Центрическая композиция: 3.1 Точечная (центрическая) композиция. Теория композиции

Содержание

3.1 Точечная (центрическая) композиция. Теория композиции

Объемно пространственная композиция здания

При разработке проектов жилых, административных и прочих зданий архитекторы создают композицию внутреннего пространства. Она должна быть тесно связана с определяющей внешнюю форму здания объемной композицией.

Форма, которую имеют внешние объемы здания, может быть самой различной. Тем не менее, в подавляющем большинстве случаев она или же соответствует, или очень близка форме простых геометрических тел, таких, как куб, параллелепипед, пирамида, призма, полуцилиндр, полусфера, кольцо или полукольцо.

Внешние объемы зданий и сооружений архитекторы классифицируют на простые и сложные. К простым относятся те, которые состоят только из одного объема, а сложными – те, которые состоят из двух и более объемов, имеющих различную форму. Кроме того, выделяют также так называемые комплексные композиции. Они состоят из составляющих единый и гармоничный архитектурный комплекс нескольких зданий.

Когда перед архитекторами ставится задача спроектировать здание или сооружение массового строительства, то в подавляющем большинстве случаев используются простые композиции. Благодаря этому обеспечивается экономичность и функциональность.

Если стоит задача проектирования сложной композиции, то требуется сначала определить то количество различных объемов, которые будут ее составлять, а также порядок их расположения друг относительно друга. При этом следует иметь в виду, что если изменять взаимное расположение объемов и их количество, то можно добиться совершенно разных художественных результатов.

При разработке сложных композиций рекомендуется избегать наличия большого количества маленьких объемов, то есть композиционной дробности. Считается, что наилучший подход – это использовать три или четыре крупных объема, чтобы объемами мелкими не лишать композицию выразительности и не затруднять ее восприятие.

Виды объемных композиций

Специалисты классифицируют все объемные композиции на:

Фронтальные;
Глубинные;
Центрические;
Вертикальные.

Фронтальными именуются такие композиции, в которых объем развит в одном направлении. Таковыми являются, к примеру, многоэтажные жилые дома, состоящие из нескольких секций.

Глыбинными именуются те композиции, которые, как следует из их названия, развиты в глубине.

Основной характерной чертой центрических композиций является наличие в их центре помещения большого размера. Центрическими композициями являются, к примеру, крытые рынки и цирки.

Основной характерной особенностью вертикальных композиций является существенное преобладание высоты над прочими измерениями.

Фронтальная объёмная композиция

Глубинная объёмная композиция

Центрическая объёмная композиция

Для того чтобы

объемная композиция имела гармоничный вид и выглядела как единое целое, важно достичь соподчинения различных ее элементов и выделить из них главный. Именно по этой причине включающую в себя главные помещения здания центральную часть размещают в большинстве случаев на главной оси симметрии. Таким образом, достигается ее доминирование, как по объему, так и по высоте в общей объемной композиции. Что касается боковых частей объемной композиции, то они имеют существенно меньший объем, и значение центральной части, тем самым, подчеркивается.

Внешний вид любого здания или сооружения определяется его конструктивной и планировочной структурой, градостроительными условиями и назначением. Архитектурному решению здания надлежит быть эстетичным, современным удовлетворяющим эстетические вкусы жителей.

К наиболее важным архитектурным требованиям, предъявляемым к жилым зданиям, относятся логичность и четкость композиции, красота пропорций, экономичность выбранного решения, а также высокое качество отделки. При проектировании зданий нужно обязательно учитывать градостроительные, экономические условия, и его назначение.

Сандро Боттичелли. «Поклонения волхвов» и другие флорентийские работы

5️⃣ На данный момент сохранилось 5 картин «Поклонение волхвов» — от ученической работы до позднего незавершенного полотна.

👨‍👩‍👧‍👦 Их объединяет то, что это были самые многофигурные композиции из всех произведений Боттичелли. Возможно, именно в этом и заключался вызов его таланту.

Работа «Поклонение волхвов» 1465–1467 годов

➖ Недостатки. Молодому Боттичелли было сложно изобразить столько разных персонажей из пышной свиты волхвов, прибывших поклониться родившемуся Младенцу. Замены некоторые недостатки в расстановке и позах фигур, выделяется пустое пространство с правой стороны картины на фоне загруженности центральной и левой частей.

▪️ Вытянутая непропорциональная фигура Мадонны в традиционном синем плаще напоминает Мадонн готического периода.

⏺ В дальнейшем Боттичелли размещал Мадонну с Младенцем в центре композиции в работах на ту же тему и лишь в поздние годы вернулся к асимметрии.

Тондо «Поклонение волхвов» 1470–1475 годов

⬆️ Высокий горизонт. Боттичелли помещает Мадонну на некотором отдалении и заполняет передний план не заслоняющими ее фигурами.

⏺ Центрическая композиция. Вместо традиционного развертывания процессии волхвов мимо зрителя Боттичелли помещает Мадонну в самом центре тондо в глубине и со всех сторон направляет к ней толпу.

▪️ Богоматерь и Младенец практически теряются в этом многолюдном собрании.

🏛 Развалины античного стиля. Их изображение связано с легендой о том, что в момент рождения Спасителя в Риме разрушился языческий храм.

➖ Недостаток такой схемы — главные персонажи оказались мелковаты.

Работа «Поклонение волхвов» 1475 года

💣 Это самая знаменитая работа среди «Поклонений волхвов» Боттичелли. Сейчас полотно хранится в галерее Уффици. Боттичелли написал его в 1475 году для частной капеллы в церкви Санта-Мария-Новелла по заказу Гуаспарре ди Дзаноби дель Лама, маклера цеха менял.

👅 Заказчик хотел снискать благоволение Медичи вдобавок к Божьему милосердию, поэтому заказал «Поклонение волхвов» как скрытый групповой портрет рода Медичи.

▪️ Для Боттичелли этот заказ был подарком Фортуны: если картина удастся — патронаж Медичи ему обеспечен.

⏺ Боттичелли продумал вариант с расположением Мадонны в центре картины, стремясь отойти от привычной схемы, где Мадонна изображена в одном углу, а волхвы движутся к ней из другого. Такое решение позволило Боттичелли угодить заказчику без ущерба искусству.

▪️ Старец в черном-золотом одеянии, целующий ноги Господа — точный портрет Козимо, Старшего Медичи. Человек в красном, спиной к наблюдателю — Пьеро. В светло-зеленом — его брат Джованни. Все три портрета посмертные: отождествлять здравствующих лиц со священными персонажами было не принято.

▪️ Фигура в лиловато-сизом плаще, возглавляющая левое крыло свиты — внук Козимо, Лоренцо Великолепный.

▪️ Есть версия, что фигура в плаще у правого края картины — автопортрет самого Боттичелли.

🏛 Пейзаж почти полностью вытеснили руины — полуразрушенная римская аркада слева свидетельствует о смене язычества на христианство.

🤩 Работа так понравилась семье Медичи, что Боттичелли получил работу портретиста и декоратора при дворе.

Основы леттеринга — Школа рисования Вероники Калачевой — Учёба.ру

Высшее образование онлайн

Федеральный проект дистанционного образования.

Я б в нефтяники пошел!

Пройди тест, узнай свою будущую профессию и как её получить.

Химия и биотехнологии в РТУ МИРЭА

120 лет опыта подготовки

Международный колледж искусств и коммуникаций

МКИК — современный колледж

Английский язык

Совместно с экспертами Wall Street English мы решили рассказать об английском языке так, чтобы его захотелось выучить.

15 правил безопасного поведения в интернете

Простые, но важные правила безопасного поведения в Сети.

Олимпиады для школьников

Перечень, календарь, уровни, льготы.

Первый экономический

Рассказываем о том, чем живёт и как устроен РЭУ имени Г.В. Плеханова.

Билет в Голландию

Участвуй в конкурсе и выиграй поездку в Голландию на обучение в одной из летних школ Университета Радбауд.

Цифровые герои

Они создают интернет-сервисы, социальные сети, игры и приложения, которыми ежедневно пользуются миллионы людей во всём мире.

Работа будущего

Как новые технологии, научные открытия и инновации изменят ландшафт на рынке труда в ближайшие 20-30 лет

Профессии мечты

Совместно с центром онлайн-обучения Фоксфорд мы решили узнать у школьников, кем они мечтают стать и куда планируют поступать.

Экономическое образование

О том, что собой представляет современная экономика, и какие карьерные перспективы открываются перед будущими экономистами.

Гуманитарная сфера

Разговариваем с экспертами о важности гуманитарного образования и областях его применения на практике.

Молодые инженеры

Инженерные специальности становятся всё более востребованными и перспективными.

Табель о рангах

Что такое гражданская служба, кто такие госслужащие и какое образование является хорошим стартом для будущих чиновников.

Карьера в нефтехимии

Нефтехимия — это инновации, реальное производство продукции, которая есть в каждом доме.

Пространство в архитектурном ансамбле (часть 2): townplanner — LiveJournal

Андрей Бабуров

Пространство в архитектурном ансамбле

Часть 2 (окончание)

Теоретически можно представить три случая перенапряжения или несвободы пространства — замкнутое пространство, имеющее возможность расширяться лишь вверх, — пространство разомкнутое и свободное пространство. Каждому случаю соответствуют определённые типы реального архитектурного пространства, по-разному взаимодействующие с окружением.

