Cette recherche a été financée par les Fonds de recherche fondamentale pour les universités centrales, numéro de subvention 2019GJZL04. Nous remercions le professeur Weisheng Zeng de l’Academy of Forest Inventory and Planning, National Forestry and Grassland Administration, Chine, d’avoir fourni l’accès aux données.

1. Préparation des données
<ol><li>Préparer des données de modélisation, qui comprennent des renseignements sur les arbres individuels (espèces et diamètre à la hauteur des seins à 1,3 m) et des renseignements sur les parcelles (pente, aspect et élévation). Dans cette étude, les données ont été obtenues à partir du 8e (2009) et du 9e (2014) Inventaire national des forêts chinoises dans la province du Xinjiang, au nord-ouest de la Chine, qui comprend 21 898 observations de 779 parcelles échantillonnées. Ces parcelles échantillonnées sont de forme carrée avec une taille de 1 Mu (unité chinoise de superficie équivalente à 0,067 ha) et sont systématiquement disposées sur une grille de 4 km x 8 km. REMARQUE : L’incrément de modélisation (zone basale) nécessite au moins une période de croissance (c.-à-d. deux observations).</li>
	<li>Divisez aléatoirement les données en deux ensembles de données, avec 80 % des données des parcelles d’échantillons utilisées pour l’ajustement du modèle (ensemble de données de développement de modèles), qui se compose de 17 145 observations provenant de 623 parcelles d’échantillons et de 20 % pour la validation de modèles (ensemble de données de validation de modèle) qui se compose de 4 753 observations provenant de 156 parcelles d’échantillons. Des statistiques descriptives pour les variables clés utilisées sont fournies dans le tableau 1. REMARQUE : Cette étape de la procédure de modélisation peut être omise, et toutes les données sont utilisées pour le développement de modèles.</li>
</ol><table border="1" fo:keep-together.within-page="1"><tbody>
<tr>
<td rowspan="2">Variables</td>
			<td colspan="4">Données d’ajustement</td>
			<td></td>
			<td colspan="4">Données de validation</td>
		</tr>
<tr>
<td>Min</td>
			<td>Max</td>
			<td>Veux dire</td>
			<td>S.d.</td>
			<td></td>
			<td>Min</td>
			<td>Max</td>
			<td>Veux dire</td>
			<td>S.d.</td>
		</tr>
<tr>
<td>DBH1 (cm)</td>
			<td>5</td>
			<td>124.8</td>
			<td>19.9</td>
			<td>13.2</td>
			<td></td>
			<td>5</td>
			<td>101.5</td>
			<td>19.5</td>
			<td>13.4</td>
		</tr>
<tr>
<td>DMQ (cm)</td>
			<td>6.7</td>
			<td>82.3</td>
			<td>22.5</td>
			<td>8.5</td>
			<td></td>
			<td>9.2</td>
			<td>73.3</td>
			<td>21.8</td>
			<td>9.2</td>
		</tr>
<tr>
<td>ID (cm)</td>
			<td>0.1</td>
			<td>14.4</td>
			<td>1.1</td>
			<td>1</td>
			<td></td>
			<td>0.1</td>
			<td>16.9</td>
			<td>1</td>
			<td>1.1</td>
		</tr>
<tr>
<td>BAL (m3)</td>
			<td>0</td>
			<td>5.2</td>
			<td>1.7</td>
			<td>0.9</td>
			<td></td>
			<td>0</td>
			<td>5.4</td>
			<td>1.7</td>
			<td>1</td>
		</tr>
<tr>
<td>NT (arbres/ha)</td>
			<td>14.9</td>
			<td>3642</td>
			<td>1072</td>
			<td>673.7</td>
			<td></td>
			<td>14.9</td>
			<td>3418</td>
			<td>1205</td>
			<td>829.3</td>
		</tr>
<tr>
<td>BA (m2/ha)</td>
			<td>0.1</td>
			<td>77.5</td>
			<td>34.2</td>
			<td>13.9</td>
			<td></td>
			<td>0.1</td>
			<td>80.6</td>
			<td>34.5</td>
			<td>15.3</td>
		</tr>
<tr>
<td>EL (m)</td>
			<td>2</td>
			<td>3302</td>
			<td>2189</td>
			<td>340.3</td>
			<td></td>
			<td>1441</td>
			<td>3380</td>
			<td>2256</td>
			<td>308.3</td>
		</tr>
</tbody></table>Tableau 1. Statistiques sommaires pour l’ajustement et la validation des données. DBH1: diamètre initial à la hauteur du sein à 1,3 m (DBH), DBH2: DBH mesuré après 5 ans de croissance, QMD: diamètre moyen quadratique, ID: augmentation de diamètre pendant 5 ans (DBH2 - DBH1), BAL: la zone basale des arbres plus grands que l’arbre en question (l’arbre en question: l’arbre qui a été calculé les indices de compétition), NT: le nombre d’arbres par hectare, BA: superficie basale par hectare, EL: élévation, S.D.: écart type.
2. Développement de modèle de base
<ol><li>Consultez les références pour identifier les variables qui affectent les incréments de la zone basale des arbres individuels.</li>
	<li>Sélectionnez et calculez les variables en fonction des données. En général, l’incrément de la zone basale des arbres individuels est affecté par trois groupes de variables : la taille des arbres, la concurrence et l’état du site27,28,29,30.<ol>
<li>Considérez les effets de la taille des arbres tels que DBH1, carré de DBH1 ( <img alt="Equation 11" src="/files/ftp_upload/60827/60827eq11.jpg"> ), la transformation inverse de DBH1 (1/DBH1), et le logarithme commun de DBH1 (logDBH1) ou des combinaisons d’entre eux.</li>
		<li>Tenir compte des effets concurrentiels tels que les indices uni et à deux côtés de la concurrence pour quantifier plus en détail le niveau de concurrence d’un arbre, ainsi que sa position sociale au sein du stand. La concurrence à un côté comprend le BAL et l’indice de densité relative (RD=DBH1/QMD); la concurrence à deux côtés incluent NT, et BA. REMARQUE : Les indices de concurrence dépendant de la distance doivent être pris en considération si des données sont disponibles.</li>
		<li>Considérez les effets du site tels que l’aspect (ASP), la pente (SL), et EL. SL et ASP devraient être inclus en utilisant la transformation de stage31.</li>
	</ol>
</li>
	<li>Sélectionnez journal <img alt="Equation 12" src="/files/ftp_upload/60827/60827eq12.jpg"> ( + <img alt="Equation 11" src="/files/ftp_upload/60827/60827eq11.jpg"> 1) ( <img alt="Equation 12" src="/files/ftp_upload/60827/60827eq12.jpg"> désigne carré de DBH2) comme variable dépendante.</li>
	<li>Développez le modèle de base en utilisant la méthode de régression stepwise. Assurez-vous que le modèle est biologiquement raisonnable et présente des différences significatives entre les variables indépendantes. Utilisez le facteur d’inflation de variance (VIF) pour vérifier la multicollinarité.</li>
	<li>Laissez les variables indépendantes avec p < 0,05 et VIF < 5 dans le modèle de base.</li>
	<li>Extrayant les résultats du modèle de base et la parcelle résiduelle. Le modèle de base produit ici sert de base à la poursuite du développement d’un modèle à effets mixtes.</li>
</ol>3. Développement linéaire de modèles à effets mixtes avec le paquet « nlme » dans le logiciel R
<ol><li>Lisez l’ensemble de données de développement du modèle et chargez le paquet « nlme ». >model.development.dataset=read.csv(« E:/DATA/JoVE/modelingdata.csv », en-tête=TRUE) >library(nlme)</li>
	<li>Sélectionnez des parcelles d’échantillons comme effets aléatoires pour développer le modèle à effets mixtes.</li>
	<li>Adapter toutes les combinaisons possibles d’effets aléatoires avec la méthode de probabilité maximale (ML) et la sortie des résultats. >Model<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, méthode="ML », aléatoire =~1| PARCELLE) >résumé (Modèle) 
