dna-based-fish-species-identification-protocol

DNA-based Fish Species Identification Protocol

We have developed a fast, simple, and accurate DNA-based screening method to identify the fish species present in fresh and processed seafood samples. ...

Agilent Technologies

&#x57FA;&#x4E8E;&#x9635;&#x5217;&#x7684;&#x6BD4;&#x8F83;&#x57FA;&#x56E0;&#x7EC4;&#x6742;&#x4EA4; &#xFF08;&#x5168;&#x606F;&#xFF09; &#x63AA;&#x65BD;&#x62F7;&#x8D1D;&#x6570;&#x53D8;&#x5F02;&#x5728;&#x591A;&#x57FA;&#x56E0;&#x4F4D;&#x70B9;&#x540C;&#x65F6;&#xFF0C;&#x63D0;&#x4F9B;&#x4E00;&#x4E2A;&#x91CD;&#x8981;&#x7684;&#x5DE5;&#x5177;&#xFF0C;&#x7814;&#x7A76;&#x764C;&#x75C7;&#x548C;&#x53D1;&#x80B2;&#x969C;&#x788D;&#x548C;&#x53D1;&#x5C55;&#x8BCA;&#x65AD;&#x548C;&#x6CBB;&#x7597;&#x7684;&#x76EE;&#x6807;&#x3002;&#x8BA1;&#x7B97;&#x5168;&#x606F;&#x56FE;&#x7684;&#x9635;&#x5217;&#x57FA;&#x4E8E;&#x8868;&#x793A;&#x7A0B;&#x5E8F;&#x96C6;&#x7684; BAC &#x7684; PCR &#x4EA7;&#x7269;&#x6216; cDNA &#x514B;&#x9686;&#x901A;&#x5E38;&#x9700;&#x8981;&#x7EF4;&#x62A4;&#x3001; &#x4F20;&#x64AD;&#x3001; &#x590D;&#x5236;&#x548C;&#x5927;&#x578B;&#x514B;&#x9686;&#x96C6;&#x7684;&#x6838;&#x67E5;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x5B83;&#x5F88;&#x96BE;&#x63A7;&#x5236;&#x8FD9;&#x7C7B;&#x6570;&#x7EC4;&#x7684;&#x6BCF;&#x4E2A;&#x529F;&#x80FD;&#x4E2D;&#x6240;&#x5B58;&#x5728;&#x7684;&#x590D;&#x6742;&#x5E8F;&#x5217;&#x6742;&#x4EA4;&#x7684;&#x7279;&#x5F02;&#x6027;&#x3002;&#x82E5;&#x8981;&#x5F00;&#x53D1;&#x4E00;&#x4E2A;&#x66F4;&#x5F3A;&#x5927;&#x3001; &#x66F4;&#x7075;&#x6D3B;&#x7684;&#x5E73;&#x53F0;&#xFF0C;&#x6211;&#x4EEC;&#x521B;&#x5EFA;&#x4E86;&#x63A2;&#x9488;&#x8BBE;&#x8BA1;&#x65B9;&#x6CD5;&#x548C;&#x68C0;&#x6D4B;&#x534F;&#x8BAE;&#xFF0C;&#x4F7F;&#x5408;&#x6210;&#x7684;&#x5BE1;&#x6838;&#x82F7;&#x9178;&#x82AF;&#x7247;&#x539F;&#x4F4D;&#x7684;&#x55B7;&#x58A8;&#x6280;&#x672F;&#x4E0E;&#x96C7;&#x7528;&#x7684;&#x603B;&#x57FA;&#x56E0;&#x7EC4; DNA &#x6837;&#x672C;&#x7684;&#x57FA;&#x4E8E;&#x9635;&#x5217;&#x7684;&#x6BD4;&#x8F83;&#x57FA;&#x56E0;&#x7EC4;&#x6742;&#x4EA4;&#x5E94;&#x7528;&#x7A0B;&#x5E8F;&#x517C;&#x5BB9;&#x3002;&#x4E00;&#x7CFB;&#x5217;&#x7684;&#x5355;&#x5143;&#x683C;&#x884C;&#x7684;&#x53EF;&#x53D8;&#x6570;&#x91CF;&#x7684; X &#x67D3;&#x8272;&#x4F53;&#x5230;&#x5168;&#x606F;&#x6D4B;&#x91CF;&#x8BBE;&#x8BA1;&#x7684;&#x9635;&#x5217;&#x6742;&#x4EA4;&#x6BD4;&#x4F8B;&#x4E2D;&#x4F4D;&#x6570;&#x7ED9; x &#x67D3;&#x8272;&#x4F53;&#x63A2;&#x9488;&#x7684;&#x7406;&#x8BBA;&#x503C; &#xFF08;XY/XX &#x4E3A; 0.5&#x3001; 1.0 &#x7684; XX/XX&#x3001; XXX/XX &#x4E3A; 1.4&#x3001; 2.1 &#x4E3A; XXXX/XX &#x548C; XXXXX/XX &#x4E3A; 2.6) 6%&#x4EE5;&#x5185;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x8FD9;&#x4E9B;&#x9635;&#x5217;&#x68C0;&#x6D4B;&#x5230;&#xFF0C;&#x5E76;&#x5728;&#x4E0D;&#x540C;&#x578B;&#x53F7;&#x7684;&#x7CFB;&#x7EDF;&#xFF0C;&#x5305;&#x62EC;&#x4E8C;&#x500D;&#x4F53;&#x67D3;&#x8272;&#x4F53;&#x7684;&#x65AD;&#x70B9;&#x6620;&#x5C04;&#x5E76;&#x5DF2;&#x6D4B;&#x5E8F;&#x7684;&#x6536;&#x76CA;&#x548C;&#x635F;&#x5931;&#x9AD8;&#x5EA6;&#x53EF;&#x53D8;&#x533A;&#x4E0E;&#x7CBE;&#x786E;&#x7684;&#x6838;&#x82F7;&#x9178;&#x548C;&#x80BF;&#x7624;&#x7EC6;&#x80DE;&#x682A;&#x7EC6;&#x80DE;&#x4E2D;&#x6620;&#x5C04;&#x533A;&#x57DF;&#x7684;&#x5355;&#x62F7;&#x8D1D;&#x635F;&#x5931;&#x3001; &#x5408;&#x5B50;&#x5220;&#x9664;&#x548C;&#x5404;&#x79CD;&#x89C4;&#x6A21;&#x7684;&#x6269;&#x589E;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x7814;&#x7A76;&#x7ED3;&#x679C;&#x8868;&#x660E;&#x5BE1;&#x6838;&#x82F7;&#x9178;&#x9635;&#x5217;&#x4E3A;&#x8BA1;&#x7B97;&#x5168;&#x606F;&#x56FE;&#x8BBE;&#x8BA1;&#x7684;&#x9AD8;&#x7075;&#x654F;&#x5EA6;&#x68C0;&#x6D4B;&#x6574;&#x4E2A;&#x57FA;&#x56E0;&#x7EC4;&#x67D3;&#x8272;&#x4F53;&#x6539;&#x5EFA;&#xFF0C;&#x5373;&#x4F7F;&#x4F7F;&#x7528;&#x5168;&#x590D;&#x6742;&#x57FA;&#x56E0;&#x7EC4;&#x6837;&#x54C1;&#x65F6;&#x63D0;&#x4F9B;&#x53EF;&#x9760;&#x548C;&#x51C6;&#x786E;&#x7684;&#x5E73;&#x53F0;&#x3002;

&#x7528;&#x5BE1;&#x6838;&#x82F7;&#x9178;&#x82AF;&#x7247;&#x548C;&#x603B;&#x57FA;&#x56E0;&#x7EC4; DNA &#x7684;&#x6BD4;&#x8F83;&#x57FA;&#x56E0;&#x7EC4;&#x6742;&#x4EA4;&#x3002;

Array-based comparative genomic hybridization (CGH) measures copy-number variations at multiple loci simultaneously, providing an important tool for studying cancer and developmental disorders and for developing diagnostic and therapeutic targets. Arrays for CGH based on PCR products representing assemblies of BAC or cDNA clones typically require maintenance, propagation, replication, and verification of large clone sets. Furthermore, it is difficult to control the specificity of the hybridization to the complex sequences that are present in each feature of such arrays. To develop a more robust and flexible platform, we created probe-design methods and assay protocols that make oligonucleotide microarrays synthesized in situ by inkjet technology compatible with array-based comparative genomic hybridization applications employing samples of total genomic DNA. Hybridization of a series of cell lines with variable numbers of X chromosomes to arrays designed for CGH measurements gave median ratios for X-chromosome probes within 6% of the theoretical values (0.5 for XY/XX, 1.0 for XX/XX, 1.4 for XXX/XX, 2.1 for XXXX/XX, and 2.6 for XXXXX/XX). Furthermore, these arrays detected and mapped regions of single-copy losses, homozygous deletions, and amplicons of various sizes in different model systems, including diploid cells with a chromosomal breakpoint that has been mapped and sequenced to a precise nucleotide and tumor cell lines with highly variable regions of gains and losses. Our results demonstrate that oligonucleotide arrays designed for CGH provide a robust and precise platform for detecting chromosomal alterations throughout a genome with high sensitivity even when using full-complexity genomic samples.

Comparative genomic hybridization using oligonucleotide microarrays and total genomic DNA.

Ax&eacute;e sur le tableau d&#39;hybridation g&eacute;nomique comparative (CGH) mesure les variations de nombre de copies &agrave; locus multiples simultan&eacute;ment, fournissant un outil important pour l&#39;&eacute;tude du cancer et des troubles du d&eacute;veloppement et de l&#39;&eacute;laboration de cibles diagnostiques et th&eacute;rapeutiques. Tableaux pour CGH bas&eacute;e sur des produits PCR repr&eacute;sentant les assemblys de BAC ou de clones d&#39;ADNc exigent g&eacute;n&eacute;ralement la maintenance, propagation, r&eacute;plication et v&eacute;rification de clone de grands ensembles. En outre, il est difficile de contr&ocirc;ler la sp&eacute;cificit&eacute; de l&#39;hybridation aux s&eacute;quences complexes qui sont pr&eacute;sents dans chaque caract&eacute;ristique de tels tableaux. Pour d&eacute;velopper une plateforme plus solide et plus flexible, nous avons cr&eacute;&eacute; la sonde-m&eacute;thodes et protocoles de dosage qui font microarrays d&#39;oligonucl&eacute;otide synth&eacute;tis&eacute;es in situ par la technologie jet d&#39;encre compatible avec les applications bas&eacute;es sur l&#39;hybridation g&eacute;nomique comparative qui emploient des &eacute;chantillons d&#39;ADN g&eacute;nomique total. L&#39;hybridation d&#39;une s&eacute;rie de lign&eacute;es de cellules avec des nombres variables de chromosomes &agrave; des tableaux destin&eacute;s aux mesures de CGH X a donn&eacute; les ratios m&eacute;dians pour sondes du chromosome x dans 6 % des valeurs th&eacute;oriques (0,5 pour XY/XX, 1.0 pour le XX/XX, 1.4 pour XXX/XX, 2.1 pour XXXX/XX et 2.6 pour XXXXX/XX). En outre, ces baies d&eacute;tect&eacute; et cartographi&eacute; les r&eacute;gions des copies simples pertes et destructions homozygotes amplicons de diff&eacute;rentes tailles dans les syst&egrave;mes de diff&eacute;rents mod&egrave;les, y compris les cellules diplo&iuml;des avec un point d&#39;arr&ecirc;t chromosomique qui a &eacute;t&eacute; mapp&eacute;e et s&eacute;quenc&eacute; &agrave; un pr&eacute;cis nucl&eacute;otides et tumeur de lign&eacute;es de cellules avec des r&eacute;gions tr&egrave;s variables des gains et des pertes. Nos r&eacute;sultats d&eacute;montrent que d&#39;oligonucl&eacute;otide con&ccedil;u pour CGH fournit une plate-forme robuste et pr&eacute;cise pour d&eacute;tecter les alt&eacute;rations chromosomiques dans un g&eacute;nome avec une sensibilit&eacute; &eacute;lev&eacute;e m&ecirc;me en utilisant des &eacute;chantillons g&eacute;nomiques compl&egrave;te-complexit&eacute;.

Hybridation g&eacute;nomique comparative &agrave; l&#39;aide de l&#39;ADN g&eacute;nomique d&#39;oligonucl&eacute;otide microarrays et total.

Vergleichende genomische Hybridisierung unter Verwendung von Oligonukleotid-Microarrays und der gesamten genomischen DNA.

Array-based ibridazione genomic comparativa (CGH) misura variazioni di numero di copie a loci multipli simultaneamente, fornendo un importante strumento per lo studio di cancro e disturbi dello sviluppo e per lo sviluppo di obiettivi diagnostici e terapeutici. Matrici per CGH basano su prodotti di PCR che rappresentano gli assembly di BAC o cloni di cDNA in genere richiedono manutenzione, propagazione, replica e verifica di clone grandi insiemi. Inoltre, &egrave; difficile controllare la specificit&agrave; dell&#39;ibridazione per le sequenze complesse che sono presenti in ogni funzionalit&agrave; di tali matrici. Per sviluppare una piattaforma pi&ugrave; robusta e flessibile, abbiamo creato la sonda-progettazione metodi e protocolli di analisi che fanno i microarrays del oligonucleotide sintetizzato in situ dalla tecnologia a getto d&#39;inchiostro compatibile con applicazioni di ibridazione genomic comparativa basata su array impiegando campioni di DNA genomico totale. L&#39;ibridazione di una serie di linee cellulari con un numero variabile di cromosomi a progettato per misurazioni CGH array X ha dato mediani rapporti per sonde cromosoma x entro il 6% dei valori teorici (0,5 per XX/XY, 1.0 per XX/XX, 1.4 per XXX/XX, 2.1 per XXXX/XX e 2,6 per XXXXX/XX). Inoltre, queste matrici rilevato e mappato regioni della singola copia perdite, delezioni omozigoti e sequenze amplificate di varie dimensioni in sistemi modello diversi, comprese le cellule diploide con un punto di interruzione cromosomico che &egrave; stato mappato e sequenziati per un preciso nucleotide e tumore linee cellulari con regioni altamente variabile dei guadagni e delle perdite. I nostri risultati dimostrano che del oligonucleotide progettato per CGH forniscono una piattaforma robusta e precisa per la rilevazione di alterazioni cromosomiche in tutto un genoma con l&#39;alta sensibilit&agrave; anche quando si utilizzano campioni genomic completa-complessit&agrave;.

Ibridazione genomic comparativa utilizzando oligonucleotidi microarrays e totale DNA genomic.

&#x30A2;&#x30EC;&#x30A4; &#x30FB; &#x30D9;&#x30FC;&#x30B9;&#x306E;&#x6BD4;&#x8F03;&#x30B2;&#x30CE;&#x30E0;&#x30CF;&#x30A4;&#x30D6;&#x30EA;&#x30C0;&#x30A4;&#x30BC;&#x30FC;&#x30B7;&#x30E7;&#x30F3; &#xFF08;CGH&#xFF09; &#x591A;&#x907A;&#x4F1D;&#x5B50;&#x5EA7;&#x306E;&#x30B3;&#x30D4;&#x30FC;&#x6570;&#x306E;&#x5909;&#x52D5;&#x306F;&#x540C;&#x6642;&#x306B;&#x304C;&#x3093;&#x30FB;&#x767A;&#x9054;&#x969C;&#x5BB3;&#x7814;&#x7A76;&#x3068;&#x8A3A;&#x65AD;&#x304A;&#x3088;&#x3073;&#x6CBB;&#x7642;&#x4E0A;&#x306E;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x3092;&#x958B;&#x767A;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x91CD;&#x8981;&#x306A;&#x30C4;&#x30FC;&#x30EB;&#x3092;&#x63D0;&#x4F9B;&#x3059;&#x308B;&#x6E2C;&#x5B9A;&#x3057;&#x307E;&#x3059;&#x3002;&#x30A2;&#x30EC;&#x30A4; CGH &#x306E; BAC &#x306E;&#x30A2;&#x30BB;&#x30F3;&#x30D6;&#x30EA;&#x3092;&#x8868;&#x3059; PCR &#x306E;&#x88FD;&#x54C1;&#x306B;&#x57FA;&#x3065;&#x304F;&#x307E;&#x305F;&#x306F; cDNA &#x30AF;&#x30ED;&#x30FC;&#x30F3;&#x306F;&#x901A;&#x5E38;&#x306E;&#x30E1;&#x30F3;&#x30C6;&#x30CA;&#x30F3;&#x30B9;&#x3001;&#x4F1D;&#x64AD;&#x3001;&#x30EC;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3001;&#x304A;&#x3088;&#x3073;&#x5927;&#x898F;&#x6A21;&#x306A;&#x30AF;&#x30ED;&#x30FC;&#x30F3; &#x30BB;&#x30C3;&#x30C8;&#x306E;&#x691C;&#x8A3C;&#x3092;&#x5FC5;&#x8981;&#x3068;&#x3057;&#x307E;&#x3059;&#x3002;&#x3055;&#x3089;&#x306B;&#x3001;&#x3053;&#x306E;&#x3088;&#x3046;&#x306A;&#x30A2;&#x30EC;&#x30A4;&#x306E;&#x5404;&#x6A5F;&#x80FD;&#x306B;&#x5B58;&#x5728;&#x3059;&#x308B;&#x8907;&#x96D1;&#x306A;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x306B;&#x4EA4;&#x914D;&#x306E;&#x7279;&#x7570;&#x6027;&#x3092;&#x5236;&#x5FA1;&#x3059;&#x308B;&#x3053;&#x3068;&#x306F;&#x56F0;&#x96E3;&#x3067;&#x3059;&#x3002;&#x5805;&#x7262;&#x3067;&#x67D4;&#x8EDF;&#x306A;&#x30D7;&#x30E9;&#x30C3;&#x30C8;&#x30D5;&#x30A9;&#x30FC;&#x30E0;&#x3092;&#x958B;&#x767A;&#x3059;&#x308B;&#x306B;&#x306F;&#x3001;&#x30D7;&#x30ED;&#x30FC;&#x30D6;&#x8A2D;&#x8A08;&#x6CD5;&#x3068;&#x5408;&#x6210;&#x30AA;&#x30EA;&#x30B4;&#x30CC;&#x30AF;&#x30EC;&#x30AA;&#x30C1;&#x30C9; &#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30A2;&#x30EC;&#x30A4;&#x306B;&#x3088;&#x308B;&#x30A4;&#x30F3;&#x30AF; &#x30B8;&#x30A7;&#x30C3;&#x30C8;&#x6280;&#x8853;&#x306E;&#x5168;&#x30B2;&#x30CE;&#x30E0; DNA &#x306E;&#x30B5;&#x30F3;&#x30D7;&#x30EB;&#x3092;&#x7528;&#x3044;&#x305F;&#x6BD4;&#x8F03;&#x30B2;&#x30CE;&#x30E0;&#x30CF;&#x30A4;&#x30D6;&#x30EA;&#x30C0;&#x30A4;&#x30BC;&#x30FC;&#x30B7;&#x30E7;&#x30F3; &#xFF08;cgh &#x30A2;&#x30EC;&#x30A4; &#x30FB; &#x30D9;&#x30FC;&#x30B9;&#x306E;&#x30A2;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3068;&#x306E;&#x4E92;&#x63DB;&#x6027; in situ &#x4F5C;&#x308B;&#x8A66;&#x91D1;&#x306E;&#x30D7;&#x30ED;&#x30C8;&#x30B3;&#x30EB;&#x3092;&#x4F5C;&#x6210;&#x3057;&#x307E;&#x3059;&#x3002;&#x4E00;&#x9023;&#x306E;&#x30BB;&#x30EB;&#x306E;&#x7DDA;&#x306E;&#x4EA4;&#x914D;&#x306E;&#x5909;&#x6570;&#x756A;&#x53F7; X &#x67D3;&#x8272;&#x4F53;&#x30A2;&#x30EC;&#x30A4; CGH &#x8A08;&#x6E2C;&#x5411;&#x3051;&#x306B;&#x8A2D;&#x8A08;&#x3059;&#x308B;&#x3068; x &#x67D3;&#x8272;&#x4F53;&#x30D7;&#x30ED;&#x30FC;&#x30D6; (XY/XX &#x306F; 0.5&#x3001;1.0/XX/XX &#x306F;&#x3001;1.4 XXX/XX &#x306E; 2.1 XXXX/XX &#x306E;&#x304A;&#x3088;&#x3073; 2.6 XXXXX/XX &#x306E;&#xFF09; &#x306E;&#x7406;&#x8AD6;&#x5024;&#x306E; 6% &#x4EE5;&#x5185;&#x306E;&#x4E2D;&#x592E;&#x5024;&#x6BD4;&#x3092;&#x4E0E;&#x3048;&#x305F;&#x3002;&#x3055;&#x3089;&#x306B;&#x3001;&#x3053;&#x308C;&#x3089;&#x306E;&#x30A2;&#x30EC;&#x30A4;&#x306F;&#x691C;&#x51FA;&#x3001;&#x30B7;&#x30F3;&#x30B0;&#x30EB; &#x30B3;&#x30D4;&#x30FC;&#x306E;&#x640D;&#x5931;&#x3001;&#x30DB;&#x30E2;&#x306E;&#x524A;&#x9664;&#x3001;&#x69D8;&#x3005; &#x306A;&#x30B5;&#x30A4;&#x30BA;&#x306E; amplicons &#x306E;&#x5730;&#x57DF;&#x30DE;&#x30C3;&#x30D7;&#x3055;&#x308C;&#x3066;&#x304A;&#x308A;&#x3001;&#x6B63;&#x78BA;&#x306A;&#x30CC;&#x30AF;&#x30EC;&#x30AA;&#x30C1;&#x30C9;&#x304A;&#x3088;&#x3073;&#x816B;&#x760D;&#x7D30;&#x80DE;&#x682A;&#x306E;&#x5229;&#x76CA;&#x3068;&#x640D;&#x5931;&#x306E;&#x9AD8;&#x3044;&#x5909;&#x6570;&#x9818;&#x57DF;&#x3068;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x67D3;&#x8272;&#x4F53;&#x30D6;&#x30EC;&#x30FC;&#x30AF;&#x30DD;&#x30A4;&#x30F3;&#x30C8;&#x3092;&#x6301;&#x3064;&#x4E8C;&#x500D;&#x4F53;&#x306E;&#x7D30;&#x80DE;&#x3092;&#x542B;&#x3080;&#x3001;&#x5225;&#x306E;&#x30E2;&#x30C7;&#x30EB; &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306B;&#x304A;&#x3051;&#x308B;&#x30DE;&#x30C3;&#x30D7;&#x3057;&#x307E;&#x3059;&#x3002;&#x3067;&#x3082;&#x30D5;&#x30EB;&#x8907;&#x96D1;&#x3055;&#x30B2;&#x30CE;&#x30E0;&#x306E;&#x30B5;&#x30F3;&#x30D7;&#x30EB;&#x3092;&#x4F7F;&#x7528;&#x3059;&#x308B;&#x3068;&#x304D;&#x306B;&#x3001;&#x9AD8;&#x3044;&#x611F;&#x5EA6;&#x3067;&#x306F;&#x30B2;&#x30CE;&#x30E0;&#x5168;&#x4F53;&#x306E;&#x67D3;&#x8272;&#x4F53;&#x306E;&#x5909;&#x5316;&#x3092;&#x691C;&#x51FA;&#x3059;&#x308B;&#x305F;&#x3081;&#x30AA;&#x30EA;&#x30B4;&#x30CC;&#x30AF;&#x30EC;&#x30AA;&#x30C1;&#x30C9;&#x306E;&#x30A2;&#x30EC;&#x30A4; CGH &#x306E;&#x8A2D;&#x8A08;&#x304C;&#x5805;&#x7262;&#x3067;&#x6B63;&#x78BA;&#x306A;&#x30D7;&#x30E9;&#x30C3;&#x30C8;&#x30D5;&#x30A9;&#x30FC;&#x30E0;&#x3092;&#x63D0;&#x4F9B;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x793A;&#x5506;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;

&#x30AA;&#x30EA;&#x30B4;&#x30CC;&#x30AF;&#x30EC;&#x30AA;&#x30C1;&#x30C9; &#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30A2;&#x30EC;&#x30A4;&#x3068;&#x5408;&#x8A08;&#x30B2;&#x30CE;&#x30E0; DNA &#x3092;&#x7528;&#x3044;&#x305F;&#x6BD4;&#x8F03; genomic &#x306E;&#x4EA4;&#x914D;&#x3002;

