Micropunching Lithography for Generating Micro- and Submicron-patterns on Polymer Substrates

Conducting polymers have attracted great attention since the discovery of high conductivity in doped polyacetylene in 19771. They offer the advantages of ...

University of Texas at Arlington 

TFIIE and the archaeal homolog TFE enhance DNA strand separation of eukaryotic RNAPII and the archaeal RNAP during transcription initiation by an unknown mechanism. We have developed a fluorescently labeled recombinant M. jannaschii RNAP system to probe the archaeal transcription initiation complex, consisting of promoter DNA, TBP, TFB, TFE, and RNAP. We have localized the position of the TFE winged helix (WH) and Zinc ribbon (ZR) domains on the RNAP using single-molecule FRET. The interaction sites of the TFE WH domain and the transcription elongation factor Spt4/5 overlap, and both factors compete for RNAP binding. Binding of Spt4/5 to RNAP represses promoter-directed transcription in the absence of TFE, which alleviates this effect by displacing Spt4/5 from RNAP. During elongation, Spt4/5 can displace TFE from the RNAP elongation complex and stimulate processivity. Our results identify the RNAP "clamp" region as a regulatory hot spot for both transcription initiation and transcription elongation.

The initiation factor TFE and the elongation factor Spt4/5 compete for the RNAP clamp during transcription initiation and elongation.

&#x79EF;&#x6781;&#x53D1;&#x5C55;&#x7EC4;&#x7EC7;&#x4E2D;&#x7684;&#x5355;&#x5143;&#x683C;&#x7684;&#x81EA;&#x52A8;&#x7684;&#x5206;&#x5272;&#x4E0E;&#x8DDF;&#x8E2A;&#x53EF;&#x4EE5;&#x63D0;&#x4F9B;&#x9AD8;&#x541E;&#x5410;&#x91CF;&#x548C;&#x5B9A;&#x91CF;&#x7684;&#x65F6;&#x7A7A;&#x6D4B;&#x91CF;&#x8303;&#x56F4;&#x7684;&#x5355;&#x5143;&#x683C;&#x7684;&#x884C;&#x4E3A; &#xFF1B;&#x4ECE;&#x800C;&#x66F4;&#x597D;&#x5730;&#x4E86;&#x89E3;&#x57FA;&#x7840;&#x52A8;&#x6001;&#x7684;&#x5F62;&#x6001;&#x53D1;&#x751F;&#x7EC6;&#x80DE;&#x81A8;&#x80C0;&#x548C;&#x7EC6;&#x80DE;&#x5206;&#x88C2;&#x52A8;&#x529B;&#x5B66;&#x3002;&#x5728;&#x8FD9;&#x91CC;&#xFF0C;&#x6211;&#x4EEC;&#x7814;&#x7A76;&#x4E86;&#x6784;&#x5EFA;&#x7EC6;&#x80DE;&#x8C31;&#x7CFB;&#x4F7F;&#x7528;&#x5171;&#x7126;&#x6FC0;&#x5149;&#x626B;&#x63CF;&#x663E;&#x5FAE;&#x955C; (CLSM) &#x83B7;&#x5F97;&#x7684;&#x5EF6;&#x65F6;&#x5BB9;&#x79EF;&#x56FE;&#x50CF;&#x5806;&#x6808;&#x4E2D;&#x7684;&#x95EE;&#x9898;&#x3002;&#x5DE5;&#x4F5C;&#x7684;&#x65B0;&#x8D21;&#x732E;&#x5728;&#x4E8E;&#x5176;&#x7EC6;&#x5206;&#x5E76;&#x91C7;&#x7528;&#x95ED;&#x73AF;&#x3001; &#x81EA;&#x9002;&#x5E94;&#x5206;&#x5272;&#x548C;&#x8DDF;&#x8E2A;&#x65B9;&#x6CD5;&#x8DDF;&#x8E2A;&#x5BC6;&#x96C6;&#x7EC4;&#x7EC7;&#xFF0C;&#x830E;&#x9876;&#x7AEF;&#x5206;&#x751F;&#x7EC4;&#x7EC7; (SAM)&#xFF0C;&#x7EC6;&#x80DE;&#x7684;&#x80FD;&#x529B;&#x3002;&#x8DDF;&#x8E2A;&#x8F93;&#x51FA;&#x884C;&#x4E3A;&#x4F5C;&#x4E3A;&#x5206;&#x5272;&#x7684;&#x8D28;&#x91CF;&#x6307;&#x6807;&#xFF0C;&#x5E76;&#x53CD;&#x8FC7;&#x6765;&#xFF0C;&#x53EF;&#x4EE5;&#x6539;&#x5584;&#x5206;&#x5272;&#xFF0C;&#x4EE5;&#x83B7;&#x5F97;&#x66F4;&#x597D;&#x7684;&#x8DDF;&#x8E2A;&#x7ED3;&#x679C;&#x3002;&#x6211;&#x4EEC;&#x6784;&#x9020;&#x6700;&#x5C0F;&#x5206;&#x5272;&#x9519;&#x8BEF;&#xFF0C;&#x5176;&#x4E2D;&#xFF0C;&#x53CD;&#x8FC7;&#x6765;&#xFF0C;&#x4F30;&#x8BA1;&#x4ECE;&#x8DDF;&#x8E2A;&#x7ED3;&#x679C;&#x7684;&#x4F18;&#x5316;&#x529F;&#x80FD;&#x3002;&#x8DDF;&#x8E2A;&#x548C;&#x5206;&#x5272;&#x7684;&#x5206;&#x5272;&#x4E0E;&#x8DDF;&#x8E2A;&#x6A21;&#x5757;&#x5355;&#x72EC;&#x8FD0;&#x4F5C;&#x7684;&#x5F00;&#x653E;&#x73AF;&#x6846;&#x67B6;&#x76F8;&#x6BD4;&#xFF0C;&#x663E;&#x8457;&#x63D0;&#x9AD8;&#x4E86;&#x8FD9;&#x79CD;&#x81EA;&#x9002;&#x5E94;&#x7684;&#x65B9;&#x6CD5;&#x3002;

&#x81EA;&#x9002;&#x5E94;&#x5355;&#x5143;&#x683C;&#x5206;&#x5272;&#x4E0E;&#x8DDF;&#x8E2A;&#x7684;&#x5BB9;&#x79EF;&#x5171;&#x805A;&#x7126;&#x663E;&#x5FAE;&#x955C;&#x56FE;&#x50CF;&#x7684;&#x53D1;&#x5C55;&#x690D;&#x7269;&#x830E;&#x5C16;&#x3002;

Automated segmentation and tracking of cells in actively developing tissues can provide high-throughput and quantitative spatiotemporal measurements of a range of cell behaviors; cell expansion and cell-division kinetics leading to a better understanding of the underlying dynamics of morphogenesis. Here, we have studied the problem of constructing cell lineages in time-lapse volumetric image stacks obtained using Confocal Laser Scanning Microscopy (CLSM). The novel contribution of the work lies in its ability to segment and track cells in densely packed tissue, the shoot apical meristem (SAM), through the use of a close-loop, adaptive segmentation, and tracking approach. The tracking output acts as an indicator of the quality of segmentation and, in turn, the segmentation can be improved to obtain better tracking results. We construct an optimization function that minimizes the segmentation error, which is, in turn, estimated from the tracking results. This adaptive approach significantly improves both tracking and segmentation when compared to an open loop framework in which segmentation and tracking modules operate separately.

Adaptive cell segmentation and tracking for volumetric confocal microscopy images of a developing plant meristem.

