Нестандартный урок по ИЗО «Композиция. Основные законы композиции»

Тема: Композиция. Основные законы композиции.

Учитель ИЗО и черчения: Болтовская Наталья Александровна

Цели урока:

Образовательные:

• расширить знания учащихся о приемах, средствах композиции,

• познакомить учащихся с основами композиционного построения.

• формировать умение выполнять тематическую композицию,

Развивающие:

• развитие эстетического вкуса на примере художественных произведений, построенных с учетом композиционных законов.

Воспитательные:

• воспитывать интерес к предмету; внимание, трудолюбие, аккуратность.

 

Тип урока: урок обобщение

Методы: объяснение с демонстрацией, самостоятельная групповая работа, опрос.

Оборудование: Презентация на тему «Композиция».

 

План урока

1. Организационный момент

Приветствие.

Проверка готовности учащихся к уроку.

2. Повторение пройденного материала.

Объявление темы урока.

Повторение материала, закрепление.

3. Практическая работа

4. Завершение урока 

Выставка и анализ работ.

Подведение итогов урока. Рефлексия.

Ход урока

1. Организационный момент.

Приветствие.

Проверка готовности учащихся к уроку.

2. Повторение пройденного материала.

 Объявление темы урока.

Сегодня на уроке мы вспомним, какими композиционными приемами пользуются художники при создании своих произведений.

Повторение материала, закрепление.

На предыдущих уроках мы с вами говорили о законах композиции. Сегодня нам предстоит обобщить наши знания, научиться использовать законы композиции на практике.

Для этого мы с вами отправимся в путешествие в страну «Рисованию». Сделаем остановку в увлекательном городе «Композиция», осмотрим достопримечательности этого города, изучим основные законы и правила жителей этого городка. Жители города Композиция очень любят рисовать и украшать свои дома и предметы быта. Но делают они это, строго соблюдая необходимые правила, поэтому, созданные ими композиции выглядят потрясающе.

Итак, что же это за город «Композиция»?

Композиция (от лат.compositio) означает составление, соединение сочетание различных частей в единое целое в соответствии с какой-либо идеей. В изобразительном искусстве композиция – это построение художественного произведения, обусловленное его содержанием, характером и назначением.

(Слайд №2)

 Работа художника над произведением начинается с замысла. Путь от замысла до его воплощения часто очень долог, иногда он занимает годы и десятилетия. Художник ищет форму, которая лучше всего выражала бы его идею. Делается немало набросков, в которых осуществляется поиск точки зрения, высоты горизонта, размещения предметов, смыслового центра картины. Вот мы с вами и подошли к одной из достопримечательностей нашего городка — Композиционный центр.

  Композиционный центр – главный ведущий элемент композиции, организующий все ее части. Обычно он является и смысловым центром картины, рисунка и выделяется с помощью различных средств:

размером, цветом, освещением, местоположением. (Слайд №3)

Для создания своих произведений художники пользуются специальными художественными приемами, способствующими раскрытию содержания работы. Называются они законами композиции.

 Законы композиции применяются для всех художественных произведений искусства. Если нарушается один из законов — нарушается гармония. В нашем городе существуют три основных закона композиции: закон целостности, равновесия, соподчинения. (Слайд № 4)

Закон целостности: объединение элементов, частей в единое целое. Цельное произведение – это законченное произведение, в нем ни хочется ничего добавить и убрать.

Закон соподчинения: подчинение всех элементов изображения доминанте (главному элементу в композиции).

Закон равновесия: такое состояние композиции, при котором все элементы сбалансированы между собой.

Теперь я предлагаю познакомиться с правилами и приемами нашего города «Композиция».

Правила и приемы композиции (Слайд №5):

Симметрия — равномерное размещение элементов по оси, делящее пространство на равные части.

В симметричной композиции расположение элементов относительно оси должно быть одинаковое. (Слайд №6)

— Симметрично построенная композиция встречается во многих произведениях, назовем наиболее известные: “Тайная вечеря”, “Мадонна в гроте” Леонардо да Винчи, “Сикстинская мадонна” Рафаэль, в русском искусстве – “Богатыри” Виктора Васнецова. (Слайд №7)

Асимметрия — неравномерное размещение элементов при сохранении общего равновесия.

— В асимметричной композиции расположение объектов может быть самым разнообразным в зависимости от сюжета и замысла произведения, левая и правая половины неуравновешенны.

Динамичная композиция — композиция, при которой создается впечатление движения и внутренней динамики.(Слайд №8)

Ощущение движения /динамику/ можно усилить резкой сменой направления форм, линий, пятен – от горизонтальных, вертикальных к диагональным и даже спиральным. (Слайд №9)

Динамика встречается в произведениях изобразительного искусства в пейзаже, анималистическом жанре. (Слайд №10)

Статичная композиция(статика в композиции) — создает впечатление неподвижности, покоя.

— Статику можно встретить в произведениях искусства в таких как пейзаж, портрет, натюрморт. (Слайд № 11)

— Как правило, статика и динамика неразрывно взаимосвязаны, дополняют, или усиливают друг друга, в результате работа в целом выигрывает.

Ритм — это чередование каких-либо элементов в определенной последовательности. (Слайд №12)

Ритм окружает нас повсюду: в природе это – смена временен года, смена дня и ночи. Так и в композиции всегда существует определенный ритм. Он может быть упорядоченным и хаотичным, но всегда присутствует в композиции. (Слайд №13)

Контраст (фр. ) — противопоставление в композиции (по цвету, фактуре, по форме, по размеру и т. д). (Слайд №14)

Противопоставление маленького большому, темного – светлому, теплого – холодному, и т.д. и т.п..
      Контраст – очень выразительное средство композиции. Контрастные фигуры обычно усиливают друг друга. Прием контраста довольно часто используется в композиции. (Слайд № 15)

Самый простой пример контраста – это черный и белый цвет.

Мы с вами вспомнили основные правила и законы города «Композиция».

Дальше вам, ребята, предстоит создать свою декоративную композицию.

Последовательность создания декоративной композиции(Слайд №16):

1 этап

Замысел

Поиски композиционного решения

Цветовое решение

2 этап

Разработка элементов. 

3 этап

Выполнение основной работы. 

Если мы внимательно посмотрим на произведение искусства, то можем увидеть, что наиболее важные по сюжету элементы изображения размещаются не хаотично, а образуют простые геометрические фигуры: прямоугольник, треугольник, круг, овал и т.д.

Мы начнем изучение закономерностей композиции с расположения простейших элементов на плоскости.

Физминутка (Слайд № 17)

На сегодняшнем уроке мы попробуем создать декоративные композиции из цветной бумаги, соблюдая законы и приемы, изученные на уроке. Работать вы будете небольшими группами. Нам нужно создать 5 команд. Каждой команде я выдам конверт с заданием. Вы должны за определенное время выполнить композицию. Заранее определите, кто из вашей группы будет работать устно – это будут капитаны команд, а кто практически. По окончанию урока, вы презентуете свои работы с кратким описанием приемов композиции.

3. Практическая работа(Слайд № 18)

Создание декоративной композиции из цветной бумаги.

1. 1. Ритм

   2. Симметрия

   3. Асимметрия

   4. Динамика

   5. Статика

Приступайте к практической работе. Капитаны команд, внимание на доску!

Езли вы знаете ответ, поднимайте руку – после ответа получаете определенное количество баллов.

1. Назовите основные приемы композиции, которые использует художник для достижения образной выразительности, коротко их охарактеризуйте. (Слайд №19)

2. Найдите среди представленных репродукций картин ту, в которой наиболее ярко используется контраст, расскажите о возможностях этого средства. (Слайд №20)

3. Найдите среди представленных репродукций картин ту, в которой наиболее ярко используется ритм, расскажите о возможностях этого средства. (Слайд № 21)

4. Найдите среди представленных репродукций картин ту, в которой наиболее ярко используется динамика, расскажите о возможностях этого средства. (Слайд №22)

5. Найдите среди представленных репродукций картин ту, в которой наиболее ярко используется статика, расскажите о возможностях этого средства. (Слайд № 23)

6. Найдите среди представленных репродукций картин ту, в которой наиболее ярко используется симметрия, расскажите о возможностях этого средства. (Слайд № 24)

7. Найдите среди представленных репродукций картин ту, в которой наиболее ярко используется асимметрия, расскажите о возможностях этого средства. (Слайд №25)

8. Внимательно рассмотрите репродукции картин Рафаэля «Обручение Марии», К. Петрова-Водкина «Купание красного коня», К. Коровина «Зимой», Н. Ге «Тайная вечеря» и назовите, с помощью каких средств художники выделяют сюжетно-композиционный центр. (Слайд № 26)

4. Завершение урока 

Выставка и анализ работ.

Подведение итогов урока. Рефлексия.

С какими основными понятиями мы сегодня познакомились?

Кому  сегодня понравился наш урок. А чем именно? Что нового вы узнали на нашем уроке? Кто доволен своей работой?

Закончите фразы: (Слайд №27)

у меня получилось …

 я смог…

 меня удивило…

 мне захотелось…

Разработка урока по ИЗО на тему: «Композиция»

Кийминская школа – сад им. К. Ускенбаева

открытый урок по ИЗО в 6 классе

Подготовила и провела: Петрушенко А.А

2014-2015 учебный год

19.01.15

Поурочный план урока по изобразительному искусству

Уроки изобразительного искусства – это, прежде всего уроки творчества, помогающие детям развивать воображение, мелкую моторику рук, глазомер, цветовое восприятие окружающего мира. Рисование для ребёнка своеобразная реализация своего видения мира. По готовой работе учителю нетрудно определить душевное состояние ученика. Но так как в учебном плане этот предмет занимает всего 1 час, то необходимо использовать все возможности, чтобы урок превратился в сказку, в путешествие, дать эмоциональный толчок к самовыражению через рисунок.

Тема урока: Композиция

Вид занятия: Рисование по представлению по памяти.

6класс

Метод: Интегрированный урок с применением интерактивных форм обучения.

Место проведения: Учебный класс.

Время: 45 минут.

Оборудование: компьютер, интерактивная доска.

Цель: дать понятие термина «композиция»; познакомить учащихся с правилами компоновки рисунка на листе; учить размещать рисунок на листе так, чтобы он выглядел выразительно, правильно выбирать формат листа; развивать пространственные представления; воспитывать интерес к предмету.

Обучающая ознакомить с новыми возможностями художественных техник, рисование по представлению.

Развивающая развивать у учеников художественную речь, способствовать развитию самостоятельности, развитие фантастических способностей и умение работать в проблемной ситуации, развитие зрительной памяти,.

Воспитательная, воспитывать интерес к изобразительному искусству, дисциплинированность, ответственное отношение к учебному труду.

План урока:

• Организационный момент

• Изучение нового материала

• Практическая работа

• Домашнее задание

ХОД УРОКА

1. Организационный момент.

Добрый день. Я рада всех вас приветствовать на этом уроке. Сегодня урок немного необычный, у нас присутствуют гости, поэтому, чтобы потом не возникло недоразумений, проверьте в начале урока, всё ли у вас есть на парте.

2. Сообщение темы урока

Учитель. На каждом уроке изобразительного искусства мы с вами знакомимся с каким-либо правилом рисования.

Одни из них мы используем при работе карандашом, другие – с акварельными красками. Но сегодня мы познакомимся с некоторыми правилами, которые применяются при выполнении работ почти всех видов, знание которых абсолютно необходимо для выполнения грамотного рисунка.

3.Постановка проблемы.

Учитель. Представьте себе такую картину. У вас два метра ткани, и вам нужно вырезать носовой платок. Как вы это сделаете? В эксперименте заменим ткань полоской бумаги.

Вырежьте из нее квадрат, а затем мы обсудим результат эксперимента.

(Вероятней всего, ученик вырежет квадрат или в центре листа, или ближе к краю, но посередине и т. д. В результате обсуждения выясняем, что в таком случае пропадет весь кусок ткани, так как из него уже большой вещи не сошьешь.)

Вот так может быть и в рисунке. Посмотрите на таблицу «Компоновка на листе».

Что вы можете сказать о рисунке г)?

Ученик. Рисунок очень маленький, а нарисован на большом листе. В результате большая часть листа пустая. А рисунок б), наоборот, очень большой для листа такого размера. Наиболее правильно расположен рисунок в).

4.Сообщение теоретических сведений.

1. Определение термина «к о м п о з и ц и я».

Учитель. Вы убедились, насколько важно уметь правильно размещать на листе бумаги изображаемые предметы. Теперь определим понятие «композиция».

Термин «композиция» (от лат. compositio) обозначает сочинение, составление, сопоставление, соединение частей рисунка в единое целое в определенном порядке.

Поскольку слово «композиция» обозначает процесс сочинения, то применительно к изобразительному искусству это есть процесс сочинения художественного произведения, составление его частей.

Если художник просто механически перенесет на холст или бумагу увиденное явление или событие, то, вероятней всего, картина в этом случае будет невыразительна. Недаром живописцами делается немало набросков, зарисовок, прежде чем они начнут работу над произведением.

Вот, например, как великий русский художник, непревзойденный мастер композиции В. И. Суриков работал над историческим полотном «Боярыня Морозова». Очень долгое время ему не удавалось передать движение саней.

Для того чтобы решить эту проблему, ему требовалось определить нужный формат, и он неоднократно прибавлял, пришивал холст. «Не идет у меня лошадь, да и только, – писал об этом Суриков. – Наконец, прибавил последний кусок – и лошадь пошла…

5.Актуализация знаний учащихся.

Учитель. Зная правила работы над рисунком, нарисуем сегодня…

Шевелились у цветка

Все четыре лепестка.

Я сорвать его хотел,

Он вспорхнул и улетел.

Кто это? Ну, конечно, бабочка. Вот ее-то мы и нарисуем.

Сначала мы определим форму предмета. Как видите, бабочка имеет сложную форму, но ее можно вписать в прямоугольник.

Разместим этот прямоугольник на листе бумаги в соответствии с правилами компоновки и проведем осевую линию. Проверим композицию.

После этого начинаем детально прорисовывать бабочку.

И, только проработав форму, мы можем приступить к работе красками.

6.Практическая работа.

Задание: выполнить рисунок, изображающий бабочку (карандаш, акварель, гуашь).

7.Ф и з к у л ь т м и н у т к а(видео)

8.Итог урока.

1. Выставка работ учащихся.

2. Беседа с учащимися по вопросам:

– Что нового вы узнали на уроке?

– Что означает слово композиция?

– Зачем нужно знать правила построения композиции?

– Оцените свою работу. Правильно ли у вас скомпонован рисунок?

3. Выставление оценок.

9.Сейчас все откроем дневники и запишем домашнее задание

Домашнее задание: оформить в тетради раздел «Композиция»

Урок 8. композиция объектов в архитектурном макете — Изобразительное искусство — 7 класс

На основе изученного материала, попробуйте создать объемный макет, используя простые стереометрические фигуры, сохранив композиционную целостность пространства.
Макет можно создавать как своими руками из простых материалов (бумага, картон), так и с помощью ИКТ.

Когда при создании макета мы размещаем на плоскости объёмные фигуры, это уже можно назвать организацией пространства. Но пока эти фигуры выглядят хаотично расположенными. А чтобы композиция получилось более целостной, необходимо добавить в неё связующие элементы.
Например, объёмные элементы этой композиции выглядят разрозненными. Но стоит добавить в неё очертания парковых зон и живых изгородей, как композиция становится целостной. Обратите внимание, что наши линии, которыми мы соединили объемы, обозначали как вертикальные поверхности, так и горизонтальные.
Горизонтальные поверхности в объёмном макетировании чаще всего используются для обозначения полок, ступеней, выступов в архитектурном облике здания. Прямолинейные поверхности используются для обозначения лестниц, дорог или мостов. А свободные линии могут обозначать террасы, балконы и дорожные развязки. При этом используются и вертикальные поверхности – для увеличения высоты уровня горизонтальных плоскостей.
Вспомним, какие характеристики композиции были изучены нами ранее для плоскостных макетов. Композиция может быть симметричной и асимметричной, ориентированной на центр или разомкнутой, статичной или глубинной, сгущенной или разреженной. Эти же правила справедливы и для композиционной организации пространства в объёмных макетах.
Ритмичность, разница высот, наличие доминанты и второстепенных элементов в объёмном макете создают образную выразительность композиции. Чтобы правильно оценить её, при создании макета необходимо рассматривать его не только сверху или сбоку, но и представляя себя человеком внутри этой композиции. Это поможет также понять, не допущены ли ошибки в балансе масс и пропорциях объектов.
Использование горизонтальных полос и различных уровней внутри одной композиции придаст ей более «живой» вид и даст пищу для работы нашей фантазии и воображения, которые лежат в основе конструкторской деятельности человека.

ЭПОХА ВОЗРОЖДЕНИЯ. Период высокого Ренессанса. — ИЗОБРАЗИТЕЛЬНОЕ ИСКУССТВО — РЕФЕРАТЫ — РЕФЕРАТЫ

 

 

  Период эпохи Возрождения внес вклад огромой важности в мировую художественную культуру. Это был период войн и экономического ослабления, но не смотря на это творческое созидание было неутомимой потребностью людей того времени. Художественная жизнь переживала подъем в рисунке, гравюре, скульптуре и во всех других ее проявлениях.

  Период Высокого Ренессанса представляет собой апогей эпохи Возрождения. Это был небольшой период, продожавшийся около 30 лет, но в количественном и качественном уровне, этот отрезок времени подобен векам. Искусство Высокого Возрождения является суммированием достижений 15 века, но в то же время это новый качественный скачок как в теории искусства, так и в его воплощении. Необычайную «уплотненность» этого периода можно объяснить тем, что количество одновременно (в один исторический период) работающих гениальных художников является неким рекордом даже для всей истории искусства. Достаточно назвать такие имена как Леонардо да Винчи, Рафаэль и Микеланджело. Именно о последнем пойдет сегодняшнее повествование.

 

ВВЕДЕНИЕ

 

  О многих мастерах можно сказать, что их творчество составило эпоху. Эти ставшие уже давно обычными слова, будучи высказаны по адресу Микеланджело, обретают действительную полноту своего значения. Помимо того что творческий путь Микеланджело отличался необычайной хронологической протяженностью, важно то, он целиком охватывает два важнейших этапа развитии итальянского Возрождения: период Высокого Ренессанса и период Позднего Ренессанса.