&#xAD50; &#xBC30;&#xC5F4; &#xAE30;&#xBC18; &#xBE44;&#xAD50; genomic &#xC7A1; (CGH) &#xCE21;&#xC815; &#xC5EC;&#xB7EC; loci&#xC5D0; &#xC0AC;&#xBCF8; &#xC218; &#xBCC0;&#xC774; &#xB3D9;&#xC2DC;&#xC5D0;, &#xC554;&#xACFC; &#xBC1C;&#xB2EC; &#xC7A5;&#xC560;&#xB97C; &#xACF5;&#xBD80; &#xD558; &#xACE0; &#xC9C4;&#xB2E8; &#xD558; &#xACE0; &#xCE58;&#xB8CC; &#xBAA9;&#xD45C;&#xB97C; &#xC218;&#xB9BD; &#xD558;&#xB294; &#xC911;&#xC694; &#xD55C; &#xB3C4;&#xAD6C;&#xB97C; &#xC81C;&#xACF5; &#xD558;. &#xBC30;&#xC5F4; CGH &#xAE30;&#xBC18;&#xC73C;&#xB85C; PCR &#xC81C;&#xD488;&#xC758; &#xD608; &#xC911; &#xC54C;&#xCF54;&#xC62C; &#xB18D;&#xB3C4;&#xAC00; &#xC5B4;&#xC148;&#xBE14;&#xB9AC;&#xB97C; &#xB098;&#xD0C0;&#xB0B4;&#xB294; &#xB610;&#xB294; cDNA &#xD074;&#xB860; &#xC77C;&#xBC18;&#xC801;&#xC73C;&#xB85C; &#xC720;&#xC9C0; &#xBCF4;&#xC218;, &#xC804;&#xD30C;, &#xBCF5;&#xC81C; &#xBC0F; &#xB300;&#xD615; &#xBCF5;&#xC81C; &#xC138;&#xD2B8;&#xC758; &#xD655;&#xC778;&#xC5D0; &#xD544;&#xC694; &#xD569;&#xB2C8;&#xB2E4;. &#xB610;&#xD55C;, &#xC774;&#xB7EC;&#xD55C; &#xBC30;&#xC5F4;&#xC758; &#xAC01; &#xAE30;&#xB2A5;&#xC5D0; &#xC874;&#xC7AC; &#xD558;&#xB294; &#xBCF5;&#xC7A1; &#xD55C; &#xC2DC;&#xD000;&#xC2A4;&#xB97C; &#xAD50; &#xC7A1;&#xC758; &#xD2B9;&#xC774;&#xC131;&#xC744; &#xC81C;&#xC5B4; &#xD558;&#xB294; &#xAC83;&#xC774; &#xC5B4;&#xB835;&#xC2B5;&#xB2C8;&#xB2E4;. &#xB354; &#xAC15;&#xB825; &#xD558; &#xACE0; &#xC720;&#xC5F0;&#xD55C; &#xD50C;&#xB7AB;&#xD3FC;&#xC744; &#xAC1C;&#xBC1C;, &#xC870;&#xC0AC; &#xC124;&#xACC4; &#xBC29;&#xBC95; &#xBC0F; &#xBD84;&#xC11D; &#xACB0;&#xACFC; &#xD504;&#xB85C;&#xD1A0;&#xCF5C; &#xC788;&#xB3C4;&#xB85D; &#xD569;&#xC131; oligonucleotide microarrays &#xC6D0;&#xB798;&#xC758; &#xC789;&#xD06C;&#xC82F; &#xAE30;&#xC220;&#xC5D0; &#xC758;&#xD574; &#xCD1D; genomic DNA &#xC0D8;&#xD50C;&#xC744; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xC5B4;&#xB808;&#xC774; &#xAE30;&#xBC18; &#xBE44;&#xAD50; genomic &#xAD50; &#xC7A1; &#xC751;&#xC6A9; &#xD504;&#xB85C;&#xADF8;&#xB7A8;&#xACFC; &#xD638;&#xD658;&#xC744; &#xB9CC;&#xB4E4;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xAC00;&#xBCC0; &#xC218;&#xC758; &#xC5D1;&#xC2A4; &#xC5FC;&#xC0C9;&#xCCB4; &#xBC30;&#xC5F4; CGH &#xCE21;&#xC815;&#xC744; &#xC704;&#xD574; &#xC124;&#xACC4; &#xB41C; &#xC77C;&#xB828;&#xC758; &#xC140;&#xC758; &#xAD50; &#xC7A1; (xy &#xB85C;/&#xC0AC;&#xB78C; XX&#xC5D0; &#xB300; &#xD55C; 0.5, XX/XX&#xC5D0; &#xB300; &#xD55C; 1.0, 1.4 XXX/xx, XXXX/xx, 2.1 &#xBC0F; XXXXX/xx 2.6) &#xC774;&#xB860; &#xAC00;&#xCE58;&#xC758; 6% &#xB0B4;&#xC5D0;&#xC11C; x &#xC5FC;&#xC0C9;&#xCCB4; &#xD504;&#xB85C;&#xBE0C;&#xC5D0; &#xB300; &#xD55C; &#xD3C9;&#xADE0; &#xBE44;&#xC728;&#xC744; &#xD588;&#xB2E4;. &#xB610;&#xD55C;, &#xC774;&#xB7EC;&#xD55C; &#xBC30;&#xC5F4; &#xAC10;&#xC9C0; &#xD558; &#xACE0; &#xB2E8;&#xC77C; &#xBCF5;&#xC0AC;&#xBCF8; &#xC190;&#xC2E4;&#xACFC; homozygous &#xC0AD;&#xC81C; amplicons &#xB2E4;&#xC591; &#xD55C; &#xD06C;&#xAE30;&#xC758; &#xC9C0;&#xC5ED; diploid &#xC138;&#xD3EC; &#xC5FC;&#xC0C9;&#xCCB4; &#xC911;&#xB2E8;&#xC810; &#xB9E4;&#xD551; &#xB418;&#xC5C8;&#xC73C;&#xBA70; &#xC815;&#xD655;&#xD55C; &#xB274;&#xD074;&#xB808;&#xC624;&#xD2F0;&#xB4DC; &#xC190;&#xC775;&#xC758; &#xB192;&#xC740; &#xBCC0;&#xC218; &#xC601;&#xC5ED; &#xC885;&#xC591; &#xC138;&#xD3EC; &#xB77C;&#xC778;&#xC5D0; &#xC2DC;&#xD000;&#xC2A4;&#xB97C; &#xD3EC;&#xD568; &#xD558; &#xC5EC; &#xB2E4;&#xB978; &#xBAA8;&#xB378; &#xC2DC;&#xC2A4;&#xD15C;&#xC5D0; &#xB9E4;&#xD551;&#xB429;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xC758; &#xACB0;&#xACFC; oligonucleotide &#xBC30;&#xC5F4; CGH&#xB97C; &#xC704;&#xD55C; &#xC804;&#xCCB4; &#xBCF5;&#xC7A1;&#xC131; &#xAC8C;&#xB188; &#xC0D8;&#xD50C;&#xC744; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xACBD;&#xC6B0;&#xC5D0; &#xB192;&#xC740; &#xAC10;&#xB3C4;&#xC640; &#xAC8C;&#xB188; &#xC804;&#xCCB4; &#xC5FC;&#xC0C9;&#xCCB4; &#xBCC0;&#xACBD; &#xD0D0;&#xC9C0; &#xD558;&#xAE30; &#xC704;&#xD55C; &#xAC15;&#xB825; &#xD558; &#xACE0; &#xC815;&#xD655; &#xD558; &#xAC8C; &#xD50C;&#xB7AB;&#xD3FC;&#xC744; &#xC81C;&#xACF5; &#xD558;&#xB294; &#xBC29;&#xBC95;&#xC744; &#xBCF4;&#xC5EC; &#xC90D;&#xB2C8;&#xB2E4;.

&#xBE44;&#xAD50; genomic &#xAD50; &#xC7A1; oligonucleotide microarrays &#xBC0F; &#xCD1D; genomic DNA&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC;.

Hibridaci&oacute;n gen&oacute;mica comparada (CGH) basado en el arreglo mide variaciones de n&uacute;mero de copias en m&uacute;ltiples loci simult&aacute;neamente, proporcionando una herramienta importante para el estudio de c&aacute;ncer y trastornos del desarrollo y para el desarrollo de objetivos diagn&oacute;sticas y terap&eacute;uticas. Matrices para CGH basan en productos PCR que representan conjuntos de BAC o clones de cDNA t&iacute;picamente requieren mantenimiento, propagaci&oacute;n, replicaci&oacute;n y verificaci&oacute;n de series de clones grande. Adem&aacute;s, es dif&iacute;cil controlar la especificidad de la hibridaci&oacute;n a las secuencias complejas que est&aacute;n presentes en cada caracter&iacute;stica de tales arreglos. Para desarrollar una plataforma m&aacute;s robusta y flexible, creamos el dise&ntilde;o de la sonda m&eacute;todos y protocolos de an&aacute;lisis que hacen de microarrays de oligonucle&oacute;tidos sintetizados in situ por la tecnolog&iacute;a de inyecci&oacute;n de tinta compatible con aplicaciones de hibridaci&oacute;n gen&oacute;mica comparativa basada en matrices utilizando muestras de ADN gen&oacute;mico total. Hibridaci&oacute;n de una serie de l&iacute;neas celulares con un n&uacute;mero variable de cromosomas matrices dise&ntilde;ado para mediciones de CGH X dio proporciones medianas para sondas de cromosoma x en 6% de los valores te&oacute;ricos (0.5 para el XX/XY, 1.0 para el XX/XX, 1.4 para XXX/XX, 2.1 para XXXX/XX y 2.6 para XXXXX/XX). Adem&aacute;s, estos arreglos de discos detectan y mapeado regiones de las p&eacute;rdidas de la solo-copia y delecciones homocig&oacute;ticas amplicones de varios tama&ntilde;os en sistemas modelo diferente, incluyendo c&eacute;lulas diploides con un punto de desempate cromos&oacute;mico que ha sido asignado y secuenciado a una precisa l&iacute;neas de celulares de nucle&oacute;tido y tumor con regiones altamente variables de ganancias y p&eacute;rdidas. Nuestros resultados demuestran que matrices de oligonucle&oacute;tidos dise&ntilde;adas para CGH proporcionan una plataforma robusta y precisa para detectar alteraciones cromos&oacute;micas por todo un genoma con alta sensibilidad, aun cuando est&eacute;n usando muestras gen&oacute;micas completa complejidad.

Hibridaci&oacute;n gen&oacute;mica comparada utilizando oligonucle&oacute;tidos ADN gen&oacute;mico de microarrays y total.

&#x751F;&#x7269;&#x533B;&#x5B66;&#x7814;&#x7A76;&#x4E2D;&#x7684;&#x6280;&#x672F;&#x8FDB;&#x6B65;&#x6B63;&#x5728;&#x751F;&#x6210;&#x5927;&#x91CF;&#x7684;&#x5F02;&#x6784;&#x6570;&#x636E;&#x7387;&#x9AD8;&#x3002;&#x6709;&#x8FEB;&#x5207;&#x9700;&#x8981;&#x63D0;&#x53D6;&#x3001; &#x96C6;&#x6210;&#x548C;&#x7BA1;&#x7406;&#x5DE5;&#x5177;&#x7684;&#x4FE1;&#x606F;&#x53D1;&#x73B0;&#x548C;&#x5408;&#x6210;&#x4ECE;&#x8FD9;&#x4E9B;&#x5F02;&#x7C7B;&#x6570;&#x636E;&#x3002;

&#x751F;&#x7269;&#x4FE1;&#x606F;&#x63D0;&#x53D6;&#x548C;&#x4EE3;&#x8868;&#x6027;&#x5EFA;&#x7B51;&#x3002;

Technological advances in biomedical research are generating a plethora of heterogeneous data at a high rate. There is a critical need for extraction, integration and management tools for information discovery and synthesis from these heterogeneous data.

An architecture for biological information extraction and representation.

Les progr&egrave;s technologiques en recherche biom&eacute;dicale suscitent une pl&eacute;thore de donn&eacute;es h&eacute;t&eacute;rog&egrave;nes &agrave; un rythme &eacute;lev&eacute;. Il y a un besoin critique d&#39;extraction, d&#39;int&eacute;gration et des outils de gestion pour la d&eacute;couverte de l&#39;information et de la synth&egrave;se de ces donn&eacute;es h&eacute;t&eacute;rog&egrave;nes.

Une architecture pour l&#39;extraction d&#39;informations biologiques et de la repr&eacute;sentation.

Eine Architektur f&#xFC;r die biologische Informations-Extraktion und Darstellung.

Progressi tecnologici nella ricerca biomedica stanno generando una pletora di dati eterogenei ad un ritmo elevato. C&#39;&egrave; un bisogno fondamentale per estrazione, integrazione e gestione strumenti per l&#39;individuazione di informazioni e sintesi da questi dati eterogenei.

Un&#39;architettura per l&#39;estrazione di informazioni biologiche e rappresentazione.

&#x751F;&#x7269;&#x533B;&#x5B66;&#x7814;&#x7A76;&#x306E;&#x6280;&#x8853;&#x306E;&#x9032;&#x6B69;&#x3001;&#x7570;&#x7A2E;&#x30C7;&#x30FC;&#x30BF;&#x306E;&#x9AD8;&#x30EC;&#x30FC;&#x30C8;&#x306E;&#x8304;&#x591A;&#x3092;&#x751F;&#x6210;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x62BD;&#x51FA;&#x3001;&#x7D71;&#x5408;&#x304A;&#x3088;&#x3073;&#x60C5;&#x5831;&#x63A2;&#x7D22;&#x304A;&#x3088;&#x3073;&#x3053;&#x308C;&#x3089;&#x7570;&#x7A2E;&#x30C7;&#x30FC;&#x30BF;&#x304B;&#x3089;&#x5408;&#x6210;&#x306E;&#x305F;&#x3081;&#x306E;&#x7BA1;&#x7406;&#x30C4;&#x30FC;&#x30EB;&#x306E;&#x305F;&#x3081;&#x306E;&#x91CD;&#x8981;&#x306A;&#x5FC5;&#x8981;&#x6027;&#x3067;&#x3059;&#x3002;

&#x751F;&#x7269;&#x5B66;&#x7684;&#x60C5;&#x5831;&#x306E;&#x62BD;&#x51FA;&#x3068;&#x8868;&#x73FE;&#x306E;&#x305F;&#x3081;&#x306E;&#x30A2;&#x30FC;&#x30AD;&#x30C6;&#x30AF;&#x30C1;&#x30E3;&#x3002;

&#xC0DD;&#xBB3C; &#xC758;&#xD559; &#xC5F0;&#xAD6C;&#xC758; &#xAE30;&#xC220; &#xC9C4;&#xBCF4;&#xB97C; &#xB192;&#xC740; &#xC18D;&#xB3C4;&#xB85C; &#xC720;&#xD615;&#xC774; &#xB2E4;&#xB978; &#xB370;&#xC774;&#xD130;&#xC758; &#xACFC;&#xB2E4; &#xC0DD;&#xC131; &#xD558;&#xB294;. &#xCD94;&#xCD9C;, &#xD1B5;&#xD569; &#xBC0F; &#xC815;&#xBCF4; &#xAC80;&#xC0C9; &#xBC0F; &#xD569;&#xC131;&#xC5D0;&#xC11C; &#xC774;&#xB7EC;&#xD55C; &#xC720;&#xD615;&#xC758; &#xB370;&#xC774;&#xD130;&#xC5D0; &#xB300; &#xD55C; &#xAD00;&#xB9AC; &#xB3C4;&#xAD6C;&#xC5D0; &#xB300; &#xD55C; &#xC911;&#xC694; &#xD55C; &#xD544;&#xC694;&#xAC00; &#xC774;&#xB2E4;.

&#xC0DD;&#xBB3C; &#xC815;&#xBCF4; &#xCD94;&#xCD9C; &#xBC0F; &#xD45C;&#xD604;&#xC5D0; &#xB300; &#xD55C; &#xC544;&#xD0A4;&#xD14D;&#xCC98;&#xC785;&#xB2C8;&#xB2E4;.

Avances tecnol&oacute;gicos en la investigaci&oacute;n biom&eacute;dica generan una gran cantidad de informaci&oacute;n heterog&eacute;nea a una velocidad alta. Hay una necesidad cr&iacute;tica de extracci&oacute;n, integraci&oacute;n y herramientas de gesti&oacute;n para el descubrimiento de la informaci&oacute;n y s&iacute;ntesis de estos datos heterog&eacute;neos.

Una arquitectura para la extracci&oacute;n de informaci&oacute;n biol&oacute;gica y representaci&oacute;n.

&#x5927;&#x89C4;&#x6A21;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x7814;&#x7A76;&#x91CD;&#x5927;&#x6D1E;&#x5BDF;&#x57FA;&#x56E0;&#x5DEE;&#x5F02;&#x764C;&#x75C7;&#x7B49;&#x75BE;&#x75C5;&#x8FC7;&#x7A0B;&#x4E2D;&#x6709;&#x6240;&#x89C4;&#x5B9A;&#x3002;&#x4F46;&#x662F;&#xFF0C;&#x8FD9;&#x4E9B;&#x8C03;&#x67E5;&#x63D0;&#x4F9B;&#x591A;&#x7CFB;&#x7EDF;&#x3001; &#x591A;&#x7EC6;&#x80DE;&#x7684;&#x75BE;&#x75C5;&#xFF0C;&#x5982;&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x7684;&#x7406;&#x89E3;&#x6709;&#x9650;&#x3002;&#x7CFB;&#x7EDF;&#x751F;&#x7269;&#x5B66;&#x65B9;&#x6CD5;&#xFF0C;&#x5360;&#x57FA;&#x56E0;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x3001; &#x91C7;&#x7EB3; nontranscriptionally &#x53D7;&#x89C4;&#x7BA1;&#x7684;&#x57FA;&#x56E0;&#xFF0C;&#x5E76;&#x5C06;&#x4E8B;&#x5148;&#x77E5;&#x8BC6;&#x96C6;&#x6210;&#x5177;&#x6709;&#x5F88;&#x591A;&#x4F18;&#x70B9;&#x3002;&#x6211;&#x4EEC;&#x5BF9;&#x8FDB;&#x884C;&#x4E86;&#x5168;&#x9762;&#x7684;&#x57FA;&#x56E0;&#x6C34;&#x5E73;&#x8BC4;&#x4F30;&#x4F7F;&#x7528; 51 &#x51A0;&#x72B6;&#x52A8;&#x8109;&#x90E8;&#x5206;&#x5206;&#x79BB; explanted &#x5FC3;&#x4E2D;&#x7684; 22 &#x5FC3;&#x810F;&#x79FB;&#x690D;&#x60A3;&#x8005;&#x7684;&#x51A0;&#x72B6;&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x3002;&#x7EC4;&#x7EC7;&#x5B66;&#x5206;&#x7EA7;&#x7684;&#x8840;&#x7BA1;&#x6BB5;&#x6839;&#x636E;&#x7F8E;&#x56FD;&#x5FC3;&#x810F;&#x534F;&#x4F1A;&#x7684;&#x6307;&#x5BFC;&#x540E;, &#x5B64;&#x7ACB;&#x7684; RNA &#x88AB;&#x62D6;&#x5230;&#x81EA;&#x5B9A;&#x4E49;&#x7684; 22 K &#x5BE1;&#x6838;&#x82F7;&#x9178;&#x57FA;&#x56E0;&#x82AF;&#x7247;&#x6742;&#x4EA4;&#x548C;&#x610F;&#x4E49;&#x5206;&#x6790;&#x7684;&#x5FAE;&#x9635;&#x5217;&#x548C;&#x57FA;&#x56E0;&#x672C;&#x4F53;&#x5206;&#x6790;&#x8FDB;&#x884C;&#x627E;&#x51FA;&#x91CD;&#x8981;&#x7684;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x8C31;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x7814;&#x7A76;&#x663E;&#x793A;&#x6709;&#x533A;&#x522B;&#x7684;&#x5E73;&#x6ED1;&#x808C;&#x7EC6;&#x80DE;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x7684;&#x635F;&#x5931;&#x662F;&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x75BE;&#x75C5;&#x8FDB;&#x5C55;&#x7684;&#x4E3B;&#x8981;&#x8868;&#x8FBE;&#x7B7E;&#x540D;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x6211;&#x4EEC;&#x8FD8;&#x63D0;&#x4F9B;&#x6D1E;&#x5BDF;&#x4F34;&#x7CD6;&#x5C3F;&#x75C5;&#x3001; &#x51A0;&#x5FC3;&#x75C5;&#x7684;&#x4E25;&#x91CD;&#x5F62;&#x5F0F;&#x62A5;&#x544A;&#x4E2D;&#x7CD6;&#x5C3F;&#x75C5;&#x60A3;&#x8005;&#x7684;&#x514D;&#x75AB;&#x548C;&#x708E;&#x75C7;&#x4FE1;&#x53F7;&#x7684;&#x8FC7;&#x5269;&#x3002;&#x6211;&#x4EEC;&#x63D0;&#x51FA;&#x57FA;&#x4E8E;&#x8FDE;&#x901A;&#x6027;&#xFF0C;&#x7531;&#x8BED;&#x8A00;&#x7684;&#x516C;&#x5F00;&#x53D1;&#x8868;&#x7684;&#x6587;&#x732E;&#xFF0C;&#x5206;&#x6790;&#x548C;&#x6392;&#x540D;&#xFF0C;&#x7531;&#x5DEE;&#x5F02;&#x8C03;&#x8282;&#x57FA;&#x56E0;&#x7F51;&#x7EDC;&#x4E2D;&#x7684;&#x91CD;&#x8981;&#x610F;&#x4E49;&#x7684;&#x9014;&#x5F84;&#x53D1;&#x5C55;&#x7684;&#x65B0;&#x9014;&#x5F84;&#x3002;&#x5728;&#x8FD9;&#x6837;&#x505A;&#x7684;&#x8FC7;&#x7A0B;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x786E;&#x5B9A;&#x662F;&#x5177;&#x6709;&#x5438;&#x5F15;&#x529B;&#x7684;&#x6CBB;&#x7597;&#x9776;&#x5411;&#x548C;&#x540E;&#x7EE7;&#x884C;&#x52A8;&#x7814;&#x7A76;&#x7684;&#x9AD8;&#x5EA6;&#x8FDE;&#x63A5;&#x7684;&quot;&#x8054;&#x7CFB;&quot;&#x57FA;&#x56E0;&#x3002;&#x6211;&#x4EEC;&#x4F7F;&#x7528;&#x9014;&#x5F84;&#x6280;&#x672F;&#x7814;&#x7A76;&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x4F5C;&#x4E3A;&#x57FA;&#x56E0;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x7684;&#x4E00;&#x4E2A;&#x7EFC;&#x5408;&#x7F51;&#x7EDC;&#x6269;&#x5C55;&#x4E86;&#x4F20;&#x7EDF;&#x82AF;&#x7247;&#x5206;&#x6790;&#x65B9;&#x6CD5;&#xFF0C;&#x5E76;&#x5F3A;&#x8C03;&#x57FA;&#x4E8E;&#x7CFB;&#x7EDF;&#x7684;&#x65B9;&#x6CD5;&#x5206;&#x6790;&#x590D;&#x6742;&#x75BE;&#x75C5;&#x7684;&#x663E;&#x8457;&#x4F18;&#x52BF;&#x3002;

&#x51A0;&#x72B6;&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x7684;&#x8DEF;&#x5F84;&#x5206;&#x6790;&#x3002;

Large-scale gene expression studies provide significant insight into genes differentially regulated in disease processes such as cancer. However, these investigations offer limited understanding of multisystem, multicellular diseases such as atherosclerosis. A systems biology approach that accounts for gene interactions, incorporates nontranscriptionally regulated genes, and integrates prior knowledge offers many advantages. We performed a comprehensive gene level assessment of coronary atherosclerosis using 51 coronary artery segments isolated from the explanted hearts of 22 cardiac transplant patients. After histological grading of vascular segments according to American Heart Association guidelines, isolated RNA was hybridized onto a customized 22-K oligonucleotide microarray, and significance analysis of microarrays and gene ontology analyses were performed to identify significant gene expression profiles. Our studies revealed that loss of differentiated smooth muscle cell gene expression is the primary expression signature of disease progression in atherosclerosis. Furthermore, we provide insight into the severe form of coronary artery disease associated with diabetes, reporting an overabundance of immune and inflammatory signals in diabetics. We present a novel approach to pathway development based on connectivity, determined by language parsing of the published literature, and ranking, determined by the significance of differentially regulated genes in the network. In doing this, we identify highly connected "nexus" genes that are attractive candidates for therapeutic targeting and followup studies. Our use of pathway techniques to study atherosclerosis as an integrated network of gene interactions expands on traditional microarray analysis methods and emphasizes the significant advantages of a systems-based approach to analyzing complex disease.

Pathway analysis of coronary atherosclerosis.

&Eacute;tudes sur l&#39;expression g&eacute;nique &agrave; grande &eacute;chelle donnent un aper&ccedil;u significatif de g&egrave;nes diff&eacute;rentiellement r&eacute;gul&eacute;s dans les processus de la maladie comme le cancer. Toutefois, ces enqu&ecirc;tes offrent une compr&eacute;hension limit&eacute;e des maladies multisyst&eacute;miques, multicellulaires, telles que l&#39;ath&eacute;roscl&eacute;rose. Une approche de biologie syst&eacute;mique qui est responsable des interactions de g&egrave;ne, incorpore des g&egrave;nes nontranscriptionally r&eacute;glement&eacute;s et int&egrave;gre les connaissances pr&eacute;alables offre de nombreux avantages. Nous avons effectu&eacute; une &eacute;valuation du niveau g&eacute;n&eacute;tique complet de l&#39;ath&eacute;roscl&eacute;rose coronaire &agrave; l&#39;aide de 51 segments d&#39;art&egrave;re coronaire isol&eacute;es du c&oelig;ur explant&eacute; des 22 patients transplant&eacute;s cardiaques. Apr&egrave;s le classement histologique des segments vasculaires selon les directives de l&#39;American Heart Association, ARN a &eacute;t&eacute; hybrid&eacute; sur une puce &agrave; oligonucl&eacute;otides de 22-K sur mesure et analyse de la signification des microarrays et analyses d&#39;ontologie g&eacute;nique ont &eacute;t&eacute; effectu&eacute;es afin d&#39;identifier des profils d&#39;expression g&eacute;nique importante. Nos &eacute;tudes ont r&eacute;v&eacute;l&eacute; que la perte d&#39;expression de g&egrave;ne de cellule diff&eacute;renci&eacute;e des muscles lisses est la signature d&#39;expression primaire de progression de la maladie dans l&#39;ath&eacute;roscl&eacute;rose. En outre, nous donnent un aper&ccedil;u de la forme grave de la maladie coronarienne associ&eacute;e au diab&egrave;te, signalement d&#39;une surabondance des signaux immunitaires et inflammatoires chez les diab&eacute;tiques. Nous pr&eacute;sentons une approche in&eacute;dite voie d&eacute;veloppement bas&eacute; sur la connectivit&eacute;, d&eacute;termin&eacute;e par la langue, l&#39;analyse de la litt&eacute;rature publi&eacute;e et classement, d&eacute;termin&eacute; par l&#39;importance des g&egrave;nes diff&eacute;rentiellement r&eacute;glement&eacute;s dans le r&eacute;seau. Ce faisant, nous identifier des g&egrave;nes tr&egrave;s branch&eacute; &laquo; nexus &raquo; candidats attrayants pour les &eacute;tudes de ciblage et de suivi th&eacute;rapeutiques. Notre utilisation des techniques de la voie d&#39;&eacute;tudier l&#39;ath&eacute;roscl&eacute;rose comme un r&eacute;seau int&eacute;gr&eacute; d&#39;interactions g&egrave;ne d&eacute;veloppe des m&eacute;thodes d&#39;analyse traditionnelles microarray et met l&#39;accent sur les avantages significatifs d&#39;une approche ax&eacute;e sur les syst&egrave;mes &agrave; l&#39;analyse de maladies complexes.

Analyse de la voie de l&#39;ath&eacute;roscl&eacute;rose coronarienne.

Pathway-Analyse der koronaren Atherosklerose.

Studi di espressione genica su larga scala forniscono informazioni significative in geni differenzialmente regolato nei processi di malattia come il cancro. Tuttavia, queste indagini offrono limitata comprensione delle malattie multisistemiche, pluricellulari come l&#39;arteriosclerosi. Un approccio di biologia di sistemi che conti per interazioni gene, incorpora i geni nontranscriptionally e integra la conoscenza a priori offre molti vantaggi. Abbiamo effettuato una valutazione a livello globale gene dell&#39;aterosclerosi coronarica mediante 51 coronarica segmenti isolati dal cuore espiantato dei 22 pazienti di trapianto cardiaco. Dopo la classificazione istologica dei segmenti vascolari secondo le linee guida American Heart Association, RNA isolato &egrave; stato ibridato su un microarray personalizzato 22-K del oligonucleotide e gene ontology analisi e analisi del significato di microarrays sono stati eseguiti per identificare i profili di espressione genica significativo. I nostri studi hanno rivelato che perdita di espressione del gene delle cellule differenziate muscolo liscio &egrave; la firma di espressione primaria della progressione della malattia in aterosclerosi. Inoltre, forniamo spaccato la grave forma di malattia coronarica associato al diabete, segnalazione una sovrabbondanza di segnali immunitarie ed infiammatorie nei pazienti diabetici. Vi presentiamo un nuovo approccio per lo sviluppo del percorso basato sulla connettivit&agrave;, determinato dal linguaggio, l&#39;analisi della letteratura pubblicata e classifica, determinato dal significato di geni differenzialmente nella rete. In questo modo, identificare geni altamente connesso &quot;nexus&quot; che sono candidati attraenti per gli studi di targeting e di follow-up terapeutici. Il nostro uso di tecniche di percorso per studiare l&#39;aterosclerosi come una rete integrata di interazioni gene si espande sui metodi di analisi di microarray tradizionale e sottolinea i vantaggi significativi di un approccio basato su sistemi di analisi complessa malattia.

Analisi del percorso dell&#39;aterosclerosi coronarica.