	<ol>
<li>Ensemble aléatoire =~1 est l’interception de paramètres aléatoires. Modifiez les instructions aléatoires jusqu’à ce que toutes les combinaisons soient équipées. Par exemple, pour définir 1/DBH1 et BAL comme paramètres aléatoires, le code est le suivant : aléatoire =~1/DBH1+BAL-1. En outre, dans le processus d’ajustement, les codes peuvent signaler des erreurs dues à la non-conformité du modèle équipé.</li>
	</ol></li>
	<li>Sélectionnez le meilleur modèle selon le critère d’information d’Akaike (AIC), le critère d’information bayésien (BIC), la probabilité de logarithme (Loglik) et le test de ratio de probabilité (TLR). >anova (Model.1, Model.6) >anova (Model.6, Model.23) >anova (Model.23, Model.30)</li>
	<li>Déterminer la structure de Ri. Adressez-vous à l’hétéroscasticité et à l’autocorrépendation de Ri32. Le Ri est écrit comme suit: <img alt="Equation 1" src="/files/ftp_upload/60827/60827eq1.jpg">(1) où σ2 est un facteur d’échelle inconnu qui est égal à la variance résiduelle du modèle, Gi est une matrice diagonale décrivant l’hétéroscasticité, et Γ i est une matrice décrivant l’autocorrépendance.<ol>
<li>Observez si les résidus sont hétéroscasticité de la parcelle résiduelle. S’il y a hétéroscasticité (les résidus ont un modèle ou une tendance clair), introduisez trois fonctions de variance fréquemment utilisées — la fonction constante plus puissance, la fonction de puissance et la fonction exponentielle — pour modéliser la structure de variance des erreurs. >Model.30.1<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML »,random=~1/DBH1+BAL+NT| Intrigue poids=varConstPower (form=~ fitted(.))) >résumé (Modèle.30.1) >Model.30.2<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML »,random=~1/DBH1+BAL+NT| Intrigue poids=varPower (form=~ fitted(.))) >résumé (Modèle.30.2) >Model.30.3<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML », random=~1/DBH1+BAL+NT| Intrigue poids=varExp(form=~ fitted(.))) >résumé (Model.30.3)
</li>
		<li>Déterminez la meilleure fonction de variance pour le modèle selon l’AIC, le BIC, loglik et le TLR. >anova (Model.30, Modèle.30.1) >anova (Modèle.30, Modèle.30.2) >anova (Model.30, Model.30.3)
</li>
		<li>Introduire trois structures d’autocorréfération couramment utilisées — la structure de symétrie composée (CS), la structure autorégressive de premier ordre [AR(1)], et une combinaison de structures moyennes autorégressives et mobiles de premier ordre [ARMA(1,1)]— pour tenir compte de l’autocorrépendation. >Model.30.3.1<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML », aléatoire=~1/DBH1+BAL+NT| PARCELLE, poids=varExp (form=~fitted(.)), corr= corCompSymm()) >résumé (Model.30.3.1) >Model.30.3.2<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML », aléatoire=~1/DBH1+BAL+NT| PLOT,weights=varExp(form=~ fitted(.)), corr=corAR1()) >résumé (Model.30.3.2) >Model.30.3.3<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML », aléatoire=~1/DBH1+BAL+NT| PLOT,weights=varExp(form=~ fitted(.)), corr=corARMA(q=1,p=1)) >résumé (Model.30.3.3)
</li>
		<li>Déterminez la meilleure structure d’autocorrépendation selon l’AIC, le BIC, loglik et le TLR. >anova (Model.30.3, Model.30.3.2) REMARQUE : Le Gi et le Γi ne peuvent pas être définis s’il n’y a pas d’hétéroscasticité et d’autocorrépendance.</li>
		<li>Extrayant les résultats finaux du modèle à effets mixtes en utilisant la méthode de la probabilité maximale restreinte (REML). >Mixed.model<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="REML », random=~1/DBH1+BAL+NT| Intrigue poids=varExp(form=~ fitted(.)), corr=corAR1()) >résumé (Mixed.model)
</li>
	</ol></li>
</ol>4. Correction des biais
<ol><li>Transformez les valeurs prévues de l’incrément de surface basale à l’aide du modèle final à l’échelle logarithmique à l’échelle d’origine. Toutefois, une telle transformation linéaire du dos de la valeur prévue à partir d’un modèle transformé en journal produit un biais de transformation de journal associé. Pour faire face au biais de journal, un facteur de correction a été dérivé et intégré dans l’équation de prédiction, qui estime l’augmentation réelle prévue de la superficie basale pour un arbre donné [Équation (2)]: <img alt="Equation 2" src="/files/ftp_upload/60827/60827eq2.jpg">(2) où est prévue la valeur logarithmique de l’incrément de la zone basale par rapport au modèle, tandis que la valeur <img alt="Equation 13" src="/files/ftp_upload/60827/60827eq13.jpg"> transformée en arrière prévue de l’incrément de la zone basale pendant 5 ans après correction du biais de transformation des <img alt="Equation 14" src="/files/ftp_upload/60827/60827eq14.jpg"> <img alt="Equation 15" src="/files/ftp_upload/60827/60827eq15.jpg"> grumes. est la variance par rapport aux effets aléatoires à la parcelle et la σ2 est la variance résiduelle.</li>
	<li>Convertir l’incrément de la zone basale <img alt="Equation 14" src="/files/ftp_upload/60827/60827eq14.jpg"> () en l’incrément de diamètre.</li>
</ol>5. Prévision et évaluation des modèles
<ol><li>Préparez l’ensemble de données de validation du modèle produit à la section 1.2 pour la prédiction.</li>
	<li>Utilisez le modèle linéaire à effets mixtes pour prédire l’augmentation de la superficie basale des arbres individuels. Les composants aléatoires ont été calculés à l’aide du meilleur prédicteur linéaire impartial suivant : <img alt="Equation 3" src="/files/ftp_upload/60827/60827eq3.jpg">(3) où <img alt="Equation 16" src="/files/ftp_upload/60827/60827eq16.jpg"> est un vecteur pour les composants <img alt="Equation 17" src="/files/ftp_upload/60827/60827eq17.jpg"> aléatoires; est la matrice de variance-covariance pour la variabilité entre les parcelles; est la matrice de conception pour les composants aléatoires agissant aux observations complémentaires; est le vecteur résiduel dont les composants sont donnés par <img alt="Equation 18" src="/files/ftp_upload/60827/60827eq18.jpg"> la différence entre les <img alt="Equation 19" src="/files/ftp_upload/60827/60827eq19.jpg"> incréments de zone basale et les incréments prévus utilisant le modèle à effets fixes.</li>
	<li>Évaluer et comparer la capacité prédictive du modèle de base et du modèle linéaire à effets mixtes à l’aide des trois indicateursstatistiques suivants 23,33. <img alt="Equation 4" src="/files/ftp_upload/60827/60827eq4.jpg">(4) <img alt="Equation 5" src="/files/ftp_upload/60827/60827eq5.jpg">(5) <img alt="Equation 6" src="/files/ftp_upload/60827/60827eq6.jpg">(6) où obji est les incréments de la zone basale, est iest la zone basale prévue incréments, <img alt="Equation 20" src="/files/ftp_upload/60827/60827eq20.jpg"> est le moyen d’observations, et N est le nombre d’observations.</li>
</ol>