Segmentation automatique et suivi de cellules dans le d&eacute;veloppement des tissus peuvent fournir des mesures de spatio-temporelle haut-d&eacute;bit et quantitatives d&#39;une gamme de comportements cellulaires ; cellule expansion et division cellulaire cin&eacute;tique conduisant &agrave; une meilleure compr&eacute;hension de la dynamique sous-jacente de la morphog&eacute;n&egrave;se. Ici, nous avons &eacute;tudi&eacute; le probl&egrave;me de la construction des lignages cellulaires en time-lapse image volum&eacute;trique piles obtenues &agrave; l&#39;aide de la microscopie confocale &agrave; balayage du Laser (CLSM). La nouvelle contribution de l&#39;ouvrage r&eacute;side dans sa capacit&eacute; de segmenter et de suivre les cellules du tissu dense, le m&eacute;rist&egrave;me apical (SAM), gr&acirc;ce &agrave; une fermeture boucle, segmentation adaptative et approche de suivi. La sortie de suivi agit comme un indicateur de la qualit&eacute; de la segmentation et, &agrave; son tour, la segmentation peut &ecirc;tre am&eacute;lior&eacute;e afin d&#39;obtenir les meilleurs r&eacute;sultats de suivi. Nous construisons une fonction d&#39;optimisation qui minimise l&#39;erreur de segmentation, ce qui est, &agrave; son tour, estim&eacute;e d&#39;apr&egrave;s les r&eacute;sultats du suivi. Cette approche adaptative am&eacute;liore consid&eacute;rablement les suivi et segmentation par rapport &agrave; un cadre de boucle ouverte dans laquelle segmentation et suivi les modules fonctionnent s&eacute;par&eacute;ment.

Segmentation cellulaire adaptative et suivi pour les images de microscopie confocale volum&eacute;trique d&#39;un pays en d&eacute;veloppement des plantes m&eacute;rist&egrave;me.

Automatische Segmentierung und Nachverfolgung von Zellen in Geweben aktiv an der Entwicklung bieten hohen Durchsatz und quantitative raumzeitliche Messungen eines Bereichs der Zelle Verhalten; Zelle Expansion und Zellteilung Kinetik f&uuml;hrt zu einem besseren Verst&auml;ndnis der zugrunde liegende Dynamik der Morphogenese. Hier haben wir das Problem f&uuml;r den Bau der Zelle Linien im Zeitraffer Volumetrische Bildstapeln mit Hilfe der Konfokalen Laser Scanning Mikroskopie (CLSM) untersucht. Neue Beitrag der Arbeit liegt in seiner F&auml;higkeit zu segmentieren und Zellen in dicht gepackten Gewebe, das schie&szlig;en Apical Meristem (SAM), durch den Einsatz einer schlie&szlig;en-Schleife, adaptive Segmentierung und Nachverfolgung Ansatz zu verfolgen. Die Verfolgung-Ausgabe dient als Indikator f&uuml;r die Qualit&auml;t der Segmentierung und wiederum die Segmentierung verbessert werden kann, um bessere Tracking-Ergebnisse zu erhalten. Wir konstruieren eine Optimierungsfunktion, die den Segmentation Fehler, das wiederum aus der Tracking-Ergebnisse gesch&auml;tzt wird minimiert. Diese adaptive Ansatz erheblich verbessert, Tracking und Segmentierung im Vergleich zu einem Open-Loop-Rahmen in der Segmentierung und tracking Module separat betreiben.

Adaptive Zelle Segmentierung und Tracking f&uuml;r volumetrische confocal Mikroskopie-Bilder von einem entwickeln Pflanzen Meristem.

Segmentazione automatica e rilevamento delle cellule attivamente lo sviluppo di tessuti in grado di fornire misurazioni spatiotemporal high-throughput e quantitative di una gamma di comportamenti di cella; cella espansione e divisione cellulare cinetica che conduce ad una migliore comprensione delle dinamiche sottostanti della morfogenesi. Qui, abbiamo studiato il problema della costruzione di linee cellulari in time-lapse immagine volumetrica pile ottenute mediante confocale Laser Scanning Microscopy (CLSM). Il romanzo contributo dell&#39;opera risiede nella sua capacit&agrave; di segmento e tenere traccia di cellule nel tessuto densamente, il meristema apicale di sparare (SAM), attraverso l&#39;utilizzo di un ciclo di chiusura, segmentazione adattiva e rilevamento approccio. L&#39;output di rilevamento agisce come un indicatore della qualit&agrave; della segmentazione e, a sua volta, la segmentazione pu&ograve; essere migliorata per ottenere migliori risultati di rilevamento. Costruiamo una funzione di ottimizzazione che minimizza l&#39;errore di segmentazione, che &egrave;, a sua volta, stimato dai risultati del monitoraggio. Questo approccio adattativo migliora significativamente la segmentazione rispetto a un quadro di circuito aperto in cui la segmentazione e moduli di rilevamento operano separatamente e rilevamento.

Segmentazione adattiva delle cellule e rilevamento per immagini volumetriche microscopia confocal di sviluppo di un impianto di meristema.

