على ص- قيم طريقة DE لنسب وجينات DE لهذا النسب وجدت من بيانات RNA-seq المجمعة ، والمشار إليها بـ "NKT1 الأكبر" أو "NKT17 السائبة" أو "NKT2 السائبة" [37]. لاحظ أنه من بين طرق DE الثلاثة ، مخرجات PseudotimeDE ص- القيم التي تتفق بشكل أفضل مع جينات DE الخاصة بالنسب من البيانات المجمعة وبالتالي تميز السلالات الثلاثة. على سبيل المثال ، بالنسبة لسلالة NKT1 ، يكون PseudotimeDE صغيرًا ص- يتم إثراء القيم في مجموعة الجينات "NKT1 السائبة" فقط ، في حين أن tradeSeq و Monocle3-DE صغيرة ص- القيم المخصبة في مجموعتين على الأقل من جينات DE الخاصة بالنسب

لغرض التحقق من الصحة ، نستخدم جينات DE الخاصة بالنسب التي تم تحديدها من بيانات تسلسل الحمض النووي الريبي في الدراسة الأصلية [37] لتقييم تصنيفات جينات DE التي أنشأتها PseudotimeDE و tradeSeq و Monocle3-DE من بيانات scRNA-seq. على وجه التحديد ، نقوم بإجراء GSEA باستخدام مجموعات الجينات DE السائبة بنفس الطريقة المستخدمة في مجموعة بيانات نضج خلايا بيتا البنكرياس. تُظهر GSEA أن PseudotimeDE’s صتتفق القيم بشكل أفضل مع جينات DE الخاصة بالنسب من البيانات المجمعة وبالتالي تميز السلالات الثلاثة. على سبيل المثال ، بالنسبة لسلالة NKT1 ، يكون PseudotimeDE صغيرًا ص- يتم إثراء القيم حصريًا في مجموعة الجينات "NKT1 الأكبر" ، في حين أن tradeSeq و Monocle3-DE صغيرتان ص- القيم المخصبة في مجموعتين على الأقل من جينات DE الخاصة بالنسب (الشكل 7 ج). تؤكد هذه النتيجة أنه ، بالمقارنة مع جينات DE التي تم تحديدها بواسطة طريقتين أخريين من DE ، فإن أهم جينات DE التي تم تحديدها بواسطة PseudotimeDE أكثر أهمية من الناحية البيولوجية.

مثال البيانات الحقيقية 5: مراحل دورة الخلية

في التطبيق الخامس ، قمنا بمقارنة PseudotimeDE مع tradeSeq و Monocle3-DE في مجموعة بيانات من الخلايا الجذعية متعددة القدرات التي يسببها الإنسان (iPSCs) والتي تم قياسها بمراحل دورة الخلية (ملصقات FUCCI) [38].أبلغت الدراسة الأصلية عن 101 جينًا دوريًا تحتوي مستويات تعبيرها على نسب كبيرة من التباين الموضحة (PVE) بواسطة ملصقات FUCCI للخلايا [38] أي أن تسميات FUCCI للخلايا تعتبر متنبئًا ، ومستويات تعبير الجين في نفس الخلايا هي تعتبر استجابة ، ويتم حساب PVE من ملاءمة تجانس غير معلمية وبالتالي ، كلما كان PVE أكبر ، يمكن التنبؤ بمستويات التعبير الجيني بشكل أفضل من خلال مراحل دورة الخلية. طورت الدراسة الأصلية أيضًا حزمة R peco لاستنتاج مراحل دورة الخلية من بيانات scRNA-seq.

في دراستنا ، قمنا أولاً ببناء مجموعة بيانات معيارية من خلال معالجة 101 جينًا دوريًا كجينات DE حقيقية واستخدام نفس الجينات مع مستويات التعبير التي يتم خلطها عشوائيًا عبر الخلايا مثل الجينات الحقيقية غير DE ، وبالتالي ، تحتوي مجموعتنا الإيجابية والسلبية على 101 جين. . بعد ذلك ، نطبق حزمة R peco على مجموعة البيانات هذه لاستنتاج مرحلة دورة كل خلية ، والتي تعادل الوقت الكاذب ، أي أننا نستخدم peco كطريقة استدلال الوقت الكاذب. أخيرًا ، نطبق طرق DE الثلاثة.