<ol>
	<li>Meng, J., Lu, Y., Ji, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Transformation+of+a+Degraded+Pinus+massoniana+Plantation+into+a+Mixed-Species+Irregular+Forest:+Impacts+on+Stand+Structure+and+Growth+in+Southern+China.">Transformation of a Degraded Pinus massoniana Plantation into a Mixed-Species Irregular Forest: Impacts on Stand Structure and Growth in Southern China.</a> Forests. 5 (12), 3199-3221 (2014).</li><li>Sharma, A., Bohn, K., Jose, S., Cropper, W. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Converting+even-aged+plantations+to+uneven-aged+stand+conditions:+A+simulation+analysis+of+silvicultural+regimes+with+slash+pine+(Pinus+elliottii+Engelm).">Converting even-aged plantations to uneven-aged stand conditions: A simulation analysis of silvicultural regimes with slash pine (Pinus elliottii Engelm).</a> Forest Science. 60 (5), 893-906 (2014).</li><li>Zhu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Feasibility+of+implementing+thinning+in+even-aged+Larix+olgensis+plantations+to+develop+uneven-aged+larch&#8211;broadleaved+mixed+forests.">Feasibility of implementing thinning in even-aged Larix olgensis plantations to develop uneven-aged larch&#8211;broadleaved mixed forests.</a> Journal of Forest Research. 15 (1), 71-80 (2010).</li><li>Leites, L. P., Robinson, A. P., Crookston, N. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Accuracy+and+equivalence+testing+of+crown+ratio+models+and+assessment+of+their+impact+on+diameter+growth+and+basal+area+increment+predictions+of+two+variants+of+the+Forest+Vegetation+Simulator.">Accuracy and equivalence testing of crown ratio models and assessment of their impact on diameter growth and basal area increment predictions of two variants of the Forest Vegetation Simulator.</a> Canadian Journal of Forest Research. 39 (3), 655-665 (2009).</li><li>Pretzsch, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Forest Dynamics, Growth and Yield. , (2009).</li><li>Weiskittel, A. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Forest+growth+and+yield+modeling.">Forest growth and yield modeling.</a> Forest Growth &amp; Yield Modeling. 7 (2), 223-233 (2002).</li><li>Burkhart, H. E., Tom&#233;, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Modeling Forest Trees and Stands. , (2012).</li><li>Zhang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Chinese+Academy+Of+Forestry.+A+linkage+among+whole-stand+model,+individual-tree+model+and+diameter-distribution+model.">Chinese Academy Of Forestry. A linkage among whole-stand model, individual-tree model and diameter-distribution model.</a> Journal of Forest Science. 56 (56), 600-608 (2010).</li><li>Peng, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Growth+and+yield+models+for+uneven-aged+stands:+past,+present+and+future.">Growth and yield models for uneven-aged stands: past, present and future.</a> Forest Ecology &amp; Management. 132 (2), 259-279 (2000).</li><li>Lhotka, J. M., Loewenstein, E. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+individual-tree+diameter+growth+model+for+managed+uneven-aged+oak-shortleaf+pine+stands+in+the+Ozark+Highlands+of+Missouri,+USA.">An individual-tree diameter growth model for managed uneven-aged oak-shortleaf pine stands in the Ozark Highlands of Missouri, USA.</a> Forest Ecology &amp; Management. 261 (3), 770-778 (2011).</li><li>Port&#233;, A., Bartelink, H. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Modelling+mixed+forest+growth:+a+review+of+models+for+forest+management.">Modelling mixed forest growth: a review of models for forest management.</a> Ecological Modelling. 150 (1), 141-188 (2002).</li><li>Moses, L. E., Gale, L. C., Altmann, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Methods+for+analysis+of+unbalanced,+longitudinal,+growth+data.">Methods for analysis of unbalanced, longitudinal, growth data.</a> American Journal of Primatology. 28 (1), 49-59 (2010).</li><li>Biging, G. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improved+Estimates+of+Site+Index+Curves+Using+a+Varying-Parameter+Model.">Improved Estimates of Site Index Curves Using a Varying-Parameter Model.</a> Forest Science. 31 (31), 248-259 (1985).</li><li>Kowalchuk, R. K., Keselman, H. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mixed-model+pairwise+multiple+comparisons+of+repeated+measures+means.">Mixed-model pairwise multiple comparisons of repeated measures means.</a> Psychological Methods. 6 (3), 282-296 (2001).</li><li>Hayes, A. F., Cai, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+heteroskedasticity-consistent+standard+error+estimators+in+OLS+regression:+An+introduction+and+software+implementation.">Using heteroskedasticity-consistent standard error estimators in OLS regression: An introduction and software implementation.</a> Behavior Research Methods. 39 (4), 709-722 (2007).</li><li>Gutzwiller, K. J., Riffell, S. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Using Statistical Models to Study Temporal Dynamics of Animal-Landscape Relations. , (2007).</li><li>Calama, R., Montero, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Multilevel linear mixed model for tree diameter increment in stone pine (Pinus pinea): a calibrating approach. 39, (2005).</li><li>Vonesh, E. F., Chinchilli, V. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Linear+and+nonlinear+models+for+the+analysis+of+repeated+measurements.">Linear and nonlinear models for the analysis of repeated measurements.</a> Journal of Biopharmaceutical Statistics. 18 (4), 595-610 (1996).</li><li>Zobel, J. M., Ek, A. R., Burk, T. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+Forest+Inventory+and+Analysis+surveys,+basal+area+models,+and+fitting+methods+for+the+aspen+forest+type+in+Minnesota.">Comparison of Forest Inventory and Analysis surveys, basal area models, and fitting methods for the aspen forest type in Minnesota.</a> Forest Ecology &amp; Management. 262 (2), 188-194 (2011).</li><li>Sharma, M., Parton, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Height-diameter+equations+for+boreal+tree+species+in+Ontario+using+a+mixed-effects+modeling+approach.">Height-diameter equations for boreal tree species in Ontario using a mixed-effects modeling approach.