&#x5927;&#x898F;&#x6A21;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x7814;&#x7A76;&#x764C;&#x306A;&#x3069;&#x306E;&#x75BE;&#x60A3;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x5236;&#x5FA1;&#x907A;&#x4F1D;&#x5B50;&#x306B;&#x91CD;&#x8981;&#x306A;&#x6D1E;&#x5BDF;&#x529B;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;&#x305F;&#x3060;&#x3057;&#x3001;&#x3053;&#x308C;&#x3089;&#x306E;&#x8ABF;&#x67FB;&#x306F;&#x30DE;&#x30EB;&#x30C1;&#x3001;&#x591A;&#x7D30;&#x80DE;&#x75BE;&#x60A3;&#x30A2;&#x30C6;&#x30ED;&#x30FC;&#x30E0;&#x6027;&#x52D5;&#x8108;&#x786C;&#x5316;&#x306A;&#x3069;&#x306E;&#x9650;&#x3089;&#x308C;&#x305F;&#x7406;&#x89E3;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;&#x907A;&#x4F1D;&#x5B50;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306E;&#x305F;&#x3081;&#x306E;&#x30A2;&#x30AB;&#x30A6;&#x30F3;&#x30C8; nontranscriptionally &#x306B;&#x8ABF;&#x6574;&#x3055;&#x308C;&#x305F;&#x907A;&#x4F1D;&#x5B50;&#x304C;&#x7D44;&#x307F;&#x8FBC;&#x307E;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3057;&#x3001;&#x4E8B;&#x524D;&#x306E;&#x77E5;&#x8B58;&#x3092;&#x7D71;&#x5408;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x30D0;&#x30A4;&#x30AA;&#x30ED;&#x30B8;&#x30FC;&#x306E;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x306B;&#x306F;&#x591A;&#x304F;&#x306E;&#x5229;&#x70B9;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005; &#x306F; 22 &#x306E;&#x5FC3;&#x81D3;&#x79FB;&#x690D;&#x306E;&#x60A3;&#x8005;&#x306E;&#x4F53;&#x5185;&#x306E;&#x5FC3;&#x304B;&#x3089;&#x5206;&#x96E2;&#x3055;&#x308C;&#x305F; 51 &#x51A0;&#x52D5;&#x8108;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C8;&#x306E;&#x4F7F;&#x7528;&#x51A0;&#x52D5;&#x8108;&#x786C;&#x5316;&#x306E;&#x5305;&#x62EC;&#x7684;&#x306A;&#x907A;&#x4F1D;&#x5B50;&#x30EC;&#x30D9;&#x30EB;&#x8A55;&#x4FA1;&#x3092;&#x884C;&#x3063;&#x305F;&#x3002;&#x30A2;&#x30E1;&#x30EA;&#x30AB;&#x5FC3;&#x81D3;&#x5354;&#x4F1A;&#x30AC;&#x30A4;&#x30C9;&#x30E9;&#x30A4;&#x30F3;&#x306B;&#x5F93;&#x3063;&#x3066;&#x8840;&#x7BA1;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C8;&#x306E; grade, &#x5F8C;&#x9694;&#x96E2;&#x3055;&#x308C;&#x305F; RNA &#x306F;&#x30AB;&#x30B9;&#x30BF;&#x30DE;&#x30A4;&#x30BA;&#x3055;&#x308C;&#x305F; 22 K &#x30AA;&#x30EA;&#x30B4;&#x30CC;&#x30AF;&#x30EC;&#x30AA;&#x30C1;&#x30C9; &#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30A2;&#x30EC;&#x30A4;&#x306B;&#x30CF;&#x30A4;&#x30D6;&#x30EA;&#x30C0;&#x30A4;&#x30BA;&#x3057;&#x305F;&#x3057;&#x3001;&#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30A2;&#x30EC;&#x30A4;&#x306E;&#x610F;&#x7FA9;&#x306E;&#x89E3;&#x6790;&#x3068;&#x907A;&#x4F1D;&#x5B50;&#x30AA;&#x30F3;&#x30C8;&#x30ED;&#x30B8;&#x30FC;&#x89E3;&#x6790;&#x91CD;&#x8981;&#x306A;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x30D7;&#x30ED;&#x30D5;&#x30A1;&#x30A4;&#x30EB;&#x3092;&#x8B58;&#x5225;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x884C;&#x3063;&#x305F;&#x3002;&#x79C1;&#x305F;&#x3061;&#x306E;&#x7814;&#x7A76;&#x306F;&#x3001;&#x5DEE;&#x5225;&#x5316;&#x3055;&#x308C;&#x305F;&#x5E73;&#x6ED1;&#x7B4B;&#x7D30;&#x80DE;&#x306E;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x306E;&#x640D;&#x5931;&#x75BE;&#x60A3;&#x30A2;&#x30C6;&#x30ED;&#x30FC;&#x30E0;&#x6027;&#x52D5;&#x8108;&#x786C;&#x5316;&#x306E;&#x9032;&#x884C;&#x306E;&#x30D7;&#x30E9;&#x30A4;&#x30DE;&#x30EA;&#x5F0F;&#x7F72;&#x540D;&#x3067;&#x3042;&#x308B;&#x3053;&#x3068;&#x660E;&#x3089;&#x304B;&#x306B;&#x3002;&#x3055;&#x3089;&#x306B;&#x3001;&#x7CD6;&#x5C3F;&#x75C5;&#x60A3;&#x8005;&#x306B;&#x304A;&#x3051;&#x308B;&#x514D;&#x75AB;&#x304A;&#x3088;&#x3073;&#x708E;&#x75C7;&#x6027;&#x4FE1;&#x53F7;&#x306E;&#x904E;&#x591A;&#x3092;&#x5831;&#x544A;&#x91CD;&#x75C7;&#x7CD6;&#x5C3F;&#x75C5;&#x306B;&#x4F34;&#x3046;&#x51A0;&#x52D5;&#x8108;&#x75BE;&#x60A3;&#x306E;&#x6D1E;&#x5BDF;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005; &#x306F;&#x3001;&#x516C;&#x8868;&#x3055;&#x308C;&#x305F;&#x6587;&#x5B66;&#x306E;&#x89E3;&#x6790;&#x3057;&#x30E9;&#x30F3;&#x30AD;&#x30F3;&#x30B0;&#x3001;&#x7279;&#x7570;&#x7684;&#x907A;&#x4F1D;&#x5B50;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x306E;&#x610F;&#x7FA9;&#x306B;&#x3088;&#x3063;&#x3066;&#x6C7A;&#x5B9A;&#x306E;&#x8A00;&#x8A9E;&#x306B;&#x3088;&#x3063;&#x3066;&#x6C7A;&#x5B9A;&#x63A5;&#x7D9A;&#x306B;&#x57FA;&#x3065;&#x3044;&#x3066;&#x7D4C;&#x8DEF;&#x958B;&#x767A;&#x3059;&#x308B;&#x624B;&#x6CD5;&#x3092;&#x63D0;&#x6848;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x3046;&#x3059;&#x308B;&#x3053;&#x3068;&#x3001;&#x6CBB;&#x7642;&#x4E0A;&#x306E;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x3068;&#x30D5;&#x30A9;&#x30ED;&#x30FC; &#x30A2;&#x30C3;&#x30D7;&#x7814;&#x7A76;&#x306E;&#x9B45;&#x529B;&#x7684;&#x306A;&#x5019;&#x88DC;&#x3067;&#x3042;&#x308B;&#x975E;&#x5E38;&#x306B;&#x63A5;&#x7D9A;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x300C;&#x30CD;&#x30AF;&#x30B5;&#x30B9;&#x300D;&#x907A;&#x4F1D;&#x5B50;&#x3092;&#x8B58;&#x5225;&#x3057;&#x307E;&#x3059;&#x3002;&#x30A2;&#x30C6;&#x30ED;&#x30FC;&#x30E0;&#x6027;&#x52D5;&#x8108;&#x786C;&#x5316;&#x3092;&#x907A;&#x4F1D;&#x5B50;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306E;&#x7D71;&#x5408;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x3068;&#x3057;&#x3066;&#x7814;&#x7A76;&#x3059;&#x308B;&#x7D4C;&#x8DEF;&#x6280;&#x8853;&#x306E;&#x79C1;&#x9054;&#x306E;&#x4F7F;&#x7528;&#x306F;&#x4F1D;&#x7D71;&#x7684;&#x306A;&#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30A2;&#x30EC;&#x30A4;&#x5206;&#x6790;&#x6CD5;&#x306E;&#x5C55;&#x958B;&#x3057;&#x3001;&#x8907;&#x96D1;&#x306A;&#x75C5;&#x6C17;&#x3092;&#x5206;&#x6790;&#x3059;&#x308B;&#x30B7;&#x30B9;&#x30C6;&#x30E0; &#x30FB; &#x30D9;&#x30FC;&#x30B9;&#x306E;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x306E;&#x91CD;&#x8981;&#x306A;&#x5229;&#x70B9;&#x3092;&#x5F37;&#x8ABF;&#x3057;&#x307E;&#x3059;&#x3002;

&#x51A0;&#x52D5;&#x8108;&#x786C;&#x5316;&#x306E;&#x30D1;&#x30B9;&#x30A6;&#x30A7;&#x30A4;&#x89E3;&#x6790;&#x3002;

&#xB300;&#xADDC;&#xBAA8; &#xC720;&#xC804;&#xC790; &#xC2DD; &#xC5F0;&#xAD6C; &#xCC28;&#xB3D9; &#xC554; &#xB4F1; &#xC9C8;&#xBCD1; &#xACFC;&#xC815;&#xC5D0;&#xC11C; &#xADDC;&#xC81C; &#xD558;&#xB294; &#xC720;&#xC804;&#xC790;&#xC5D0; &#xB300; &#xD55C; &#xC911;&#xC694; &#xD55C; &#xD1B5;&#xCC30;&#xB825;&#xC744; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;. &#xADF8;&#xB7EC;&#xB098;, &#xC774;&#xB7EC;&#xD55C; &#xC870;&#xC0AC; multisystem, &#xB2E4;&#xC138;&#xD3EC; &#xC9C8;&#xD658; &#xB3D9;&#xB9E5; &#xACBD;&#xD654; &#xB4F1;&#xC758; &#xC81C;&#xD55C; &#xB41C; &#xC774;&#xD574;&#xB97C; &#xC81C;&#xACF5;&#xD569;&#xB2C8;&#xB2E4;. &#xC720;&#xC804;&#xC790;&#xC758; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC5D0; &#xB300; &#xD55C; &#xACC4;&#xC815;, nontranscriptionally &#xB808; &#xADE4; &#xB808;&#xC774;&#xD2B8; &#xB41C; &#xC720;&#xC804;&#xC790;&#xB97C; &#xD1B5;&#xD569; &#xD558; &#xACE0;, &#xC0AC;&#xC804; &#xC9C0;&#xC2DD;&#xC744; &#xD1B5;&#xD569; &#xD558;&#xB294; &#xC2DC;&#xC2A4;&#xD15C; &#xC0DD;&#xBB3C;&#xD559; &#xC811;&#xADFC;&#xC5D0; &#xB9CE;&#xC740; &#xC774;&#xC810;&#xC774; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC; 22 &#xC2EC;&#xC7A5; &#xC774;&#xC2DD; &#xD658;&#xC790;&#xC758; explanted &#xB9C8;&#xC74C;&#xC5D0;&#xC11C; &#xACE0;&#xB9BD; &#xB41C; 51 &#xAD00;&#xC0C1; &#xB3D9;&#xB9E5; &#xC138;&#xADF8;&#xBA3C;&#xD2B8;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xAD00;&#xC0C1; &#xB3D9;&#xB9E5; &#xACBD;&#xD654; &#xC99D;&#xC758; &#xD3EC;&#xAD04;&#xC801;&#xC778; &#xC720;&#xC804;&#xC790; &#xC218;&#xC900;&#xC758; &#xD3C9;&#xAC00; &#xC218;&#xD589; &#xD569;&#xB2C8;&#xB2E4;. &#xBBF8;&#xAD6D; &#xC2EC;&#xC7A5; &#xD611;&#xD68C; &#xC9C0;&#xCE68;&#xC5D0; &#xB530;&#xB77C; &#xD608;&#xAD00; &#xC138;&#xADF8;&#xBA3C;&#xD2B8;&#xC758; &#xC870;&#xC9C1;&#xD559; &#xB4F1;&#xAE09; &#xD6C4; &#xACA9;&#xB9AC; &#xB41C; RNA&#xB294; &#xC0AC;&#xC6A9;&#xC790; &#xC815;&#xC758;-22k oligonucleotide microarray&#xC5D0; hybridized &#xBC0F; microarrays&#xC758; &#xC758;&#xBBF8; &#xBD84;&#xC11D;&#xACFC; &#xC720;&#xC804;&#xC790; &#xC628;&#xD1A8;&#xB85C;&#xC9C0; &#xBD84;&#xC11D; &#xC218;&#xD589;&#xD55C; &#xC911;&#xC694; &#xD55C; &#xC9C4; &#xC2DD; &#xD504;&#xB85C;&#xD544; &#xC2DD;&#xBCC4;. &#xC6B0;&#xB9AC;&#xC758; &#xC5F0;&#xAD6C; &#xCC28;&#xBCC4;&#xD654; &#xB41C; &#xBD80;&#xB4DC;&#xB7EC;&#xC6B4; &#xADFC;&#xC721; &#xC138;&#xD3EC; &#xC720;&#xC804;&#xC790; &#xBC1C;&#xD604;&#xC758; &#xAC10;&#xC18C; &#xB3D9;&#xB9E5; &#xACBD;&#xD654; &#xC99D;&#xC758; &#xC9C8;&#xBCD1; &#xC9C4;&#xD589;&#xC758; &#xAE30;&#xBCF8; &#xC2DD; &#xC11C;&#xBA85; &#xC774;&#xB77C;&#xACE0; &#xBC1D;&#xD614;&#xB2E4;. &#xB610;&#xD55C;, &#xC6B0;&#xB9AC;&#xB294; &#xB2F9;&#xB1E8;&#xBCD1; &#xD658;&#xC790;&#xC5D0;&#xC11C; &#xBA74;&#xC5ED; &#xBC0F; &#xC5FC;&#xC99D; &#xC2E0;&#xD638; &#xACFC;&#xC789; &#xBCF4;&#xACE0; &#xAD00;&#xB828; &#xB41C; &#xB2F9;&#xB1E8;&#xBCD1;, &#xAD00;&#xC0C1; &#xB3D9;&#xB9E5; &#xC9C8;&#xD658;&#xC758; &#xC2EC;&#xD55C; &#xD615;&#xD0DC;&#xC5D0; &#xB300; &#xD55C; &#xD1B5;&#xCC30;&#xB825; &#xC81C;&#xACF5;. &#xC5F0;&#xACB0;, &#xAC8C;&#xC2DC; &#xB41C; &#xBB38;&#xD559;&#xC758; &#xAD6C;&#xBB38; &#xBD84;&#xC11D; &#xD558; &#xACE0; &#xC21C;&#xC704;, &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xC5D0;&#xC11C; &#xCC28;&#xB3D9; &#xB808; &#xADE4; &#xB808;&#xC774;&#xD2B8; &#xB41C; &#xC720;&#xC804;&#xC790;&#xC758; &#xC911;&#xC694;&#xC131;&#xC5D0; &#xC758;&#xD574; &#xACB0;&#xC815; &#xD558;&#xB294; &#xC5B8;&#xC5B4;&#xC5D0; &#xC758;&#xD574; &#xACB0;&#xC815;&#xC5D0; &#xB530;&#xB77C; &#xD1B5;&#xB85C; &#xAC1C;&#xBC1C;&#xC758; &#xC0C8;&#xB85C;&#xC6B4; &#xC811;&#xADFC; &#xBC29;&#xC2DD;&#xC744; &#xC18C;&#xAC1C; &#xD569;&#xB2C8;&#xB2E4;. &#xC774;&#xB807;&#xAC8C;, &#xC6B0;&#xB9AC;&#xB294; &#xACE0;&#xB3C4;&#xB85C; &#xC5F0;&#xACB0; &#xB41C; &quot;&#xB125;&#xC11C;&#xC2A4;&quot; &#xC720;&#xC804;&#xC790; &#xCE58;&#xB8CC; &#xB300;&#xC0C1;&#xC73C;&#xB85C; &#xD558; &#xACE0; &#xD6C4;&#xC18D; &#xC5F0;&#xAD6C;&#xC5D0; &#xB300; &#xD55C; &#xB9E4;&#xB825;&#xC801;&#xC778; &#xD6C4;&#xBCF4;&#xB97C; &#xC2DD;&#xBCC4;. &#xC720;&#xC804;&#xC790;&#xC758; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC758; &#xD1B5;&#xD569;&#xB41C; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xB85C; &#xC11C; &#xC544; &#xD14C; &#xB86C; &#xC5F0;&#xAD6C; &#xD1B5;&#xB85C; &#xAE30;&#xC220;&#xC758; &#xC6B0;&#xB9AC;&#xC758; &#xC0AC;&#xC6A9; &#xC804;&#xD1B5;&#xC801;&#xC778; microarray &#xBD84;&#xC11D; &#xBC29;&#xBC95; &#xD655;&#xC7A5; &#xB418; &#xACE0; &#xAC15;&#xC870; &#xD558;&#xB294; &#xBCF5;&#xC7A1; &#xD55C; &#xC9C8;&#xBCD1; &#xBD84;&#xC11D;&#xC5D0; &#xAE30;&#xBC18; &#xD558;&#xB294; &#xC2DC;&#xC2A4;&#xD15C; &#xC811;&#xADFC;&#xC758; &#xC911;&#xC694; &#xD55C; &#xC7A5;&#xC810;.

&#xAD00;&#xC0C1; &#xB3D9;&#xB9E5; &#xACBD;&#xD654; &#xC99D;&#xC758; &#xD1B5;&#xB85C; &#xBD84;&#xC11D;&#xC785;&#xB2C8;&#xB2E4;.

Estudios de expresi&oacute;n g&eacute;nica a gran escala proporcionan informaci&oacute;n importante sobre genes diferencialmente regulados en los procesos de la enfermedad como el c&aacute;ncer. Sin embargo, estas investigaciones ofrecen una comprensi&oacute;n limitada de enfermedades del multisistema, multicelulares como ateroesclerosis. Un enfoque de la biolog&iacute;a de sistemas que representa las interacciones gen, incorpora genes nontranscriptionally regulados e integra conocimientos previos ofrece muchas ventajas. Realizamos una evaluaci&oacute;n del nivel de gene integral de aterosclerosis coronaria con 51 segmentos de arteria coronaria aislados del coraz&oacute;n explantado de los 22 pacientes de trasplante cardiaco. Despu&eacute;s de la clasificaci&oacute;n histol&oacute;gica de los segmentos vasculares seg&uacute;n las pautas de la American Heart Association, fue cruzado por hibridaci&oacute;n RNA aislado en un microarray de oligonucle&oacute;tidos modificados para requisitos particulares de 22-K, y significaci&oacute;n an&aacute;lisis de microarrays y an&aacute;lisis de la ontolog&iacute;a del gene se realizaron para identificar perfiles de expresi&oacute;n g&eacute;nica significativa. Nuestros estudios revelaron que la p&eacute;rdida de expresi&oacute;n de genes de c&eacute;lulas diferenciadas del m&uacute;sculo liso es la firma de la expresi&oacute;n primaria de progresi&oacute;n de la enfermedad en la aterosclerosis. Adem&aacute;s, nos proporcionan informaci&oacute;n sobre la forma severa de enfermedad coronaria asociada a diabetes, reportando una sobreabundancia de se&ntilde;ales inmunes e inflamatorias en los diab&eacute;ticos. Presentamos un nuevo enfoque al desarrollo de la v&iacute;a basado en conectividad, determinado por la lengua de la literatura publicada y ranking, determinado por la importancia de los genes diferencialmente reguladas en la red. Al hacer esto, identificamos genes altamente conectados &quot;nexo&quot; que son candidatos atractivos para estudios terap&eacute;uticos de orientaci&oacute;n y seguimiento. Nuestro uso de t&eacute;cnicas de v&iacute;a para estudiar la aterosclerosis como una red integrada de interacciones gen se expande en m&eacute;todos de an&aacute;lisis de microarrays tradicional y hace hincapi&eacute; en los importantes beneficios de un enfoque basado en sistemas a analizar la enfermedad compleja.

An&aacute;lisis de la v&iacute;a de la aterosclerosis coronaria.

&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x4E3B;&#x8981;&#x53D1;&#x751F;&#x5728;&#x52A8;&#x8109;&#x4E2D;&#xFF0C;&#x53EA;&#x6709;&#x5F88;&#x5C11;&#x7684;&#x9759;&#x8109;&#x3002;&#x8FD9;&#x9879;&#x7814;&#x7A76;&#x7684;&#x76EE;&#x6807;&#x662F;&#x8981;&#x6D4B;&#x8BD5;&#x662F;&#x5426;&#x5BF9;&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x6027;&#x523A;&#x6FC0;&#x7684;&#x9759;&#x8109;&#x548C;&#x52A8;&#x8109;&#x8840;&#x7BA1;&#x5185;&#x76AE;&#x7EC6;&#x80DE; (ECs) &#x5206;&#x5B50;&#x53CD;&#x5E94;&#x7684;&#x5DEE;&#x5F02;&#x53EF;&#x80FD;&#x6709;&#x52A9;&#x4E8E;&#x8840;&#x7BA1;&#x5E8A;&#x5BF9;&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x7684;&#x6613;&#x611F;&#x6027;&#x7684;&#x5DEE;&#x5F02;&#x3002;&#x6211;&#x4EEC;&#x6BD4;&#x8F83;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x8C31;&#x7684;&#x521D;&#x7EA7;&#x57F9;&#x517B; ECs &#x4ECE;&#x4EBA;&#x7C7B;&#x5927;&#x9690;&#x9759;&#x8109; &#xFF08;&#x65AF;&#x97E6;&#x514B;&#xFF09; &#x548C;&#x51A0;&#x72B6;&#x52A8;&#x8109; &#xFF08;CAEC&#xFF09; &#x5BF9;&#x7CA5;&#x6837;&#x523A;&#x6FC0;&#x66B4;&#x9732;&#x3002;&#x9664;&#x4E86;&#x8BC6;&#x522B;&#x5DEE;&#x5F02;&#x8868;&#x8FBE;&#x7684;&#x57FA;&#x56E0;&#xFF0C;&#x6211;&#x4EEC;&#x5E94;&#x7528;&#x57FA;&#x56E0;&#x672C;&#x4F53;&#x548C;&#x901A;&#x8DEF;&#x6CE8;&#x91CA;&#x672F;&#x8BED;&#xFF0C;&#x4EE5;&#x786E;&#x5B9A;&#x6709;&#x5173;&#x7684;&#x5355;&#x5143;&#x683C;&#x7C7B;&#x578B;&#x548C;&#x523A;&#x6FC0;&#x7684;&#x4FE1;&#x53F7;&#x5DEE;&#x5F02;&#x7684;&#x7EDF;&#x8BA1;&#x5206;&#x6790;&#x3002;&#x5DEE;&#x5F02;&#x8868;&#x8FBE;&#x57FA;&#x56E0;&#x6CBB;&#x7597;&#x9759;&#x8109;&#x548C;&#x52A8;&#x8109;&#x8840;&#x7BA1;&#x5185;&#x76AE;&#x7EC6;&#x80DE;&#x4EA7;&#x751F;&#x66F4;&#x9AD8;&#x8868;&#x8FBE;&#x672A;&#x7ECF;&#x5904;&#x7406;&#x65AF;&#x97E6;&#x514B; 285 &#x57FA;&#x56E0; (P &lt; 0.005 &#x548C;&#x6298;&#x53E0;&#x53D8;&#x5316; &gt; 1.5)&#x3002;&#x8FD9;&#x4E9B;&#x57FA;&#x56E0;&#x4EE3;&#x8868;&#x4E86;&#x5404;&#x79CD;&#x4E0E;&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x6709;&#x5173;&#x9014;&#x5F84;&#x5305;&#x62EC;&#x53CD;&#x5E94;&#x6269;&#x6563;&#x3001; &#x6C27;&#x5316;&#x8FD8;&#x539F;&#x9176;&#x6D3B;&#x6027;&#x3001; &#x6297;&#x708E;&#x53CD;&#x5E94;&#x3001; &#x7EC6;&#x80DE;&#x751F;&#x957F;&#x548C;&#x6B62;&#x8840;&#x529F;&#x80FD;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x4E0E;&#x6C27;&#x5316;&#x4F4E;&#x5BC6;&#x5EA6;&#x8102;&#x86CB;&#x767D;&#x523A;&#x6FC0;&#x8BF1;&#x5BFC;&#x4E0E;&#x65AF;&#x97E6;&#x514B;&#xFF0C;&#x4E0E;&#x6709;&#x5173;&#x7684;&#x9ECF;&#x9644;&#x3001; &#x589E;&#x6B96;&#x548C;&#x51CB;&#x4EA1;&#x9014;&#x5F84;&#x5728;&#x4E2D;&#x4E9A;&#x7684;&#x53CD;&#x5E94;&#x76F8;&#x6BD4;&#x5927;&#x5927;&#x63D0;&#x9AD8;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x3002;&#x76F8;&#x6BD4;&#x4E4B;&#x4E0B;&#xFF0C;&#x767D;&#x7EC6;&#x80DE;&#x4ECB;&#x7D20; 1beta &#x548C;&#x80BF;&#x7624;&#x574F;&#x6B7B;&#x56E0;&#x5B50; &alpha; &#x6FC0;&#x6D3B;&#x7C7B;&#x4F3C;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x53CD;&#x5E94;&#x5728;&#x4E2D;&#x4E9A;&#x548C;&#x65AF;&#x97E6;&#x514B;&#x3002;&#x529F;&#x80FD;&#x6027;&#x53CD;&#x5E94;&#x548C;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x5DEE;&#x5F02;&#x8FDB;&#x4E00;&#x6B65;&#x5370;&#x8BC1;&#x4E86;&#x4F53;&#x5916;&#x589E;&#x6B96;&#x6D4B;&#x5B9A;&#x548C;&#x4F53;&#x5185;&#x86CB;&#x767D;&#x514D;&#x75AB;&#x67D3;&#x8272;&#x7684; alphabeta-&#x6676;&#x72B6;&#x4F53;&#x86CB;&#x767D;&#x86CB;&#x767D;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x7814;&#x7A76;&#x7ED3;&#x679C;&#x5F3A;&#x70C8;&#x5EFA;&#x8BAE;&#x5728;&#x52A8;&#x8109;&#x4E0E;&#x9759;&#x8109;&#x8840;&#x7BA1;&#x5185;&#x76AE;&#x7EC6;&#x80DE;&#x4E0D;&#x540C;&#x7684;&#x56FA;&#x6709;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x7A0B;&#x5E8F;&#x6709;&#x52A9;&#x4E8E;&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x6027;&#x75BE;&#x75C5;&#x6613;&#x611F;&#x6027;&#x7684;&#x5DEE;&#x5F02;&#x3002;

&#x8840;&#x7BA1;&#x5E8A;&#x75BE;&#x75C5;&#x6613;&#x611F;&#x6027;&#x7684;&#x5DEE;&#x5F02;&#x53CD;&#x6620;&#x4E86;&#x7CA5;&#x6837;&#x523A;&#x6FC0;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x8C31;&#x7684;&#x5DEE;&#x5F02;&#x3002;

Atherosclerosis occurs predominantly in arteries and only rarely in veins. The goal of this study was to test whether differences in the molecular responses of venous and arterial endothelial cells (ECs) to atherosclerotic stimuli might contribute to vascular bed differences in susceptibility to atherosclerosis. We compared gene expression profiles of primary cultured ECs from human saphenous vein (SVEC) and coronary artery (CAEC) exposed to atherogenic stimuli. In addition to identifying differentially expressed genes, we applied statistical analysis of gene ontology and pathway annotation terms to identify signaling differences related to cell type and stimulus. Differential gene expression of untreated venous and arterial endothelial cells yielded 285 genes more highly expressed in untreated SVEC (P<0.005 and fold change >1.5). These genes represented various atherosclerosis-related pathways including responses to proliferation, oxidoreductase activity, antiinflammatory responses, cell growth, and hemostasis functions. Moreover, stimulation with oxidized LDL induced dramatically greater gene expression responses in CAEC compared with SVEC, relating to adhesion, proliferation, and apoptosis pathways. In contrast, interleukin 1beta and tumor necrosis factor alpha activated similar gene expression responses in both CAEC and SVEC. The differences in functional response and gene expression were further validated by an in vitro proliferation assay and in vivo immunostaining of alphabeta-crystallin protein. Our results strongly suggest that different inherent gene expression programs in arterial versus venous endothelial cells contribute to differences in atherosclerotic disease susceptibility.

Differences in vascular bed disease susceptibility reflect differences in gene expression response to atherogenic stimuli.