تظهر نتائجنا أنه ، بالنسبة للجينات الحقيقية غير DE ، فإن PseudotimeDE فقط هو الذي يولد صالحًا ص- القيم التي تتبع التوزيع المنتظم [0،1] تقريبًا (الشكل 8 أ ، أمبير ج). بالنسبة إلى جينات DE الحقيقية ، PseudotimeDE’s (- تم تحويل log10) ص- القيم ، واحدة لكل جين ، لها أعلى ارتباط مع PVE لهذه الجينات ، مما يشير إلى أن PseudotimeDE يحدد بنجاح جينات DE العلوية كتلك ذات الاتجاهات الدورية الأقوى (الشكل 8 ب). ينتج PseudotimeDE أيضًا تحكم FDR ناجحًا وأعلى قيمة AUROC وأعلى قدرة من بين طرق DE الثلاثة (الشكل 8d-f). لذلك ، نستنتج أن PseudotimeDE يتفوق على tradeSeq و Monocle3-DE في تحديد الجينات المرتبطة بدورة الخلية من مجموعة بيانات iPSC scRNA-seq هذه.

تطبيق PseudotimeDE و tradeSeq و Monocle3-DE على مجموعة بيانات مرحلة دورة الخلية. أ توزيعات الجينات غير DE ص- القيم بثلاث طرق للتخلص من الزمن مع الزمن الكاذب المستنتج. أعلى: المؤامرات الكمية التي تقارن الكميات التجريبية للجينات غير DE ص- القيم مقابل الكميات المتوقعة للتوزيع الموحد [0،1]. أسفل: الرسوم البيانية للجينات غير DE ص-القيم. ال ص- القيم الموضحة أعلى الرسوم البيانية مأخوذة من اختبار Kolmogorov – Smirnov تحت الفرضية الصفرية القائلة بأن التوزيع منتظم [0،1]. أكبر ص- القيمة ، كلما كان التوزيع أكثر اتساقًا. من بين طرق DE الثلاثة ، PseudotimeDE’s ص- القيم تتبع التوزيع الموحد المتوقع [0،1]. ب توزيعات جينات DE ص- القيم بثلاث طرق للتخلص من الزمن مع الزمن الكاذب المستنتج. أعلى: المخططات المبعثرة لجينات DE ص- القيم مقابل نسب التباين الموضحة (PVE) ، والتي تقيس قوة الاتجاهات الدورية المستنبطة للجينات في الدراسة الأصلية [38]. PseudotimeDE's ص- القيم (- تم تحويل السجل 10) لها أعلى ارتباط مع PVE ، مما يشير إلى أن PseudotimeDE يحدد الجينات ذات الاتجاهات الدورية الأقوى كأفضل جينات DE. الأسفل: الرسوم البيانية لجميع الجينات ص-القيم. تمثل الألوان الزرقاء والحمراء ص- قيم جينات DE والجينات غير DE (كما في (أ) أسفل) ، على التوالي. ينتج PseudotimeDE أفضل فصل بين مجموعتي الجينات ص-القيم. ج المؤامرات الكمية والكمية من نفسه ص- القيم كما في أ على مقياس log10 السالب. إرجاع PseudotimeDE أفضل معايرة ص-القيم. د FDPs لطرق DE الثلاثة مع FDR الهدف 0.05 (BH المعدل- ص≤0.05). ه منحنيات ROC وقيم AUROC لطرق DE الثلاثة. يحقق PseudotimeDE أعلى AUROC. F قوة طرق DE الثلاثة بموجب FDP = قطع 0.05. يحقق PseudotimeDE أعلى قوة

يسمح PseudotimeDE للمستخدمين بفحص عدم اليقين في الوقت الكاذب للخلية المستنبطة

إلى جانب تحديد جينات DE ، يوفر PseudotimeDE وظائف لفحص عدم اليقين في استدلال الوقت الكاذب عبر خطوة أخذ العينات الفرعية الوسيطة. في التين. يكشف 2e و f و 6a و b ، PseudotimeDE عن عدم اليقين في سلالات الخلايا المستنبطة. يرغب المستخدمون عادةً في إصلاح طوبولوجيا النسب ، على سبيل المثال ، طوبولوجيا التشعب ، لتحليل المصب ، ومع ذلك ، يمكن أن يختلف الهيكل عبر العينات الفرعية. وبالتالي ، نوصي المستخدمين بالتحقق مما إذا كان يمكن أيضًا الاستدلال على الهيكل المستنتج من البيانات الأصلية من أكثر من نصف العينات الفرعية. إذا لم يكن الأمر كذلك ، فقد يفكر المستخدمون في استخدام طريقة أخرى لاستدلال الوقت الكاذب مع قدر أقل من عدم اليقين أو إضافة قيود إضافية على الهيكل المستنتج. خلاف ذلك ، فإن عدم اليقين الكبير في نسب الخلايا المستنتجة من شأنه أن يضعف موثوقية تحليلات المصب.