</a> Forest Ecology &amp; Management. 249 (3), 187-198 (2007).</li><li>Crecente-Campo, F., Tom&#233;, M., Soares, P., Di&#233;guez-Aranda, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+generalized+nonlinear+mixed-effects+height&#8211;diameter+model+for+Eucalyptus+globulus+L.+in+northwestern+Spain.">A generalized nonlinear mixed-effects height&#8211;diameter model for Eucalyptus globulus L. in northwestern Spain.</a> Forest Ecology &amp; Management. 259 (5), 943-952 (2010).</li><li>Fu, L., Sharma, R. P., Hao, K., Tang, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+generalized+interregional+nonlinear+mixed-effects+crown+width+model+for+Prince+Rupprecht+larch+in+northern+China.">A generalized interregional nonlinear mixed-effects crown width model for Prince Rupprecht larch in northern China.</a> Forest Ecology &amp; Management. 389 (2017), 364-373 (2017).</li><li>Hao, X., Yujun, S., Xinjie, W., Jin, W., Yao, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Linear+mixed-effects+models+to+describe+individual+tree+crown+width+for+China-fir+in+Fujian+Province,+southeast+China.">Linear mixed-effects models to describe individual tree crown width for China-fir in Fujian Province, southeast China.</a> Plos One. 10 (4), 0122257 (2015).</li><li>Vanderschaaf, C. L., Burkhart, H. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparing+methods+to+estimate+Reineke's+Maximum+Size-Density+Relationship+species+boundary+line+slope.">Comparing methods to estimate Reineke's Maximum Size-Density Relationship species boundary line slope.</a> Forest Science. 53 (3), 435-442 (2007).</li><li>Zhang, L., Bi, H., Gove, J. H., Heath, L. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparison+of+alternative+methods+for+estimating+the+self-thinning+boundary+line.">A comparison of alternative methods for estimating the self-thinning boundary line.</a> Canadian Journal of Forest Research. 35 (6), 1507-1514 (2005).</li><li>Hart, D. R., Chute, A. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimating+von+Bertalanffy+growth+parameters+from+growth+increment+data+using+a+linear+mixed-effects+model,+with+an+application+to+the+sea+scallop+Placopecten+magellanicus.">Estimating von Bertalanffy growth parameters from growth increment data using a linear mixed-effects model, with an application to the sea scallop Placopecten magellanicus.</a> Ices Journal of Marine Science. 66 (9), 2165-2175 (2009).</li><li>Uzoh, F. C. C., Oliver, W. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Individual+tree+diameter+increment+model+for+managed+even-aged+stands+of+ponderosa+pine+throughout+the+western+United+States+using+a+multilevel+linear+mixed+effects+model.">Individual tree diameter increment model for managed even-aged stands of ponderosa pine throughout the western United States using a multilevel linear mixed effects model.</a> Forest Ecology &amp; Management. 256 (3), 438-445 (2008).</li><li>Cond&#233;s, S., Sterba, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparing+an+individual+tree+growth+model+for+Pinus+halepensis+Mill.+in+the+Spanish+region+of+Murcia+with+yield+tables+gained+from+the+same+area.">Comparing an individual tree growth model for Pinus halepensis Mill. in the Spanish region of Murcia with yield tables gained from the same area.</a> European Journal of Forest Research. 127 (3), 253-261 (2008).</li><li>Pokharel, B., Dech, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mixed-effects+basal+area+increment+models+for+tree+species+in+the+boreal+forest+of+Ontario,+Canada+using+an+ecological+land+classification+approach+to+incorporate+site+effects.">Mixed-effects basal area increment models for tree species in the boreal forest of Ontario, Canada using an ecological land classification approach to incorporate site effects.</a> Forestry. 85 (2), 255-270 (2012).</li><li>Wykoff, W. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+basal+area+increment+model+for+individual+conifers+in+the+northern+Rocky+Mountains.">A basal area increment model for individual conifers in the northern Rocky Mountains.</a> Forest Science. 36 (4), 1077-1104 (1990).</li><li>Stage, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Notes:+An+Expression+for+the+Effect+of+Aspect,+Slope,+and+Habitat+Type+on+Tree+Growth.">Notes: An Expression for the Effect of Aspect, Slope, and Habitat Type on Tree Growth.</a> Forest Science. 22 (4), 457-460 (1976).</li><li>Gregorie, T. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Generalized+Error+Structure+for+Forestry+Yield+Models.">Generalized Error Structure for Forestry Yield Models.</a> Forest Science. 33 (2), 423-444 (1987).</li><li>Zhao, L., Li, C., Tang, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Individual-tree+diameter+growth+model+for+fir+plantations+based+on+multi-level+linear+mixed+effects+models+across+southeast+China.">Individual-tree diameter growth model for fir plantations based on multi-level linear mixed effects models across southeast China.</a> Journal of Forest Research. 18 (4), 305-315 (2013).</li><li>Hall, D. B., Bailey, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Modeling+and+Prediction+of+Forest+Growth+Variables+Based+on+Multilevel+Nonlinear+Mixed+Models.">Modeling and Prediction of Forest Growth Variables Based on Multilevel Nonlinear Mixed Models.</a> Forest Science. 47 (3), 311-321 (2001).</li><li>Yang, Y., Huang, S., Meng, S. X., Trincado, G., Vanderschaaf, C. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+multilevel+individual+tree+basal+area+increment+model+for+aspen+in+boreal+mixedwood+stands+:+Journal+canadien+de+la+recherche+forestie&#768;re.">A multilevel individual tree basal area increment model for aspen in boreal mixedwood stands : Journal canadien de la recherche forestie&#768;re.</a> Revue Canadienne De Recherche Foresti&#232;re. 39 (39), 2203-2214 (2009).</li><li>Pinheiro, J. C., Bates, D. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mixed-effects+models+in+S+and+S-Plus.">Mixed-effects models in S and S-Plus.</a> Publications of the American Statistical Association. 96 (455), 1135-1136 (2000).</li></ol>