L&#39;ath&eacute;roscl&eacute;rose se produit principalement dans les art&egrave;res et que rarement dans les veines. L&#39;objectif de cette &eacute;tude &eacute;tait de v&eacute;rifier si les diff&eacute;rences dans les r&eacute;ponses mol&eacute;culaires des cellules endoth&eacute;liales veineuses et art&eacute;rielles (SCE) &agrave; des stimuli ath&eacute;roscl&eacute;reuses pourraient contribuer &agrave; des diff&eacute;rences dans la susceptibilit&eacute; &agrave; l&#39;ath&eacute;roscl&eacute;rose lit vasculaire. Nous avons compar&eacute; les profils d&#39;expression g&eacute;nique de primaires ECs cultiv&eacute;s de la veine saph&egrave;ne humaine (SVEC) et l&#39;art&egrave;re coronaire (CV&Eacute;) expos&eacute;s &agrave; des stimuli ath&eacute;rog&egrave;nes. En plus de l&#39;identification de g&egrave;nes diff&eacute;rentiellement exprim&eacute;s, nous avons appliqu&eacute; l&#39;analyse statistique des conditions du g&egrave;ne ontologie et de la voie de l&#39;annotation pour identifier la signalisation des diff&eacute;rences li&eacute;es &agrave; la stimulation et le type de cellule. Expression diff&eacute;rentielle des g&egrave;nes de non trait&eacute;e veineux et endoth&eacute;lium art&eacute;riel donn&eacute; 285 g&egrave;nes plus fortement exprim&eacute;es dans SVEC non trait&eacute; (P &lt; changement 0,005 et pli &gt; 1.5). Ces g&egrave;nes repr&eacute;sentent diff&eacute;rentes voies li&eacute;es &agrave; l&#39;ath&eacute;roscl&eacute;rose, y compris les r&eacute;ponses &agrave; la prolif&eacute;ration, l&#39;activit&eacute; oxydor&eacute;ductase, r&eacute;ponses anti-inflammatoires, la croissance des cellules et fonctions de l&#39;h&eacute;mostase. En outre, stimulation avec les LDL oxyd&eacute;es induit l&#39;expression de g&egrave;ne consid&eacute;rablement sup&eacute;rieure compar&eacute; les r&eacute;ponses dans les CV&Eacute; avec SVEC, relatives &agrave; l&#39;adh&eacute;sion, la prolif&eacute;ration et les voies de l&#39;apoptose. En revanche, l&#39;interleukine 1beta et facteur de n&eacute;crose tumorale alpha activ&eacute; des r&eacute;ponses similaires d&#39;expression de g&egrave;ne dans les CV&Eacute; et SVEC. Les diff&eacute;rences dans la r&eacute;ponse fonctionnelle et l&#39;expression des g&egrave;nes ont &eacute;t&eacute; davantage valid&eacute;s par un essai de prolif&eacute;ration in vitro et in vivo immunostaining des prot&eacute;ine alphabeta-cristalline. Nos r&eacute;sultats sugg&egrave;rent fortement que les programmes d&#39;expression de g&egrave;ne inh&eacute;rent diff&eacute;rent art&eacute;rielle par rapport aux cellules endoth&eacute;liales veineuses contribuent &agrave; des diff&eacute;rences dans la susceptibilit&eacute; &agrave; la maladie ath&eacute;roscl&eacute;reuse.

Diff&eacute;rences dans la susceptibilit&eacute; aux maladies de lit vasculaire refl&egrave;tent des diff&eacute;rences dans la r&eacute;ponse d&#39;expression de g&egrave;ne aux stimuli ath&eacute;rog&egrave;nes.

Atherosklerose tritt vorwiegend in Arterien und nur selten in Adern. Ziel dieser Studie war es zu testen, ob Unterschiede in den molekularen Antworten von ven&ouml;sen und arteriellen endothelial Zellen (ECs) auf atherosklerotischen Reize zur vaskul&auml;ren Bett Unterschiede in der Anf&auml;lligkeit f&uuml;r Arteriosklerose beitragen k&ouml;nnten. Wir verglichen die Gen-Ausdruck-Portraits von prim&auml;ren kultivierten ECs aus menschlichen Saphena Vene (SVEC) und koronare Herzkrankheit (CAEC) atherogenic reizen ausgesetzt. Neben differentiell exprimierten Genen identifizieren, angewendet wir statistische Analyse gen Ontologie und Pathway Anmerkungsbegriffen Signalisierung Unterschiede im Zusammenhang mit Zelltyp und Impulse zu identifizieren. Differenzielle Genexpression von unbehandelt ven&ouml;se und arterielle Endothelzellen ergab 285 Gene mehr hoch ausgedr&uuml;ckt in unbehandelten SVEC (P &lt; 0,005 und Fold &auml;nderung &gt; 1.5). Diese Gene vertreten verschiedene Atherosklerose-bezogene Wege, einschlie&szlig;lich Antworten auf Verbreitung, Oxidoreduktase Aktivit&auml;t, entz&uuml;ndungshemmende Antworten, Zellwachstum und Blutstillung Funktionen. Dar&uuml;ber hinaus induzierte Stimulation mit oxidierte LDL dramatisch h&ouml;here Genexpression, die Antworten in CAEC mit SVEC, Adh&auml;sion, Proliferation und Apoptose-Wege zur verglichen. Im Gegensatz dazu aktiviert Interleukin-1beta und Tumor-Nekrose-Faktor-Alpha &auml;hnliche Reaktionen der Gen-Ausdruck in CAEC und SVEC. Die Unterschiede in funktionelle Reaktion und Genexpression wurden weiter durch eine in-vitro-Vermehrung-Test und in-vivo Experimenten der Alphabeta-Crystallin Protein validiert. Unsere Ergebnisse empfehlen dringend, dass verschiedene inh&auml;rente Gen-Ausdruck-Programme in arterielle und ven&ouml;se Endothelzellen zu Unterschiede in der Anf&auml;lligkeit von atherosklerotischen Krankheit beitragen.

Unterschiede in der vaskul&auml;ren Bett Krankheit Anf&auml;lligkeit spiegeln Unterschiede Gen Ausdruck als Reaktion auf atherogenic Reize.

L&#39;aterosclerosi si verifica principalmente nelle arterie e solo raramente nelle vene. L&#39;obiettivo di questo studio era di verificare se le differenze nelle risposte molecolari delle cellule endoteliali arteriose e venose (ECs) agli stimoli aterosclerotiche potrebbero contribuire alle differenze del letto vascolare di suscettibilit&agrave; all&#39;aterosclerosi. Abbiamo confrontato i profili di espressione genica di primaria ECs colta dalla vena safena umana (SVEC) e dell&#39;arteria coronaria (CAEC) esposti a stimoli aterogeno. Oltre a identificare geni differenzialmente espressi, abbiamo applicato l&#39;analisi statistica dei termini gene ontology e pathway annotazione per identificare differenze segnalazione relative al tipo di cella e stimolo. Espressione genica differenziale di non trattata venosa e arteriose cellule endoteliali ha reso 285 geni pi&ugrave; altamente espressi in SVEC non trattati (P &lt; 0,005 e piega il cambiamento &amp;gt; 1,5). Questi geni rappresentati vari percorsi relativi aterosclerosi compreso le risposte alla proliferazione, attivit&agrave; ossidoriduttasi, risposte antinfiammatorie, crescita cellulare e le funzioni l&#39;emostasi. Inoltre, la stimolazione con LDL ossidato indotta risposte in CAEC confrontate con SVEC, relative all&#39;adesione, proliferazione e apoptosi percorsi drammaticamente maggiore espressione del gene. Al contrario, interleuchina 1beta e fattore di necrosi tumorale alfa attivato simili risposte di espressione genica in entrambi CAEC e SVEC. Le differenze nella risposta funzionale ed espressione genica sono stati ulteriormente convalidate da un saggio di proliferazione in vitro e in vivo immunostaining di Alfabeta-crystallin proteina. I nostri risultati suggeriscono fortemente che programmi espressione gene inerente differenti in arterial contro le cellule endoteliali venose contribuiscono alle differenze nella suscettibilit&agrave; di malattia aterosclerotica.

Differenze nella suscettibilit&agrave; di malattia vascolare letto riflettano differenze nella risposta di espressione genica a stimoli aterogeno.

&#x52D5;&#x8108;&#x786C;&#x5316;&#x306F;&#x52D5;&#x8108;&#x3068;&#x307E;&#x308C;&#x306B;&#x3057;&#x304B;&#x767A;&#x751F;&#x3057;&#x307E;&#x3059;&#x4E3B;&#x306B;&#x9759;&#x8108;&#x5185;&#x3002;&#x672C;&#x7814;&#x7A76;&#x306E;&#x76EE;&#x7684;&#x306F;&#x3001;&#x9759;&#x8108;&#x304A;&#x3088;&#x3073;&#x52D5;&#x8108;&#x306E;&#x5185;&#x76AE;&#x7D30;&#x80DE; (Ec) &#x52D5;&#x8108;&#x786C;&#x5316;&#x6027;&#x523A;&#x6FC0;&#x306B;&#x5BFE;&#x3059;&#x308B;&#x5206;&#x5B50;&#x5FDC;&#x7B54;&#x306E;&#x9055;&#x3044;&#x304C;&#x8840;&#x7BA1;&#x5E8A;&#x30A2;&#x30C6;&#x30ED;&#x30FC;&#x30E0;&#x6027;&#x52D5;&#x8108;&#x786C;&#x5316;&#x306B;&#x5BFE;&#x3059;&#x308B;&#x611F;&#x53D7;&#x6027;&#x306E;&#x9055;&#x3044;&#x306B;&#x8CA2;&#x732E;&#x3059;&#x308B;&#x304B;&#x3082;&#x3057;&#x308C;&#x306A;&#x3044;&#x304B;&#x3069;&#x3046;&#x304B;&#x3092;&#x30C6;&#x30B9;&#x30C8;&#x3059;&#x308B;&#x306B;&#x306F;&#x3060;&#x3063;&#x305F;&#x3002;&#x30D7;&#x30E9;&#x30A4;&#x30DE;&#x30EA;&#x306E;&#x57F9;&#x990A; ECs &#x4EBA;&#x9593;&#x5927;&#x4F0F;&#x5728;&#x9759;&#x8108; (SVEC) &#x304A;&#x3088;&#x3073;&#x51A0;&#x52D5;&#x8108;, &#x52D5;&#x8108;&#x786C;&#x5316;&#x306E;&#x523A;&#x6FC0;&#x3092;&#x53D7;&#x3051; &#xFF08;CAEC&#xFF09; &#x304B;&#x3089;&#x306E;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x30D7;&#x30ED;&#x30D5;&#x30A1;&#x30A4;&#x30EB;&#x3092;&#x6BD4;&#x8F03;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x767A;&#x73FE;&#x907A;&#x4F1D;&#x5B50;&#x306E;&#x8B58;&#x5225;&#x306B;&#x52A0;&#x3048;&#x3066;&#x3001;&#x7D30;&#x80DE;&#x578B;&#x3068;&#x523A;&#x6FC0;&#x306B;&#x95A2;&#x9023;&#x3059;&#x308B;&#x30B7;&#x30B0;&#x30CA;&#x30EA;&#x30F3;&#x30B0;&#x306E;&#x9055;&#x3044;&#x3092;&#x8B58;&#x5225;&#x3059;&#x308B;&#x907A;&#x4F1D;&#x5B50;&#x30AA;&#x30F3;&#x30C8;&#x30ED;&#x30B8;&#x30FC;&#x3068;&#x7D4C;&#x8DEF;&#x30A2;&#x30CE;&#x30C6;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x7528;&#x8A9E;&#x306E;&#x7D71;&#x8A08;&#x7684;&#x5206;&#x6790;&#x3092;&#x9069;&#x7528;&#x3057;&#x307E;&#x3059;&#x3002;&#x5DEE;&#x52D5;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x306E;&#x672A;&#x51E6;&#x7406;&#x306E;&#x9759;&#x8108;&#x3068;&#x52D5;&#x8108;&#x306E;&#x5185;&#x76AE;&#x7D30;&#x80DE;&#x304C;&#x5F97;&#x3089;&#x308C;&#x305F;&#x3088;&#x308A;&#x9AD8;&#x3044;&#x672A;&#x51E6;&#x7406; SVEC &#x3067;&#x767A;&#x73FE;&#x3059;&#x308B;&#x907A;&#x4F1D;&#x5B50;&#x306E; 285 (P &lt; 0.005 &#x3068;&#x6298;&#x308A;&#x5909;&#x66F4;&#x76EE; 1.5)&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x907A;&#x4F1D;&#x5B50;&#x30EC;&#x30B9;&#x30DD;&#x30F3;&#x30B9;&#x5897;&#x6B96;&#x3001;&#x9178;&#x5316;&#x9084;&#x5143;&#x9175;&#x7D20;&#x6D3B;&#x6027;, &#x6297;&#x708E;&#x75C7;&#x53CD;&#x5FDC;&#x3001;&#x7D30;&#x80DE;&#x5897;&#x6B96;&#x3084;&#x6B62;&#x8840;&#x6A5F;&#x80FD;&#x3092;&#x542B;&#x3080;&#x69D8;&#x3005; &#x306A;&#x52D5;&#x8108;&#x786C;&#x5316;&#x95A2;&#x9023;&#x7D4C;&#x8DEF;&#x306F;&#x3001;&#x8868;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x307E;&#x305F;&#x3001;&#x9178;&#x5316; LDL &#x3068;&#x523A;&#x6FC0; SVEC&#x3001;&#x63A5;&#x7740;&#x3001;&#x5897;&#x6B96;&#x3001;&#x30A2;&#x30DD;&#x30C8;&#x30FC;&#x30B7;&#x30B9;&#x7D4C;&#x8DEF;&#x306B;&#x95A2;&#x3059;&#x308B; CAEC &#x306E;&#x5FDC;&#x7B54;&#x3068;&#x6BD4;&#x8F03;&#x3057;&#x3066;&#x5287;&#x7684;&#x306B;&#x5927;&#x304D;&#x3044;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x3092;&#x8A98;&#x5C0E;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x5BFE;&#x7167;&#x7684;&#x306B;&#x3001;&#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30ED;&#x30A4;&#x30AD;&#x30F3; &#xFF0D;1 &beta; &#x304A;&#x3088;&#x3073;&#x816B;&#x760D;&#x58CA;&#x6B7B;&#x56E0;&#x5B50;&#x30A2;&#x30EB;&#x30D5;&#x30A1; CAEC &#x3068; SVEC &#x306E;&#x3088;&#x3046;&#x306A;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x5FDC;&#x7B54;&#x3092;&#x6D3B;&#x6027;&#x5316;&#x3002;&#x6A5F;&#x80FD;&#x5FDC;&#x7B54;&#x3068;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x306E;&#x9055;&#x3044;&#x306F;&#x3001;&#x3055;&#x3089;&#x306B;&#x3001;in vitro &#x5897;&#x6B96;&#x306E;&#x8A66;&#x91D1;&#x3068; alphabeta &#x30AF;&#x30EA;&#x30B9;&#x30BF;&#x30EA;&#x30F3;&#x86CB;&#x767D;&#x8CEA;&#x306E;&#x751F;&#x4F53;&#x5185;&#x3067;&#x306E;&#x514D;&#x75AB;&#x67D3;&#x8272;&#x3067;&#x691C;&#x8A3C;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x6211;&#x3005; &#x306E;&#x7D50;&#x679C;&#x306F;&#x5F37;&#x304F;&#x7570;&#x306A;&#x308B;&#x56FA;&#x6709;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x30D7;&#x30ED;&#x30B0;&#x30E9;&#x30E0;&#x9759;&#x8108;&#x5185;&#x76AE;&#x7D30;&#x80DE;&#x5BFE;&#x52D5;&#x8108;&#x3067;&#x52D5;&#x8108;&#x786C;&#x5316;&#x6027;&#x75BE;&#x60A3;&#x611F;&#x53D7;&#x6027;&#x306E;&#x9055;&#x3044;&#x306B;&#x5BC4;&#x4E0E;&#x3059;&#x308B;&#x3053;&#x3068;&#x3092;&#x304A;&#x52E7;&#x3081;&#x3002;

&#x8840;&#x7BA1;&#x30D9;&#x30C3;&#x30C9;&#x75BE;&#x60A3;&#x611F;&#x53D7;&#x6027;&#x306E;&#x9055;&#x3044;, &#x52D5;&#x8108;&#x786C;&#x5316;&#x306E;&#x523A;&#x6FC0;&#x5FDC;&#x7B54;&#x907A;&#x4F1D;&#x5B50;&#x306E;&#x9055;&#x3044;&#x3092;&#x53CD;&#x6620;&#x3057;&#x307E;&#x3059;&#x3002;

&#xB3D9;&#xB9E5; &#xACBD;&#xD654; &#xBC1C;&#xC0DD; &#xC8FC;&#xB85C; &#xB3D9;&#xB9E5;&#xACFC; &#xAC70;&#xC758; &#xC815; &#xB9E5;&#xC5D0;&#xC11C;. &#xC774; &#xC5F0;&#xAD6C;&#xC758; &#xBAA9;&#xD45C;&#xB294; &#xB3D9;&#xB9E5; &#xACBD; &#xD654;&#xC131; &#xC790;&#xADF9;&#xC5D0; &#xC815; &#xB9E5;&#xACFC; &#xB3D9;&#xB9E5; &#xB0B4; &#xD53C; &#xC138;&#xD3EC; (ECs)&#xC758; &#xBD84;&#xC790; &#xC751;&#xB2F5;&#xC758; &#xCC28;&#xC774; &#xB290;&#xB07C;&#xAE30; &#xC26C;&#xC6B4; &#xB3D9;&#xB9E5; &#xACBD;&#xD654; &#xD608;&#xAD00; &#xCE68;&#xB300; &#xCC28;&#xC774;&#xC5D0; &#xAE30;&#xC5EC;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4; &#xC5EC;&#xBD80;&#xB97C; &#xD14C;&#xC2A4;&#xD2B8; &#xD588;&#xB2E4;. &#xC6B0;&#xB9AC; &#xC778;&#xAC04;&#xC758; saphenous &#xC815; &#xB9E5; (SVEC)&#xC640; &#xAD00;&#xC0C1; &#xB3D9;&#xB9E5; (CAEC) atherogenic &#xC790;&#xADF9;&#xC5D0; &#xB178;&#xCD9C;&#xC5D0;&#xC11C; &#xAE30;&#xBCF8; &#xAD50;&#xC591;&#xB41C; Ecs&#xC758; &#xC9C4; &#xC2DD; &#xD504;&#xB85C;&#xD544; &#xBE44;&#xAD50; &#xD569;&#xB2C8;&#xB2E4;. &#xCC28;&#xB3D9; &#xD45C;&#xD604;&#xB41C; &#xC720;&#xC804;&#xC790; &#xC2DD;&#xBCC4; &#xC774;&#xC678;&#xC5D0; &#xC6B0;&#xB9AC; &#xC140; &#xC720;&#xD615; &#xBC0F; &#xC790;&#xADF9;&#xC5D0; &#xAD00;&#xB828; &#xB41C; &#xC2E0;&#xD638; &#xCC28;&#xC774; &#xC2DD;&#xBCC4; &#xD558;&#xAE30; &#xC704;&#xD574; &#xC720;&#xC804;&#xC790; &#xC628;&#xD1A8;&#xB85C;&#xC9C0;&#xC640; &#xD1B5;&#xB85C; &#xC8FC;&#xC11D; &#xC6A9;&#xC5B4;&#xC758; &#xD1B5;&#xACC4; &#xBD84;&#xC11D;&#xC744; &#xC801;&#xC6A9;. &#xCC28;&#xB3D9; &#xC720;&#xC804;&#xC790; &#xBC1C;&#xD604;&#xC758; &#xCE58;&#xB8CC; &#xC815; &#xB9E5;&#xACFC; &#xB3D9;&#xB9E5; &#xB0B4; &#xD53C; &#xC138;&#xD3EC; 285 &#xC720;&#xC804;&#xC790; &#xCE58;&#xB8CC; &#xB418;&#xC9C0; &#xC54A;&#xB294; SVEC &#xB2E8;&#xC704;&#xB85C; &#xB354; &#xB192;&#xAC8C; &#xB098;&#xC654;&#xACE0; (P &lt; 0.005 &#xBC0F; &#xC811;&#xAE30; &#xBCC0;&#xACBD; &amp;gt; 1.5). &#xC774;&#xB7EC;&#xD55C; &#xC720;&#xC804;&#xC790; &#xD655;&#xC0B0;, oxidoreductase &#xD65C;&#xB3D9;, &#xD55C; &#xC751;&#xB2F5;, &#xC138;&#xD3EC; &#xC131;&#xC7A5; &#xBC0F; &#xCDA9;&#xBD84;&#xD788; &#xD568;&#xC218;&#xC5D0; &#xB300; &#xD55C; &#xC751;&#xB2F5;&#xC744; &#xD3EC;&#xD568; &#xD558; &#xC5EC; &#xB2E4;&#xC591; &#xD55C; &#xC544; &#xD14C; &#xB86C; &#xAD00;&#xB828; &#xACBD;&#xB85C; &#xD45C;&#xC2DC;. &#xB610;&#xD55C;, &#xC0B0;&#xD654; &#xD55C; LDL&#xC640; &#xC790;&#xADF9; &#xC720;&#xBC1C; SVEC, &#xC811;&#xCC29;, &#xD655;&#xC0B0;, apoptosis &#xACBD;&#xB85C;&#xC5D0; &#xAD00;&#xB828; &#xB41C; CAEC&#xC5D0; &#xB300; &#xD55C; &#xC751;&#xB2F5;&#xC5D0; &#xBE44;&#xD574; &#xADF9;&#xC801;&#xC73C;&#xB85C; &#xD070; &#xC720;&#xC804;&#xC790; &#xBC1C;&#xD604;. &#xB300;&#xC870;&#xC801;&#xC73C;&#xB85C;, &#xC778;&#xD130; &#xB8E8; &#xD0A8; 1beta &#xBC0F; &#xC885;&#xC591; &#xAD34; &#xC0AC; &#xC694;&#xC778; &#xC54C;&#xD30C; CAEC &#xBC0F; SVEC&#xC5D0;&#xC11C; &#xBE44;&#xC2B7;&#xD55C; &#xC720;&#xC804;&#xC790; &#xC2DD; &#xC751;&#xB2F5; &#xD65C;&#xC131;&#xD654;. &#xAE30;&#xB2A5; &#xC751;&#xB2F5; &#xBC0F; &#xC720;&#xC804;&#xC790; &#xBC1C;&#xD604;&#xC758; &#xCC28;&#xC774; &#xD588;&#xB2E4; &#xB354; &#xCCB4; &#xC678; &#xC99D;&#xC2DD; &#xC2DC;&#xD5D8; &#xBC0F; &#xC0DD;&#xCCB4; &#xC870;&#xAC74; immunostaining alphabeta crystallin &#xB2E8;&#xBC31;&#xC9C8;&#xC758; &#xC720;&#xD6A8;&#xC131;&#xC744; &#xAC80;&#xC0AC; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xC758; &#xACB0;&#xACFC; &#xAC15;&#xB825; &#xD558; &#xAC8C; &#xB2E4;&#xB978; &#xACE0;&#xC720;&#xC758; &#xC720;&#xC804;&#xC790; &#xC2DD; &#xD504;&#xB85C;&#xADF8;&#xB7A8;&#xC744; &#xC815; &#xB9E5; &#xB0B4; &#xD53C; &#xC138;&#xD3EC;&#xC640; &#xB3D9;&#xB9E5; &#xB3D9;&#xB9E5; &#xACBD; &#xD654;&#xC131; &#xC9C8;&#xBCD1; &#xBBFC;&#xAC10;&#xC131;&#xC758; &#xCC28;&#xC774;&#xC5D0; &#xAE30;&#xC5EC;&#xD560; &#xAC83;&#xC774; &#xC88B;&#xC2B5;&#xB2C8;&#xB2E4;.

&#xD608;&#xAD00; &#xCE68;&#xB300; &#xC9C8;&#xBCD1; &#xBBFC;&#xAC10;&#xC131;&#xC758; &#xCC28;&#xC774; atherogenic &#xC790;&#xADF9;&#xC5D0; &#xB300; &#xD55C; &#xC9C4; &#xC2DD; &#xC751;&#xB2F5;&#xC5D0;&#xC11C; &#xCC28;&#xC774; &#xBC18;&#xC601; &#xD569;&#xB2C8;&#xB2E4;.

Ateroesclerosis ocurre predominantemente en las arterias y solamente raramente en las venas. El objetivo de este estudio fue comprobar si las diferencias en las respuestas moleculares de las c&eacute;lulas endoteliales venosas y arteriales (ECs) a est&iacute;mulos ateroscler&oacute;ticas podr&iacute;an contribuir a diferencias del lecho vascular en la susceptibilidad a la aterosclerosis. Se compararon los perfiles de expresi&oacute;n g&eacute;nica de primarias ECs cultivadas de vena safena humana (SVEC) y coronaria (CAEC) expuestos a est&iacute;mulos aterog&eacute;nicos. Adem&aacute;s de identificar genes expresados diferencialmente, aplicamos el an&aacute;lisis estad&iacute;stico de los t&eacute;rminos de gene ontology and camino de anotaci&oacute;n para identificar diferencias se&ntilde;alizaci&oacute;n relacionadas con est&iacute;mulo y tipo de la c&eacute;lula. Expresi&oacute;n g&eacute;nica diferencial de tratamiento venoso y arteriales c&eacute;lulas endoteliales rindieron 285 genes m&aacute;s altamente expresados en SVEC no tratado (P &lt; cambio 0.005 y doblez &gt; 1.5). Estos genes representan diversas v&iacute;as relacionadas con la ateroesclerosis, incluidas las respuestas a la proliferaci&oacute;n, actividad oxidorreductasa, respuestas antiinflamatorias, crecimiento celular y funciones de la hemostasia. Por otra parte, estimulaci&oacute;n con LDL oxidada inducida dram&aacute;ticamente mayor expresi&oacute;n g&eacute;nica respuestas en CAEC en comparaci&oacute;n con SVEC, relativos a la adhesi&oacute;n, proliferaci&oacute;n y v&iacute;as de apoptosis. Por el contrario, Interleucina 1beta y factor de necrosis tumoral alfa activa respuestas similares de expresi&oacute;n g&eacute;nica en CAEC tanto SVEC. Las diferencias en la respuesta funcional y expresi&oacute;n g&eacute;nica m&aacute;s fueron validadas por un ensayo de proliferaci&oacute;n in vitro y in vivo inmunotinci&oacute;n de alphabeta-crystallin prote&iacute;na. Nuestros resultados sugieren fuertemente que los programas de expresi&oacute;n de diferentes genes inherente en arterial frente a las c&eacute;lulas endoteliales venosas contribuyen a diferencias en la susceptibilidad de la enfermedad ateroscler&oacute;tica.

Diferencias en la susceptibilidad de la enfermedad del lecho vascular reflejan diferencias en la respuesta de expresi&oacute;n del gen a est&iacute;mulos aterog&eacute;nicos.