&#x81EA;&#x52D5;&#x5206;&#x5272;&#x304A;&#x3088;&#x3073;&#x8FFD;&#x8DE1;&#x7A4D;&#x6975;&#x7684;&#x306B;&#x30C6;&#x30A3;&#x30C3;&#x30B7;&#x30E5;&#x306E;&#x958B;&#x767A;&#x3067;&#x7D30;&#x80DE;&#x306E;&#x7D30;&#x80DE;&#x884C;&#x52D5;&#x306E;&#x7BC4;&#x56F2;&#x306E;&#x9AD8;&#x30B9;&#x30EB;&#x30FC;&#x30D7;&#x30C3;&#x30C8;&#x3068;&#x5B9A;&#x91CF;&#x7684;&#x6642;&#x7A7A;&#x9593;&#x6E2C;&#x5B9A;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x5F62;&#x614B;&#x5F62;&#x6210;&#x306E;&#x57FA;&#x790E;&#x3068;&#x306A;&#x308B;&#x529B;&#x5B66;&#x306E;&#x7406;&#x89E3;&#x3092;&#x6DF1;&#x3081;&#x308B;&#x306B;&#x3064;&#x306A;&#x304C;&#x308B;&#x3001;&#x30BB;&#x30EB;&#x62E1;&#x5927;&#x3068;&#x7D30;&#x80DE;&#x5206;&#x88C2;&#x306E;&#x901F;&#x5EA6;&#x8AD6;&#x3002;&#x3053;&#x3053;&#x3067;&#x306F;&#x3001;&#x30BB;&#x30EB;&#x8840;&#x7D71;&#x5171;&#x7126;&#x70B9;&#x30EC;&#x30FC;&#x30B6;&#x30FC;&#x8D70;&#x67FB;&#x9855;&#x5FAE;&#x93E1; (CLSM) &#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x5F97;&#x3089;&#x308C;&#x305F;&#x30B3;&#x30DE;&#x64AE;&#x308A;&#x306E;&#x4F53;&#x7A4D;&#x753B;&#x50CF;&#x306E;&#x30B9;&#x30BF;&#x30C3;&#x30AF;&#x306E;&#x69CB;&#x7BC9;&#x306E;&#x554F;&#x984C;&#x3092;&#x7814;&#x7A76;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x4ED5;&#x4E8B;&#x306E;&#x5C0F;&#x8AAC;&#x306E;&#x8CA2;&#x732E;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C8;&#x304A;&#x3088;&#x3073;&#x30AF;&#x30ED;&#x30FC;&#x30BA; &#x30EB;&#x30FC;&#x30D7;&#x3001;&#x9069;&#x5FDC;&#x7684;&#x9818;&#x57DF;&#x5206;&#x5272;&#x304A;&#x3088;&#x3073;&#x30C8;&#x30E9;&#x30C3;&#x30AD;&#x30F3;&#x30B0;&#x65B9;&#x6CD5;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x830E;&#x9802;&#x5206;&#x88C2; (SAM)&#x3001;&#x5BC6;&#x96C6;&#x7D44;&#x7E54;&#x7D30;&#x80DE;&#x3092;&#x8FFD;&#x8DE1;&#x3059;&#x308B;&#x306B;&#x306F;&#x3001;&#x305D;&#x306E;&#x80FD;&#x529B;&#x306B;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;&#x8FFD;&#x8DE1;&#x51FA;&#x529B;&#x5206;&#x5272;&#x306E;&#x54C1;&#x8CEA;&#x306E;&#x6307;&#x6A19;&#x3068;&#x3057;&#x3066;&#x6A5F;&#x80FD;&#x3057;&#x3001;&#x5206;&#x5272;&#x3092;&#x6539;&#x5584;&#x3057;&#x3066;&#x3088;&#x308A;&#x826F;&#x3044;&#x30C8;&#x30E9;&#x30C3;&#x30AD;&#x30F3;&#x30B0;&#x7D50;&#x679C;&#x3092;&#x53D6;&#x5F97;&#x3059;&#x308B;&#x9806;&#x756A;&#x306B;&#x3002;&#x6211;&#x3005; &#x306F;&#x3001;&#x9806;&#x756A;&#x306B;&#x3001;&#x8FFD;&#x8DE1;&#x7D50;&#x679C;&#x304B;&#x3089;&#x63A8;&#x5B9A;&#x3055;&#x308C;&#x308B;&#x3001;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C6;&#x30FC;&#x30B7;&#x30E7;&#x30F3; &#x30A8;&#x30E9;&#x30FC;&#x3092;&#x6700;&#x5C0F;&#x9650;&#x306B;&#x6291;&#x3048;&#x308B;&#x6700;&#x9069;&#x5316;&#x95A2;&#x6570;&#x3092;&#x69CB;&#x7BC9;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x9069;&#x5FDC;&#x306E;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x306F;&#x3001;&#x5927;&#x5E45;&#x306B;&#x8FFD;&#x8DE1;&#x3068;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C6;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3068;&#x30E2;&#x30B8;&#x30E5;&#x30FC;&#x30EB;&#x3092;&#x8FFD;&#x8DE1;&#x500B;&#x5225;&#x306B;&#x52D5;&#x4F5C;&#x3059;&#x308B;&#x30AA;&#x30FC;&#x30D7;&#x30F3; &#x30EB;&#x30FC;&#x30D7; &#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x306B;&#x6BD4;&#x8F03;&#x3057;&#x305F;&#x5834;&#x5408;&#x306E;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C6;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x304C;&#x5411;&#x4E0A;&#x3057;&#x307E;&#x3059;&#x3002;

&#x9069;&#x5FDC;&#x30BB;&#x30EB;&#x5206;&#x5272;&#x304A;&#x3088;&#x3073;&#x8FFD;&#x8DE1;&#x4F53;&#x7A4D;&#x5171;&#x7126;&#x70B9;&#x9855;&#x5FAE;&#x93E1;&#x753B;&#x50CF;&#x306F;&#x3001;&#x958B;&#x767A;&#x306E;&#x5206;&#x88C2;&#x7D44;&#x7E54;&#x3092;&#x690D;&#x7269;&#x3057;&#x307E;&#x3059;&#x3002;

&#xC790;&#xB3D9;&#xB41C; &#xBD84;&#xD560; &#xBC0F; &#xCD94;&#xC801; &#xC801;&#xADF9;&#xC801;&#xC73C;&#xB85C; &#xAC1C;&#xBC1C; &#xD558;&#xB294; &#xC870;&#xC9C1;&#xC5D0; &#xC788;&#xB294; &#xC140;&#xC758; &#xB2E4;&#xC591; &#xD55C; &#xC140; &#xB3D9;&#xC791;;&#xC758; &#xB192;&#xC740; &#xCC98;&#xB9AC;&#xB7C9; &#xBC0F; &#xC591;&#xC801; spatiotemporal &#xCE21;&#xC815;&#xC744; &#xC81C;&#xACF5;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC140; &#xD655;&#xC7A5; &#xBC0F; &#xC138;&#xD3EC; &#xBD84;&#xC5F4; &#xC18D;&#xB3C4; morphogenesis&#xC758; &#xAE30;&#xBCF8; &#xC5ED;&#xD559;&#xC758; &#xB354; &#xB098;&#xC740; &#xC774;&#xD574;&#xB97C; &#xC120;&#xB3C4;. &#xC5EC;&#xAE30;, &#xC6B0;&#xB9AC; &#xC2DC;&#xAC04; &#xACBD;&#xACFC; &#xCCB4;&#xC801; &#xC774;&#xBBF8;&#xC9C0; &#xC2A4;&#xD0DD;&#xC5D0; Confocal &#xB808;&#xC774;&#xC800; &#xC2A4;&#xCE90;&#xB2DD; &#xD604;&#xBBF8;&#xACBD; &#xAC80;&#xC0AC; &#xBC95; (CLSM)&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xAC00;&#xC838;&#xC628; &#xC140; &#xACC4;&#xBCF4;&#xB97C; &#xAC74;&#xC124; &#xD558;&#xB294; &#xBB38;&#xC81C;&#xB97C; &#xACF5;&#xBD80; &#xD588;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC791;&#xD488;&#xC758; &#xC18C;&#xC124; &#xAE30;&#xC5EC; &#xC138;&#xADF8;&#xBA3C;&#xD2B8; &#xBC0F; &#xB2EB;&#xAE30; &#xB8E8;&#xD504;, &#xC5B4;&#xB311;&#xD2F0;&#xBE0C; &#xC138;&#xBD84;&#xD654; &#xBC0F; &#xCD94;&#xC801; &#xBC29;&#xBC95;&#xC744; &#xD1B5;&#xD574; &#xBC00;&#xB3C4;&#xAC00; &#xD3EC;&#xC7A5;&#xB41C; &#xC870;&#xC9C1;, &#xCD2C;&#xC601; apical &#xBD84;&#xC5F4; &#xC870;&#xC9C1; (SAM)&#xC5D0; &#xC788;&#xB294; &#xC138;&#xD3EC;&#xB97C; &#xCD94;&#xC801; &#xD558;&#xB294; &#xB2A5;&#xB825;&#xC5D0; &#xC788;&#xB2E4;. &#xCD94;&#xC801; &#xCD9C;&#xB825;&#xC758; &#xC138;&#xBD84;&#xD654;&#xC758; &#xD488;&#xC9C8;&#xC758; &#xC9C0;&#xD45C;&#xB85C; &#xC11C; &#xC5ED;&#xD560; &#xD558; &#xACE0; &#xCC28;&#xB840;&#xB85C; &#xC138;&#xBD84;&#xD654; &#xB354; &#xB098;&#xC740; &#xCD94;&#xC801; &#xACB0;&#xACFC;&#xB97C; &#xD5A5;&#xC0C1; &#xC2DC;&#xD0AC; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xCC28;&#xB840;&#xB85C; &#xCD94;&#xC801; &#xACB0;&#xACFC;&#xC5D0;&#xC11C; &#xC608;&#xC0C1; &#xD558;&#xB294; &#xC138;&#xADF8;&#xBA3C;&#xD2B8;&#xD654; &#xC624;&#xB958;&#xB97C; &#xCD5C;&#xC18C;&#xD654; &#xD558;&#xB294; &#xCD5C;&#xC801;&#xD654; &#xAE30;&#xB2A5;&#xC744; &#xAD6C;&#xC131; &#xD569;&#xB2C8;&#xB2E4;. &#xC801;&#xC751;&#xD615; &#xC774;&#xB807;&#xAC8C;&#xB97C; &#xC0AC;&#xC6A9; &#xD558;&#xBA74; &#xCD94;&#xC801; &#xBC0F; &#xC138;&#xBD84;&#xD654;&#xB97C; &#xC138;&#xBD84;&#xD654; &#xBC0F; &#xBAA8;&#xB4C8; &#xCD94;&#xC801; &#xC791;&#xB3D9; &#xBCC4;&#xB3C4;&#xB85C; &#xC624;&#xD508; &#xB8E8;&#xD504; &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C;&#xC5D0; &#xBE44;&#xD574; &#xD06C;&#xAC8C; &#xD5A5;&#xC0C1; &#xB429;&#xB2C8;&#xB2E4;.