Les auteurs n’ont rien à divulguer.

Une question cruciale pour le développement de modèles à effets mixtes est de déterminer quels paramètres peuvent être traités comme des effets aléatoires et qui devraient être considérés comme des effetsfixes 34,35. Deux méthodes ont été proposées. L’approche la plus courante consiste à traiter tous les paramètres comme des effets aléatoires, puis à avoir le meilleur modèle sélectionné par AIC, BIC, Loglik et LRT. C’était la méthode e...

Par rapport à la monoculture d’âges communs, la gestion forestière mixte d’âge inégal avec de multiples objectifs a reçu une attentionaccrue récemment 1,2,3. La prévision des différentes solutions de gestion est nécessaire pour formuler des stratégies robustes de gestion forestière, en particulier pour les forêts complexes d’espèces mixtes d’âgeinégal 4. Les modèles de croissance et de rendement forestiers ont été largement utilisés pour prévoir le développement et la récolte des arbres ou des supports dans le cadre de divers schémas de gestion5,6,7. Les modèles de croissance et de rendement forestiers sont classés dans les modèles d’arbres individuels, les modèles de classe taille et les modèles de croissance à supportentier 6,7,8. Malheureusement, les modèles de classe taille et les modèles de stand entier ne conviennent pas aux forêts mixtes d’âge inégal, qui nécessitent une description plus détaillée pour appuyer le processus décisionnel en gestion forestière. Pour cette raison, les modèles de croissance et de rendement des arbres individuels ont reçu une attention accrue au cours des dernières décennies en raison de leur capacité à faire des prédictions pour les peuplements forestiers avec une variété de compositions d’espèces, de structures et de stratégiesde gestion 9,10,11.
La régression ordinaire des moins carrés (OLS) est la méthode la plus couramment utilisée pour le développement de modèles de croissanced’arbres individuels 12,13,14,15. Les ensembles de données pour les modèles de croissance des arbres individuels recueillis à plusieurs reprises sur une durée fixe sur la même unité d’échantillonnage (c.-à-d. parcelle d’échantillon ou arbre) ont une structure hiérarchique stochastique, avec un manque d’indépendance et une forte corrélation spatiale et temporelle entre les observations10,16. La structure hiérarchique stochastique viole les hypothèses fondamentales de régression ols: à savoir les résidus indépendants et normalement distribué des données avec des écarts égaux. Par conséquent, l’utilisation de la régression ols produit inévitablement des estimations biaisées de l’erreur standard des estimations des paramètrespour ces données 13,14.
Les modèles à effets mixtes fournissent un outil puissant pour analyser les données avec des structures complexes, telles que des données de mesures répétées, des données longitudinales et des données à plusieurs niveaux. Les modèles à effets mixtes se composent à la fois de composants fixes, communs à l’ensemble de la population, et de composants aléatoires, qui sont spécifiques à chaque niveau d’échantillonnage. En outre, les modèles à effets mixtes prennent en compte l’hétéroscasticité et l’autocorrépendance dans l’espace et le temps en définissant la structure de variance-covariance non diagonale matrices17,18,19. Pour cette raison, les modèles à effets mixtes ont été largement utilisés dans la foresterie, tels que dans les modèles de hauteurde diamètre 20,21, couronne modèles22,23, auto-amincissement modèles24,25, et les modèles de croissance26,27.
Ici, l’objectif principal était de développer un modèle d’incrément de zone basale d’arbre individuel utilisant une approche linéaire d’effets mélangés. Nous espérons que l’approche des effets mixtes pourrait être largement appliquée.

<table border="0" cellpadding="0" cellspacing="0" style="width:666px;" width="665">
	<colgroup>
		<col />
		<col />
		<col />
		<col />
	</colgroup>
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">Computer</td>
			<td style="width:121px;">acer</td>
			<td style="width:161px;"></td>
			<td style="width:167px;"></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">Microsoft Office 2013</td>
			<td style="width:121px;"></td>
			<td style="width:161px;"></td>
			<td style="width:167px;"></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">R x64 3.5.1</td>
			<td style="width:121px;"></td>
			<td style="width:161px;"></td>
			<td></td>
		</tr>
	</tbody>
</table>

development of an individual-tree basal area increment model using a linear mixed-effects approach

Ici, nous avons développé un modèle d’arbre individuel d’incréments de superficie basale de 5 ans basé sur un ensemble de données comprenant 21898 arbres Picea asperata à partir de 779 parcelles d’échantillons situées dans la province du Xinjiang, au nord-ouest de la Chine. Afin d’éviter des corrélations élevées entre les observations de la même unité d’échantillonnage, nous avons mis au point le modèle à l’aide d’une approche linéaire à effets mixtes avec effet de parcelle aléatoire pour tenir compte de la variabilité stochastique. Diverses variables au niveau des arbres et des montants, telles que les indices de taille des arbres, de concurrence et d’état du site, ont été incluses comme effets fixes pour expliquer la variabilité résiduelle. En outre, l’hétéroscasticité et l’autocorrérelation ont été décrites en introduisant des fonctions de variance et des structures d’autocorrépendance. Le modèle d’effets mixtes linéaires optimaux a été déterminé par plusieurs statistiques d’ajustement : critère d’information d’Akaike, critère d’information bayésien, probabilité de logarithm, et un essai de rapport de probabilité. Les résultats ont indiqué que des variables significatives de l’incrément de zone basale d’arbre individuel étaient la transformation inverse du diamètre à la hauteur de sein, la zone basale des arbres plus grand que l’arbre en question, le nombre d’arbres par hectare, et l’élévation. En outre, les erreurs dans la structure de variance ont été modélisées avec le plus de succès par la fonction exponentielle, et l’autocorrérelation a été sensiblement corrigée par la structure autorégressive de premier ordre (AR(1)). La performance du modèle linéaire à effets mixtes a été considérablement améliorée par rapport au modèle en utilisant la régression ordinaire des moins carrés.

Le modèle d’incrément basal de base pour P. asperata a été exprimé en équation (7). Les estimations des paramètres, leurs erreurs standard correspondantes et les statistiques sur le manque d’ajustement sont indiquées dans le tableau 2. La parcelle résiduelle est indiquée dans la figure 1. L’hétéroscasticité prononcée des résidus a été observée. <img alt="Equation 7" src="/files/ftp_upload/60827/60827eq7.jpg">(7)
<table border="1" fo:keep-together.w...

Watch this Scientific Journal Video about Development of an Individual-Tree Basal Area Increment Model using a Linear Mixed-Effects Approach at JoVE.com

Development of an Individual-Tree Basal Area Increment Model using a Linear Mixed-Effects Approach

Les modèles à effets mixtes sont des outils flexibles et utiles pour analyser les données avec une structure hiérarchique stochastique en foresterie et pourraient également être utilisés pour améliorer considérablement les performances des modèles de croissance forestière. Ici, un protocole est présenté qui synthétise l’information relative aux modèles linéaires à effets mixtes.