Конечно, в реальности абсолютно замкнутого или абсолютно свободного пространства не существует. Любая замкнутая площадь так или иначе сообщается с остальным городом проходами, переулками и т.п. Однако, если такие связи не несут композиционной нагрузки, мы говорим о замкнутой композиции таких объектов, как Пьяцца дель Кампо в Сиене, монастырских клуатров или площади Аннунциата во Флоренции. Пространство Брунеллеско слишком- мало, слишком спокойно и уравновешено. Площадь вбирает в себя и успокаивает любое движение, подобно всем своим прототипам — клуатрам. Замкнутость площади Кампо является результатом равновесия сил, равнозначных центростремительных движений, И хотя в результате площадь приобрела односторонне направленную форму амфитеатра, она является провозвестником круглых транспортных площадей классицизма, таких, например, как Площадь Звезды в Париже. Здесь сквозные связи настолько сильны и равнозначны, что их не может остановить или как-то сконцентрировать даже такое крупное сооружение, как Триумфальная арка, композиционное воздействие которой равномерно рассеивается во все стороны и быстро ослабевает, поглощаясь каналами улиц. Концентрации пространства, необходимой для восприятия такого места, как ансамбль, здесь не возникает. Напряжённость пространства равномерно убывает.

При описании «кривизны» пространства было отмечено особое значение створа или портала, соединяющего замкнутое пространство с внешним и формирующего пространственный поток, исходящий из замкнутости, придавая ему криволинейность и ускорение. Из-за малых размеров и цельности ансамбль площади Капитолия трудно расчленить на самостоятельные зоны зарождения и формирования пространственного потока, воспринимаемого как кривизна пространства. Пространство Капитолия как бы само себя ускоряет. Однако в других примерах такое членение более очевидно.

Качество неравномерного движения и кривизны пространства, вызывающего ощущение ансамбля, комплекс Архиерейского подворья в Вологде приобрёл сравнительно недавно в результате счастливых случайностей, когда ошибки при строительстве и перестройках сыграли положительную роль для целого. Невысокие двух- и трёхэтажные корпуса Подворья с двумя небольшими надстроенными церквами образуют несколько дворов, пространства которых, перетекая сквозь сужения и переходы, сливаются в главном. Благодаря этому зарождается спокойное направленное движение пространства наружу в направлении, указанном видимой изнутри колокольней.

Выйдя из ворот почти вплотную к северо-западной стене Воскресенского собора, наблюдатель оказывается в неправильном динамичном пространстве между Софийским и Воскресенским соборами, привлекаемом вертикалью и стремящемся вырваться за реку — пространстве-роторе.

На примере Центра мировой торговли в Нью-Йорке было показано, что преувеличение физических размеров пространства при сохранении нормального для восприятия уровня насыщенности композиции приводит к образованию сверхчеловеческой степени композиционной напряжённости пространства, в результате чего происходит его своеобразное самоотрицание, тогда как ансамбль Архиерейского подворья демонстрирует предельную, возможно, степень напряжения пространства, при которой человек ощущает себя активным участником композиционного действия. Всё богатство переживаний в этом ансамбле осуществляется в пространстве относительно небольших размеров — расстояние между Софийским и Воскресенским соборами около сорока метров, высота колокольни около восьмидесяти. Глубина Плазы ЦМТ — около 150 м, высота башен — около 500 м; она не воспринимается с близких дистанций. Между тем роль вертикалей в ансамблях русской архитектуры очевидна. Важна, таким образом, мера их соотнесённости с пространством.

Рис. 3. Нью-Йорк. Центр мировой торговли. М.Ямасаки. Конец 1960-х гг.

При проектировании вне городской застройки, а также при обновлении городов, сохранивших традиционный характер городского ландшафта, могут возникать решения, адекватные описанным выше историческим композициям. Пример -комплекс Скарборо колледжа в Торонто. Начатый строительством в конце 60-х годов, колледж расположен в тридцати километрах от центра Торонто в лесистой местности на краю речной долины и представляет собой пример гармоничного развития черт естественного ландшафта в композиции плотного многофункционального комплекса. 4-6-этажные учебные корпуса расположены вдоль склонов, повторяя их очертания и усиливая недостаточную выразительность естественного рельефа. Центром композиции всего комплекса является площадь, её пространство невелико (50×50 м) и задумано как открытый аванзал для окружающих сооружений; однако выходы его пространства трактованы ках наиболее напряжённые композиционные узлы, акцентированные либо монументальной пластичностью брутобетона, либо вертикалью котельной, либо кардинальным изменением уровня, либо неожиданным раскрытием на простор долины. Всё зто создаёт эффект композиционно насыщенного и напряжённого пространства, замкнутого и в то же время динамично связанного с наружным.

Рис. 4. Торонто. Скарборо-колледж. 1960-е гг.

В примерах Архиерейского подворья и площади Скарборо колледжа мы сталкиваемся с эффектом напряжённого вращающегося пространства. В первом случае спокойное движение изнутри подхватывается и завихряется снаружи. Во втором случае круговое движение образуется уже внутри замкнутости благодаря морфологической неоднородности внутреннего пространства, в котором основным выходом оказывается самый узкий — лестница к реке. Обе эти композиции могут помочь объяснить, феномен пространства ансамбля Соборной площади Московского Кремля.

Пространство Соборной площади одновременно замкнуто и раскрыто, уравновешено и несбалансировано; зарождаясь в пространственных нишах по сторонам Грановитой палаты, движение пространства заполняет всю площадь, уплотняется встречей с монументальной пластикой звонницы и, раскрученное внешними пространственными потоками, кружится, вырываясь на бровку Кремлёвского холма.

Значение противопоставления внутреннего и внешнего пространства, благодаря которому образуется пространственный поток необходимой напряжённости, особенно видно на примере Троице-Сергиевой лавры. Пространство перед Троицким собором и по размерам, и морфологически подобно Соборной площади. Пространственное движение начинается в нише за Никоновским прицелом и набирает силу возле Успенского собора и колокольни, однако, усиленное встречными потоками от Смоленской церкви и от Святых ворот вдоль трапезной, оно, не получая настоящего выхода, гаснет в невыразительном пространстве между «чертогами» и келейными корпусами. Остаётся движение вверх, сливающееся в колокольне.

Любое из описанных пространств можно интерпретировать как нишу в большем пространстве, и наше особое внимание привлекало обрамление такой ниши. Если для Капитолия внешним является всё городское пространство, благодаря чему пространство площади обладает собственной ценностью, то трапециевидная площадь перед собором Св. Петра служит лишь связкой, соединяющей массу собора и поперечное ему эллиптическое пространство площади. В результате образуется уравновешенная, замкнутая в себе композиция, встречные движения в которой взаимно погашаются, поскольку развитие осевого движения вдоль улицы Кончилиационе незначительно.

Так происходит, когда пространство, играющее роль внешнего, замкнуто и противопоставлено. Если же пространство раскрыто, как в композиции Лувр-Тюильри или в композиции парковой части усадьбы Архангельское, то образуется ярко выраженная направленность, свободно изливающийся пространственный поток, достаточно быстро ослабевающий по мере удаления и охвата всё большей территории. Подобные композиции можно рассматривать как часть центрических лучевых композиций — ведь каждый луч площади Звезды подчиняется тому же закону.

Частным случаем таких открытых пространств являются отдельные части некоторых композиций, настолько больших, что эти части обретают известную самостоятельность в сознании человека. Так, ансамблем считают Дворцовую площадь в Ленинграде. Действительно, она обладает некоторыми общими чертами с комплексом площадей Сан-Марко в Венеции — выход к воде, важность которого подчёркивается пластикой фасадов Зимнего дворца, сдержанность архитектуры противоположной стороны площади и другими. Однако, несмотря на кажущуюся самостоятельность, сама Дворцовая площадь слишком очевидно принадлежит всему пространству вокруг Адмиралтейства, которое по природе своей есть гипертрофированное уличное пространство. Преувеличение горизонтальных размеров, так же как и вертикальных (Центр мировой торговли), препятствует возникновению ощущения ансамбля, в данном случае снижая композиционную насыщенность пространства, а напряжённость превращая в регламентированность.

Ситуации, подобные композиции у стрелки Васильевского острова и архитектурному комплексу центра Дженерал Моторс, демонстрируют важность взаимосвязи композиционной насыщенности и напряжённости пространства. Они могут, по-видимому, объяснить подлинный смысл замечания З.Гидиона о Правительственном центре в Чандигархе: «… европейский глаз поражают большие пространства между зданиями»[1].

До сих пор мы говорили о том, как форма пространства влияет на его напряжённость. Однако в концепции «современного движения» случай обратный — напряжение пространства является изначальной задачей и определяет его морфологию.

Это особенно видно на примере комплекса Иллинойского технологического института, где приём свободного плана перенесён на обширный (45 га) участок под открытым небом. В результате образовалось некое единое сооружение, лишь не покрытое кровлей, единое регулярное застроенно-незастроенное пространство, равномерно (в своих границах) напряжённое, уравновешенное, лишённое дисбаланса, неправильностей и кривизны. Это заставляет вспомнить характеристику Бэнем пространства кубизма — «единое, равномерное, несфокусированное, но ограниченное»[2].

Композиция проекта ООН Ле Корбюзье, одна из самых красивых в «современной архитектуре», демонстрирует глубокую связь качеств ограниченности и равномерной напряжённости несфокусированного внутреннего пространства. Главная пластина отгораживает от реки, а другая (неосуществлённая) — от застройки к северу пространство, устремлённое внутрь, равномерно напряжённое, однако, воспринимаемое как цельность лишь снаружи.

Качество равномерной напряжённости, несфокусированности (или многофокусности, что то же самое) и способность восприниматься как цельность лишь снаружи — качества, присущие всем композициям «современного движения «в рамках «пространственно-временной» концепции, но прямо противоположные примерам «общепринятых» ансамблей. Наверно следует признать, что концепция пространства «современного движения»[3] не допускает возможности возникновения эффекта ансамбля: композиции «современного движения», даже очень тесные, интенсивные, — это всегда узлы, пересечения потоков пространства, сквозных, свободных и равномерных, тогда как для возникновения эффекта ансамбля необходимо начало потока, зарождение, ускорение и выброс наружу.