&#xC801;&#xC751;&#xD615; &#xC140; &#xBD84;&#xD560; &#xBC0F; &#xAC1C;&#xBC1C;&#xC758; &#xCCB4;&#xC801; confocal &#xD604;&#xBBF8;&#xACBD; &#xC774;&#xBBF8;&#xC9C0;&#xC5D0; &#xB300;&#xD574; &#xCD94;&#xC801; &#xC2DD;&#xBB3C; &#xBD84;&#xC5F4; &#xC870;&#xC9C1;.

Segmentaci&oacute;n automatizada y seguimiento de las c&eacute;lulas en desarrollo activamente los tejidos pueden proporcionar mediciones spatiotemporal cuantitativas y de alto rendimiento de una gama de comportamientos de la c&eacute;lula; c&eacute;lula expansi&oacute;n divisi&oacute;n celular cin&eacute;tica y conduce a una mejor comprensi&oacute;n de la din&aacute;mica subyacente de la morfog&eacute;nesis. Aqu&iacute;, hemos estudiado el problema de la construcci&oacute;n de linajes celulares en pilas de time-lapse imagen volum&eacute;tricos obtenidas mediante microscop&iacute;a Confocal de barrido de l&aacute;ser (CLSM). El aporte novedoso de la obra radica en su capacidad para segmentar y seguimiento de las c&eacute;lulas en el tejido densamente, el meristemo apical de brote (SAM), mediante el uso de un lazo cerrado, segmentaci&oacute;n adaptable y enfoque de seguimiento. La salida de seguimiento act&uacute;a como un indicador de la calidad de la segmentaci&oacute;n y, a su vez, la segmentaci&oacute;n puede mejorarse para obtener mejores resultados de seguimiento. Construimos una funci&oacute;n de optimizaci&oacute;n que reduce al m&iacute;nimo el error de segmentaci&oacute;n, que, a su vez, estima de los resultados de seguimiento. Este enfoque adaptativo mejora significativamente tanto seguimiento y segmentaci&oacute;n en comparaci&oacute;n con un marco de lazo abierto en el que la segmentaci&oacute;n y m&oacute;dulos de seguimiento operan por separado.

Segmentaci&oacute;n de la c&eacute;lula adaptativa y de seguimiento para el meristemo de la planta de im&aacute;genes de microscop&iacute;a confocal volum&eacute;trica de convertirse.

&#x6A21;&#x5F0F;&#x5F62;&#x6210;&#x53D1;&#x5C55;&#x9886;&#x57DF;&#x6D89;&#x53CA;&#x4E0D;&#x540C;&#x7C7B;&#x578B;&#x7684;&#x7EC6;&#x80DE;&#x5728;&#x5176;&#x4E2D;&#x7EC6;&#x80DE;&#x8868;&#x73B0;&#x51FA;&#x5404;&#x79CD;&#x5404;&#x6837;&#x7684;&#x884C;&#x4E3A;&#xFF0C;&#x5982;&#x7EC6;&#x80DE;&#x5206;&#x88C2;&#x3001; &#x7EC6;&#x80DE;&#x6269;&#x5F20;&#x548C;&#x7EC6;&#x80DE;&#x8FC1;&#x79FB;&#x7684;&#x52A8;&#x6001;&#x666F;&#x89C2;&#x7CBE;&#x786E;&#x7A7A;&#x95F4;&#x5B89;&#x6392; [&#x745E;&#x8FEA; (&#x56FA;&#x6001;&#x7EE7;&#x7535;&#x5668;&#x5965;&#x5E73;&#x6813;&#x5382;&#x5DE5;&#x4E1A;&#x56ED;&#x6D77;&#x535A; 11:88-931&#xFF0C;2008&#x5E74;) &#x548C;&#x8FC8;&#x8036;&#x7F57;&#x7EF4;&#x8328; (&#x7EC6;&#x80DE; 88:299-3082&#xFF0C;2007&#x5E74;&#xFF09;]&#x3002;&#x901A;&#x8FC7;&#x5355;&#x5143;&#x683C;&#x7684;&#x6C9F;&#x901A;&#x8FC7;&#x7A0B;&#xFF0C;&#x4EE5;&#x8C03;&#x8282;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x7684;&#x591A;&#x4E2A;&#x5355;&#x5143;&#x683C;&#x5C42;&#x548C;&#x4E2D;&#x6307;&#x5B9A;&#x4E0D;&#x540C;&#x7684;&#x5355;&#x5143;&#x683C;&#x7C7B;&#x578B;&#x7684;&#x5355;&#x5143;&#x683C;&#x884C;&#x4E3A;&#x4E4B;&#x95F4;&#x4EA4;&#x6362;&#x4FE1;&#x606F;&#x3002;&#x56E0;&#x6B64;&#xFF0C;&#x5B9A;&#x91CF;&#x548C;&#x52A8;&#x6001;&#x7684;&#x4E86;&#x89E3;&#xFF0C;&#x65F6;&#x7A7A;&#x7EC4;&#x7EC7;&#x7684;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x548C;&#x7EC6;&#x80DE;&#x884C;&#x4E3A;&#x6A21;&#x5F0F;&#x5728;&#x591A;&#x5C42;&#x548C;&#x79EF;&#x6781;&#x65E5;&#x76CA;&#x53D1;&#x5C55;&#x9886;&#x57DF;&#x5185;&#x7684;&#x5173;&#x952E;&#x662F;&#x53D1;&#x5C55;&#x7684;&#x8981;&#x6A21;&#x578B;&#x8FC7;&#x7A0B;&#x3002;&#x65F6;&#x7A7A;&#x52A8;&#x6001;&#x7684;&#x7EC6;&#x80DE;&#x884C;&#x4E3A;&#x7684;&#x91CF;&#x5316;&#x8981;&#x6C42;&#x8BA1;&#x7B97;&#x5DE5;&#x5177;&#x5728;&#x56FE;&#x50CF;&#x5206;&#x6790;&#x3001; &#x7EDF;&#x8BA1;&#x5EFA;&#x6A21;&#x3001; &#x6A21;&#x5F0F;&#x8BC6;&#x522B;&#x3001; &#x673A;&#x5668;&#x5B66;&#x4E60;&#x548C;&#x52A8;&#x529B;&#x7CFB;&#x7EDF;&#x8BC6;&#x522B;&#x3002;&#x5728;&#x8FD9;&#x91CC;&#xFF0C;&#x6211;&#x4EEC;&#x7B80;&#x8FF0;&#x6700;&#x8FD1;&#x5236;&#x5B9A;&#x7684;&#x65B9;&#x6CD5;&#xFF0C;&#x5728;&#x5206;&#x6790;&#x8FD9;&#x4E24;&#x4E2A;&#x5730;&#x65B9;&#x548C;&#x5168;&#x7403;&#x7ECF;&#x6D4E;&#x589E;&#x957F;&#x6A21;&#x5F0F;&#x5728;&#x62DF;&#x5357;&#x82A5;&#x830E;&#x9876;&#x7AEF;&#x5206;&#x751F;&#x7EC4;&#x7EC7;&#x3002;&#x8BA1;&#x7B97;&#x5DE5;&#x5177;&#x5305;&#x53EF;&#x4EE5;&#x7528;&#x4E8E;&#x65B0;&#x6DF1;&#x5165;&#x5206;&#x6790;&#x5F71;&#x54CD;&#x8FD9;&#x4E9B;&#x8FDB;&#x7A0B;&#x7684;&#x5404;&#x79CD;&#x7A81;&#x53D8;&#x4F53;&#x7684;&#x57FA;&#x56E0;&#x8868;&#x8FBE;&#x6A21;&#x5F0F;&#x548C;&#x5668;&#x5B98;&#x53D1;&#x80B2;&#x7684;&#x53D8;&#x5316;&#x7EC6;&#x80DE;&#x751F;&#x957F;&#x3001; &#x7EC6;&#x80DE;&#x5206;&#x88C2;&#x4E4B;&#x95F4;&#x7684;&#x56E0;&#x679C;&#x5173;&#x7CFB;&#x3002;&#x8FD9;&#x53EF;&#x80FD;&#x4F1A;&#x4F7F;&#x6211;&#x4EEC;&#x80FD;&#x591F;&#x5F00;&#x53D1;&#x6355;&#x83B7;&#x51E0;&#x4E2A;&#x589E;&#x957F;&#x53C2;&#x6570;&#x672C;&#x5730;&#x5355;&#x7EC6;&#x80DE;&#x4E00;&#x7EA7;&#x548C;&#x4E00;&#x7EA7;&#x5168;&#x7403;/&#x5668;&#x5B98;&#x53D1;&#x751F;&#x53D8;&#x5316;&#x7684;&#x529F;&#x80FD;&#x7A7A;&#x95F4;&#x6A21;&#x578B;&#x3002;&#x957F;&#x8FDC;&#x6765;&#x8BF4;&#xFF0C;&#x8FD9;&#x53EF;&#x80FD;&#x4F1A;&#x4F7F;&#x8C03;&#x89E3;&#x4E0D;&#x540C;&#x7EC6;&#x80DE;&#x884C;&#x4E3A;&#x7684;&#x5206;&#x5B50;&#x9014;&#x5F84;&#x7684;&#x805A;&#x7C7B;&#x3002;