Développement d’un modèle d’incrément de zone basale d’arbre individuel utilisant une approche linéaire à effets mixtes

Here, we developed an individual-tree model of 5-year basal area increments based on a dataset including 21898 Picea asperata trees from 779 sample plots ...

development-an-individual-tree-basal-area-increment-model-using

Research

JoVE Journal

Biology

3.2K vues.  Beijing Forestry University. Les modèles à effets mixtes sont des outils flexibles et utiles pour analyser les données avec une structure hiérarchique stochastique en foresterie et pourraient également être utilisés pour améliorer considérablement les performances des modèles de croissance forestière. Ici, un protocole est présenté qui synthétise l’information relative aux modèles linéaires à effets mixtes.

Vidéo: Development of an Individual-Tree Basal Area Increment Model using a Linear Mixed-Effects Approach

Microfabricated Post-Array-Detectors (mPADs): an Approach to Isolate Mechanical Forces

In this video, we will present our approach to measure cellular traction forces using a microfabricated array of posts.  Traction forces are generated through myosin-actin interactions and play an important role in our physiology.  During development, they enable cells to move from one location to the next in order to form the early structures of tissue.  Traction forces help in the healing processes.  They are necessary for the proper closure of wounds or the migration and crawling of leukocytes through our body.  These same forces can be detrimental to our health in the case of cancer metastasis or vascular growth towards a tumor.  The most common method by which to study cells in vitro has been to use a glass or polystyrene dish.  However, the rigidity of the substrates makes it impossible to physically measure cell traction forces, and there are relatively few methods to study traction forces.  Our lab has developed a technique to overcome these limitations.  The method is based on a vertical array of flexible cantilevers, the stiffness and size scale of which are such that individual cells spread across many cantilevers and deflect them in the process.  The pillars we use are 3 &mu;m in diameter, 10 &mu;m tall, and are configured in a regular array with 9 &mu;m center-to-center spacing.  But these physical dimensions can be readily varied to accommodate a variety of studies.  We start with a silicon master, but the final posts are made out of silicone rubber called poly (dimethyl siloxane), or PDMS.  We can measure the deflections under a microscope and calculate the magnitude and direction of traction forces required to produce the observed deflections.  We call these substrates microfabricated post-array-detectors, or mPADs.  Here, we will show you how we fabricate and use the mPADs to assess modulations of cellular contractility.

Microfabricated Post-Array-Detectors mPADs: an Approach to Isolate Mechanical Forces

In this video, we demonstrate how to fabricate and utilize microfabricated post array detectors (mPADs) to assess modulations of cellular contractility.

Microfabriqués post-Array-détecteurs (mPADs): une approche pour isoler les forces mécaniques

In this video, we will present our approach to measure cellular traction forces using a microfabricated array of posts.  Traction forces are generated ...

Recherche

Biologie

Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm

Finding the cost-efficient (i.e., lowest-cost) ways of targeting conservation practice investments for the achievement of specific water quality goals across the landscape is of primary importance in watershed management. Traditional economics methods of finding the lowest-cost solution in the watershed context (e.g.,5,12,20) assume that off-site impacts can be accurately described as a proportion of on-site pollution generated. Such approaches are unlikely to be representative of the actual pollution process in a watershed, where the impacts of polluting sources are often determined by complex biophysical processes. The use of modern physically-based, spatially distributed hydrologic simulation models allows for a greater degree of realism in terms of process representation but requires a development of a simulation-optimization framework where the model becomes an integral part of optimization.
Evolutionary algorithms appear to be a particularly useful optimization tool, able to deal with the combinatorial nature of a watershed simulation-optimization problem and allowing the use of the full water quality model. Evolutionary algorithms treat a particular spatial allocation of conservation practices in a watershed as a candidate solution and utilize sets (populations) of candidate solutions iteratively applying stochastic operators of selection, recombination, and mutation to find improvements with respect to the optimization objectives. The optimization objectives in this case are to minimize nonpoint-source pollution in the watershed, simultaneously minimizing the cost of conservation practices. A recent and expanding set of research is attempting to use similar methods and integrates water quality models with broadly defined evolutionary optimization methods3,4,9,10,13-15,17-19,22,23,25. In this application, we demonstrate a program which follows Rabotyagov et al.'s approach and integrates a modern and commonly used SWAT water quality model7 with a multiobjective evolutionary algorithm SPEA226, and user-specified set of conservation practices and their costs to search for the complete tradeoff frontiers between costs of conservation practices and user-specified water quality objectives. The frontiers quantify the tradeoffs faced by the watershed managers by presenting the full range of costs associated with various water quality improvement goals. The program allows for a selection of watershed configurations achieving specified water quality improvement goals and a production of maps of optimized placement of conservation practices.

This work demonstrates an integration of a water quality model with an optimization component utilizing evolutionary algorithms to solve for optimal (lowest-cost) placement of agricultural conservation practices for a specified set of water quality improvement objectives. The solutions are generated using a multi-objective approach, allowing for explicit quantification of tradeoffs.

Optimisation multiobjectif spatiale des pratiques agricoles de conservation en utilisant un modèle SWAT et un algorithme évolutionnaire

Finding the cost-efficient (i.e., lowest-cost) ways of targeting conservation practice investments for the achievement of specific water quality goals ...

A Semi-quantitative Approach to Assess Biofilm Formation Using Wrinkled Colony Development

Biofilms, or surface-attached communities of cells encapsulated in an extracellular matrix, represent a common lifestyle for many bacteria. Within a biofilm, bacterial cells often exhibit altered physiology, including enhanced resistance to antibiotics and other environmental stresses 1. Additionally, biofilms can play important roles in host-microbe interactions. Biofilms develop when bacteria transition from individual, planktonic cells to form complex, multi-cellular communities 2. In the laboratory, biofilms are studied by assessing the development of specific biofilm phenotypes. A common biofilm phenotype involves the formation of wrinkled or rugose bacterial colonies on solid agar media 3. Wrinkled colony formation provides a particularly simple and useful means to identify and characterize bacterial strains exhibiting altered biofilm phenotypes, and to investigate environmental conditions that impact biofilm formation. Wrinkled colony formation serves as an indicator of biofilm formation in a variety of bacteria, including both Gram-positive bacteria, such as Bacillus subtilis 4, and Gram-negative bacteria, such as Vibrio cholerae 5, Vibrio parahaemolyticus 6, Pseudomonas aeruginosa 7, and Vibrio fischeri 8.
The marine bacterium V. fischeri has become a model for biofilm formation due to the critical role of biofilms during host colonization: biofilms produced by V. fischeri promote its colonization of the Hawaiian bobtail squid Euprymna scolopes 8-10. Importantly, biofilm phenotypes observed in vitro correlate with the ability of V. fischeri cells to effectively colonize host animals: strains impaired for biofilm formation in vitro possess a colonization defect 9,11, while strains exhibiting increased biofilm phenotypes are enhanced for colonization 8,12. V. fischeri therefore provides a simple model system to assess the mechanisms by which bacteria regulate biofilm formation and how biofilms impact host colonization.
In this report, we describe a semi-quantitative method to assess biofilm formation using V. fischeri as a model system. This method involves the careful spotting of bacterial cultures at defined concentrations and volumes onto solid agar media; a spotted culture is synonymous to a single bacterial colony. This 'spotted culture' technique can be utilized to compare gross biofilm phenotypes at single, specified time-points (end-point assays), or to identify and characterize subtle biofilm phenotypes through time-course assays of biofilm development and measurements of the colony diameter, which is influenced by biofilm formation. Thus, this technique provides a semi-quantitative analysis of biofilm formation, permitting evaluation of the timing and patterning of wrinkled colony development and the relative size of the developing structure, characteristics that extend beyond the simple overall morphology.

