Maklumat

1.1.1: Tema dan Konsep Biologi - Biologi


Biologi adalah sains yang mengkaji kehidupan. Apa sebenarnya kehidupan? Ini mungkin terdengar seperti soalan konyol dengan jawapan yang jelas, tetapi tidak mudah untuk menentukan kehidupan. Sebagai contoh, cabang biologi yang disebut virologi mengkaji virus, yang menunjukkan beberapa ciri makhluk hidup tetapi kekurangan yang lain. Ternyata walaupun virus dapat menyerang organisma hidup, menyebabkan penyakit, dan bahkan membiak, virus tersebut tidak memenuhi kriteria yang digunakan oleh ahli biologi untuk menentukan kehidupan.

Sejak awal, biologi telah bergelut dengan empat soalan: Apakah sifat bersama yang menjadikan sesuatu "hidup"? Bagaimana pelbagai makhluk hidup berfungsi? Ketika berhadapan dengan kepelbagaian kehidupan yang luar biasa, bagaimana kita mengatur pelbagai jenis organisma sehingga kita dapat memahaminya dengan lebih baik? Dan akhirnya - apa yang akhirnya difahami oleh ahli biologi - bagaimana kepelbagaian ini timbul dan bagaimana ia berterusan? Oleh kerana organisma baru ditemui setiap hari, ahli biologi terus mencari jawapan untuk soalan ini dan lain-lain.

Sifat Hidup

Semua kumpulan organisma hidup mempunyai beberapa ciri atau fungsi utama: ketertiban, kepekaan atau tindak balas terhadap rangsangan, pembiakan, penyesuaian, pertumbuhan dan perkembangan, peraturan, homeostasis, dan pemprosesan tenaga. Jika dilihat bersama, lapan ciri ini berfungsi untuk menentukan kehidupan.

Pesanan

Organisma adalah struktur yang sangat teratur yang terdiri daripada satu atau lebih sel. Walaupun organisma sel tunggal yang sangat sederhana sangat kompleks. Di dalam setiap sel, atom membentuk molekul. Ini seterusnya membentuk komponen sel atau organel. Organisme multiselular, yang mungkin terdiri dari berjuta-juta sel individu, mempunyai kelebihan daripada organisma bersel tunggal kerana sel mereka dapat dikhususkan untuk melakukan fungsi tertentu, dan bahkan dikorbankan dalam situasi tertentu untuk kebaikan organisme secara keseluruhan. Bagaimana sel-sel khusus ini berkumpul untuk membentuk organ seperti jantung, paru-paru, atau kulit dalam organisma seperti katak yang ditunjukkan Rajah 1.1.1 akan dibincangkan kemudian.

Sensitiviti atau Respons terhadap Rangsangan

Organisma bertindak balas terhadap pelbagai rangsangan. Contohnya, tumbuh-tumbuhan dapat membengkok ke arah sumber cahaya atau bertindak balas terhadap sentuhan (Rajah 1.1.2). Malah bakteria kecil boleh bergerak ke arah atau jauh dari bahan kimia (proses yang disebut chemotaxis) atau cahaya (fototaxis). Pergerakan ke arah rangsangan dianggap sebagai tindak balas positif, sementara pergerakan dari rangsangan dianggap sebagai tindak balas negatif.

Tonton video ini untuk melihat bagaimana tumbuhan sensitif bertindak balas terhadap rangsangan sentuhan.

Pembiakan

Organisma bersel tunggal menghasilkan semula dengan menduplikasi DNA mereka, yang merupakan bahan genetik, dan kemudian membahagikannya sama seperti sel yang bersiap untuk membahagi untuk membentuk dua sel baru. Banyak organisma multiselular (yang terdiri daripada lebih daripada satu sel) menghasilkan sel pembiakan khusus yang akan membentuk individu baru. Apabila pembiakan berlaku, DNA yang mengandungi gen diserahkan kepada keturunan organisma. Gen ini adalah sebab bahawa keturunan akan tergolong dalam spesies yang sama dan akan mempunyai ciri yang serupa dengan induknya, seperti warna bulu dan jenis darah.

Adaptasi

Semua organisma hidup menunjukkan "kesesuaian" dengan persekitaran mereka. Ahli biologi menganggap kesesuaian ini sebagai penyesuaian dan ini adalah akibat evolusi oleh pemilihan semula jadi, yang beroperasi di setiap garis keturunan organisma pembiakan. Contoh adaptasi adalah pelbagai dan unik, dari Archaea tahan panas yang hidup di mata air panas mendidih hingga lidah seekor ngengat yang memberi makan nektar yang sesuai dengan ukuran bunga dari mana ia memberi makan. Semua penyesuaian meningkatkan potensi pembiakan individu yang mempamerkannya, termasuk kemampuan mereka untuk bertahan untuk membiak. Penyesuaian tidak berterusan. Apabila persekitaran berubah, pemilihan semula jadi menyebabkan ciri-ciri individu dalam populasi dapat mengesan perubahan tersebut.

Pertumbuhan dan Perkembangan

Organisma tumbuh dan berkembang mengikut arahan khusus yang dikodkan oleh gen mereka. Gen ini memberikan arahan yang akan mengarahkan pertumbuhan dan perkembangan sel, memastikan bahawa spesies muda (Gambar 1.1.3) akan tumbuh untuk menunjukkan banyak ciri yang sama dengan induknya.

Peraturan

Bahkan organisma terkecil adalah kompleks dan memerlukan pelbagai mekanisme peraturan untuk mengkoordinasikan fungsi dalaman, seperti pengangkutan nutrien, tindak balas terhadap rangsangan, dan mengatasi tekanan persekitaran. Sebagai contoh, sistem organ seperti sistem pencernaan atau peredaran darah melakukan fungsi tertentu seperti membawa oksigen ke seluruh badan, membuang sisa, menghantar nutrien ke setiap sel, dan menyejukkan badan.

Homeostasis

Untuk berfungsi dengan baik, sel memerlukan keadaan yang sesuai seperti suhu, pH, dan kepekatan bahan kimia yang pelbagai. Walau bagaimanapun, keadaan ini mungkin berubah dari satu saat ke saat yang lain. Organisme dapat mengekalkan keadaan dalaman dalam jarak yang hampir hampir setiap saat, walaupun terdapat perubahan persekitaran, melalui proses yang disebut homeostasis atau "keadaan stabil" - kemampuan organisma untuk mengekalkan keadaan dalaman yang berterusan. Sebagai contoh, banyak organisma mengatur suhu badan mereka dalam proses yang dikenali sebagai termoregulasi. Organisma yang hidup di iklim sejuk, seperti beruang kutub (Gambar 1.1.4), mempunyai struktur badan yang menolong mereka menahan suhu rendah dan memelihara panas badan. Di iklim panas, organisma mempunyai kaedah (seperti keringat pada manusia atau terengah-engah pada anjing) yang menolong mereka menurunkan panas badan yang berlebihan.

Pemprosesan Tenaga

Semua organisma (seperti kondor California yang ditunjukkan dalam Rajah 1.1.5) menggunakan sumber tenaga untuk aktiviti metabolisme mereka. Beberapa organisma menangkap tenaga dari Matahari dan mengubahnya menjadi tenaga kimia dalam makanan; yang lain menggunakan tenaga kimia dari molekul yang mereka ambil.

Tahap Organisasi Makhluk Hidup

Makhluk hidup sangat teratur dan tersusun, mengikuti hierarki dalam skala dari kecil hingga besar. Atom adalah unit jirim terkecil dan paling asas. Ia terdiri daripada nukleus yang dikelilingi oleh elektron. Atom membentuk molekul. Molekul adalah struktur kimia yang terdiri daripada sekurang-kurangnya dua atom yang disatukan oleh ikatan kimia. Banyak molekul yang penting secara biologi adalah makromolekul, molekul besar yang biasanya terbentuk dengan menggabungkan unit yang lebih kecil yang disebut monomer. Contoh makromolekul adalah asid deoksiribonukleik (DNA) (Rajah 1.1.6), yang mengandungi petunjuk untuk fungsi organisma yang mengandunginya.

KONSEP DALAM TINDAKAN

Untuk melihat animasi molekul DNA ini, klik di sini.

Beberapa sel mengandungi agregat makromolekul yang dikelilingi oleh membran; ini dipanggil organel. Organel adalah struktur kecil yang terdapat di dalam sel dan melakukan fungsi khusus. Semua makhluk hidup diperbuat daripada sel; selitit adalah unit asas struktur dan fungsi terkecil dalam organisma hidup. (Keperluan ini adalah mengapa virus tidak dianggap hidup: mereka tidak terbuat dari sel. Untuk membuat virus baru, mereka harus menyerang dan merampas sel hidup; hanya dengan itu mereka dapat memperoleh bahan yang mereka perlukan untuk menghasilkan semula.) Beberapa organisma terdiri daripada sel tunggal dan lain-lain multiselular. Sel dikelaskan sebagai prokariotik atau eukariotik. Prokariota adalah organisma bersel tunggal yang kekurangan organel yang dikelilingi oleh membran dan tidak mempunyai inti yang dikelilingi oleh membran nuklear; sebaliknya, sel eukariota mempunyai organel dan inti yang terikat membran.