Несомненно, мастера «современного движения» стремились достичь ясности, рациональности и свободы в своих композициях, и в этом одна из причин того, что сегодня их называют классиками. Иначе понимали пространство необруталисты, отрицавшие, по-видимому, принцип ясности и равномерной направленности в композиции. На примере колледжа в Торонто были показаны возможности возникновения эффекта ансамбля в композициях такого рода. Тем интереснее Центр искусств на набережной Southbank в Лондоне -комплекс разностильных зданий высоких архитектурных достоинств, где, тем не менее, феномен ансамбля не возник. Это обстоятельство подводит нас к ещё одному рассуждению о характере морфологии пространства в ансамбле — о степени активности взаимодействия объёмов и окружающего пространства.

Композиция комплекса Центра искусств в Лондоне характерна для начала 60-х годов, следуя тенденции, начатой в проектах центров Камбернолда и Хука, многоярусных (для полного разделения транспорта и пешеходов в зоне активности) полифункциональных комплексов, где каждый ярус объединяет родственные функции и как бы утверждает их в пространстве. В комплексе центра искусств стояла также задача чисто художественного свойства: соразмерить крупный масштаб Royal Festival Hall, рассчитанный на восприятие в большом пространстве, с реальным городским окружением.

Если уровни ярусов создают известную организованность по горизонтали, то объёмы самих зданий пронизывают уровни по-разному, создавая живописную, почти хаотическую композицию в пространстве, напоминающую средневековый город, однако, без присущей ему иерархии главного и второстепенного и ясной обусловленности топографией. Внутреннее пространство композиции перенапряжено, затеснено, пластика объёмов, эстакады и мостики его измельчают, лишая способности обрести движение, хотя такая возможность существовала в вице створа между боковым фасадом Royal Festival Hall и зданием концертных залов. Створ этот зрительно заперт выходящей на набережную частью эстакады среднего уровня, а зародившееся движение останавливается спокойной плоскостью Royal Festival Hall.

Рис. 5. Лондон. Центр искусств на набережной Southbank в Лондоне. 1960-е -70-е гг.

Очевидно, что рассмотренная ситуация противоположна таким примерам, как Центр мировой торговли, где преувеличены все размерные и «энергетические» параметры, центр Ленинграда с его недостаточной насыщенностью и, соответственно, напряжённостью пространства или Тюильри, где пространственный поток равномерно рассеивается в окружении. Здесь мы имеем цело с переизмельчённым, «вязким» пространством, перенасыщенным объёмами, как бы останавливающим само себя.

Новейшая архитектура пока не дала примеров для анализа такого рода. Постмодернисты слишком заняты до .сих пор разработкой своего «антистиля». Пространства, проектируемые и создаваемые ими, чрезмерно концептуальны и рассудочны («новый рационализм» Л.Крие) и обладают той правильностью, которая отличает муляж от живого. Архитекторы, настроенные менее дидактично, экспериментируют с формами пространства, извечно существующими в архитектуре, в том числе и с теми, что обладают векторностью и концентрацией напряжённости (предложение по реконструкции Малой площади замка в Штутгарте, проект Консулата в Лионе и др. ). Эго убеждает в том, что возникновение ансамблей возможно и в будущем.

Приписывая пространству в композиции способность к перенапряжению и активизации его свойств, необходимо учитывать качества заключающей его формы. При этом оказывается, что архитектурно-стилистические качества формы (зданий, городского ландшафта) не столь важны, как параметрические и пространственно-перцептивные — размеры по горизонтали и вертикали, формы поверхностей, соотношения их горизонтальных и вертикальных составляющих, характер взаимосвязи пространственных форм и пр.

Таким образом, среди ряда объектов, именуемых «ансамблями», приходится выделить специфическую разновидность, для которой характерны: независимость от окружения, незначимость архитектурно-стилистических качеств составляющих и особая геометрия объединяющего их пространства. Предложенные характеристики неравнозначны, но в совокупности определяют феномен, понимаемый в данной работе как ансамбль», в отличие от «композиций» и «комплексов» зданий. Конечно, сведение обширного ряда композиционных характеристик к поведению пространства, объединяющего архитектурно-градостроительный комплекс, достаточно гипотетично. Однако, если учесть саму феноменологическую основу рассуждений на эту тему, такая гипотеза представляется вполне правомерной.

Эффект ансамбля как специфической формы композиционной организации пространства может возникнуть в архитектуре любой эпохи при совпадении определённых параметрических, морфологических и «энергетических» условий, обусловливающих пределы, необходимое количество композиционной насыщенности и достаточный уровень композиционной напряжённости пространства. Исключение, однако, составляют такие значительные этапы мировой архитектуры, как классицизм и внутренне родственное ему «современное движение», концепции которых изначально предполагают несоблюдение этих условий, но если отказаться от представления об ансамбле, как о «самом-самом», в этом исключении нет ничего трагичного. Вместе с тем очевидна бессмысленность обвинений, предъявляемых современной архитектурной практике, что она не даёт примеров ансамблей, сопоставимых по силе эстетического воздействия с ансамблями прошлого (опять-таки, какими именно?), поскольку современная архитектурная практика следует стереотипам, выработанным под влиянием именно этих двух концепций. Если мы хотим иметь ансамбли, эти стереотипы следует преодолеть, но для этого следует в корне изменить стиль профессионального архитектурного мышления.

[1] Зигфрид Гидион. Пространство, время, архитектура. Стройиздат, М., 1975, с. 390

[2] Бэнем Р. Взгляд на современную архитектуру. Эпоха мастеров. Стройизцат, М., 1980, с. 55

[3] Оказавшая очень большое влияние на всю общеевропейскую архитектурно-градостроительную практику

Объемно-пространственная композиция и макетирование

ЛАНДШАФТНЫЙ ДИЗАЙН / ОСНОВЫ ЛАНДШАФТНОГО ДИЗАЙНА / ЗИМНИЕ САДЫ / ОРГАНИЗАЦИЯ СОБСТВЕННОГО БИЗНЕСА: ЛАНДШАФТНОЙ ФИРМЫ, ЦВЕТОЧНОГО МАГАЗИНА, ЦВЕТОЧНОГО МАГАЗИНА,САДОВОГО ЦЕНТРА, ПИТОМНИКА РАСТЕНИЙ / КОМПЬЮТЕРНОЕ ПРОЕКТИРОВАНИЕ /

1. Аннотация курса

Данный курс является одним из базовых элементов обучения художников, архитекторов, дизайнеров, декораторов и обязательно представлен в фундаментальных курсах «Архитектурно-дизайнерское проектирование», «Дизайн интерьера», «Декоративно-художественное оформление интерьера» Имеющих одно- и двухлетний интенсивный формат обучения.

Основные задачи курса

Основной задачей реализации образовательной программы «Объёмно-пространственная композиция и макетирование» является овладение слушателями различными техническими приёмами: композиционное размещение предметов на листе бумаги, построение предметов с учетом перспективы, приемы изображения предметов в объеме, тональное изображение постановки, различные техники штриха.

По окончании курса слушатели будут уметь выполнять: построение предметов с учетом перспективы, передавать объёмное изображение предметов, тональный разбор, будут владеть техникой штриха.

2. Информация об обучении на курсе «Объемно-пространственная композиция и макетирование»

Наименование курса:

«ОБЪЕМНО-ПРОСТРАНСТВЕННАЯ КОМПОЗИЦИЯ И МАКЕТИРОВАНИЕ»

Продолжительность курса «ОБЪЕМНО-ПРОСТРАНСТВЕННАЯ КОМПОЗИЦИЯ И МАКЕТИРОВАНИЕ»:

14 дней занятий (56 академ. час.)

График занятий на курсе «ОБЪЕМНО-ПРОСТРАНСТВЕННАЯ КОМПОЗИЦИЯ И МАКЕТИРОВАНИЕ»:

1-2 дня в неделю по 4 академических часа в день.

Время занятий на курсе «ОБЪЕМНО-ПРОСТРАНСТВЕННАЯ КОМПОЗИЦИЯ И МАКЕТИРОВАНИЕ»:

• утренние группы с 10-00 до 13-00
• дневные группы с 13-00 до 16-00, с 16-00 до 19-00;
• вечерние группы с 19-00 до 22-00;
• группы выходного дня: суббота/воскресенье.

Требования к знаниям, необходимым для обучения на курсе:

Принимаются все желающие. Возрастных ограничений у нас нет.

3. Начало занятий ближайших групп

Группы комплектуются.

4. Учебная программа курса

4.1. Введение в предмет. Цели и задачи курса. Краткие определения. Выполнение графической и макетной работы «Самовыражение в объеме».

4.2. Точечная (центрическая) композиция. Примеры. Линейная(ленточная) композиция. Ритмичная, метричная, декоративная и т.д. Выполнение графической работы.

4. 3. Фронтальная(плоскостная) композиция. Определение, виды и типы. Примеры в архитектуре. интерьере и ландшафте. Выполнение учебной работы на точность графических и макетных навыков.

4.4. Объемная композиция. Основные виды. Способы формообразования. Примеры. Выполнение практической работы «Куб с характером».

4.5. Виды формообразования различных фигур и объемов. Передача статичности, массивности, напряженности и т.д. Выполнение работы по формообразованию геометрического объема на различные виды восприятия.

4.6. Пространственная композиция. Богатство разнообразия примеров в архитектуре. интерьере и садово-парковом проектировании. Выполнение макетного упражнения «Элемент интерьера» или «малая архитектурная форма».

4.7. Объемно-пространственная и глубинно-пространственная композиция. Открытая(не замкнутая) и закрытая(замкнутая) композиция. Выполнение макетной работы «линейно-композиционное преодоление пространства».