  Деятельность Микеланджело оказалась равно грандиозной по масштабам и плодотворной по результатам во трех основных видах пластических искусств — в скульптуре, живописи и архитектуре. На протяжении всего своего творечского пути Микеланджело оставался ярким реформатором и основоположником авангардизма искусства Ренессанса. Все это создает особый след в мировой художественной культуре,выделяя Микеланджело даже среди многих других великих мастеров, которыми была столь богата Италия в эпоху наивысшего расцвета своего искусства.

Это особое положение Микеланджело в искусстве его времени с необычайной  ощутимостью постигается в тех двух главных центрах Италии, которые были ареной его деятельности,— во Флоренции и в Риме. В каждом из этих городов, в которых огромное число великолепных памятников сложилось в своего рода целостный художественный организм, главные создания Микеланджело рождают ощущение непререкаемой доминанты.

  Микеланджело, в свете своей трагической судьбы, похож на своих героев и недаром его жизнь привлекала внимание писателей и поэтов. Он не был хрестоматийным идеалом. Выступая в своем искусстве как создатель образов монолитной цельности, как человек он может показаться преисполненным слабостей и противоречий. Поступки, отмеченные незаурядной смелостью, сменяются приступами слабодушия. Высочайшие творческие взлеты чередуются с периодами неуверенности и сомнении, с бесчисленными перерывами в работе над произведениями гораздо более скромных масштабов. Неисчерпаемые силы, беспримерная творческая энергия — и такое количество незавершенных работ.

  Этические и гражданственные идеалы не были для Микеланджело чем-то внешним и преходящим — это словно часть его души. Представая воплощением учения итальянских гуманистов о совершенном человеке, в котором сочетаются телесная красота и сила духа, образы Микеланджело более, чем произведения какого-либо другого художника, несут в себе наглядное выражение такого важного качества этого идеала, как понятие virtu. Это

понятие выступает как олицетворение действенного начала в человеке, целенаправленности его воли, способности к осуществлению своих высоких помыслов вопреки всем преградам. Именно поэтому Микеланджело,  в отличие от других мастеров, изображает своих героев в решающий момент их жизни.

Равно одаренный во всех областях пластических искусств, Микеланджело был все же в первую очередь скульптором, как он сам многократно подчеркивал это. Помимо того что скульптура, как ни один другой вид изобразительного искусства, открывает благоприятные возможности в создании монументально-героических образов, она требует особенно высокой степени художественного обобщения, в силу чего творчески волевое начало находит в ней чрезвычайно яркое выражение.

 

ПЕРВЫЙ ПЕРИОД: ЮНОШЕСКИЕ ГОДЫ

 

Обратимся к из этапов, охватывающему юношеские годы Микеланджело,— от начала 1490-х годов до первой поездки в Рим в 1496 году.

 

Первые годы становления матсера прошли для него в довольно благоприятных условиях. После того как тринадцатилетним мальчиком Микеланджело вступил на путь художника и был отдан в обучение к Гирландайо, он уже через год  перешел в художественную школу в садах Медичи при флорентийском монастыре Сан Марко. «Академия» в садах Медичи была школой более высокого уровня. Не связанная с выполнением официальных и частных заказов, она была лишена специфической цеховой обстановки. Дух ремесленной мастерской уступал здесь место более свободной и артистической атмосфере. Руководство мастерской со стороны опытного скульптора Бертольдо ди Джованни обеспечивало ученикам не только приобретение глубоких профессиональных знаний, но и восприятие лучших традиций флорентийской пластики 15 столетия. Наконец, чрезвычайно много значило для школы внимание со стороны Лоренцо Медичи и группировавшихся вокруг него деятелей флорентийской культуры.

 

Уже в пятнадцатилетнем возрасте Микеланджело, очевидно, настолько выделялся своим дарованием, что Лоренцо взял его под свое особое покровительство. Поселив его у себя во дворце, он приобщил его к своему  окружению, среди которого выделялись глава школы неоплатоников философ Марсилио Фичино и поэт Анджело Полициано.

 

Оба первых дошедших до нас скульптурных произведения Микеланджело — рельефы. Быть может, это результат воздействия Бертольдо, сильнее чувствовавшего себя в рельефе, нежели в круглой статуе, и одновременно дань традиции: для 15 века рельеф был одним из самых важных разделов скульптуры. Об одном из этих рельефов — о «Битве кентавров» — можно с уверенностью сказать, что это пример самой «чистой» скульптуры, которую только знает столь богатое памятниками пластики 15 столетие. Сюжет для этой работы был предложен скульптору поэтом Анджело Полициано; в качестве первоисточников его в пластическом искусстве исследователи называют «Битву» Бертольдо во флорентийском Национальном музее и рельефные композиции античных саркофагов. Микеланджеловская «Битва кентавров», по существу, открыла собой новую эпоху в ренессансном искусстве, а для истории скульптуры она была предвестником подлинной, революции. Особое значение «Битвы кентавров» состоит также в том, что этот рельеф уже содержит в себе своеобразную программу будущего творчества Микеланджело. В нем не только нашла свое выражение ведущая тема его искусства — тема борьбы и героического подвига,— здесь уже в немалой степени определился тип и облик его героев, вызваны к жизни новые средства скульптурного языка.

 

Что касается первой по времени из этих двух работ — «Мадонны у лестницы» (Флоренция, Каза Буонарроти), то Микеланджело близок в ней к скульптурам 15 века разве только в самой технике низкого, чрезвычайно тонко нюансированного рельефа, требующего от мастера виртуозного владения пространственными планами в пределах очень незначительного возвышения пластических масс над плоскостью фона.

 

Значение двух первых работ Микеланджело должно быть оценено также в качестве важной вехи в эволюции ренессансного искусства в целом, в частности, в формировании принципов искусства Высокого Возрождения.

 

Микеланджело не успел завершить свою работу над «Битвой кентавров», как смерть Лоренцо Медичи положила начало решительным изменениям не только в судьбе молодого мастера, отныне оказавшегося предоставленным самому.

 

Четыре года, отделяющих уход Микеланджело из садов Медичи от его первой поездки в Рим, были периодом его дальнейшего духовного роста. Но развитие его дарования не было таким стремительным, как можно было бы ожидать после первых опытов Микеланджело в скульптуре. К сожалению, сведения о работах этих лет неполны, так так большая их часть, притом наиболее интересных, не сохранилась. В их числе статуя Геркулеса, уже в 16 веке попавшая во Францию и установленная перед замком Фонтенбло.

Исчезли и «Джованнино» (статуя юного Иоанна Крестителя) и «Спящий амур», приобретение которого римским кардиналом Риарио явилось поводом для отъезда Микеланджело в 1496 году в Рим.

 

ВТОРОЙ ПЕРИОД: ОТ РИМСКОГО «ОПЛАКИВАНИЯ» ДО «МАТФЕЯ»

 

Начавшийся в 1496 году первый римский период открывает собой новый этап в творчестве Микеланджело.

 

Быть может, ни для кого Рим не значил так много, как для Микеланджело, масштабность творческого воображения которого нашла в величественных памятниках Вечного города вдохновляющий пример. Увлечение Микеланджело античной скульптурой было настолько велико, что на первых порах оно заслонило в его работах присущий ему ярко выраженный личный отпечаток. Пример тому — созданная в 1496—1497 годах статуя Вакха (Флоренция, Национальный музей).

  Подлинный Микеланджело начинается в Риме с его первого капитального произведения, прославившего имя мастера по всей Италии,— с «Оплакивания Христа» («Пьета») в соборе св. Петра. Группа эта создана в 1497—1501 годах; некоторые исследователи связывают тему и идею этой работы с трагической смертью Савонаролы, произведшей на Микеланджело глубокое впечатление.

  В принципиальном плане микеланджеловское «Оплакивание» в соборе св. Петра, будучи одним из характерных произведений первой, «классической» фазы Высокого Возрождения, занимает в ренессансной скульптуре примерно такое же место, какое в живописи заняла завершенная еще между 1490 и 1494 годами леонардовская «Мадонна в гроте». Обе эти работы сходны уже по своему назначению: и картина Леонардо и группа Микеланджело — это композиции, предназначенные для украшения алтаря церкви или капеллы. Как всегда, обращают на себя внимание типичные для Микеланджело отклонения от традиционного истолкования темы, смелые нарушения иконографических канонов. Необычный для итальянской ренессансной скульптуры мотив — изображение богоматери с телом мертвого Христа на коленях — восходит к образцам североевропейской пластики 14 века.

  Микеланджеловская «Пьета» — это первое в скульптуре развернуто—программное произведение Высокого Ренессанса, представляющее собой действительно новое слово и в содержании своих образов, и в их пластическом воплощении. Здесь чувствуется связь с образами Леонардо, но все-же Микеланджело пошел своим путем. В противовес спокойствию замкнутых и идеальных образов Леонардо, Микеланджело уже по природе своего драматического дарования тяготел к яркому выражению чувств.

Правда, пример гармонического равновесия леонардовских образов был, очевидно, настолько неотразим, что в римской «Пьета» Микеланджело дал необычайно сдержанное для себя решение. Однако это не помешало ему сделать здесь важный шаг вперед. В отличие от Леонардо, в обликах персонажей которого видны черты некоего общего идеального типа, Микеланджело вносит в свои образы оттенок конкретной индивидуализации, поэтому герои его при всей идеальной высоте и масштабности их образов приобретают особый отпечаток своеобразной, почти личной характерности.

  «Пьета» принадлежит к наиболее законченным работам Микеланджело — она не только завершена во всех своих мельчайших деталях, но и вся до блеска отполирована. Но это был традиционный прием, от которого Микеланджело в данном случае еще не решился отойти.

  Римская «Пьета» сделала Микеланджело первым скульптором Италии. Она не только принесла ему славу — она помогла ему по-настоящему оценить свои творческие силы, рост которых был настолько быстрым, что произведение это очень скоро оказалось для него пройденным этапом, для этого нужен был лишь повод.

  Такой повод нашелся, когда в 1501 году, по возвращении Микеланджело из Рима во Флоренцию, официальные представители цеховых кругов обратились к нему с запросом относительно возможности использовать огромную глыбу мрамора, в свое время неудачно начатую скульптором Агостино ди Дуччо. Как ни изуродован был этот мраморный блок, Микеланджело сразу увидел в нем своего «Давида». Несмотря на необычные размеры статуи (около пяти с половиной метров) и на очень большие композиционные трудности, связанные с необходимостью вписать фигуру в крайне неудобные габариты мраморной глыбы, работа шла без задержек, и через два с небольшим года, в 1504 году, была завершена.

  Сама мысль Микеланджело воплотить в колоссальной статуе именно образ Давида, который по общепринятой традиции (как об этом свидетельствовали известные работы Донателло и Верроккьо) изображался в облике хрупкого мальчика, воспринимается в данном случае уже не просто как нарушение некоторых канонических правил, а как обретение мастером полной творческой свободы в истолковании освященных многовековыми традициями  мотивов.

  Микеланджело уже в начальной фазе Высокого Возрождения в своем «Давиде» дает пример слияния в неразрывное целое облика идеальной красоты и человеческого характера, в котором главное — необыкновенно яркое воплощение отваги и концентрированной воли. В статуе выражена не только готовность к жестокой и опасной борьбе, но и непоколебимая уверенность в победе.

  То место, которое микеланджеловский «Давид» занял в скульптуре, в живописи должна была занять его «Битва при Кашине», над которой он работал в 1504—1506 годах. Сам масштаб этой фресковой композиции в предрасполагал, в случае реализации этого замысла, к созданию выдающегося образа монументальной стенописи. К сожалению, Микеланджело, как и его соперник Леонардо, работавший в то время над «Битвой при Ангиари», не пошел дальше картона.

  О том, как выглядел сам картон, свидетельствует Вазари, отмечающий, что фигуры в нем были исполнены «различными манерами: одна очерченная углем, другая нарисованная штрихами, а иная оттушеванная и высветленная белилами — так хотелось ему [Микеланджело] показать все, что он умел в этом искусстве».

  В 1505 году Микеланджело был призван Юлием II в Рим, где он создал проект папской гробницы. После того как папа охладел к этому замыслу, Микеланджело, не снеся оскорбительного обращения, в апреле 1506 года самовольно покинул Рим и вернулся во Флоренцию, где находился до начала ноября этого года. Микеланджело приступил к выполнению очень крупного заказа, полученного им здесь еще в 1503 году, когда он взял на себя обязательство исполнить двенадцать больших статуй апостолов для Флорентийского собора. Но позже, не успев закончить работу над первой из статуй — «Матфеем», Микеланджело вынужден был пойти на примирение с папой. Далее последовали работа в Болонье над бронзовой статуей Юлия II, а затем отъезд в Рим, вследствие чего работа над статуями апостолов для Флорентийского собора уже не возобновлялась.

  «Матфей» обращает на себя внимание уже своим масштабом. Высотой (2,62 м) он значительно превышает величину натуры — этот обычный эталон ренессансных скульптур. Такой масштаб в соединении со свойственной Микеланджело крупной пластикой форм придает «Матфею» очень большую монументальную выразительность. Но главное в нем — новое понимание образа и связанные с этим черты нового пластического языка, что и позволяет считать эту скульптуру огромным шагом вперед сравнительно с римской «Пьета» и «Давидом».

  Говоря от «Матфее», который не был и наполовину закончен, можно сказать, что он захватывает зрителя каким-то новым яростным драматизмом. Если в «Давиде» драматический накал образа был оправдан сюжетно —  мобилизация всех сил героя для смертельной схватки, то в «Матфее» это идея внутреннего трагического конфликта. Впервые в ренессансном искусстве мастер изображает героя, душевные импульсы которого выходят из-под власти человеческой воли.

 

ТРЕТИЙ ПЕРИОД: СИКСТИНСКИЙ ПЛАФОН

 

  Задача, которую Микеланджело предстояло решить в росписи сикстинского потолка, была очень трудна. Во-первых, это была плафонная роспись, а здесь опыт ренессансных мастеров был меньшим, чем в обычной стенописи.  Потолок Сикстинской капеллы вместе с прилегающими к нему люнетами составляет около шестисот квадратных метров! Уже одна выработка общего композиционного замысла росписи представляла собой сложнейшую проблему.

Здесь простая разреженная композиция с немногими обособленными фигурами (как это было принято ранее) сменилась сложнейшей по своему построению росписью, состоящей из многих эпизодов и индивидуальных образов, включающей огромное количество фигур. Микеланджело решил поставленную перед ним проблему во всеоружии своего владения основами всех пластических искусств. В этой первой его крупной живописной работе, по существу, впервые раскрылось и его дарование архитектора. Поскольку отказ от первого варианта росписи означал также отказ от подчинения архитектурным формам Сикстинской капеллы — вытянутого в длину помещения со сводчатым потолком невыгодных для росписи пропорций, постольку Микеланджело пришлось средствами живописи создать для своей росписи собственную архитектурную основу, на которую возложена главная организующая функция. Эта архитектура расчленяет роспись на отдельные составные части, каждая из которых обладает самостоятельной законченностью, а во взаимодействии с другими частями образует редкое по ясной структуре и логике целое. Микеланджело применял как средства планиметрического расчленения росписи, так и средства пластической выразительности, в частности, различная степень рельефности или глубинности того или иного изображения.

  В росписи сикстинского плафона мы обнаруживаем яркое проявление свойственного Микеланджело «этического максимализма». Исполненный высокого гуманистического пафоса мастер менее всего склонен идти на какие-либо даже внешние компромиссы с официальной церковностью.

  В тесной взаимосвязи с эволюцией идейно-содержательных принципов росписи шла и эволюция ее изобразительного языка. Известно, что композиционный строй главных сцен — «историй» — был найден художником не сразу, а в самом процессе работы. Закончив три первые по времени исполнения сцены — «Опьянение Ноя», «Потоп» и «Жертвоприношение Ноя», — Микеланджело разобрал леса, что позволило ему проверить условия восприятия фресок зрителем. Он убедился при этом, что выбрал для фигур недостаточно крупный масштаб, а в «Потопе» и в «Жертвоприношении Ноя» перенасытил композиции фигурами, — при большой высоте свода это ухудшало их обзор. В последующих эпизодах он избежал подобного недостатка, укрупнив фигуры и уменьшив их число, а также ввея важные изменения в стилистические приемы росписи.

 Сикстинский плафон стал всеобъемлющим воплощением Высокого Возрождения — его гармонического начала и его конфликтов, идеальных человеческих типов и сливающихся с этой идеальной основой ярких характеров. В последующих произведениях Микеланджело придется наблюдать процесс неуклонного нарастания противоречий времени, осознания неосуществимости ренессансных идеалов, а в дальнейшем — их трагическое крушение.

 

ЧЕТВЕРТЫЙ ПЕРИОД: ГРОБНИЦА ЮЛИЯ II

  То место, которое в живописи Микеланджело заняла роспись потолка Сикстинской капеллы, в его скульптуре могла занять гробница Юлия II. Однако целый ряд различных обстоятельств явился причиной того, что этот памятник не был осуществлен в своем первоначальном замысле. Многие десятилетия работы над надгробием привели к созданию нескольких, по существу своему разнородных скульптурных циклов, которые представляют во многом уже самостоятельную ценность.

  Первоначальный замысел, относящийся к 1505 году, отличался таким чрезмерным количеством скульптурных работ, что вряд ли мог быть осуществим. Микеланджело задумал ее как двухярусный мавзолей, украшенный статуями и рельефами, причем все работы он намеревался выполнить собственноручно. Однако в последующем им было решено сократить количество скульптур и уменьшить размеры гробницы, что было вынужденной мерой.

  В 1513 году, завершив роспись Сискстинского плафона, Микеланджело приступил к работе над скльптурами второго варианта гробницы — к статуям «Пленников». Эти произведения вместе с относящимся к 1515-1516 годам «Моисеем» обозначают новый важный этап в творчестве Микеланджело.

Усовершенствованный анализ моделей питания с использованием моделей разреженных скрытых факторов у молодых взрослых

J Nutr. 2018 декабрь; 148 (12): 1984–1992 гг.

jaehyun joo

¹

¹

¹

¹ Sinead a NiLowers

Sinead A Williamson

² Статистика и наука о данных, Университет Техаса в Остине, Остин, TX

ANA I VAZQUEZ

³ Отдел Эпидемиология и биостатистика, Мичиганский государственный университет, Ист-Лансинг, Мичиган

Хосе Р.

Фернандес

⁴ Факультет наук о питании, Алабамский университет в Бирмингеме, Бирмингем, Алабама

Молли С. Брей

¹

¹ Факультет диетологии

² Статистика и наука о данных Техасского университета в Остине, Остин, Техас ⁴ Департамент наук о питании, Алабамский университет в Бирмингеме, Бирмингем, AL

Поступила в редакцию 4 января 2018 г.; Пересмотрено 3 апреля 2018 г.; Принято 30 июля 2018 г.

