生物噪声量检测方法

时间:2020-03-30来源:未知作者:admin点击:
生物噪声量检测方法_生物学_自然科学_专业资料。1)我要讲的是数据的分析与测量。 2)首先我们来介绍一下如何用数学的语言来描述生物噪声。 我们用独立时间的随机变量表示输出分

  生物噪声量检测方法_生物学_自然科学_专业资料。1)我要讲的是数据的分析与测量。 2)首先我们来介绍一下如何用数学的语言来描述生物噪声。 我们用独立时间的随机变量表示输出分子的集合,进而来描述生物过程。 随机变量产生的影响能够用变量关于概率分布

  1)我要讲的是数据的分析与测量。 2)首先我们来介绍一下如何用数学的语言来描述生物噪声。 我们用独立时间的随机变量表示输出分子的集合,进而来描述生物过程。 随机变量产生的影响能够用变量关于概率分布的波动情况来表示,根据这一点,噪声 分布的数学表达方式层出不穷,下面我们引进法诺因子这个概率。法诺因子是气体探 测器中用于描述辐射致电子-离子对的产生效率,表示为σ?/μ ?。 我们用变量系数的平方来表示噪声,又用法诺因子来表示噪声力度。 当然这种表示方法会有不足之处,由于是无量纲量,因此无法对噪声进行直观的解释。 我们希望大家不要将关注的重点放在某一具体的噪声值上,而是重点比较不同激活子 噪声值的差异。 3)图一是不同噪声值的泊松信号 (随机信号 Y~Poiss 的时间轨迹,使它不同的值标准化,y 轴表示任意图形单位) 从这张图中我们可以能明显地看到法诺因子σ?/μ ?能产生的影响,y 轴表示在一些时间 间隙中复制的 mRNA 的数量,这个过程能作为转录的理想化模型。 噪声的增加会造成信号值更加广泛的分布,会导致在给定时间里更加难精确预测信号 值。 4)双向报告子系统 在 2002 年的时候,Michael Elowtiz 和他的同事提出了一个革命性的新概念,即:将一 个信号的噪声进行分割,划分成内部噪声和外部噪声。噪声分割通过如下五个步骤来 完成。 首先,将两个可区分的、来源于同一个报告子的复制品放到一个系统中,我们可以假 设它们产生的信号的概率分布是一样的。然后,我们测量这些信号的不同之处,就可 以得到概率分布自身的扩散,这就是内部噪声。其他的影响便都来自于外部噪声。 我们可以看到一个关于内部噪声的类比:如图,一个启动子内部噪声越高,它一个报 告子中的两个荧光蛋白波动的相关性就越低。 最后我们得到了一个噪声公式,这里的 y 和 c 表示两个噪声信号可观测的值。注意到 内部噪声法诺因子的平方与外部噪声法诺因子的平方相加,等于总噪声法诺因子的平 方。 第二部分是数据分析方法 我们要比较蓝色荧光蛋白 CFP 和黄色荧光蛋白 YFP 的荧光值,需要如下三个步骤: 因为不是所有细胞都是荧光的,所以首先,我们在图像在找到最黯淡的蓝绿色荧光细 胞,并将蓝绿色值在其之下的细胞从图像中移除;并对黄色细胞采用相同的操作。 然后,我们根据细胞面积,对荧光值进行划分来使数据标准化。最后,我们采用柯尔 莫诺夫-斯米尔诺夫检验法来研究标准化 CFP 值与标准化 YFP 值的分布。 在 CFP 与 YFP 的对比图中我们看到,他们的分布几乎一模一样,这进一步验证了我们 的假设,即 CFP 基因与 YFP 基因被同一个细胞所操控,代表了同一个报告子的两个可 区分的变体。 第三部分是结果与解释。 R0010, R0011 和 R0051 是 IGEM 官方认证的启动子,分别代表 lacI 抑制性启动子、 lacI 抑制与 lambda pL 混合性启动子、lambda cl 抑制性启动子。这三个启动子在没有 它们的阻遏蛋白的情况下都能够表达,其中 R0011 是为了强度较大的转录合成的。 我们使 CFP 与 YFP 荧光蛋白分别在这三个启动子中表达,该表为所产生的噪声量的数 据。我们发现 R0011 的噪声量远小于 R0010 和 R0051,但这三个启动子在注册表中仅 仅被相同地标注成“强”启动子,而这样明显的差异却没有被发现。 这个表为不同启动子噪声的泊松信号,我们可以看到 R0011 的泊松信号明显要稳定得 到,即噪声量小。 最后,让我谈谈该项目的意义和前景。我们提供了测量启动子内部噪声的仿佛,并传 达给 IGEM 与合成生物学组织拥有严格而精准的关于启动子随机性的信息是十分有必 要的。 合成生物学一直在前进,我们也将设计更加复杂的基因网络,考虑我们之前忽略的、 能影响随机性的的部分。