जानकारी

23.4: अनुप्रयोग - जीव विज्ञान

23.4: अनुप्रयोग - जीव विज्ञान


We are searching data for your request:

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

सिलिको डिटेक्शन एनालिसिस

एफबीए जैसे शक्तिशाली उपकरण की उपलब्धता के साथ, स्वाभाविक रूप से अधिक प्रश्न उठते हैं। उदाहरण के लिए, क्या हम चयापचय पर उनके नकली प्रभावों के आधार पर जीन नॉकआउट फेनोटाइप की भविष्यवाणी करने में सक्षम हैं? इसके अलावा, हम ऐसा करने की कोशिश क्यों करेंगे, भले ही अन्य तरीके, जैसे प्रोटीन इंटरेक्शन मैप कनेक्टिव, मौजूद हों? ऐसा विश्लेषण वास्तव में आवश्यक है, क्योंकि अन्य विधियां चयापचय प्रवाह या अन्य विशिष्ट चयापचय स्थितियों पर सीधे ध्यान नहीं देती हैं।

एक प्रयोग में एक जीन को नॉक आउट करना स्टोचियोमेट्रिक मैट्रिक्स से कॉलम (प्रतिक्रियाओं) में से एक को हटाकर बस मॉडलिंग की जाती है। (कक्षा के दौरान एक प्रश्न ने स्पष्ट किया कि एक एकल जीन कई स्तंभों/प्रतिक्रियाओं को समाप्त कर सकता है।) इस प्रकार, ये नॉकआउट उत्परिवर्तन प्रवाह और उनके संबंधित चरम मार्गों को हटाकर व्यवहार्य समाधान स्थान को और बाधित करेंगे। यदि मूल इष्टतम प्रवाह नए स्थान के बाहर था, तो नया इष्टतम प्रवाह बनाया जाता है। इस प्रकार एफबीए विश्लेषण विभिन्न समाधान तैयार करेगा। समाधान एक अधिकतम विकास दर है, जिसे प्रयोगात्मक रूप से पुष्टि या अस्वीकृत किया जा सकता है। नए समाधान में विकास दर नॉकआउट फेनोटाइप का एक माप प्रदान करती है। यदि ये जीन नॉकआउट वास्तव में घातक हैं, तो इष्टतम समाधान शून्य की वृद्धि दर होगी।

एडवर्ड्स, पालसन (1900) द्वारा किए गए अध्ययन ई. कोलाई, एक प्रोकैरियोट [? ]. दूसरे शब्दों में, ग्लाइकोलाइसिस, पेंटोस फॉस्फेट, टीसीए, और इलेक्ट्रॉन परिवहन मार्ग (436 मेटाबोलाइट्स और 719 प्रतिक्रियाएं शामिल) को प्रभावित करने वाले उत्परिवर्तन को अनुकरण करने के लिए ई.कोली के एक सिलिको चयापचय मॉडल का निर्माण किया गया था। प्रत्येक विशिष्ट स्थिति के लिए, म्यूटेंट की इष्टतम वृद्धि की तुलना गैर-म्यूटेंट से की गई थी। विवो और सिलिको में परिणामों की तुलना 86% समझौते के साथ की गई थी। मॉडल में त्रुटियां एक अविकसित मॉडल (ज्ञान की कमी) का संकेत देती हैं। लेखक एफबीए द्वारा मॉडलिंग नहीं की गई 7 त्रुटियों पर चर्चा करते हैं, जिसमें स्थिर आरएनए संश्लेषण को बाधित करने वाले म्यूटेंट और विषाक्त मध्यवर्ती उत्पादन शामिल हैं।

सिलिको मॉडल भविष्यवाणियों में मात्रात्मक प्रवाह

क्या मॉडल मात्रात्मक रूप से प्रवाह, विकास दर की भविष्यवाणी कर सकते हैं? हम विभिन्न पर्यावरणीय परिस्थितियों को देखते हुए विकास दर और प्रतिक्रिया प्रवाह के बारे में मात्रात्मक भविष्यवाणियां देने के लिए एफबीए की क्षमता प्रदर्शित करते हैं। अधिक विशेष रूप से, भविष्यवाणी बाहरी रूप से मापने योग्य प्रवाह को नियंत्रित तेज दरों और पर्यावरणीय परिस्थितियों के एक समारोह के रूप में संदर्भित करती है। चूंकि एफबीए एक उद्देश्य फ़ंक्शन को अधिकतम करता है, जिसके परिणामस्वरूप इस फ़ंक्शन के लिए एक विशिष्ट मूल्य होता है, हमें सिद्धांत रूप में मॉडल से मात्रात्मक जानकारी निकालने में सक्षम होना चाहिए।

एडवर्ड्स, इबारा, और पालसन (1901) के एक प्रारंभिक उदाहरण ने संस्कृति में ई. कोलाई की वृद्धि दर की भविष्यवाणी की, जिसमें ऑक्सीजन और दो कार्बन स्रोतों (एसीटेट और सक्सेनेट) की निश्चित गति दर दी गई थी, जिसे वे एक बैच में नियंत्रित कर सकते थे। रिएक्टर [6]। उन्होंने माना कि ई. कोलाई कोशिकाएं दी गई पर्यावरणीय परिस्थितियों में वृद्धि को अधिकतम करने के लिए अपने चयापचय को समायोजित करती हैं (विकास उद्देश्य फ़ंक्शन का उपयोग करके) और जीवाणु में चयापचय मार्गों को मॉडल करने के लिए एफबीए का उपयोग करती हैं। इस विशेष मॉडल का इनपुट एसीटेट और ऑक्सीजन है, जिसे VIN के रूप में लेबल किया गया है।

नियंत्रित तेज दरों ने नेटवर्क में ऑक्सीजन और एसीटेट/सक्सेनेट इनपुट फ्लक्स के मूल्यों को निर्धारित किया, लेकिन अन्य फ्लक्स की गणना विकास उद्देश्य के मूल्य को अधिकतम करने के लिए की गई थी।

विकास दर को अभी भी FBA विश्लेषण के समाधान के रूप में माना जाता है। संक्षेप में, इष्टतम विकास दर की भविष्यवाणी ऑक्सीजन बनाम एसीटेट और ऑक्सीजन बनाम सक्सेनेट पर तेज बाधाओं के एक समारोह के रूप में की जाती है। मूल मॉडल एक भविष्य कहनेवाला रेखा है और एक बायोरिएक्टर में प्रयोगात्मक रूप से बैच रिएक्टरों से उठाव और वृद्धि को मापने के द्वारा पुष्टि की जा सकती है (नोट: प्रायोगिक तेज को विवश नहीं किया गया था, केवल मापा गया था)।

पालसन का यह मॉडल सिलिको मॉडल में सिद्धांत का पहला अच्छा सबूत था। अलग-अलग परिस्थितियों में लेखकों की मात्रात्मक वृद्धि दर की भविष्यवाणियां प्रयोगात्मक रूप से देखी गई विकास दर से बहुत निकटता से मेल खाती हैं, जिसका अर्थ है कि ई. कोलाई में एक चयापचय नेटवर्क है जिसे विकास को अधिकतम करने के लिए डिज़ाइन किया गया है। इसकी अच्छी सच्ची सकारात्मक और सच्ची नकारात्मक दरें थीं। भविष्यवाणियों और प्रयोगात्मक परिणामों के बीच समझौता एक मॉडल के लिए बहुत प्रभावशाली है जिसमें कोई गतिज जानकारी शामिल नहीं है, केवल स्टोइकोमेट्री है। हालांकि, प्रो. गलागन ने आगाह किया कि यह जानना अक्सर मुश्किल होता है कि अच्छा समझौता क्या है, क्योंकि हम अवशेषों के आकार के महत्व को नहीं जानते हैं। जीव कई अलग-अलग पोषक तत्वों पर उगाया गया था। इसलिए, जांचकर्ता स्थिति विशिष्ट वृद्धि की भविष्यवाणी करने में सक्षम थे। ध्यान रखें कि यह काम कर गया, क्योंकि कुछ पोषक तत्वों के लिए केवल कुछ जीन आवश्यक हैं, जैसे ग्लूकोनोजेनेसिस के लिए fbp। इसलिए, एफबीपी को खत्म करना केवल तभी घातक होगा जब पर्यावरण में ग्लूकोज न हो, एक विशिष्ट स्थिति जिसके परिणामस्वरूप एफबीए द्वारा विश्लेषण किए जाने पर विकास समाधान होता है।

अर्ध स्थिर राज्य मॉडलिंग (क्यूएसएसएम)

अब हम वर्णन करने में सक्षम हैं कि अर्ध स्थिर अवस्था मॉडलिंग का उपयोग करके विकास दर और मेटाबोलाइट सांद्रता में समय-निर्भर परिवर्तनों की भविष्यवाणी करने के लिए FBA का उपयोग कैसे करें। पिछले उदाहरण में विशिष्ट पर्यावरणीय परिस्थितियों (बिंदु पूर्वानुमान) के तहत मात्रात्मक वृद्धि की भविष्यवाणी करने के लिए FBA का उपयोग किया गया था। अब, विकास और तेज प्रवाह के बाद, हम एक और धारणा और मॉडल के प्रकार पर आगे बढ़ते हैं।