Авторские права © Американское общество питания, 2018 г. Эта статья цитировалась в других статьях PMC.

РЕФЕРАТ

Предыстория

Анализ основных компонентов (АПК) на сегодняшний день является наиболее широко используемым методом для определения моделей питания. Тем не менее, PCA требует произвольных специальных решений для выбора пищевых переменных при интерпретации моделей питания и не может легко учитывать ковариаты. Для решения этих проблем можно использовать модели разреженных скрытых факторов.

Цель

Целью данного исследования было сравнение байесовских моделей разреженного латентного фактора с PCA для выявления моделей питания среди молодых людей.

Методы

Привычное потребление пищи было оценено у 2730 молодых людей, ведущих малоподвижный образ жизни, в рамках исследования тренировочных вмешательств и генетики реакции на физическую нагрузку (TIGER) [возраст 18–35 лет; индекс массы тела (ИМТ; в кг/м ² ): 26,5 ± 6,1], которые тренировались менее 30 минут в неделю в течение предыдущих 30 дней без ограничения потребления калорий до включения в исследование. Для определения частоты потребления 102 продуктов питания использовался опросник по частоте приема пищи. Моделирование разреженного латентного фактора было применено к стандартизированному потреблению пищи для получения моделей питания, включая дополнительные ковариаты (пол, раса/этническая принадлежность и ИМТ).Выявленные модели питания с помощью моделирования с разреженным латентным фактором сравнивали с моделями питания, полученными с помощью PCA.

Результаты

Семь режимов питания были выявлены как при анализе РСА, так и при анализе редких латентных факторов. В отличие от PCA, анализ разреженных латентных факторов позволил совместно учитывать ковариатную информацию при оценке моделей питания в модели и предложил вероятностные критерии для определения продуктов, соответствующих каждому режиму питания. Образцы, полученные с помощью обоих методов, в целом описывали обычное пищевое поведение.Схемы питания 1–4 имели схожие наборы продуктов с использованием обоих статистических подходов, но PCA имел меньшие наборы продуктов с большим количеством элементов перекрестной нагрузки между двумя факторами. В целом, анализ разреженных латентных факторов позволил получить более интерпретируемые модели питания с меньшим количеством продуктов, исключенных из всех моделей.

Заключение

Модели с разреженными латентными факторами могут быть полезны в будущих исследованиях моделей питания за счет уменьшения внутренней произвольности, связанной с выбором пищевых переменных при интерпретации моделей питания и включения ковариат в оценку моделей питания.

Ключевые слова: режимы питания, модели с разреженными латентными факторами, анализ основных компонентов, молодые люди, эпидемиология питания, байесовское моделирование общей диеты, при которой продукты потребляются в комбинации (1). В предыдущих исследованиях модели питания были выведены теоретически на основе качественных оценок [e.g., Индекс здорового питания (2)] или эмпирически с использованием статистических методов для извлечения информации о моделях питания в данных (3). Анализ основных компонентов (АГК) является наиболее часто используемым методом эмпирического определения моделей питания (4, 5). При анализе моделей питания PCA предполагает, что каждое диетическое наблюдение характеризуется небольшим количеством скрытых факторов (т. е. моделей питания). Предполагается, что каждый фактор представляет собой многогранную картину потребления пищи и имеет естественную интерпретацию как ненаблюдаемую характеристику питания.

Несмотря на свою популярность в исследованиях рациона питания, PCA имеет некоторые недостатки. Во-первых, часто бывает трудно интерпретировать полученные модели питания, потому что они, как правило, представляют собой линейные комбинации всех пищевых переменных в наблюдаемых данных (4). Обычной практикой является игнорирование продуктов, которые слабо связаны с данным паттерном, чтобы упростить интерпретацию. Однако установление соответствующего порога включения часто основано на интуиции, а не на четко определенных критериях (6, 7).

Другим недостатком является то, что трудно расширить область применения PCA, включив в нее ковариаты, которые могут исказить измерения потребления пищи. На практике PCA обычно характеризует модели питания исключительно на основе зарегистрированного потребления пищи и не учитывает дополнительные ковариаты, влияющие на диетические привычки людей, такие как возраст, пол и социокультурные факторы или другие типы биологических данных. Отсутствие включения этих ковариат может привести к неправильной идентификации структур латентных паттернов, потому что PCA пытается найти паттерны питания, которые максимально объясняют общую изменчивость данных о питании, игнорируя любые тенденции, основанные на ковариатах, которые могут способствовать этой вариации. Чтобы разобраться с непищевыми факторами, связанными с потреблением пищи, в некоторых исследованиях был проведен стратифицированный анализ по полу (8–15) и реже по этнической принадлежности (16–18) или возрасту (13, 19), а затем был проведен поиск моделей питания. Эта стратегия может быть неприемлемой, когда интерес представляют глобальные закономерности в смешанной популяции (20), и она, как правило, ограничивается учетом нескольких категориальных ковариат с небольшим количеством уровней в каждой категории. Даже если основной интерес представляют местные модели субпопуляции, могут существовать нежелательные источники вариаций, которые необходимо учитывать при оценке моделей питания.Однако одновременное моделирование различных источников изменчивости с использованием как ковариатов, так и скрытых паттернов не является обычной практикой при анализе паттернов питания.

Разреженные модели латентных факторов (21–23) могут быть использованы для устранения этих методологических недостатков PCA. Уэст (21) выдвинул идею моделирования разреженных факторов на основе байесовского моделирования, целью которого является обеспечение бережливых отношений между многомерными переменными и скрытыми факторами, заставляя менее влиятельные ассоциации иметь нулевую связь в модели.Эта структура моделирования использовалась в исследованиях экспрессии генов и других сложных наборах данных, и ее подход является общим и широко применимым в других областях (21–24). В отличие от PCA, модели с разреженными латентными факторами естественным образом производят латентные факторы с включением только подмножества продуктов. Моделирование разреженности привлекательно при анализе моделей питания, потому что каждая модель обычно описывается небольшим подмножеством пищевых переменных в данных. Использование байесовского подхода обеспечивает количественный, вероятностный подход для идентификации членов каждого подмножества, а не специальные решения на основе порогов, которые могут скрыть некоторые отношения в данных. Кроме того, модели с разреженными скрытыми факторами позволяют учитывать потенциальное влияние ковариат. Лукас и др. (22) расширили модель разреженных латентных факторов, связав ее с моделью разреженной регрессии, в которой наблюдаемые ответы были выражены как линейная суперпозиция латентных факторов и других регрессоров на основе ковариат. Такой подход позволяет совместно определить вклад каждого источника дисперсии с учетом других компонентов.

В этом исследовании мы применили модель разреженного латентного фактора к анализу режима питания с использованием данных исследования тренировочного вмешательства и генетики реакции на физическую нагрузку (TIGER).Было высказано предположение, что конкретные характеристики участников, включая пол, расу/этническую принадлежность и ИМТ, объясняют часть вариаций, наблюдаемых в данных о питании, и совместно смоделировали их, чтобы изолировать их влияние от оценки лежащих в основе закономерностей. Образцы питания, полученные в результате анализа разреженного латентного фактора, сравнивали с образцами, полученными с помощью классической процедуры PCA.

Методы

Исследуемая популяция

Исследование TIGER представляет собой проспективное когортное исследование, основной целью которого является выявление генетических факторов, влияющих на физиологические реакции на 15-недельный протокол аэробных упражнений по 3 дня в неделю.Набор участников в исследование TIGER был начат в 2003 г. и завершен в 2015 г. Участники были отобраны из Университета Хьюстона (2003–2008 гг.) и Университета Алабамы в Бирмингеме (2010–2015 гг.) в 15 когортах, определяемых каждый осенний или весенний семестр. . Целевым участником этого исследования был человек в возрасте 18–35 лет, ведущий малоподвижный образ жизни, который тренировался менее 30 минут в неделю в течение предыдущих 30 дней без ограничения потребления калорий перед включением в исследование. Критерии исключения для зачисления включали физические противопоказания к физическим упражнениям (т.например, кардиомиопатия), нарушение обмена веществ, которое, как известно, изменяет состав тела (например, липодистрофия) или беременность. Исследование TIGER было одобрено соответствующими экспертными советами учреждений, и от всех участников было получено информированное согласие. Подробности протокола исследования описаны в другом месте (25). Настоящее исследование было сосредоточено на подгруппе участников ( n  = 2828), которые сообщили о среднем потреблении различных продуктов питания и напитков с помощью самостоятельного введения Block FFQ (NutritionQuest) при базовой оценке.FFQ использовался для характеристики привычного потребления 102 продуктов питания участниками исследования. Потребление пищи измерялось с использованием 9 категорий частоты, от «никогда» до «каждый день», которые были преобразованы в шкалу частоты в день для каждого элемента. Участники исключались из анализа, если они не отвечали на ≥90% вопросов о продуктах питания или отсутствовали антропометрические или демографические данные. После всех исключений для анализа были доступны 2730 участников. В число участников вошли 1769 женщин и 961 мужчина из различных расовых/этнических групп, в том числе белые неиспаноязычные ( n = 1150), афроамериканцы ( n = 788), латиноамериканцы ( n = 382), азиаты ( n  = 166), азиатские индейцы ( n  = 81), коренные американцы ( n  = 12) и другие ( n  = 151).

Байесовская формулировка моделей разреженных латентных факторов

Разреженные нагрузки факторов

При моделировании моделей питания мы обычно хотим, чтобы наши нагрузки факторов были разреженными для облегчения интерпретации: небольшое количество важных продуктов. Байесовский подход к наложению явной разреженности на факторные нагрузки состоит в том, чтобы предположить, что каждая нагрузка может быть нулевой или иметь ненулевое значение с априорной вероятностью (т.т. е. вероятность того, что факторная нагрузка отлична от нуля) (21–23). Более конкретно, наши априорные распределения по отдельным вероятностям выбраны так, чтобы иметь существенную массу вероятности в нуле, чтобы вызвать сокращение незначительных нагрузок до нуля. Однако априорные значения также гарантируют, что масса вероятности распределена по широкому диапазону правдоподобных значений, так что важные нагрузки избегают усадки и принимают ненулевые значения. В нашем случае, если пища связана с определенной моделью или схемами питания, ненулевые значения факторных нагрузок моделируются как возникающие из нормального распределения. Если это не так, то загрузка будет ровно нулевой. Это отражает фундаментальную точку зрения, лежащую в основе анализа моделей питания, согласно которой ожидается, что каждый продукт в значительной степени связан с 1 или, самое большее, с двумя моделями, но не связан с другими моделями. С точки зрения моделирования матрица нагрузки будет иметь много нулей, потому что в каждой строке очень мало существенных нагрузок. PCA достигает этой структуры апостериорным образом с использованием различных методов ротации факторов и усечений нагрузки, при которых игнорируются факторные нагрузки с абсолютными значениями, меньшими произвольного порога.С другой стороны, модели с разреженным латентным фактором используют априорные факторы, вызывающие разреженность, как неотъемлемую часть идентификации моделей питания, как описано выше. На основе этой спецификации и наших данных мы можем рассчитать апостериорное распределение по вероятностям включения, которые являются центральными для определения набора продуктов, демонстрирующих значительную связь с конкретными моделями питания. Более подробная информация о априорных значениях, вызывающих разреженность, доступна в Supplemental Methods .

Ненормальность в потреблении пищи и гибкие оценки факторов

Чтобы конкретизировать нашу модель, мы должны разместить априорное распределение оценок факторов.Это априорное распределение должно учитывать произвольную ненормальную структуру данных о питании, которая может возникать из-за сильной положительной асимметрии или большого количества нулей для многих продуктов питания. Смешанная модель процесса Дирихле была использована для моделирования распределения баллов факторов в ответ на наблюдаемую ненормальную структуру данных (23). Смешанную модель процесса Дирихле можно рассматривать как смесь бесконечного множества нормальных распределений, и она может охватывать любое непрерывное распределение. Количество используемых распределений компонентов конечно и определяется данными, что позволяет гибко адаптироваться к произвольной ненормальной структуре без переобучения. Он также имеет функцию сокращения до нормального состояния, если данные предполагают, что это уместно. Полная информация об этом подходе доступна в Carvalho et al. (23).

Включение ковариат

Для включения ковариатной информации модели разреженных скрытых факторов могут быть расширены, как описано в ссылках 22 и 23, следующим образом:

(2)

где – r -вектор регрессоров на основе ковариат, – матрица коэффициентов регрессии. Априорная структура коэффициентов регрессии имеет ту же форму для факторных нагрузок, что налагает разреженность на ассоциации пищевых продуктов и ковариатов.

Вывод и вменение отсутствующих значений

Непосредственный анализ апостериорных распределений по матрице факторной нагрузки и факторным баллам невозможен. Вместо этого мы используем методы Монте-Карло с цепями Маркова (MCMC). MCMC — это класс алгоритмов, которые генерируют выборки из апостериорного распределения по параметрам. Мы можем использовать эти выборки, чтобы делать выводы на основе апостериорных средних и характеризовать неопределенность параметров модели. Полная информация об анализе MCMC для модели, описанной в этой статье, доступна в Carvalho et al.(23).

Байесовская структура, описанная в этой статье, предоставляет основанное на модели решение для работы с отсутствующими данными. Если потребление некоторых пищевых продуктов отсутствует, отсутствующие значения рассматриваются как дополнительные неизвестные параметры, подлежащие оценке. Мы можем либо интегрировать эти параметры, либо явно выбрать их как часть алгоритма MCMC.

Статистический анализ

И РСА, и модель разреженного латентного фактора применялись к стандартизированному потреблению 102 пищевых продуктов.Для PCA отсутствующие значения (0,6% от общего числа наблюдений) были заменены медианой для каждого пищевого продукта в остальных наблюдениях. Количество сохраняемых компонентов было выбрано на основе минимального среднего частичного теста Велисера (26), в результате чего было получено 7 моделей питания. Вращение Varimax (27) было применено к нагрузкам компонентов для повышения интерпретируемости. Пищевые продукты с абсолютным значением нагрузки >0,3 по фактору считались значимой ассоциацией для описания моделей питания.PCA выполняли с помощью R версии 3.3.0 (28).

Для анализа разреженных латентных факторов количество сохраняемых факторов было выбрано путем ограничения любой модели ≥3 продуктов, демонстрирующих значительную связь, чтобы сделать модели интерпретируемыми. Это дало 7 режимов питания. Матрица факторной нагрузки была ограничена нижней треугольной матрицей с положительными диагональными элементами, чтобы однозначно определить ее структуру (22, 23, 29, 30). Пол, раса/этническая принадлежность и ИМТ были смоделированы совместно, чтобы учесть их вклад в диетические показатели.Информация о когорте была включена в модель для контроля тонкого смешения эффектов сбора данных. Программное обеспечение BFRM (31) использовалось для подбора модели разреженного латентного фактора.

Результаты

показаны абсолютные значения чередующихся загрузок из PCA с чередованием Varimax, в котором используется выбор пищевых подмножеств на основе нагрузки для диетических моделей. Эти значения варьировались от 0 до 0,7 без четкого разделения, что дает мало информации для определения того, какие продукты питания вносят значимый вклад в интерпретацию моделей питания.показывает апостериорную вероятность включения того, что данная пища включена в определенный режим питания, с использованием моделирования разреженного латентного фактора. Бимодальная форма гистограммы послужила прочной основой для интерпретации моделей питания путем отсеивания незначительных пар моделей питания и выделения тех, которые имеют значимые ассоциации.

Стандартная интерпретация моделей питания с использованием процедуры PCA осуществляется путем установки произвольных пороговых значений, тогда как модель с разреженным латентным фактором использует апостериорную вероятность включения того, что пища и конкретная схема питания имеют ненулевую связь.(A) Гистограмма абсолютных значений нагрузок PCA с вращением, полученных из PCA с вращением Varimax. (B) Гистограмма апостериорных вероятностей включения, полученных в результате анализа разреженного латентного фактора. Более сильный контраст, наблюдаемый на панели B, облегчает выявление значимых ассоциаций пищевого поведения путем отделения их от незначительных ассоциаций по сравнению с таковыми на панели A. PCA, анализ основных компонентов.

предоставляет визуальную сводку основных скрытых факторов (диетических моделей), которые были заказаны для повышения сопоставимости между PCA () и анализом разреженных латентных факторов ().В мы показываем продукты, которые имеют апостериорную вероятность включения> 0,95 (т. е. те, которые имеют отношение к данной модели питания с высокой вероятностью). Апостериорная вероятность включения и апостериорное среднее значение факторных нагрузок с их интервалами неопределенности доступны в Дополнительный рисунок 1 , который дает представление о том, каким образом пищевые продукты четко сгруппированы в рацион питания. Следует отметить, что результирующие нагрузки между PCA и моделью разреженного латентного фактора нельзя сравнивать напрямую, поскольку их масштабы различны. Нагрузки PCA масштабируются, чтобы лежать в диапазоне от –1 до 1, но это не тот случай в нашем подходе, в котором каждый фактор имеет свою собственную шкалу, полученную из данных. В обоих подходах фактор 1 показал значимые ассоциации с фруктами, орехами и некоторыми овощами. Дополнительные продукты, такие как рыба и птица, содержались в растворе с разреженным латентным фактором, но в целом оба идентифицировали набор продуктов, считающихся в целом здоровыми. В разреженном факторном анализе фактор 2 относился к красному и переработанному мясу, картофелю, жареным продуктам, блюдам из макарон и хлебу, а фактор 3 был связан с набором закусок и сладостей.Факторы PCA 2 и 3 также обеспечивали сходные наборы продуктов, но имели меньшие наборы продуктов с большим количеством перекрестных элементов между двумя факторами. Структура фактора 4 была сопоставима между анализом разреженного латентного фактора и PCA, потому что оба фактора включали группу латиноамериканских продуктов, но раствор разреженного латентного фактора формировал более краткий и лаконичный набор продуктов. В PCA не было ясно, как интерпретировать остальные факторы. Например, фактор 5 состоит из белков, фактор 6 — из напитков, а фактор 7 — из несколько несвязанных продуктов.Ни один из этих факторов нельзя рассматривать как модели пищевого поведения. И наоборот, модель с разреженным латентным фактором обеспечивала компактные группы продуктов с четкими интерпретациями, характеризующими мясные и диетические альтернативы, алкогольные напитки и хлопья с молоком соответственно. Кроме того, небольшие изменения в выборе отсечки оказали незначительное влияние на окончательные структуры шаблона (, дополнительная фигура 2, ). Небольшое уменьшение отсечки привело к более сложному решению, создав много новых элементов перекрестной загрузки, в то время как небольшое увеличение отсечки дало 7 четко различимых блоков, но многие продукты не были связаны ни с каким шаблоном.Качественное сравнение пищевых подмножеств между двумя подходами показано на дополнительной фигуре 3 .