Dalam kebanyakan organisma multisel, sel bergabung untuk membuat tisu, yang merupakan kumpulan sel serupa yang menjalankan fungsi yang sama. Organ adalah kumpulan tisu yang dikumpulkan berdasarkan fungsi bersama. Organ tidak hanya terdapat pada haiwan tetapi juga pada tumbuh-tumbuhan. Sistem organ adalah tahap organisasi yang lebih tinggi yang terdiri daripada organ yang berkaitan dengan fungsi. Contohnya haiwan vertebrata mempunyai banyak sistem organ, seperti sistem peredaran darah yang mengangkut darah ke seluruh badan dan ke dan dari paru-paru; ia merangkumi organ seperti jantung dan saluran darah. Organisma adalah makhluk hidup individu. Contohnya, setiap pokok di hutan adalah organisma. Prokariota bersel tunggal dan eukariota bersel tunggal juga dianggap sebagai organisma dan biasanya disebut sebagai mikroorganisma.

Sambungan SENI

Rajah 1.1.7: Dari atom ke seluruh Bumi, biologi meneliti semua aspek kehidupan. (kredit "molekul": pengubahsuaian kerja oleh Jane Whitney; kredit "organel": pengubahsuaian kerja oleh Louisa Howard; kredit "sel": pengubahsuaian kerja oleh Bruce Wetzel, Harry Schaefer, Institut Kanser Nasional; kredit "tisu": pengubahsuaian karya oleh "Kilbad" / Wikimedia Commons; kredit "organ": pengubahsuaian kerja oleh Mariana Ruiz Villareal, Joaquim Alves Gaspar; kredit "organisma": pengubahsuaian kerja oleh Peter Dutton; kredit "ekosistem": pengubahsuaian kerja dengan "gigi4791 "/ Flickr; kredit" biosfer ": pengubahsuaian kerja oleh NASA)

Pernyataan berikut yang manakah salah?

  1. Tisu wujud di dalam organ yang wujud di dalam sistem organ.
  2. Komuniti wujud dalam populasi yang wujud dalam ekosistem.
  3. Organel wujud di dalam sel yang wujud di dalam tisu.
  4. Masyarakat wujud dalam ekosistem yang wujud di biosfera.

B

Semua individu spesies yang tinggal di kawasan tertentu secara kolektif disebut sebagai populasi. Contohnya, hutan boleh merangkumi banyak pokok pain putih. Semua pokok pain ini mewakili populasi pokok pinus putih di hutan ini. Penduduk yang berbeza mungkin tinggal di kawasan yang sama. Sebagai contoh, hutan dengan pokok pinus merangkumi populasi tanaman berbunga dan juga serangga dan populasi mikroba. Komuniti adalah kumpulan penduduk yang mendiami kawasan tertentu. Sebagai contoh, semua pokok, bunga, serangga, dan populasi lain di hutan membentuk komuniti hutan. Hutan itu sendiri adalah ekosistem. Ekosistem terdiri daripada semua makhluk hidup di kawasan tertentu bersama dengan bahagian abiotik, atau bukan hidup, dari persekitaran tersebut seperti nitrogen di dalam tanah atau air hujan. Pada peringkat organisasi tertinggi (Rajah 1.1.7, biosfera adalah kumpulan semua ekosistem, dan ia mewakili zon kehidupan di Bumi. Termasuk daratan, air, dan bahagian atmosfera.

Kepelbagaian Kehidupan

Bidang sains biologi sangat luas kerana terdapat kepelbagaian kehidupan yang luar biasa di Bumi. Sumber kepelbagaian ini adalah evolusi, proses perubahan bertahap di mana spesies baru muncul dari spesies yang lebih tua. Ahli biologi evolusi mengkaji evolusi makhluk hidup dalam semua perkara dari dunia mikroskopik hingga ekosistem.

Pada abad ke-18, seorang saintis bernama Carl Linnaeus pertama kali mencadangkan untuk mengatur spesies organisma yang diketahui menjadi taksonomi hierarki. Dalam sistem ini, spesies yang paling serupa antara satu sama lain disatukan dalam kumpulan yang dikenali sebagai genus. Selanjutnya, genera serupa (jamak genus) disatukan dalam keluarga. Pengelompokan ini berterusan sehingga semua organisma dikumpulkan menjadi satu kumpulan pada tahap tertinggi. Sistem taksonomi yang ada sekarang mempunyai lapan tingkat dalam hierarkinya, dari yang paling rendah hingga yang paling tinggi, yaitu: spesies, genus, keluarga, susunan, kelas, filum, kerajaan, domain. Oleh itu, spesies dikelompokkan dalam genera, genera dikelompokkan dalam keluarga, keluarga dikelompokkan dalam pesanan, dan seterusnya (Rajah 1.1.8).

Tahap tertinggi, domain, adalah tambahan yang agak baru untuk sistem sejak tahun 1990-an. Para saintis kini mengenali tiga domain kehidupan, Eukarya, Archaea, dan Bakteria. Domain Eukarya mengandungi organisma yang mempunyai sel dengan inti. Ini termasuk kerajaan jamur, tanaman, binatang, dan beberapa kerajaan protista. The Archaea, adalah organisma bersel tunggal tanpa inti dan merangkumi banyak ekstremofil yang hidup di persekitaran yang keras seperti sumber air panas. Bakteria adalah kumpulan organisma sel tunggal yang sangat berbeza tanpa inti (Rajah 1.1.9). Baik Archaea dan Bakteria adalah prokariota, nama tidak rasmi untuk sel tanpa inti. Pengakuan pada tahun 1990-an bahawa "bakteria" tertentu, yang sekarang dikenal sebagai Archaea, berbeda secara genetik dan biokimia dari sel bakteria lain seperti dari eukariota, mendorong saran untuk membahagikan kehidupan menjadi tiga domain. Perubahan dramatik dalam pengetahuan kita mengenai pokok kehidupan menunjukkan bahawa klasifikasi tidak kekal dan akan berubah apabila maklumat baru tersedia.

Sebagai tambahan kepada sistem taksonomi hierarki, Linnaeus adalah yang pertama menamakan organisma menggunakan dua nama unik, yang sekarang disebut sistem penamaan binomial. Sebelum Linnaeus, penggunaan nama umum untuk merujuk kepada organisma menimbulkan kekeliruan kerana terdapat perbezaan wilayah dalam nama umum ini. Nama binomial terdiri daripada nama genus (yang ditulis dengan huruf besar) dan nama spesies (semua huruf kecil). Kedua-dua nama ditetapkan dalam huruf miring ketika dicetak. Setiap spesies diberi binomial unik yang diakui di seluruh dunia, sehingga seorang saintis di mana-mana lokasi dapat mengetahui organisme mana yang dirujuk. Sebagai contoh, jay biru Amerika Utara dikenali secara unik sebagai Cyanocitta cristata. Spesies kita sendiri adalah Homo sapiens.

EVOLUSI DALAM TINDAKAN: Carl Woese dan Pohon Filogenetik

Hubungan evolusi dari pelbagai bentuk kehidupan di Bumi dapat diringkaskan dalam pohon filogenetik. Pohon filogenetik adalah rajah yang menunjukkan hubungan evolusi antara spesies biologi berdasarkan persamaan dan perbezaan sifat genetik atau fizikal atau kedua-duanya. Pohon filogenetik terdiri daripada titik cabang, atau simpul, dan cabang. Nod dalaman mewakili nenek moyang dan merupakan titik evolusi apabila, berdasarkan bukti saintifik, nenek moyang dianggap telah menyimpang untuk membentuk dua spesies baru. Panjang setiap cabang boleh dianggap sebagai anggaran masa relatif.

Pada masa lalu, ahli biologi mengelompokkan organisma hidup menjadi lima kerajaan: haiwan, tumbuhan, kulat, protista, dan bakteria. Karya perintis ahli mikrobiologi Amerika Carl Woese pada awal 1970-an telah menunjukkan, bagaimanapun, bahawa kehidupan di Bumi telah berkembang sepanjang tiga garis keturunan, yang sekarang disebut domain — Bakteria, Archaea, dan Eukarya. Woese mencadangkan domain sebagai tahap taksonomi baru dan Archaea sebagai domain baru, untuk mencerminkan pohon filogenetik baru (Rajah 1.1.10). Banyak organisma yang tergolong dalam domain Archaea hidup dalam keadaan yang melampau dan disebut extremeophiles. Untuk membina pokoknya, Woese menggunakan hubungan genetik daripada persamaan berdasarkan morfologi (bentuk). Berbagai gen digunakan dalam kajian filogenetik. Pohon Woese dibina dari urutan perbandingan gen yang diedarkan secara universal, terdapat dalam bentuk yang sedikit berubah di setiap organisma, yang dipelihara (yang bermaksud bahawa gen ini hanya sedikit berubah sepanjang evolusi), dan panjangnya sesuai.

Cabang Kajian Biologi

Skop biologi luas dan oleh itu mengandungi banyak cabang dan sub disiplin ilmu. Ahli biologi boleh mengikuti salah satu subdisiplin dan bekerja dalam bidang yang lebih fokus. Sebagai contoh, biologi molekul mengkaji proses biologi pada tahap molekul, termasuk interaksi antara molekul seperti DNA, RNA, dan protein, serta cara mereka diatur. Mikrobiologi adalah kajian mengenai struktur dan fungsi mikroorganisma. Ini adalah cabang yang cukup luas, dan bergantung pada subjek kajian, terdapat juga ahli fisiologi mikro, ahli ekologi, dan ahli genetik, antara lain.