क्या हम सेल या वातावरण में समय-निर्भर परिवर्तनों की भविष्यवाणी करने के लिए चयापचय के एक स्थिर राज्य मॉडल का उपयोग कर सकते हैं? हमें कई अर्ध स्थिर स्थिति धारणाएं (क्यूएसएसए) बनानी होंगी:

  1. चयापचय स्वयं परिवर्तनों की तुलना में अधिक तेजी से पर्यावरणीय / सेलुलर परिवर्तनों को समायोजित करता है
  2. सेलुलर और पर्यावरण सांद्रता गतिशील हैं, लेकिन चयापचय इस शर्त पर संचालित होता है कि एकाग्रता हर समय बिंदु (स्थिर अवस्था मॉडल) पर स्थिर होती है।

क्या समय के साथ चयापचय गतिकी की भविष्यवाणी करने के लिए QSSM का उपयोग करना संभव है? उदाहरण के लिए, यदि प्रति सेल के आधार पर कम एसीटेट लिया जा रहा है क्योंकि संस्कृति बढ़ती है, तो विकास दर धीमी होनी चाहिए। लेकिन अब, क्यूएसएसए धारणाएं लागू होती हैं। अर्थात्, वास्तव में, किसी भी समय, जीव स्थिर अवस्था में होता है।

FBA समस्या के समाधान के रूप में किसी को क्या मूल्य मिलते हैं? विकास दर में उतार-चढ़ाव हैं। हम दर और प्रवाह (समाधान) की भविष्यवाणी कर रहे हैं जहां VIN/OUT शामिल है। अब तक हमने माना है कि इनपुट और आउटपुट अनंत सिंक और स्रोत हैं। सब्सट्रेट/ग्रोथ डायनामिक्स को मॉडल करने के लिए, विश्लेषण पूर्व मात्रात्मक प्रवाह विश्लेषण से थोड़ा अलग तरीके से किया जाता है। हम पहले समय को स्लाइस टी में विभाजित करते हैं। प्रत्येक समय बिंदु t पर, हम अंतराल t के दौरान सेलुलर सब्सट्रेट तेज (Su) और वृद्धि (g) की भविष्यवाणी करने के लिए FBA का उपयोग करते हैं। क्यूएसएसए का मतलब है कि ये भविष्यवाणियां टी से अधिक स्थिर हैं। फिर हम बायोमास (बी) और सब्सट्रेट एकाग्रता (एससी) को अगली बार बिंदु टी + टी पर प्राप्त करने के लिए एकीकृत करते हैं। इसलिए, नए VIN की गणना हर बार समय के बीच के बिंदु t के आधार पर की जाती है। इस प्रकार हम विकास दर और ग्लूकोज और एसीटेट तेज (पर्यावरण में उपलब्ध पोषक तत्व) की भविष्यवाणी कर सकते हैं। चार चरणों का विश्लेषण है:

  1. समय पर एकाग्रता अंतिम चरण से सब्सट्रेट एकाग्रता द्वारा दी जाती है और सेल संस्कृति को एक प्रवाह द्वारा प्रदान किए गए किसी भी अतिरिक्त सब्सट्रेट, जैसे कि एक फेड बैच में।
  2. कोशिकाओं के लिए सब्सट्रेट उपलब्धता को निर्धारित करने के लिए सब्सट्रेट एकाग्रता को समय और बायोमास (एक्स) के लिए बढ़ाया जाता है। यह कोशिकाओं की अधिकतम ग्रहण दर को पार कर सकता है या उस संख्या से कम हो सकता है।
  3. वास्तविक सब्सट्रेट तेज दर का मूल्यांकन करने के लिए फ्लक्स बैलेंस मॉडल का उपयोग करें, जो चरण 2 द्वारा निर्धारित सब्सट्रेट से अधिक या कम हो सकता है।
  4. अगली बार चरण के लिए एकाग्रता की गणना मानक अंतर समीकरणों को एकीकृत करके की जाती है:

    [frac{d B}{d t}=g B ightarrow B=B_{o} e^{g t} onumber]

    [frac{d S c}{dt}=-S u B ightarrow S c=S c_{o} frac{X}{g}left(e^{gt}-1 ight) onumber ]

वर्मा एट अल द्वारा अतिरिक्त कार्य। (1994) ग्लूकोज तेज दर को एक प्राथमिकता [17] निर्दिष्ट करता है। मॉडल सिमुलेशन विकास, ऑक्सीजन तेज और एसीटेट स्राव में समय-निर्भर परिवर्तनों की भविष्यवाणी करने के लिए काम करते हैं। यह बातचीत मॉडल विवो और सिलिको में तुलनीय परिणाम प्राप्त करते हुए, दर बनाम विकास को प्लॉट करता है। शोधकर्ताओं ने ई. कोलाई की बैच संस्कृतियों में कोशिका वृद्धि और मेटाबोलाइट सांद्रता के समय-निर्भर प्रोफाइल की भविष्यवाणी करने के लिए अर्ध स्थिर अवस्था मॉडलिंग का उपयोग किया, जिसमें या तो ग्लूकोज की सीमित प्रारंभिक आपूर्ति (बाएं) या धीमी निरंतर ग्लूकोज आपूर्ति (दायां आरेख) थी। एक महान फिट स्पष्ट है।

ऊपर दिए गए आरेख मॉडल की भविष्यवाणियों (ठोस रेखाओं) के परिणाम दिखाते हैं और इसकी तुलना प्रयोगात्मक परिणामों (व्यक्तिगत बिंदुओं) से करते हैं। इस प्रकार, ई. कोलाई में, अर्ध स्थिर अवस्था की भविष्यवाणियां एक ऐसे मॉडल के साथ भी प्रभावशाली रूप से सटीक हैं जो समय के साथ एंजाइम अभिव्यक्ति के स्तर में किसी भी बदलाव के लिए जिम्मेदार नहीं है। हालांकि, यह मॉडल उस व्यवहार का वर्णन करने के लिए पर्याप्त नहीं होगा जो जीन विनियमन को शामिल करने के लिए जाना जाता है। उदाहरण के लिए, यदि कोशिकाओं को आधा-ग्लूकोज/आधा-लैक्टोज माध्यम पर उगाया गया होता, तो मॉडल खपत में एक कार्बन स्रोत से दूसरे में स्विच की भविष्यवाणी करने में सक्षम नहीं होता। (यह प्रयोगात्मक रूप से तब होता है जब ई. कोलाई ग्लूकोज की अनुपस्थिति में वैकल्पिक कार्बन उपयोग पथ को सक्रिय करता है।)

बूलियन तर्क के माध्यम से विनियमन

विनियमन के कई स्तर हैं जिनके माध्यम से चयापचय प्रवाह को मेटाबोलाइट, ट्रांसक्रिप्शनल, ट्रांसलेशनल, पोस्ट-ट्रांसलेशनल स्तरों पर नियंत्रित किया जाता है। मॉडल में जीन नियामक जानकारी को शामिल करके एफबीए से जुड़ी त्रुटियों को समझाया जा सकता है। ऐसा करने का एक तरीका बूलियन तर्क है। निम्नलिखित तालिका बताती है कि क्या कुछ पोषक तत्वों की उपस्थिति में संबद्ध एंजाइमों के लिए जीन चालू या बंद हैं (ऊपर उल्लिखित ई. कोलाई वरीयताओं को शामिल करने का एक उदाहरण):

पर
कोई ग्लूकोज नहीं (0)

पर

एसीटेट उपस्थित(1)

पर

ग्लूकोज उपस्थित(1)

बंद

एसीटेट उपस्थित(1)

इसलिए, कोई यह सोच सकता है कि अगला कदम इस तथ्य को मॉडलों में शामिल करना है। उदाहरण के लिए, यदि हमारे पास पर्यावरण में ग्लूकोज है, तो एसीटेट प्रसंस्करण संबंधित जीन बंद हैं और इसलिए एस मैट्रिक्स से अनुपस्थित हैं जो अब हमारे मॉडल में विनियमन को शामिल करने के परिणामस्वरूप गतिशील हो जाता है। अंत में, हमारा मॉडल मात्रात्मक नहीं है। मूल विनियमन तब वर्णन करता है कि यदि एक पोषक तत्व-प्रसंस्करण एंजाइम चालू है, तो दूसरा बंद है। मूल रूप से यह एंजाइम, मेटाबोलाइट्स, जीन आदि की उपस्थिति के आधार पर बूलियन तर्क का एक गुच्छा है। इन बूलियन शैली मान्यताओं का उपयोग विकास दर, प्रवाह और ऐसे चर का मूल्यांकन करने के लिए समय में हर छोटे बदलाव पर किया जाता है। फिर, अनुमानित प्रवाह, वीआईएन, वीओयूटी, और सिस्टम राज्यों को देखते हुए, कोई जीन को बंद और चालू करने के लिए तर्क का उपयोग कर सकता है, प्रभावी रूप से एक एस प्रति टी। हम उपरोक्त सभी विश्लेषणों को एक साथ रखना शुरू कर सकते हैं और चयापचय मॉडलिंग में एक सामान्य दृष्टिकोण के साथ आ सकते हैं। हम कह सकते हैं कि यदि ग्लाइकोलाइसिस चालू है, तो ग्लूकोनोजेनेसिस बंद होना चाहिए।