Структура латентных факторов визуализируется с помощью тепловой карты, в которой строки соответствуют продуктам питания, а столбцы — режимам питания. Схемы питания определялись на основе загрузки каждого продукта питания с использованием данных о питании, полученных от молодых людей ( n = 2730) в исследовании TIGER. Продукты питания были заказаны для уточнения структуры рациона питания.(A) Диетические модели, полученные с помощью PCA с чередованием Varimax. Пищевые продукты с абсолютными значениями ротационной загрузки >0,30 использовались для определения режима питания. (B) Модели питания, полученные с помощью модели разреженного латентного фактора. Пищевые продукты с апостериорным средним значением нагрузок, которые превышают порог апостериорной вероятности включения >0,95, использовались для определения моделей питания. Символы пули (●) указывают на отрицательные значения нагрузок. PCA, анализ главных компонентов; TIGER, Тренировочное вмешательство и генетика упражнений.

, который представлен в том же порядке, что и , показывает группы пищевых подмножеств, значимо связанных с каждым из ковариатов. Одновременно с помощью анализа разреженных латентных факторов были выявлены связи между пищей и ковариантами, что позволило получить представление о тенденциях потребления пищи, специфичных для ковариат. Мужчины чаще потребляли яйца, мясо и мясные продукты и реже ели овощи, салат, йогурт, кофе и шоколад, чем женщины. Расовая/этническая принадлежность также, по-видимому, вносила свой вклад в различия в потреблении продуктов питания.Афроамериканцы потребляли мясо и продукты, подвергшиеся технологической обработке, чаще, чем белые неиспаноязычные, но реже потребляли обезжиренные молочные продукты, фрукты и овощи. Латиноамериканцы, как правило, ели больше традиционных латиноамериканских продуктов (например, лепешек, бобов и тако) и риса по сравнению с неиспаноязычными белыми. В азиатских и азиатско-индийских группах рис был наиболее заметной пищей, которая отличала обе группы от неиспаноязычной белой группы. Азиатские участники потребляли морепродукты и некоторые овощи чаще, чем белые неиспаноязычные, но этот контраст не был очевиден между азиатскими индийцами и белыми неиспаноязычными.ИМТ показал небольшую связь с частотой приема пищи.

Влияние пола, расы/этнической принадлежности и ИМТ было одновременно количественно определено с помощью анализа редких латентных факторов. Пол и раса/этническая принадлежность были закодированы фиктивным образом, так что референтными группами были участники-мужчины для категории пола и неиспаноязычные белые участники для категории расы/этнической принадлежности. Коэффициент был установлен равным нулю, если апостериорная вероятность включения была <0,95. Символы маркера (●) обозначают отрицательные значения коэффициентов.А, азиатский; АА, афроамериканец; AI, азиатский индиец; Ф, женщина; Н, латиноамериканец; N, коренной американец; О, другие расовые/этнические группы.

Обсуждение

Мы провели анализ моделей питания с использованием модели разреженных латентных факторов, которая налагает разреженность на факторные нагрузки для получения отдельных факторов, состоящих только из подмножества продуктов, при этом допуская включение ковариатов. Эта модель с разреженным латентным фактором была реализована в рамках байесовского моделирования, в котором используется теория вероятности для представления всех форм неопределенности в модели, что, в свою очередь, позволяет проводить вероятностные оценки выбора пищевых переменных при интерпретации моделей питания.Приоритет, вызывающий разреженность, обеспечивает сильное сжатие к нулю продуктов, демонстрирующих тривиальные ассоциации, эффективно отделяя их от ненулевых ассоциаций.

В PCA интерпретация факторных нагрузок обычно применяется апостериорно путем выбора порогового значения и игнорирования значений ниже этой точки для определения значимых ассоциаций питания и паттерна. В настоящем исследовании мы заметили, что этот простой подход к усечению нагрузки может вводить в заблуждение. Из-за наблюдаемой слабой контрастности факторных нагрузок в PCA было трудно выбрать оптимальную границу отсечки для различения значительных и незначительных нагрузок, а небольшие изменения порога нагрузки приводили к заметным изменениям в окончательной структуре паттерна. На практике пороговое значение для PCA часто определяется простотой интерпретации, но не существует объективных критериев, которые явно определяли бы интерпретируемость.

Как правило, эпидемиологические исследования питания дают данные о питании в дополнение к другим типам данных, таким как демографические, антропометрические данные или факторы дизайна исследования, которые могут предоставить важную информацию при изучении моделей питания. В отличие от PCA, одним важным преимуществом моделей разреженных скрытых факторов является их модульность, которая связывает несколько подмоделей для решения более сложных задач.Модель разреженных латентных факторов можно рассматривать как модель многомерной регрессии через линейную комбинацию латентных факторов, в которой регрессоры сами по себе неопределенны. Ковариатная информация напрямую интегрирована в эту структуру регрессии в качестве дополнительных предикторов. Важно отметить, что сокращение нашего байесовского анализа автоматически учитывает неявные множественные тесты (22, 32), возникающие из одновременных выводов многих ассоциаций пищи и ковариатов.

В настоящем исследовании сравнение полученных результатов довольно сложно из-за их различной способности включать фенотипическую информацию, но некоторые из факторов аналогичны и сопоставимы с тем, что было показано в литературе.В обоих результатах фактор 1 каждого результата был подобен разумному режиму питания (3, 33), тогда как факторы 2 и 3 были связаны с западным режимом питания (3, 33). Группа латиноамериканских продуктов также была выявлена ​​в обоих результатах, что может отражать их популярность среди студентов колледжей в исследуемых когортах (юг США). Анализ разреженного латентного фактора дал кластеры молочных альтернатив, алкогольных напитков и хлопьев с молоком, но результаты PCA не были столь четко интерпретируемыми.PCA мог вызвать ложные ассоциации, которые неадекватно отражают лежащие в основе модели питания, потому что он извлекает скрытые факторы путем разложения общей вариации данных о потреблении пищи без какой-либо обработки ковариантных эффектов или ошибок измерения.

При анализе разреженного латентного фактора выявленные вклады ковариат в целом согласуются с данными литературы. В настоящем исследовании женщины, как правило, выбирали более здоровую пищу, о чем сообщалось в нескольких исследованиях (34–39).Всестороннее исследование расовых/этнических различий в рационе все еще необходимо, но некоторые исследования показали, что неиспаноязычные чернокожие имели более низкие показатели индекса здорового питания (40) и потребляли меньше фруктов и овощей в день, чем неиспаноязычные белые (41). ). Сообщалось также о более высоком потреблении риса азиатами по сравнению с другими расовыми/этническими группами в США (42). Предыдущие исследования дали неоднозначные результаты в отношении взаимосвязи между потреблением пищи и ИМТ (43–46).Здесь мы наблюдали небольшую связь между частотой потребления определенных продуктов и ИМТ.

Диетические модели иногда рассматриваются как более широкие модели образа жизни, а не простые диеты (47), и, следовательно, ожидается, что влияние ковариат будет поглощено скрытыми структурами моделей. Некоторые исследователи могут предпочесть выводить модели питания для категориальных переменных, таких как пол или раса/этническая принадлежность, отдельно для каждого уровня, вместо того, чтобы находить глобальные закономерности для всей исследуемой популяции.Преимущество анализа запасных латентных факторов заключается в его способности надежно выводить модели питания при одновременном контроле потенциального взаимодействия с другими переменными. Двухэтапный подход ковариатной корректировки часто использовался в анализе моделей питания, в котором каждое потребление пищи подвергается регрессии на предопределенной ковариате или ковариатах, а остатки затем используются в качестве новых входных переменных (20, 48, 49). В качестве альтернативы, модели с разреженными скрытыми факторами могут обеспечить одноэтапный подход к корректировке ковариат путем их непосредственного включения в качестве дополнительных регрессоров.Практическое преимущество этого подхода заключается в том, что он не только контролирует влияние ковариат, но и совместно использует полученную информацию для определения моделей питания. Здесь мы приводим доказательства того, что анализ редких латентных факторов может достоверным образом выявить модели питания, в то время как учитываются факторы (например, пол, раса / этническая принадлежность, ИМТ), которые, как сообщается, влияют на потребление пищи. Более захватывающая возможность для этого подхода будет заключаться во включении более сложных наборов данных (например, генотип, диетические анкеты и т. д.).) для выявления биологических взаимодействий, которые в конечном итоге влияют на то, как люди едят.

В исследованиях особенностей питания одним из практических недостатков PCA является его неспособность надлежащим образом справиться с отсутствующими значениями (50). Поскольку стандартный PCA не может быть выполнен с отсутствующими значениями, в некоторых исследованиях отсутствующие значения заменялись средним значением потребления каждого продукта или нулем до его обработки (5, 14, 51). Однако эта стратегия не учитывает многомерные отношения в данных. Напротив, байесовский аспект моделей разреженных латентных факторов рассматривает отсутствующие значения как неизвестные параметры, которые можно выбрать в моделировании MCMC, сохраняя их потенциальную зависимость от других пищевых переменных и наблюдаемых ковариат. Неопределенность вменения отсутствующих элементов распространяется на другие части модели и учитывается при оценке параметров модели.

Общая проблема при моделировании данных о рационе питания заключается в том, что многие переменные рациона часто имеют положительную асимметрию (52). Логарифмическое преобразование обычно используется для уменьшения асимметрии в данных, но наличие нулей в наблюдениях за питанием часто требует добавления произвольной константы к каждому элементу потребления пищи [например, log(г/д потребления +1)]. Еще одной ключевой особенностью моделей разреженных скрытых факторов является их способность адаптироваться к произвольной негауссовой структуре данных с помощью смешанной модели процессов Дирихле для распределений оценок факторов, которая представляет собой альтернативный подход к работе с ненормальными распределениями при использовании байесовской статистики ( 23).Модель включает ненормальное распределение оценок факторов, когда ненормальность очевидна в данных, тогда как она возвращается к нормальности, если данные согласуются с нормальностью.

На практике ключевой интерес представляет изучение связей между режимом питания и последствиями для здоровья. В PCA оценки компонентов рассчитываются последовательно на основе чередующихся нагрузок, которые используются в качестве объясняющих переменных в регрессионных моделях, включая интересующие результаты в отношении здоровья в качестве переменной ответа.Разреженные латентные факторные модели также производят оценки факторов, но вместо этого они оцениваются одновременно с факторными нагрузками. Результат для здоровья можно затем регрессировать по этим факторным баллам. Другие клинические предикторы, о которых априори известно, что они связаны с исходом для здоровья или для которых они имеют сильное клиническое обоснование, также могут быть объединены с показателями факторов в этой регрессионной модели, которая согласуется с традиционным подходом, основанным на АКП. Возможность размещения ковариат в моделях с разреженным латентным фактором может дать преимущество при анализе последствий для здоровья в будущем. Причина включения ковариат в анализ разреженного латентного фактора состоит в том, чтобы вывести модели питания, которые не зависят от этих ковариат. Например, включение пола в анализ редких латентных факторов гарантирует, что ни один из режимов питания не сильно коррелирует с полом. Когда эти модели питания используются в сочетании с полом в качестве регрессоров при изучении взаимосвязи между моделями питания и последствиями для здоровья, этот анализ последствий для здоровья с меньшей вероятностью столкнется с проблемой мультиколлинеарности.Включение пола в анализ редких латентных факторов исключает использование пола в анализе последствий для здоровья, потому что пол может иметь свое собственное влияние на результаты в отношении здоровья, независимо от его связи с режимом питания. Кроме того, как вероятностный модуль, эти модели могут быть дополнительно расширены для включения переменных результатов в отношении здоровья, так что оценки факторных нагрузок и баллов, а также изучение взаимосвязей между моделью и здоровьем будут выполняться совместно в рамках одной согласованной процедуры. Будущие исследования связывают прогностические компоненты регрессии для различных типов последствий для здоровья (например,g., бинарный, категориальный и цензурированный) для моделирования моделей питания является оправданным.

Хотя мы показали, что модели с разреженными латентными факторами могут иметь несколько преимуществ по сравнению с PCA, все еще продолжаются споры о том, уместно ли использование разреженности в анализе диетических моделей (4, 53). Imamura и Jacques (53) утверждали, что разреженность может быть менее полезной, чем другие методы, потому что кумулятивный эффект всех пищевых продуктов важен при рассмотрении результатов и риска, связанного с потреблением пищи.Тем не менее интерпретируемые структуры паттернов получаются на практике путем выбора пищевых переменных. Это является обоснованием использования усечения нагрузки в схемах питания, полученных с помощью PCA, с последующим чередованием. Разреженность можно рассматривать как альтернативный способ упорядочения моделирования моделей питания в попытке лучше объяснить структуру вариаций в данных, а не утверждать, что ассоциации действительно нулевые. Подход с разреженностью помогает исключить продукты с доминирующим эффектом, позволяя многим другим быть равными нулю, если их вклад достаточно мал.

Текущее исследование имеет ограничения. В настоящем анализе в качестве входных переменных для анализа моделей питания использовались отдельные продукты питания, в то время как продукты питания обычно разбиваются на меньшее количество групп продуктов перед использованием подхода PCA. Меллер и др. (49) указали, что использование слишком большого количества пищевых переменных может привести к странным комбинациям с чрезмерным влиянием. Тем не менее, стратегия группирования пищевых продуктов, управляемая исследователем, может быть предметом произвольного выбора, поскольку существует множество способов по-разному объединять продукты в разное количество пищевых групп (47, 54).Действительно, в обзоре Библиотеки данных о питании (55) сообщалось о различиях в количестве и типах пищевых групп в исследованиях моделей питания. Будущие исследования, направленные на оценку эффективности двух методов при различных настройках входных переменных и улучшение стандартизации схем группировки продуктов питания, значительно обогатят наше понимание анализа моделей питания. Следует также отметить, что настоящее исследование основывалось на самооценке FFQ для оценки потребления пищи, которые подвержены ошибкам измерения и предвзятости самооценки.

Потенциальным препятствием для использования моделей разреженных скрытых факторов может быть их математическая сложность по сравнению с PCA. Это правда, что PCA относительно прост и работает во многих условиях. Однако также явно желательно иметь гибкий, расширяемый подход, который можно индивидуально адаптировать к конкретным учебным ситуациям и формализовать нашу интуицию в виде четко определенных критериев. В этом отношении модели с разреженными скрытыми факторами могут дополнять PCA, позволяя исследователям приблизиться к моделированию сложных ситуаций, когда это необходимо.

Правильная характеристика моделей питания важна для учета неотъемлемых взаимодействий между продуктами питания и другими факторами, которые могут оказывать синергетическое и кумулятивное воздействие на результаты в отношении здоровья, описания общих характеристик пищевого поведения и выявления особенностей, относящихся к здоровому питанию, для предоставления рекомендаций по питанию вмешательство. Классическая процедура PCA в анализе моделей питания неадекватно справляется с внутренней произвольностью, присущей выбору пищевых переменных для характеристики моделей питания, вкладом ковариат в вариации данных и другими источниками неопределенности, возникающими из-за шума и отсутствующих значений в измерении. обработать.Можно добиться прогресса в понимании моделей питания, если все разумные источники неопределенности и вариаций будут включены в оценку моделей питания и пищевого поведения. Модели с разреженными латентными факторами могут быть полезным дополнением к моделированию моделей питания, поскольку решают практические вопросы PCA и расширяют анализ потребления пищи за пределы продуктов питания и категориальных ковариат.

Благодарности

Обязанности авторов заключались в следующем: MSB: отвечал за сбор данных и контролировал проведение исследований и предоставлял необходимые материалы; JJ, SAW и MSB: участвовали в разработке общего плана анализа и аналитической стратегии; JJ: выполнил статистический анализ и составил рукопись; SAW: оказал поддержку в статистическом анализе; SAW, AIV, JRF и MSB: внесли свой вклад в интерпретацию результатов и критически рассмотрели рукопись; JJ и MSB: несли основную ответственность за окончательный контент; и все авторы: прочитать и утвердить окончательный вариант рукописи.

Примечания

Поддержано наградой R01DK0642148 Национального института диабета, болезней органов пищеварения и почек.

Раскрытие информации авторами: JJ, SAW, AIV, JRF и MSB, конфликта интересов нет.

Дополнительные методы и дополнительные рисунки 1–3 доступны по ссылке «Дополнительные данные» в онлайн-публикации статьи и по той же ссылке в онлайн-оглавлении по адресу https://academic.oup.com/jn/ .

Используемые сокращения:

MCMC

Цепь Маркова Монте-Карло

PCA

Анализ основных компонентов

TIGER

Тренировочное вмешательство и генетика упражнений.