4.8. Пространство в урбансреде и ландшафте. Единство и различие композиционных приемов. Начало выполнение курсового проекта «интерьер квартиры» и « детская игровая площадка».

4.9. Выполнение графической части проекта.

4.10. Утверждение графической части проекта. Начало выполнения в материале.

4.11. Выполнение проектной работы в материале. Каркас, рельеф.

4.12. Выполнение в материале, переход к деталям проекта.

4.13. Завершение детальной проработки макета.

4.14. Окончание работы. Сдача проекта. Определение самой оригинальной и самой лаконичной работы.

5. Как записаться на обучение

Для того, чтобы стать слушателем курса «Объемно-пространственная композиция и макетирование», Вам необходимо отправить заявку на обучение через раздел сайта Заявка на обучение

Композиционное моделирование (консультация к экзамену) . 1.

Композиционное моделирование (консультация к экзамену)

. 1. Перечислить средства и свойства композиции. Свойства архитектурно-пространственной формы: Геометрический вид формы, величина, положение в пространстве, масса, фактура, цвет, светотень. И средства, и свойства композиции: • Симметрия (асимметрия), ритм, пропорции, архитектурный масштаб, контраст (нюанс, тождество) Свойства композиции: • динамика (зрительное движение, возникающее при взгляде на композицию), статика (относительное отсутствие зрительного движения)

2. Симметрия , диссиметрия, асимметрия ( дать определения). • Симметрия – тождественное расположение элементов относительно оси или плоскости • Диссиметрия – незначительное нарушение симметрии • Асимметрия – отсутствие симметрии

3. Виды симметрии. Центрально-осевая

Поворотная симметрия

Винтовая симметрия

Орнаментальная симметрия (симметрия переноса)

Зеркальная симметрия

4. Фронтальная композиция, условия фронтальности формы. • Фронтальная композиция воспринимается при статическом положении зрителя. • Характеризуется относительным равенством измерений по высоте и ширине (или преобладанием горизонтального измерения) при незначительном развитии формы по глубине

5. Объемная композиция, условия объемности формы. • Объемная композиция рассчитана на восприятие при движении зрителя вокруг композиции или с нескольких основных ракурсов • Характеризуется относительно равномерным распределением массы по осям координат или преобладанием вертикального измерения.

6. Глубинно-пространственная композиция. • Глубинно-пространственная композиция рассчитана на восприятие при движении зрителя в глубь композиции • Характеризуется преобладанием протяженности пространства над размерами форм, организующих пространство

7. Контраст, нюанс, тождество ( дать определения). • Контраст – такое отношение форм, в котором преобладает различие аналогичных свойств (например, контраст по геометрическому виду форм, величине, положению в пространстве, цвету) • Нюанс – отношение форм, в котором сходство выражено больше, чем различие • Тождество – равенство форм по аналогичным признакам

8. Ритм, метр (дать определения) • Метр, метрический порядок – повторение равных форм при равных интервалах • Ритм, ритмический порядок – последовательное закономерное изменение (возрастание или убывание) форм или интервалов.

9. Архитектурный масштаб, масштабность (дать определения). • Архитектурный масштаб — соотношение (соразмерность, соответствие) членений архитектурного объема по отношению к целому • Масштабность — соразмерность здания с физическими размерами человека; соразмерность здания с окружающей застройкой

10. Пропорционирование в архитектуре Древнего Египта на основе «священного» треугольника (схемы). Священный треугольник – треугольник с отношением сторон 3 : 4 : 5 (такое отношение всегда дает прямой угол).

11. Пропорционирование в архитектуре Древнего Египта. Метод диагоналей (схема).

12. Дать определение «золотого сечения» . Построить «золотое сечение» отрезка. • Золотое сечение – деление отрезка на две неравные части таким образом, что меньшая часть относится к большей, как большая ко всей длине отрезка ( 1 : 1, 618) АР : РВ = РВ : АВ

13. Модуль (дать определение), виды модулей • Модуль – единая мера, принятая для выражения кратных отношений сооружения и его частей • Структурный модуль связан с размерами архитектурно-конструктивного элемента (кирпич, бревно, диаметр колонны) • Размерный модуль не связан с величиной конкретного элемента. Например, в Единой модульной системе (ЕМС) принят основной модуль, равный 100 мм; укрупненный модуль равен 300 мм

14. Тектоника ( дать определение). • Тектоника – художественное выражение в архитектурной форме работы конструкции и свойств материала. • Общие тектонические закономерности: • Соответствие формы направлению силы притяжения (главка церкви – форма луковицы), характеру работы конструкции (вертикальные опоры, горизонтальные перекрытия) и ветровым нагрузкам (Эйфелева башня) • Утяжеление, уширение нижних частей здания, уменьшение размеров верхних частей. • Современные конструкции позволяют перекрыть пространства любых конфигураций и размеров. Любая сложная форма является результатом точного инженерного расчета конструкции.

15. Способы членения внутреннего пространства • Единое пространство

Сплошная преграда

Сплошная преграда ● сохраняет визуальную связь ● препятствует физическому движению ● применяется для разделения функциональных зон

Прерывистая преграда

Прерывистая преграда ● не препятствует физическому движению ● применяется для выделения однотипных функциональных зон

Изменение уровня пола

Изменение уровня потолка

Изменение ширины помещения

16. Ячейковая система группировки внутренних пространств (схема, примеры использования). Используется для помещений с одинаковыми функциями и раздельными входами (торговые ряды, мотели, жилые дома галерейного типа)

17. Коридорная система группировки внутренних пространств (схема, примеры использования). Используется для помещений со сходными функциями, связь между которыми осуществляется через протяженное внутреннее пространство (учебные, административные, жилые здания)

18. Анфиладная система группировки внутренних пространств (схема, примеры использования). Ряд последовательно расположенных проходных пространств Используется в выставочных, торговых типах зданий.

19. Связанная бескоридорная система группировки внутренних пространств (схема, примеры использования). Связь помещений осуществляется через единое компактное пространство. Применяется в административных, учебных, лечебных, жилых зданиях

20. Замкнутая композиция здания • Характеризуется наличием открытого внутреннего дворика, к которому обращено большинство оконных и дверных проемов. Характерна для зданий, расположенных в жарком климате (жилища античности, медресе, современные здания различных типов). В современной архитектуре используется в разных климатических районах.

Замкнутая композиция

21. Центрическая композиция здания (схема, примеры) • При центрической композиции связь помещений осуществляется через компактное внутреннее пространство (атриум), освещенное верхним светом. Проемы в помещениях, расположенных по периметру, могут открываться в атриум или наружное пространство. • Применяется в различных типах зданий (гостиницы, учебные, развлекательные учреждения и т. д. )

Центрическая композиция

22. Компактная композиция здания (схема, примеры) • Характерно наличие помещения без естественного освещения, окруженного по периметру помещениями, ориентированными наружу. • Распространена в зрелищных зданиях (театры, кинотеатры и т. п. ), жилых домах

Компактная композиция

23. Открытая композиция здания (схема, примеры) • Части композиции здания свободно располагаются в пространстве, обеспечивая требуемые условия освещенности и выделение функциональных зон в объеме. • Широко распространена в современной архитектуре. Применяется в многофункциональных комплексах или зданиях с большим количеством разнообразных внутренних помещений.

Открытая композиция

25. Способы членения открытых пространств Сплошная преграда

• Прерывистая преграда • Сплошная + прерывистая преграда

Использование различных уровней поверхности земли (террасы, подпорные стенки, лестницы т. п. ). Разделение движения по уровням с помощью инженерных сооружений (эстакады, мосты и т. п. )

• Элементы благоустройства и озеленения, (мощение, клумбы, живые изгороди ит. п. ), малые архитектурные формы.

Практические задания Ритмические ряды

ВИДЫ МЕТРИЧЕСКИХ РЯДОВ • РЯД, СОСТОЯЩИЕЙ ИЗ РАВНЫХ ЭЛЕМЕНТОВ НА РАВНЫХ ИНТЕРВАЛАХ И БЕЗ ИНТЕРВАЛОВ IIIIII • РАВНЫЕ ЭЛЕМЕНТЫ НА ЧЕРЕДУЮЩИХСЯ ИНТЕРВАЛАХ II II • ЧЕРЕДУЮЩИЕСЯ ЭЛЕМЕНТЫ НА РАВНЫХ ИНТЕРВАЛАХ IIIIIIII • ЧЕРЕДУЮЩИЕСЯ ЭЛЕМЕНТЫ НА ЧЕРЕДУЮЩИХСЯ ИНТЕРВАЛАХ I I II

ВИДЫ РИТМИЧЕСКИХ РЯДОВ • РЯД, СОСТОЯЩИЕЙ ИЗ РАВНЫХ ЭЛЕМЕНТОВ НА ВОЗРАСТАЮЩИХ ИНТЕРВАЛАХ II I I • I I ВОЗРАСТАЮЩИЕ ЭЛЕМЕНТЫ НА РАВНЫХ ИНТЕРВАЛАХ И БЕЗ ИНТЕРВАЛОВ I I • I I ВОЗРАСТАЮЩИЕ ЭЛЕМЕНТЫ НА ВОЗРАСТАЮЩИХ ИНТЕРВАЛАХ I I I

СОЧЕТАНИЕ МЕТРИЧЕСКИХ РЯДОВ I I I I I I

НАЛОЖЕНИЕ МЕТРИЧЕСКИХ РЯДОВ I I I I II I II

Составить композицию из линейных элементов, используя контрастные отношения • Свойства линии: • Конфигурация (прямая, ломаная, циркульная) • Направление (вертикальное, горизонтальное, наклонное) • Длина • Толщина • Цвет (тон)

Составить композицию из геометрических фигур, используя контрастные отношения • Свойства: • Геометрический вид формы (квадрат, круг, треугольник) • Величина • Положение в пространстве • Цвет (тон)

Составить 3 композиции из одинакового набора элементов, на основе симметрии, диссиметрии, асимметрии. • Симметрия

Составить 3 композиции из одинакового набора элементов, на основе симметрии, диссиметрии, асимметрии. • Диссиметрия

Составить 3 композиции из одинакового набора элементов, на основе симметрии, диссиметрии, асимметрии. • Асимметрия

Составить композицию из прямоугольников, используя принцип геометрического подобия.