&#x7EC6;&#x80DE;&#x751F;&#x957F;&#x6A21;&#x5F0F;&#x548C;&#x5F62;&#x6001;&#x53D1;&#x751F;&#x5728;&#x79EF;&#x6781;&#x53D1;&#x5C55;&#x4E2D;&#x7684;&#x5B9A;&#x91CF;&#x5206;&#x6790;&#x8BA1;&#x7B97;&#x5DE5;&#x5177;&#x5382;&#x5E72;&#x7EC6;&#x80DE;&#x58C1;&#x9F9B;&#x3002;

Pattern formation in developmental fields involves precise spatial arrangement of different cell types in a dynamic landscape wherein cells exhibit a variety of behaviors, such as cell division, cell expansion, and cell migration [Reddy (Curr Opin Plant Biol 11:88-931, 2008) and Meyerowitz (Cell 88:299-3082, 2007)]. The information is exchanged between multiple cell layers through cell-cell communication processes to regulate gene expression and cell behaviors in specifying distinct cell types. Therefore, a quantitative and dynamic understanding of the spatial and temporal organization of gene expression and cell behavioral patterns within multilayered and actively growing developmental fields is crucial to model the process of development. The quantification of spatiotemporal dynamics of cell behaviors requires computational tools in image analysis, statistical modeling, pattern recognition, machine learning, and dynamical system identification. Here, we give a brief account of recently developed methods in analyzing both local and global growth patterns in Arabidopsis shoot apical meristems. The computational toolkit can be used to gain new insights into causal relationships among cell growth, cell division, changes in gene expression patterns, and organ development by analyzing various mutants that affect these processes. This may allow us to develop function space models that capture variations in several growth parameters both at local/single-cell level and at global/organ level. In the long run, this may enable clustering of molecular pathways that mediate distinct cell behaviors.

Computational tools for quantitative analysis of cell growth patterns and morphogenesis in actively developing plant stem cell niches.

Formation de mod&egrave;les dans les domaines du d&eacute;veloppement implique pr&eacute;cis&eacute;ment arrangement spatial des diff&eacute;rents types de cellules dans un paysage dynamique dans lequel les cellules pr&eacute;sentent une vari&eacute;t&eacute; de comportements, tels que la division cellulaire, expansion des cellules et la migration cellulaire [Reddy (Curr Opin Plant Biol 11:88-931, 2008) et Meyerowitz (Cell 88:299-3082, 2007)]. Les informations sont &eacute;chang&eacute;es entre plusieurs couches de cellules par le biais de processus de communication de cellule-cellule de r&eacute;guler l&#39;expression des g&egrave;nes et les comportements de la cellule en sp&eacute;cifiant les types de cellules distinctes. Par cons&eacute;quent, une compr&eacute;hension quantitative et dynamique de l&#39;organisation spatiale et temporelle des sch&eacute;mas comportementaux cellulaire et de l&#39;expression de g&egrave;ne dans les domaines du d&eacute;veloppement multicouches et en croissance active est cruciale pour mod&eacute;liser le processus de d&eacute;veloppement. La quantification de la dynamique spatio-temporelle des comportements cellulaires n&eacute;cessite des outils informatiques en analyse d&#39;images, mod&eacute;lisation statistique, pattern recognition, apprentissage automatique et identification de syst&egrave;me dynamique. Ici, nous donnons un bref compte rendu des m&eacute;thodes d&eacute;velopp&eacute;es r&eacute;cemment en analysant les deux locaux et les mod&egrave;les de croissance mondiale chez Arabidopsis tirer des m&eacute;rist&egrave;mes apicaux. L&#39;outil de calcul peut servir &agrave; acqu&eacute;rir de nouvelles connaissances dans les relations causales entre la croissance des cellules, la division cellulaire, les changements dans les profils d&#39;expression g&eacute;nique et le d&eacute;veloppement de l&#39;orgue en analysant les divers mutants qui influent sur ces processus. Cela peut nous permettre de d&eacute;velopper des mod&egrave;les d&#39;espace de fonction qui captent les variations de plusieurs param&egrave;tres de croissance au niveau mondial/orgue tant au niveau local/unicellulaires. &Agrave; long terme, cela pourrait permettre de regroupement des voies mol&eacute;culaires qui interviennent des comportements distincts de cellules.

Outils informatiques pour l&#39;analyse quantitative des patrons de croissance cellulaire et morphogen&egrave;se dans activement le d&eacute;veloppement des plantes niches de cellules souches.