Каталожные номера

1. Ху ФБ. Анализ рациона питания: новое направление в эпидемиологии питания. Curr Opin Lipidol 2002; 13:3–9. [PubMed] [Google Scholar]2. Гюнтер П.М., Касавале К.О., Киркпатрик С.И., Риди Дж., Хиза Х.А.Б., Кучински К.Дж., Кале Л.Л., Кребс-Смит С.М. Обновление индекса здорового питания: HEI-2010. J Acad Nutr Diet 2013; 113 (4): 569–80. [Бесплатная статья PMC] [PubMed] [Google Scholar]3. Ньюби П.К., Такер К.Л. Эмпирически полученные модели питания с использованием факторного или кластерного анализа: обзор.Нутр Рев 2004; 62: 177–203. [PubMed] [Google Scholar]4. Горст-Расмуссен А., Дам К.С., Детлефсен К., Шайке Т., Овервад К. Изучение моделей питания с помощью преобразования Treelet. Am J Epidemiol 2011;173:1097–104. [PubMed] [Google Scholar]5. Варрасо Р., Гарсия-Аймерих Дж., Монье Ф., Муаль Н.Л., Батлле Дж.Д., Миранда Г., Писон С., Ромье И., Кауфманн Ф., Маккарио Дж. Оценка моделей питания в эпидемиологии питания: анализ основных компонентов по сравнению с подтверждающим факторным анализом. Ам Дж. Клин Нутр 2012; 96: 1079–92.[PubMed] [Google Scholar]6. Cadima JF, Jolliffe IT. Выбор переменных и интерпретация главных подпространств. J Agric Biol Environ Stat 2001; 6: 62–79. [Google Академия]7. Цзоу Х., Хасти Т., Тибширани Р. Разреженный анализ главных компонент. J Comput Graph Stat 2006; 15: 265–86. [Google Академия]8. Слэттери М. Л., Буше К.М., Каан Б.Дж., Поттер Д.Д., Ма К.Н. Режимы питания и риск рака толстой кишки. Am J Epidemiol 1998; 148:4–16. [PubMed] [Google Scholar]9. Шульце М.Б., Хоффманн К., Кроке А., Боинг Х.Диетические модели и их связь с пищей и потреблением питательных веществ в Европейском проспективном исследовании рака и питания (EPIC) – Потсдамское исследование. Бр Дж. Нутр 2001; 85:363. [PubMed] [Google Scholar] 10. Ханда К., Крайгер Н. Режимы питания и риск почечно-клеточного рака. Nutr общественного здравоохранения 2002; 5: 757–67. [PubMed] [Google Scholar] 11. Balder HF, Virtanen M, Brants HAM, Krogh V, Dixon LB, Tan F, Mannisto S, Bellocco R, Pietinen P, Wolk A et al. .. Общие и специфичные для страны модели питания в четырех европейских когортных исследованиях.Дж. Нутр 2003; 133:4246–51. [PubMed] [Google Scholar] 12. Флад А., Растоги Т., Вирфельт Э., Митроу П.Н., Риди Дж., Субар А.Ф., Кипнис В., Моув Т., Холленбек А.Р., Лейтцманн М. и другие. .. Образцы питания, определенные факторным анализом, и колоректальный рак среди американцев среднего возраста. Ам Дж. Клин Нутр 2008; 88: 176–84. [Бесплатная статья PMC] [PubMed] [Google Scholar]13. Катлер Г.Дж., Флад А., Ханнан П.Дж., Славин Д.Л., Ноймарк-Штайнер Д. Связь между основными моделями питания и весовым статусом у подростков.Бр Дж. Нутр 2012; 108: 349–56. [PubMed] [Google Scholar] 14. Торп М.Г., Милте К.М., Кроуфорд Д., Макнотон С.А. Сравнение моделей питания, полученных с помощью анализа основных компонентов и кластерного анализа у пожилых австралийцев. Int J Behav Nutr Phys Act 2016; 13:30. [Бесплатная статья PMC] [PubMed] [Google Scholar]15. Нанри А., Мизоуэ Т., Симадзу Т., Исихара Дж., Такачи Р., Нода М., Исо Х., Сасадзуки С., Савада Н., Цугане С. и др. .. Образцы питания и смертность от всех причин, рака и сердечно-сосудистых заболеваний у японских мужчин и женщин: проспективное исследование, проведенное Японским центром общественного здравоохранения.PLoS One 2017; 12:e0174848. [Бесплатная статья PMC] [PubMed] [Google Scholar]16. Нетлтон Дж. А., Стеффен Л. М., Ни Х., Лю К., Джейкобс Д. Р. Образцы питания и риск возникновения диабета 2 типа в многоэтническом исследовании атеросклероза (MESA). Diabetes Care 2008;31:1777–82. [Бесплатная статья PMC] [PubMed] [Google Scholar]17. Уильямс К.Д., Сатья Дж.А., Адэр Л.С., Стивенс Дж., Галанко Дж., Кеку Т.О., Сэндлер Р.С. Рацион питания, группы продуктов питания и риск рака прямой кишки у белых и афроамериканцев. Рак эпидемиол биомаркеры Prev 2009;18:1552.[Бесплатная статья PMC] [PubMed] [Google Scholar]18. Деккер Л.Х., ван Дам Р.М., Снайдер М.Б., Петерс Р.Дж., Деккер Дж.М., де Врис Дж.Х., де Бур Э.Дж., Шульце М.Б., Стронкс К., Николау М. Сопоставимые модели питания описывают пищевое поведение разных этнических групп в Нидерландах, но разные элементы диеты связаны с гликированным гемоглобином и концентрацией глюкозы натощак. Дж. Нутр 2015; 145: 1884–91. [PubMed] [Google Scholar] 19. Галлахер М.Л., Фарриор Э., Бродхед Л., Джиллетт Л.С., Роу М.Л., Сомес Г., Уэст П., Коласа К.М.Разработка и тестирование инструмента для определения частоты пищевых продуктов для описания моделей питания взрослых и подростков. Нутр Рез 1993; 13: 177–88. [Google Академия] 20. Fahey MT, Thane CW, Bramwell GD, Coward WA. Моделирование условной гауссовой смеси для анализа моделей питания. JR Stat Soc Ser A Stat Soc 2007;170:149–66. [Google Академия] 21. Уэст М. Модели байесовской факторной регрессии в парадигме «Большое p, малое n». Байесовская статистика 7: 723–32. [Google Академия] 22. Лукас Дж., Карвальо С., Ван К., Билд А., Невинс Дж. Р., Уэст М.Разреженное статистическое моделирование в геномике экспрессии генов. В: До К.А., Мюллер П., Ваннуччи М., редакторы. Байесовский вывод для экспрессии генов и протеомики. Кембридж (Соединенное Королевство): Издательство Кембриджского университета; 2006. с. 155–76. [Google Академия] 23. Карвалью К.М., Чанг Дж., Лукас Дж.Э., Невинс Дж.Р., Ван К., Уэст М. Моделирование разреженных факторов большой размерности: приложения в геномике экспрессии генов. J Am Stat Assoc 2008; 103: 1438–56. [Бесплатная статья PMC] [PubMed] [Google Scholar]24. Seo DM, Goldschmidt-Clermont PJ, West M. О мышах и мужчинах: редкое статистическое моделирование сердечно-сосудистой геномики. Ann Appl Stat 2007; 1: 152–78. [Google Академия] 25. Моряки М. Х., Джексон А. С., Макфарлин Б. К., Терпин И., Эллис К. Дж., Форейт Дж. П., Хельшер Д. М., Брей М. С. Предоставление студентам колледжей упражнений: исследование тренировочных вмешательств и генетики реакции на упражнения (TIGER). J Am Coll Health 2010; 59: 13–20. [Бесплатная статья PMC] [PubMed] [Google Scholar]26. Велицер ВФ. Определение количества компонентов по матрице частных корреляций.Психометрика 1976; 41: 321–7. [Google Академия] 27. Кайзер ХФ. Критерий Varimax для аналитического вращения в факторном анализе. Психометрика 1958; 23: 187–200. [Google Академия] 28. Основная команда R. R: язык и среда для статистических вычислений. Вена (Австрия): R Foundation for Statistical Computing; 2017. [Google Академия]29. Гевеке Дж., Чжоу Г. Измерение ошибки ценообразования в теории арбитражного ценообразования. Rev Financ Stud 1996; 9: 557–87. [Google Академия] 30. Агилар О, Уэст М. Байесовские модели динамических факторов и распределение портфеля.J Bus Econ Stat 2000; 18: 338–57. [Google Академия] 31. Ван К., Карвалью К.М., Лукас Дж., Уэст М. BFRM: программное обеспечение для моделей байесовской факторной регрессии. Bull Int Soc Bayesian Anal 2007; 14:4–5. [Google Академия] 32. Скотт Дж. Г., Бергер Дж. О. Изучение аспектов байесовского множественного тестирования. J Stat Plan Inference 2006; 136: 2144–62. [Google Академия] 33. Такер КЛ. Диетические модели, подходы и мультикультурная перспектива: можем ли мы определить культурно-специфические модели здорового питания среди различных групп населения, подвергающихся изменению питания? Appl Physiol Nutr Metab 2010;35:211–8.[PubMed] [Google Scholar] 34. Fraser GE, Welch A, Luben R, Bingham SA, Day NE. Влияние возраста, пола и образования на потребление пищи английской когортой среднего возраста — EPIC в Восточной Англии. Мед. 2000; 30: 26–34. [PubMed] [Google Scholar] 35. Бейкер А. Х., Уордл Дж. Половые различия в потреблении фруктов и овощей пожилыми людьми. Аппетит 2003; 40: 269–75. [PubMed] [Google Scholar] 36. Либман М., Пропст К., Мур С.А., Пеликан С., Холмс Б., Уордлоу М.К., Мельчер Л.М., Харкер Дж.С., Денни П.М., Даннаган Т. Гендерные различия в отдельных рационах питания и пищевом поведении в сельских общинах Вайоминга, Монтаны и Айдахо.Нутр Рез 2003; 23:991–1002. [Google Академия] 37. Уордл Дж., Хаасе А.М., Степто А., Ниллапун М., Джонвутивес К., Беллиси Ф. Гендерные различия в выборе продуктов питания: влияние убеждений о здоровье и диеты. Энн Бехав Мед 2004; 27: 107–16. [PubMed] [Google Scholar] 38. Преттала Р., Пааланен Л., Гринберга Д., Хеласоя В., Касмель А., Петкевичене Дж. Гендерные различия в потреблении мяса, фруктов и овощей схожи в Финляндии и странах Балтии. Eur J Public Health 2007;17:520–5. [PubMed] [Google Scholar] 39.Рэти Р, Карлссон-Каньяма А. Потребление энергии по полу в некоторых европейских странах. Энергетическая политика 2010;38:646–9. [Google Академия]40. Ван И, Чен С. В какой степени расовые/этнические различия в рационе питания, физических упражнениях и весовом статусе можно объяснить психосоциальными факторами, связанными с питанием и здоровьем, а также социально-экономическим статусом среди взрослого населения США? J Am Diet Assoc 2011; 111: 1904–11. [Бесплатная статья PMC] [PubMed] [Google Scholar]41. Дубовиц Т., Херон М., Берд К.Э., Лурье Н., Финч Б.К., Басурто-Давила Р., Хейл Л., Эскарс Дж.Дж.Соседский социально-экономический статус и потребление фруктов и овощей среди белых, чернокожих и американцев мексиканского происхождения в Соединенных Штатах. Ам Дж. Клин Нутр 2008; 87: 1883–91. [Бесплатная статья PMC] [PubMed] [Google Scholar]42. Батрес-Маркес С.П., Дженсен Х.Х., Аптон Дж. Потребление риса в Соединенных Штатах: последние данные исследований потребления продуктов питания. J Am Diet Assoc 2009; 109: 1719–27. [PubMed] [Google Scholar]43. Того П., Ослер М., Соренсен Т.И., Хайтманн Б.Л. Модели приема пищи и индекс массы тела в обсервационных исследованиях. Int J Obes Relat Metab Disord 2001; 25: 1741. [PubMed] [Google Scholar]44. Филд А.Э., Гиллман М.В., Рознер Б., Рокетт Х.Р., Колдитц Г.А. Связь между потреблением фруктов и овощей и изменением индекса массы тела среди большой выборки детей и подростков в США. Int J Obes Relat Metab Disord 2003; 27: 821–6. [PubMed] [Google Scholar]45. Чарлтон К., Коваль П., Сориано М.М., Уильямс С., Бэнкс Э., Во К., Байлз Дж. Потребление фруктов и овощей и индекс массы тела у большой выборки австралийских мужчин и женщин среднего возраста.Питательные вещества 2014;6:2305–19. [Бесплатная статья PMC] [PubMed] [Google Scholar]46. Сачитанантан В., Гад Н. Исследование частоты потребления пищи и ее связи с ИМТ у школьников и подростков в городе Абха, Саудовская Аравия. Curr Res Nutr Food Sci J 2016; 4: 203–8. [Google Академия] 47. Мартинес М.Э., Маршалл Дж.Р., Сехрест Л. Приглашенный комментарий: факторный анализ и поиск объективности. Am J Epidemiol 1998; 148:17–9. [PubMed] [Google Scholar]48. Уиллетт В.К., Хоу Г. Р., Куши Л.Х. Поправка на общее потребление энергии в эпидемиологических исследованиях.Am J Clin Nutr 1997; 65 (Suppl): 1220S–8S. [PubMed] [Google Scholar]49. Меллер С.М., Риди Дж., Миллен А.Е., Диксон Л.Б., Ньюби П.К., Такер К.Л., Кребс-Смит С.М., Гюнтер П.М. Образцы питания: проблемы и возможности в исследованиях моделей питания. J Am Diet Assoc 2007; 107: 1233–9. [PubMed] [Google Scholar]50. Ровейс СТ. ЭМ-алгоритмы для PCA и SPCA. В: Джордан М.И., Кернс М.Дж., Солла С.А., редакторы. Достижения в области нейронных систем обработки информации 10. NIPS ’97: Материалы конференции нейронных систем обработки информации; 1997 1-6 декабря; Денвер, Колорадо.Кембридж, Массачусетс: MIT Press; 1998. стр. 626–32. [Google Академия]51. Нортстоун К., Несс А., Эммет П., Роджерс И. Корректировка потребления энергии в исследованиях рациона питания с использованием анализа основных компонентов. Eur J Clin Nutr 2008; 62: 931–938. [Бесплатная статья PMC] [PubMed] [Google Scholar]52. Ху Ф.Б., Штампфер М.Дж. , Римм Э., Ашерио А., Рознер Б.А., Шпигельман Д., Уиллетт В.К. Пищевые жиры и ишемическая болезнь сердца: сравнение подходов к корректировке общего потребления энергии и моделированию повторных диетических измерений.Am J Epidemiol 1999;149:531–40. [PubMed] [Google Scholar]53. Имамура Ф., Жак П.Ф. Приглашенный комментарий: анализ режима питания. Am J Epidemiol 2011;173:1105–8. [PubMed] [Google Scholar]

последовательностей бинирования с использованием очень разреженных меток в метагеноме | BMC Bioinformatics

Tyson GW, Chapman J, Hugenholtz P, Allen EE, Ram RJ, Richardson PM, Solovyev VV, Rubin EM, Rokhsar DS, Banfield JFB: Структура сообщества и метаболизм посредством реконструкции микробных геномов из окружающей среды. Природа 2004, 428(6978):37–43. 10.1038/nature02340

CAS Статья пабмед Google ученый

Venter JC, Remington K, Heidelberg JF, Halpern AL, Rusch D, Eisen JA, Wu D, Paulsen I, Nelson KE, Nelson W, Fouts DE, Levy S, Knap AH, Lomas MW, Nealson K, White О, Петерсон Дж. , Хоффман Дж., Парсонс Р., Баден-Тилсон Х., Пфаннкох С., Роджерс Ю.Х., Смит ХОБ: Секвенирование экологического генома в Саргассовом море. Наука 2004, 304(5667):66–74. 10.1126/наука.1093857

CAS Статья пабмед Google ученый

Tringe SG, von Mering C, Kobayashi A, Salamov AA, Chen K, Chang HW, Podar M, Short JM, Mathur EJ, Detter JC, Bork P, Hugenholtz P, Rubin EMB: Сравнительная метагеномика микробных сообществ. Наука 2005, 308(5721):554–557. 10.1126/наука.1107851

CAS Статья пабмед Google ученый

Войк Т., Тилинг Х., Иванова Н.Н., Хантеманн М., Рихтер М., Глекнер Ф.О., Боффелли Д., Андерсон И.Дж., Барри К.В., Шапиро Х.Дж., Сето Э., Кирпидес Н.К., Муссманн М., Аманн Р., Бергин С., Рюланд C, Рубин Э.М., Дюбилье Н.: понимание симбиоза посредством метагеномного анализа микробного консорциума. Природа 2006, 443(7114):950–955. 10.1038/nature05192

CAS Статья пабмед Google ученый

Раш Д.Б., Халперн А.Л., Саттон Г., Гейдельберг К.Б., Уильямсон С., Юсеф С., Ву Д., Эйзен Дж.А., Хоффман Дж.М., Ремингтон К., Бисон К., Тран Б., Смит Х., Баден-Тилсон Х., Стюарт С. , Торп Дж., Фриман Дж., Эндрюс-Пфаннкох С, Вентер Дж. Э., Ли К., Кравиц С., Гейдельберг Дж. Ф., Аттербек Т., Роджерс Ю. Х., Фалькон Л. И., Соуза В., Бонилья-Россо Г., Эгиарте Л. Е., Карл Д. М., Сатьендранат С., и др. .: Глобальная экспедиция по отбору проб океана Sorcerer II: Северо-Западная Атлантика через Восточную Тропическую часть Тихого океана. PLoS Biology 2007, 5(3):e77. 10.1371/journal.pbio.0050077

PubMed Central Статья пабмед Google ученый

Йоосеф С., Саттон Г., Раш Д.Б., Халперн А.Л., Уильямсон С.Дж., Ремингтон К. , Эйзен Дж.А., Гейдельберг К.Б., Мэннинг Г., Ли В., Ярошевски Л., Чеплак П., Миллер К.С., Ли Х., Машияма С.Т., Йоахимиак MP, van Belle C, Chandonia JM, Soergel DA, Zhai Y, Natarajan K, Lee S, Raphael BJ, Bafna V, Friedman R, Brenner SE, Godzik A, Eisenberg D, Dixon JE, Taylor SS, et al .: Глобальная экспедиция по отбору проб океана Sorcerer II: расширение вселенной белковых семейств. PLoS Biology 2007, 5(3):e16. 10.1371/journal.pbio.0050016

PubMed Central Статья пабмед Google ученый

Мавроматис К., Иванова Н., Барри К., Шапиро Х., Гольцман Э., Макхарди А.С., Ригуцос И., Саламов А., Корженевский Ф., Лэнд М., Лапидус А., Григорьев И., Ричардсон П., Гугенхольц П., Кирпидес Н.К.: Использовать смоделированных наборов данных для оценки точности методов метагеномной обработки. Метод природы 2007, 4(6):495–500. 10.1038/nmeth2043

CAS Статья Google ученый

Bailly-Bechet M, Danchin A, Iqbal M, Marsili M, Vergassola M: Использование кодонов в бактериальных хромосомах. PLoS Computational Biology 2006, 2(4):e37. 10.1371/journal.pcbi.0020037

PubMed Central КАС Статья пабмед Google ученый

Карлин С., Мразек Дж., А.М. С. Композиционные отклонения бактериальных геномов и последствия для эволюции. Журнал бактериологии 1997, 179(12):3899–3913.

Центральный пабмед КАС пабмед Google ученый

Сандберг Р., Винберг Г., Бранден С.И., Каске А., Эрнберг И. , Костер Дж.: Сбор характеристик всего генома в коротких последовательностях с использованием наивного байесовского классификатора. Genome Res 2001, 11(8):1404–1409. 10.1101/gr.186401

PubMed Central КАС Статья пабмед Google ученый

Дешаванн П., Жирон А., Вилен Дж., Фагот Г., Фертил Б.: Геномная подпись: характеристика и классификация видов, оцениваемых с помощью представления последовательностей в игре хаоса. Мол Биол Эвол 1999, 16(10):1391–1399.