Satu lagi bidang kajian biologi, neurobiologi, mengkaji biologi sistem saraf, dan walaupun dianggap sebagai cabang biologi, ia juga diakui sebagai bidang pengajian interdisipliner yang dikenali sebagai neurosains. Kerana sifat interdisipliner, sub disiplin ini mengkaji fungsi sistem saraf yang berbeza menggunakan pendekatan molekul, selular, perkembangan, perubatan, dan komputasi.

Paleontologi, cabang biologi lain, menggunakan fosil untuk mengkaji sejarah kehidupan (Rajah 1.1.11). Zoologi dan botani adalah kajian terhadap haiwan dan tumbuhan. Ahli biologi juga boleh menjadi pakar bioteknologi, ahli ekologi, atau ahli fisiologi, untuk menamakan beberapa bidang. Ahli bioteknologi mengaplikasikan pengetahuan biologi untuk membuat produk yang berguna. Ahli ekologi mengkaji interaksi organisma di persekitarannya. Ahli fisiologi mengkaji cara kerja sel, tisu dan organ. Ini hanyalah contoh kecil dari banyak bidang yang dapat dikejar oleh ahli biologi. Dari badan kita sendiri hingga ke dunia tempat kita hidup, penemuan dalam biologi dapat mempengaruhi kita dengan cara yang sangat langsung dan penting. Kami bergantung pada penemuan ini untuk kesihatan, sumber makanan, dan faedah yang diberikan oleh ekosistem kita. Oleh kerana itu, pengetahuan tentang biologi dapat memberi manfaat kepada kita dalam membuat keputusan dalam kehidupan seharian kita.

Perkembangan teknologi pada abad kedua puluh yang berlanjutan hari ini, terutama teknologi untuk menggambarkan dan memanipulasi bahan genetik, DNA, telah mengubah biologi. Transformasi ini akan membolehkan para ahli biologi untuk terus memahami sejarah kehidupan dengan lebih terperinci, bagaimana tubuh manusia berfungsi, asal-usul manusia kita, dan bagaimana manusia dapat bertahan hidup sebagai spesies di planet ini walaupun terdapat tekanan yang disebabkan oleh peningkatan jumlah kita. Ahli biologi terus menguraikan misteri besar mengenai kehidupan yang menunjukkan bahawa kita baru mula memahami kehidupan di planet ini, sejarahnya, dan hubungan kita dengannya. Atas sebab ini dan sebab-sebab lain, pengetahuan tentang biologi yang diperoleh melalui buku teks ini dan media cetak dan elektronik lain semestinya bermanfaat dalam bidang apa sahaja yang anda masukkan.

KERJAYA DALAM TINDAKAN: Saintis Forensik

Ilmu forensik adalah aplikasi sains untuk menjawab soalan yang berkaitan dengan undang-undang. Ahli biologi serta ahli kimia dan ahli biokimia boleh menjadi saintis forensik. Saintis forensik memberikan bukti saintifik untuk digunakan di mahkamah, dan tugas mereka melibatkan memeriksa bahan surih yang berkaitan dengan jenayah. Minat dalam sains forensik meningkat dalam beberapa tahun kebelakangan ini, mungkin kerana rancangan televisyen yang popular yang menampilkan saintis forensik di tempat kerja. Juga, pengembangan teknik molekul dan pembentukan pangkalan data DNA telah mengemas kini jenis pekerjaan yang boleh dilakukan oleh saintis forensik. Kegiatan pekerjaan mereka terutama berkaitan dengan jenayah terhadap orang seperti pembunuhan, rogol, dan serangan. Kerja mereka melibatkan menganalisis sampel seperti rambut, darah, dan cecair badan lain dan juga memproses DNA (Rajah 1.1.12) terdapat di pelbagai persekitaran dan bahan.Para saintis forensik juga menganalisis bukti biologi lain yang ditinggalkan di tempat kejadian, seperti bahagian serangga atau biji-bijian debunga. Pelajar yang ingin melanjutkan karier dalam sains forensik kemungkinan besar dikehendaki mengikuti kursus kimia dan biologi serta beberapa kursus matematik intensif.

Ringkasan

Biologi adalah sains kehidupan. Semua organisma hidup mempunyai beberapa sifat utama seperti ketertiban, kepekaan atau tindak balas terhadap rangsangan, pembiakan, penyesuaian, pertumbuhan dan perkembangan, peraturan, homeostasis, dan pemprosesan tenaga. Makhluk hidup sangat teratur mengikuti hierarki yang merangkumi atom, molekul, organel, sel, tisu, organ, dan sistem organ. Organisma, pada gilirannya, dikelompokkan sebagai populasi, masyarakat, ekosistem, dan biosfer. Evolusi adalah sumber kepelbagaian biologi yang luar biasa di Bumi sekarang ini. Gambar rajah yang disebut pohon filogenetik dapat digunakan untuk menunjukkan hubungan evolusi antara organisma. Biologi sangat luas dan merangkumi banyak cabang dan sub disiplin ilmu. Contohnya termasuk biologi molekul, mikrobiologi, neurobiologi, zoologi, dan botani, antara lain.

Glosari

atom
satu unit asas bahan yang tidak dapat dipecahkan oleh tindak balas kimia biasa
biologi
kajian organisma hidup dan interaksi mereka antara satu sama lain dan persekitarannya
biosfera
koleksi semua ekosistem di Bumi
sel
unit asas struktur dan fungsi terkecil dalam hidupan
masyarakat
sekumpulan penduduk yang menghuni kawasan tertentu
ekosistem
semua makhluk hidup di kawasan tertentu bersama-sama dengan bahagian abiotik yang tidak hidup di persekitaran itu
eukariota
organisma dengan sel yang mempunyai inti dan organel yang membran
evolusi
proses perubahan secara beransur-ansur dalam populasi yang juga dapat menyebabkan spesies baru timbul dari spesies yang lebih tua
homeostasis
keupayaan organisma untuk mengekalkan keadaan dalaman yang berterusan
makromolekul
molekul besar yang biasanya terbentuk dengan bergabung molekul yang lebih kecil
molekul
struktur kimia yang terdiri daripada sekurang-kurangnya dua atom yang disatukan oleh ikatan kimia
organ
struktur yang terbentuk daripada tisu-tisu yang beroperasi bersama untuk melakukan fungsi yang sama
sistem organ
tahap organisasi yang lebih tinggi yang terdiri daripada organ yang berkaitan dengan fungsi
organel
petak atau kantung terikat dalam sel
organisma
makhluk hidup individu
pokok filogenetik
gambarajah yang menunjukkan hubungan evolusi antara spesies biologi berdasarkan persamaan dan perbezaan sifat genetik atau fizikal atau kedua-duanya
penduduk
semua individu dalam spesies yang tinggal di kawasan tertentu
prokariota
organisma uniselular yang tidak mempunyai nukleus atau organel lain yang terikat membran
tisu
sekumpulan sel yang serupa menjalankan fungsi yang sama

11 Contoh Biologi dalam Kehidupan Seharian

Biologi adalah bidang sains yang sangat menarik yang telah menjadi pusat tumpuan selama berabad-abad. Konsep-konsep biologi yang kompleks telah menjadi salah satu sejak dulu lagi. Terlepas dari kemajuan yang berlaku dalam bidang sains dan teknologi, banyak fenomena biologi masih meminta penjelasan yang masuk akal. Misteri mengenai asal usul kehidupan di bumi dan penampilan manusia masih belum dapat diungkap. Ini kerana biologi kita wujud. Apa sahaja yang kita lakukan melibatkan biologi dalam satu cara atau yang lain. Walaupun anda tidak melakukan apa-apa atau tidur, setiap sel di dalam badan anda berfungsi untuk anda. Ringkasnya, sejak anda dilahirkan, biologi inilah yang memainkan peranannya apabila anda membesar menjadi anak, anda menghadapi remaja, menyambut dewasa dan selepas itu, anda mula menua. Semua proses yang indah namun menarik ini mempunyai prinsip biologi tersembunyi. Hari ini kita akan membincangkan beberapa contoh kehidupan seharian di mana biologi memainkan peranan penting.

1. Pertanian

Makanan yang kita makan adalah hasil pertanian. Kita, manusia, dan haiwan bergantung pada hasil pertanian untuk menjaga diri kita. Buah-buahan, sayur-sayuran, biji-bijian, kacang-kacangan, minyak, madu, gula, teh, kopi, dan makanan lain semuanya diperoleh dari tanaman. Petani dapat menghasilkan varieti hasil tanaman yang tinggi dan tahan perosak. Para saintis mengkaji sifat kompleks, kejadian, dan kitaran hidup perosak dan dengan bantuan teknik bioteknologi, mereka dapat memperoleh kualiti dan kuantiti tanaman yang lebih baik. Ini kerana pendebungaan berlaku bahawa bunga tumbuh dan biji diperoleh. Seluruh proses pendebungaan dimungkinkan hanya kerana burung dan lebah madu.