&#x63D0;&#x4F9B;&#x591A;&#x4E2A;&#x89C6;&#x89C9;&#x4FE1;&#x606F;&#x7684;&#x5404;&#x9879;&#x51B3;&#x8BAE; &#xFF08;VIR&#xFF09; &#x7684;&#x63A5;&#x53E3;&#xFF0C;&#x5728;&#x4F4E; VIR &#x6982;&#x8FF0;&#x901A;&#x5E38;&#x727A;&#x7272;&#x89C6;&#x89C9;&#x7EC6;&#x8282;&#x663E;&#x793A;&#x80FD;&#x529B;&#xFF0C;&#x7528;&#x6237;&#x53EF;&#x4EE5;&#x9009;&#x62E9;&#x8981;&#x5728;&#x66F4;&#x9AD8;&#x7684;&#x5F55;&#x5F71;&#x5BA1;&#x67E5;&#x7684;&#x611F;&#x5174;&#x8DA3;&#x533A;&#x57DF;&#x7684;&#x5047;&#x8BBE;&#x3002;&#x8BBE;&#x8BA1;&#x4EBA;&#x5458;&#x53EF;&#x4EE5;&#x521B;&#x5EFA;&#x4F4E;&#x5F55;&#x5F71;&#x57FA;&#x4E8E;&#x591A;&#x5C42;&#x6B21;&#x7ED3;&#x6784;&#x6240;&#x56FA;&#x6709;&#x7684;&#x6570;&#x636E;&#xFF0C;&#x4F46;&#x6709;&#x4EC0;&#x4E48;&#x6307;&#x5BFC;&#x4E0E;&#x5355;&#x7EA7;&#x522B;&#x7684;&#x6570;&#x636E;&#x3002;&#x4E3A;&#x4E86;&#x66F4;&#x597D;&#x5730;&#x6307;&#x5BFC;&#x7684;&#x8BBE;&#x8BA1;&#x6298;&#x8877;&#x4E4B;&#x95F4;&#x663E;&#x793A;&#x80FD;&#x529B;&#x548C;&#x89C6;&#x89C9;&#x76EE;&#x6807;&#x7684;&#x4E3B;&#x4F53;&#x6027;&#xFF0C;&#x6211;&#x4EEC;&#x770B;&#x7740;&#x5728;&#x4E24;&#x4E2A;&#x591A; VIR &#x63A5;&#x53E3;&#x6982;&#x8FF0;&#x4F7F;&#x7528;&#x9AD8; VIR &#x663E;&#x793A;&#x5D4C;&#x5165;&#x5F0F;&#x5185;&#xFF0C;&#x6216;&#x5206;&#x5F00;&#x6982;&#x8FF0;&#x3002;&#x6211;&#x4EEC;&#x7814;&#x7A76;&#x6709;&#x6548;&#x6982;&#x8FF0;&#x4E24;&#x4E2A;&#x89C6;&#x89C9;&#x8981;&#x6C42;&#xFF0C;&#x53D1;&#x73B0;&#x53C2;&#x52A0;&#x8005;&#x4F1A;&#x53EF;&#x9760;&#x5730;&#x4F7F;&#x7528;&#x4F4E; VIR &#x6982;&#x8FF0;&#xFF0C;&#x53EA;&#x5F53;&#x89C6;&#x89C9;&#x7684;&#x76EE;&#x6807;&#x5F88;&#x7B80;&#x5355;&#xFF0C;&#x6709;&#x5C0F;&#x7684;&#x53EF;&#x89C6;&#x8303;&#x56F4;&#x3002;&#x5426;&#x5219;&#xFF0C;&#x81F3;&#x5C11; 20%&#x9009;&#x62E9;&#x4E86;&#x4EE5;&#x72EC;&#x5360;&#x65B9;&#x5F0F;&#x4F7F;&#x7528;&#x9AD8; VIR &#x89C6;&#x56FE;&#x3002;&#x5947;&#x602A;&#x7684;&#x662F;&#xFF0C;&#x65E2;&#x4E0D;&#x591A; VIR &#x63A5;&#x53E3;&#x63D0;&#x4F9B;&#x6027;&#x80FD;&#x597D;&#x5904;&#x65F6;&#x76F8;&#x6BD4;&#xFF0C;&#x4F7F;&#x7528;&#x5355;&#x72EC;&#x7684;&#x9AD8; VIR &#x89C6;&#x56FE;&#x3002;&#x7136;&#x800C;&#xFF0C;&#x6211;&#x4EEC;&#x5E76;&#x672A;&#x9075;&#x5B88;&#x63D0;&#x4F9B;&#x5339;&#x914D;&#x7684;&#x76EE;&#x6807;--&#x5E76;&#x6392;&#x6BD4;&#x8F83;&#x7684;&#x597D;&#x5904;&#x3002;&#x6211;&#x4EEC;&#x731C;&#x60F3;&#x7684;&#x591A; VIR &#x754C;&#x9762;&#x4EA4;&#x4E92;&#xFF0C;&#x9AD8;&#x8BA4;&#x77E5;&#x8D1F;&#x8377;&#x662F;&#x5426;&#x771F;&#x5B9E;&#x7684;&#x6216;&#x60F3;&#x8C61;&#x662F;&#x5176;&#x6709;&#x6548;&#x4F7F;&#x7528;&#x6BD4;&#x4EE5;&#x524D;&#x88AB;&#x8BA4;&#x4E3A;&#x66F4;&#x5927;&#x969C;&#x788D;&#x3002;

&#x6982;&#x8FF0;&#x5728;&#x89C6;&#x89C9;&#x4FE1;&#x606F;&#x7684;&#x591A;&#x4E2A;&#x51B3;&#x8BAE;&#x63A5;&#x53E3;&#x4E2D;&#x4F7F;&#x7528;&#x3002;

In interfaces that provide multiple visual information resolutions (VIR), low-VIR overviews typically sacrifice visual details for display capacity, with the assumption that users can select regions of interest to examine at higher VIRs. Designers can create low-VIRs based on multi-level structure inherent in the data, but have little guidance with single-level data. To better guide design tradeoff between display capacity and visual target perceivability, we looked at overview use in two multiple-VIR interfaces with high-VIR displays either embedded within, or separate from, the overviews. We studied two visual requirements for effective overview and found that participants would reliably use the low-VIR overviews only when the visual targets were simple and had small visual spans. Otherwise, at least 20% chose to use the high-VIR view exclusively. Surprisingly, neither of the multiple-VIR interfaces provided performance benefits when compared to using the high-VIR view alone. However, we did observe benefits in providing side-by-side comparisons for target matching. We conjecture that the high cognitive load of multiple-VIR interface interactions, whether real or perceived, is a more considerable barrier to their effective use than was previously considered.

Overview use in multiple visual information resolution interfaces.

Dans les interfaces qui fournissent de multiples r&eacute;solutions d&#39;informations visuelles (VIR), aper&ccedil;us de la basse-VIR sacrifient g&eacute;n&eacute;ralement des d&eacute;tails visuels pour la capacit&eacute; d&#39;exposition, en partant du principe que les utilisateurs peuvent s&eacute;lectionner des r&eacute;gions d&#39;int&eacute;r&ecirc;t d&#39;examiner &agrave; la DRTV sup&eacute;rieur. Concepteurs peuvent cr&eacute;er des bas-VIRs, bas&eacute;s sur la structure multi-niveaux inh&eacute;rente dans les donn&eacute;es, mais ont peu d&#39;indications avec les donn&eacute;es d&#39;un seul niveau. Pour mieux guider les compromis de conception entre la capacit&eacute; de l&#39;&eacute;cran et perceivability cible visuelle, nous avons examin&eacute; utilisation aper&ccedil;u dans les deux interfaces multiples-VIR avec &eacute;crans haute-VIR soit incorpor&eacute;s au sein ou s&eacute;par&eacute;s, les vues d&#39;ensemble. On a &eacute;tudi&eacute; deux exigences visuelles pour une pr&eacute;sentation efficace et trouv&eacute; que les participants utiliseraient fiable les aper&ccedil;us de la basse-VIR uniquement lorsque les objectifs visuels &eacute;taient simples et avaient des petites trav&eacute;es visual. Sinon, au moins 20 % a choisi d&#39;utiliser la vue de haut-VIR exclusivement. &Eacute;tonnamment, aucune des interfaces multiples-VIR fourni des avantages de performances par rapport &agrave; l&#39;utilisation de la vue de haut-VIR seule. Cependant, nous avons observ&eacute; avantages en fournissant des comparaisons c&ocirc;te-&agrave;-c&ocirc;te pour cible correspondant. Nous conjecturons que la forte charge cognitive des interactions d&#39;interface multiple-VIR, r&eacute;elle ou per&ccedil;ue, est un obstacle plus important &agrave; leur utilisation effective qu&#39;a d&eacute;j&agrave; fait.

Utilisation d&#39;aper&ccedil;u dans plusieurs interfaces de r&eacute;solution des informations visuelles.

In Schnittstellen, die mehrere visuelle Informationen Aufl&ouml;sungen (VIR) bereitstellen, opfere niedrig-VIR &Uuml;bersichten normalerweise visuelle Details f&uuml;r Display-Kapazit&auml;t, mit der Annahme, dass Benutzer Regionen von Interesse, bei h&ouml;heren VIRs pr&uuml;fen ausw&auml;hlen k&ouml;nnen. Designer k&ouml;nnen niedrig-VIRs basierend auf Multi-Level-Struktur inh&auml;rent in den Daten zu erstellen, haben aber wenig Anleitung mit einstufigen Daten. Um besser Entwurf Kompromiss zwischen Display-Kapazit&auml;t und visuelle Ziel Wahrnehmbarkeit zu lenken, betrachteten wir &Uuml;bersicht Einsatz in zwei Multiple-VIR-Schnittstellen mit hoher-VIR-Displays in eingebunden werden oder getrennt von den &Uuml;bersichten. Wir zwei visuelle Anforderungen effektiv &Uuml;bersicht studierte und festgestellt, dass die Teilnehmer zuverl&auml;ssig die niedrig-VIR-&Uuml;bersichten verwenden w&uuml;rde, nur, wenn die visuellen Ziele einfache waren und kleine visuelle Spannweiten. Andernfalls w&auml;hlte mindestens 20 %, die hoch-VIR-Sicht ausschlie&szlig;lich zu verwenden. &Uuml;berraschenderweise weder der Multiple-VIR-Schnittstellen zur Verf&uuml;gung gestellt Performance-Vorteile im Vergleich zu den hoch-VIR Ansicht allein. Allerdings habe wir Vorteile bei der Bereitstellung von Side-by-Side-Vergleiche passendes Ziel beobachten. Wir vermuten, dass die hohe kognitive Last Multiple-VIR Schnittstelle Interaktionen, ob echte oder vermeintliche, ein noch betr&auml;chtlicher Hindernis f&uuml;r ihre effektive Nutzung ist als zuvor galt.

&Uuml;bersicht &uuml;ber die Verwendung in mehrere visuelle Informationen Aufl&ouml;sung Schnittstellen.

Nelle interfacce che forniscono risoluzioni multiple di informazioni visive (VIR), panoramiche VIR-basso in genere sacrificano dettagli visivi per capacit&agrave; di visualizzazione, con il presupposto che gli utenti possono selezionare regioni di interesse esaminare in maggiore VIRs. Progettisti possono creare basso-VIRs basata sulla struttura multi-livello inerente i dati, ma hanno poca guida con dati a livello di singolo. Per meglio guidare design compromesso tra capacit&agrave; di visualizzazione e perceivability bersaglio visivo, abbiamo guardato panoramica uso in due interfacce multiple-VIR con display high-VIR o incorporati all&#39;interno, o separata da, le panoramiche. Abbiamo studiato due requisiti visivi per la panoramica efficacia e ha trovato che i partecipanti in modo affidabile utilizzerebbe le panoramiche VIR-basso solo quando i bersagli visivi erano semplici e avevano piccole campate visual. In caso contrario, almeno il 20% ha scelto di utilizzare esclusivamente la vista high-VIR. Sorprendentemente, n&eacute; delle interfacce multiple-VIR fornito prestazioni rispetto a usando la VIR-alta vista da solo. Tuttavia, abbiamo osservare benefici nella fornitura di confronto side-by-side per target matching. Si congettura che l&#39;elevato carico cognitivo delle interazioni interfaccia multipla-VIR, reali o percepite, &egrave; una barriera pi&ugrave; considerevole al loro uso efficace che in precedenza era considerato.

Panoramica uso in molteplici interfacce di risoluzione di informazioni visive.

&#x8907;&#x6570;&#x306E;&#x8996;&#x899A;&#x60C5;&#x5831;&#x306E;&#x89E3;&#x50CF;&#x5EA6; &#xFF08;VIR&#xFF09; &#x3092;&#x63D0;&#x4F9B;&#x3059;&#x308B;&#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9;&#x3067;&#x306F;&#x3001;&#x4F4E; VIR &#x6982;&#x8981;&#x901A;&#x5E38;&#x30C7;&#x30A3;&#x30B9;&#x30D7;&#x30EC;&#x30A4;&#x306E;&#x5BB9;&#x91CF;&#x306F;&#x3001;&#x30E6;&#x30FC;&#x30B6;&#x30FC;&#x306B;&#x9AD8;&#x3044; VIRs &#x3092;&#x8ABF;&#x3079;&#x3066;&#x8208;&#x5473;&#x306E;&#x9818;&#x57DF;&#x3092;&#x9078;&#x629E;&#x3067;&#x304D;&#x308B;&#x3053;&#x3068;&#x3092;&#x524D;&#x63D0;&#x3068;&#x3057;&#x3066;&#x306E;&#x8996;&#x899A;&#x7684;&#x306A;&#x8A73;&#x7D30;&#x3092;&#x72A0;&#x7272;&#x306B;&#x3002;&#x30C7;&#x30B6;&#x30A4;&#x30CA;&#x30FC;&#x3001;&#x30C7;&#x30FC;&#x30BF;&#x306B;&#x5185;&#x5728;&#x30DE;&#x30EB;&#x30C1;&#x30EC;&#x30D9;&#x30EB;&#x306E;&#x69CB;&#x9020;&#x306B;&#x57FA;&#x3065;&#x304F;&#x4F4E; VIRs &#x3092;&#x4F5C;&#x6210;&#x304C;&#x30AC;&#x30A4;&#x30C0;&#x30F3;&#x30B9;&#x3092;&#x5358;&#x4E00;&#x30EC;&#x30D9;&#x30EB;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x304C;&#x3002;&#x826F;&#x3044;&#x8868;&#x793A;&#x80FD;&#x529B;&#x3068;&#x8996;&#x899A;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8; perceivability &#x9593;&#x30C7;&#x30B6;&#x30A4;&#x30F3;&#x306E;&#x30C8;&#x30EC;&#x30FC;&#x30C9;&#x30AA;&#x30D5;&#x3092;&#x30AC;&#x30A4;&#x30C9;&#x3059;&#x308B;&#x306B;&#x306F;&#x3001;&#x6982;&#x8981;&#x4F7F;&#x7528; 2 &#x3064;&#x306E;&#x8907;&#x6570; VIR &#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9;&#x3067;&#x9AD8; VIR &#x8868;&#x793A;&#x3001;&#x30D5;&#x30A1;&#x30A4;&#x30EB;&#x5185;&#x306B;&#x57CB;&#x3081;&#x8FBC;&#x3080;&#x304B;&#x3001;&#x5207;&#x308A;&#x96E2;&#x3057;&#x3066;&#x3001;&#x6982;&#x89B3;&#x56F3;&#x3092;&#x898B;&#x3066;&#x304F;&#x3060;&#x3055;&#x3044;&#x3002;&#x6211;&#x3005; &#x306F; 2 &#x3064;&#x306E;&#x8996;&#x899A;&#x7684;&#x306A;&#x8981;&#x4EF6;&#x306E;&#x52B9;&#x679C;&#x7684;&#x306A;&#x6982;&#x8981;&#x3092;&#x5B66;&#x3073;&#x3001;&#x8996;&#x899A;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8; &#x30B7;&#x30F3;&#x30D7;&#x30EB;&#x3060;&#x3063;&#x305F;&#x5C0F;&#x3055;&#x306A; visual &#x30B9;&#x30D1;&#x30F3;&#x304C;&#x3042;&#x3063;&#x305F;&#x3068;&#x304D;&#x306B;&#x306E;&#x307F;&#x3001;&#x53C2;&#x52A0;&#x8005;&#x304C;&#x78BA;&#x5B9F;&#x306B;&#x4F4E; VIR &#x6982;&#x8981;&#x4F7F;&#x308F;&#x306A;&#x3044;&#x3060;&#x308D;&#x3046;&#x3068;&#x308F;&#x304B;&#x308A;&#x307E;&#x3057;&#x305F;&#x3002;&#x305D;&#x308C;&#x4EE5;&#x5916;&#x306E;&#x5834;&#x5408;&#x306F;&#x3001;&#x5C11;&#x306A;&#x304F;&#x3068;&#x3082; 20 &#xFF05; &#x9AD8; VIR &#x30D3;&#x30E5;&#x30FC;&#x3092;&#x6392;&#x4ED6;&#x7684;&#x306B;&#x4F7F;&#x7528;&#x3059;&#x308B;&#x3053;&#x3068;&#x3092;&#x9078;&#x3093;&#x3060;&#x3002;&#x9A5A;&#x3044;&#x305F;&#x3053;&#x3068;&#x306B;&#x3001;&#x3069;&#x3061;&#x3089;&#x3082;&#x8907;&#x6570; VIR &#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9;&#x306E;&#x9AD8; VIR &#x30D3;&#x30E5;&#x30FC;&#x3060;&#x3051;&#x3092;&#x4F7F;&#x7528;&#x3059;&#x308B;&#x5834;&#x5408;&#x306B;&#x6BD4;&#x3079;&#x3066;&#x30D1;&#x30D5;&#x30A9;&#x30FC;&#x30DE;&#x30F3;&#x30B9;&#x4E0A;&#x306E;&#x5229;&#x70B9;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x305F;&#x3060;&#x3057;&#x3001;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x306B;&#x4E00;&#x81F4;&#x3059;&#x308B;&#x305F;&#x3081;&#x3001;&#x30B5;&#x30A4;&#x30C9; &#x30FB; &#x30D0;&#x30A4; &#x30FB; &#x30B5;&#x30A4;&#x30C9;&#x6BD4;&#x8F03;&#x3092;&#x63D0;&#x4F9B;&#x3059;&#x308B;&#x5229;&#x70B9;&#x3092;&#x89B3;&#x5BDF;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x9AD8;&#x8A8D;&#x77E5;&#x8CA0;&#x8377;&#x8907;&#x6570; VIR &#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306E;&#x5B9F;&#x8CEA;&#x304B;&#x611F;&#x77E5;&#x3055;&#x308C;&#x308B;&#x3001;&#x304B;&#x3069;&#x3046;&#x304B;&#x4EE5;&#x524D;&#x8003;&#x3048;&#x3089;&#x308C;&#x3066;&#x3044;&#x305F;&#x3088;&#x308A;&#x3082;&#x3088;&#x308A;&#x304B;&#x306A;&#x308A;&#x30D0;&#x30EA;&#x30A2;&#x306B;&#x52B9;&#x679C;&#x7684;&#x306A;&#x4F7F;&#x7528;&#x3067;&#x3042;&#x308B;&#x3053;&#x3068;&#x3092;&#x63A8;&#x6E2C;&#x3057;&#x307E;&#x3059;&#x3002;

&#x6982;&#x8981;&#x8907;&#x6570;&#x306E;&#x8996;&#x899A;&#x60C5;&#x5831;&#x306E;&#x89E3;&#x50CF;&#x5EA6;&#x306E;&#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9;&#x3067;&#x4F7F;&#x7528;&#x3057;&#x307E;&#x3059;&#x3002;

&#xC5EC;&#xB7EC; &#xC2DC;&#xAC01;&#xC801; &#xC815;&#xBCF4; &#xD574;&#xC0C1;&#xB3C4; (VIR)&#xB97C; &#xC81C;&#xACF5; &#xD558;&#xB294; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4;&#xC5D0; &#xB0AE;&#xC740; &#xBE44;&#xB974; &#xAC1C;&#xC694; &#xC77C;&#xBC18;&#xC801;&#xC73C;&#xB85C; &#xB514;&#xC2A4;&#xD50C;&#xB808;&#xC774; &#xC6A9;&#xB7C9; &#xB192;&#xC740; Virs&#xC5D0;&#xC11C; &#xAC80;&#xC0AC; &#xD558;&#xB294; &#xAD00;&#xC2EC;&#xC758; &#xC601;&#xC5ED;&#xC744; &#xC0AC;&#xC6A9;&#xC790;&#xAC00; &#xC120;&#xD0DD;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4; &#xAC00;&#xC815;&#xC5D0; &#xB300; &#xD55C; &#xC2DC;&#xAC01;&#xC801; &#xC815;&#xBCF4;&#xB97C; &#xD76C;&#xC0DD;. &#xB514;&#xC790;&#xC774;&#xB108; &#xB0AE;&#xC740; VIRs &#xBA40;&#xD2F0; &#xB808;&#xBCA8;&#xC758; &#xAD6C;&#xC870;&#xB294; &#xB370;&#xC774;&#xD130;&#xC5D0; &#xAE30;&#xBC18;&#xC744; &#xB9CC;&#xB4E4; &#xC218; &#xC788;&#xC9C0;&#xB9CC; &#xB2E8;&#xC77C; &#xC218;&#xC900;&#xC758; &#xB370;&#xC774;&#xD130;&#xC640; &#xC57D;&#xAC04;&#xC758; &#xC9C0;&#xB3C4;&#xAC00;&#xC9C0;&#xACE0;. &#xB354; &#xB098;&#xC740; &#xB514;&#xC2A4;&#xD50C;&#xB808;&#xC774; &#xC6A9;&#xB7C9; &#xBC0F; &#xC2DC;&#xAC01;&#xC801; &#xB300;&#xC0C1; perceivability &#xAC04; &#xB514;&#xC790;&#xC778; &#xAC70;&#xB798; &#xC548;&#xB0B4;, &#xC6B0;&#xB9AC;&#xB294; &#xB192;&#xC740;-&#xBE44;&#xB974; &#xB514;&#xC2A4;&#xD50C;&#xB808;&#xC774; &#xD3EC;&#xD568; &#xB0B4;&#xC5D0;&#xC11C; &#xB610;&#xB294; &#xBCC4;&#xB3C4;&#xB85C;, &#xAC1C;&#xC694;&#xC640; &#xB450; &#xB2E4;&#xC911; &#xBE44;&#xB974; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4;&#xC5D0;&#xC11C; &#xAC1C;&#xC694; &#xC0AC;&#xC6A9;&#xC5D0; &#xBCF4;&#xC600;&#xB2E4;. &#xC6B0;&#xB9AC; &#xD6A8;&#xACFC;&#xC801;&#xC778; &#xAC1C;&#xC694;&#xC5D0; &#xB300; &#xD55C; &#xB450; &#xAC00;&#xC9C0; &#xC2DC;&#xAC01;&#xC801; &#xC694;&#xAD6C; &#xC0AC;&#xD56D;&#xC744; &#xACF5;&#xBD80; &#xD558; &#xACE0; &#xC2DC;&#xAC01;&#xC801; &#xB300;&#xC0C1; &#xAC04;&#xB2E8; &#xD558; &#xACE0; &#xC791;&#xC740; &#xD45C;&#xC2DC; &#xBC94;&#xC704;&#xB97C; &#xD588;&#xB2E4; &#xD558;&#xB294; &#xACBD;&#xC6B0;&#xC5D0; &#xCC38;&#xAC00;&#xC790; &#xC548;&#xC815;&#xC801;&#xC73C;&#xB85C; &#xB0AE;&#xC740; &#xBE44;&#xB974; &#xAC1C;&#xC694; &#xC0AC;&#xC6A9; &#xAC83; &#xBC1C;&#xACAC;. &#xADF8;&#xB807;&#xC9C0; &#xC54A;&#xC73C;&#xBA74;, 20% &#xC774;&#xC0C1; &#xB192;&#xC740; &#xBE44;&#xB974; &#xBCF4;&#xAE30;&#xB97C; &#xB3C5;&#xC810;&#xC801;&#xC73C;&#xB85C; &#xC0AC;&#xC6A9; &#xD558;&#xAE30;&#xB85C; &#xACB0;&#xC815; &#xD588;&#xB2E4;. &#xB180;&#xB78D;&#xAC8C;&#xB3C4;, &#xB2E4;&#xC911;-&#xBE44;&#xB974; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4;&#xC758; &#xC5B4;&#xB290; &#xCABD;&#xB3C4; &#xD63C;&#xC790; &#xB192;&#xC740; &#xBE44;&#xB974; &#xBCF4;&#xAE30;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xBE44;&#xAD50;&#xD560; &#xB54C; &#xC131;&#xB2A5;&#xC0C1;&#xC758; &#xC774;&#xC810;&#xC744; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;. &#xADF8;&#xB7EC;&#xB098;, &#xC6B0;&#xB9AC;&#xB294; &#xB300;&#xC0C1; &#xC77C;&#xCE58;&#xC5D0; &#xCE21;&#xBA74; &#xB2E8;&#xACC4;&#xBCC4; &#xBE44;&#xAD50;&#xB97C; &#xC81C;&#xACF5; &#xD558;&#xB294; &#xD61C;&#xD0DD;&#xC744; &#xAD00;&#xCC30; &#xD588; &#xC5B4;. &#xC6B0;&#xB9AC;&#xB294; &#xB2E4;&#xC911;-&#xBE44;&#xB974; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC758; &#xB192;&#xC740; &#xC778;&#xC9C0; &#xBD80;&#xD558; &#xC2E4;&#xC81C; &#xB610;&#xB294; &#xC778;&#xC2DD;, &#xC778;&#xC9C0; &#xACE0;&#xB824; &#xC774;&#xC804;&#xC5D0; &#xBCF4;&#xB2E4; &#xD6A8;&#xACFC;&#xC801;&#xC778; &#xC0AC;&#xC6A9;&#xC744; &#xB354; &#xC0C1;&#xB2F9;&#xD55C; &#xC7A5;&#xBCBD; &#xCD94;&#xCE21;.

&#xC5EC;&#xB7EC; &#xC2DC;&#xAC01; &#xC815;&#xBCF4; &#xD574;&#xC0C1;&#xB3C4; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4;&#xC5D0;&#xC11C; &#xAC1C;&#xC694; &#xC0AC;&#xC6A9;&#xC785;&#xB2C8;&#xB2E4;.

En interfaces que proporcionan m&uacute;ltiples resoluciones de la informaci&oacute;n visual (VIR), descripciones de baja-VIR t&iacute;picamente sacrifican detalles visuales para la capacidad de la pantalla, con la suposici&oacute;n de que los usuarios pueden seleccionar regiones de inter&eacute;s examinar en mayor VIRs. Dise&ntilde;adores pueden crear baja-VIRs basados en estructura multinivel inherente a los datos, pero tienen poca orientaci&oacute;n con un nivel de datos. Para guiar mejor dise&ntilde;o equilibrio entre capacidad expositiva y perceivability de objetivo visual, nos fijamos en Resumen uso en dos interfaces m&uacute;ltiples-VIR con pantallas de alta-VIR incrustados dentro, o separados, las descripciones. Estudiamos dos exigencias visuales para Resumen eficaz y encontr&oacute; que los participantes confiablemente utilizar&iacute;a las descripciones de la bajo-VIR s&oacute;lo cuando los objetivos visuales eran simples y ten&iacute;an peque&ntilde;os vanos visuales. De lo contrario, por lo menos 20% opt&oacute; por utilizar la vista de alta-VIR exclusivamente. Sorprendentemente, ninguno de los interfaces de la m&uacute;ltiple-VIR proporciona ventajas de rendimiento en comparaci&oacute;n con utilizando la vista alta-VIR sola. Sin embargo, observamos beneficios en la prestaci&oacute;n de las comparaciones de lado a lado para emparejar el destino. Conjeturamos que la alta carga cognitiva de las interacciones de interfaz m&uacute;ltiple-VIR, ya sea real o percibida, es una barrera m&aacute;s considerable para su uso efectivo que anteriormente era considerado.

Resumen de uso en m&uacute;ltiples interfaces de resoluci&oacute;n de informaci&oacute;n visual.