Составить композицию из модульных элементов.

BeC 3: Поведение, ориентированное на толпу, для приложений IoT

Акылдиз И., Касимоглу И. (2004) Беспроводные сенсорные и действующие сети: проблемы исследования. Ad hoc Netw 2(4):351–367

Статья Google ученый

Атзори Л., Иера А., Морабито Г. (2010) Интернет вещей: обзор. Comput Netw 54(15):2787–2805

Статья МАТЕМАТИКА Google ученый

Берарди Д., Шейх Ф., Де Джакомо Г., Патрици Ф., Ибарра О. (2008) Автоматическое составление услуг посредством моделирования. Int J Found Comp Sci 19(2):429–451

Статья МАТЕМАТИКА Google ученый

Brabham D (2008) Краудсорсинг как модель решения проблем введение и примеры. Converg Int J Res New Media Technol 14(1):75–90

Статья Google ученый

Bultan T, Su J, Fu X (2006) Анализ диалогов веб-сервисов.Internet Comput, IEEE 10(1):18–25

Статья Google ученый

Cherrier S, Ghamri-Doudane Y, Lohier S, Roussel G (2011) D-lite: распределенная логика для сервисов Интернета вещей.В: 2011 Международные конференции IEEE по Интернету вещей, а также кибер, физическим и социальным вычислениям. IEEE, стр. 16–24

Черриер С., Гамри-Дудане Ю., Лохьер С., Руссель Г. (2012) Сотрудничество в сфере услуг в сетях беспроводных датчиков и приводов: оркестровка или хореография. В: 17-й симпозиум IEEE по компьютерам и коммуникациям (ISCC’12). Каппадокия, стр. 8

Curbera F, Goland Y, Klein J, Leymann F, Weerawarana S et al. (2003) Язык выполнения бизнес-процессов для веб-сервисов, версия 1.1

Dunkels A, Gronvall B, Voigt T (2004) Contiki — легкая и гибкая операционная система для крошечных сетевых датчиков. Локальные компьютерные сети. В: Ежегодная конференция IEEE, 0. стр. 455–462

Включение услуг Fi-ware Интернета вещей (IoT) (2011 г.) http://www.fi-ware.eu/

Грин Д., Хулен Р., Муди Дж. (2008) Сервисно-ориентированная архитектура датчика IPV6. В: Конференция по военной связи, стр. 1–6

Guinard D, Trifa V (2009) К сети вещей: веб-мэшапы для встроенных устройств.В: Семинар по мэшапам, корпоративным мэшапам и облегченной композиции в Интернете (MEM 2009), в материалах WWW (Международных конференций по всемирной паутине). Citeseer, Madrid

Guinard D, Trifa V, Wilde E (2010) Ресурсо-ориентированная архитектура для сети вещей. В: Материалы IoT

Гуммади Р., Гнавали О., Говиндан Р. (2005) Макропрограммирование беспроводных сенсорных сетей с использованием kairos. В: Распределенные вычисления в сенсорных системах. Springer, стр. 126–140

Эрнандес-Муньос Дж. М., Верчер Дж. Б., Муньос Л., Галаш Дж. А., Прессер М., Гомес Л.А., Петтерссон Дж. (2011) Умные города в авангарде будущего Интернета.В: Интернет будущего. Springer, стр. 447–462

Каванцас Н., Бурдетт Д., Ритцингер Г., Флетчер Т., Лафон Ю., Баррето С. (2004) Язык описания хореографии веб-сервисов, версия 1.0. Рабочий проект W3C 17:10–20041217

Google ученый

Ковач М., Лантер М., Дюкенной С. (2012) Actinium: безопасный контейнер среды выполнения для приложений Интернета вещей с поддержкой сценариев. В: Интернет вещей (IOT), 2012 г. 3-я международная конференция IEEE, стр. 135–142

Наяк А., Стойменович И. (2009) Сети беспроводных датчиков и приводов.Wiley

Nielsen J (2006) Неравенство участия: скрытые против участников в интернет-сообществах. Alertbox Якоба Нильсена

Пинтус А., Карбони Д., Пирас А., Джордано А. (2010) Подключение умных вещей с помощью оркестровки веб-сервисов. Curr Trends Web Eng LNCS 6385:431–441

Статья Google ученый

Presser M, Barnaghi PM, Eurich M, Villalonga C (2009) Проект сенсей: интеграция физического мира с цифровым миром сети будущего.IEEE Commun Mag 47(4):1–4

Статья Google ученый

Qiu Z, Zhao X, Cai C, Yang H (2007) К теоретическим основам хореографии. В: Материалы 16-й международной конференции по всемирной паутине. ACM, стр. 973–982

Shelby Z, Bormann C (2010) 6LoWPAN: встроенный беспроводной Интернет. Wiley

Шелби З., Фрэнк Б., Стурек Д. (2010) Протокол ограниченного приложения (coap).Онлайн-версия доступна по адресу http://www. ietf.org/id/draft-ietf-core-coap-18.txt.

Su J, Bultan T, Fu X, Zhao X (2008) На пути к теории хореографии веб-сервисов. Веб-сервис и формальные методы LNCS 4937:1–16

Статья Google ученый

Welsh M, Mainland G (2004) Программирование сенсорных сетей с использованием абстрактных регионов, том 4. NSDI, стр. 3–3Калифорнийский университет в Беркли: Школа информации http://escholarship.org/uc/item/1786t1dm

Зиглер С., Креттаз С., Ладид Л., Крко С., Покрич Б., Скармета А.Ф., Хара А., Кастнер В., Юнг М. (2013) Iot6 – переход к будущему iot на основе ipv6. В: Интернет будущего. Springer, стр. 161–172

Границы | seq-ImmuCC: клеточно-центрический обзор тканевого транскриптома с измерением клеточного состава иммунной микросреды на основе данных мышиной РНК-Seq

Введение

Высокопроизводительное секвенирование РНК (RNA-Seq) в настоящее время широко применяется на моделях мышей для изучения транскриптома различных болезненных состояний, таких как опухоли (1), инфекции (2) и аутоиммунное воспаление (3). привело к быстрому накоплению огромных данных RNA-Seq в архиве чтения последовательностей (SRA).Транскриптомный анализ традиционно ориентирован на характеристику биологических функций при различных физиологических или патологических состояниях на молекулярном уровне, а именно с геноцентрической точки зрения (4). Генный модуль и аннотация на основе пути или сети еще больше расширяют понимание данных RNA-Seq в представлении, ориентированном на пути (5) или в сетецентрическом представлении (6).

В последние годы было разработано несколько вычислительных методов для извлечения клеточной информации, особенно тканевого иммунного контекста, из транскриптомных данных (7–9).Основная гипотеза этих методов заключается в том, что профиль экспрессии генов в тканях представляет собой линейную комбинацию генов, экспрессируемых из всех включенных типов клеток. В зависимости от их производных и прикладных платформ данных эти методы можно разделить на три типа, а именно модели, полученные с помощью микрочипов и модели с применением микрочипов, модели, полученные с помощью микрочипов и с применением RNA-Seq, а также модели, полученные с помощью RNA-Seq и RNA-Seq. -прикладные модели. В моделях, полученных из микрочипов, сообщалось о нескольких методах машинного обучения, включая регуляризацию эластичной сети (эластичная сеть) (10), линейную регрессию наименьших квадратов (LLSR) (11), квадратичное программирование (QP) (12) и регрессию опорных векторов. (СВР) (13).Среди этих моделей метод на основе SVR доказал свою надежность и точность как на образцах человека, так и на мышах (13, 14). Кроме того, для оценки состава иммунных клеток по данным секвенирования были приняты некоторые стратегии для использования данных RNA-Seq с моделью, полученной из микрочипов (10, 15, 16). Ли и др. попытались устранить пакетный эффект между различными платформами с помощью ComBat, который был впервые разработан для корректировки пакетного эффекта между микрочипом и данными RNA-Seq (15). Траджаноски и др.охарактеризовали пропорции внутриопухолевых иммунных клеток путем преобразования данных RNA-Seq в данные, подобные микрочипам, с использованием кубического сглаживающего сплайна с четырьмя степенями свободы (16). Альтбоум и др. сообщили о вычислительном методе, цифровой количественной оценке клеток, для определения пропорции 213 иммунных клеток непосредственно с данными обучения на основе микрочипов (10). До сих пор также применялись только несколько методов деконволюции, полученных из данных RNA-Seq. DeconRNASeq был первой структурой для прогнозирования клеточного содержимого на основе данных RNA-Seq, хотя до сих пор нет реальных обучающих данных для прогнозирования пропорции иммунных клеток (17).Недавно Gfeller et al. также разработали вычислительную модель с эталонным профилем RNA-Seq, названную EPIC. для оценки доли иммунных и раковых клеток по данным транскриптома опухоли человека (18). Эти модели успешно использовались для исследования клеточного микроокружения в пораженных тканях, таких как опухоли (19). Тем не менее, модель для прогнозирования состава иммунных клеток на основе увеличения данных мышиной RNA-Seq все еще отсутствует.