КАС Статья пабмед Google ученый

Абэ Т., Каная С., Киноути М., Итиба Ю., Кодзуки Т., Икемура Т.Б.: Информатика для раскрытия скрытых сигнатур генома. Genome Res 2003, 13(4):693–702. 10.1101/gr.634603

PubMed Central КАС Статья пабмед Google ученый

McHardy AC, Martin HG, Tsirigos A, Hugenholtz P, Rigoutsos I: Точная филогенетическая классификация фрагментов ДНК переменной длины. Природные методы 2007, 4(1):63–72. 10.1038/nmeth976

CAS Статья пабмед Google ученый

Тилинг Х., Мейердеркс А., Бауэр М., Аманн Р., Глокнер FOB: Применение тетрануклеотидных частот для определения геномных фрагментов. Экологическая микробиология 2004, 6(9):938–947. 10.1111/j.1462-2920.2004.00624.x

CAS Статья пабмед Google ученый

Чен К., Пачтер Л.Б.: Биоинформатика для полногеномного секвенирования микробных сообществ. PLoS Вычислительная биология 2005, 1(2):e24. 10.1371/journal.pcbi.0010024

PubMed Central Статья Google ученый

Алахакун Л.Д., Халгамуге С.К., Шринивасан Б.: Динамические самоорганизующиеся карты с контролируемым ростом для открытия новых знаний. Транзакции IEEE в нейронных сетях 2000, 11(3):601–614. 10.1109/72.846732

КАС Статья пабмед Google ученый

Alahakoon LD: Контроль распространения динамических самоорганизующихся карт. Нейронные вычисления и приложения 2004, 13(2):168–174.

Google ученый

Чан С-К.К., Хсу А.Л., Тан С.Л., Халгамуг С.К.: Использование растущих самоорганизующихся карт для улучшения процесса биннинга в секвенировании полного генома окружающей среды. Журнал биомедицины и биотехнологии 2008, 2008: ID статьи 513701:10. дои: 10.1155/2008/513701. 10.1155/2008/513701

Артикул Google ученый

База данных NCBI[http://www.ncbi.nlm.nih. gov]

Кудо Ю., Каная С.: Консенсусные генные последовательности в бактериальных генных кластерах рРНК-тРНК. В материалах Proceedings of Genome Informatics Workshop 1995: 11–12 декабря 1995 г .; Pacific Convention Plaza, Йокогама, Япония . Universal Academy Press, Токио; 1995.

Google ученый

База данных RDP [http://rdp.cme.msu.edu]

Ward DM, Weller R, Bateson MM: последовательности 16S рРНК выявляют многочисленные некультивируемые микроорганизмы в естественном сообществе. Letters To Nature 1990, 345: 63–65. 10.1038/345063a0

КАС Статья Google ученый

Томпсон Дж.Р., Пакоча С., Фарино С., Клепак-Серай В., Хант Д.Е., Бенуа Дж., Сарма-Рупавтарм Р., Дистель Д.Л., Полз М.Ф.Б.: Генотипическое разнообразие в естественной прибрежной популяции бактериопланктона. Наука 2005, 307(5713):1311–1313. 10.1126/наука.1106028

CAS Статья пабмед Google ученый

Кохонен Т: Самоорганизующаяся карта. Труды IEEE 1990, 78(9):1464–1480. 10.1109/5.58325

Артикул Google ученый

Kohonen T: Самоорганизующиеся карты. Том 30 . Третье издание. Берлин, Гейдельберг, Нью-Йорк: Springer; 2001.

Глава Google ученый

Кохонен Т.: Анализ процессов и больших наборов данных методом самоорганизации. Интеллектуальная обработка и производство материалов 1999, 27–36.

Google ученый

Хсу А.Л., Халгамуге С.К.: Улучшение сохранения топологии и иерархических динамических самоорганизующихся карт для визуализации данных. Международный журнал приблизительных рассуждений 2003 г., 32 (2–3): 259–279. 10.1016/S0888-613X(02)00086-5

Артикул Google ученый

Хсу А.Л., Тан С.Л., Халгамуг С.К.: Неконтролируемый иерархический динамический самоорганизующийся подход к обнаружению классов рака и идентификации маркерных генов в данных микрочипов. Биоинформатика 2003, 19(16):2131–2140. 10.1093/биоинформатика/btg296

CAS Статья пабмед Google ученый

Reinhard J, Chan C-KK, Halgamuge SK, Tang S-L, Kruse R: Идентификация регионов на обученной растущей самоорганизующейся карте для разделения последовательностей между различными филогенетическими геномами. В BIOINFO 2005: 22–24 сентября 2005 г .; Пусан . Корея: КАИСТ ПРЕСС; 2005: 124–129.

Google ученый

Адамс Р., Бишоф Л.: Растет засеянная область. Pattern Analysis and Machine Intelligence, IEEE Transactions on 1994, 16(6):641–647. 10.1109/34.295913

Артикул Google ученый

Херрманн Л., Ульч А.: Распространение меток для полуконтролируемого обучения на самоорганизующихся картах.In 6-й Международный семинар по самоорганизующимся картам (WSOM 2007): 3–6 сентября 2007 г .; Билефельд . Германия: Группа нейроинформатики; 2007.

Google ученый

Вагстафф К., Карди К., Роджерс С., Шредл С.: Кластеризация K-средних с ограничениями на основе фоновых знаний. Материалы 18-й Международной конференции по машинному обучению (ICML-01) 2001 г., стр. 577–584.

Google ученый

Басу С., Банерджи А., Муни Р.Дж.: Кластеризация с частичным наблюдением путем заполнения. Материалы девятнадцатой Международной конференции по машинному обучению (ICML-2002): июль 2002 г.; Сидней, Австралия 2002, стр. 19–26.

Google ученый

Йоахимс Т.: Трансдуктивный вывод для классификации текста с использованием машин опорных векторов. В материалах ICML-99 , 16-й Международной конференции по машинному обучению . Издательство Morgan Kaufmann, Сан-Франциско, США; 1999: 200–209.

Google ученый

Бруццоне Л., Чи М., Маркончини М.: Новый трансдуктивный SVM для полуконтролируемой классификации изображений дистанционного зондирования. Науки о Земле и дистанционное зондирование, IEEE Transactions on 2006, 44(11):3363–3373. 10.1109/ТГРС.2006.877950

Артикул Google ученый

Хьюберт Л.: Сравнение разделов. Журнал классификации 1985, 2: 193–218. 10.1007/BF015

Артикул Google ученый

van Rijsbergen CJ: Поиск информации. 2-е издание.Лондон: Баттервортс; 1979.

Google ученый

Домашняя страница SVMlight [http://svmlight.joachims.org]

База данных FAMeS [http://fames.jgi-psf.org]

Batzoglou S, Butler J, Berger B, Gner С., Джаффе Д.Б., Стэнли К., Ландер Э.С., Маусели Э., Месиров Д.П.: АРАКХН: полногеномный сборщик дробовиков. Genome Res 2002, 12(1):177–189. 10. 1101/gr.208902

PubMed Central КАС Статья пабмед Google ученый

Ассемблер Phrap[http://www.phrap.org]

Апарисио С., Чиа Дж. М., Хун С., Патнэм Н., Кристоффелс А., Чепмен Дж., Ступка Э., Дехал П., Раш С.: Полногеномная сборка дробовика и анализ генома Fugu rubripes. Наука 2002, 297 (август): 1301–1310. 10.1126/наука.1072104

CAS Статья пабмед Google ученый

Страус М., Пеллетье Э., Манжено С., Раттей Т., Ленер А., Тейлор М., Хорн М., Даймс Х., Бартол-Мавел Д., Винкер П., Барбе В., Фонкнехтен Н., Валленет Д., Сегуренс Б., Шеновиц- Truong C, Médigue C, Collingro A, Snel B, Dutilh B, Op den Camp H, Drift C, Cirpus I, Pas-Schoonen K, Harhangi H, van Niftrik L, Schmid M, Keltjens J, Vossenberg J, Kartal B, Мейер Х, и др. .: Расшифровка эволюции и метаболизма анаммокс-бактерии из генома сообщества. Природа 2006, 440(7085):790–794. 10.1038/nature04647

Артикул пабмед Google ученый

Мартин Х.Г., Иванова Н., Кунин В., Варнеке Ф., Барри К.В., Макхарди А.С., Йейтс С., Хе С., Саламов А.А., Сето Э., Далин Э., Патнэм Н.Х., Шапиро Х.Дж., Пангилинан Д.Л., Ригуцос И., Кирпидес Н.К., Блэколл Л.Л., МакМахон К.Д., Хугенгольц П.: Метагеномный анализ двух сообществ ила с улучшенным биологическим удалением фосфора (EBPR). Природа Биотехнология 2006, 24(10):1263–1269. 10.1038/нбт1247

КАС Статья Google ученый

Домашняя страница S-GSOM [http://www.mame.mu.oz.au/~ckkc/S-GSOM]

Foerstner KU, Mering Cv, Bork P: Сравнительный анализ экологических последовательностей: потенциал и проблемы. Философские труды Королевского общества B: Биологические науки 2006, 361 (1467): 519–523. 10.1098/рстб.2005.1809

КАС Статья Google ученый

Дойчбауэр А.М., Чивиан Д., Аркин А.П.: Геномика для экологической микробиологии. Текущее мнение в области биотехнологии – экологическая биотехнология/энергетическая биотехнология 2006, 17(3):229–235. 10.1016/j.copbio.2006.04.003

CAS Статья Google ученый

Пространственно-временная система дистанционного зондирования для интерпретации редких индикаторов в сильно изменчивых засушливых ландшафтах

https://doi.org/10.1016/j.ecolind.2015.01.042Получить права и содержание

Основные моменты

•

Экологические индикаторы в крайне изменчивых ландшафтах требуют контекста для интерпретации.

•

Высокочастотные спутниковые данные предоставили такой контекст для засушливой Австралии.

•

Классы, основанные на динамике растительности, отличались от обычно используемого биорайонирования.

•

В тематическом исследовании представлена ​​долгосрочная реакция растительности новых классов.

•

Это определило основу для интерпретации данных индикатора.

Abstract

Обширным и часто отдаленным засушливым ландшафтам мира уделяется все больше внимания, чтобы сохранить их экологические и продуктивные ценности. Мониторинг и управление этими землями требует индикаторов и данных о состоянии и тенденциях экосистемы, обычно получаемых из широко распространенных и редко повторяющихся записей на местах. Однако адекватного географического представления и частых повторных посещений трудно добиться из-за удаленности и огромной протяженности этих ландшафтов.Интерпретировать такие разрозненные экологические индикаторы сложно, особенно в ландшафтах, которые сильно изменчивы в пространстве и во времени. Для интерпретации данных экологических индикаторов, собранных в таких средах, необходимо понять долгосрочные закономерности изменчивости природного ландшафта.

В этом документе представлена ​​структура пространственно-временной изменчивости ландшафта, в рамках которой можно интерпретировать данные экологических индикаторов. Эта структура основана на долгосрочных закономерностях роста растительности в засушливой зоне Австралии, полученных на основе спутниковых изображений с высоким временным разрешением Национального управления океанических и атмосферных исследований (NOAA) с усовершенствованным радиометром очень высокого разрешения (AVHRR) за двадцать пять лет.Мы представляем тематическое исследование обширного региона управления природными ресурсами (NRM) Алинитьяра Вилурара (AW) на крайнем западе Южной Австралии, чтобы проиллюстрировать новое понимание функций ландшафта, полученное с помощью этого подхода, и их значение для сбора и интерпретации данных экологических индикаторов. Мы показываем, как изменчивость реакции растительности выражается в регионе и чем стратификация, основанная на реакции активной растительности, отличается от более часто используемых биогеографических страт в этом регионе. Наконец, мы демонстрируем уникальные модели долговременной реакции растительности для основных классов реакции растительности. Среднее количество, сезонность, величина, время и изменчивость реакции растительности во времени используются для характеристики естественной «оболочки» изменчивости новых ландшафтных классов.

В исследуемом регионе реакция растительности была низкой летом и более высокой зимой. Начало роста было более ранним на севере и в экосистемах с преобладанием мелкой растительности. Циклоническое влияние с запада было очевидно на южной окраине исследуемого региона.Исследование демонстрирует функциональную реакцию ландшафта изучаемого региона и представляет метод, с помощью которого дистанционное зондирование выявляет ландшафтный контекст, в рамках которого можно лучше интерпретировать данные экологических индикаторов, собранные в сильно изменчивом ландшафте.

Ключевые слова

Ключевые слова

Ключевые слова

Ключевые слова

Ключевые слова

Ключевые слова

Ключевые слова

ключевые слова

Изменчивость растительности

Растения

Framework

Спутниковые изображения

Alinytjara Wilurara

Alinytjara Wilurara

Strattification

Главный компонентный анализ

Рекомендуемые статьи Статьи (0)

Copyright © 2015 Авторы. Опубликовано Elsevier Ltd.

Рекомендуемые статьи

Ссылки на статьи

Полноматричный ультразвуковой контроль с разреженными матрицами

Резюме отчета промышленного члена TWI 1020/2012

М. Вестон и К. Нагесваран

Фон

В этом отчете описывается разработка метода сбора данных ультразвуковой матрицы полного матричного захвата (FMC) и связанных с ним алгоритмов обработки сигналов. Из-за интенсивной обработки, связанной с FMC, основное внимание было уделено повышению скорости проверки при сохранении высокого качества изображения.В этом отчете специально исследуется использование новых конструкций разреженных массивов для повышения частоты кадров изображения. Также был разработан новый высокоэффективный алгоритм, который позволял проводить осмотр многослойного материала с минимальной вычислительной мощностью. Также впервые были предложены методы калибровки чувствительности изображения FMC. Такие методы калибровки были адаптированы и разработаны на основе существующей технологии фазированных решеток.

В промышленности существует постоянная потребность в точном определении размеров дефектов и определении характеристик критических с точки зрения безопасности конструкций и компонентов.Контроль с использованием ультразвуковой фазированной решетки в настоящее время хорошо зарекомендовал себя и имеет несколько преимуществ по сравнению с обычными ультразвуковыми методами, которые связаны с его способностью направлять и фокусировать ультразвуковые волны с помощью одного преобразователя. Благодаря управлению лучом и фокусировке один ультразвуковой преобразователь может выполнять задачу, которая обычно выполняется с использованием нескольких обычных ультразвуковых преобразователей. Электронное управление лучом также сводит к минимуму необходимое механическое перемещение преобразователя, что может сэкономить время, повысить точность определения размера дефекта и является преимуществом, когда доступ к компоненту ограничен.

Процесс сбора данных FMC и связанные с ним алгоритмы визуализации образуют относительно новый метод контроля с помощью ультразвуковой матрицы. Фундаментальные принципы метода разрабатывались в академических учреждениях с 2005 года. Здесь было показано, что он превосходит существующие методы фазированных решеток с точки зрения разрешения бокового изображения, а также предлагает гораздо большую «глубину резкости» благодаря своей способности генерировать полностью сфокусированные образы. В настоящее время технология находится на стадии, когда она может быть разработана для коммерческого использования.

FMC — это процесс сбора данных, который фиксирует данные А-скана (амплитуда-время) для каждой комбинации элементов массива передатчик-приемник. В этом методе используется подход сбора данных «передача на один и получение на все». Первоначально один элемент в массиве используется в качестве передатчика, а затем все элементы принимают. Этот процесс повторяется до тех пор, пока не будут активированы все элементы массива. Для обработки полученных данных используется собственный алгоритм, разработанный TWI, известный как Sequential Phased Array. Этот алгоритм генерирует полностью сфокусированные изображения, используя подход формирования луча «задержка и сумма».

Разработки, содержащиеся в этом отчете, дополняют работу, описанную в отчете промышленных членов 966/2010 «Разработка технологии ультразвукового полноматричного захвата для улучшения характеристики дефектов» (Weston, 2010).

Цели

• Разработайте алгоритмы FMC для контроля в контактном режиме с использованием клина или без него, чтобы упростить контроль с помощью наклонного луча и сравнить производительность с существующими методами фазированной решетки, которые в настоящее время являются отраслевым стандартом.
• Внедрение новых конструкций массивов разреженных элементов и определение выигрыша/ухудшения производительности с точки зрения качества изображения и скорости проверки.
• Разработка новых методов и процедур для калибровки чувствительности проверки для использования с FMC.

Разреженное многомасштабное кодирование плоской формы

hal. structure.identifier
dc.contributor.author	Олескив, Тимоти Д.	*
гал.структура.идентификатор
dc.contributor.author	Элдер Джеймс	*
идентификатор.пол.структуры
dc.contributor.author	Пейре, Габриэль HAL ID: 1211	*
dc.date.accessioned	2010-04-28T13:57:07Z
dc.дата.доступно	2010-04-28T13:57:07Z
постоянный ток.Дата выпуска	2010
dc.identifier.uri	https://basepub.dauphine.fr/handle/123456789/4037
dc.language.iso	en	en
dc.subject	Разреженность	en
dc.subject	Формы	en
dc. subject	Формы	en
dc.subject.ddc	621.3	и
dc.title	О росте и формлетах: разреженное многомасштабное кодирование плоской формы	en
Тип постоянного тока	Связь/Конференц-связь
dc.description.abstracten	формировать посредством композиции деформирующих функций, называемые формлетами, локализованными в масштабе и пространстве. Каждый формлет подвергает 2D-пространство, в которое встроена форма, локализованная изотропная радиальная деформация.Ограничивая эти локализованные деформирующие преобразования должны быть диффеоморфизмами, топология формы сохраняется, а множество простые замкнутые кривые замыкаются относительно любой последовательности этих деформации. Генеративная модель, основанная на композиции формы, применяемые к эмбриональной форме, например, эллипсу, имеет то преимущество, что синтезирует только те формы, которые может соответствовать границам физических объектов. К вычислить набор формлетов, представляющих заданную границу, мы демонстрируем жадное преследование формлета от грубого к точному алгоритм, который служит некоммутативным обобщением совпадающего преследования для разреженных приближений.Мы оцениваем наш метод, преследуя частично закрытые формы, сравнивая производительность по сравнению со структурой кодирования разреженной формы на основе контуров.	и
dc.identifier.citationpages	8	en
dc.identifier.urlsite	http://hal.archives-ouvertes.fr/hal-00470560/fr/	en
dc.description.sponsorshipprivate	oui	en
постоянный ток.subject.ddclabel	Характеристика сигнала	en
dc.relation.conftitle	CVPR 2010 23-я конференция IEEE по компьютерному зрению и распознаванию образов	en
dc.relation.confdate	2010-06
dc. relation.confcity	Сан-Франциско	en
dc.relation.confcountry	États-Unis	en
гал.автор.функция	авт
hal.author.function	авт.
hal.author.function	авт.