We provide a simple, semi-quantitative method to investigate biofilm formation in vitro. This method takes advantage of the Zeiss stemi 2000-C Dissecting Microscope (with camera attachment) to monitor both the timing and pattern of biofilm formation, as assessed by the development of wrinkled colonies.

Une approche semi-quantitative pour évaluer la formation de biofilms utilisant le développement des colonies ridée

Biofilms, or surface-attached communities of cells encapsulated in an extracellular matrix, represent a common lifestyle for many bacteria. Within a ...

Conversion of a Capture ELISA to a Luminex xMAP Assay using a Multiplex Antibody Screening Method

The enzyme-linked immunosorbent assay (ELISA) has long been the primary tool for detection of analytes of interest in biological samples for both life science research and clinical diagnostics. However, ELISA has limitations. It is typically performed in a 96-well microplate, and the wells are coated with capture antibody, requiring a relatively large amount of sample to capture an antigen of interest . The large surface area of the wells and the hydrophobic binding of capture antibody can also lead to non-specific binding and increased background. Additionally, most ELISAs rely upon enzyme-mediated amplification of signal in order to achieve reasonable sensitivity. Such amplification is not always linear and can thus skew results.
In the past 15 years, a new technology has emerged that offers the benefits of the ELISA, but also enables higher throughput, increased flexibility, reduced sample volume, and lower cost, with a similar workflow 1, 2. Luminex xMAP Technology is a microsphere (bead) array platform enabling both monoplex and multiplex assays that can be applied to both protein and nucleic acid applications 3-5. The beads have the capture antibody covalently immobilized on a smaller surface area, requiring less capture antibody and smaller sample volumes, compared to ELISA, and non-specific binding is significantly reduced. Smaller sample volumes are important when working with limiting samples such as cerebrospinal fluid, synovial fluid, etc. 6. Multiplexing the assay further reduces sample volume requirements, enabling multiple results from a single sample.
Recent improvements by Luminex include: the new MAGPIX system, a smaller, less expensive, easier-to-use analyzer; Low-Concentration Magnetic MagPlex Microspheres which eliminate the need for expensive filter plates and come in a working concentration better suited for assay development and low-throughput applications; and the xMAP Antibody Coupling (AbC) Kit, which includes a protocol, reagents, and consumables necessary for coupling beads to the capture antibody of interest. (See Materials section for a detailed list of kit contents.)
In this experiment, we convert a pre-optimized ELISA assay for TNF-alpha cytokine to the xMAP platform and compare the performance of the two methods 7-11. TNF-alpha is a biomarker used in the measurement of inflammatory responses in patients with autoimmune disorders.
We begin by coupling four candidate capture antibodies to four different microsphere sets or regions. When mixed together, these four sets allow for the simultaneous testing of all four candidates with four separate detection antibodies to determine the best antibody pair, saving reagents, sample and time. Two xMAP assays are then constructed with the two most optimal antibody pairs and their performance is compared to that of the original ELISA assay in regards to signal strength, dynamic range, and sensitivity.

An ELISA can be easily converted to a Luminex xMAP assay and, through the benefits of multiplexing, several antibodies can be screened simultaneously to identify an optimum antibody pair, resulting in increased sensitivity and dynamic range, while reducing assay cost.

Conversion d&#39;un test ELISA de capture à un test Luminex xMAP utilisant une méthode de dépistage d&#39;anticorps Multiplex

The enzyme-linked immunosorbent assay (ELISA) has long been the primary tool for detection of analytes of interest in biological samples for both life ...

Cell Tracking Using Photoconvertible Proteins During Zebrafish Development

Embryogenesis is a dynamic process that is best studied by using techniques that allow the documentation of developmental changes in vivo. The use of genetically-encoded fluorescent proteins has proven a valuable strategy for elucidating dynamic morphogenetic processes as they occur in the intact organism. During the past decade, the development of photoactivatable and photoconvertible fluorescent proteins has opened the possibility to investigate the fate of discrete subpopulations of tagged proteins1. Unlike photoactivatable proteins, photoconvertible fluorescent proteins (PCFPs) are readily tracked and imaged in their native emission state prior to photoconversion, making it easier to identify and select regions by optical inspection. PCFPs, such as Kaede2, KikGR3, Dendra4 and EosFP5, can be shifted from green to red upon exposure to UV or blue light due to a His-Tyr-Gly tripeptide sequence which forms a green chromophore that can be photoconverted to a red one by a light-catalyzed &beta;-elimination and subsequent extension of a &pi;-conjugated system3. PCFPs and their monomeric variants are useful tools for tracking cells6-10 and studying protein dynamics11-14, respectively. During recent years, PCFPs have been expressed in different animal model, such as zebrafish6, chicken7,8 and mouse9,10 for cell fate tracking. Here we report a protocol for cell-specific photoconversion of PCFPs in the living zebrafish embryo and further tracking of photoconverted proteins at later developmental stages. This methodology allows studying, in a tissue-specific manner, cell biological events underlying morphogenesis in the zebrafish animal model.

Here, we present a method for the photoactivated switch of photoconvertible fluorescent proteins (PCFPs) in the living zebrafish embryo and further tracking of photoconverted protein at specific time points during development. This methodology allows monitoring of cell biological events underlying different developmental processes in a live vertebrate organism.

Suivi cellule à l&#39;aide protéines photoconvertible cours de développement poisson zèbre

Embryogenesis is a dynamic process that is best studied by using techniques that allow the documentation of developmental changes in vivo. The use of ...

Assessing Species-specific Contributions To Craniofacial Development Using Quail-duck Chimeras

The generation of chimeric embryos is a widespread and powerful approach to study cell fates, tissue interactions, and species-specific contributions to the histological and morphological development of vertebrate embryos. In particular, the use of chimeric embryos has established the importance of neural crest in directing the species-specific morphology of the craniofacial complex. The method described herein utilizes two avian species, duck and quail, with remarkably different craniofacial morphology. This method greatly facilitates the investigation of molecular and cellular regulation of species-specific pattern in the craniofacial complex.&#160;Experiments in quail and duck chimeric embryos have already revealed neural crest-mediated tissue interactions and cell-autonomous behaviors that regulate species-specific pattern in the craniofacial skeleton, musculature, and integument. The great diversity of neural crest derivatives suggests significant potential for future applications of the quail-duck chimeric system to understanding vertebrate development, disease, and evolution.