Здесь была разработана вычислительная модель, названная seq-ImmuCC, для предсказания конституции 10 иммунных клеток на основе данных РНК-Seq тканей мыши. После сбора и фильтрации доступных данных мышиной RNA-Seq из SRA была сконструирована матрица сигнатурных генов, включающая 162 гена, специфичных для 10 основных иммунных клеток. Впоследствии шесть методов машинного обучения сравнили в одной и той же матрице сигнатурных генов. Результаты тестирования показали, что модели, основанные на SVR и LLSR, имеют тенденцию достигать лучших результатов как в смоделированных, так и в экспериментальных данных. Кроме того, чтобы проверить рациональность вычислительной модели на разных платформах, были сопоставлены четыре комбинации с данными обучения или тестирования на основе микрочипов или RNA-Seq.В целом, модели с согласованными типами данных для обучения и тестирования показали лучшую производительность, в то время как модели с несогласованными типами данных показали худшие результаты, хотя они все еще полезны для некоторых наборов данных.

Благодаря вычислительному преимуществу модели seq-ImmuCC мы создали атлас составов иммунных клеток в нормальных и опухолевых тканях мыши. Всего было включено 27 нормальных тканей и 18 опухолевых тканей, и для каждой мышиной ткани был сделан вывод об относительном составе 10 основных типов иммунных клеток.Всеобъемлющие профили иммунных клеток обеспечили не только базовые пропорции устойчивых иммунных клеток для большинства нормальных тканей, но также и измерение очень сложных и разнообразных иммунных микроокружений различных моделей опухолей мышей.

Материалы и методы

Схемы разработки методологии

Для построения модели seq-ImmuCC было предпринято четыре основных шага: (1) сбор и фильтрация данных: необработанные данные секвенирования РНК, полученные из SRA, были предварительно обработаны.Образцы, которые можно четко сгруппировать, оставляли для последующего анализа; (2) отбор сигнатурных генов: дифференциально экспрессируемые гены (ДЭГ) в каждом из типов клеток были получены с помощью voom (20) в пакете «limma», а затем гены с высокой экспрессией в некроветворных и опухолевых тканях были удалены; (3) выбор алгоритма: шесть методов машинного обучения сравнивались на предмет их эффективности в синтетических данных и экспериментальных данных; и (4) оценка модели: определенная модель оценивалась с использованием обогащенных иммунных клеток, смоделированных сложных данных о опухоли и экспериментальных данных проточной цитометрии.

Набор данных и предварительная обработка

Три разных набора данных были просканированы из общедоступной базы данных SRA с использованием пакета «R» в SRAdb (21). Всего из SRA было загружено 358 обогащенных иммунных клеток, 2435 нормальных тканей и 2016 опухолевых тканей. Наборы данных, которые были профилированы на платформах секвенирования Illumina с пятнами размером более 10 М, были сохранены. Наконец, 286 образцов иммунных клеток, 527 нормальных тканей и 686 образцов опухолей были сохранены для последующего анализа (таблица S1 в дополнительных материалах).Необработанный формат данных RNA-Seq в формате fastq был предварительно обработан с использованием FastQC и trimmatic, а затем сопоставлен с геномом мыши mm10 с использованием STAR. Количество прочтений рассчитывали с использованием HTSeq. В частности, количество прочтений каждого сегмента гена V, D и J в рецепторах как Т-клеток, так и В-клеток было объединено. Наконец, для каждого образца была выполнена квантильная нормализация. Скрипты для предварительной обработки данных можно загрузить с веб-сервера ImmuCC или сайта Github.

Конструктивная генная матрица

Согласно генеалогическому дереву иммунных клеток, данные RNA-Seq терминально дифференцированных иммунных клеток были отсканированы из общедоступной базы данных, и для нашего анализа были сохранены только те типы клеток, для которых было достаточно данных секвенирования.Всего было отобрано 286 наборов данных RNA-Seq для 10 иммунных клеток, включая В-клетки, Т-клетки CD4, Т-клетки CD8, макрофаги, моноциты, нейтрофилы, тучные клетки, эозинофилы, дендритные клетки и естественные клетки-киллеры в соответствии с группировкой образцов. и анализ PCA. Типы клеток, которые могут быть точно сгруппированы и имеют специфическую экспрессию своих маркерных генов, были сохранены для последующего анализа. DEG в каждой иммунной клетке рассчитывали с использованием voom. Гены со скорректированным значением P <0,05 и логарифмическим 2-кратным изменением >2 считались значимыми DEG. Кроме того, гены, которые высоко экспрессируются как в некроветворных тканях, так и в опухолевых тканях, были отфильтрованы, как описано в нашей предыдущей работе (14). Чтобы еще больше минимизировать количество генов, гены с максимальным числом прочтений <100 во всех иммунных клетках были отфильтрованы. Наконец, все оставшиеся гены были упорядочены по убыванию кратности изменений, и были выбраны 20 лучших сигнатурных генов в каждом типе клеток для построения матрицы сигнатурных генов.

Оценка алгоритмов

Чтобы определить, какой алгоритм подходит для модели seq-ImmuCC, производительность шести методов машинного обучения, включая гребневую регрессию, оператор наименьшего абсолютного сжатия и выбора (LASSO), эластичную сеть, LLSR (11), QP (12) и УВО (13) оценивали как с помощью моделирования, так и с помощью экспериментальных данных.Метод построения смоделированных данных и план эксперимента были описаны в нашей предыдущей работе (14). Что касается смоделированных данных, мы сначала создали случайный профиль экспрессии для иммунной смеси с известным составом. Затем эту иммунную смесь смешивали с профилем экспрессии образца линии опухолевых клеток с различной концентрацией в диапазоне от 0,1 до 100%. Был рассчитан коэффициент корреляции Пирсона (КПК) между прогнозируемыми пропорциями и реальными пропорциями ввода. Что касается экспериментальных данных, пропорции, рассчитанные с помощью шести различных алгоритмов, сравнивали с наблюдаемыми пропорциями по данным проточной цитометрии.

Сравнение моделей на платформах Microarray и RNA-Seq

Для оценки надежности кроссплатформенных моделей данные обучения и данные тестирования как с микрочипов, так и с платформ RNA-Seq были объединены в четыре группы: Array-Array (обучение на основе микрочипов и тестирование на основе микрочипов), Array-RNAseq ( обучение на основе микрочипов и тестирование на основе RNA-Seq), RNAseq-RNAseq (обучение на основе RNA-Seq и тестирование на основе RNA-Seq) и RNAseq-Array (обучение на основе RNA-Seq и тестирование на основе микрочипов).PCC между предсказанными составами иммунных клеток и количественными измерениями проточной цитометрии были рассчитаны.

Подготовка библиотеки RNA-Seq

Образцы мышей, включая образцы селезенки (SP), костного мозга (BM), лимфатических узлов (LN) и мононуклеарных клеток периферической крови (PBMC), собранные в нашей предыдущей работе (14), были использованы здесь для RNA-Seq. Вкратце, библиотеки RNA-Seq конструировали после истощения рРНК с использованием набора для истощения рРНК NEBNext (человек/мышь/крыса) (NEB). Набор E6310L NEBNext Ultra RNA Library Prep Kit для Illumina (NEB, E7530S) (NEB) использовали в соответствии с инструкциями производителя, а кДНК секвенировали с помощью платформы Hiseq X10 (Illumina).

Доступность данных

Данные

RNA-seq были депонированы в базе данных ArrayExpress в EMBL-EBI (www.ebi.ac.uk/arrayexpress) под номером доступа E-MTAB-6458. Остальные данные можно получить у авторов по обоснованному запросу.

Результаты

Обзор модели seq-ImmuCC

Мы предположили, что весь транскриптом на самом деле представляет собой всеобъемлющее состояние всех генов, экспрессируемых из различных типов клеток в ткани мыши, и затем клеточные композиции могут быть деконволюционированы из транскриптома ткани (рис. 1А, В).Модель seq-ImmuCC состоит из четырех ключевых этапов (рисунок S1 в дополнительном материале): (1) сбор данных секвенирования. Данные RNA-Seq для каждого типа клеток собирали из базы данных и фильтровали. (2) Отбор сигнатурного гена. Сигнатурные гены для каждого типа клеток были выбраны для построения матрицы сигнатурных генов. (3) Определение алгоритма. Для детерминированной модели использовался алгоритм с наибольшей производительностью. (4) Оценка модели. Модель была оценена с использованием смоделированных и экспериментальных данных.

Рисунок 1 . Обзор модели seq-ImmuCC. (A) Молекулярные и клеточные виды тканевого транскриптома. (B) Схема модели seq-ImmuCC. (C) Сравнение шести методов машинного обучения на смоделированных данных. (D) Сравнение шести методов машинного обучения с экспериментальными данными.

Отбор сигнатурного гена

Всего было собрано 286 наборов данных RNA-Seq из базы данных SRA. Затем, после фильтрации с экспрессией маркерных генов, были сохранены 38 наборов данных RNA-Seq для различения различных типов иммунных клеток. Наконец, 162 гена были выбраны в качестве сигнатурной матрицы для покрытия 10 иммунных клеток, а именно В-клеток, Т-клеток CD4, Т-клеток CD8, макрофагов, моноцитов, нейтрофилов, тучных клеток, эозинофилов, дендритных клеток и естественных клеток-киллеров. Чтобы проверить различительную способность, матрица сигнатур использовалась для классификации иммунных клеток, полученных из разных лабораторий (рисунок S2 в дополнительном материале).Четкие результаты группировки показали, что выбранные сигнатурные гены обладают соответствующей репрезентативностью и высокой различительной способностью.