एफबीए मॉडल में विनियमन को शामिल करने का पहला प्रयास 1901 [7] में गुप्त, शिलिंग और पालसन द्वारा प्रकाशित किया गया था। शोधकर्ताओं ने एक बूलियन प्रक्रिया के रूप में जीन विनियमन को अनुमानित करके चयापचय नियामक नेटवर्क के अपने विश्लेषण में ज्ञात ट्रांसक्रिप्शनल नियामक घटनाओं का एक सेट शामिल किया। एंजाइम और सब्सट्रेट (ओं) दोनों की उपस्थिति के आधार पर एक प्रतिक्रिया होती है या नहीं होती है: यदि या तो प्रतिक्रिया को उत्प्रेरित करने वाला एंजाइम व्यक्त नहीं किया गया है या एक सब्सट्रेट (ए) उपलब्ध नहीं है, तो प्रतिक्रिया प्रवाह शून्य होगा:

आरएक्सएन = आईएफ (ए) और (ई)

इसी तरह के बूलियन तर्क ने निर्धारित किया कि वर्तमान में व्यक्त जीन और वर्तमान पर्यावरणीय परिस्थितियों के आधार पर एंजाइम व्यक्त किए गए थे या नहीं। उदाहरण के लिए, एंजाइम (ई) का ट्रांसक्रिप्शन तभी होता है जब ट्रांसक्रिप्शन के लिए उपयुक्त जीन (जी) उपलब्ध हो और कोई रेप्रेसर (बी) मौजूद न हो:

ट्रांस = आईएफ (जी) और नहीं (बी)

लेखकों ने इन सिद्धांतों का उपयोग एक बूलियन नेटवर्क को डिजाइन करने के लिए किया जो सभी प्रासंगिक जीन (चालू या बंद) की वर्तमान स्थिति और सभी मेटाबोलाइट्स (वर्तमान या मौजूद नहीं) की वर्तमान स्थिति को इनपुट करता है, और प्रत्येक के नए राज्य वाले बाइनरी वेक्टर को आउटपुट करता है। ये जीन और मेटाबोलाइट्स। बूलियन नेटवर्क के नियमों का निर्माण प्रयोगात्मक रूप से निर्धारित सेलुलर नियामक घटनाओं के आधार पर किया गया था। द्विआधारी चर के रूप में प्रतिक्रियाओं और एंजाइम/मेटाबोलाइट सांद्रता का इलाज मात्रात्मक विश्लेषण की अनुमति नहीं देता है, लेकिन यह विधि एफबीए के साथ विलय होने पर चयापचय प्रवाह में गुणात्मक बदलाव की भविष्यवाणी कर सकती है। जब भी कोई एंजाइम अनुपस्थित होता है, तो संबंधित कॉलम को FBA प्रतिक्रिया मैट्रिक्स से हटा दिया जाता है, जैसा कि नॉकआउट फेनोटाइप भविष्यवाणी के लिए ऊपर वर्णित किया गया था। यह एक पुनरावृत्त प्रक्रिया की ओर जाता है:

1. सभी जीनों और मेटाबोलाइट्स की प्रारंभिक अवस्थाओं को देखते हुए, बूलियन नेटवर्क का उपयोग करके नए राज्यों की गणना करें;

2. नए मेटाबोलाइट सांद्रता को निर्धारित करने के लिए, एंजाइमों की स्थिति के आधार पर मैट्रिक्स से हटाए गए उपयुक्त कॉलम के साथ एफबीए करें;

3. नए मेटाबोलाइट सांद्रता के साथ बूलियन नेटवर्क गणना दोहराएं; आदि। उपरोक्त मॉडल मात्रात्मक नहीं है, बल्कि किसी विशेष समय पर जीन को चालू और बंद करने का शुद्ध अनुकरण है।

कुछ चयापचय प्रतिक्रियाओं पर, जीव को कार्बन स्रोतों (C1, C2) को स्थानांतरित करने की अनुमति देने के नियम हैं।

गुप्त एट अल द्वारा अध्ययन से इस पद्धति का एक अनुप्रयोग। [7] डाइऑक्सिक शिफ्ट का अनुकरण करना था, एक पसंदीदा कार्बन स्रोत के मेटाबोलाइज़िंग से दूसरे कार्बन स्रोत में बदलाव जब पसंदीदा स्रोत उपलब्ध नहीं होता है। प्रतिरूपित प्रक्रिया में दो जीन उत्पाद शामिल हैं, एक नियामक प्रोटीन RPc1, जो कार्बन 1 को महसूस करता है (द्वारा सक्रिय होता है) और एक परिवहन प्रोटीन Tc2, जो कार्बन 2 का परिवहन करता है। सेल अधिमानतः कार्बन 1 को कार्बन स्रोत के रूप में उपयोग करता है। यदि कार्बन 1 उपलब्ध नहीं है, तो सेल कार्बन 2 के आधार पर चयापचय पथ पर स्विच करेगा और टीसी 2 की अभिव्यक्ति चालू करेगा।

बूलियन इस जानकारी का प्रतिनिधित्व कर सकते हैं:


RPc1 = IF (कार्बन 1) Tc2 = यदि नहीं (RPc1)

गुप्त एट अल। पाया गया कि इस दृष्टिकोण ने चयापचय के बारे में भविष्यवाणियां दीं जो प्रयोगात्मक रूप से प्रेरित डाइऑक्सिक शिफ्ट के परिणामों से मेल खाती हैं। यह डाइऑक्सिक बदलाव सिलिको विश्लेषण द्वारा ऊपर दिए गए आंकड़े में अच्छी तरह से तैयार किया गया है। खंड A में, C1 को पोषक तत्व के रूप में उपयोग किया जाता है और विकास होता है। खंड B में, कोई वृद्धि नहीं हुई है क्योंकि C1 समाप्त हो गया है और C2 प्रसंस्करण एंजाइम अभी तक नहीं बने हैं, क्योंकि जीन चालू नहीं हुए हैं (या प्रक्रिया में हैं), इस प्रकार बायोमास की निरंतर मात्रा में देरी। खंड सी में, सी 2 के लिए एंजाइम चालू हो गए और बायोमास बढ़ता है क्योंकि विकास एक नए पोषक स्रोत के साथ जारी रहता है। इसलिए, यदि कोई C1 नहीं है, तो C2 का उपयोग किया जाता है। जैसे ही C1 समाप्त हो जाता है, जीव आनुवंशिक विनियमन के माध्यम से चयापचय गतिविधि को स्थानांतरित कर देता है और C2 को लेना शुरू कर देता है। विनियमन डायऑक्सी की भविष्यवाणी करता है, C2 से पहले C1 का उपयोग। विनियमन के बिना, सिस्टम अधिकतम बायोमास तक C1 और C2 दोनों पर एक साथ बढ़ेगा।

अब तक हमने ट्रांसक्रिप्शनल/ट्रांसलेशनल स्तर पर मॉडल विनियमन के लिए इस संयुक्त एफबीए-बूलियन नेटवर्क दृष्टिकोण का उपयोग करने पर चर्चा की है, और यह अन्य प्रकार के विनियमन के लिए भी काम करेगा। मुख्य सीमा विनियमन के धीमे रूपों के लिए है, क्योंकि यह विधि मानती है कि नियामक कदम एक ही समय अंतराल के भीतर पूरे हो जाते हैं (क्योंकि बूलियन गणना प्रत्येक एफबीए समय कदम पर की जाती है और सिस्टम के पिछले राज्यों को ध्यान में नहीं रखती है)। यह किसी भी प्रकार के विनियमन के लिए ठीक है जो कम से कम ट्रांसक्रिप्शन/अनुवाद के रूप में तेजी से कार्य करता है। उदाहरण के लिए, एंजाइमों का फास्फोराइलेशन (एक एंजाइम सक्रियण प्रक्रिया) बहुत तेज है और इसे बूलियन नेटवर्क में फॉस्फोराइलेज एंजाइम की उपस्थिति को शामिल करके तैयार किया जा सकता है।

हालांकि, लंबे समय के पैमाने पर होने वाले विनियमन, जैसे कि एमआरएनए का अनुक्रम, इस मॉडल द्वारा ध्यान में नहीं रखा जाता है। इस दृष्टिकोण में एक मूलभूत समस्या यह भी है कि यह जीन अभिव्यक्ति स्तरों के वास्तविक प्रयोगात्मक माप को प्रासंगिक समय बिंदुओं पर इनपुट करने की अनुमति नहीं देता है।