Strukturbildung in entwicklungspolitischen Felder beinhaltet genaue r&auml;umliche Anordnung verschiedener Zelltypen in eine dynamische Landschaft, worin Zellen eine Vielzahl von Verhaltensweisen, z. B. die Zellteilung, Zelle Expansion und Zellmigration weisen [Reddy (Curr Opin Plant Biol 11:88-931, 2008) und Meyerowitz (Handy-88:299-3082, 2007)]. Der Informationsaustausch zwischen mehreren Zellschichten durch Zell-Zell-Kommunikationsprozesse zur Regulierung der Genexpression und Zelle Verhalten in unterschiedlichen Zelltypen angeben. Daher ist eine quantitative und dynamische Verst&auml;ndnis der r&auml;umlichen und zeitlichen Organisation der Gen Ausdruck und Zelle Verhaltensmuster in vielschichtig und aktiv wachsenden entwicklungspolitischen Bereichen entscheidend, den Prozess der Entwicklung zu modellieren. Die Quantifizierung der raumzeitliche Dynamik der Zelle Verhalten erfordert computational Werkzeuge in Bildanalyse, statistische Modellierung, Mustererkennung, Maschinelles Lernen und dynamische Systemidentifikation. Hier geben wir einen &Uuml;berblick &uuml;ber k&uuml;rzlich entwickelten Methoden bei der Analyse von lokalen und globalen Wachstumsmuster in Arabidopsis schie&szlig;en Apical Meristems. Das computational Toolkit kann verwendet werden, gewinnen neue Erkenntnisse &uuml;ber kausale Zusammenh&auml;nge zwischen Zellwachstum, Zellteilung, &Auml;nderungen im Genausdruck Muster und Orgel-Entwicklung durch die Analyse von verschiedenen Mutanten, die diese Prozesse zu beeinflussen. Dies kann uns Funktion Raum Modelle zu entwickeln, die Variationen in mehreren Parametern Wachstum sowohl auf lokale/Einzeller-Ebene als auch auf Ebene der globalen/Orgel zu erfassen. Auf lange Sicht kann dies erm&ouml;glichen, clustering von molekularen Bahnen, die unterschiedliche Zelle Verhaltensweisen zu vermitteln.

Computational Tools f&uuml;r Quantitative Analyse der Zelle Wachstumsmuster und Morphogenese aktiv entwickeln Pflanzen Stammzellen Nischen.

Formazione di pattern nei campi dello sviluppo comporta la precisa disposizione spaziale dei diversi tipi di cellule in un paesaggio dinamico in cui le cellule presentano una variet&agrave; di comportamenti, come ad esempio la divisione cellulare, cellulare espansione e migrazione cellulare [Reddy (Curr Opin Biol pianta 11:88-931, 2008) e Meyerowitz (Cell 88:299-3082, 2007)]. L&#39;informazione &egrave; scambiata tra pi&ugrave; strati cellulari attraverso i processi di comunicazione cellula-cellula per regolare l&#39;espressione genica e cellulare comportamenti nello specificare tipi cellulari distinti. Pertanto, una comprensione quantitativa e dinamica dell&#39;organizzazione spaziale e temporale del gene expression e cella modelli comportamentali all&#39;interno di campi multistrati e attivamente crescenti sviluppo &egrave; cruciale per modellare il processo di sviluppo. La quantificazione di spatiotemporal dynamics dei comportamenti delle cellule richiede strumenti computazionali in analisi delle immagini, modellazione statistica, pattern recognition, machine learning e dinamico sistema di identificazione. Qui diamo una breve spiegazione dei metodi recentemente sviluppati nell&#39;analisi sia locali e modelli di crescita globale in Arabidopsis sparare Meristemi apicali. Il toolkit computazionale pu&ograve; essere utilizzato per ottenere nuove intuizioni relazioni causali tra crescita cellulare, divisione cellulare, cambiamenti nel pattern di espressione genica e sviluppo organo analizzando vari mutanti che influenzano questi processi. Ci&ograve; potrebbe consentire a noi di sviluppare modelli di spazio funzione che catturano le variazioni di diversi parametri di crescita a livello globale/organo sia a livello locale/single-cell. A lungo termine, questo pu&ograve; attivare clustering delle vie molecolari che mediano comportamenti distinti cell.

Strumenti computazionali per l&#39;analisi quantitativa dei modelli di crescita delle cellule e la morfogenesi attivamente lo sviluppo di pianta cellule staminali nicchie.