&#x9AD8;&#x5BC6;&#x5EA6;&#x8102;&#x86CB;&#x767D; (HDL) &#x4E9A;&#x7EC4;&#x5206;&#x4E4B;&#x95F4;&#x65B0;&#x51FA;&#x73B0;&#x4E86;&#x52A8;&#x8109;&#x7CA5;&#x6837;&#x786C;&#x5316;&#x7684;&#x5371;&#x9669;&#x56E0;&#x7D20;&#x3002;&#x5C24;&#x5176;&#x662F;&#xFF0C;&#x9AD8;&#x5BC6;&#x5EA6;&#x8102;&#x86CB;&#x767D; 2b &#x8868;&#x660E;&#x8981;&#x94FE;&#x63A5;&#x5230;&#x5FC3;&#x8840;&#x7BA1;&#x98CE;&#x9669;&#x3002;&#x8FD9;&#x9879;&#x7814;&#x7A76;&#x4F7F;&#x7528;&#x4E00;&#x79CD;&#x65B0;&#x578B;&#x7684;&#x57FA;&#x4E8E;&#x5FAE;&#x6D41;&#x4F53;&#x7684;&#x65B9;&#x6CD5;&#x6765;&#x5EFA;&#x7ACB;&#x4F7F;&#x7528;&#x6765;&#x81EA;&#x672A;&#x6765;&#x5FC3;&#x8840;&#x7BA1; Muenster &#xFF08;PROCAM&#xFF09; &#x7814;&#x7A76;&#x6837;&#x672C;&#x7684; HDL 2b &#x4E34;&#x5E8A;&#x5B9E;&#x7528;&#x7A0B;&#x5E8F;&#x3002;

PROCAM &#x7814;&#x7A76;&#xFF1A; &#x4F7F;&#x7528;&#x5FAE;&#x6D41;&#x63A7;&#x9AD8;&#x5BC6;&#x5EA6;&#x8102;&#x86CB;&#x767D; (HDL) subfractionation &#x7684;&#x5FC3;&#x808C;&#x6897;&#x6B7B;&#x7684;&#x98CE;&#x9669;&#x9884;&#x6D4B;&#x662F;&#x72EC;&#x7ACB;&#x7684;&#x9AD8;&#x5BC6;&#x5EA6;&#x8102;&#x86CB;&#x767D;&#x80C6;&#x56FA;&#x9187;&#x3002;

High-density lipoprotein (HDL) subfractions are among the new emerging risk factors for atherosclerosis. In particular, HDL 2b has been shown to be linked to cardiovascular risk. This study uses a novel microfluidics-based method to establish HDL 2b clinical utility using samples from the Prospective Cardiovascular Muenster (PROCAM) Study.

PROCAM Study: risk prediction for myocardial infarction using microfluidic high-density lipoprotein (HDL) subfractionation is independent of HDL cholesterol.

Sous-fractions de lipoprot&eacute;ines de haute densit&eacute; (HDL) apparaissent parmi les nouveaux facteurs de risque de l&#39;ath&eacute;roscl&eacute;rose. En particulier, HDL 2 b s&#39;est av&eacute;r&eacute; &ecirc;tre li&eacute;e &agrave; un risque cardiovasculaire. Cette &eacute;tude utilise une nouvelle m&eacute;thode bas&eacute;e sur la microfluidique pour &eacute;tablir l&#39;utilit&eacute; clinique de HDL 2 b &agrave; l&#39;aide d&#39;&eacute;chantillons provenant de l&#39;&eacute;tude Prospective cardiovasculaire Muenster (PROCAM).

&Eacute;tude de PROCAM : pr&eacute;diction du risque d&#39;infarctus du myocarde &agrave; l&#39;aide de microfluidique sous-fractionnement de lipoprot&eacute;ines de haute densit&eacute; (HDL) est ind&eacute;pendante du taux de cholest&eacute;rol HDL.

High-density-Lipoprotein (HDL) Subfraktionen entstehen unter dem neuen Risikofaktoren f&uuml;r Atherosklerose. Insbesondere hat sich HDL 2b gezeigt mit Herz-Kreislauf-Risiko verbunden sein. Diese Studie verwendet eine neuartige Mikrofluidik-basierte Methode zur Herstellung von HDL 2b klinischen Nutzen mit Proben aus der Prospective Cardiovascular M&uuml;nster (PROCAM)-Studie.

PROCAM-Studie: Risikovorhersage f&uuml;r Myokardinfarkt mit mikrofluidische High-density-Lipoprotein (HDL) Subfractionation ist unabh&auml;ngig von HDL-Cholesterin.

Subfractions lipoproteine ad alta densit&agrave; (HDL) stanno emergendo tra i nuovi fattori di rischio per l&#39;aterosclerosi. In particolare, l&#39;HDL 2b ha dimostrato di essere legata al rischio cardiovascolare. Questo studio utilizza un metodo basato su microfluidics romanzo per stabilire l&#39;utilit&agrave; clinica di HDL 2b utilizzando campioni dallo studio Prospective Cardiovascular M&uuml;nster (PROCAM).

Studio PROCAM: previsione di rischio per infarto miocardico mediante microfluidica lipoproteine ad alta densit&agrave; (HDL) subfractionation &egrave; indipendente di colesterolo HDL.

&#x9AD8;&#x5BC6;&#x5EA6;&#x30EA;&#x30DD;&#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA; &#xFF08;HDL&#xFF09; &#x4E9C;&#x5206;&#x753B;&#x30A2;&#x30C6;&#x30ED;&#x30FC;&#x30E0;&#x6027;&#x52D5;&#x8108;&#x786C;&#x5316;&#x306E;&#x5371;&#x967A;&#x56E0;&#x5B50;&#x3001;&#x65B0;&#x3057;&#x3044;&#x306E;&#x9593;&#x3067;&#x6D6E;&#x4E0A;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x7279;&#x306B;&#x3001;HDL 2b &#x306F;&#x5FC3;&#x8840;&#x7BA1;&#x30EA;&#x30B9;&#x30AF;&#x306B;&#x30EA;&#x30F3;&#x30AF;&#x3055;&#x308C;&#x308B;&#x3088;&#x3046;&#x306B;&#x793A;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x672C;&#x7814;&#x7A76;&#x306F;&#x5C06;&#x6765;&#x5FC3;&#x8840;&#x7BA1;&#x30DF;&#x30E5;&#x30F3;&#x30B9;&#x30BF;&#x30FC; &#xFF08;PROCAM) &#x7814;&#x7A76;&#x304B;&#x3089;&#x30B5;&#x30F3;&#x30D7;&#x30EB;&#x3092;&#x7528;&#x3044;&#x305F; HDL 2b &#x81E8;&#x5E8A;&#x7684;&#x6709;&#x7528;&#x6027;&#x3092;&#x78BA;&#x7ACB;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x65B0;&#x898F;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x30D9;&#x30FC;&#x30B9;&#x306E;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x307E;&#x3059;&#x3002;

&#x30D7;&#x30ED;&#x30AB;&#x30E0;&#x7814;&#x7A76;: &#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x9AD8;&#x5BC6;&#x5EA6;&#x30EA;&#x30DD;&#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA; &#xFF08;HDL&#xFF09; subfractionation &#x3092;&#x7528;&#x3044;&#x305F;&#x5FC3;&#x7B4B;&#x6897;&#x585E;&#x306E;&#x30EA;&#x30B9;&#x30AF;&#x4E88;&#x6E2C;&#x306F;&#x3001;HDL &#x30B3;&#x30EC;&#x30B9;&#x30C6;&#x30ED;&#x30FC;&#x30EB;&#x306E;&#x72EC;&#x7ACB;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;

&#xACE0;&#xBC00;&#xB3C4; &#xC9C0;&#xB2E8;&#xBC31; (HDL) subfractions &#xC0C8;&#xB85C;&#xC6B4; &#xC911; &#xB3D9;&#xB9E5; &#xACBD;&#xD654; &#xC99D;&#xC744; &#xC704;&#xD55C; &#xC704;&#xD5D8; &#xC694;&#xC18C; &#xB5A0;&#xC624;&#xB974;&#xACE0; &#xC788;&#xB2E4;. &#xD2B9;&#xD788;, HDL 2b &#xC2EC;&#xC7A5; &#xD608;&#xAD00;&#xC758; &#xC704;&#xD5D8;&#xC5D0; &#xC5F0;&#xACB0; &#xB41C; &#xAC83;&#xC73C;&#xB85C; &#xD45C;&#xC2DC; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774; &#xC5F0;&#xAD6C; &#xC18C;&#xC124; microfluidics &#xAE30;&#xBC18; &#xBA54;&#xC11C;&#xB4DC;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xBBF8;&#xB798;&#xC758; &#xC2EC;&#xC7A5; &#xD608;&#xAD00; &#xBB8C;&#xC2A4;&#xD130; (PROCAM) &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xC0D8;&#xD50C;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; HDL 2b &#xC784;&#xC0C1; &#xC720;&#xD2F8;&#xB9AC;&#xD2F0; &#xC124;&#xC815;.

PROCAM &#xC5F0;&#xAD6C;: &#xBBF8;&#xC138; &#xACE0;&#xBC00;&#xB3C4; &#xC9C0;&#xB2E8;&#xBC31; (HDL) subfractionation&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC2EC;&#xADFC; &#xACBD;&#xC0C9;&#xC758; &#xC704;&#xD5D8; &#xC608;&#xCE21;&#xC740; HDL &#xCF5C;&#xB808;&#xC2A4;&#xD14C;&#xB864;&#xC758; &#xB3C5;&#xB9BD;.

Subfracciones de la lipoprote&iacute;na de alta densidad (HDL) est&aacute;n surgiendo entre los nuevos factores de riesgo para la ateroesclerosis. En particular, se ha demostrado HDL 2b a relacionarse con el riesgo cardiovascular. Este estudio utiliza un nuevo m&eacute;todo basado en microflu&iacute;dica para establecer la utilidad cl&iacute;nica de HDL 2b utilizando muestras del estudio prospectivo Cardiovascular Muenster (PROCAM).

Estudio PROCAM: predicci&oacute;n de riesgo de infarto de miocardio con microflu&iacute;dicos lipoprote&iacute;na de alta densidad (HDL) subfractionation es independiente del colesterol HDL.

&#x6458;&#x8981;&#xFF1A; VistaClara &#x662F;&#x4E00;&#x4E2A;&#x63D2;&#x4EF6;&#x4E3A; Cytoscape&#xFF0C;&#x63D0;&#x4F9B;&#x66F4;&#x7075;&#x6D3B;&#x7684;&#x65B9;&#x6CD5;&#x6765;&#x76F4;&#x89C2;&#x663E;&#x793A;&#x7F51;&#x7EDC;&#x8303;&#x56F4;&#x5185;&#x7684;&#x57FA;&#x56E0;&#x548C;&#x86CB;&#x767D;&#x7684;&#x8868;&#x8FBE;&#x3002;&#x6269;&#x5C55;&#x7684;&#x5C5E;&#x6027;&#x6D4F;&#x89C8;&#x5668;&#x63D0;&#x4F9B;&#x7684;&#x56FE;&#x5F62;&#x548C;&#x4EA4;&#x4E92;&#x5F0F;&#x7684;&#x6392;&#x5217;&#x5F62;&#x5F0F;&#x7C7B;&#x4F3C;&#x4E8E;&#x70ED;&#x56FE;&#x7684;&#x77E9;&#x9635;&#x663E;&#x793A;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x5206;&#x6790;&#x4E2D;&#x6D41;&#x884C;&#x3002;&#x6B64;&#x6269;&#x5C55;&#x7684;&#x6D4F;&#x89C8;&#x5668;&#x5141;&#x8BB8;&#x5404;&#x79CD;&#x5404;&#x6837;&#x7684;&#x663E;&#x793A;&#x9009;&#x9879;&#xFF0C;&#x76EE;&#x524D;&#x8FD8;&#x6CA1;&#x6709;&#x5728; Cytoscape &#x4E2D;&#x7684;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x3002;&#x53EF;&#x7528;&#x6027;&#xFF1A; http://chianti.ucsd.edu/cyto_web/plugins/index.php&#x3002;

VistaClara&#xFF1A; Cytoscape &#x63D2;&#x4EF6;&#x7684;&#x8868;&#x8FBE;&#x5F0F;&#x6D4F;&#x89C8;&#x3002;

SUMMARY: VistaClara is a plug-in for Cytoscape which provides a more flexible means to visualize gene and protein expression within a network context. An extended attribute browser is provided in the form of a graphical and interactive permutation matrix that resembles the heat map displays popular in gene-expression analysis. This extended browser permits a variety of display options and interactions not currently available in Cytoscape. AVAILABILITY: http://chianti.ucsd.edu/cyto_web/plugins/index.php.

VistaClara: an expression browser plug-in for Cytoscape.

R&eacute;sum&eacute; : VistaClara est un plug-in pour le Cytoscape qui fournit un moyen plus souple pour visualiser l&#39;expression g&eacute;nique et prot&eacute;ique dans un contexte de r&eacute;seau. Un navigateur d&#39;attribut &eacute;tendu est fourni sous la forme d&#39;une graphique et interactive permutation matrice qui ressemble &agrave; la carte thermique affiche populaire dans l&#39;analyse de l&#39;expression g&eacute;nique. Ce navigateur prolong&eacute; permet une vari&eacute;t&eacute; d&#39;options d&#39;affichage et des interactions actuellement indisponible dans le Cytoscape. Disponibilit&eacute; : http://chianti.ucsd.edu/cyto_web/plugins/index.php.

VistaClara : un expression navigateur plug-in pour le Cytoscape.

Zusammenfassung: VistaClara ist ein Plugin f&uuml;r Cytoscape stellt ein flexibler Mittel gen und Protein Ausdruck in einem Netzwerk zu visualisieren. Ein erweiterte-Attribute-Browser erfolgt in Form einer grafischen und interaktiven Permutation Matrix, die Heatmap &auml;hnelt beliebt in Genexpression Analyse zeigt. Diese erweiterte Browser erlaubt eine Vielzahl von Anzeigeoptionen und Interaktionen in Cytoscape derzeit nicht verf&uuml;gbar. Verf&uuml;gbarkeit: http://chianti.ucsd.edu/cyto_web/plugins/index.php.

VistaClara: ein Ausdruck Browser Plug-in f&uuml;r Cytoscape.

Sommario: Generador &egrave; un plug-in per Cytoscape che fornisce un mezzo pi&ugrave; flessibile per visualizzare l&#39;espressione genica e proteica all&#39;interno di un contesto di rete. Un browser di attributo esteso viene fornito sotto forma di una permutazione grafica ed interattiva schermi a matrice che assomiglia alla mappa del calore popolare nell&#39;analisi di espressione genica. Questo browser esteso permette una variet&agrave; di opzioni di visualizzazione e non &egrave; attualmente disponibile in Cytoscape interazioni. DISPONIBILIT&Agrave;: http://chianti.ucsd.edu/cyto_web/plugins/index.php.

Generador: un&#39;espressione browser plug-in per Cytoscape.

&#x6982;&#x8981;&#xFF1A; VistaClara &#x306F;&#x907A;&#x4F1D;&#x5B50;&#x3068;&#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA;&#x306E;&#x767A;&#x73FE;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x306E;&#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x5185;&#x3067;&#x53EF;&#x8996;&#x5316;&#x3059;&#x308B;&#x3088;&#x308A;&#x67D4;&#x8EDF;&#x306A;&#x624B;&#x6BB5;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059; Cytoscape &#x306E;&#x305F;&#x3081;&#x306E;&#x30D7;&#x30E9;&#x30B0;&#x30A4;&#x30F3;&#x3067;&#x3059;&#x3002;&#x30B0;&#x30E9;&#x30D5;&#x30A3;&#x30AB;&#x30EB;&#x3067;&#x30A4;&#x30F3;&#x30BF;&#x30E9;&#x30AF;&#x30C6;&#x30A3;&#x30D6;&#x306A;&#x9806;&#x5217;&#x306E;&#x5F62;&#x3067;&#x30D2;&#x30FC;&#x30C8; &#x30DE;&#x30C3;&#x30D7;&#x306E;&#x3088;&#x3046;&#x306A;&#x30DE;&#x30C8;&#x30EA;&#x30C3;&#x30AF;&#x30B9;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x89E3;&#x6790;&#x3067;&#x4EBA;&#x6C17;&#x304C;&#x8868;&#x793A;&#x3055;&#x308C;&#x307E;&#x3059;&#x63D0;&#x4F9B;&#x3055;&#x308C;&#x308B;&#x62E1;&#x5F35;&#x5C5E;&#x6027;&#x30D6;&#x30E9;&#x30A6;&#x30B6;&#x30FC;&#x3067;&#x3059;&#x3002;&#x3053;&#x306E;&#x62E1;&#x5F35;&#x3055;&#x308C;&#x305F;&#x30D6;&#x30E9;&#x30A6;&#x30B6;&#x30FC;&#x3001;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x8868;&#x793A;&#x30AA;&#x30D7;&#x30B7;&#x30E7;&#x30F3;&#x3068;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528; Cytoscape &#x3067;&#x73FE;&#x5728;&#x4F7F;&#x7528;&#x3067;&#x304D;&#x306A;&#x3044;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x53EF;&#x7528;&#x6027;: http://chianti.ucsd.edu/cyto_web/plugins/index.php&#x3002;

VistaClara: &#x5F0F;&#x30D6;&#x30E9;&#x30A6;&#x30B6;&#x30FC; Cytoscape &#x7528;&#x30D7;&#x30E9;&#x30B0;&#x30A4;&#x30F3;&#x3002;

&#xC694;&#xC57D;: Vistaclara&#xB294; &#xB124;&#xD2B8;&#xC6CC;&#xD06C; &#xCEE8;&#xD14D;&#xC2A4;&#xD2B8; &#xB0B4;&#xC5D0;&#xC11C; &#xC720;&#xC804;&#xC790;&#xC640; &#xB2E8;&#xBC31;&#xC9C8; &#xC2DD; &#xC2DC;&#xAC01;&#xD654; &#xD558; &#xB354; &#xC720;&#xC5F0;&#xD55C; &#xC218;&#xB2E8;&#xC744; &#xC81C;&#xACF5; &#xD558;&#xB294; Cytoscape&#xC5D0; &#xB300; &#xD55C; &#xD50C;&#xB7EC;&#xADF8; &#xC778;&#xC785;&#xB2C8;&#xB2E4;. &#xD655;&#xC7A5;&#xB41C; &#xD2B9;&#xC131; &#xBE0C;&#xB77C;&#xC6B0;&#xC800;&#xB294; &#xADF8;&#xB798;&#xD53D; &#xBC0F; &#xB300;&#xD654;&#xC2DD; &#xC21C;&#xC5F4; &#xD615;&#xD0DC;&#xB85C; &#xC5F4; &#xC9C0;&#xB3C4; &#xC720;&#xC0AC; &#xD589;&#xB82C;&#xC5D0; &#xC720;&#xC804;&#xC790; &#xBC1C;&#xD604; &#xBD84;&#xC11D;&#xC5D0;&#xC11C; &#xC778;&#xAE30;&#xAC00; &#xD45C;&#xC2DC; &#xB429;&#xB2C8;&#xB2E4; &#xC81C;&#xACF5; &#xB429;&#xB2C8;&#xB2E4;. &#xC774; &#xD655;&#xC7A5; &#xB41C; &#xBE0C;&#xB77C;&#xC6B0;&#xC800; &#xB2E4;&#xC591; &#xD55C; &#xB514;&#xC2A4;&#xD50C;&#xB808;&#xC774; &#xC635;&#xC158; &#xBC0F; Cytoscape&#xC5D0;&#xC11C; &#xD604;&#xC7AC; &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC5C6;&#xB294; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC744; &#xD5C8;&#xC6A9;&#xD569;&#xB2C8;&#xB2E4;. &#xAC00;&#xC6A9;&#xC131;: http://chianti.ucsd.edu/cyto_web/plugins/index.php.

VistaClara: &#xD55C; &#xC2DD; &#xBE0C;&#xB77C;&#xC6B0;&#xC800; &#xD50C;&#xB7EC;&#xADF8;&#xC778; Cytoscape&#xC5D0; &#xB300; &#xD55C;&#xC785;&#xB2C8;&#xB2E4;.

Resumen: VistaClara es un plugin para Cytoscape que proporciona un medio m&aacute;s flexible para visualizar la expresi&oacute;n de genes y prote&iacute;nas dentro de un contexto de red. Un navegador de atributos extendidos est&aacute; siempre en la forma de una permutaci&oacute;n gr&aacute;fica e interactiva pantallas de matriz que se asemeja al mapa de calor popular en an&aacute;lisis de expresi&oacute;n g&eacute;nica. Este navegador extendida permite una variedad de opciones de visualizaci&oacute;n e interacciones no est&aacute; actualmente disponibles en Cytoscape. DISPONIBILIDAD: http://chianti.ucsd.edu/cyto_web/plugins/index.php.

VistaClara: un expresi&oacute;n navegador plug-in para Cytoscape.

&#x7CFB;&#x7EDF;&#x751F;&#x7269;&#x5B66;&#x5BB6;&#x4F7F;&#x7528;&#x4EA4;&#x4E92;&#x56FE;&#x6A21;&#x578B;&#x5206;&#x5B50;&#x6C34;&#x5E73;&#x7684;&#x751F;&#x7269;&#x7CFB;&#x7EDF;&#x7684;&#x884C;&#x4E3A;&#x3002;&#x5728;&#x8FED;&#x4EE3;&#x8FC7;&#x7A0B;&#x4E2D;&#xFF0C;&#x8FD9;&#x79CD;&#x751F;&#x7269;&#x5B66;&#x5BB6;&#x89C2;&#x5BDF;&#x6D3B;&#x7EC6;&#x80DE;&#x5728;&#x5404;&#x79CD;&#x8BD5;&#x9A8C;&#x6761;&#x4EF6;&#x4E0B;&#x7684;&#x53CD;&#x5E94;&#x3001; &#x7ED3;&#x679C;&#x7684;&#x4E0A;&#x4E0B;&#x6587;&#x4E2D;&#x67E5;&#x770B;&#x7684;&#x4EA4;&#x4E92;&#x56FE;&#xFF0C;&#x7136;&#x540E;&#x63D0;&#x51FA;&#x56FE;&#x6A21;&#x578B;&#x7684;&#x4FEE;&#x6539;&#x5EFA;&#x8BAE;&#x3002;&#x4F5C;&#x4E3A;&#x4E00;&#x79CD;&#x52A8;&#x6001;&#x7684;&#x77E5;&#x8BC6;&#x8868;&#x793A;&#x6B63;&#x5728;&#x7814;&#x7A76;&#x751F;&#x7269;&#x7CFB;&#x7EDF;&#x7684;&#x8FD9;&#x4E9B;&#x56FE; ser ve &#x548C;&#x968F;&#x7740;&#x65B0;&#x7684;&#x6D1E;&#x5BDF;&#x529B;&#x6240;&#x5F97;&#x7684;&#x5B9E;&#x9A8C;&#x6570;&#x636E;&#x3002;&#x867D;&#x7136;&#x6709;&#x65E0;&#x6570;&#x7684;&#x56FE;&#x8868;&#x5E03;&#x5C40;&#x548C;&#x7ED8;&#x56FE;&#x8F6F;&#x4EF6;&#x5305;&#xFF0C;&#x8FD9;&#x4E9B;&#x5DE5;&#x5177;&#x6CA1;&#x6709;&#x5B8C;&#x5168;&#x8FBE;&#x5230;&#x6211;&#x4EEC;&#x514D;&#x75AB;&#x5408;&#x4F5C;&#x8005;&#x7684;&#x9700;&#x8981;&#x3002;&#x5728;&#x6B64;&#x6587;&#x4EF6;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x63CF;&#x8FF0;&#x6570;&#x636E;&#x4FE1;&#x606F;&#x663E;&#x793A;&#x9700;&#x8981;&#x7684;&#x8FD9;&#x4E9B;&#x7814;&#x7A76;&#xFF0C;&#x5E76;&#x5C06;&#x5176;&#x8F6C;&#x5316;&#x4E3A;&#x8BBE;&#x8BA1;&#x51B3;&#x7B56;&#x3002;&#x8FD9;&#x4E9B;&#x51B3;&#x5B9A;&#x5E26;&#x9886;&#x6211;&#x4EEC;&#x521B;&#x9020;&#x8111;&#xFF0C;&#x4F7F;&#x7528;&#x751F;&#x7269;&#x5BFC;&#x5411;&#x7684;&#x56FE;&#x5E03;&#x5C40;&#x548C;&#x56FE;&#x5F62;&#x663E;&#x793A;&#x4E2D;&#x76F4;&#x63A5;&#x7EB3;&#x5165;&#x5B9E;&#x9A8C;&#x6570;&#x636E;&#x7684;&#x7CFB;&#x7EDF;&#x3002;&#x5C0F;&#x4E0D;&#x540C;&#x5B9E;&#x9A8C;&#x6761;&#x4EF6;&#x7684;&#x591A;&#x4E2A;&#x89C6;&#x56FE;&#x548C;&#x4E00;&#x4E2A;&#x6570;&#x636E;&#x9A71;&#x52A8;&#x5E73;&#x884C;&#x5750;&#x6807;&#x89C6;&#x56FE;&#x542F;&#x7528;&#x56FE;&#x5F62;&#x4E0A;&#x4E0B;&#x6587;&#x4E2D;&#x67E5;&#x770B;&#x6570;&#x636E;&#x65F6;&#x8981;&#x5206;&#x6790;&#x7684;&#x5B9E;&#x9A8C;&#x6761;&#x4EF6;&#x4E4B;&#x95F4;&#x7684;&#x76F8;&#x4E92;&#x5173;&#x7CFB;&#x3002;&#x8FD9;&#x79CD;&#x7EC4;&#x5408;&#x7684;&#x534F;&#x8C03;&#x4E00;&#x81F4;&#x610F;&#x89C1;&#x5141;&#x8BB8;&#x751F;&#x7269;&#x5B66;&#x5BB6;&#xFF0C;&#x82E5;&#x8981;&#x540C;&#x65F6;&#x67E5;&#x770B;&#x7684;&#x6570;&#x636E;&#x4ECE;&#x8BB8;&#x591A;&#x4E0D;&#x540C;&#x7684;&#x89C2;&#x70B9;&#x3002;&#x4E3A;&#x4E86;&#x8BF4;&#x660E;&#x6267;&#x884C;&#x7684;&#x5178;&#x578B;&#x5206;&#x6790;&#x4EFB;&#x52A1;&#xFF0C;&#x6211;&#x4EEC;&#x5206;&#x6790;&#x4F7F;&#x7528;&#x5927;&#x8111;&#x7684;&#x4E24;&#x4E2A;&#x6570;&#x636E;&#x96C6;&#x3002;&#x6211;&#x4EEC;&#x57FA;&#x4E8E;&#x6211;&#x4EEC;&#x5408;&#x4F5C;&#x8005;&#x7684;&#x53CD;&#x9988;&#x5F97;&#x51FA;&#x7ED3;&#x8BBA;&#x8111;&#x662F;&#x5206;&#x6790;&#x5B9E;&#x9A8C;&#x6570;&#x636E;&#x4EA4;&#x4E92;&#x56FE;&#x6A21;&#x578B;&#x7684;&#x4E0A;&#x4E0B;&#x6587;&#x4E2D;&#x7684;&#x5B9D;&#x8D35;&#x5DE5;&#x5177;&#x3002;

&#x8111;&#xFF1A; &#x53EF;&#x89C6;&#x5316;&#x4E0E;&#x751F;&#x7269;&#x7684;&#x4E0A;&#x4E0B;&#x6587;&#x5173;&#x7CFB;&#x56FE;&#x4E0A;&#x7684;&#x591A;&#x4E2A;&#x5B9E;&#x9A8C;&#x6761;&#x4EF6;&#x3002;

Systems biologists use interaction graphs to model the behavior of biological systems at the molecular level. In an iterative process, such biologists observe the reactions of living cells under various experimental conditions, view the results in the context of the interaction graph, and then propose changes to the graph model. These graphs ser ve as a form of dynamic knowledge representation of the biological system being studied and evolve as new insight is gained from the experimental data. While numerous graph layout and drawing packages are available, these tools did not fully meet the needs of our immunologist collaborators. In this paper, we describe the data information display needs of these immunologists and translate them into design decisions. These decisions led us to create Cerebral, a system that uses a biologically guided graph layout and incorporates experimental data directly into the graph display. Small multiple views of different experimental conditions and a data-driven parallel coordinates view enable correlations between experimental conditions to be analyzed at the same time that the data is viewed in the graph context. This combination of coordinated views allows the biologist to view the data from many different perspectives simultaneously. To illustrate the typical analysis tasks performed, we analyze two datasets using Cerebral. Based on feedback from our collaborators we conclude that Cerebral is a valuable tool for analyzing experimental data in the context of an interaction graph model.