Перинатальное воздействие ожирения у предков приводит к трансгенерационному фенотипу бережливости у мышей ) были приобретены в лаборатории Джексона (Сакраменто, Калифорния).Мышей содержали в клетках-микроизоляторах в помещении с регулируемой температурой (21–22 °C) с 12-часовым циклом свет/темнота. Воду и пищу давали вволю, если не указано иное. С животными обращались гуманно и с учетом облегчения страданий. Все процедуры, проведенные в этом исследовании, были одобрены Институциональным комитетом по уходу и использованию животных Калифорнийского университета в Ирвине. Сбор всех тканей проводили с помощью диссектора, ослепленного, к каким группам принадлежали животные.

В момент эвтаназии каждой мыши присваивался код, известный только сотруднику лаборатории, не участвовавшему в процессе вскрытия.

Самки мышей C57BL/6 J (по 25 самок на группу лечения) были случайным образом распределены по различным группам лечения и подвергались воздействию через питьевую воду 50 нМ TBT или 0,1% ДМСО-носителя (оба разбавлены 0,5% карбоксиметилцеллюлозой в воде для максимальной растворимости). ) за 7 дней до спаривания. Эта концентрация TBT была выбрана на основе нашего предыдущего исследования ²⁰ и в пять раз ниже установленного уровня отсутствия наблюдаемых побочных эффектов (NOAEL) ⁴⁸ .Химические вещества вводили самкам на протяжении всей беременности и лактации. Производители никогда не подвергались лечению. Статистически значимых различий в количестве щенков или соотношении полов в помете среди разных групп не наблюдалось, поэтому в наших экспериментах не было «эффектов помета» (дополнительная таблица 5). Стандартная процедура токсикологических экспериментов по устранению потенциальных «эффектов помета» заключается в том, чтобы либо использовать помет как « n », либо выбрать по одному животному каждого пола на помет для представления помета (и то, и другое, независимо от фактического размера помета). Однако эта процедура на самом деле вводит «эффект помета», поскольку хорошо известно, что количество детенышей во время беременности влияет на последующую траекторию роста ⁴⁹ , что было бы катастрофическим для эксперимента, предназначенного для изучения метаболических эффектов лечения. Поэтому, поскольку средний размер помета как для лечения, так и для контроля составлял 7 детенышей, мы проанализировали только пометы, в которых было от шести до восьми детенышей, чтобы исключить этот потенциальный фактор. В нашем анализе мы рассматривали потомство мужского и женского пола отдельно.В возрасте 8 недель часть животных подвергали эвтаназии и анализировали на содержание жира; Для анализа случайным образом отбирали 1 самца и 1 самку из помета. Выделяли и взвешивали паховые, гонадные, периренальные, межлопаточные ВАТ и межлопаточные бурые жировые отложения. Вторую подгруппу мышей использовали в качестве заводчиков для получения второго поколения животных (дополнительный рисунок 1A). Таким образом, в нашем анализе нет пар «родитель-потомок». Для разведения мы выбрали только 1 самца и 2 самки на помет.Чтобы максимально рандомизировать процесс разведения, мы не разводили братьев и сестер и не разводили самок из одного помета с одним и тем же самцом. Неэкспонированных животных скрещивали друг с другом, а животных, подвергшихся воздействию ТБО, скрещивали друг с другом. Аналогичный подход применялся в поколениях F2-F4. Ни одно из животных F4, подвергшихся диетическому заражению, не было братьями и сестрами. Мышей не кормили в течение 4 часов перед эвтаназией в возрасте 8 или 33 недель (до и после введения диеты соответственно).

Диетический контроль и анализ натощак

Количество животных, необходимое для диетического теста, оценивали с использованием априорного анализа мощности [G*Power v3.1.5]. По нашим предварительным данным, различия в содержании жира между самцами, подвергшимися воздействию ТБО, и контрольными самцами при содержании с HFD составляют  ≥ 23% при SEM в группах  ≤ 10%. Следовательно, установив ошибки типа I и II (α и β) равными 0,05 и размер эффекта d  = 1,47, минимальный размер выборки, необходимый для степени (1−β) 0,8, был рассчитан как  ≥ 7 животных на группу.

Животные из F0-F4 содержались на стандартном рационе (SD-Rodent Diet 20 5053*; PicoLab) на протяжении всего эксперимента.Самцов и самок F4 (избегая братьев и сестер того же пола) содержали на диете с более высоким содержанием жиров (HFD-Mouse Diet 20 5058*; PicoLab) между 19 и 25 неделями. Затем мышей возвращали в SD еще на 8 недель до эвтаназии. в возрасте 33 недель (дополнительный рисунок 1B). Массу тела и состав тела измеряли еженедельно с помощью анализатора состава всего тела EchoMRI ^TM , который предоставляет информацию о содержании мышечной массы, жира и воды. Общая водная масса включает свободную воду преимущественно из мочевого пузыря и воду, содержащуюся в мышечной ткани.Для испытания натощак животные голодали в течение 16 часов на 32-й неделе. Массу тела и состав тела измеряли до и после голодания и рассчитывали процентное соотношение массы тела и потери жира и мышечной массы. На 33-й неделе животных подвергали эвтаназии путем воздействия изофлураном с последующим обескровливанием сердца после 4-часового голодания. Кровь набирали в гепаринизированный шприц и центрифугировали 15 мин при 5000 об/мин при 4°С. Плазму переносили в чистую пробирку и хранили при -80 °С. Уровни лептина у самцов и самок анализировали с использованием набора ELISA для мышиного лептина (Crystal Chem).Семь метаболических гормонов в плазме были проанализированы с использованием технологии мультиплексирования Luminex® (набор для диабета Bio-Plex ProTM, Bio-Rad, дополнительная таблица 4) в соответствии с протоколом производителя у восьми случайно выбранных самцов F4, не являющихся братьями и сестрами, из каждой группы. Уровни адипонектина в плазме измеряли с использованием набора EIA для адипонектина (мыши) (Cayman Chemical). Изменения уровня гормонов колеблются от 25% (глюкагон) до 220% (грелин) с SEM в группах  ≤ 15%. Установка условий, как описано выше, с размером эффекта d  = 3. 47, минимальный размер выборки был рассчитан как 3 животных на группу.

Анализ метилома и транскриптома ДНК

Количество животных, необходимое для анализа метилома и транскриптома, оценивали с помощью априорного анализа мощности [G*Power v3.1.5]. Изменения экспрессии генов в тканях обычно  ≥ 1,5 раза с SEM  ≤ 10% (величина эффекта d = (μ1−μ2)/σ = 3,92). Следовательно, установив ошибки типа I и II (α и β) на 0,05 и размер эффекта d  = 3,92, минимальный размер выборки требуется для степени (1−β) равной 0.95 было рассчитано как  ≥ 4.

Геномная ДНК (gDNA) и РНК были выделены из gWAT самцов с использованием набора ZR-Duet™ DNA/RNA MiniPrep (Zymo Research) животных, умерщвленных в возрасте 33 недель (после диетического заражения). . Образцы нуклеиновой кислоты от 4 случайно выбранных мышей из контрольной группы или группы TBT были представлены для анализа метилома и транскриптома ДНК. Обработанную ультразвуком гДНК (100–200 п.н., 500 нг) подвергали обогащению метилированной ДНК с использованием набора MethylMiner (Life Technologies) с последующим созданием библиотеки для глубокого секвенирования с использованием набора NEBNext Ultra (New England Biolabs). Обработанную ультразвуком гДНК без обогащения метилированием использовали в качестве входного контроля. Следуя рекомендации ENCODE для ChIP-seq ⁵⁰ , мы стремились к 20 миллионам картированных прочтений (75 нуклеотидов одиночных) для каждого образца гДНК. Библиотеки направленной РНК-секвенции синтезировали из образцов, обедненных рибосомной РНК, с использованием набора TruSeq RNA-seq (Illumina). Для мониторинга эффективности построения библиотеки и предела чувствительности для обнаружения транскриптов РНК со слабой экспрессией в образцы добавляли смесь контрольной РНК ERCC (Консорциум внешнего контроля РНК) перед истощением рРНК.Следуя рекомендациям проекта GTEx (Genome-Tissue Expression) ⁵¹ , мы стремились получить 50 миллионов картированных прочтений (парные концы, 75 нуклеотидов + 75 нуклеотидов) для каждого образца РНК.

Статистическую оценку TBT-зависимой изменчивости метилома и транскриптома gWAT самцов F4 проводили с использованием пакетов R (версия 3. 3) и Bioconductor (версия 3.3) MEDIPS (версия 1.22) ⁵² , Rsubread (версия 1.22) ⁵³ и edgeR (версия 3.14) ⁵⁴ . Функция MEDIPS MEDIPS.meth использовали для оценки статистической значимости дифференциального охвата считываний MBD-seq для эталонных геномных мышей GRCm38/mm10 из 100 п.н. последовательных неперекрывающихся окон со следующими параметрами: diff.метод = edgeR, minRowSum = 10 и diffnorm = квантиль. Функция Rsubread featureCounts использовалась для присвоения уникально картированных считываний РНК-секвенций эталонным геномным моделям мыши GRCm38/mm10 и подсчета чтений со следующими параметрами: и strandSpecific = 0. Функции edgeR cpm и glmQLFTest использовались для оценки числа отсчетов на миллион на модель гена и статистической значимости дифференциального охвата прочтений РНК-seq.

Интегративный анализ метилома и транскриптома ДНК состоял из трех этапов. Во-первых, мы установили порог значимости изменений метилирования ДНК на основе их геномного распределения при различных значениях p. Во-вторых, мы проверили, демонстрируют ли изменения метилирования ДНК и транскрипции признаки координации, используя три разные модели влияния, которое изменения метилирования ДНК могут оказывать на экспрессию генов. Наконец, мы функционально охарактеризовали гены, демонстрирующие признаки изменения экспрессии генов, связанные с TBT-зависимыми изменениями метилирования ДНК.

Мы начали с установки порога значимости для идентификации TBT-зависимых изменений метилома ДНК в отношении их геномного распределения (дополнительная рис. 4). Дифференциально метилированные области (DMR) представляют собой геномные 100-нуклеотидные последовательные, неперекрывающиеся окна, для которых наблюдались статистически значимые различия в охвате чтения MBD-seq между группами TBT и DMSO при любом заданном значении p. Объединенные дифференциально метилированные области (mDMR) получаются после слияния соседних DMR с одинаковым направлением изменения при любом заданном значении p.Мы установили порог значимости для TBT-зависимых изменений метилома ДНК, оценив соотношение mDMR/DMR, которое приблизительно покажет, независимы ли вновь обнаруженные DMR от уже идентифицированных DMR при изменении значимого порога (дополнительная рис.  4B). mDMR/DMR будут приближаться к 1, когда после ослабления порога значимости вновь идентифицированные DMR в основном не будут связаны с уже идентифицированными DMR. mDMR/DMR будут приближаться к минимуму (равному количеству хромосом/количеству геномных 100-пн последовательных, неперекрывающихся окон для всех хромосом, или 8.07 × 10 ⁻⁰⁷ ), когда при релаксации порога значимости вновь идентифицированные ЗМР в большинстве своем примыкали к уже обнаруженным ЗМО. Мы установили порог значимости для TBT-зависимых изменений метилома на уровне p  = 0,001, потому что именно здесь отношение mDMR/DMRs начинает последовательно уменьшаться, а это означает, что большинство DMR, идентифицированных при более высоких значениях p, имеют тенденцию не идентифицировать новые независимые изменения метилома ДНК. но расширить уже идентифицированные (дополнительный рис. 4B).

Чтобы изучить возможную координацию между TBT-зависимыми изменениями в метиломе ДНК и транскриптоме, мы выполнили вариант теста Монте-Карло-Уилкоксона с согласованными парами со знаком (далее тест MCW) ³⁰ . Тест MCW особенно подходит для изучения скоординированных отклонений в экспрессии генов в масштабе всего генома и метилировании ДНК, поскольку он исследует статус экспрессии всех генов, аннотированных в эталонном геноме, в отличие от стандартных подходов, которые полагаются на DEG, определенные с использованием произвольно выбранных порогов статистической значимости. . Во-первых, мы определили три подмножества генов из эталонной последовательности генома мыши GRCm38/mm10, связанной с DMR, с помощью инструмента «Поиск геномных регионов» от MouseMine ⁵⁵ (дополнительная рис.5). Подмножество I включает гены с по крайней мере одним DMR в непосредственной близости (между -1500 bp и +500 bp) их сайта начала транскрипции (TSS), что представляет собой случаи, когда DMR могут влиять на экспрессию генов, изменяя связывание ДНК регуляторов ближнего действия. или базовый механизм транскрипции (дополнительный рисунок 5 и дополнительные данные 2, 3). Подмножество II включает гены, которые перекрывают или фланкируют по крайней мере один DMR, независимо от его расстояния от TSS, и представляет случаи, когда DMR могут влиять на экспрессию генов, изменяя связывание ДНК с модификаторами топологии хромосом, регуляторами дальнего и ближнего действия или базальным механизмом транскрипции. (Дополнительный рис.5 и дополнительные данные 2, 3). Здесь мы вводим понятие изо-дифференциально метилированных блоков (isoDMB) как сегментов геномной ДНК, состоящих из отдельных DMR или групп DMR с одинаковым направлением изменения независимо от их относительного расстояния. isoDMB предназначены для представления случаев, в которых DMR отражали региональные изменения свойств хроматина с потенциальным влиянием на экспрессию в нем генов (рис. 2a и дополнительные данные 4). Подмножество III включает гены, расположенные в пределах isoDMB (дополнительная рис.5 и дополнительные данные 3). Во-вторых, чтобы исключить из анализа гены, которые не экспрессируются в gWAT, мы рассчитали среднее значение численности транскриптов и коэффициент вариации (CV) для групп TBT и DMSO для каждого гена, для которого покрытие RNA-seq было больше 0, по крайней мере, в трех случаях. TBT повторяется и по крайней мере в трех повторах ДМСО. В-третьих, для каждого гена показатели содержания транскриптов для образцов ДМСО были вычтены из образцов TBT. В-четвертых, гены в каждой подгруппе были ранжированы в порядке возрастания с использованием абсолютного значения вычитаний ТБТ-ДМСО, а ранги были подписаны в соответствии со знаком вычитаний ТБТ-ДМСО.В-пятых, индексы систематической ошибки экспрессии генов для каждого подмножества генов были рассчитаны как сумма рангов со знаком, нормализованная по максимальному абсолютному значению, которое эта сумма имела бы, если бы показатели распространенности транскриптов для всех генов в подмножестве были смещены в одном направлении. В этом случае индексы систематической ошибки экспрессии генов находятся в диапазоне от 1, если средние значения количества транскриптов или CV были больше в TBT, чем в ДМСО для всех генов в каждом подмножестве, и до -1, если средние значения количества транскриптов или CV были больше в ДМСО, чем в TBT для всех генов. в каждом подмножестве.Наконец, статистическая релевантность наблюдаемых индексов смещения экспрессии генов была оценена путем повторения процесса после случайной перестановки тегов подмножества для каждого подмножества 10 000 раз при соблюдении их хромосомного ассортимента (дополнительные данные 5). Верхние значения p представляют долю случайных перестановок, для которых индексы систематической ошибки экспрессии генов были больше или равны наблюдаемым, тогда как p _{нижние значения} представляют собой долю случайных перестановок, для которых индексы систематической ошибки экспрессии генов были ниже или равны наблюдаемым.

Значимость координации между TBT-зависимой вариацией метилома ДНК и транскриптома была дополнительно проверена путем изучения доли изоDMB, которые содержат более одного дифференциально экспрессируемого гена (DEG), определенного с использованием наиболее общепринятого порога значимости ( р  = 0,05). Доля isoDMB, содержащих не менее двух DEG, была рассчитана до и после случайной перестановки тегов DEG 10 000 раз при соблюдении их хромосомного ассортимента (дополнительные данные 6).Верхние значения p представляют долю случайных перестановок, для которых доля DEG в изоDMB или доля изоDMB, содержащих не менее двух DEG, была больше или равна наблюдаемым, тогда как p _нижние представляют долю случайных перестановок, для которых isoDMB аннотированные гены или перекрытия изохор были ниже или равны наблюдаемым.

Чтобы проверить, действительно ли isoDMB отражают региональные изменения в свойствах хроматина, мы приступили к изучению перекрытия isoDMB с аннотированными генами мыши и с изохорами (дополнительные данные 7).Координаты гена мыши GRCm38/mm10 были получены с использованием базы данных генома мыши (MGB ⁵⁶ ). Изохоры представляют собой области с тенденцией к однородности основного состава ³⁴ , а их координаты для аннотации генома мыши GRCm38/mm10 были получены с помощью IsoFinder ⁵⁷ . Перекрытие координат isoDMB и аннотированных генов мыши использовалось в качестве прокси для представления плотности генов для каждого isoDMB. Перекрытие isoDMB и изохор мыши использовалось в качестве прокси для представления смещения основного состава в пределах каждого isoDMB.Было показано, что вариации плотности генов и состава оснований в значительной степени коррелируют друг с другом, а также с некоторыми структурными, функциональными и эволюционными геномными особенностями, такими как уплотнение хроматина, время репликации или обилие повторяющихся ДНК или генов домашнего хозяйства ³⁴ . Перекрытие isoDMB либо с аннотированными генами, либо с изохорами оценивали с использованием Hyper Browser ⁵⁸ , а статистическую значимость этих перекрытий проверяли с помощью моделирования методом Монте-Карло.Общая степень перекрытия isoDMB, аннотированных генов или изохор измерялась с использованием индекса Жаккара, который рассчитывается путем деления общего количества пар оснований, в которых isoDMB перекрываются либо с аннотированными генами, либо с изохорами, на общее количество пар оснований, охватывающих isoDMB или аннотированные гены, или isoDMB, или изохоры. Индексы Жаккара рассчитывались до и после случайной перестройки геномных местоположений isoDMB с использованием аннотации генома мыши GRCm38/mm10 10 000 раз при соблюдении размера и хромосомного ассортимента isoDMB, аннотированных генов и изохор (дополнительные данные 7).p _{верхние значения} представляют долю случайных перестановок, для которых перекрытия isoDMB и аннотированных генов или изохор были больше или равны наблюдаемым, тогда как p _нижние представляют долю случайных перестановок, для которых перекрытия isoDMB и аннотированных генов или изохор были ниже или равны наблюдаемым. Наблюдаемые индексы Жаккара, значительно превышающие смоделированные индексы, представляют случаи, в которых степень изоDMB, покрытых генами или изохорами, больше, чем ожидалось случайно, тогда как наблюдаемые индексы Жаккара, значительно более низкие, чем смоделированные индексы, представляют случаи, в которых степень изоDMB, покрытых генами или изохорами случайно меньше ожидаемого.