&#x767A;&#x9054;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x306B;&#x304A;&#x3051;&#x308B;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x5F62;&#x6210;&#x3092;&#x542B;&#x3080;&#x524D;&#x8A18;&#x7D30;&#x80DE;&#x3092;&#x793A;&#x3059;&#x7D30;&#x80DE;&#x5206;&#x88C2;&#x3001;&#x7D30;&#x80DE;&#x4F38;&#x9577;&#x3068;&#x7D30;&#x80DE;&#x306E;&#x79FB;&#x52D5;&#x306A;&#x3069;&#x306E;&#x52D5;&#x4F5C;&#x306E;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30C3;&#x30AF;&#x306A;&#x666F;&#x89B3;&#x3067;&#x7A2E;&#x985E;&#x306E;&#x7570;&#x306A;&#x308B;&#x7D30;&#x80DE;&#x306E;&#x6B63;&#x78BA;&#x306A;&#x7A7A;&#x9593;&#x7684;&#x914D;&#x7F6E; [&#x30EC;&#x30C7;&#x30A3; &#xFF08;&#x30AF;&#x30FC;&#x30AF;&#x30FC; Opin &#x690D;&#x7269;&#x751F;&#x7269; 11:88-931, 2008&#x5E74;) &#x3068;&#x30DE;&#x30A4;&#x30A8;&#x30ED;&#x30A6;&#x30A3;&#x30C3;&#x30C4; (&#x643A;&#x5E2F; 88:299-3082&#x3001;2007&#x5E74;)]&#x3002;&#x60C5;&#x5831;&#x306F;&#x3001;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x3092;&#x8ABF;&#x7BC0;&#x3059;&#x308B;&#x7D30;&#x80DE;&#x9593;&#x30B3;&#x30DF;&#x30E5;&#x30CB;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x3092;&#x901A;&#x3058;&#x3066;&#x8907;&#x6570;&#x306E;&#x7D30;&#x80DE;&#x5C64;&#x3068;&#x7570;&#x306A;&#x308B;&#x7D30;&#x80DE;&#x306E;&#x7A2E;&#x985E;&#x3092;&#x6307;&#x5B9A;&#x3059;&#x308B;&#x30BB;&#x30EB;&#x306E;&#x884C;&#x52D5;&#x3068;&#x4EA4;&#x63DB;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x3057;&#x305F;&#x304C;&#x3063;&#x3066;&#x3001;&#x591A;&#x5C64;&#x3001;&#x7A4D;&#x6975;&#x7684;&#x306B;&#x6210;&#x9577;&#x767A;&#x9054;&#x306E;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x5185;&#x306E;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x3068;&#x7D30;&#x80DE;&#x884C;&#x52D5;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x306E;&#x7A7A;&#x9593;&#x7684;&#x304A;&#x3088;&#x3073;&#x6642;&#x9593;&#x7684;&#x7D44;&#x7E54;&#x306E;&#x5B9A;&#x91CF;&#x7684;&#x306A;&#x7406;&#x89E3;&#x306F;&#x3001;&#x958B;&#x767A;&#x306E;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x3092;&#x30E2;&#x30C7;&#x30EB;&#x5316;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x91CD;&#x8981;&#x3067;&#x3059;&#x3002;&#x6319;&#x52D5;&#x306E;&#x6642;&#x7A7A;&#x9593;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x306E;&#x5B9A;&#x91CF;&#x5316;&#x753B;&#x50CF;&#x89E3;&#x6790;&#x3068;&#x7D71;&#x8A08;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x3001;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x8A8D;&#x8B58;&#x3001;&#x6A5F;&#x68B0;&#x5B66;&#x7FD2;&#x3001;&#x529B;&#x5B66;&#x7CFB;&#x540C;&#x5B9A;&#x306E;&#x8A08;&#x7B97;&#x30C4;&#x30FC;&#x30EB;&#x304C;&#x5FC5;&#x8981;&#x3067;&#x3059;&#x3002;&#x3053;&#x3053;&#x3067;&#x306F;&#x3001;&#x6211;&#x3005; &#x306F;&#x4E21;&#x65B9;&#x306E;&#x30ED;&#x30FC;&#x30AB;&#x30EB;&#x306E;&#x5206;&#x6790;&#x306E;&#x6700;&#x8FD1;&#x958B;&#x767A;&#x3055;&#x308C;&#x305F;&#x65B9;&#x6CD5;&#x306E;&#x7C21;&#x5358;&#x306A;&#x30A2;&#x30AB;&#x30A6;&#x30F3;&#x30C8;&#x3092;&#x4E0E;&#x3048;&#x308B;&#x3057;&#x3001;&#x9802;&#x30B7;&#x30ED;&#x30A4;&#x30CC;&#x30CA;&#x30BA;&#x30CA;&#x306B;&#x304A;&#x3051;&#x308B;&#x30B0;&#x30ED;&#x30FC;&#x30D0;&#x30EB;&#x6210;&#x9577;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x3092;&#x64AE;&#x5F71;&#x3057;&#x307E;&#x3059;&#x3002;&#x8A08;&#x7B97;&#x306E;&#x30C4;&#x30FC;&#x30EB;&#x30AD;&#x30C3;&#x30C8;&#x306F;&#x3001;&#x3053;&#x308C;&#x3089;&#x306E;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x306B;&#x5F71;&#x97FF;&#x3092;&#x4E0E;&#x3048;&#x308B;&#x69D8;&#x3005; &#x306A;&#x5909;&#x7570;&#x4F53;&#x306E;&#x5206;&#x6790;&#x306B;&#x3088;&#x308B;&#x56E0;&#x679C;&#x95A2;&#x4FC2;&#x7D30;&#x80DE;&#x5897;&#x6B96;&#x3001;&#x7D30;&#x80DE;&#x5206;&#x88C2;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x3068;&#x5668;&#x5B98;&#x5F62;&#x6210;&#x306E;&#x5909;&#x5316;&#x306B;&#x65B0;&#x305F;&#x306A;&#x6D1E;&#x5BDF;&#x3092;&#x5F97;&#x308B;&#x305F;&#x3081;&#x306B;&#x4F7F;&#x7528;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x304C;&#x79C1;&#x305F;&#x3061;&#x306E;&#x6210;&#x9577;&#x306E;&#x3044;&#x304F;&#x3064;&#x304B;&#x306E;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC;&#x3068;&#x30B0;&#x30ED;&#x30FC;&#x30D0;&#x30EB;/&#x5668;&#x5B98;&#x30EC;&#x30D9;&#x30EB;&#x4E21;&#x65B9;&#x30ED;&#x30FC;&#x30AB;&#x30EB;/&#x5358;&#x4E00;&#x7D30;&#x80DE;&#x30EC;&#x30D9;&#x30EB;&#x3067;&#x306E;&#x5909;&#x5316;&#x3092;&#x30AD;&#x30E3;&#x30D7;&#x30C1;&#x30E3;&#x95A2;&#x6570;&#x7A7A;&#x9593;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x958B;&#x767A;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x9577;&#x671F;&#x7684;&#x306B;&#x306F;&#x3001;&#x3053;&#x306E;&#x500B;&#x5225;&#x7D30;&#x80DE;&#x6319;&#x52D5;&#x3092;&#x4EF2;&#x4ECB;&#x3059;&#x308B;&#x5206;&#x5B50;&#x7D4C;&#x8DEF;&#x306E;&#x30AF;&#x30E9;&#x30B9;&#x30BF; &#x30EA;&#x30F3;&#x30B0;&#x3092;&#x6709;&#x52B9;&#x306B;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;