Cerebral: visualizing multiple experimental conditions on a graph with biological context.

Biologistes des syst&egrave;mes utilisent des graphiques d&#39;interaction pour mod&eacute;liser le comportement des syst&egrave;mes biologiques au niveau mol&eacute;culaire. Dans un processus it&eacute;ratif, ces biologistes observent les r&eacute;actions des cellules vivantes dans des conditions exp&eacute;rimentales diff&eacute;rentes, afficher les r&eacute;sultats dans le contexte de la courbe de l&#39;interaction et ensuite proposent des modifications au mod&egrave;le graphique. Ces ve ser de graphiques comme une forme de repr&eacute;sentation des connaissances dynamiques du syst&egrave;me biologique &agrave; l&#39;&eacute;tude et &eacute;voluer comme un nouvel aper&ccedil;u est acquise d&#39;apr&egrave;s les donn&eacute;es exp&eacute;rimentales. Bien qu&#39;il existent de nombreux paquets de mise en page et dessin graphique, ces outils ne satisfaisait pas pleinement aux besoins de nos collaborateurs immunologiste. Dans cet article, nous d&eacute;crivons les besoins d&#39;affichage de donn&eacute;es information de ces immunologistes et traduire en d&eacute;cisions de conception. Ces d&eacute;cisions nous a conduit &agrave; cr&eacute;er c&eacute;r&eacute;brale, un syst&egrave;me qui utilise une mise en page graphique guid&eacute;e biologiquement et int&egrave;gre les donn&eacute;es exp&eacute;rimentales directement dans l&#39;affichage graphique. Petites que vues multiples de diff&eacute;rentes conditions exp&eacute;rimentales et une vue de coordonn&eacute;es parall&egrave;les orient&eacute;es donn&eacute;es permettent des corr&eacute;lations entre les conditions exp&eacute;rimentales pour &ecirc;tre analys&eacute;s en m&ecirc;me temps que les donn&eacute;es sont affich&eacute;es dans le contexte graphique. Cette combinaison de vues coordonn&eacute;es permet le biologiste afficher les donn&eacute;es provenant de plusieurs points de vue diff&eacute;rents en m&ecirc;me temps. Pour illustrer les t&acirc;ches d&#39;analyse typique, nous analysons les deux ensembles de donn&eacute;es &agrave; l&#39;aide de c&eacute;r&eacute;brale. Bas&eacute; sur les commentaires de nos collaborateurs, nous concluons que le c&eacute;r&eacute;bral est un outil pr&eacute;cieux pour l&#39;analyse des donn&eacute;es exp&eacute;rimentales dans le cadre d&#39;un mod&egrave;le de graphe d&#39;interaction.

C&eacute;r&eacute;bral : visualisation des conditions exp&eacute;rimentales multiples sur un graphique avec le contexte biologique.

Systeme Biologen verwenden Interaktion Graphen, um das Verhalten biologischer Systeme auf molekularer Ebene zu modellieren. In einem iterativen Prozess solche Biologen beobachten die Reaktionen der lebenden Zellen unter verschiedenen experimentellen Bedingungen, die Ergebnisse im Zusammenhang mit der Interaktion-Graph anzeigen und dann schlagen &Auml;nderungen am Graph-Modell. Diese Diagramme Ser Ve als eine Form der dynamischen Wissensrepr&auml;sentation des biologischen Systems untersucht und weiterentwickelt, wie neue Erkenntnisse aus den Versuchsdaten gewonnen wird. W&auml;hrend zahlreiche Graph-Layout und Zeichnung-Pakete verf&uuml;gbar sind, entsprach diese Tools nicht vollst&auml;ndig die Bed&uuml;rfnissen unserer Mitarbeiter Immunologe. In diesem Papier wir beschreiben die Daten Display Informationsbed&uuml;rfnisse diese Immunologen und &uuml;bersetzen sie in Design-Entscheidungen. Diese Entscheidungen f&uuml;hrte uns Cerebral, ein System zu erstellen, verwendet eine biologisch gef&uuml;hrte Graphlayout- und experimentelle Daten direkt in das Grafik-Display integriert. Kleine mehrere Ansichten von verschiedenen experimentellen Bedingungen und eine datengesteuerte parallele Koordinaten-Ansicht aktivieren Korrelationen zwischen experimentellen Bedingungen gleichzeitig analysiert werden, die die Daten im Zusammenhang mit Graph angezeigt wird. Diese Kombination von koordinierten Zugriffe erlaubt der Biologe die Daten aus vielen verschiedenen Perspektiven gleichzeitig anzeigen. Um die typische Analyseaufgaben veranschaulichen, analysieren wir zwei Datasets mit Cerebral. Basierend auf dem Feedback von unseren Mitarbeitern schlie&szlig;en wir, dass zerebrale ein wertvolles Instrument zur Analyse von experimenteller Daten im Zusammenhang mit einer Graph-Interaktionsmodell.

Zerebrale: Visualisierung von mehreren experimentelle Bedingungen in einem Diagramm mit biologischen Kontext.

Biologi sistemi utilizzano grafici di interazione per modellare il comportamento dei sistemi biologici a livello molecolare. In un processo iterativo, tali biologi osservano le reazioni delle cellule viventi in varie condizioni sperimentali, visualizzare i risultati nel contesto del grafico di interazione e quindi propongono modifiche al modello di grafico. Questi grafici ser ve come una forma di rappresentazione della conoscenza dinamica del sistema biologico in fase di studio e si evolvono come nuova intuizione &egrave; acquisita da dati sperimentali. Mentre sono disponibili numerosi pacchetti di disegno e layout grafico, questi strumenti non soddisfaceva completamente le esigenze dei nostri collaboratori immunologo. In questo libro, ci descrivono le esigenze di visualizzazione dati informazioni di questi immunologi e tradurli in decisioni di progettazione. Queste decisioni ci ha portato a creare cerebrale, un sistema che utilizza un layout grafico biologicamente guidate e incorpora dati sperimentali direttamente nel display grafico. Piccolo che visualizzazioni multiple di diverse condizioni sperimentali e una visualizzazione basata sui dati di coordinate parallele consentono correlazioni tra condizioni sperimentali per essere analizzati allo stesso tempo che i dati sono considerati nel contesto grafico. Questa combinazione di visualizzazioni coordinati consente il biologo visualizzare i dati da molte diverse prospettive contemporaneamente. Per illustrare l&#39;attivit&agrave; tipica analisi eseguite, analizziamo due DataSet utilizzando cerebrale. Basato sul feedback dei nostri collaboratori possiamo concludere che cerebrale &egrave; un prezioso strumento per l&#39;analisi dei dati sperimentali nel contesto di un modello grafico di interazione.

Cerebrale: visualizzando pi&ugrave; condizioni sperimentali su un grafico con il contesto biologico.

&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x751F;&#x7269;&#x5B66;&#x8005;&#x306F;&#x5206;&#x5B50;&#x30EC;&#x30D9;&#x30EB;&#x306E;&#x751F;&#x7269;&#x5B66;&#x7684;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x52D5;&#x4F5C;&#x3092;&#x30E2;&#x30C7;&#x30EB;&#x5316;&#x3059;&#x308B;&#x306E;&#x306B;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306E;&#x30B0;&#x30E9;&#x30D5;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x307E;&#x3059;&#x3002;&#x53CD;&#x5FA9;&#x7684;&#x306A;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x3067;&#x305D;&#x306E;&#x3088;&#x3046;&#x306A;&#x751F;&#x7269;&#x5B66;&#x8005;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x5B9F;&#x9A13;&#x6761;&#x4EF6;&#x306E;&#x4E0B;&#x3067;&#x751F;&#x304D;&#x3066;&#x3044;&#x308B;&#x7D30;&#x80DE;&#x306E;&#x53CD;&#x5FDC;&#x3092;&#x89B3;&#x5BDF;&#x3059;&#x308B;&#x3001;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x30B0;&#x30E9;&#x30D5;&#x306E;&#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x3067;&#x306E;&#x7D50;&#x679C;&#x3092;&#x8868;&#x793A;&#x3001;&#x30B0;&#x30E9;&#x30D5; &#x30E2;&#x30C7;&#x30EB;&#x3078;&#x306E;&#x5909;&#x66F4;&#x3092;&#x63D0;&#x6848;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x30B0;&#x30E9;&#x30D5;&#x306E; ser ve &#x691C;&#x8A0E;&#x3055;&#x308C;&#x3066;&#x751F;&#x7269;&#x5B66;&#x7684;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x52D5;&#x7684;&#x306A;&#x77E5;&#x8B58;&#x8868;&#x73FE;&#x306E;&#x4E00;&#x5F62;&#x614B;&#x3068;&#x3057;&#x3066;&#x3001;&#x65B0;&#x3057;&#x3044;&#x6D1E;&#x5BDF;&#x529B;&#x3092;&#x5B9F;&#x9A13;&#x30C7;&#x30FC;&#x30BF;&#x304B;&#x3089;&#x5F97;&#x305F;&#x9032;&#x5316;&#x3002;&#x591A;&#x6570;&#x306E;&#x30B0;&#x30E9;&#x30D5;&#x306E;&#x30EC;&#x30A4;&#x30A2;&#x30A6;&#x30C8;&#x3068;&#x63CF;&#x753B;&#x30D1;&#x30C3;&#x30B1;&#x30FC;&#x30B8;&#x304C;&#x5229;&#x7528;&#x3067;&#x304D;&#x308B;&#x9593;&#x306F;&#x3001;&#x3053;&#x308C;&#x3089;&#x306E;&#x30C4;&#x30FC;&#x30EB;&#x304C;&#x5B8C;&#x5168;&#x306B;&#x79C1;&#x305F;&#x3061;&#x306E;&#x514D;&#x75AB;&#x5B66;&#x8005;&#x306E;&#x5354;&#x529B;&#x8005;&#x306E;&#x30CB;&#x30FC;&#x30BA;&#x3092;&#x6E80;&#x305F;&#x3057;&#x3066;&#x3044;&#x307E;&#x305B;&#x3093;&#x3067;&#x3057;&#x305F;&#x3002;&#x672C;&#x7A3F;&#x3067;&#x306F;&#x3053;&#x308C;&#x3089;&#x514D;&#x75AB;&#x5B66;&#x8005;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x60C5;&#x5831;&#x306E;&#x8868;&#x793A;&#x30CB;&#x30FC;&#x30BA;&#x3092;&#x8A18;&#x8FF0;&#x3057;&#x3066;&#x3001;&#x8A2D;&#x8A08;&#x4E0A;&#x306E;&#x6C7A;&#x5B9A;&#x306B;&#x7FFB;&#x8A33;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x6C7A;&#x5B9A;&#x5927;&#x8133;&#x751F;&#x7406;&#x30AC;&#x30A4;&#x30C9;&#x4ED8;&#x304D;&#x30B0;&#x30E9;&#x30D5; &#x30EC;&#x30A4;&#x30A2;&#x30A6;&#x30C8;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3001;&#x5B9F;&#x9A13;&#x30C7;&#x30FC;&#x30BF;&#x3092;&#x30B0;&#x30E9;&#x30D5;&#x8868;&#x793A;&#x306B;&#x76F4;&#x63A5;&#x7D44;&#x307F;&#x8FBC;&#x307E;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x3092;&#x4F5C;&#x6210;&#x3059;&#x308B;&#x79C1;&#x305F;&#x3061;&#x3092;&#x5C0E;&#x3044;&#x305F;&#x3002;&#x5C0F;&#x3055;&#x306A;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x5B9F;&#x9A13;&#x6761;&#x4EF6;&#x306E;&#x8907;&#x6570;&#x306E;&#x30D3;&#x30E5;&#x30FC;&#x3068;&#x30C7;&#x30FC;&#x30BF;&#x99C6;&#x52D5;&#x578B;&#x4E26;&#x5217;&#x5EA7;&#x6A19;&#x30D3;&#x30E5;&#x30FC; &#x30C7;&#x30FC;&#x30BF; &#x30B0;&#x30E9;&#x30D5;&#x306E;&#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x3067;&#x8868;&#x793A;&#x3055;&#x308C;&#x308B;&#x540C;&#x6642;&#x306B;&#x5206;&#x6790;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x5B9F;&#x9A13;&#x6761;&#x4EF6;&#x9593;&#x306E;&#x76F8;&#x95A2;&#x95A2;&#x4FC2;&#x3092;&#x6709;&#x52B9;&#x306B;&#x3057;&#x307E;&#x3059;&#x3002;&#x5354;&#x8ABF;&#x30D3;&#x30E5;&#x30FC;&#x306E;&#x3053;&#x306E;&#x7D44;&#x307F;&#x5408;&#x308F;&#x305B;&#x3067;&#x306F;&#x3001;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x8996;&#x70B9;&#x304B;&#x3089;&#x30C7;&#x30FC;&#x30BF;&#x3092;&#x540C;&#x6642;&#x306B;&#x8868;&#x793A;&#x3059;&#x308B;&#x751F;&#x7269;&#x5B66;&#x8005;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x5B9F;&#x884C;&#x3055;&#x308C;&#x308B;&#x5178;&#x578B;&#x7684;&#x306A;&#x5206;&#x6790;&#x30BF;&#x30B9;&#x30AF;&#x3092;&#x8AAC;&#x660E;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x306F;&#x3001;&#x5927;&#x8133;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066; 2 &#x3064;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x30BB;&#x30C3;&#x30C8;&#x3092;&#x5206;&#x6790;&#x3057;&#x307E;&#x3059;&#x3002;&#x79C1;&#x305F;&#x3061;&#x306E;&#x5171;&#x540C;&#x7DE8;&#x96C6;&#x8005;&#x304B;&#x3089;&#x306E;&#x30D5;&#x30A3;&#x30FC;&#x30C9;&#x30D0;&#x30C3;&#x30AF;&#x306B;&#x57FA;&#x3065;&#x3044;&#x3066;&#x6211;&#x3005; &#x5927;&#x8133;&#x30A4;&#x30F3;&#x30BF;&#x30E9;&#x30AF;&#x30B7;&#x30E7;&#x30F3; &#x30B0;&#x30E9;&#x30D5; &#x30E2;&#x30C7;&#x30EB;&#x306E;&#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x3067;&#x306E;&#x5B9F;&#x9A13;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x89E3;&#x6790;&#x306E;&#x305F;&#x3081;&#x306E;&#x8CB4;&#x91CD;&#x306A;&#x30C4;&#x30FC;&#x30EB;&#x3067;&#x3042;&#x308B;&#x3068;&#x7D50;&#x8AD6;&#x3057;&#x307E;&#x3059;&#x3002;

&#x8133;: &#x8907;&#x6570;&#x306E;&#x5B9F;&#x9A13;&#x6761;&#x4EF6;&#x30B0;&#x30E9;&#x30D5;&#x751F;&#x7269;&#x5B66;&#x7684;&#x6587;&#x8108;&#x306E;&#x4E0A;&#x306B;&#x53EF;&#x8996;&#x5316;&#x3057;&#x307E;&#x3059;&#x3002;

&#xC2DC;&#xC2A4;&#xD15C; &#xC0DD;&#xBB3C;&#xD559; &#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xADF8;&#xB798;&#xD504;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xBD84;&#xC790; &#xC218;&#xC900;&#xC5D0;&#xC11C; &#xC0DD;&#xBB3C; &#xD559;&#xC801; &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xB3D9;&#xC791;&#xC744; &#xBAA8;&#xB378;. &#xBC18;&#xBCF5; &#xD504;&#xB85C;&#xC138;&#xC2A4;&#xC5D0; &#xC774;&#xB7EC;&#xD55C; &#xC0DD;&#xBB3C;&#xD559; &#xB2E4;&#xC591; &#xD55C; &#xC2E4;&#xD5D8; &#xC870;&#xAC74;&#xC5D0;&#xC11C; &#xC0B4;&#xC544;&#xC788;&#xB294; &#xC138;&#xD3EC;&#xC758; &#xBC18;&#xC751;&#xC744; &#xAD00;&#xCC30; &#xD558; &#xACE0; &#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xADF8;&#xB798;&#xD504;&#xC758; &#xCEE8;&#xD14D;&#xC2A4;&#xD2B8;&#xC5D0;&#xC11C; &#xACB0;&#xACFC; &#xBCFC; &#xB2E4;&#xC74C; &#xADF8;&#xB798;&#xD504; &#xBAA8;&#xB378;&#xC5D0; &#xB300; &#xD55C; &#xBCC0;&#xACBD; &#xC81C;&#xC548;. &#xACF5;&#xBD80; &#xD558;&#xB294; &#xC0DD;&#xBB3C; &#xD559;&#xC801; &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xB3D9;&#xC801; &#xC9C0;&#xC2DD; &#xD45C;&#xD604;&#xC758; &#xD55C; &#xD615;&#xD0DC;&#xB85C; &#xADF8;&#xB798;&#xD504; ser ve&#xC774; &#xC0C8;&#xB85C;&#xC6B4; &#xD1B5;&#xCC30;&#xB825;&#xC744; &#xC2E4;&#xD5D8; &#xB370;&#xC774;&#xD130; &#xB85C;&#xBD80;&#xD130; &#xC5BB;&#xC740; &#xC9C4;&#xD654; &#xD558; &#xACE0; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC218;&#xB9CE;&#xC740; &#xADF8;&#xB798;&#xD504; &#xB808;&#xC774;&#xC544;&#xC6C3; &#xBC0F; &#xADF8;&#xB9AC;&#xAE30; &#xD328;&#xD0A4;&#xC9C0; &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC788;&#xC9C0;&#xB9CC;, &#xC774;&#xB7EC;&#xD55C; &#xB3C4;&#xAD6C; &#xC6B0;&#xB9AC;&#xC758; &#xBA74;&#xC5ED; &#xACF5;&#xB3D9; &#xC791;&#xC5C5;&#xC790;&#xC758; &#xC694;&#xAD6C;&#xB97C; &#xC644;&#xC804;&#xD788; &#xB9CC;&#xC871; &#xD558;&#xC9C0; &#xC54A;&#xC558;&#xB2E4;. &#xC774; &#xB17C;&#xBB38;&#xC5D0;&#xC11C; &#xC774;&#xB7EC;&#xD55C; immunologists&#xC758; &#xB370;&#xC774;&#xD130; &#xC815;&#xBCF4; &#xB514;&#xC2A4;&#xD50C;&#xB808;&#xC774; &#xC694;&#xAD6C;&#xC5D0; &#xC124;&#xBA85; &#xD558; &#xACE0; &#xB514;&#xC790;&#xC778; &#xC758;&#xC0AC; &#xACB0;&#xC815;&#xC73C;&#xB85C; &#xBCC0;&#xD658;. &#xC774;&#xB7EC;&#xD55C; &#xACB0;&#xC815; &#xC8FC;&#xB3C4; &#xB1CC;&#xC131;, &#xC0DD;&#xBB3C;&#xD559;&#xC801;&#xC73C;&#xB85C; &#xAC00;&#xC774;&#xB4DC; &#xADF8;&#xB798;&#xD504; &#xB808;&#xC774;&#xC544;&#xC6C3; &#xC0AC;&#xC6A9; &#xBC0F; &#xC2E4;&#xD5D8; &#xB370;&#xC774;&#xD130; &#xADF8;&#xB798;&#xD504; &#xB514;&#xC2A4;&#xD50C;&#xB808;&#xC774;&#xC5D0; &#xC9C1;&#xC811; &#xD1B5;&#xD569; &#xD558;&#xB294; &#xC2DC;&#xC2A4;&#xD15C;&#xC744; &#xB9CC;&#xB4E4; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC791;&#xC740; &#xB2E4;&#xB978; &#xC2E4;&#xD5D8; &#xC870;&#xAC74;&#xC758; &#xB2E4;&#xC911; &#xBDF0; &#xBC0F; &#xBCD1;&#xB82C; &#xC88C;&#xD45C; &#xB370;&#xC774;&#xD130; &#xAE30;&#xBC18; &#xBDF0;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC2E4;&#xD5D8; &#xC870;&#xAC74; &#xB370;&#xC774;&#xD130; &#xADF8;&#xB798;&#xD504; &#xCEE8;&#xD14D;&#xC2A4;&#xD2B8;&#xC5D0;&#xC11C; &#xBCFC; &#xB3D9;&#xC2DC;&#xC5D0; &#xBD84;&#xC11D; &#xD558;&#xB294; &#xB370; &#xAC04;&#xC758; &#xC0C1;&#xAD00; &#xAD00;&#xACC4;. &#xC774; &#xC870;&#xD569;&#xC758; &#xC870;&#xC815;&#xB41C; &#xC870;&#xD68C; &#xC0DD;&#xBB3C;&#xD559;&#xC790;&#xB97C;&#xB97C; &#xB3D9;&#xC2DC;&#xC5D0; &#xC5EC;&#xB7EC; &#xB2E4;&#xB978; &#xAD00;&#xC810;&#xC5D0;&#xC11C; &#xB370;&#xC774;&#xD130;&#xB97C; &#xBCFC; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC218;&#xD589; &#xD558;&#xB294; &#xC77C;&#xBC18;&#xC801;&#xC778; &#xBD84;&#xC11D; &#xC791;&#xC5C5;&#xC744; &#xC124;&#xBA85; &#xD558;&#xAE30; &#xC704;&#xD574; &#xC6B0;&#xB9AC; &#xB300;&#xB1CC;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xB450; &#xAC1C;&#xC758; &#xB370;&#xC774;&#xD130; &#xC9D1;&#xD569;&#xC744; &#xBD84;&#xC11D; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xC758; &#xACF5;&#xB3D9; &#xC791;&#xC5C5;&#xC790;&#xC758; &#xD53C;&#xB4DC;&#xBC31;&#xC5D0; &#xB530;&#xB77C; &#xC6B0;&#xB9AC;&#xB294; &#xB1CC;&#xC131; &#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xADF8;&#xB798;&#xD504; &#xBAA8;&#xB378;&#xC758; &#xB9E5;&#xB77D;&#xC5D0;&#xC11C; &#xC2E4;&#xD5D8; &#xB370;&#xC774;&#xD130;&#xB97C; &#xBD84;&#xC11D; &#xD558;&#xAE30; &#xC704;&#xD55C; &#xC720;&#xC6A9;&#xD55C; &#xB3C4;&#xAD6C;&#xC785;&#xB2C8;&#xB2E4; &#xACB0;&#xB860;.

&#xB300;&#xB1CC;: &#xC2DC;&#xAC01;&#xD654; &#xC0DD;&#xBB3C; &#xD559;&#xC801; &#xCEE8;&#xD14D;&#xC2A4;&#xD2B8;&#xC640; &#xADF8;&#xB798;&#xD504;&#xC5D0; &#xC5EC;&#xB7EC; &#xC2E4;&#xD5D8; &#xC870;&#xAC74;.

Bi&oacute;logos de sistemas utilizan gr&aacute;ficos de interacci&oacute;n para modelar el comportamiento de los sistemas biol&oacute;gicos a nivel molecular. En un proceso iterativo, tales bi&oacute;logos observan las reacciones de las c&eacute;lulas vivas bajo diferentes condiciones experimentales, ven los resultados en el contexto de la gr&aacute;fica de interacci&oacute;n y luego proponen cambios en el modelo gr&aacute;fico. Estos gr&aacute;ficos ser ve como una forma de representaci&oacute;n del conocimiento din&aacute;mico del sistema biol&oacute;gico est&aacute; estudiando y evolucionando como nueva visi&oacute;n se obtiene de los datos experimentales. Si bien existen numerosos paquetes de dise&ntilde;o y dibujo gr&aacute;fico, estas herramientas no satisfacer plenamente las necesidades de nuestros colaboradores inmun&oacute;logo. En este trabajo describimos las necesidades de visualizaci&oacute;n de informaci&oacute;n de datos de los inmun&oacute;logos y plasmarlos en decisiones de dise&ntilde;o. Estas decisiones nos llevaron a crear Cerebral, un sistema que utiliza un dise&ntilde;o gr&aacute;fico biol&oacute;gicamente guiada e incorpora datos experimentales directamente en la pantalla del gr&aacute;fico. M&uacute;ltiples vistas de diferentes condiciones experimentales y una vista de coordenadas paralelas basadas en datos permiten correlaciones entre condiciones experimentales a analizar al mismo tiempo que los datos se ve en el contexto gr&aacute;fico peque&ntilde;o. Esta combinaci&oacute;n de puntos de vista coordinado permite el bi&oacute;logo ver los datos de muchas perspectivas diferentes al mismo tiempo. Para ilustrar las tareas de an&aacute;lisis t&iacute;pico realizadas, se analizan dos conjuntos de datos usando Cerebral. Bas&aacute;ndonos en los comentarios de nuestros colaboradores Concluimos que Cerebral es una herramienta valiosa para el an&aacute;lisis de datos experimentales en el contexto de un modelo gr&aacute;fico de interacci&oacute;n.

Cerebral: visualizar m&uacute;ltiples condiciones experimentales en un gr&aacute;fico con contexto biol&oacute;gico.