2. Makanan & Minuman

Apa yang membuat kita hidup adalah makanan yang kita makan. Tanpa makanan, daya hidup tidak dapat dilaksanakan. Barang makanan kami berasal dari tumbuh-tumbuhan dan haiwan. Mikroba membantu pembentukan produk tenusu seperti dadih, keju, dan yoghurt. Bakteria Lactobacillus membantu dalam pembentukan dadih dari susu. Begitu juga, ragi, salah satu eukariota termudah, digunakan dalam proses penapaian. Anggur diperoleh dari anggur melalui proses yang serupa. Tambahan pula, terdapat mikrob tertentu dan proses biologi lain yang secara tidak langsung membantu dalam pengeluaran makanan. Mikroorganisma yang terdapat di dalam tanah bertindak sebagai agen pengurai, yang membantu penghasilan kompos daripada bahan organik yang mati dan membusuk. Kompos ini bertindak sebagai baja yang berkesan untuk tumbuh-tumbuhan.

3. Kesihatan & Perubatan

Setiap kali kita jatuh sakit, kita berjumpa doktor. Doktor memberi kita ubat-ubatan, dan kita semua boleh pergi. Bagaimana ini dapat dilaksanakan? Jawapan untuk soalan ini terletak pada biologi. Hanya kerana biologi, kajian mengenai pelbagai mikroorganisma penyebab penyakit telah dimungkinkan. Para penyelidik telah meneliti sifat mikroorganisma yang rumit, kejadiannya, kitaran hidup, pembiakan, dan pembiakan dan oleh itu, mereka membuat langkah-langkah kawalan untuk mencegah penyakit ini. Bahkan perumusan ubat-ubatan untuk memerangi mikroorganisma penyebab penyakit telah dimungkinkan kerana kajian biologi mikroorganisma tersebut.

4. Pakaian

Sama ada musim panas terik atau musim sejuk yang menggigil tulang belakang, biologi inilah yang menjadikan anda selamat. Anda memakai pakaian kapas bernafas pada musim panas yang diperoleh dari tanaman. Sweater tebal yang menutupi anda pada musim sejuk sejuk terbuat dari bulu yang diperoleh dari domba. Linen, nilon, dan pewarna kain berasal dari tanaman dan poliester dari fosil, bagaimanapun, fabriknya, ia mestilah berasaskan tumbuhan.

5. Jet lag

Semasa anda mengembara di seluruh dunia dan melintasi beberapa zon waktu, anda menghadapi masalah untuk tidur di negara baru. Tidak & # 8217t Anda? Mengapa ini berlaku dan apakah sebab yang mendasari? Jawapan untuk soalan ini terletak pada kenyataan bahawa badan anda mempunyai jam dalamannya, yang disebut irama sirkadian. Jam biologi bertanggungjawab untuk menentukan masa anda untuk berjaga dan waktu untuk tidur. Jet lag berlaku kerana jam biologi anda (irama sirkadian) disegerakkan ke zon waktu asal anda. Jam biologi anda tidak mengambil kira jarak yang anda lalui. Mulai sekarang, semakin banyak zon waktu yang anda lalui, semakin teruk jet lag anda.

6. Sel stem

Sel stem adalah sel yang tidak dibezakan. Sel-sel ini dapat mereplikasi dengan cepat. Sel induk sangat penting bagi kita kerana mereka dapat berkembang menjadi pelbagai jenis sel, seperti sel otot, sel saraf, sel jantung, dan lain-lain. Kita, manusia, memulakan hidup kita sebagai satu sel dan, setelah pembelahan sel tak terhingga, berkembang menjadi organisma multisel. Sel induk berfungsi dengan cara yang serupa. Sel induk embrio, sel yang sama sekali tidak dibezakan, disebut sel induk. Sel-sel induk dapat menggantikan tisu dan organ yang rosak, memperbaiki fungsi organ-organ yang tidak betul, memperkenalkan kecacatan genetik untuk penyelidikan dan membolehkan para saintis mengembangkan ubat baru untuk rawatan penyakit. Sekali lagi biologi bertindak sebagai penyelamat anda.

7. Sakit Ketinggian

Anda mungkin ingat kali terakhir anda melawat stesen bukit dan merasa tidak selesa di ketinggian yang lebih tinggi. Apa penjelasan yang mungkin untuk ini? Sekarang, sekali lagi, jawapan untuk soalan mudah ini terletak pada biologi. Penyakit ketinggian adalah sekumpulan gejala yang berlaku ketika anda naik ke ketinggian yang lebih tinggi. Oleh kerana anda tidak memberi masa kepada badan anda untuk menyesuaikan diri dengan tekanan yang berubah dan mengurangkan tahap oksigen di ketinggian, gejala penyakit ketinggian berlaku terlalu cepat. Walaupun begitu, tubuh anda yang menarik bertindak balas dengan meningkatkan kadar pernafasan, yang, bukan sahaja, meningkatkan kadar oksigen dalam darah tetapi juga mengubah tahap keasidan darah, tekanan paru-paru, tahap elektrolit, dan keseimbangan garam.

8. Alam Sekitar & Ekosistem

Hanya kerana bidang biologi anda dapat memahami sifat interaksi antara organisma dan persekitaran. Berbagai interaksi yang berlaku antara manusia juga disebabkan oleh kajian mereka di peringkat biologi. Kita lebih dapat memahami psikologi dan sosiologi manusia melalui kajian biologi tubuh manusia. Bukan hanya interaksi manusia, tetapi kita sekarang dapat melihat interaksi ekologi yang lain dan juga kajian mengenai ekosistem. Ini membantu kita mengenal pasti potensi bahaya terhadap ekosistem dan bumi. Setelah kita mengenal pasti bahaya, kita dapat terus maju ke arah kemajuan persekitaran.

9. Menggerakkan Bumi

Sejak kesedaran meningkat, kita beralih kepada sumber tenaga yang boleh diperbaharui. Namun, kita tidak dapat menyangkal kenyataan bahawa sebahagian besar dunia masih menggunakan bahan bakar fosil, terutamanya arang batu dan minyak. Sekarang, apa itu bahan bakar fosil? Bahan bakar fosil adalah turunan dari makhluk hidup sahaja dan mempunyai asal biologi. Bahan bakar fosil seperti petroleum dan gas asli berasal dari bahan biologi yang mati dan membusuk.

10. Biofuel Generasi Seterusnya

Bimbang kerana bahan bakar fosil yang cepat habis? Jangan repot-repot kerana biologi sekali lagi berada di tangan anda. Perkembangan biofuel semakin meningkat. Penanaman dan pemprosesan Jatropha curcas L. (JCL) meningkat kerana minyak Jatropha digunakan secara berkesan dalam enjin dan penjana diesel. Apa yang lebih mengejutkan ialah kenyataan bahawa minyak Jatropha dapat digunakan secara langsung setelah pengekstrakan, walaupun tanpa penyulingan. Etanol, yang dihasilkan dari gula tumbuhan, dicampurkan dengan petrol sehingga dapat meningkatkan kecekapan bahan bakar. Pelbagai biofuel yang sedang digunakan adalah turunan dari alga, jagung, gandum, minyak biji rai, dan bit gula. Penggunaan biofuel akan membuka jalan baru bahan bakar untuk memerangi masalah pencemaran dan pelepasan karbon.

11. Dadah: Boon atau Bane?

Penggunaan dadah dan alkohol semakin meningkat di kalangan belia yang menjadi masalah utama masyarakat. Sebilangan besar ubat, seperti opioid, kanabinoid, dan alkaloid coca, diperoleh dari tanaman berbunga. Ubat lain seperti barbiturat, amfetamin, dan benzodiazepin digunakan untuk merawat pesakit dengan penyakit mental, kemurungan, dan insomnia. Sebagai tambahan kepada ubat-ubatan di atas, morfin digunakan sebagai ubat penahan sakit dan ubat penenang yang berguna. Namun, malangnya, banyak orang mula menyalahgunakan ubat-ubatan perubatan ini. Apabila ubat ini diambil untuk tujuan lain, apalagi sebagai ubat, ia mempengaruhi fungsi fizikal, fisiologi, dan psikologi seseorang individu. Penggunaan bahan mempunyai kesan buruk seperti kegagalan pernafasan, kegagalan jantung, pendarahan serebrum dan boleh menyebabkan koma dan kematian.