Построение моделей и сравнение

Чтобы получить точную модель, были использованы шесть методов машинного обучения, чтобы найти лучший способ прогнозирования состава иммунных клеток с той же матрицей сигнатурных генов, включая LLSR (11), QP (12), LASSO, гребенчатую регрессию, эластичную net (10) и SVR (13). Чтобы сравнить производительность шести моделей, был рассчитан PCC между предполагаемыми пропорциями и наблюдаемыми пропорциями.В синтетическом наборе данных с известным составом иммунных клеток модели на основе SVR и LLSR показали самые высокие значения PCC. Значительно более высокая корреляция наблюдалась даже тогда, когда доля содержимого опухоли достигала 99% (рис. 1С). Относительно более низкая производительность была показана в модели на основе регрессии гребня с PCC как 0,78, когда содержание опухоли колебалось от 0 до 95% (рис. 1C). Далее мы оценили шесть моделей в наборе экспериментальных данных. Как показано на рисунке 1D, относительные доли четырех групп иммунных клеток в ЛУ, а именно грануломоноцитарных клеток, Т-клеток CD4, Т-клеток CD8 и В-клеток, были рассчитаны с использованием различных подходов машинного обучения.В соответствии с результатами смоделированных данных пропорции, рассчитанные с помощью SVR, хорошо согласовывались с результатами проточной цитометрии среди B-клеток, CD4 T-клеток и CD8 T-клеток. Относительное обилие также хорошо соответствует измеренным результатам методов LLSR и гребенчатой регрессии, хотя есть небольшая разница для определенного типа клеток.

Оценка модели

На основании результатов сравнения моделей модели SVR и LLSR были предложены для прогнозирования состава иммунных клеток по данным RNA-Seq, при этом только модель SVR использовалась в качестве репрезентативной модели для дальнейшей оценки.Модель УВО оценивали на смоделированных образцах смеси, образцах чистых иммунных клеток и экспериментальных тканях соответственно. Для 245 образцов обогащенных одиночных иммунных клеток мы обнаружили, что самая высокая доля в каждом образце определенно соответствовала ожидаемому типу клеток, где медиана прогнозируемой доли составляла 85% (рис. 2А). Затем, учитывая потенциальное применение нашей модели в гетерогенных тканях, смоделированная опухолевая ткань с определенным иммунным содержанием (см. Материалы и методы) была использована для проверки ее эффективности на сложных опухолевых тканях. Предсказанные фракции очень соответствовали фактическим пропорциям, даже когда доля содержимого опухоли достигала 99,9%, что может служить убедительным доказательством его применения на сложных тканях (рис. 2B). Кроме того, мы сравнили нашу модель с результатами проточной цитометрии. Как показано на рисунке 2C, все прогнозируемые результаты были аналогичны наблюдаемым составам иммунных клеток в образцах SP, PBMC, LN и BM.

Рисунок 2 . Оценка модели seq-ImmuCC в смоделированных и экспериментальных данных.Рабочие характеристики модели оценивали в образцах обогащенных клеток (A) , смоделированных образцах опухоли (B) и измеренных результатах проточной цитометрии (C) . В (C) сравнивали четыре типа иммунных клеток, а именно грануломоноцитарные клетки, CD4 Т-клетки, CD8 Т-клетки и В-клетки. Красный: прогнозируемые результаты; зеленый: результаты проточной цитометрии.

Сравнение моделей на основе микрочипов и РНК-Seq

Хотя в некоторых предыдущих исследованиях уже использовались модели на основе микрочипов для оценки состава иммунных клеток в данных RNA-Seq (10, 15, 16), надежность модели деконволюции на платформах микрочипов и RNA-Seq все еще неизвестна. В отличие от данных микрочипов, данные RNA-Seq не имеют непрерывного распределения и обычно имеют тенденцию к большему распределению обилия генов. Для изучения взаимосвязей между моделями на основе микрочипов и моделей на основе РНК-Seq были созданы четыре группы тестирования, названные Array-Array, Array-RNAseq, RNAseq-RNAseq и RNAseq-Array (дополнительные сведения см. в разделе «Материалы и методы»). предсказать пропорции иммунных клеток в четырех типах иммунных образцов, а именно SP, LN, BM и PBMC (рис. 3; рис. S3 в дополнительном материале).Как показано на рисунке 3A, группа Array-Array превзошла три другие группы в SP, BM и PBMC с PCC больше 0,9. По сравнению с Array-Array группа RNAseq-RNAseq показала относительно более низкий PCC в диапазоне от 0,82 до 0,99. Для образцов SP и PBMC данные обучения и данные тестирования, полученные с одних и тех же платформ (Array-Array и RNAseq-RNAseq), как правило, работали лучше, чем две кросс-группы (Array-RNAseq и RNAseq-Array). Это наблюдение показало, что модель на основе микрочипов лучше использовать для данных микрочипов, тогда как модель на основе RNA-Seq следует использовать для данных RNA-Seq. Некоторая погрешность может существовать в некоторых условиях, когда модель на основе микрочипов применяется к данным RNA-Seq или наоборот, хотя общая производительность остается приемлемой.

Рисунок 3 . Сравнение моделей деконволюции на основе микрочипов и РНК-секвенций. (A) Четыре кросс-модели с микрочипами или данными секвенирования РНК в качестве входных данных для обучения или тестирования. Значение на тепловой карте представляет собой коэффициент корреляции Пирсона между результатами четырех вычислительных моделей и проточной цитометрии в четырех тканях. (B) Графики с полосами погрешностей представляют собой сравнение модели обучения и тестирования RNA-seq с проточной цитометрией для грануло-моноцитарных клеток, Т-клеток CD4, Т-клеток CD8 и В-клеток в мононуклеарных клетках периферической крови.

Атлас типов иммунных клеток в нормальных тканях мыши

Мы использовали нашу модель для систематического расчета состава иммунных клеток в различных нормальных тканях мыши. Всего было собрано и оценено 27 типов нормальных тканей, профилированных на платформе RNA-Seq (таблица S1 в дополнительных материалах).Во-первых, мы смогли получить относительный состав 10 типов иммунных клеток в конкретной ткани. Взяв в качестве примера толстую кишку (рис. 4А), результаты показали, что наибольшая доля приходится на В-клетки (30 ± 18%), затем около 25 ± 11% приходится на макрофаги, 10 ± 8% на CD4 Т-клетки и 10 ± 9%. % для CD8 Т-клеток. Затем можно было бы оценить конкретный тип иммунных клеток в нескольких тканях. Как показано на рисунке 4B, распределение доли В-клеток среди различных тканей колеблется от 0 до 50%. В соответствии с нашими предыдущими знаниями селезенка имеет самую высокую относительную долю В-клеток (40 ± 21%).Вторая по величине доля В-клеток была в ткани толстой кишки. С геноцентрической точки зрения высокая экспрессия IgA была обнаружена в транскриптомных данных толстой кишки, что может быть связано с увеличением продукции IgA плазматическими клетками в толстой кишке (рисунок S4 в дополнительном материале). Интересно, что мы отметили относительно более высокое содержание В-клеток при сравнении печени плода и печени взрослого человека, что согласуется с высоким уровнем экспрессии IgM в печени плода (рис. S5 в дополнительном материале).Наконец, в различных нормальных тканях мыши наблюдалось расходящееся содержание иммунитета (рис. 4C; рис. S6 и S7 в дополнительном материале). В органах иммунной системы обилие соответствующих иммунных клеток вполне соответствовало нашему здравому смыслу. Например, в качестве первичного лимфоидного органа для развития Т-клеток вилочковая железа была в основном обогащена Т-клетками CD4 и Т-клетками CD8. Однако относительно высокая доля нейтрофилов наблюдалась в КМ (50,85 ± 7,56%) и печени плода (13.68 ± 5,65%), который, как известно, является органом кроветворения на разных этапах жизни. Для большинства твердых тканей, таких как кожа, яичники и др., тканевое иммунное микроокружение в основном состоит из миелоидных клеток, включая макрофаги и моноциты. В конечностях и скелетных мышцах было относительно больше тучных клеток (> 20%). В отличие от других тканей, в кишечнике и молочных железах также определялось более высокое количество лимфоцитов (В-клеток, Т-клеток и NK-клеток).

Рисунок 4 . Атлас составов иммунных клеток в нормальных тканях мыши. (А) . Предполагаемые пропорции 10 иммунных клеток в толстой кишке. (B) Распределение доли В-клеток в тканях 27 мышей. (C) Отпечатки иммунных клеток в 12 репрезентативных тканях мыши.

Атлас типов иммунных клеток в опухолевых тканях мышей

Аналогичным образом, наш подход можно использовать для оценки доли иммунных клеток в различных опухолевых тканях мыши.Всего было собрано и оценено 18 типов опухолей (таблица S1 в дополнительном материале). Во-первых, по сравнению с нормальной тканью в образце опухоли наблюдалась отчетливая иммунная сигнатура (рис. S8 в дополнительном материале). Например, основным типом клеток при колоректальном раке являются макрофаги, тогда как в нормальной толстой кишке наиболее распространены В-клетки (рис. 4А и 5А). Кроме того, мы обнаружили, что у разных типов опухолей наблюдались разные иммунные конституции. Например, в образцах лейкемии наблюдалось значительное обогащение лейкоцитами.Острый миелоидный лейкоз в основном состоял из нейтрофилов, тогда как доминирующим типом клеток в других типах солидных опухолей были макрофаги (рис. 5B; рис. S9 в дополнительном материале). Затем было полностью охарактеризовано распределение каждой иммунной клетки по разным типам опухолей. Как показано на рисунке 5B, самая высокая доля В-клеток была обнаружена при B-ALL, и аналогичные доли (~ 10%) В-клеток наблюдались среди гепатобластомы и мелкоклеточного рака легкого. Как показано на рисунке S9 в дополнительном материале, самая высокая доля Т-клеток CD8 наблюдалась в нейроэндокринных опухолях поджелудочной железы (PanNET) как 25.02 ± 9,08%. Точно так же опухоли печени, включая опухоли печени и гепатобластому, также имели тенденцию к инфильтрации с относительно более высоким уровнем CD8 Т-клеток (13,93 ± 8,45%). Наконец, с помощью модели seq-ImmuCC мы могли исследовать состав иммунных клеток в одном и том же типе опухоли с помощью различных индуцированных стратегий. Для каждого типа опухоли были использованы различные стратегии, такие как химическая индукция, генетическая модификация и т. д., для разработки различных моделей опухолей. Для исследования различий иммунного состава при различных индуцированных стратегиях были использованы четыре разные модели колоректальной опухоли, в том числе: AOM/DSS (модель, индуцированная азоксиметаном и декстрансульфатом натрия), shAPC, shAPC/Kras и Tcf4Het/ + ApcMin/+.Как показано на рисунке 5C, в модели на основе AOM/DSS наблюдалась значительно более высокая доля В-клеток. Кроме того, по сравнению с другими группами наблюдалось относительно более высокое количество нейтрофилов в shAPC/Kras (рис. 5C).