हमें कृत्रिम रूप से भविष्यवाणी करने के लिए हमारे सिमुलेशन की आवश्यकता नहीं है कि कुछ जीन चालू हैं या बंद हैं। माइक्रोएरे अभिव्यक्ति डेटा हमें यह निर्धारित करने की अनुमति देता है कि कौन से जीन व्यक्त किए जा रहे हैं, और इस जानकारी को हमारे मॉडल में शामिल किया जा सकता है।

चयापचय के साथ युग्मन जीन अभिव्यक्ति

व्यवहार में, हमें जीन स्तरों को कृत्रिम रूप से मॉडल करने की आवश्यकता नहीं है, हम उन्हें माप सकते हैं। जैसा कि पूर्व में चर्चा की गई है, किसी दिए गए नमूने में सभी mRNAs के व्यंजक स्तरों को मापना संभव है। चूंकि mRNA व्यंजक डेटा प्रोटीन व्यंजक डेटा के साथ संबंध रखता है, इसलिए इसे FBA में शामिल करना अत्यंत उपयोगी होगा। आमतौर पर, माइक्रोएरे प्रयोगों के डेटा को क्लस्टर किया जाता है, और अज्ञात जीनों को उन ज्ञात जीनों के कार्य के समान कार्य करने के लिए परिकल्पित किया जाता है जिनके साथ वे क्लस्टर करते हैं। हालांकि, यह विश्लेषण दोषपूर्ण हो सकता है, क्योंकि समान क्रियाओं वाले जीन हमेशा एक साथ क्लस्टर नहीं हो सकते हैं। माइक्रोएरे एक्सप्रेशन डेटा को FBA में शामिल करने से डेटा की व्याख्या का एक वैकल्पिक तरीका मिल सकता है। यहाँ एक प्रश्न उठता है, प्रतिक्रिया के माध्यम से जीन स्तर और प्रवाह के बीच क्या संबंध है?

प्रतिक्रिया ए कहो! B एक एंजाइम द्वारा उत्प्रेरित होता है। यदि बहुत अधिक ए मौजूद है, तो एंजाइम के लिए जीन की बढ़ी हुई अभिव्यक्ति प्रतिक्रिया दर में वृद्धि का कारण बनती है। अन्यथा, जीन अभिव्यक्ति स्तर बढ़ने से प्रतिक्रिया दर में वृद्धि नहीं होगी। हालांकि, एंजाइम एकाग्रता को अधिकतम संभव प्रवाह पर एक बाधा के रूप में माना जा सकता है, यह देखते हुए कि सब्सट्रेट की एक उचित शारीरिक सीमा भी है।

अगला कदम, फिर, एमआरएनए अभिव्यक्ति स्तर को एंजाइम एकाग्रता से जोड़ना है। यह अधिक कठिन है, क्योंकि कोशिकाओं में mRNA सांद्रता से स्वतंत्र रूप से प्रोटीन सांद्रता को नियंत्रित करने के लिए कई नियामक तंत्र हैं। उदाहरण के लिए, अनुवादित प्रोटीन को एक अतिरिक्त सक्रियण चरण (जैसे फास्फोरिलीकरण) की आवश्यकता हो सकती है, प्रत्येक एमआरएनए अणु को खराब होने से पहले प्रोटीन की एक चर संख्या में अनुवादित किया जा सकता है (उदाहरण के लिए एंटीसेंस आरएनए द्वारा), एमआरएनए से प्रोटीन में अनुवाद की दर धीमी हो सकती है। FBA के प्रत्येक चरण में माने जाने वाले समय अंतराल की तुलना में, और प्रोटीन के क्षरण की दर भी धीमी हो सकती है। इन जटिलताओं के बावजूद, माइक्रोएरे प्रयोगों से mRNA अभिव्यक्ति के स्तर को आमतौर पर प्रत्येक मापा समय बिंदु पर संभावित एंजाइम सांद्रता पर ऊपरी सीमा के रूप में लिया जाता है। एंजाइम एकाग्रता और प्रवाह के बीच उपरोक्त संबंध को देखते हुए, इसका मतलब है कि एमआरएनए अभिव्यक्ति स्तर भी उनके एन्कोडेड प्रोटीन द्वारा उत्प्रेरित प्रतिक्रियाओं के माध्यम से अधिकतम संभव प्रवाह पर ऊपरी सीमाएं हैं। इस धारणा की वैधता पर अभी भी बहस चल रही है, लेकिन इसने पहले ही एफबीए विश्लेषणों में अच्छा प्रदर्शन किया है और हाल के साक्ष्यों के अनुरूप है कि कोशिकाएं मुख्य रूप से एमआरएनए स्तरों को समायोजित करके चयापचय एंजाइम के स्तर को नियंत्रित करती हैं। (1907 में, प्रोफेसर गैलागन ने ज़ास्लावर एट अल. (1904) के एक अध्ययन पर चर्चा की जिसमें पाया गया कि अमीनो एसिड बायोसिंथेसिस मार्ग में आवश्यक जीन को आवश्यकतानुसार क्रमिक रूप से स्थानांतरित किया जाता है [2])। FBA में माइक्रोएरे एक्सप्रेशन डेटा को शामिल करने के लिए यह एक विशेष रूप से उपयोगी धारणा है, क्योंकि FBA फ्लक्स बैलेंस कोन को बाधित करने के लिए अधिकतम फ्लक्स मानों का उपयोग करता है।

कोलिजन एट अल। अभिव्यक्ति डेटा और चयापचय नेटवर्क [3] के एल्गोरिथम एकीकरण के प्रश्न को संबोधित करें। वे चयापचय नेटवर्क में प्रत्येक प्रतिक्रिया के माध्यम से अधिकतम प्रवाह को मॉडल करने के लिए एफबीए लागू करते हैं। उदाहरण के लिए, यदि माइक्रोएरे डेटा ग्लूकोज पर बढ़ने वाले जीव से और एसीटेट पर बढ़ने वाले जीव से उपलब्ध है, तो दो डेटासेट के बीच महत्वपूर्ण नियामक अंतर देखे जा सकते हैं। Vmax हमें बताता है कि हम किस अधिकतम तक पहुंच सकते हैं। माइक्रोएरे टेप के स्तर का पता लगाता है, और यह Vmax की ऊपरी सीमा देता है।

विभिन्न पर्यावरणीय परिस्थितियों में चयापचय मार्गों की भविष्यवाणी करने के अलावा, अलग-अलग दवा उपचारों के तहत चयापचय प्रणाली की स्थिति की भविष्यवाणी करने के लिए एफबीए और माइक्रोएरे प्रयोगों को जोड़ा जा सकता है। उदाहरण के लिए, कई टीबी दवाएं माइकोलिक एसिड बायोसिंथेसिस को लक्षित करती हैं। माइकोलिक एसिड एक प्रमुख कोशिका भित्ति घटक है। बोशो एट अल द्वारा 1904 के एक पत्र में, शोधकर्ताओं ने 75 दवाओं, दवाओं के संयोजन और विकास की स्थितियों का परीक्षण किया

देखें कि विभिन्न उपचारों का माइकोलिक एसिड संश्लेषण पर क्या प्रभाव पड़ा [9]। 1905 में, रमन एट अल। 197 मेटाबोलाइट्स और 219 प्रतिक्रियाओं [13] से मिलकर माइकोलिक एसिड बायोसिंथेसिस का एक एफबीए मॉडल प्रकाशित किया।

भविष्यवाणी का मूल प्रवाह जीन के एक विशेष सेट के लिए एक नियंत्रण अभिव्यक्ति मूल्य और एक उपचार अभिव्यक्ति मूल्य लेना था, फिर इस जानकारी को एफबीए में फीड करना और माइकोलिक एसिड के उत्पादन पर उपचार पर अंतिम प्रभाव को मापना था। पूर्वानुमानित अवरोधकों और एन्हांसर्स की जांच करने के लिए, उन्होंने महत्व की जांच की, जो यह जांचता है कि क्या प्रभाव शोर और विशिष्टता के कारण है, जो यह जांचता है कि क्या प्रभाव माइकोलिक एसिड या समग्र दमन / चयापचय में वृद्धि के कारण है। परिणाम काफी उत्साहजनक रहे। एफबीए द्वारा कई ज्ञात माइकोलिक एसिड अवरोधकों की पहचान की गई थी। विशेष रूप से माइकोलिक एसिड संश्लेषण को बाधित करने के लिए ज्ञात नहीं दवाओं के बीच दिलचस्प परिणाम भी पाए गए। माइकोलिक एसिड संश्लेषण के 4 उपन्यास अवरोधक और 2 उपन्यास बढ़ाने की भविष्यवाणी की गई थी। एक विशेष दवा, ट्राईक्लोसन, एफबीए मॉडल के अनुसार बढ़ाने वाली प्रतीत होती है, जबकि इसे वर्तमान में एक अवरोधक के रूप में जाना जाता है। इस विशेष दवा का आगे का अध्ययन दिलचस्प होगा। प्रायोगिक परीक्षण और सत्यापन वर्तमान में प्रगति पर है।