PENGENALAN

Anggota keluarga GTPase yang merangkumi ARF, seperti ARF (ARL), dan SAR telah muncul sebagai pengatur utama isyarat selular yang terlibat dalam hampir semua aspek biologi sel (Jadual 1-3, Gambar 1, dan Jadual Tambahan I- III) (D'Souza-Schorey dan Chavrier, 2006 Donaldson dan Jackson, 2011 Jackson dan Bouvet, 2014). Kepentingan mereka ditegaskan oleh penemuan yang menunjukkan bahawa penghapusan lengkap atau bersyarat mengakibatkan mutasi embrio atau kecacatan spesifik organ, dengan kaitan dengan pelbagai penyakit (Jadual 4) (Seixas et al., 2013 Zhang et al., 2013). GTP keluarga ARF mengawal proses selular utama, termasuk perdagangan membran dua arah (rembesan dan endositosis), ciliogenesis, metabolisme lipid, penggunaan tenaga, motilitas, pembahagian, apoptosis, dan peraturan transkrip. Seperti semua GTPases peraturan, GTPase keluarga ARF beroperasi sebagai "molekul suis" dengan saling menukar antara konfigurasi tidak aktif (terikat PDB) dan aktif (terikat GTP). Setelah mengikat GTP, GTPases yang diaktifkan mengubah konformasi mereka, yang meningkatkan pertalian mereka untuk efektor dan dapat mengubah penyetempatan mereka dalam sel, yang masing-masing menyumbang kepada penjanaan output biologi tertentu. GTPase keluarga ARF yang diaktifkan (terikat GTP) menyebarkan kesannya melalui pengagihan semula efektor tertentu (misalnya, pengambilan ke membran), pengaktifan allosteric aktiviti enzimatik efektor, perubahan konformasi dalam efektor yang mengakibatkan peningkatan pertalian untuk komponen selular lain (protein, lipid, dll.), atau gabungan perubahan tersebut. Akibatnya, output isyarat dari GTPases ini dikendalikan dengan ketat oleh pengikatan GTP yang diatur dan waktu hayat dari keadaan diaktifkan. Ini seterusnya dikawal oleh rangsangan pelepasan PDB terikat (untuk membolehkan GTP mengikat secara spontan) oleh faktor pertukaran nukleotida guanin (GEF) dan aktiviti GTPase intrinsik mereka oleh protein pengaktifkan GTPase (GAP) (Casanova, 2007 Inoue dan Randazzo, 2007 Randazzo et al., 2007 Bui et al., 2009 Spang et al., 2010 Timur dan Kahn, 2011 Wright et al., 2014 Vitali et al., 2017). Oleh itu, triad GEF – GTPase – GAP dapat dilihat sebagai komponen minimum dalam jalur isyarat yang mengubah sebahagian besar tingkah laku selular. Namun, walaupun kepentingannya jelas dalam biologi sel dan hubungan dengan patologi manusia, pemahaman kita mengenai laluan yang terlibat dan mekanisme molekul tetap berpecah belah. Dalam tinjauan ini, kami meringkaskan secara ringkas peranan yang diketahui dari GTPase keluarga ARF, GEF dan GAP mereka, penyetempatan mereka dalam sel, dan interaksinya. Daripada menjelaskan secara terperinci salah satu dari banyak jalan di mana mereka beroperasi, kita lebih menekankan pertindihan luas dalam kekhususan dan tindakan antara anggota keluarga, kerana ini merupakan cabaran terbesar untuk mencapai pemahaman mendalam tentang mekanisme tindakan mereka. Oleh kerana setiap jalan memerlukan triad GEF – GTPase – GAP minimum, kami berpendapat pendekatan sistematik untuk mengkaji setiap keluarga dan ketiga keluarga bersama. Kami mengakhiri tinjauan kami dengan mengetengahkan beberapa soalan dan cabaran utama dalam pemberian isyarat ARF, dan berharap ia menginspirasi usaha yang lebih kolaboratif untuk menangani bidang isyarat ARF yang besar, kompleks, tetapi sangat penting.

JADUAL 1: GTPase keluarga ARF manusia.

Nama gen Pusat Bioteknologi Nasional (NCBI) disenaraikan, bersama dengan penyetempatan selular, fungsi yang dikenal pasti, dan interaksi protein. Singkatan yang digunakan merangkumi CDR, ruffles dorsal bulat EE, endosom awal PLD, fosfolipase D PM, membran plasma RE, kitar semula endosom RR, batang dan cincin. Maklumat tambahan disertakan dalam Jadual Tambahan Tambahan.

Nama gen NCBI disenaraikan, bersama dengan penyetempatan selular, fungsi yang dikenal pasti, dan interaksi protein. Singkatan yang digunakan merangkumi PM, PSD membran plasma, kepadatan postsynaptic, RE, endosomes kitar semula TGN, trans-Golgi rangkaian. Maklumat tambahan disertakan dalam Jadual Tambahan II.

Nama gen NCBI disenaraikan, bersama dengan penyetempatan selular, fungsi yang dikenal pasti, dan interaksi protein. Singkatan yang digunakan merangkumi CDR, ruffles dorsal bulat EE, endosom awal EGFR, reseptor faktor pertumbuhan epidermis FA, lekatan fokus LD, titisan lipid LE, endosom akhir PM, membran plasma RE, kitar semula endosom RR, batang dan cincin SF, serat tekanan. Maklumat tambahan disertakan dalam Jadual III Tambahan.

RAJAH 1: Penyetempatan subselular GTPase keluarga ARF, GF ARF, dan GAP ARF. Sel skematik dengan organel (berwarna merah) yang menunjukkan penyetempatan GTPase (berwarna biru muda), GEF (dalam warna ungu), dan GAP (dalam warna hijau). Maklumat yang lebih terperinci untuk penyetempatan ini diberikan dalam rujukan yang disebut dalam teks.

JADUAL 4: Fenotip tikus dengan mutasi / penghapusan GTPase keluarga ARF.

Yang ditunjukkan adalah protein ARF dan ARL yang dihapuskan sama ada sebagai kalah mati seluruh badan (sistem kalah mati konvensional) atau dengan jenis sel atau tisu khusus, termasuk penghapusan yang dapat diinduksi (pemecatan bersyarat). E, hari embrio ENU, N-etil-N-nitrosourea HGF, faktor pertumbuhan hepatosit P, postnatal VLDL, lipoprotein berketumpatan rendah.


Realiti maya dan campuran (VMR)

Dengan kekuatan komputasi yang meningkat, teknologi yang mahal atau mustahil untuk dilaksanakan pada masa lalu kini dapat diakses di komputer riba dan telefon bimbit (Kish 2004 Waldrop 2016). Teknologi ini kini merevolusikan cara kita berinteraksi dengan dunia, bagaimana kita belajar, dan bagaimana kita mengajar (Veletsianos 2010). Realiti Maya dan Campuran (VMR, lihat Gambar 1 untuk terminologi) adalah salah satu teknologi yang telah mendapat perhatian yang semakin meningkat dalam komuniti akademik dan pengajaran (Mazuryk dan Gervautz 1996). Sebenarnya, selama dekade terakhir, ada peningkatan eksponensial dalam penerbitan makalah dalam topik yang melibatkan Realiti Maya dan Campuran dalam Pendidikan (Gambar 2a). VMR dapat didefinisikan sebagai dunia alternatif yang dipenuhi dengan entiti yang dihasilkan oleh komputer yang berinteraksi dengan deria manusia dan sistem motor untuk menyebabkan rasa 'kehadiran' (keadaan psikologi) dalam subjek melalui penggunaan teknologi 'immersive' (iaitu, teknologi yang mensimulasikan persekitaran yang tidak semestinya nyata) (Yoh 2001). Kehadiran dapat didefinisikan sebagai 'keadaan pemisahan dari kenyataan di mana orang merasakan pengalaman subjektif yang ada di persekitaran digital (Slater 2003).' Walaupun kehadiran dan perendaman telah digunakan secara bergantian (Barbot dan Kaufman 2020), pengalaman yang meningkatkan kehadiran tidak semestinya meningkatkan perasaan yang mendalam, dan sebaliknya (lihat analisis meta oleh Cummings dan Bailenson 2016), menunjukkan bahawa, walaupun istilah ini merujuk kepada perasaan 'berada di sana', mereka tidak semestinya setara. Walaupun begitu, kedua-duanya penting dalam aplikasi VMR. Menurut kamus Oxford, Realiti Maya ditakrifkan sebagai 'gambar dan suara yang dibuat oleh komputer yang kelihatan hampir nyata bagi pengguna, yang dapat berinteraksi dengannya dengan menggunakan sensor', yang menyoroti bahawa kehadiran dan perendaman adalah aspek penting dari realiti maya ( lihat misalnya, Lombart et al. 2020).Perhatikan bahawa di sini, Realiti Maya merujuk kepada kedua-dua perkakasan (iaitu, alat dengar) tetapi juga lebih luas lagi, kepada teknologi (yang mana set kepala adalah bahagian) definisi kerja kami mengenai Realiti Maya dalam makalah ini memfokuskan pada yang terakhir. Menurut taksonomi Milgram et al. (1995), pengalaman imersif dicapai melalui kesinambungan kompleks dalam kesetiaan pembiakan kedua-dua persekitaran nyata dan maya, di mana batasan pendekatan serta perkakasan (misalnya, peranti dan paparan) dapat mempengaruhi tahap pengalaman dan kehadiran imersif yang tersedia untuk pengguna (Milgram et al. 1995). Namun, perhatikan bahawa perasaan kehadiran dan perendaman tidak semestinya menjadi tujuan utama teknologi VMR (Milgram et al. 1995 tetapi lihat Robinett 1992 Sheridan 1992), walaupun paparan yang semakin realistik akhirnya dapat menghasilkan satu perasaan rendam sepenuhnya dan kehadiran (Naimark 1991).