Существует литература, предполагающая, что в геномах млекопитающих метаболические гены, как правило, обогащены GC ⁵⁹ , но, насколько нам известно, относительное расположение метаболических генов относительно изохор мыши никогда не проверялось. Чтобы изучить этот вопрос, мы определили две группы генов по их расположению в изохорах L или H, используя инструмент MouseMine «Поиск геномных регионов» ⁵⁵ , и координаты изохор GRCm38/mm10, полученные с помощью IsoFinder ⁵⁷ . Значительное обогащение терминов GO было выявлено с использованием MouseMine, фоновой популяции аннотаций для генома мыши в качестве эталонного набора и поправки Бенджамини-Хохберга для множественного тестирования для расчета значений p в соответствии с гипергеометрическим распределением (порог значимости p  = 0. 05) ⁵⁵ .

Чтобы функционально охарактеризовать гены с наиболее последовательной TBT-зависимой вариацией метилома и транскриптома, мы выбрали гиперэкспрессированные DEG, расположенные в гипометилированных изоDMB, и недостаточно экспрессированные DEG, расположенные в гиперметилированных изоDMB в жировой ткани (дополнительные данные 8). Анализы GO проводили, как описано выше.

Анализ ATAC-seq образцов спермы

Сперматозоиды мышей выделяли из 6 случайно выбранных самцов, не являющихся братьями и сестрами, на поколение.Придаток яичка и семявыводящие протоки рассекали и выделяли сперму, как описано ранее ²¹ . Вкратце, придатки яичка и семявыносящие протоки помещали в чашку Петри, содержащую 2 мл буфера среды для изоляции ядер (NIM) (123,0 ммоль/л KCl, 2,6 ммоль/л NaCl, 7,8 ммоль/л NaH ₂ PO ₄ , 1,4). ммоль/л KH ₂ PO ₄ и 3 ммоль/л ЭДТА (динатриевая соль)). Сперматозоиды выталкивали из ткани, собирали среду и переносили в две чистые микроцентрифужные пробирки и хранили на льду. Образцы центрифугировали при 13000x g в течение 5 мин при 4°C. Супернатант удаляли, а клетки ресуспендировали в 1 мл свежего NIM-буфера. Собранную сперму замораживали в сухом льду и хранили при температуре -80 °C до использования. При микроскопическом исследовании контаминации эпителиальных клеток не выявлено.

Хотя анализ ATAC-seq рекомендуется проводить на свежих клетках, материал спермы, к которому у нас был доступ из описанного здесь эксперимента, был заморожен (см. выше). ATAC-seq выполняли, как описано Jung et al. ⁶⁰ Меченая ДНК сперматозоидов была подвергнута ПЦР-амплификации для создания библиотеки глубокого секвенирования Illumina, как описано ранее ⁶¹ . Чтобы избежать эффекта партии, мы случайным образом выбрали по одному образцу спермы из каждой из четырех групп обработки, а именно, F3 ДМСО, F3 ТБТ, F4 ДМСО и F4 ТБТ, и провели реакцию ATAC-seq для этих четырех образцов в виде партии на тот же день. Мы обработали шесть партий (всего 24 образца спермы, по 6 образцов для каждой лечебной группы) в качестве независимых экспериментов. Библиотеки ATAC-seq были секвенированы с использованием секвенатора Illumina NextSeq 500, и, хотя мы не начали со свежих клеток, нам удалось получить большое количество прочтений ATAC-seq с адекватным качеством, чтобы проверить, вызывало ли предковое воздействие TBT трансгенерационно-трансмиссивные изменения более высокого порядка. Хроматиновая организация сперматозоидов. Мы получили примерно 100 миллионов прочтений на группу лечения (17–20 миллионов прочтений на отдельный образец). Необработанные данные секвенирования (fastq, 50 нуклеотидов, одиночное чтение) подвергали обработке для контроля качества с использованием fastQC и Trim Galore (Институт Бэбрахама) для удаления некачественных прочтений и адоптерных последовательностей и выравнивали с эталонной последовательностью генома мыши GRCm38/mm10 с использованием выравнивателя STAR без распознавание сплайсинга ⁶² .Из результирующих прочтений, выровненных по формату .bam, были извлечены уникально выровненные чтения с использованием функции разметки sambamba ⁶³ .

Мы использовали пакет chromVar, чтобы проверить, различается ли вообще доступность хроматина между образцами ДМСО и ТБО ⁶⁴ . Поскольку chromVar был разработан для работы с разреженными наборами данных, например, полученными при анализе отдельных клеток, ему требуется набор хромосомных регионов в качестве ориентира для анализа тех областей, где ожидаются значимые различия ⁶⁴ .Геном сперматозоидов сильно уплотнен из-за значительной замены гистонов протаминами во время спермиогенеза ⁶⁵ . Поскольку большинство локусов, доступных для транспозомы Tn5, будут расположены в областях, которые сохраняют гистоны в результате спермиогенеза, а размер генома, который сохраняет гистоны, и их распределение все еще являются спорными ^60,66,67 , мы решили направлять наши анализы chromVar, используя два разных подхода. Мы отдельно оценили дифференциально доступные области, картированные с помощью пакета SICER, а также связав дифференциально доступные области с областями смещенного состава последовательности ДНК, идентифицированными по 5 изохорам мыши. SICER позволяет идентифицировать обширные хромосомные регионы, называемые островами, которые имеют значительное обогащение в прочтении по сравнению с фоном ⁶⁸ . Островки SICER определяли с использованием следующих параметров: размер окна = 200 п.н., размер фрагмента = 150 п.н., допустимый порог избыточности для обработанных прочтений = 1, порог допустимой избыточности для прочтений WT = 1, сдвиг для прочтений = 75, размер промежутка = 600 bp, значение E для идентификации островков-кандидатов, которые демонстрируют кластеризацию = 100, и FDR для значимости различий = 0.05 (дополнительные данные 11).

Эффективность образцов рассчитывалась как количество прочтений в пределах островков SICER или каждого класса изохор, деленное на общее количество прочтений в каждом образце. Чтобы сравнить эффективность образцов для хромосомных областей, используемых в качестве эталона, охватывающих различные фракции генома, показатели эффективности также были проверены после нормализации по совокупной длине островков SICER или каждого класса изохор (дополнительный рисунок 10 и дополнительные данные 12). Образцы отфильтровывались, если их глубина была ниже 1500 прочтений или значения эффективности были ниже 0.15. Chromvar был выполнен с использованием настроек по умолчанию для фонового пикового поколения и установку порога для вариабельности до 1,5. Анализы с использованием изохор L1 и h4 не соответствовали этим критериям и не увенчались успехом. Сходство доступности хроматина между образцами ДМСО и ТБО было проверено с использованием иерархической кластеризации на основе корреляций Пирсона, рассчитанных после удаления аннотаций с высокой корреляцией и низкой изменчивостью и установки автокорреляций на 0 (дополнительные данные 13). Тесты Chi-Square использовались для изучения отделения образцов TBT и DMSO или F3 и F4 в отношении двух больших кластеров для каждой дендрограммы (кластеры x и y сверху вниз).Поскольку для анализов, ориентированных на изохоры h3, разделение образцов ДМСО и ТБО в отношении кластеров X и Y было статистически значимым ( p  < 0,05), был использован второй раунд тестов хи-квадрат для изучения разделения Образцы ДМСО разных поколений в отношении двух основных подкластеров внутри кластера X (подкластеры X ‘ и X ″ сверху вниз на дендрограмме), а также разделение образцов ТБО из разных поколений в отношении к двум основным подкластерам внутри кластера Y (подкластеры Y ′ и Y ″ сверху вниз на дендрограмме) (дополнительные данные 14).

Чтобы дополнительно охарактеризовать хромосомные области с дифференциальным покрытием для чтений ATAC-seq, мы использовали островки SICER, как определено ранее, и изохоры, для которых с помощью MEDIPS было оценено значительное дифференциальное покрытие для чтения ATAC-seq (дополнительные данные 11). Изохоры со значительно отличающимся покрытием чтения ATAC-seq или значительными дифференциально доступными изохорами (DAI) были определены с использованием MEDIPS.createROIset для извлечения покрытия чтения ATAC-seq, сопоставленного с изохорами мыши, MEDIPS.meth для оценки значимости дифференциального покрытия для ДМСО и ТБТ. образцы, как указано ранее, но без поправки на геномное распределение CpG и с использованием наиболее общепринятого порога значимости (p = 0.05). Значимость доли DAI для каждого типа изохоры и доли DAI, демонстрирующих одинаковое направление изменений в обоих поколениях, оценивали путем расчета долей DAI до и после случайной перестановки тегов направления изменения 10 000 раз (дополнительные данные 15–17). . Значения p _{, верхние} и p _{, нижние} , представляют долю случайных перестановок, для которых доли изохор были больше или равны, меньше или равны наблюдаемым, соответственно.Перекрытие островков SICER и DAI между поколениями и каждого из них с жировыми isoDMB F4 оценивалось с использованием Hyper Browser ⁶⁴ , как указано ранее (дополнительные данные 16 и 20). Геномные области, представляющие перекрытие между островками SICER с одинаковым направлением изменений в сперматозоидах F3 и F4, определяли с помощью инструмента «Intersect» от Galaxy ⁶⁹ . Гены, охватывающие островки SICER или DAI, и их значительное обогащение терминами GO были проверены с использованием инструментов MouseMine, как указано ранее (дополнительные данные 18, 19 и 21).Диаграммы Венна были построены с использованием eulerAPE v3 ⁷⁰ .

Доступность данных

Исходные и обработанные данные доступны в Gene Expression Omnibus (GSE105051). Аннотированный код R для нашего анализа включен в дополнительные методы.

База данных бентических местообитаний

gov.noaa.nmfs.inport:25749engUTF8datasetOracle Database Northeast Fisheries Science Center(508)495-2000

166 Water StreetWoods HoleMA02543-1026USA

http://www.nefsc.noaa.govWWW:ССЫЛКА-1.0-http—linkВеб-сайтВеб-сайт этой организацииинформация8:00 до 16:30 Понедельник — пятницаresourceProviderJones, Patricia L508-495-2116508-295-2258

166 Water StreetWoods [email protected]

pointOfContact2021-11-30T00:00:00ISO 19115-2 Географическая информация. Метаданные, часть 2. Расширения для изображений и данных с привязкой к сетке https://www.fisheries.noaa.gov/inport/item/25749WWW:LINK-1.0-http—linkПолная запись метаданных Просмотрите полную запись метаданных в InPort для получения дополнительной информации об этом наборе данных.informationJones, Patricia L508-495-2116508-295-2258

166 Вода StreetWoods [email protected] gov

originatortableDigitalСеверо-восточный научный центр рыболовства NOAA за годы работы накопил обширную базу данных качественных и количественных (влажный вес и количество на квадратный метр) данных о составе, распределении и численности (включая различные экологические измерения) макробентосных беспозвоночных. фауна У.Континентальный шельф юго-восточного побережья, склон и верхний подъем от устья залива Фанди до Ки-Уэста, Флорида. Данные о бентической фауне собирались с 1881 г. по настоящее время в лабораториях Национальной службы морского рыболовства в Вудс-Хоул, Массачусетс (раннее Бюро рыболовства) и Сэнди-Хук, штат Нью-Джерси (ранее входившее в Бюро спортивного рыболовства). С 1881 по 1955 год существует мало данных. После интенсивного отбора проб данные снова стали скудными после 1986 года. Данные включают работу Уигли и Теру по макрофауне северо-востока Соединенных Штатов.Другие крупные исследования включают Ocean Pulse, Северо-восточную программу мониторинга, Нью-Йоркскую бухту, 12-мильную свалку, пролив Лонг-Айленд и залив Раритан. Параметры, включенные в эти съемки, включают глубину, тип отложений, тип снастей, количество, вес, семейство, класс, род, название вида и численность. Всего в этот набор данных включено 21 000 пробных участков, при этом максимальная глубина отбора проб составляет 4 000 метров. Температура на дне МБТ и ХБТ измерялась с 1960-х годов по настоящее время. База данных по бентосу и коллекция беспозвоночных продолжают использоваться экологами, систематиками и таксономистами при подготовке отчетов о воздействии на окружающую среду, характеризующих фауну бентоса на отдельных участках для множества конкретных целей (например,грамм. добыча полезных ископаемых, захоронение, бурение, морские заповедники и т. д.).completedJones, Patricia L508-495-2116508-295-2258

166 Water StreetWoods [email protected]

pointOfContactJones, Patricia L508-495-2116508-295-2258

166 Water StreetWoods [email protected]

хранительнезапланированныйбентический граббентическая среда обитаниябентическое картографированиебентическая таксономиябентосбиологиятемпература днамакробентическая беспозвоночная фаунаморской тип отложенийтема1953–19751966–1992временнойзалив ФандиДжорджес-Бэнкзалив МэнНантакет-ШолсU. Континентальный шельф южного побережья, бентосный слойDOC/NOAA/NMFS/NEFSC > Северо-восточный научный центр рыболовства, Национальная служба морского рыболовства, NOAA, Министерство торговли СШАЦентр данныхЦентр глобальных изменений (GCMD) Как: Северо-восточный научный центр рыболовства, [Дата доступа]: База данных бентических местообитаний [Диапазон дат], https://www.fisheries.noaa.gov/inport/item/25749. от любых неполных, неверных или вводящих в заблуждение данных или от любого неправильного, неполного или вводящего в заблуждение использования данных.Пользователь несет ответственность за определение того, подходят ли данные для предполагаемой цели.otherRestrictionsotherRestrictionsОграничения доступа: нет | Ограничения по использованию: Перед использованием этих записей в любом анализе или отчете необходимо подтвердить происхождение исходных данных. Подтвердите использование конкретных записей из баз данных NOAA и подтвердите использование средства OBIS-USA. Признать ограничения данных в OBIS-USA. unclassifiedПлан управления данными NOAA (DMP)NOAA/NMFS/EDM 25749 https://www.fisheries.noaa.gov/inportserve/waf/noaa/nmfs/nefsc/dmp/pdf/25749.pdfWWW:LINK-1.0-http—linkПлан управления данными NOAA (DMP)План управления данными NOAA для этой записи в InPort.informationcrossReferenceeng; USoceansOracle 10g nova database-82-49.16724.1666666666749.167 Континентальный шельф восточного побережья США, склон и верхний подъем от устья залива Фанди до Ки-Уэста, Флорида Временные рамки для данных Вудс-Хоул охватывают период с 1881 по 1975 год; Тем не менее, большинство записей с 1953 по 1975418801975 случайный кадр для песчаных накопительных данных простирается с 1966 по 1992-196661992Falseengfalsedata Tabledata ViewTable: BengeR2017-03-14PublicationTable: Bencat2017-03-14PublicationTable: Bensta2017-03-14PublicationStable: Benconv2017-03-14PublicationTable: BENHSTRATUM2017-03-14publicationTable: BENSED2017-03-14publicationTable: BENSTRATUM2017-03-14publicationTable: BENTXN2017-03-14publicationTable: BENVESS2017-03-14publicationTable: BENCATALOG2017-03-14publicationTable: BENCRUISE2017-03-14publicationTable: BENPURPOSE2017-03-14publicationView: BENV012017- 03-14публикацияВид: BENV022017-03-14публикацияВид: BENV032017-03-14публикацияСеверо-восточный научный центр рыболовства(508)495-2000

166 Water StreetWoods HoleMA02543-1026

https://www. fisheries.noaa.gov/about/northeast-fisheries-science-centerWWW:LINK-1.0-http—link Веб-сайт Северо-восточного научного центра рыболовстваДомашняя страница NEFSCинформация с 8:00 до 16:30. Понедельник — пятницаdistributorftp://ftp.nefsc.noaa.gov/pub/dropoff/PARR/DMS/25749/WWW:LINK-1.0-http—link25749_BenthicData.zipСжатая ZIP-папка: 25749_BenthicDatadownloaddatasetОтчет о полнотенеприменимоИнтерес к донным беспозвоночным и исследования, связанные с ними фауна морской среды у берегов Соединенных Штатов формально начала систематически организованным образом с установлением Спенсером Ф.Бэрдом из Комиссии по рыбному хозяйству США в 1871 году. Вудс-Хоул, Массачусетс, был выбран в качестве места для первой постоянной лаборатории в США, посвященной исключительно научному изучению всех аспектов морской среды. Коллекции и данные о донной фауне, собранные в те далекие времена, по большей части в последующие годы были переданы во многие другие учреждения и музеи. Однако некоторые материалы (образцы и данные) были сохранены в лаборатории Вудс-Хоул и включены в базу данных и справочную коллекцию образцов. Однако подавляющее большинство данных и образцов, полученных в Вудс-Хоул, являются результатом деятельности, проведенной в лаборатории Вудс-Хоул, начиная с середины 1950-х гг., в рамках исследований, касающихся пищевых привычек важных с коммерческой точки зрения донных рыб. Очевидное отсутствие экологически ориентированных данных о составе, распространении, численности, экологических и экологических отношениях донной фауны, составляющей рацион этих рыб, привело к проведению исследований, направленных на получение необходимой информации по этим темам.Когда в начале 1960-х годов в сотрудничестве с Океанографическим институтом Вудс-Хоул была инициирована программа Геологической службы США по исследованию континентальной окраины, отдел изучения динамики бентоса в лаборатории рыболовства Вудс-Хоул, проводивший в то время аналогичные исследования, был приглашен присоединиться к усилиям по предоставлению биологических знаний. Образцы из Вудс-Хоул были получены самыми разными способами, включая ручной сбор в приливной зоне и использование исследовательских судов (17 различных судов) в 208 отдельных рейсах с использованием 49 различных типов оборудования для отбора проб (от дипнетов до тралов, земснарядов и драг).