This article describes a method to generate chimeric embryos that are&#160;designed to test the species-specific contributions of neural crest and/or other tissues to craniofacial development.

Évaluation des contributions spécifiques aux espèces Vers développement cranio-facial Utilisation chimères caille-canard

The generation of chimeric embryos is a widespread and powerful approach to study cell fates, tissue interactions, and species-specific contributions to ...

Development of a Quantitative Recombinase Polymerase Amplification Assay with an Internal Positive Control

It was recently demonstrated that recombinase polymerase amplification (RPA), an isothermal amplification platform for pathogen detection, may be used to quantify DNA sample concentration using a standard curve. In this manuscript, a detailed protocol for developing and implementing a real-time quantitative recombinase polymerase amplification assay (qRPA assay) is provided. Using HIV-1 DNA quantification as an example, the assembly of real-time RPA reactions, the design of an internal positive control (IPC) sequence, and co-amplification of the IPC and target of interest are all described. Instructions and data processing scripts for the construction of a standard curve using data from multiple experiments are provided, which may be used to predict the concentration of unknown samples or assess the performance of the assay. Finally, an alternative method for collecting real-time fluorescence data with a microscope and a stage heater as a step towards developing a point-of-care qRPA assay is described. The protocol and scripts provided may be used for the development of a qRPA assay for any DNA target of interest.

Provided is a protocol for developing a real-time recombinase polymerase amplification assay to quantify initial concentration of DNA samples using either a thermal cycler or a microscope and stage heater. Also described is the development of an internal positive control. Scripts are provided for processing raw real-time fluorescence data.

Développement d&#39;un Quantitative recombinase polymérase L&#39;amplification Assay avec un contrôle positif interne

It was recently demonstrated that recombinase polymerase amplification (RPA), an isothermal amplification platform for pathogen detection, may be used to ...

Using a Whole-mount Immunohistochemical Method to Study the Innervation of the Biliary Tract in Suncus murinus

This work describes the whole-mount immunohistochemistry staining method in detail, using neurofilament protein antibody to label the innervation of the biliary tract in Suncus murinus (S. murinus&#160;). First, the specimen was dissected from S. murinus and fixed in 4% paraformaldehyde (PFA). Second, an enzymatic treatment and potential endogenous peroxidase inactivation were performed. The specimen was then exposed to the primary antibody, anti-neurofilament protein antibody, for 3-6 days. It was then incubated with the secondary antibody conjugated with horseradish peroxidase. The color reaction was revealed by reacting the specimen with a 3,3&#39;-diaminobenzidine (DAB) substrate. This method can be applied to analyze the innervation of all visceral organs. Furthermore, this protocol can also be adapted to test other neuronal antibodies, but optimization of the antibodies should be done first. This method was originally introduced by Kuratani and Tanaka1,2,3.

Using a Whole-mount Immunohistochemical Method to Study the Innervation of the Biliary Tract in Suncus murinus

A whole-mount immunohistochemical approach, to visualize neurofilament protein expression in the extrahepatic biliary tract in Suncus murinus. is presented here. This protocol can be used to analyze the innervation of all visceral organs in S. murinus or other species.

Utilisation d&#39;une méthode immunohistochimique intégrale pour étudier l&#39;inervation du tractus biliaire dans<em&gt; Suncus murinus</em

This work describes the whole-mount immunohistochemistry staining method in detail, using neurofilament protein antibody to label the innervation of the ...

Mass Spectrometry Analysis to Identify Ubiquitylation of EYFP-tagged CENP-A (EYFP-CENP-A)

Studying the structure and the dynamics of kinetochores and centromeres is important in understanding chromosomal instability (CIN) and cancer progression. How the chromosomal location and function of a centromere (i.e., centromere identity) are determined and participate in accurate chromosome segregation is a fundamental question. CENP-A is proposed to be the non-DNA indicator (epigenetic mark) of centromere identity, and CENP-A ubiquitylation is required for CENP-A deposition at the centromere, inherited through dimerization between cell division, and indispensable to cell viability.
Here we describe mass spectrometry analysis to identify ubiquitylation of EYFP-CENP-A K124R mutant suggesting that ubiquitylation at a different lysine is induced because of the EYFP tagging in the CENP-A K124R mutant protein. Lysine 306 (K306) ubiquitylation in EYFP-CENP-A K124R was successfully identified, which corresponds to lysine 56 (K56) in CENP-A through mass spectrometry analysis. A caveat is discussed in the use of GFP/EYFP or the tagging of high molecular weight protein as a tool to analyze the function of a protein. Current technical limit is also discussed for the detection of ubiquitylated bands, identification of site-specific ubiquitylation(s), and visualization of ubiquitylation in living cells or a specific single cell during the whole cell cycle.
The method of mass spectrometry analysis presented here can be applied to human CENP-A protein with different tags and other centromere-kinetochore proteins. These combinatory methods consisting of several assays/analyses could be recommended for researchers who are interested in identifying functional roles of ubiquitylation.

Mass Spectrometry Analysis to Identify Ubiquitylation of EYFP-tagged CENP-A EYFP-CENP-A

CENP-A ubiquitylation is an important requirement for CENP-A deposition at the centromere, inherited through dimerization between cell division, and indispensable to cell viability. Here we describe mass spectrometry analysis to identify ubiquitylation of EYFP-tagged CENP-A (EYFP-CENP-A) protein.

Analyse de spectrométrie de masse pour identifier l’ubiquité de cenp-A marqué par EYFP (EYFP-CENP-A)

Studying the structure and the dynamics of kinetochores and centromeres is important in understanding chromosomal instability (CIN) and cancer ...

Quantification of Cell-Substrate Adhesion Area and Cell Shape Distributions in MCF7 Cell Monolayers

The methods presented here quantify some parameters of confluent adherent cell monolayers from multiple appropriately stained confocal images: adhesion to the substrate as a function of the number and size of focal adhesions, and cell shape, characterized by the cell shape index and other shape descriptors. Focal adhesions were visualized by paxillin staining and cell-cell borders were marked by junction plakoglobin and actin. The methods for cell culture and staining were standard; images represent single focal planes; image analysis was performed using publicly available image processing software. The presented protocols are used to quantify the number and size of focal adhesions and the differences in cell shape distribution in the monolayers, but they can be repurposed for the quantification of the size and shape of any other distinct cellular structure that can be stained (e.g., mitochondria or nuclei). Assessing these parameters is important in the characterization of the dynamic forces in adherent cell layer, including cell adhesion and actomyosin contractility that affects cell shape.

The article describes quantification of 1) the size and number of focal adhesions and 2) cell shape index and its distribution from confocal images of the confluent monolayers of MCF7 cells.

Quantification des distributions de zone d’adhérence cellule-substrat et de forme cellulaire dans les monocouches cellulaires MCF7

The methods presented here quantify some parameters of confluent adherent cell monolayers from multiple appropriately stained confocal images: adhesion to ...