Kontinum realiti-kebajikan. AR — augmented reality AV — augmented virtuality VR — realiti maya [berdasarkan (Milgram et al. 1995)]. Dalam makalah yang sangat berpengaruh, Milgram, Takemura, Utsumi, dan Kishino (1995) mengusulkan kontinum realiti-virtualitas untuk mengklasifikasikan teknologi realiti Virtual, Augmented, dan Mixed. Di satu sisi spektrum adalah dunia nyata (realiti) dan, di sisi lain spektrum, dunia maya sepenuhnya (kebajikan) di mana Virtual Reality (VR) berada dalam pengertian ketatnya. Di antara yang paling ekstrem, berdiri Augmented Reality (AR) - yang kebanyakannya bergantung pada elemen dunia nyata tetapi dengan penambahan entiti maya contoh AR yang paling terkenal (dan kontroversial) adalah Pokemon Go! (Serino et al. 2016 Zsila et al. 2018) —dan Augmented Virtuality (AV) dengan kebalikan dari AR, iaitu kebanyakan dunia maya tetapi dengan penambahan entiti ‘sebenar’. AR dan AV adalah kes Mixed Reality (MR), di mana elemen sebenar dan maya saling berkaitan dalam aplikasi. Untuk tujuan makalah ini dan untuk kesederhanaan, kami merujuk kepada AR, AV, dan VR semuanya realiti maya dan campuran (VMR) aplikasi kerana semuanya mempunyai beberapa tahap komponen maya yang diperkenalkan ke dalam aplikasi

VMR semakin penting dalam konteks akademik dan pendidikan. a Web of Science Pertanyaan topik penerbitan (kiri) dan petikan (kanan) yang melibatkan VMR dan pendidikan (oren) dan VMR dan biologi (merah). Pencarian WoS dilakukan pada 12-Mei-2020 dengan pertanyaan istilah carian ‘realiti DAN pendidikan (maya DAN ditambah) realiti DAN biologi’ (maya DAN ditambah) realiti DAN biologi ’. Untuk setiap carian, tinjauan dan prosiding persidangan tidak termasuk. Secara keseluruhan, masing-masing ada 6443 dan 133 makalah yang sesuai dengan kriteria pemilihan. b Gambaran keseluruhan skematik mengenai potensi VMR mempengaruhi Biologi. Di satu pihak, VMR semakin digunakan untuk pengajaran pelbagai topik dalam Biologi. Seiring kemajuan teknologi, mungkin menggabungkan teknologi canggih yang lain seperti Pembelajaran Mesin dan Artificial Intelligent untuk mewujudkan dunia maya (BioVR) yang berkembang sendiri yang membolehkan kita mendapatkan pandangan mengenai proses biologi

VMR telah wujud selama beberapa dekad, dan dianggap berasal dari tahun 1960-an ketika Morton Heilig membuat salah satu simulator multi-sensori pertama yang merangkumi rangsangan seperti suara, aroma, angin dan getaran (disebut 'Sensorama') ( Heilig 1962 Mazuryk dan Gervautz 1996). Sejak itu, teknologi VR telah berkembang dengan ketara sehingga hari ini banyak platform yang ada untuk membuat serta mengalami aplikasi VMR (mis., Jerald et al. 2014 Ledermann dan Schmalstieg 2005 Wexelblat 2014). Dalam dekad yang lalu, penggunaan VMR dalam pengajaran dan pembelajaran telah meningkat secara mendadak dan merangkumi pelbagai mata pelajaran (Davies et al. 2019 Hoffman dan Vu 1997 Makransky et al. 2016 Mikropoulos dan Natsis 2011), termasuk biologi (Makransky et al. 2016 Shim et al. 2003 Shim et al. 2000). Meta-analisis enam belas kajian menunjukkan bahawa simulator pembedahan VMR mengurangkan masa untuk menyelesaikan prosedur pembedahan, menunjukkan pemerolehan kemahiran pembedahan yang lebih cekap (Haque dan Srinivasan 2006). Begitu juga, VMR telah digunakan sebagai teknologi untuk latihan dan simulasi tindak balas terhadap peristiwa bencana, dengan itu meningkatkan bidang perubatan bencana (Gout et al. 2020). Penggunaan VMR dalam bidang perubatan yang berjaya ini mungkin timbul kerana ketidaklayakan dalam meniru situasi kehidupan sebenar (contohnya, tindak balas terhadap taufan dalam perubatan bencana) serta situasi berisiko tinggi (misalnya, pembedahan halus) yang mengancam nyawa pesakit dan memerlukan latihan yang belum pernah terjadi sebelumnya kepada doktor dalam konteks latihan kepentingan yang lebih rendah (iaitu simulasi dan bukannya kehidupan sebenar). Selanjutnya, VMR meningkatkan pembelajaran tugas yang memerlukan memori spatial dan visual, pemerhatian, serta kawalan tindak balas emosi dalam keadaan tertekan (Jensen dan Konradsen 2018). Yang penting, kanak-kanak autistik telah digambarkan mempunyai hubungan positif dengan aplikasi VMR dalam persekitaran pendidikan (Kandalaft et al. 2013 Strickland et al. 1996), menunjukkan bahawa VMR dapat digunakan dalam pelbagai konteks dan berfungsi sebagai alat inklusif untuk pendidikan pelajar dengan dan tanpa keperluan khas (tetapi lihat perbincangan mengenai 'Potensi penyalahgunaan VMR' di bawah). Oleh itu, VMR berpotensi menjadi alat pendidikan yang penting dan inklusif pada abad kita (Hoffman dan Vu 1997). Sebenarnya, VMR baru-baru ini digunakan untuk pengajaran dan pembelajaran biologi, dengan hasil yang positif.


3. Pendekatan Penjelasan untuk Pembangunan

Penjelasan dalam biologi perkembangan biasanya bersifat kausal, walaupun tidak seperti penjelasan mekanistik standard terdapat pemerolehan berterusan kausal baru (dari segi entiti penyusun, aktiviti, dan organisasi mereka) melalui pengembangan (McManus 2012 Parkkinen 2014). Walaupun masih banyak usaha untuk mencirikan aspek penjelasan yang berbeza dalam biologi perkembangan, tidak ada keraguan bahawa pembezaan membuat atau manipulasi kebolehfahaman penyebab (lihat entri mengenai sebab dan manipulasi) memberikan elemen inti dari penaakulan (Woodward 2003 Strevens 2009 Waters 2007a) ). Penjelasan genetik mengenai perkembangan (Bahagian 3.1), serupa dengan yang dilihat dalam genetik molekul, berfungsi dengan mengenal pasti perubahan dalam ekspresi gen dan interaksi antara produk RNA dan protein mereka yang membawa kepada perubahan sifat ciri-ciri morfologi semasa ontogeni (misalnya, bentuk atau ukuran), sambil memegang pelbagai pemboleh ubah kontekstual tetap. Baru-baru ini, terdapat minat yang semakin meningkat terhadap penjelasan fizikal mengenai pembangunan (Bahagian 3.2) yang melibatkan daya tarik daya mekanikal kerana susunan geometri bahan-bahan mesoskala, seperti aliran bendalir (Forgacs dan Newman 2005). Penyelidik bersetuju dengan fenomena yang perlu dijelaskan (Bahagian 1.2 dan Bahagian 2.2), tetapi berbeza sama ada peraturan fizikal atau faktor genetik lebih kurang jelas (Keller 2002). [8] Kewujudan dua jenis penjelasan kausal untuk fenomena perkembangan menimbulkan pertanyaan tambahan tentang bagaimana mereka dapat digabungkan menjadi kerangka penjelasan yang lebih bersepadu (Bahagian 3.3).

3.1 Genetik

Banyak ahli falsafah beralih kepada penjelasan mengenai perkembangan selama dua dekad yang lalu dalam usaha untuk menilai atau mengurang tuntutan mengenai kekuatan sebab gen (Keller 2002 Neumann-Held dan Rehmann-Sutter 2006 Rosenberg 2006 Robert 2004 Waters 2007a). [9] Penjelasan genetik menyentuh tema filosofis reduksionisme dan nampaknya merupakan sebahagian besar kejayaan empirikal yang dihasilkan oleh biologi perkembangan selama beberapa dekad yang lalu. [10] Pernyataan dari ahli biologi perkembangan memperkuat perspektif ini:

Biologi perkembangan & hellip menangani proses di mana gen dalam telur yang disenyawakan mengawal tingkah laku sel dalam embrio dan menentukan coraknya, bentuknya, dan banyak tingkah laku & aktiviti gen pembezaan hellip mengawal perkembangan. (Wolpert et al. 1998: v, 15)

Jenis pernyataan ini kadang-kadang diperkuat dengan tarikan genetik program untuk pembangunan.

[Elemen genom] mengandungi kod khusus urutan untuk pengembangan dan mereka menentukan hasil tertentu dari proses perkembangan, dan dengan demikian bentuk haiwan yang dihasilkan oleh setiap embrio. & hellip Development adalah pelaksanaan program genetik untuk pembinaan spesies organisma tertentu (Davidson 2006: 2, 16). [11]

Pada masa lain, pernyataan tertumpu pada genetik sebagai lokus penyebab utama dalam ontogeni: & ldquoKompleksiti pengembangan adalah output langsung dari ekspresi spasial spesifik dari set gen tertentu dan pada tahap inilah kita dapat mengatasi sebab-akibat dalam pembangunan & rdquo (Davidson dan Peter 2015 : 2). Adakah pernyataan ini dapat dibuktikan telah menjadi perbahasan yang sengit atau tidak. [12] Tuntutan terkuat mengenai program genetik atau pengendalian genetik pembangunan mempunyai kelemahan empirikal dan konseptual yang merangkumi perhatian terhadap keplastikan dan peranan persekitaran, kekaburan mengenai lokus agen penyebab, dan pergantungan pada metafora yang diambil dari komputer sains (Gilbert dan Epel 2009 Keller 2002 Moss 2002 Robert 2004). Walau bagaimanapun, ini tetap berlaku prinsip pembezaan penjelasan genetik yang ditunjukkan dalam genetik molekul (Waters 2007a), yang menghasilkan tuntutan sebab yang lebih sempit dan tepat di bawah keadaan eksperimen terkawal, dan berlaku untuk entiti molekul yang pelbagai yang memainkan peranan kausal semasa pembangunan, seperti sebagai peraturan RNA, protein, dan isyarat persekitaran. Kita dapat melihatnya secara ringkas dengan mempertimbangkan semula contoh kardiogenesis vertebrata (Bahagian 1.2).