विभिन्न उपचारों के कार्य की पहचान करने में क्लस्टरिंग भी अप्रभावी हो सकती है। अनुमानित अवरोधक, और माइकोलिक एसिड संश्लेषण के पूर्वानुमानित एन्हांसर एक साथ क्लस्टर नहीं किए जाते हैं। इसके अलावा, एफबीए-आधारित एल्गोरिथम वर्गीकरण के लिए किसी लेबल प्रशिक्षण सेट की आवश्यकता नहीं है, जबकि पर्यवेक्षित क्लस्टरिंग एल्गोरिदम के लिए यह आवश्यक है।

पोषक स्रोत की भविष्यवाणी

अब, हमें उस पोषक स्रोत की भविष्यवाणी करने का विचार मिलता है जो एक जीव पर्यावरण में उपयोग कर सकता है, अभिव्यक्ति डेटा को देखकर और संबंधित पोषक तत्व प्रसंस्करण जीन अभिव्यक्ति की तलाश कर रहा है। यह आसान है, क्योंकि हम पर्यावरण में नहीं जा सकते हैं और सभी रासायनिक स्तरों को माप सकते हैं, लेकिन हम आसानी से अभिव्यक्ति डेटा प्राप्त कर सकते हैं। यही है, हम अभिव्यक्ति डेटा से चयापचय स्थिति की भविष्यवाणियों के माध्यम से एक पोषक स्रोत की भविष्यवाणी करने का प्रयास करते हैं, इस धारणा के आधार पर कि जीव उपलब्ध पोषक तत्वों के लिए चयापचय स्थिति को समायोजित करने की संभावना रखते हैं। पोषक तत्वों को तब रैंक किया जा सकता है कि वे चयापचय राज्यों से कितनी अच्छी तरह मेल खाते हैं।

दूसरा तरीका भी काम कर सकता है। क्या मैं किसी राज्य को दिए गए पोषक तत्व की भविष्यवाणी कर सकता हूं? इस तरह की भविष्यवाणियां किसी अज्ञात प्राकृतिक वातावरण वाले जीव की पोषक आवश्यकताओं को निर्धारित करने के लिए उपयोगी हो सकती हैं, या यह निर्धारित करने के लिए कि कोई जीव अपने पर्यावरण को कैसे बदलता है। (टीबी, उदाहरण के लिए, एक मैक्रोफेज फागोलिसोसोम के वातावरण में रहने में सक्षम है, संभवतः पर्यावरण की स्थिति को बदलकर

हम संभावित चयापचय राज्यों के स्थान को परिभाषित करने और किसी एक को चुनने के लिए FBA का उपयोग कर सकते हैं। बुनियादी कदम हैं:

• अधिकतम फ्लक्स कोन से शुरू करें (पर्यावरण में उपलब्ध सभी पोषक तत्वों के साथ सर्वोत्तम विकास का प्रतिनिधित्व)। प्रत्येक पोषक तत्व के लिए इष्टतम प्रवाह खोजें।

• अभिव्यक्ति डेटा सेट लागू करें (अभी भी पोषक तत्व नहीं जानते)। यह आपको शंकु के आकार को सीमित करने और पोषक तत्व का पता लगाने की अनुमति देगा, जिसे इष्टतम समाधान के निकटतम दूरी के रूप में दर्शाया गया है।

चित्र 8 में, आप देख सकते हैं कि पहले शंकु में कई इष्टतम हैं, इसलिए वास्तविक पोषक तत्व अज्ञात है। हालांकि, व्यंजक डेटा लागू होने के बाद, शंकु को फिर से आकार दिया जाता है। इसमें केवल एक इष्टतम है, जो अभी भी व्यवहार्य स्थान पर है और इस प्रकार वह पोषक तत्व होना चाहिए जिसे आप ढूंढ रहे हैं।

पहले की तरह, मापा अभिव्यक्ति स्तर प्रतिक्रिया प्रवाह पर बाधाएं प्रदान करते हैं, प्रवाह-संतुलन शंकु (अब अभिव्यक्ति-बाधित प्रवाह संतुलन शंकु) के आकार को बदलते हैं। एफबीए का उपयोग फ्लक्स के इष्टतम सेट को निर्धारित करने के लिए किया जा सकता है जो इन अभिव्यक्ति बाधाओं के भीतर वृद्धि को अधिकतम करता है, और फ्लक्स के इस सेट की तुलना ब्याज की प्रत्येक पर्यावरणीय स्थिति के तहत प्रयोगात्मक रूप से निर्धारित इष्टतम विकास पैटर्न से की जा सकती है। प्रत्येक स्थिति के तहत जीव की गणना की गई स्थिति और इष्टतम स्थिति के बीच का अंतर इस बात का एक उपाय है कि जीव की वर्तमान चयापचय स्थिति कितनी उप-इष्टतम होगी यदि यह वास्तव में उस स्थिति में बढ़ रही थी।

विकास और चयापचय से अभिव्यक्ति डेटा तब उपयोग किए जा रहे कार्बन स्रोत की भविष्यवाणी करने के लिए लागू किया जा सकता है। उदाहरण के लिए, ई. कोलाई पोषक उत्पाद पर विचार करें। हम ग्लूकोज बनाम एसीटेट के लिए इस प्रणाली का अनुकरण कर सकते हैं। रंग विवश फ्लक्स शंकु से उस पोषक तत्व कॉम्बो (ऊपर वर्णित समान प्रक्रिया) के लिए इष्टतम प्रवाह समाधान तक की दूरी को इंगित करता है। फिर, अभिव्यक्ति डेटा के अनुसार कई पोषक तत्वों को प्राथमिकता दी जा सकती है। डेसमंड लून और आरोन ब्रैंड्स के अप्रकाशित डेटा इस दृष्टिकोण का एक उदाहरण प्रदान करते हैं।

उन्होंने जीन एक्सप्रेशन डेटा के आधार पर यह अनुमान लगाने के लिए एफबीए का इस्तेमाल किया कि ई. कोलाई कल्चर किस पोषक तत्व के स्रोत पर बढ़ रहे हैं। उन्होंने प्रत्येक पोषक तत्व की स्थिति के लिए ज्ञात इष्टतम फ्लक्स (फ्लक्स स्पेस में इष्टतम बिंदु) की तुलना अभिव्यक्ति-बाधित फ्लक्स-बैलेंस शंकु के भीतर अनुमत इष्टतम फ्लक्स मानों से की। इष्टतम प्रवाह के साथ पोषक तत्व की स्थिति जो अभिव्यक्ति-बाधित शंकु के भीतर (या निकटतम) बनी रही, संस्कृति के वास्तविक वातावरण के लिए सबसे संभावित संभावनाएं थीं।

प्रयोग के परिणाम चित्र 9 में दिखाए गए हैं, जहां परिणाम मैट्रिक्स में प्रत्येक वर्ग उस पोषक स्थिति के लिए इष्टतम प्रवाह और अभिव्यक्ति डेटा के आधार पर गणना किए गए इष्टतम प्रवाह के बीच की दूरी के आधार पर रंगीन होता है। लाल मान व्यंजक-विवश फ्लक्स शंकु से बड़ी दूरी को इंगित करते हैं और नीले मान शंकु से कम दूरी को इंगित करते हैं। ग्लूकोज-एसीटेट प्रयोगों में, उदाहरण के लिए, बाईं ओर के प्रयोग के परिणाम इंगित करते हैं कि कम एसीटेट की स्थिति सबसे अधिक संभावना है (और ग्लूकोज संस्कृति में पोषक तत्व था) और दाईं ओर प्रयोग के परिणाम इंगित करते हैं कि कम ग्लूकोज /मध्यम एसीटेट की स्थिति सबसे अधिक संभावना है (और एसीटेट संस्कृति में पोषक तत्व था)। जब 6 संभावित पोषक तत्वों पर विचार किया गया, तो मॉडल ने हमेशा सही भविष्यवाणी की, और जब 18 संभावित पोषक तत्वों पर विचार किया गया, तो सही हमेशा शीर्ष 4 रैंकिंग भविष्यवाणियों में से एक था। ये परिणाम बताते हैं कि किसी जीव की चयापचय स्थिति के बारे में जानकारी से पर्यावरणीय परिस्थितियों का अनुमान लगाने के लिए अभिव्यक्ति डेटा और एफबीए मॉडलिंग का उपयोग करना संभव है।