بعد ذلك ، يسمح التكييف على طوبولوجيا سلالة معينة ، PseudotimeDE للمستخدمين بتصور عدم اليقين في الوقت الكاذب داخل السلالة (الشكل 2 أ-د) ، كما يوجه اختيار طرق الاستدلال الزائف من حيث عدم اليقين.

الوقت الحسابي

الطريقة الوحيدة المجدية لاستيعاب جميع طرق الاستدلال في الوقت الكاذب ومراعاة عدم اليقين في تحديد الجين DE هي استخدام أخذ العينات الفرعية والتبديل ، وهو النهج الذي يتبعه PseudotimeDE. ومع ذلك ، فإن الشاغل المشترك للطرق القائمة على التقليب هو أنها مكثفة من الناحية الحسابية. من المسلم به أن PseudotimeDE أبطأ من الأساليب الحالية غير القائمة على التقليب ، ولكن وقتها الحسابي مقبول مع ذلك لمستخدمي الخادم. على سبيل المثال ، مع وجود 24 مركزًا (وحدة المعالجة المركزية Intel “Cascade Lake”) ، وذاكرة وصول عشوائي (RAM) بسعة 36 جيجابايت و 1000 عينة فرعية ، يستغرق PseudotimeDE من 3 إلى 8 ساعات لتحليل كل مجموعة من مجموعات بيانات scRNA-seq الثلاثة الأولى في دراستنا. على وجه التحديد ، تستغرق مجموعة بيانات الخلايا الجذعية LPS (4016 جينًا ، 390 خلية) 3 ساعات ، ومجموعة بيانات نضج خلايا بيتا البنكرياس (6121 جينًا ، 497 خلية) تستغرق 3.5 ساعة ، ومجموعة بيانات نخاع العظم (3004 جين ، 2660 خلية ، سلالتان ) تستغرق 8 ساعات. يتناسب الوقت الحسابي مع عدد الجينات وعدد السلالات وعدد العينات الفرعية. بالطبع ، يتناسب عكسياً مع عدد النوى المتاحة.

لتقليل الوقت الحسابي لـ PseudotimeDE ، يكون لدى المستخدمين خياران. أولاً ، قد يقلل المستخدمون من عدد الجينات المراد اختبارها. على سبيل المثال ، الجينات التي يتم التعبير عنها بشكل منخفض ، مثل تلك التي تحتوي على أكثر من 90٪ من التعداد الصفري ، يوصى بتصفية الجينات لأنها عادة ما تكون أقل أهمية بالنسبة لعلماء الأحياء. ثانيًا ، قد يقلل المستخدمون من عدد العينات الفرعية. نظرًا لتقديره البارامترى للتوزيع الفارغ لإحصاء الاختبار ، لا يتطلب PseudotimeDE عددًا هائلاً من العينات الفرعية. نجد أن PseudotimeDE مع 100 عينة فرعية فقط يولد مماثلة ص- القيم التي تستند إلى 1000 عينة فرعية (ملف إضافي 1: الشكل S20). في حالة استخدام 100 خريطة فرعية ، يكون الوقت الحسابي في حدود 0.5 ساعة لكل مجموعة من مجموعات البيانات الثلاث الأولى.

في سيناريو غير مرغوب فيه أن الموارد الحسابية محدودة للغاية ، يتعين على المستخدمين التخلي عن اعتبار عدم اليقين في الوقت الكاذب ومعالجة الوقت الزائف المستنتج على أنه ثابت. ثم لا يحتاجون إلى إجراء أخذ العينات الفرعية ، وسيقوم PseudotimeDE بالحساب ص- قيم من التوزيع الفارغ المقارب لإحصاء الاختبار [39] ، مع وقت حسابي قصير مماثل للطرق غير القائمة على التقليب.


  • متوفر في المستويات القياسية (SL) والمستويات الأعلى (HL)
  • الحد الأدنى المحدد لعدد الساعات هو 150 ل SL و 240 ل HL
  • يتم تقييم الطلاب خارجيًا وداخليًا
  • يقوم طلاب علم الأحياء في SL و HL بإجراء منهج أساسي مشترك ونظام تقييم داخلي مشترك (IA).
  • في حين أن هناك مهارات وأنشطة أساسية مشتركة بين كل من طلاب SL و HL ، فإن الطلاب في HL مطالبون بدراسة الخيارات وبعض الموضوعات بتعمق أكبر بالإضافة إلى بعض الموضوعات الإضافية. التمييز بين SL و HL هو تمييز من حيث الاتساع والعمق.
  • يتم التأكيد على النهج العملي لتسليم الدورة من خلال مشروع المجموعة 4 متعدد التخصصات ومزيج من التجارب والتحقيقات قصيرة وطويلة الأجل.
  • يمثل التقييم الداخلي 20٪ من التقييم النهائي ويتم تقييم ذلك من خلال تحقيق فردي فردي. قد يتضمن هذا التحقيق نهجًا عمليًا أو استخدام قواعد البيانات أو النمذجة أو المحاكاة أو الهجين. يتم تقييم عمل الطالب داخليًا من قبل المعلم وإدارته خارجيًا من قبل البكالوريا الدولية.