Adakah terdapat masalah dengan mendakwa bahawa gen mengandungi semua maklumat (lihat entri mengenai maklumat biologi) untuk membentuk hati vertebrata? Adakah terdapat program genetik dalam DNA yang mengawal perkembangan jantung? Adakah gen merupakan pembekal utama dan penyusun sumber bahan untuk pengembangan jantung, yang sebahagian besarnya menentukan hasil fenotipik? Kajian sedia ada mengenai perkembangan jantung telah mengenal pasti peranan kekuatan cecair dalam menentukan bentuk dalaman jantung (Hove et al. 2003) dan asimetri kiri / kanannya (Nonaka et al. 2002). Kecerunan biokimia kalsium ekstraselular bertanggungjawab untuk mengaktifkan ungkapan asimetri gen pengawalseliaan Nodal (Raya et al. 2004) dan penghambatan kecerunan voltan berebut pembentukan asimetri normal (Levin et al. 2002). Petunjuk mekanikal seperti kekakuan persekitaran mikro sangat penting untuk peralihan utama dari sel-sel migrasi ke kepingan teratur semasa pembentukan jantung (Jackson et al. 2017). Sejumlah gen jelas menjadi pembentuk perbezaan dalam proses ini (Asp et al. 2019 Srivastava 2006 Brand 2003 Olson 2006), tetapi kesimpulan bahawa gen membawa semua maklumat yang diperlukan untuk menghasilkan ciri bentuk jantung nampaknya tidak beralasan. Walaupun mungkin diperlukan secara empirik dalam beberapa kes untuk memberi hak istimewa perbezaan urutan DNA sebagai faktor penyebab dalam proses ontogeny tertentu (Waters 2007a), seperti rangkaian penyusun perbezaan genetik yang disusun secara hierarki yang menjelaskan spesifikasi tisu (Peter dan Davidson 2011), kepelbagaian entiti menarik minat genetik molekul dan sejauh mana peranan individu dan bersama mereka dalam menentukan hasil perkembangan menunjukkan bahawa perbahasan mengenai makna, ruang lingkup, dan kekuatan penjelasan genetik akan berlanjutan (Griffiths dan Stotz 2013). Namun, peralihan dari program genetik dan determinisme genetik ke DNA, RNA, dan protein sebagai pembuat perbezaan yang beroperasi secara bersamaan menunjukkan bahawa kita mengkonseptualisasikan faktor penyebab lain dengan cara yang serupa.

3.2 Fizik

Aliran bendalir, sebagai kekuatan fizikal, juga merupakan pembentuk perbezaan semasa perkembangan jantung, dan ontogeni secara lebih umum, dan ahli biologi perkembangan menarik perhatian pembuat perbezaan fizikal, yang difahami sebagai faktor dalam menghasilkan sifat morfologi fenomena perkembangan (Forgacs dan Newman 2005). Pendekatan penyebab fizikal telah dipamerkan pada karya Wilhelm His pada akhir abad ke-19 (Hopwood 1999, 2000 Pearson 2018) dan sangat dapat dilihat pada karya awal abad ke-20 D & rsquoArcy Thompson dan lain-lain (Thompson 1992 [1942] Keller 2002: ch. 2 Olby 1986). Ini berlaku dalam lingkungan peningkatan perhatian terhadap teori kromosom warisan dan percubaan untuk meneroka fenomena perkembangan melalui kaedah genetik klasik (Morgan 1923, 1926, 1934). Thompson meminta perbezaan kadar pertumbuhan dan kekangan hubungan geometri untuk menjelaskan bagaimana morfologi organisma berasal. Gambaran visual analog abiotik, mekanikal memberikan kebolehlaksanaan, seperti bentuk percikan cecair atau titisan gantung untuk konfigurasi cawan dan loceng dari tahap seksual ubur-ubur berenang bebas. Sekiranya daya fizikal menghasilkan morfologi spesifik dalam bahan viskoelastik, maka morfologi analog pada spesies hidup harus dijelaskan dari segi daya fizikal yang beroperasi pada bahan viskoelastik embrio yang sedang berkembang. Namun proses morfogenetik yang menghasilkan bentuk dan struktur morfologi telah dilihat terutamanya, jika tidak secara eksklusif, dari segi genetik selama setengah abad yang lalu. Pendekatan fizikal bergerak ke latar belakang ketika pendekatan genetik molekul berubah dari kekuatan ke kekuatan (Fraser dan Harland 2000).

Molekularisasi embrio eksperimen adalah salah satu kisah kejayaan biologi kontemporari yang paling mencolok kerana gen dan interaksi genetik (contohnya, dalam rangkaian transkrip dan jalur isyarat lihat Bahagian 1.3) ditemui untuk mendasari perincian khusus pembezaan, morfogenesis, pembentukan corak, dan pertumbuhan apabila struktur berasal semasa pembangunan. Pendekatan genetik mendominasi dalam biologi perkembangan kontemporari dan cara penyebab fizikal sering diabaikan. Kekecewaan di kalangan penyelidik yang berminat dengan penyebab fizikal semasa embriogenesis telah jelas.

Bagi jenis molekul, penyebabnya adalah molekul atau gen. Untuk menjelaskan fenomena adalah mengenal pasti gen dan mencirikan protein tanpa fenomena tersebut akan gagal atau tidak normal. Molekul adalah penjelasan: kekuatan adalah penerangan untuk berdebat sebaliknya menimbulkan rasa kasihan, paling baik (Albert Harris kepada John Trinkaus, 12 Mac 1996 Sumber: Arkib Perpustakaan Makmal Biologi Laut).

Walaupun terdapat pendekatan pendekatan penjelasan genetik dan kekecewaan di kalangan penyelidik yang menggunakan pendekatan lain, gelombang minat telah berkembang di sekitar penjelasan fizikal mengenai pembangunan, terutama dari segi penyatuan mereka dengan penjelasan genetik (Miller dan Davidson 2013 Newman 2015). Beberapa ahli falsafah berpendapat bahawa pemodelan biomekanik faktor penyebab fizikal merupakan penolakan bentuk penjelasan reduktif tertentu dalam biologi (Green dan Batterman 2017).

3.3 Menggabungkan Pendekatan: Genetik dan Fizik

Thompson berpendapat bahawa kekuatan fizikal adalah penjelasan tetapi tidak cukup untuk mengasingkan asal-usul perkembangan keturunan morfologi (genetik) juga merupakan faktor penyebab yang diperlukan. [13] Namun Thompson cepat menyoroti bahawa cara penyebab mekanik mungkin diabaikan di tengah-tengah perhatian terhadap keturunan (genetik) yang semakin meningkat:

tidak keterlaluan jika kita cenderung mengabaikan cara-cara penyebab fizikal dan mekanikal langsung ini sama sekali, dan melihat watak-watak tulang hanya hasil dari variasi dan keturunan. (Thompson 1992 [1942]: 1023)

Walaupun bentuk keterlaluan yang terakhir ini muncul sepanjang abad ke-20, agenda untuk menggabungkan atau mengintegrasikan kedua pendekatan itu sekarang jelas. [14]

Tidak ada kontroversi mengenai apakah kaedah penyebab genetik dan fizikal berfungsi secara serentak:

kedua-dua laluan isyarat fizik dan biokimia embrio menyumbang kepada bentuk organisma. (Von Dassow et al. 2010: 1)

Mereka tidak bersaing penjelasan kausal mengenai fenomena yang sama. Penjelasan harus menangkap bagaimana interaksi produktif mereka menghasilkan hasil perkembangan:

semakin banyak contoh menunjukkan adanya interaksi timbal balik antara ekspresi beberapa gen perkembangan dan kekuatan mekanik yang berkaitan dengan pergerakan morfogenetik. (Brouz & eacutes dan Farge 2004: 372)

Punca genetik boleh menyebabkan penyebab fizikal dan begitu juga sebaliknya. Penyebab fizikal menyebabkan penyebab genetik melalui mekanotransduksi. Peregangan, pengecutan, pemampatan, tekanan ricih bendalir, dan dinamika fizikal lain dirasakan oleh komponen molekul yang berbeza di dalam dan di luar sel yang menerjemahkan perubahan persekitaran ini menjadi isyarat biokimia (Hoffman et al. 2011 Wozniak dan Chen 2009). Penyebab genetik menimbulkan penyebab fizikal dengan mewujudkan sifat fizikal sel dan tisu yang berbeza melalui kehadiran, ketiadaan, atau perubahan frekuensi protein tertentu. Sebagai contoh, corak ekspresi yang berbeza untuk molekul lekatan sel (misalnya, kaderin) boleh menyebabkan lekatan pembezaan melintasi kepingan tisu epitelium dan dengan itu menghasilkan pemisahan fasa atau petak melalui variasi tegangan permukaan (Newman dan Bhat 2008). Sekiranya kaedah penyebab ini tidak bersaing, maka bagaimana mungkin menggabungkan pembentuk perbezaan genetik dan fizikal menjadi penjelasan sebab-akibat bersepadu? Sejauh mana kesatuan yang dapat dijelaskan untuk & ldquoreciprocal interplay & rdquo ini?