Рисунок 5 . Атлас составов иммунных клеток в опухолевых тканях мыши. (A) Предполагаемая пропорция 10 иммунных клеток в колоректальных опухолях. (B) Распределение доли В-клеток по 18 типам опухолей. (C) Сравнение композиций иммунных клеток в одном и том же типе опухоли (колоректальные опухоли) с четырьмя различными индуцирующими моделями.

Интернет-веб-сервер

Был внедрен онлайн-веб-сервер для определения клеточных пропорций из транскриптома как с помощью микрочипов, так и с помощью RNA-Seq, который доступен по адресу http://wap-lab.org:3200/immune/. Как показано на рис. 6, образцы, профилированные на различных платформах, таких как подход RNA-Seq, Affymetric mouse 430 2.0, экспрессионный чип Illumina MouseWG-6 v2.0 и микрочип Agilent Whole Mouse Genome 4 × 44K v2, были доступны. В качестве вариантов представлены два метода машинного обучения, SVR и LLSR.Результаты включают файл в формате таблицы и гистограмму; если номер образца меньше 10, результаты будут представлены на той же странице и отправлены по электронной почте .

Рисунок 6 . Онлайн-веб-сервер для деконволюции композиций иммунных клеток в тканях мыши. Веб-сервер доступен по адресу http://wap-lab.org:3200/immune/.

Обсуждение

В этом исследовании мы разработали вычислительную модель, названную seq-ImmuCC, для определения доли десяти иммунных клеток в тканях мыши на основе данных RNA-Seq.Насколько нам известно, это первая модель деконволюции, которая фокусируется на данных RNA-Seq у мышей. Производительность seq-ImmuCC была подтверждена на больших и различных типах независимых наборов данных, включая смоделированные данные, общедоступные данные и наши собственные экспериментальные данные. Модель seq-ImmuCC обеспечит углубленное и точное клеточно-ориентированное представление транскриптомных данных для мониторинга проникновения в ткани иммунных клеток в различных условиях. Чтобы лучше обслуживать научное сообщество, мы также разработали онлайн-интерактивный веб-сервер.

Из-за отсутствия модели деконволюции на основе RNA-Seq в некоторых исследованиях ранее использовались модели на основе данных микрочипов для определения состава иммунных клеток на основе данных RNA-Seq (10, 15, 16). Однако оставался открытым вопрос о том, можно ли эти модели напрямую использовать на разных транскриптомных платформах. Поэтому мы провели систематическую оценку влияния платформы данных на производительность, протестировав четыре группы моделей на данных микрочипов и данных RNA-Seq.В целом, как и ожидалось, лучшие характеристики наблюдались в вычислительных моделях на основе Array-Array и RNAseq-RNAseq в большинстве случаев. Также стоит отметить, что как Array-RNAseq, так и RNAseq-Array все еще могут хорошо работать в определенных условиях, что указывает на потенциальную возможность использования модели на платформах микрочипов и RNA-Seq.

До сих пор в вычислительной модели было предложено несколько методов машинного обучения для деконволюции составов иммунных клеток из транскриптомных данных (7).В большинстве предыдущих исследований, включая наш собственный метод (14), использовалась модель линейной регрессии. Однако, в отличие от микрочипов, данные RNA-Seq не имеют непрерывного распределения и обычно имеют тенденцию к большему распределению численности. Кроме того, продукт гена в данных RNA-Seq обычно экспоненциально амплифицируется с помощью ПЦР, что может еще больше изменить распределение прочтений. Следовательно, модель на основе нелинейной регрессии может иметь лучшую производительность в данных RNA-Seq, что требует более обширной работы в будущих исследованиях.

Используя нашу разработанную модель seq-ImmuCC, мы можем легко и надежно изобразить состав основных иммунных клеток в различных тканях или органах с помощью данных транскриптомы мыши. Знание комплексной конституции иммунных клеток в различных тканях предоставит нам важную основу для оценки потенциальных местных иммунных статуй и позволит нам дополнительно охарактеризовать их различия в функциональности с молекулярной точки зрения. Однако следует также отметить, что на количество иммунных клеток в тканях могут влиять многие факторы, включая возраст, пол и другие физиологические условия и условия окружающей среды (22).Различия в составе иммунных клеток среди различных тканей мыши, представленные здесь, могут отражать только часть картины в данных экспериментальных условиях.

Прогнозирование иммунных клеток, проникающих в опухоль, является еще одним важным применением нашей модели. С быстрым развитием иммунотерапия рака становится горячей точкой в фундаментальных иммунологических исследованиях и клинических исследованиях. Клинические испытания уже показали, что иммунный состав опухоли может играть определяющую роль в прогнозе заболевания и выборе лечения (23, 24).Пациенты с высоким уровнем внутриопухолевых Т-клеток CD8 при низком уровне регуляторных Т-клеток, как правило, лучше реагируют на иммунную терапию (25). Извлекая ценную информацию о структуре иммунных клеток с помощью нашей модели, мы можем оказать неоценимую поддержку в иммунологических исследованиях рака с использованием различных моделей опухолей человека на мышах. Тем не менее, мы должны предостеречь, что в настоящее время наша модель не может полностью отразить иммунную конституцию опухоли. Например, гамма-дельта Т-клетки, которые, как теперь известно, являются важными членами иммунной системы в борьбе с опухолями, не были включены в нашу сигнатурную матрицу. Поэтому дальнейшее расширение и уточнение нашей модели путем добавления большего количества типов клеток в матрицу состава станет важной работой в ближайшем будущем.

Заявление об этике

Это исследование было проведено в соответствии с рекомендациями руководства, установленного Ассоциацией по оценке и аккредитации ухода за лабораторными животными. Протокол был одобрен в соответствии с политикой и процедурами по уходу и использованию лабораторных животных в Китайской академии медицинских наук.

Вклад авторов

ZC, FQ и AW задумали и разработали исследование. AH и QZ провели эксперименты. ZC, LQ, FQ и AW проанализировали данные и результаты. LQ построил веб-сервер. XY и QS участвовали в сборе и предварительной обработке данных. YY и JS внесли свой вклад в обсуждение и анализ исследований. ZC, LQ, FQ и AW написали статью. Все авторы одобрили окончательный вариант рукописи.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Вычислительный анализ был выполнен на высокопроизводительной платформе для секвенирования и вычислений в Сучжоуском институте системной медицины. Мы благодарим доктора Ютинг Ма и сотрудников лабораторий Ву и Цинь за полезные обсуждения.

Финансирование

Эта работа была поддержана: 1. Национальный ключевой план научных исследований и разработок Китая (2016YFD0500300). 2. Инициатива CAMS по инновационной медицине (CAMS-I2M, 2016-I2M-1-005). 3. Национальный фонд естественных наук Китая (31470273, 81773058).4. Проект шести талантов в провинции Цзянсу (SWYY-169). 5. Фонд естественных наук провинции Цзянсу (BK20141065).

Дополнительный материал

Дополнительный материал к этой статье можно найти в Интернете по адресу https://www.frontiersin.org/articles/10.3389/fimmu.2018.01286/full#supplementary-material.

Рисунок S1 . Схема построения модели ImmuCC.

Рисунок S2 . PCA 162 выбранных генов в 286 обогатила данные иммунных клеток.

Рисунок S3 . Сравнение моделей обучения и тестирования RNA-Seq с проточной цитометрией для грануло-моноцитарных клеток, Т-клеток CD4, Т-клеток CD8 и В-клеток в костном мозге, лимфатических узлах и селезенке.

Рисунок S4 . Блочная диаграмма экспрессии IgA в 27 тканях мыши.

Рисунок S5 . Тепловая карта для профиля экспрессии генов, специфичных для В-клеток, в печени плода и печени взрослого человека.

Рисунок S6 . Предполагаемые пропорции 10 иммунных клеток в 26 тканях мыши.

Рисунок S7 . Распределение Т-клеток CD4, Т-клеток CD8, макрофагов, моноцитов, нейтрофилов, тучных клеток, эозинофилов, дендритных клеток и пропорций естественных клеток-киллеров в 27 тканях мыши.

Рисунок S8 . Предполагаемые пропорции 10 иммунных клеток в опухолевых тканях 17 мышей.

Рисунок S9 . Распределение Т-клеток CD4, Т-клеток CD8, макрофагов, моноцитов, нейтрофилов, тучных клеток, эозинофилов, дендритных клеток и пропорций естественных клеток-киллеров в 18 опухолевых тканях мыши.

Таблица S1 . Наборы данных о иммунных клетках, собранные из общедоступной базы данных, и предполагаемая иммунная пропорция как в нормальной ткани, так и в опухолевой ткани.

Сноски

Каталожные номера

1. Де Симоне М., Арригони А., Россетти Г., Груарин П., Ранцани В., Политано С. и соавт. Транскрипционный ландшафт лимфоцитов тканей человека раскрывает уникальность инфильтрирующих опухоль Т-регуляторных клеток. Иммунитет (2016) 45:1135–47. doi:10.1016/j.иммун.2016.10.021