犬类肠道微生物组是兽医和人类健康研究的关键模型,但由于方法上的变化而出现了不一致的发现。本研究提出了一个三部分的数据集,以阐明DNA提取,底漆选择和测序平台如何影响微生物分析。首先,我们使用五个DNA隔离试剂盒,多个库协议和四个测序平台(Illumina Miseq/Novaseq,Ont Minion,Pacbio Sequel IIE),启用16S RRNA和Shotgun测序技术的直接比较。第二,我们使用Zymo高分子量(ZHMW)和Zymo Magbead(ZMB)提取试剂盒分析了八只共同犬的40个粪便样品,以评估纵向提取效果。第三,我们使用合成模拟群落和人/犬粪便样品评估了三个16S引物系统(标准ONT,PACBIO,并用退化碱基修饰)来量化底漆偏见。通过整合合成和生物学重复,该数据集提供了标准化资源,用于基准生物信息学管道并改善跨研究可比性。该研究生成了75.3FGB的新测序数据:ZHMW- ZMB比较的43.45FGB,22.61FGB用于引物评估,而单样本分析中的9.19FGB。与先验数据的31.5FGB结合在一起,总数据集超过106FGB,包括所有分析输出。这些资源提高了不同实验室工作流程的犬类肠道微生物组研究的方法论透明度和准确性。
脑成像研究越来越多地采用监督机器学习对单一受试者疾病进行分类。然而,这些算法的成功可能取决于人口多样性,包括人口统计学差异和其他可能超出主要科学兴趣的因素。在这里,我们利用倾向得分作为综合混杂指数来量化由于主要人口分层来源而导致的多样性。我们描述了人口异质性对两个独立临床队列的预测准确性和模式稳定性的影响:自闭症脑成像数据交换 (ABIDE,n=297) 和健康脑网络 (HBN,n=551)。在各种分析场景中,我们的结果揭示了交叉验证预测性能与多样性相互关联的程度。由于多样性而导致的提取脑模式的不稳定性优先位于默认模式网络中。我们的集体研究结果强调了现行的去混杂实践在减轻人口多样性的全部后果方面的局限性。
摘要 - 消费者能源预测对于管理能源消耗和计划,直接影响运营效率,降低成本,个性化的能源管理和可持续性工作至关重要。近年来,深入学习技术,尤其是LSTM和变形金刚在能源消耗的预测领域取得了巨大成功。尽管如此,这些技术在捕获综合和突然的变化方面存在困难,而且,通常仅在特定类型的消费者(例如,只有办公室,只有学校)上对它们进行检查。因此,本文提出了超能量,这是一种消费者能源预测的策略,利用超网络可用来改善适用于多样化消费者的复杂模式的建模。超网络负责预测主要预测网络的参数。由多项式和径向基函数内核组成的可学习的可自适应核纳入了增强性能。对拟议的超能量进行了评估,包括各种消费者,包括学生住宅,独立的房屋,带电动汽车充电的房屋和联排别墅。在所有消费者类型中,超能量始终超过10种其他技术,包括最先进的模型,例如LSTM,PoastionLSTM和Transformer。
无监督的域适应性(DA)包括适应在标记的源域上训练的模型,以在未标记的目标域上表现良好,并具有某些数据分布变化。虽然文献中提出了许多方法,但公平和现实的评估仍然是一个悬而未决的问题,尤其是由于方法学困难在无监督环境中选择超参数。在Skada Bench的情况下,我们提出了一个框架,以评估DA方法的不同方式,除了在文献中很大程度上探讨的计算机视觉任务之外。我们对现有浅层算法进行了完整而公平的评估,包括重新加权,映射和子空间对齐。现实的超参数选择是通过嵌套的交叉验证和各种无监督的模型选择得分进行的,这两个模拟数据集都具有受控的偏移和现实世界数据集的不同模式,例如图像,文本,生物医学和表格数据。我们的基准强调了现实验证的重要性,并为现实生活中的应用提供了实用的指导,并对模型选择方法的选择和影响有了重要的见解。Skada-Bench是开源的,可再现的,可以通过新颖的DA方法,数据集和模型选择标准轻松扩展,而无需重新评估竞争对手。Skada-Bench可在https://github.com/scikit-adaptation/skada-bench上在github上获得。
《遗传多样性与植物育种》特刊旨在探索遗传多样性与植物育种策略进步之间的关键相互作用,特别关注解决不同的生物和非生物胁迫。本特刊旨在汇集遗传学、基因组学、育种、农学和生物技术的见解,以全面了解遗传多样性在植物改良中的作用。本特刊中包含的投稿涵盖了广泛的主题,包括遗传资源的表征和利用、性状定位和标记辅助选择的分子标记的开发和应用、基因组选择在预测育种价值中的利用,以及基因组编辑和转基因等基因组技术在育种计划中的应用。此外,本特刊将探讨遗传多样性在解决各种生物和非生物胁迫中的作用,例如抗病虫害、耐旱性和耐热性。我们欢迎所有相关投稿到本特刊。
此预印本版的版权持有人于2025年2月11日发布。 https://doi.org/10.1101/2025.02.11.637618 doi:Biorxiv Preprint
1纽瓦克大学生物学研究所微生物学实验室,瑞士纽瓦克(Neuch),瑞士; anaele.simon@gmail.com(A.S。); guillaume.cailleau@unine.ch(G.C.); saskia.bindschedler@unine.ch(S.B.); pilar.junier@unine.ch(p.j.)2洛桑大学地面动力学研究所生物科学实验室,瑞士洛桑1015; finaritraran@gmail.com(F.R.); eric.verrecchia@unil.ch(E.V.)3 Max Planck陆地微生物学研究所,德国Marburg 35043 4 EcoleSupérirerieure des Sciences Agronsiques,Universitéd'antananarivoUniversition,Antananarivo,Antananarivo 101,马达加斯加; g.rajoelison@yahoo.fr 5 Laboratoire des Radio-Esopopes,Madagascar Antananarivo 101的Antanarivo大学; herintsitohaina.razakamanarivo@gmail.com *通信:vincent.herve8@gmail.com;电话。: +49-6421178122
国际计算机应用与信息技术研究杂志 (IJRCAIT) 第 8 卷,第 1 期,2025 年 1 月至 2 月,第 2016-2027 页,文章 ID:IJRCAIT_08_01_147 可在线访问 https://iaeme.com/Home/issue/IJRCAIT?Volume=8&Issue=1 ISSN 印刷版:2348-0009 和 ISSN 在线版:2347-5099 影响因子 (2025):14.56(基于 Google Scholar 引用)期刊 ID:0497-2547;DOI:https://doi.org/10.34218/IJRCAIT_08_01_147 © IAEME 出版物