يتكون التقييم الخارجي للبيولوجيا من ثلاث أوراق مكتوبة. في الورقة 1 ، يوجد 30 (في SL) أو 40 (في HL) سؤال متعدد الخيارات. تحتوي الورقة 2 على إجابات مختصرة وأسئلة ذات إجابات موسعة حول المواد الأساسية (والمواد الإضافية ذات المستوى العالي (AHL) في HL). تحتوي الورقة 3 على قسمين ، القسم أ يحتوي على سؤال واحد قائم على البيانات والعديد من الأسئلة ذات الإجابات القصيرة حول العمل التجريبي على اللب (ومواد AHL في HL). يحتوي القسم "ب" على إجابات قصيرة وأسئلة ذات إجابات موسعة من كل خيار من الخيارات الأربعة.

يتم أخذ الكثير من هذه المعلومات مباشرة من دليل مادة الأحياء ، المتاح لجميع معلمي البكالوريا الدولية في مركز موارد البرنامج.


البيولوجيا الجزيئية للخلية

الكيمياء العضوية

الكيمياء الفيزيائية لعلوم الحياة

دليل الدراسة لبيولوجيا كامبل

كيمياء

الكيمياء الحيوية

اختبار أفكار العمل

دليل ابتكار الخدمة

تصميم عرض القيمة

كتاب تلوين هاري بوتر

الكيمياء العضوية

إجراءات Pfenninger و Fowler & # 039s للرعاية الأولية

السرطان DeVita و Hellman و Rosenberg & # 039 s: مبادئ وممارسات علم الأورام

الكيمياء العضوية كلغة ثانية

مقدمة في الجيولوجيا البيئية

مادة الاحياء

مادة الاحياء

كيمياء

علم التشريح البشري وعلم وظائف الأعضاء

ممارسة علم الأحياء


مفهوم الشخصية في علم الأحياء التطوري



يستخدم هذا الموقع ملفات تعريف الارتباط و Google Analytics (راجع الشروط والأحكام الخاصة بنا للحصول على التفاصيل المتعلقة بآثار الخصوصية).

يخضع استخدام هذا الموقع للشروط والأحكام.
جميع الحقوق محفوظة لمؤسسة PhilPapers

تم إنشاء الصفحة Wed Jun 30 11:30:15 2021 on philpapers-web-b76fb567b-jxzfk معلومات تصحيح

إحصائيات ذاكرة التخزين المؤقت: ضرب = 1286 ، ملكة جمال = 1375 ، حفظ =
المعالج التلقائي: 318 مللي ثانية
المكون المسمى: 303 مللي ثانية
الدخول: 303 مللي ثانية
entry_basics: 91 مللي ثانية
رأس الإدخال: 73 مللي ثانية
القائمة: 69 مللي ثانية
دخول متشابه: 64 مللي ثانية
الاستشهادات - الاستشهادات: 49 مللي ثانية
entry_chapters: 27 مللي ثانية
entry_stats: 27 مللي ثانية
get_entry: 12 مللي ثانية
الإعداد المسبق: 9 مللي ثانية
روابط الدخول: 7 مللي ثانية
قطط الدخول: 7 مللي ثانية
جانب الدخول: 6 مللي ثانية
الأمازون: 4 مللي ثانية
سجل الكتابة: 3 مللي ثانية
المراجع الاستشهادات: 3 مللي ثانية
search_quotes: 2 مللي ثانية
entry_stats_query: 2 مللي ثانية
استرداد كائن ذاكرة التخزين المؤقت: 0 مللي ثانية
عارض الحرف الأول: 0 مللي ثانية
حفظ كائن ذاكرة التخزين المؤقت: 0 مللي ثانية
الإعداد: 0 مللي ثانية
المصادقة: 0 مللي ثانية
stat_db: 0 مللي ثانية
أزرار الدخول: 0 مللي ثانية


شاهد الفيديو: افضل خمس مدرسين على اليوتيوب للصف الثالث متوسط الروابط بالوصف (كانون الثاني 2022).