यह महत्वपूर्ण है क्योंकि टीबी प्रतिरक्षा प्रणाली में मैक्रोफेज में फैटी एसिड का उपयोग करता है। हम नहीं जानते कि वास्तव में किनका उपयोग किया जाता है। हम यह पता लगा सकते हैं कि टीबी अपने पर्यावरण में खाद्य स्रोत और प्रसार कारक के रूप में क्या देखता है, यह विश्लेषण करके कि विकास चरणों में संबंधित पोषक तत्व प्रसंस्करण जीन चालू होते हैं और ऐसे। इस प्रकार हम उन पोषक तत्वों का पता लगा सकते हैं जिन्हें इसे विकसित करने की आवश्यकता है, जिससे ऐसे पोषक तत्वों की आपूर्ति न करने या उन विशेष जीनों को बाहर निकालने के संभावित तरीके से इसे खत्म करने की अनुमति मिलती है।

इतने छोटे स्तर पर रसायन विज्ञान का विश्लेषण करके पर्यावरण में क्या उपयोग किया जा रहा है, यह देखने की तुलना में फ्लक्स गतिविधि को देखने के लिए अभिव्यक्ति डेटा प्राप्त करना आसान है। इसके अलावा, हम प्रयोगशाला में कुछ बैक्टीरिया को विकसित करने में सक्षम नहीं हो सकते हैं, लेकिन हम प्राकृतिक वातावरण में बढ़ने वाले बैक्टीरिया से अभिव्यक्ति डेटा प्राप्त करके समस्या का समाधान कर सकते हैं और फिर देख सकते हैं कि यह बढ़ने के लिए क्या उपयोग कर रहा है। फिर, हम बैक्टीरिया को सफलतापूर्वक विकसित करने के लिए इसे प्रयोगशाला माध्यम में जोड़ सकते हैं।


23.4: अनुप्रयोग - जीव विज्ञान

प्रचुर आराम के जीवन से, भजनकार भयभीत खतरे के वर्णन की ओर बढ़ता है। कभी-कभी मायावी घास और पानी की तलाश में वसंत परिदृश्य के माध्यम से प्रवासन में, झुंड को कभी-कभी गहरी, ऊबड़-खाबड़ वाडियों-शुष्क धारा के बिस्तरों से गुजरना पड़ता है, जो सर्दियों की बारिश से निकलने वाली मौसमी धाराओं द्वारा अर्ध-रेगिस्तानी पहाड़ियों के माध्यम से काटे जाते हैं। इन वाडियों के तल में हवा दिन की बढ़ती गर्मी के साथ भारी होती है, और घाटी की गहराई अंधेरे छाया में स्वाहा हो जाती है क्योंकि बढ़ती चट्टान की दीवारें दूर के सूरज को बाहर कर देती हैं। वाडी मंजिल को पार करने के इस क्षण में, हरे भरे चरागाहों और शांत पानी के सुखद दृश्य दूर लगते हैं - कोई घास या पानी नहीं है, गर्मी दमनकारी हो सकती है, और पूरे झुंड को फिर से शुरू करने के लिए घाटी के खड़ी किनारों पर संघर्ष करना होगा अगले भोजन स्थान की ओर इसकी यात्रा।

मौत की छाया की घाटी। अतिशयोक्तिपूर्ण शब्द निर्माण के उपयोग के लिए हिब्रू में कुछ सबूत हैं जैसे कि यह अतिशयोक्ति को व्यक्त करने के लिए - सबसे चरम। हिब्रू शब्द अलमावेट स्पष्ट रूप से दो शब्दों का संयोजन है: सेली ("छाया") और मावेट ("मौत")। एक साथ ये शब्द अतिशयोक्ति को व्यक्त करते हैं - इस मामले में, "सभी छायाओं में सबसे छायादार" जैसा कुछ। इस प्रकार, समकालीन अनुवाद पारंपरिक अनुवाद को अधिक नीरस "गहरी छाया" से बदल देते हैं। एलएक्स (स्कीस थानाटौ) से पता चलता है कि पाठकों पर शाब्दिक अर्थ पूरी तरह से खो नहीं गया था, और यह संभव है कि भजन 23 के लेखक ने इन वाडियों को पार करने में झुंड के सामने आने वाले खतरे और खतरे पर जोर देने के लिए उद्देश्यपूर्ण तरीके से वाक्यांश का इस्तेमाल किया हो।

मुझे याद है कि एक दोस्त के साथ वाडी केल्ट से यरुशलम से जेरिको तक पैदल यात्रा करना। एक संकरा, प्राचीन रोमन एक्वाडक्ट, जो अभी भी पानी से बह रहा है, कई सौ फीट की ऊंचाई पर घाटी की दीवार से चिपक गया है। हमने अपनी यात्रा विपरीत घाटी की दीवार पर ऊबड़-खाबड़ पगडंडी का अनुसरण करते हुए शुरू की, जो वाडी के नीचे के बिंदुओं पर डुबकी लगाती है और दूसरी तरफ वापस जाती है। वाडी तल पर भीषण गर्मी की छायादार गहराइयों में इस तरह की केवल दो यात्राएं हुईं (और यह सुबह की सुबह थी!) ऊँचाइयों और एक्वाडक्ट के बाहरी रिम के साथ चलते हुए हमारी यात्रा जारी रखी - या, सबसे संकरे हिस्से में, एक्वाडक्ट में ही।

फिर भी मेरी दो लीटर पानी की बोतल हमारी यात्रा के बीच में ही खत्म हो गई थी। जब हम अपनी आपूर्ति को फिर से भरने के लिए सेंट जॉर्ज मठ में रुके, तो आंगन में पानी के नल ने पहले केवल भाप का उत्सर्जन किया, और फिर लगभग उबलते पानी की एक गंभीर धारा। मुझे उन पथरीली पहाड़ियों को ऊपर और नीचे खींचने में काफी परेशानी हुई। मैं कल्पना नहीं कर सकता कि “मृत्यु की छाया की घाटी” में भेड़ों के एक पूरे झुंड को चराने में कितनी कठिनाई होगी।

मैं किसी भी विपदा से नहीं डरूंगा। दमनकारी और धमकी भरे माहौल के बावजूद, भजनकार/भेड़ बेखौफ हैं। क्योंकि वह यहोवा से डरता है, उसे और किसी बात से डरने की आवश्यकता नहीं। कठोर परिस्थितियों ने डर का हर कारण पेश किया। वाडी क्यूल्ट की मेरी व्यक्तिगत यात्रा पर, निर्जलीकरण एक वास्तविक संभावना थी। मुझे यात्रा के बीच में यह भी याद आया कि यह "यरूशलेम से यरीहो के लिए नीचे" के रास्ते में एक दूरस्थ स्थान था कि यीशु के अच्छे सामरी ने उस व्यक्ति के जीवन को बचाया था जिसे चोरों द्वारा लूटा गया था और मृत के लिए छोड़ दिया गया था (लूका 10:25- 37)। भजनहार के भय के वास्तविक कारण, हालांकि, चरवाहे/यहोवा की उपस्थिति में फीके पड़ जाते हैं।

आपकी छड़ी और आपका स्टाफ। भजन संहिता 22 का भजनकार, जब शत्रुओं द्वारा ताना मारते हुए कहा जाता है कि "वह यहोवा पर भरोसा रखता है, तो वह उसे छुड़ा ले" (22:8क), भरोसे और विश्वास की पुष्टि के साथ जवाब देता है: "हे यहोवा के डरवैयों, उसकी स्तुति करो! ... के लिए he has not despised or disdained the suffering of the afflicted one he has not hidden his face from him but has listened to his cry for help.” Similarly, our psalmist knows that it is the presence of Yahweh’s rod and staff that vanquishes fear before the dependent flock. Life with the shepherd is secure the rod and staff will guide and protect.

Both terms employed here are variously translated in different contexts. Either can be called a “staff, (walking) stick” for support while walking, presumably used by the shepherd to guide the movement of the flock by pushing and striking the sheep. If there is any clear distinction between the two, it is likely that “rod” (šebeṭ) is a shorter, mace-like implement that could be used as a striking weapon for raining heavy blows against enemy or attacking beast. “Rod” can also assume in royal contexts the meaning “scepter” and becomes a visible ornament of kingly authority. Graphic depictions of such royal scepters—usually a short, rod-like handle with a heavy striking knob at the end—appear frequently in the paintings and reliefs of the ancient Near East. By contrast, the “staff” (mišʿenet) more frequently suggests a longer, supporting staff and is associated on occasion with the support of the sick or elderly.

The “comfort” these implements provide is the reassurance of guidance in correct paths to abundant food and water, and of protection by the shepherd from the dangers and enemies encountered on the way between areas of pasturage. As the sheep trust the shepherd, so the psalmist encourages the reader to join in trusting Yahweh.


PART I CELL ANALYSIS ON MICROFLUIDIC DEVICES.