&#x30BB;&#x30EB;&#x306E;&#x6210;&#x9577;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x3068;&#x5F62;&#x614B;&#x5F62;&#x6210;&#x306B;&#x7A4D;&#x6975;&#x7684;&#x306B;&#x958B;&#x767A;&#x3057;&#x3066;&#x5B9A;&#x91CF;&#x7684;&#x89E3;&#x6790;&#x306E;&#x8A08;&#x7B97;&#x30C4;&#x30FC;&#x30EB;&#x306F;&#x3001;&#x5E79;&#x7D30;&#x80DE;&#x30CB;&#x30C3;&#x30C1;&#x3092;&#x690D;&#x7269;&#x3057;&#x307E;&#x3059;&#x3002;

&#xD328;&#xD134; &#xD615;&#xC131; &#xBC1C;&#xB2EC; &#xBD84;&#xC57C;&#xC5D0;&#xC11C; &#xAD00;&#xB828; &#xB41C; &#xC815;&#xD655;&#xD55C; &#xACF5;&#xAC04; &#xBC30;&#xC5F4;&#xC744; &#xB3D9;&#xC801; &#xD48D;&#xACBD; &#xC140; &#xB2E4;&#xC591; &#xD55C; &#xB3D9;&#xC791;, &#xC138;&#xD3EC; &#xBD84;&#xC5F4;, &#xC138;&#xD3EC; &#xD655;&#xC7A5; &#xC140; &#xB9C8;&#xC774;&#xADF8;&#xB808;&#xC774;&#xC158; &#xB4F1;&#xC744; &#xC804;&#xC2DC; &#xD558;&#xB294; &#xC810;&#xC5D0;&#xC11C; &#xB2E4;&#xB978; &#xC138;&#xD3EC; &#xC720;&#xD615; [&#xB808;&#xB514; (Curr Opin &#xACF5;&#xC7A5; Biol 11:88-931, 2008) &#xBC0F; Meyerowitz (88:299 &#xC140;-3082, 2007)]. &#xC815;&#xBCF4;&#xB294; &#xC720;&#xC804;&#xC790; &#xBC1C;&#xD604;&#xC744; &#xC870;&#xC808; &#xD558; &#xC140; &#xD1B5;&#xC2E0; &#xD504;&#xB85C;&#xC138;&#xC2A4;&#xB97C; &#xD1B5;&#xD574; &#xC5EC;&#xB7EC; &#xC138;&#xD3EC; &#xCE35; &#xBC0F; &#xACE0;&#xC720;&#xD55C; &#xC140; &#xD615;&#xC2DD; &#xC9C0;&#xC815;&#xC5D0;&#xC11C; &#xC140; &#xB3D9;&#xC791; &#xAC04;&#xC5D0; &#xAD50;&#xD658; &#xB429;&#xB2C8;&#xB2E4;. &#xB530;&#xB77C;&#xC11C; &#xC591;&#xC801; &#xBC0F; &#xB3D9;&#xC801; &#xB2E4;&#xC911; &#xC801;&#xADF9;&#xC801;&#xC73C;&#xB85C; &#xC131;&#xC7A5; &#xD558; &#xACE0; &#xC788;&#xB294; &#xBC1C;&#xB2EC; &#xD544;&#xB4DC; &#xB0B4;&#xC5D0;&#xC11C; &#xC720;&#xC804;&#xC790; &#xD45C;&#xD604;&#xACFC; &#xC140; &#xD589;&#xB3D9; &#xD328;&#xD134;&#xC758; &#xACF5;&#xAC04; &#xBC0F; &#xC2DC;&#xAC04; &#xC870;&#xC9C1; &#xC774;&#xD574; &#xBAA8;&#xB378; &#xAC1C;&#xBC1C; &#xACFC;&#xC815;&#xC5D0; &#xACB0;&#xC815;&#xC801; &#xC774;&#xB2E4;. &#xC140; &#xB3D9;&#xC791; spatiotemporal &#xC5ED;&#xD559;&#xC758; &#xC815;&#xB7C9;&#xD654; &#xC774;&#xBBF8;&#xC9C0; &#xBD84;&#xC11D;, &#xD1B5;&#xACC4; &#xBAA8;&#xB378;&#xB9C1;, &#xD328;&#xD134; &#xC778;&#xC2DD;, &#xAE30;&#xACC4; &#xD559;&#xC2B5;, &#xADF8;&#xB9AC;&#xACE0; &#xC5ED; &#xB3D9; &#xC2DC;&#xC2A4;&#xD15C; &#xC2DD;&#xBCC4;&#xC5D0; &#xACC4;&#xC0B0; &#xB3C4;&#xAD6C;&#xAC00; &#xD544;&#xC694;&#xD569;&#xB2C8;&#xB2E4;. &#xC5EC;&#xAE30;, &#xC6B0;&#xB9AC;&#xAC00; &#xBAA8;&#xB450; &#xB85C;&#xCEEC; &#xBD84;&#xC11D;&#xC5D0; &#xCD5C;&#xADFC;&#xC5D0; &#xAC1C;&#xBC1C; &#xB41C; &#xBC29;&#xBC95;&#xC758; &#xAC04;&#xB2E8;&#xD55C; &#xACC4;&#xC815; &#xC8FC;&#xACE0; Arabidopsis&#xC758; &#xAE00;&#xB85C;&#xBC8C; &#xC131;&#xC7A5; &#xD328;&#xD134; apical meristems &#xCD2C;&#xC601;. &#xC774;&#xB7EC;&#xD55C; &#xD504;&#xB85C;&#xC138;&#xC2A4;&#xC5D0; &#xC601;&#xD5A5;&#xC744; &#xC8FC;&#xB294; &#xB2E4;&#xC591; &#xD55C; &#xB3CC;&#xC5F0;&#xBCC0;&#xC774; &#xBD84;&#xC11D; &#xD558; &#xC5EC; &#xC138;&#xD3EC; &#xC131;&#xC7A5;, &#xC138;&#xD3EC; &#xBD84;&#xC5F4; &#xC0AC;&#xC774;&#xC758; &#xC778;&#xACFC; &#xAD00;&#xACC4; &#xC720;&#xC804;&#xC790; &#xD45C;&#xD604; &#xD328;&#xD134; &#xBC0F; &#xC7A5;&#xAE30; &#xAC1C;&#xBC1C;&#xC758; &#xBCC0;&#xD654;&#xC5D0; &#xB300; &#xD55C; &#xC0C8;&#xB85C;&#xC6B4; &#xD1B5;&#xCC30;&#xB825;&#xC744; &#xC5BB;&#xAE30; &#xC704;&#xD574; &#xACC4;&#xC0B0; &#xB3C4;&#xAD6C; &#xD0A4;&#xD2B8;&#xB97C; &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774; &#xC5EC;&#xB7EC; &#xC131;&#xC7A5; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218; &#xB85C;&#xCEEC;/&#xB2E8;&#xC77C; &#xC140; &#xC218;&#xC900; &#xBC0F; &#xAE00;&#xB85C;&#xBC8C;/&#xAE30;&#xAD00; &#xC218;&#xC900;&#xC5D0;&#xC11C;&#xC758; &#xBCC0;&#xD654;&#xB97C; &#xD3EC;&#xCC29; &#xD558;&#xB294; &#xAE30;&#xB2A5; &#xACF5;&#xAC04; &#xBAA8;&#xB378; &#xAC1C;&#xBC1C;&#xC744; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xAE34; &#xC548;&#xBAA9;&#xC73C;&#xB85C; &#xBCF4;&#xBA74;,&#xC774; &#xB3C5;&#xD2B9;&#xD55C; &#xC140; &#xB3D9;&#xC791;&#xC744; &#xC911;&#xC7AC; &#xD558;&#xB294; &#xBD84;&#xC790; &#xACBD;&#xB85C;&#xC758; &#xD074;&#xB7EC;&#xC2A4;&#xD130;&#xB9C1;&#xC744; &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;.

&#xC138;&#xD3EC; &#xC131;&#xC7A5; &#xD328;&#xD134; &#xBC0F; morphogenesis &#xC801;&#xADF9;&#xC801;&#xC73C;&#xB85C; &#xAC1C;&#xBC1C;&#xC5D0; &#xC815;&#xB7C9; &#xBD84;&#xC11D;&#xC744; &#xC704;&#xD55C; &#xC804;&#xC0B0; &#xB3C4;&#xAD6C; &#xC2DD;&#xBB3C; &#xC904;&#xAE30; &#xC138;&#xD3EC; &#xBCBD; &#xAC10;.

Formaci&oacute;n de patrones en los campos del desarrollo implica precisa arreglo espacial de los diferentes tipos de c&eacute;lulas en un paisaje din&aacute;mico en donde las c&eacute;lulas exhiben una variedad de comportamientos, como la divisi&oacute;n celular, la expansi&oacute;n celular y migraci&oacute;n celular [Reddy (planta Biol de Curr Opin 11:88-931, 2008) y Meyerowitz (88:299 de la c&eacute;lula-3082, 2007)]. La informaci&oacute;n se intercambia entre m&uacute;ltiples capas de la c&eacute;lula a trav&eacute;s de procesos de comunicaci&oacute;n de la c&eacute;lula para regular la expresi&oacute;n g&eacute;nica y celular comportamientos especificar tipos celulares distintos. Por lo tanto, una comprensi&oacute;n cuantitativa y din&aacute;mica de la organizaci&oacute;n espacial y temporal de los patrones de comportamiento c&eacute;lula y expresi&oacute;n de gene dentro de campos del desarrollo de varias capas y crecimiento es crucial para el proceso de desarrollo del modelo. La cuantificaci&oacute;n de la din&aacute;mica espacio-temporal de comportamientos de la c&eacute;lula requiere herramientas computacionales en el an&aacute;lisis de imagen, modelado estad&iacute;stico, reconocimiento de patrones, aprendizaje autom&aacute;tico e identificaci&oacute;n de sistemas din&aacute;micos. Aqu&iacute;, damos un breve recuento de m&eacute;todos desarrollados recientemente en el an&aacute;lisis a tanto local y patrones de crecimiento global en Arabidopsis dispara meristemos apicales. El kit de herramientas computacional puede utilizarse para obtener nuevas ideas sobre las relaciones causales entre el crecimiento celular, divisi&oacute;n celular, cambios en los patrones de expresi&oacute;n g&eacute;nica y desarrollo de &oacute;rganos mediante el an&aacute;lisis de varios mutantes que afectan estos procesos. Esto puede permitir desarrollar modelos de espacio de funci&oacute;n que captan las variaciones en varios par&aacute;metros de crecimiento a nivel global/&oacute;rgano tanto a nivel local/unicelular. A largo plazo, esto puede permitir el agrupamiento de las v&iacute;as moleculares que median comportamientos distintos de la c&eacute;lula.

Herramientas computacionales para el an&aacute;lisis cuantitativo de los patrones de crecimiento celular y la morfog&eacute;nesis en desarrollando activamente planta nichos de c&eacute;lulas madre.

Anirban Chakraborty

Mechanical and Aerospace Engineering

University of Texas at Arlington

Micropunching Lithography for Generating Micro- and Submicron-patterns on Polymer Substrates

Anirban Chakraborty

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}Mechanical and Aerospace Engineering

University of Texas at Arlington

Micropunching Lithography for Generating Micro- and Submicron-patterns on Polymer Substrates

Mechanical and Aerospace Engineering