&#x7535;&#x5B50;&#x6D4B;&#x8BD5;&#x548C;&#x6D4B;&#x91CF;&#x7CFB;&#x7EDF;&#x662F;&#x4E3A;&#x4E86;&#x5339;&#x914D;&#x7684;&#x590D;&#x6742;&#x6027;&#x589E;&#x52A0;&#x548C;&#x8D85;&#x9AD8;&#x901F;&#x5EA6;&#x4E0B;&#x6D4B;&#x8BD5;&#x7684;&#x8BBE;&#x5907;&#x53D8;&#x5F97;&#x8D8A;&#x6765;&#x8D8A;&#x590D;&#x6742;&#x3002;&#x5728;&#x8BB8;&#x591A;&#x8FD9;&#x7C7B;&#x6587;&#x4E66;&#x4E2D;&#x7684;&#x4E00;&#x4E2A;&#x5173;&#x952E;&#x7279;&#x5F81;&#x662F;&#x6570;&#x5B57;&#x4FE1;&#x53F7;&#x7684;&#x5B58;&#x50A8;&#x80FD;&#x529B;&#x5927;&#x5927;&#x589E;&#x52A0;&#x3002;&#x73B0;&#x5728;&#x53EF;&#x80FD; 10(9) &#x65F6;&#x95F4;&#x70B9;&#x6216;&#x66F4;&#x591A;&#x7684;&#x5B58;&#x50A8;&#x3002;&#x540C;&#x65F6;&#xFF0C;&#x8FD9;&#x79CD;&#x6D4B;&#x91CF;&#x88C5;&#x7F6E;&#x7684;&#x5178;&#x578B;&#x5C4F;&#x5E55;&#x90FD;&#x76F8;&#x5BF9;&#x8F83;&#x5C0F;&#x3002;&#x56E0;&#x6B64;&#xFF0C;&#x8FD9;&#x4E9B;&#x6587;&#x4E66;&#x53EA;&#x53EF;&#x4EE5;&#x5728;&#x4EFB;&#x4F55;&#x65F6;&#x95F4;&#x5448;&#x73B0;&#x6781;&#x5C0F;&#x90E8;&#x5206;&#x7684;&#x5B8C;&#x6574;&#x4FE1;&#x53F7;&#x3002;SignalLens &#x4F7F;&#x7528;&#x7126;&#x70B9; + &#x4E0A;&#x4E0B;&#x6587;&#x7684;&#x65B9;&#x6CD5;&#x6765;&#x63D0;&#x4F9B;&#x5BFC;&#x822A;&#x5230;&#x548C;&#x68C0;&#x67E5;&#x4F4E;&#x7EA7;&#x7684;&#x4FE1;&#x53F7;&#x5728;&#x6574;&#x4E2A;&#x4FE1;&#x53F7;&#x8DDF;&#x8E2A;&#x7684;&#x4E0A;&#x4E0B;&#x6587;&#x7684;&#x8BE6;&#x7EC6;&#x4FE1;&#x606F;&#x7684;&#x624B;&#x6BB5;&#x3002;&#x8FD9;&#x79CD;&#x65B9;&#x6CD5;&#x63D0;&#x4F9B;&#x4E86;&#x7D27;&#x51D1;&#x7684;&#x9002;&#x5408;&#x5D4C;&#x5165;&#x5230;&#x901A;&#x5E38;&#x7531;&#x7535;&#x5B50;&#x6D4B;&#x91CF;&#x4EEA;&#x5668;&#x63D0;&#x4F9B;&#x7684;&#x5C0F;&#x663E;&#x793A;&#x53EF;&#x89C6;&#x5316;&#x3002;&#x6211;&#x4EEC;&#x8FDB;&#x4E00;&#x6B65;&#x589E;&#x5F3A;&#x6B64;&#x8BA1;&#x7B97;&#x8F68;&#x9053;&#x663E;&#x793A;&#x4FE1;&#x53F7;&#x7684;&#x65F6;&#x95F4;&#x5BF9;&#x9F50;&#x8BA1;&#x7B97;&#x7684;&#x5C5E;&#x6027;&#x7684;&#x663E;&#x793A;&#x3002;&#x901A;&#x8FC7;&#x7ED3;&#x5408;&#x548C;&#x8FC7;&#x6EE4;&#x8FD9;&#x4E9B;&#x8BA1;&#x7B97;&#x7684;&#x66F2;&#x76EE;&#x5C31;&#x53EF;&#x4EE5;&#x8F7B;&#x677E;&#x5FEB;&#x901F;&#x5730;&#x627E;&#x5230;&#x8BA1;&#x7B97;&#x5F80;&#x5F80;&#x88AB;&#x5448;&#x73B0;&#x5728;&#x5C0F;&#x5C4F;&#x5E55;&#x4E0A;&#x7684;&#x5927;&#x578B;&#x6570;&#x636E;&#x96C6;&#x6240;&#x9700;&#x7684;&#x53EF;&#x89C6;&#x5316;&#x538B;&#x7F29;&#x7684;&#x6570;&#x636E;&#x4E2D;&#x68C0;&#x6D4B;&#x5230;&#x7684;&#x529F;&#x80FD;&#x3002;&#x8FDB;&#x4E00;&#x6B65;&#xFF0C;&#x53EF;&#x4EE5;&#x5728;&#x6574;&#x4E2A;&#x4FE1;&#x53F7;&#x8DDF;&#x8E2A;&#x4EE5;&#x53CA;&#x53EF;&#x89C1;&#x9AD8;&#x7EA7;&#x522B;&#x4FE1;&#x53F7;&#x529F;&#x80FD;&#x7684;&#x4E0A;&#x4E0B;&#x6587;&#x4E2D;&#x67E5;&#x770B;&#x8FD9;&#x4E9B;&#x66F2;&#x76EE;&#x3002;&#x63D0;&#x51FA;&#x4F7F;&#x7528;&#x771F;&#x5B9E;&#x4E16;&#x754C;&#x7535;&#x5B50;&#x6D4B;&#x91CF;&#x6570;&#x636E;&#x7684;&#x51E0;&#x4E2A;&#x793A;&#x4F8B;&#xFF0C;&#x5B83;&#x4EEC;&#x8868;&#x660E;&#x5178;&#x578B;&#x7528;&#x4F8B;&#x548C;&#x8BBE;&#x8BA1;&#x7684;&#x6709;&#x6548;&#x6027;&#x3002;

SignalLens&#xFF1A; &#x7126;&#x70B9; + &#x4E0A;&#x4E0B;&#x6587;&#x5E94;&#x7528;&#x5230;&#x7535;&#x5B50;&#x65F6;&#x95F4;&#x7CFB;&#x5217;&#x3002;

Electronic test and measurement systems are becoming increasingly sophisticated in order to match the increased complexity and ultra-high speed of the devices under test. A key feature in many such instruments is a vastly increased capacity for storage of digital signals. Storage of 10(9) time points or more is now possible. At the same time, the typical screens on such measurement devices are relatively small. Therefore, these instruments can only render an extremely small fraction of the complete signal at any time. SignalLens uses a Focus+Context approach to provide a means of navigating to and inspecting low-level signal details in the context of the entire signal trace. This approach provides a compact visualization suitable for embedding into the small displays typically provided by electronic measurement instruments. We further augment this display with computed tracks which display time-aligned computed properties of the signal. By combining and filtering these computed tracks it is possible to easily and quickly find computationally detected features in the data which are often obscured by the visual compression required to render the large data sets on a small screen. Further, these tracks can be viewed in the context of the entire signal trace as well as visible high-level signal features. Several examples using real-world electronic measurement data are presented, which demonstrate typical use cases and the effectiveness of the design.

SignalLens: Focus+Context applied to electronic time series.

Syst&egrave;mes de test et de mesure &eacute;lectroniques deviennent de plus en plus sophistiqu&eacute;s afin de correspondre &agrave; la complexit&eacute; accrue et ultra-haute vitesse des appareils test&eacute;s. Un &eacute;l&eacute;ment cl&eacute; dans plusieurs de ces instruments est une capacit&eacute; consid&eacute;rablement accrue pour le stockage des signaux num&eacute;riques. Stockage de 10 points dans le temps ou plus est d&eacute;sormais possible. Dans le m&ecirc;me temps, les &eacute;crans typiques sur ces appareils de mesure sont relativement faibles. Par cons&eacute;quent, ces instruments peuvent rendre seulement une infime fraction du signal complet &agrave; tout moment. SignalLens utilise une approche de Focus + contexte pour fournir un moyen de naviguer vers et inspecter les d&eacute;tails de bas niveau de signal dans le contexte de la trace de la totalit&eacute; du signal. Cette approche fournit une visualisation compacte adapt&eacute;e pour les int&eacute;grer dans les petits &eacute;crans, g&eacute;n&eacute;ralement fournis par les instruments de mesure &eacute;lectroniques. Nous avons encore augmenter cet affichage avec pistes calcul&eacute;es qui affichent des propri&eacute;t&eacute;s calcul&eacute;es &agrave; align&eacute; au niveau temporel du signal. En combinant et en filtrant ces calcul&eacute; les titres qu&#39;il est possible de trouver facilement et rapidement par le calcul d&eacute;tect&eacute; caract&eacute;ristiques dans les donn&eacute;es qui sont souvent obscurcies par la compression visuelle n&eacute;cessaire pour restituer les grands ensembles de donn&eacute;es sur un petit &eacute;cran. En outre, ces titres peuvent &ecirc;tre consult&eacute;s dans le cadre de la trace de la totalit&eacute; du signal, mais aussi les caract&eacute;ristiques du signal de haut niveau visible. Plusieurs exemples d&#39;utilisation de donn&eacute;es de mesure &eacute;lectronique r&eacute;elle sont pr&eacute;sent&eacute;es, qui montrent des cas typiques d&#39;utilisation et l&#39;efficacit&eacute; de la conception.

SignalLens : Focus + contexte appliqu&eacute; aux s&eacute;ries chronologiques &eacute;lectronique.

Elektronische Mess- und Pr&uuml;ftechnik-Systeme werden zunehmend verfeinert, um die zunehmende Komplexit&auml;t und ultrahoher Geschwindigkeit der Ger&auml;te unter Test &uuml;berein. Ein wesentliches Merkmal an vielen Instrumenten ist eine erheblich h&ouml;here Kapazit&auml;t f&uuml;r die Speicherung von digitalen Signalen. Lagerung von Neubewerber Zeitpunkte oder mehr ist jetzt m&ouml;glich. Zur gleichen Zeit sind die typischen Bildschirme auf solchen Ger&auml;ten Messung relativ klein. Daher k&ouml;nnen diese Instrumente nur einen sehr kleinen Bruchteil der das komplette Signal jederzeit rendern. SignalLens verwendet einen Fokus + Kontext-Ansatz, um zu navigieren und Inspektionen der Low-Level-Signal Informationen im Zusammenhang mit der gesamten Signal-Ablaufverfolgung zu geben. Dieser Ansatz bietet eine kompakte Visualisierung f&uuml;r die Einbettung in die kleine Displays, die typischerweise von elektronischen Messger&auml;ten geeignet. Wir erg&auml;nzen weitere dieses Display mit berechneten Tracks, die Zeit ausgerichtete berechnete Eigenschaften des Signals angezeigt. Durch kombinieren und Filtern berechneten diese Tracks, die es m&ouml;glich ist, schnell und einfach rechnerisch finden Funktionen in den Daten erkannt, die oft durch die visuelle Komprimierung ben&ouml;tigt, um die gro&szlig;en Datenmengen auf einem kleinen Bildschirm zu Rendern verdeckt sind. Dar&uuml;ber hinaus k&ouml;nnen diese Spuren im Zusammenhang mit der gesamten Signal Spur als auch sichtbares Signal der High-Level Funktionen angezeigt werden. Einige Beispiele zur Verwendung von realen elektronische Messdaten werden vorgestellt, die zeigen typische Anwendungsf&auml;lle und die Wirksamkeit des Designs.

SignalLens: Focus + Kontext auf elektronische Zeitreihen angewendet.

Sistemi elettronici di misura e test stanno diventando sempre pi&ugrave; sofisticati al fine di corrispondere l&#39;aumento della complessit&agrave; e ad altissima velocit&agrave; dei dispositivi sotto test. Una caratteristica fondamentale in molti di tali strumenti &egrave; una capacit&agrave; notevolmente maggiore per l&#39;archiviazione dei segnali digitali. Archiviazione dei riesami tempo punti o pi&ugrave; &egrave; ora possibile. Allo stesso tempo, i tipici schermi su tali dispositivi di misurazione sono relativamente piccoli. Pertanto, questi strumenti possono rendere solo una frazione estremamente piccola del segnale completo in qualsiasi momento. SignalLens utilizza un approccio Focus + contesto per fornire un mezzo di navigazione verso e ispezionando i dettagli a basso livello di segnale nel contesto della traccia intero segnale. Questo approccio fornisce una visualizzazione compatta adatta per l&#39;incorporamento nel piccolo display tipicamente fornito da strumenti di misura elettronici. Abbiamo ulteriormente aumentare questo display con tracce calcolate che mostrano propriet&agrave; calcolate allineato a tempo del segnale. Da filtro e combinando questi computato tracce che &egrave; possibile facilmente e rapidamente trovare informaticamente rilevato caratteristiche nei dati che sono spesso oscurati dalla compressione visiva necessaria per eseguire il rendering di grandi insiemi di dati su un piccolo schermo. Ulteriormente, questi brani possono essere visualizzati nel contesto della traccia intero segnale, nonch&eacute; di caratteristiche di segnale ad alto livello visibile. Vengono presentati diversi esempi utilizzando i dati di misurazione elettronica del mondo reale, che dimostrano casi tipici di utilizzo e l&#39;efficacia del design.

SignalLens: Focus + contesto applicato alle serie temporali elettronico.

&#x96FB;&#x5B50;&#x30C6;&#x30B9;&#x30C8; &#x30FB;&#x8A08;&#x6E2C;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306F;&#x3001;&#x307E;&#x3059;&#x307E;&#x3059;&#x8907;&#x96D1;&#x3055;&#x306E;&#x5897;&#x52A0;&#x3068;&#x8D85;&#x9AD8;&#x901F;&#x306E;&#x30C6;&#x30B9;&#x30C8;&#x5BFE;&#x8C61;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x3068;&#x4E00;&#x81F4;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x6D17;&#x7DF4;&#x3055;&#x305B;&#x3064;&#x3064;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x3088;&#x3046;&#x306A;&#x591A;&#x304F;&#x306E;&#x697D;&#x5668;&#x306E;&#x91CD;&#x8981;&#x6A5F;&#x80FD;&#x306F;&#x5927;&#x5E45;&#x306B;&#x5897;&#x52A0;&#x3057;&#x305F;&#x30B9;&#x30C8;&#x30EC;&#x30FC;&#x30B8;&#x5BB9;&#x91CF;&#x306F;&#x30C7;&#x30B8;&#x30BF;&#x30EB;&#x4FE1;&#x53F7;&#x3067;&#x3059;&#x3002;10 (9) &#x30BF;&#x30A4;&#x30E0; &#x30DD;&#x30A4;&#x30F3;&#x30C8;&#x4EE5;&#x4E0A;&#x306E;&#x30B9;&#x30C8;&#x30EC;&#x30FC;&#x30B8;&#x304C;&#x53EF;&#x80FD;&#x306B;&#x306A;&#x308A;&#x307E;&#x3057;&#x305F;&#x3002;&#x540C;&#x6642;&#x306B;&#x3001;&#x3053;&#x306E;&#x3088;&#x3046;&#x306A;&#x8A08;&#x6E2C;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x306E;&#x5178;&#x578B;&#x7684;&#x306A;&#x753B;&#x9762;&#x306F;&#x6BD4;&#x8F03;&#x7684;&#x5C0F;&#x3055;&#x3044;&#x3067;&#x3059;&#x3002;&#x3057;&#x305F;&#x304C;&#x3063;&#x3066;&#x3001;&#x3053;&#x308C;&#x3089;&#x306E;&#x697D;&#x5668;&#x306F;&#x3044;&#x3064;&#x3067;&#x3082;&#x5B8C;&#x5168;&#x306A;&#x4FE1;&#x53F7;&#x306E;&#x3054;&#x304F;&#x308F;&#x305A;&#x304B;&#x3060;&#x3051;&#x30EC;&#x30F3;&#x30C0;&#x30EA;&#x30F3;&#x30B0;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;SignalLens &#x306B;&#x30CA;&#x30D3;&#x30B2;&#x30FC;&#x30C8;&#x3059;&#x308B;&#x3068;&#x5168;&#x4F53;&#x306E;&#x4FE1;&#x53F7;&#x30C8;&#x30EC;&#x30FC;&#x30B9;&#x306E;&#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x3067;&#x306E;&#x4F4E;&#x30EC;&#x30D9;&#x30EB;&#x4FE1;&#x53F7;&#x8A73;&#x7D30;&#x3092;&#x691C;&#x67FB;&#x3059;&#x308B;&#x624B;&#x6BB5;&#x3092;&#x63D0;&#x4F9B;&#x3059;&#x308B;&#x30D5;&#x30A9;&#x30FC;&#x30AB;&#x30B9; + &#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8; &#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x306F;&#x3001;&#x901A;&#x5E38;&#x96FB;&#x5B50;&#x8A08;&#x6E2C;&#x6A5F;&#x5668;&#x306B;&#x3088;&#x3063;&#x3066;&#x63D0;&#x4F9B;&#x3055;&#x308C;&#x308B;&#x5C0F;&#x578B;&#x306E;&#x30C7;&#x30A3;&#x30B9;&#x30D7;&#x30EC;&#x30A4;&#x306B;&#x57CB;&#x3081;&#x8FBC;&#x3080;&#x3053;&#x3068;&#x306E;&#x305F;&#x3081;&#x306B;&#x9069;&#x3057;&#x305F;&#x30B3;&#x30F3;&#x30D1;&#x30AF;&#x30C8;&#x306A;&#x53EF;&#x8996;&#x5316;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005; &#x304C;&#x3053;&#x306E;&#x30C7;&#x30A3;&#x30B9;&#x30D7;&#x30EC;&#x30A4;&#x4FE1;&#x53F7;&#x306E;&#x8A08;&#x7B97;&#x30D7;&#x30ED;&#x30D1;&#x30C6;&#x30A3;&#x3092;&#x6642;&#x9593;&#x63C3;&#x3048;&#x8868;&#x793A;&#x8A08;&#x7B97;&#x306E;&#x30C8;&#x30E9;&#x30C3;&#x30AF;&#x3092;&#x3055;&#x3089;&#x306B;&#x5F37;&#x5316;&#x3057;&#x307E;&#x3059;&#x3002;&#x7D50;&#x5408;&#x304A;&#x3088;&#x3073;&#x30D5;&#x30A3;&#x30EB;&#x30BF;&#x30FC;&#x306B;&#x3088;&#x3063;&#x3066;&#x3053;&#x308C;&#x3089;&#x304C;&#x7C21;&#x5358;&#x304B;&#x3064;&#x8FC5;&#x901F;&#x306B;&#x8A08;&#x7B97;&#x4E0A;&#x306B;&#x898B;&#x3064;&#x3051;&#x308B;&#x3053;&#x3068;&#x304C;&#x53EF;&#x80FD;&#x3067;&#x3059;&#x30C8;&#x30E9;&#x30C3;&#x30AF;&#x6A5F;&#x80FD;&#x3067;&#x3057;&#x3070;&#x3057;&#x3070;&#x5C0F;&#x3055;&#x306A;&#x753B;&#x9762;&#x4E0A;&#x306B;&#x5927;&#x91CF;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x3092;&#x30EC;&#x30F3;&#x30C0;&#x30EA;&#x30F3;&#x30B0;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x5FC5;&#x8981;&#x306A; visual &#x5727;&#x7E2E;&#x306B;&#x3088;&#x3063;&#x3066;&#x96A0;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x30C7;&#x30FC;&#x30BF;&#x304C;&#x691C;&#x51FA;&#x8A08;&#x7B97;&#x3002;&#x3055;&#x3089;&#x306B;&#x3001;&#x3053;&#x308C;&#x3089;&#x306E;&#x30C8;&#x30E9;&#x30C3;&#x30AF;&#x306F;&#x3001;&#x53EF;&#x8996;&#x306E;&#x9AD8;&#x30EC;&#x30D9;&#x30EB;&#x306E;&#x4FE1;&#x53F7;&#x6A5F;&#x80FD;&#x3060;&#x3051;&#x3067;&#x306A;&#x304F;&#x3001;&#x5168;&#x4F53;&#x306E;&#x4FE1;&#x53F7;&#x30C8;&#x30EC;&#x30FC;&#x30B9;&#x306E;&#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x3067;&#x8868;&#x793A;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x5178;&#x578B;&#x7684;&#x306A;&#x4F7F;&#x7528;&#x4F8B;&#x3068;&#x30C7;&#x30B6;&#x30A4;&#x30F3;&#x306E;&#x6709;&#x52B9;&#x6027;&#x3092;&#x793A;&#x3059;&#x73FE;&#x5B9F;&#x4E16;&#x754C;&#x306E;&#x96FB;&#x5B50;&#x8A08;&#x6E2C;&#x30C7;&#x30FC;&#x30BF;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x3044;&#x304F;&#x3064;&#x304B;&#x306E;&#x4F8B;&#x304C;&#x63B2;&#x8F09;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;

SignalLens: &#x30D5;&#x30A9;&#x30FC;&#x30AB;&#x30B9; + &#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x96FB;&#x5B50;&#x6642;&#x9593;&#x7CFB;&#x5217;&#x306B;&#x9069;&#x7528;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;

&#xC804;&#xC790; &#xD14C;&#xC2A4;&#xD2B8; &#xBC0F; &#xCE21;&#xC815; &#xC2DC;&#xC2A4;&#xD15C; &#xC99D;&#xAC00; &#xBCF5;&#xC7A1;&#xC131;&#xACFC; &#xCD08;&#xACE0;&#xC18D; &#xD14C;&#xC2A4;&#xD2B8; &#xB300;&#xC0C1; &#xC7A5;&#xCE58;&#xB97C; &#xCC3E;&#xC744; &#xC218; &#xC788;&#xB3C4;&#xB85D; &#xC810;&#xC810; &#xB354; &#xC815;&#xAD50; &#xD574;&#xC9C0;&#xACE0; &#xC788;&#xB2E4;. &#xC774;&#xB7EC;&#xD55C; &#xB9CE;&#xC740; &#xC545;&#xAE30;&#xC5D0;&#xC11C; &#xC8FC;&#xC694; &#xAE30;&#xB2A5;&#xC740; &#xB514;&#xC9C0;&#xD138; &#xC2E0;&#xD638; &#xC800;&#xC7A5;&#xC6A9; &#xB300;&#xD3ED; &#xC99D;&#xAC00; &#xC6A9;&#xB7C9;&#xC785;&#xB2C8;&#xB2E4;. 10(9) &#xC2DC;&#xAC04; &#xD3EC;&#xC778;&#xD2B8; &#xC774;&#xC0C1;&#xC758; &#xC2A4;&#xD1A0;&#xB9AC;&#xC9C0; &#xC774;&#xC81C; &#xAC00;&#xB2A5;&#xD569;&#xB2C8;&#xB2E4;. &#xAC19;&#xC740; &#xC2DC;&#xAC04;&#xC5D0; &#xAC19;&#xC740; &#xCE21;&#xC815; &#xC7A5;&#xCE58;&#xC5D0; &#xC77C;&#xBC18;&#xC801;&#xC778; &#xC2A4;&#xD06C;&#xB9B0;&#xC740; &#xC0C1;&#xB300;&#xC801;&#xC73C;&#xB85C; &#xC791;&#xC740;. &#xB530;&#xB77C;&#xC11C;,&#xC774; &#xC545;&#xAE30;&#xB9CC; &#xC5B8;&#xC81C; &#xB4E0; &#xC9C0; &#xC644;&#xC804; &#xD55C; &#xC2E0;&#xD638;&#xC758; &#xB9E4;&#xC6B0; &#xC791;&#xC740; &#xC77C;&#xBD80;&#xBD84;&#xC744; &#xB80C;&#xB354;&#xB9C1;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. SignalLens &#xD3EC;&#xCEE4;&#xC2A4; + &#xC0C1;&#xD669;&#xC5D0; &#xB9DE;&#xB294; &#xBC29;&#xBC95;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xD0D0;&#xC0C9; &#xD558; &#xACE0; &#xC804;&#xCCB4; &#xC2E0;&#xD638; &#xCD94;&#xC801;&#xC758; &#xB9E5;&#xB77D;&#xC5D0;&#xC11C; &#xB0AE;&#xC740; &#xC218;&#xC900;&#xC758; &#xC2E0;&#xD638; &#xC815;&#xBCF4;&#xB97C; &#xAC80;&#xC0AC; &#xD558;&#xB294; &#xC218;&#xB2E8;&#xC744; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;. &#xC774; &#xBC29;&#xBC95;&#xC740; &#xC804;&#xC790; &#xCE21;&#xC815; &#xAE30;&#xAE30;&#xC5D0; &#xC758;&#xD574; &#xC81C;&#xACF5; &#xC77C;&#xBC18;&#xC801;&#xC73C;&#xB85C; &#xC791;&#xC740; &#xB514;&#xC2A4;&#xD50C;&#xB808;&#xC774;&#xC5D0; &#xB0B4;&#xC7A5;&#xC5D0; &#xC801;&#xD569; &#xD55C; &#xC18C;&#xD615; &#xC2DC;&#xAC01;&#xD654;&#xB97C; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xB610;&#xD55C;&#xC774; &#xB514;&#xC2A4;&#xD50C;&#xB808;&#xC774;&#xC758; &#xC2E0;&#xD638; &#xC2DC;&#xAC04; &#xB9DE;&#xCDA4; &#xACC4;&#xC0B0; &#xB41C; &#xC18D;&#xC131;&#xC744; &#xD45C;&#xC2DC; &#xD558;&#xB294; &#xACC4;&#xC0B0; &#xB41C; &#xD2B8;&#xB799; &#xBCF4;&#xC644;&#xD560;. &#xACB0;&#xD569; &#xD558; &#xACE0; &#xD544;&#xD130;&#xB9C1; &#xD558; &#xC5EC; &#xC774;&#xB7EC;&#xD55C; &#xB370;&#xC774;&#xD130;&#xB97C; &#xC791;&#xC740; &#xD654;&#xBA74;&#xC5D0; &#xD070; &#xB370;&#xC774;&#xD130; &#xC9D1;&#xD569;&#xC744; &#xB80C;&#xB354;&#xB9C1; &#xD558;&#xB294; &#xB370; &#xD544;&#xC694;&#xD55C; &#xC2DC;&#xAC01;&#xC801; &#xC555;&#xCD95;&#xC5D0; &#xC758;&#xD574; &#xC885;&#xC885; &#xAC00;&#xB824;&#xC9C4; &#xD2B8;&#xB799; &#xACC4;&#xC0B0;&#xC744; &#xC27D;&#xACE0; &#xBE60;&#xB974;&#xAC8C; &#xCC3E;&#xC744; &#xC218; &#xAC10;&#xC9C0; &#xAE30;&#xB2A5; &#xACC4;&#xC0B0;. &#xB610;&#xD55C;,&#xC774; &#xD2B8;&#xB799;&#xC740; &#xBCF4;&#xC774;&#xB294; &#xB192;&#xC740; &#xC218;&#xC900;&#xC758; &#xC2E0;&#xD638; &#xAE30;&#xB2A5; &#xBFD0;&#xB9CC; &#xC544;&#xB2C8;&#xB77C; &#xC804;&#xCCB4; &#xC2E0;&#xD638; &#xCD94;&#xC801;&#xC758; &#xB9E5;&#xB77D;&#xC5D0;&#xC11C; &#xBCFC; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC2E4;&#xC81C; &#xC804;&#xC790; &#xCE21;&#xC815; &#xB370;&#xC774;&#xD130;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xBA87; &#xAC00;&#xC9C0; &#xC608;&#xC81C;&#xB294; &#xC77C;&#xBC18;&#xC801;&#xC778; &#xC0AC;&#xC6A9; &#xC0AC;&#xB840; &#xBC0F; &#xB514;&#xC790;&#xC778;&#xC758; &#xD6A8;&#xACFC; &#xBCF4;&#xC5EC; &#xD45C;&#xC2DC; &#xB429;&#xB2C8;&#xB2E4;.

SignalLens: &#xD3EC;&#xCEE4;&#xC2A4; + &#xCEE8;&#xD14D;&#xC2A4;&#xD2B8; &#xC804;&#xC790; &#xC2DC;&#xACC4;&#xC5F4;&#xC5D0; &#xC801;&#xC6A9;.

Sistemas electr&oacute;nicos de medici&oacute;n y prueba son convertirse en cada vez m&aacute;s sofisticados para coincidir con el aumento de la complejidad y ultra alta velocidad de los dispositivos bajo prueba. Una caracter&iacute;stica clave en muchos de estos instrumentos es una capacidad mucho mayor para el almacenamiento de se&ntilde;ales digitales. Ahora es posible almacenar 10 (9) tiempo puntos o m&aacute;s. Al mismo tiempo, las t&iacute;picas pantallas en estos dispositivos de medici&oacute;n son relativamente peque&ntilde;as. Por lo tanto, estos instrumentos s&oacute;lo pueden representar una fracci&oacute;n muy peque&ntilde;a de la se&ntilde;al completa en cualquier momento. SignalLens utiliza un enfoque enfoque + contexto para proporcionar un medio de navegando por e inspecci&oacute;n detalles de bajo nivel de se&ntilde;al en el contexto de la traza de toda se&ntilde;al. Este enfoque proporciona una visualizaci&oacute;n compacta adecuada para incrustar en las pantallas peque&ntilde;as t&iacute;picamente suministradas instrumentos de medici&oacute;n electr&oacute;nicos. M&aacute;s que aumentar el alcance esta pantalla con pistas computadas que muestre propiedades computados alineado a la hora de la se&ntilde;al. Por combinar y filtrado estas computan pistas es posible llegar f&aacute;cilmente y r&aacute;pidamente c&oacute;mputo detectaron caracter&iacute;sticas en los datos que son a menudo oscurecidos por la compresi&oacute;n visual necesaria para representar los grandes conjuntos de datos en una pantalla peque&ntilde;a. Adem&aacute;s, estas huellas pueden verse en el contexto de la traza de toda se&ntilde;al as&iacute; como caracter&iacute;sticas de la se&ntilde;al visible de alto nivel. Se presentan varios ejemplos utilizando datos reales de medici&oacute;n electr&oacute;nica, que demuestran los casos de uso t&iacute;pico y la eficacia del dise&ntilde;o.

Robert Kincaid

Agilent Technologies

DNA-based Fish Species Identification Protocol