2 Using Microfluidics to Understand and Control the Cellular Microenvironment.

2.1 Introduction: Engineering the Microenvironment.

2.2 The Chemical Microenvironment.

2.3 The Mechanical Microenvironment.

3 Microfabricated Devices for Cell Sorting.

3.2 Microfabricated Formats for Cell Sorting.

3.3 Outlook for the Future.

4 Advanced Microfluidic Tools for Single-Cell Manipulation and Analysis.

5 Engineering Cellular Microenvironments with Microfluidics.

5.2 Microfluidic Cultures can Simulate in vivo Microenvironments.

5.3 Other Useful Capabilities of Microfluidic Cell Culture Devices.

5.4 Microfluidic Devices Useful for Cell Applications Other than Culture.

5.5 Future Prospects for Biological Studies in Microfluidic Bioreactors.

6 Microfluidic Culture Platforms for Stem Cell and Neuroscience Research.

6.2 Applications for Stem Cell Research.

6.3 Applications for Neuroscience Research.

6.4 Summary and Future Directions.

PART II ENZYMATIC AND NONENZYMATIC REACTIONS ON MICROCHIPS.

7 Microfluidics for Studying Enzyme Inhibition.

7.1 Enzyme Assays and Inhibition.

7.2 Microfluidic Assays for Enzymes and Enzyme Inhibition.

7.3 Enzyme Inhibition Studies in Microfluidic Devices: Specific Studies.

8 Chemical Synthesis within Continuous Flow Microreactors.

8.2 Advantages of Performing Chemical Synthesis in Microreactors.

8.3 Chemical Synthesis in Microreactors.

8.4 Large-Scale Manufacture Using Microreactors.

9 Microfluidic Reactors for Sequential and Parallel Reactions.

9.2 Sequential Reactions in Microfluidic Devices.

9.3 Parallel Reactions in Microfluidic Devices.

10 Gene Isolation, Gene Transformation, and Enzyme Reaction on a Chip.

10.2 DNA/RNA Isolation on a Microfluidic Chip.

10.3 Gene Ligation on a Microfluidic Chip.

10.4 Gene Transformation on a Chip.

10.5 Enzymatic Reaction on a Chip.

10.6 Summary and Perspective.

PART III SEPARATIONS ON MICROCHIPS.

11 Chemical Monitoring in Complex Biological Environments Using Separation-Based Sensors in Chips.

11.1 Separation-Based Sensors.

11.2 Fast Separations with Separation-Based Sensors.

11.3 Micro Total Analysis Systems with Electrophoretic Separations for Monitoring of Biological Systems.

11.4 Miniaturization and Integration of Separation-Based Sensor Components.

12 Analytical Strategies Toward the Analysis of Phenolic Compounds (Capillary Electrophoresis and Microchip Capillary).

12.3 Results and Discussion.

13 Chemical Separations in 3D Microfluidics.

13.3 Results and Discussion on 3D Valves.

13.4 Microfluidic Three-Dimensional Separation Columns.

13.5 Results on Liquid Chromatography.

14 Enabling Fundamental Research in Proteomics.

14.2 Membrane Protein Extraction.

PART IV BIOMEDICAL APPLICATIONS OF MICROFLUIDICS.

15 Microengineering Neural Development.

15.2 Microengineering Guidance of Axons to their Targets.

15.3 Synaptogenesis on a Microfluidic Chip.

16 Applications of Centrifugal Microfluidics in Biology.

16.2 Why Use Centrifugal Force for Fluid Manipulation?

16.3 How Centrifugal Microfluidic Platforms Work.

17 Microfluidic Techniques for Point-of-Care In Vitro Diagnostics.

17.2 Microfluidic Immunoassays.

17.3 Microfluidic Vias and Derivative Applications.

PART V MICROFLUIDIC FABRICATION STUDIES.

18 Fabrication of Polymeric Microfluidic Devices.

18.2 Glass- and Silicon-Based Materials.

18.3 Plastics and Polymeric Materials.

18.4 Approaches to Microfabrication.

18.5 Selected Microfabrication Techniques.

19 Nano Fountain Pen: Toward Integrated, Portable, Lab-on-Chip Devices.

20 Surface Engineering of Microfluidic Devices Using Reactive Polymer Coatings.

20.2 Microfluidics Surface Modification Techniques.

21 Microchips Containing In Situ Patterned Polymeric Media for Biochemical Analysis.

21.1 Introduction and Scope.

21.2 General Information about Patterned Materials.

21.3 Photopatterned Materials for Protein Analysis.

21.4 DNA Purification and Analysis.

21.5 Patterned Materials for Cell Culture and Analysis.

PART VI HYBRID MICROFLUIDIC APPLICATIONS.

22 Coupling Electrochemistry to Microfluidics.

22.2 Electrochemical Methods of Analysis.

22.5 Conclusions and Future Directions.

23 Manipulating Mass-Limited Samples Using Hybrid Microfluidic/Nanofluidic Networks.

23.3 Hybrid Microfluidic/Nanofluidic Systems.

24 Magnetic Bead-based Methods to Study the Interaction of Teicoplanin with Peptides and Bacteria.

24.3 Results and Discussion.

25 Interfacing Microchannel Electrophoresis with Electrospray Ionization Mass Spectrometry.

25.2 Electrospray Ionization.

25.5 CE and ESI Electrode Connections.

25.6 Integrated Applications.


23.4: Applications - Biology

एमडीपीआई द्वारा प्रकाशित सभी लेख एक ओपन एक्सेस लाइसेंस के तहत दुनिया भर में तुरंत उपलब्ध कराए जाते हैं। आंकड़ों और तालिकाओं सहित एमडीपीआई द्वारा प्रकाशित लेख के सभी या उसके हिस्से का पुन: उपयोग करने के लिए किसी विशेष अनुमति की आवश्यकता नहीं है। एक ओपन एक्सेस क्रिएटिव कॉमन सीसी बाय लाइसेंस के तहत प्रकाशित लेखों के लिए, लेख के किसी भी हिस्से को बिना अनुमति के पुन: उपयोग किया जा सकता है बशर्ते कि मूल लेख स्पष्ट रूप से उद्धृत किया गया हो।

फीचर पेपर क्षेत्र में उच्च प्रभाव के लिए महत्वपूर्ण क्षमता के साथ सबसे उन्नत अनुसंधान का प्रतिनिधित्व करते हैं। फीचर पेपर वैज्ञानिक संपादकों द्वारा व्यक्तिगत निमंत्रण या सिफारिश पर प्रस्तुत किए जाते हैं और प्रकाशन से पहले सहकर्मी समीक्षा से गुजरते हैं।

फीचर पेपर या तो एक मूल शोध लेख हो सकता है, एक पर्याप्त उपन्यास शोध अध्ययन जिसमें अक्सर कई तकनीकें या दृष्टिकोण शामिल होते हैं, या क्षेत्र में नवीनतम प्रगति पर संक्षिप्त और सटीक अपडेट के साथ एक व्यापक समीक्षा पत्र हो सकता है जो व्यवस्थित रूप से वैज्ञानिक में सबसे रोमांचक प्रगति की समीक्षा करता है साहित्य। इस प्रकार का पेपर अनुसंधान या संभावित अनुप्रयोगों के भविष्य के निर्देशों पर एक दृष्टिकोण प्रदान करता है।

संपादक की पसंद के लेख दुनिया भर के एमडीपीआई पत्रिकाओं के वैज्ञानिक संपादकों की सिफारिशों पर आधारित हैं। संपादक हाल ही में पत्रिका में प्रकाशित लेखों की एक छोटी संख्या का चयन करते हैं जो उनका मानना ​​है कि लेखकों के लिए विशेष रूप से दिलचस्प होंगे, या इस क्षेत्र में महत्वपूर्ण होंगे। इसका उद्देश्य पत्रिका के विभिन्न शोध क्षेत्रों में प्रकाशित कुछ सबसे रोमांचक कार्यों का एक स्नैपशॉट प्रदान करना है।


Synthetic biology: programming cells for biomedical applications

The emerging field of synthetic biology is a novel biological discipline at the interface between traditional biology, chemistry, and engineering sciences. Synthetic biology aims at the rational design of complex synthetic biological devices and systems with desired properties by combining compatible, modular biological parts in a systematic manner. While the first engineered systems were mainly proof-of-principle studies to demonstrate the power of the modular engineering approach of synthetic biology, subsequent systems focus on applications in the health, environmental, and energy sectors. This review describes recent approaches for biomedical applications that were developed along the synthetic biology design hierarchy, at the level of individual parts, of devices, and of complex multicellular systems. It describes how synthetic biological parts can be used for the synthesis of drug-delivery tools, how synthetic biological devices can facilitate the discovery of novel drugs, and how multicellular synthetic ecosystems can give insight into population dynamics of parasites and hosts. These examples demonstrate how this new discipline could contribute to novel solutions in the biopharmaceutical industry.


शोधकर्ताओं

Peter Bickel

statistics, machine learning, semiparametric models, asymptotic theory, hidden Markov models, applications to molecular biology

Ben Brown

Peng Ding

causal inference in experiments and observational studies, with applications to biomedical and social sciences contaminated data including missing data, measurement error, and selection bias

Sandrine Dudoit

statistics, applied statistics, data science, statistical computing, computational biology and genomics

Steven Evans

large random combinatorial structures, random matrices, superprocesses & other measure-valued processes, probability on algebraic structures -particularly local fields, applications of stochastic processes to biodemography, mathematical finance, population genetics, …


आवेदन आवश्यकताएं

The Department of Biology faculty will be looking to see that you are prepared to succeed in graduate level coursework. For this reason, all applicants are expected to have a GPA of 3.0 or higher.

Complete coterminal master's applications should include the following:

  • Completed Coterminal Online Application, including an upload of your signed Coterm Program Approval form
  • Statement of Purpose (1-2 pages) explaining why you wish to enter the program and what you plan to accomplish while in the program. The statements should also supply information about your science capabilities if your undergraduate academic record does not accurately reflect them. For example, if your GPA low, then you should explain any changes that may indicate improvement in coursework.
  • Two letters of recommendation from Stanford faculty members (Academic Council members), preferably from Biology faculty
  • Unofficial Stanford transcript showing coursework in the introductory courses, foundational courses, laboratory courses, and breadth courses as outlined in the Biology undergraduate major requirements or related curricula.
  • Preliminary Program Proposal (If applicable, submit directly to Gilbert Building, Room 108)

पीएच.डी. आवेदन प्रक्रिया

We admit students in the fall semester, with the goal of providing a collegial, intimate, and intellectually vibrant learning environment. Your application will be viewed by several professors in our department, including faculty knowledgeable in your area of interest. We use a holistic selection process, valuing your experiences and interests.

Each year we matriculate ten to twelve new candidates to our doctoral program. You can apply to our Ph.D. program through the Duke Graduate School. See the Graduate School website for procedures and deadlines.

Application Fee

The Graduate School provides a limited number of application fee waivers to promote a diverse applicant pool. All fee waiver requests are reviewed by the Assistant Dean for Graduate Student Development in the Office of Graduate Student Affairs. Please contact Dean Alan Kendrick ([email protected]) for instructions when applying.

In addition, all U.S. applicants from under-represented groups and anyone with a demonstrated financial need are encouraged to contact the Co-Director of Graduate Studies, William Morris ([email protected]). The Biology Department will help defray the cost of the application fee.

Application Instructions and Tips

To give your application its best shot, we strongly recommend that you reach out to potential mentors and advisors prior to submitting your application. Simply send them an e-mail! Clearly indicate which lab(s) you are interested in in your application and statement of purpose. This helps us ensure that your application will get reviewed by everyone you might be interested in working with.

For some extra tips on how to write the best possible graduate school application, check out this article by Science Magazine.

Before applying to Biology, please be sure it is the department of the labs you are interested in. For example, if you are interested in Dr. Jane Doe’s lab, but she is in Duke’s Department of Neurobiology, and you apply to Duke Biology, your application will get misdirected. If in doubt, please ask us directly: [email protected]

We recognize that every application is more than just the sum of quantitative measures like GPAs, and have implemented a holistic review process that takes into account not only your academic credentials, but your profile as a whole. Applicants to the Duke Biology Ph.D. program will be evaluated on the basis of the following information provided in your application:

  • Your Statement of Purpose
  • Your research experience
  • Your letters of recommendation
  • The match of your research interests to the expertise of faculty in the department
  • Your performance in the courses you have taken that prepared you for graduate study

Statement of Purpose

Tell us about your previous research experience, work ethic and perseverance toward goals, your preparedness and motivation for graduate study, your academic plans, including some of the research questions you would like to address in your graduate studies, and future career aspirations. In your statement, be sure to mention which faculty members you are interested in working with, as common interests are considered.

You are encouraged to include examples of educational, cultural, or other life opportunities or challenges you have experienced, and how these are likely to contribute to your overall success in our graduate program and beyond.

The Duke Graduate School requires that you submit your undergraduate grade point average (UGPA) with your application. Duke does not have a cut-off point for UGPA when considering applicants. The Biology Graduate Admissions Committee will examine how your academic background, including the courses you have taken previously and your performance in those courses, and not your GPA or the institutions at which you have previously studied, have prepared you for graduate study. Every application gets reviewed in a holistic way in which all parts of the application package are considered in making a decision.

Both the general GRE and the GRE Biology subject test are optional for applicants to the Duke Biology Ph.D. कार्यक्रम। Not having taken these tests will in no way disadvantage your application.

Timeline

Applications are due December 1 st . The Biology Graduate Admissions Committee will contact those applicants who qualify for on-site interviews (applicants already in the US) or Skype-interviews (international applicants) by mid-January. We invite select candidates to visit the Duke campus for one of two planned weekends in February to meet our faculty and graduate students. Final decisions are made in March.


Top 6 Applications of Polymerase Chain Reaction

This article throws light upon the top six applications of polymerase chain reaction.

The top six applications are: (1) PCR in Clinical Diagnosis (2) PCR in DNA Sequencing (3) PCR in Gene Manipulation and Expression Studies (4) PCR in Comparative Studies of Genomes (5) PCR in Forensic Medicine and (6) PCR in Comparison with Gene Cloning.

Application # 1. PCR in Clinical Diagnosis:

The specificity and sensitivity of PCR is highly useful for the diagnosis of various diseases in humans. These include diagnosis of inherited disorders (genetic diseases), viral diseases, bacterial diseases etc. The occurrence of genetic diseases frequently identified by restriction fragment length poly­morphism (RFLP) can be employed only when there is a mutation resulting in a detectable change in the length of restriction fragment. Many genetic diseases occur without the involvement of RFLP. For all such disorders, PCR technique is a real boon, as it provides direct information of DNA. This is done by amplification of DNA of the relevant region, followed by the direct analysis of PCR products.

Prenatal diagnosis of inherited diseases:

PCR is employed in the prenatal diagnosis of inherited diseases by using chorionic villus samples or cells from amniocentesis. Thus, diseases like sickle-cell anemia, p-thalassemia and phenylketonuria can be detected by PCR in these samples.

Diagnosis of retroviral infections:

PCR from cDNA is a valuable tool for diagnosis and monitoring of retroviral infections, e.g., HIV infection.

Diagnosis of bacterial infections:

PCR is used for the detection of bacterial infection e.g., tuberculosis by Mycobacterium tuberculosis.

Several virally-induced cancers (e.g., cervical cancer caused by human papilloma virus) can be detected by PCR. Further, some cancers which occur due to chromosomal translocation (chromosome 14 and 18 in follicular lymphoma) involving known genes are identified by PCR.

PCR in sex determination of embryos:

Sex of human and livestock embryos fertilized in vitro, can be determined by PCR, by using primers and DNA probes specific for sex chromosomes. Further, this technique is also useful to detect sex — linked disorders in fertilized embryos.

Application # 2. PCR in DNA Sequencing:

As the PCR technique is much simpler and quicker to amplify the DNA, it is conveniently used for sequencing. For this purpose, single-strands of DNA are required. In asymmetric PCR, preferential amplification of a single-strand is carried out. In another method, strand removal can be achieved by digesting one strand (usually done by exonuclease by its action on 5′-phosphorylated strand).

Application # 3. PCR in Gene Manipulation and Expression Studies:

The advantage with PCR is that the primers need not have complementary sequences for the target DNA. Therefore, the sequence of nucleotides in a piece of the gene (target DNA) can be manipulated and amplified by PCR.

By using this method, coding sequence can be altered (thereby changing amino acids) to synthesize protein of interest. Further, gene manipulations are important in understanding the effects of promoters, initiators etc., in gene expression.

PCR is important in the study of mRNAs, the products of gene expression. This is carried out by reverse transcription — PCR.

Application # 4. PCR in Comparative Studies of Genomes:

The differences in the genomes of two organisms can be measured by PCR with random primers. The products are separated by electrophoresis for comparative identification. Two genomes from closely related organisms are expected to yield more similar bands. For more details, refer the technique random amplified polymorphic DNA.

PCR is very important in the study evolutionary biology, more specifically referred to as phylogenetic. As a technique which can amplify even minute quantities of DNA from any source (hair, mummified tissues, bone, or any fossilized material), PCR has revolutionized the studies in palaentology and archaelogy. The movie ‘Jurassic Park’ has created public awareness of the potential applications of PCR!

Application # 5. PCR in Forensic Medicine:

A single molecule of DNA from any source (blood strains, hair, semen etc.) of an individual is adequate for amplification by PCR. Thus, PCR is very important for identification of criminals.

The reader may refer DNA finger printing technique described elsewhere.

Application # 6. PCR in Comparison with Gene Cloning:

PCR has several advantages over the traditional gene cloning techniques .These include better efficiency, minute quantities of starting material (DNA), cost-effectiveness, minimal technical skill, time factor etc. In due course of time, PCR may take over most of the applications of gene cloning.


वह वीडियो देखें: जव वजञन most question science most questions in hindi biology important questions (फरवरी 2023).