Mencari model falsafah untuk penjelasan integrasi genetik dan fizik tetap menjadi persoalan terbuka (Cinta 2017b). Mengagihkan tanggungjawab kausal dalam arti menentukan sumbangan relatif (mis. Komposisi besaran kausal di antara kekuatan fizikal yang berbeza dalam mekanik Newtonian) bermasalah kerana ini memerlukan kebolehtimbangan berkenaan dengan bagaimana penyebab menghasilkan kesannya (Sober 1988). Dalam konteks sebab-akibat yang difahami dari segi pembuat perbezaan, kesukaran integrasi adalah variasi pada masalah dalam penaakulan kausal yang diidentifikasi oleh John Stuart Mill dan melabelkan & ldquointermix of effects, & rdquo yang melibatkan pelbagai sebab yang menyumbang secara campuran untuk menghasilkan hasil.

Kesukaran ini adalah yang paling ketara dalam fenomena fisiologi, jarang sekali memisahkan pelbagai agensi yang secara kolektif menyusun badan yang teratur, tanpa memusnahkan fenomena yang menjadi objektif kita untuk disiasat. (Mill 1843 [1974]: 456 [buku 3, bab 11, bahagian 1, perenggan 7])

Metodologi statistik yang teliti dalam eksperimen dapat menjawab sama ada satu jenis pembuat perbezaan menyumbang lebih banyak variasi dalam pemboleh ubah kesan untuk populasi tertentu. Tetapi peringkat faktor penyebab sehubungan dengan seberapa besar perbezaan yang mereka buat tidak sama dengan menggabungkan dua moda penyebab ke dalam akun bersepadu. Tindak balas lain adalah untuk menyelesaikan masalah integrasi dengan mengurangkan semua interaksi kausal ke salah satu daripada dua mod yang berbeza, sehingga mencapai semacam kesatuan penjelasan (Rosenberg 2006). Walau bagaimanapun, pendekatan ini dihindari oleh ahli biologi yang bekerja yang menganggap kedua-dua kaedah penyebab genetik dan fizikal sebagai signifikan dan tidak dapat dikurangkan satu sama lain.

Strategi yang berbeza adalah pluralisme integratif (Mitchell 2002). Ini melibatkan prosedur dua langkah untuk menjelaskan fenomena kompleks yang ciri-cirinya adalah hasil pelbagai sebab: (a) merumuskan model ideal di mana faktor penyebab tertentu beroperasi secara terpisah (& ldquotheoretical modelling & rdquo) dan, (b) mengintegrasikan model ideal untuk menjelaskan bagaimana tertentu, fenomena konkrit berasal dari sebab-sebab ini secara gabungan. Model ini sugestif tetapi juga mempunyai kelemahan utama yang merangkumi fakta bahawa penaakulan genetik dalam biologi perkembangan biasanya tidak melibatkan pemodelan teoritis dan sifat integrasi yang tepat tidak ditentukan. Integrasi pembuat perbezaan genetik dan fizikal dalam satu mekanisme menawarkan kemungkinan lebih jauh (Darden 2006 Craver 2007). Walaupun nilai ini menonjolkan kesinambungan produktif antara pembuat perbezaan melalui tahap dalam urutan (iaitu, interaksi timbal balik mereka), ia juga mempunyai kekurangan. Ini termasuk:

Pendekatan yang berbeza untuk mengukur masa. Daripada masa & ldquoin mekanisme, & rdquo masa diukur dengan tahap standard luaran (lihat di bawah, Bahagian 5.2). Tahap memfasilitasi kajian pelbagai jenis mekanisme perkembangan, dengan kadar karakteristik dan jangka masa yang berbeza untuk tahapnya, dalam kerangka umum untuk model organisma (mis., Drosophila), sementara juga memungkinkan mekanisme molekul terpelihara untuk dikaji dalam spesies yang berlainan kerana penerangan mekanisme yang sesuai tidak terikat pada urutan temporal organisma model.

Jangkaan bahawa penerangan mekanisme & ldquobottom-out & rdquo dalam aktiviti tahap terendah entiti molekul (Darden 2006). Dalam kes menggabungkan pembentuk perbezaan genetik dan fizikal, interaksi timbal balik bermaksud bahawa terdapat penghindaran yang tidak dapat dilakukan dalam satu atau sebab yang lain.

Keperluan organisasi komposisi yang stabil untuk mekanisme:

Penjelasan mekanistik adalah penjelasan konstitutif atau komponen: mereka menjelaskan tingkah laku mekanisme secara keseluruhan dari segi aktiviti yang teratur dan interaksi komponennya. (Craver 2007: 128)

Tetapi penerangan mekanisme ini sering tertanam dalam konteks perkembangan yang berbeza (pada masa yang berlainan dalam ontogeni) dengan hubungan komposisi yang berbeza (dalam dan antara spesies). Interaksi timbal balik antara pembuat perbezaan genetik dan fizikal tidak dijaga dengan tepat kerana perbezaan komposisi ini mengubah hubungan penyebab fizikal (aliran bendalir, ketegangan, dll. Lihat Bahagian 1.3). Ahli biologi perkembangan telah dapat menggeneralisasi hubungan penyebab genetik (dari segi mekanisme genetik melihat Bahagian 1.3) di seluruh spesies secara meluas, tetapi percubaan untuk menggabungkannya dengan penyebab fizikal telah memerlukan penyempitan skop tuntutan kausal.

Model falsafah yang mencukupi dari pergantungan sistematik antara pembuat perbezaan genetik dan fizikal dalam ontogeni perlu menjelaskan bagaimana hubungan temporal yang diperlukan untuk membuat tuntutan kausal berlabuh dalam periodisasi luaran yang digunakan oleh ahli biologi perkembangan. Pengenaan skala temporal yang berbeza dapat menyebabkan faktor-faktor yang berbeza menjadi signifikan atau menonjol, yang penting untuk memastikan bagaimana pelbagai jenis penyebab dapat digabungkan menjadi penjelasan yang bersepadu. Salah satu kemungkinannya adalah untuk menyusun pembuat perbezaan ini pada tahap yang berbeza melalui pengesahan eksperimen sehingga mereka menunjukkan kesinambungan produktif dalam batasan periodisasi luaran (Love 2017b). Ini memudahkan mewakili simetri antara faktor penyebab kerana pembuat perbezaan genetik boleh diletakkan sebelum atau selepas pembuat perbezaan fizikal (dan begitu juga sebaliknya). Walaupun ini tidak menyediakan cara untuk menggabungkan besaran kausal (seperti penambahan vektor dari mekanik Newtonian), ia menawarkan strategi eksplisit untuk memberikan tanggungjawab di antara berbagai jenis penyebab melalui kenderaan organisasi temporal yang melampaui peringkat pembuat perbezaan. Periodisasi berfungsi sebagai templat dari praktik-praktik ahli biologi perkembangan untuk memberikan keutuhan atau kesatuan kepada cara-cara penyebab yang berbeza untuk menghasilkan sejenis penjelasan bersepadu mengenai morfologi yang dihasilkan dari urutan proses perkembangan.

Tidak semua jenis penjelasan kausal melibatkan periodisasi luaran dan ada cara lain untuk menggabungkan sebab untuk menghasilkan kerangka penjelasan yang lebih bersepadu. Satu bidang di mana penjelasan gabungan untuk fenomena perkembangan sedang dianalisis berkaitan dengan deskripsi mekanisme dan pemodelan matematik dalam biologi sistem (Brigandt 2013 Fagan 2013). Sebagai contoh, Fagan (2013: bab 9) menunjukkan bagaimana penjelasan bersepadu muncul dari prosedur langkah demi langkah yang bermula dengan penerangan terperinci mengenai mekanisme molekul diikuti dengan perumusan gambarajah pendawaian abstrak mengenai interaksi komponen, yang kemudian diterjemahkan ke dalam sistem persamaan yang dapat menjelaskan perubahan dalam interaksi komponen dari masa ke masa. Penyelesaian kepada sistem persamaan ini dan pemetaan penyelesaian untuk interaksi antara komponen sistem ke tingkah laku keseluruhan sistem dalam perwakilan landskap bersama menjelaskan sistem pembezaan selular secara lebih sistematik.


Mengapa Biologi Penting dalam Kehidupan Seharian?

Biologi penting untuk kehidupan seharian kerana membolehkan manusia memahami tubuh mereka, sumbernya dan ancaman yang berpotensi di persekitaran. Biologi adalah kajian semua makhluk hidup, sehingga membantu orang memahami setiap organisma hidup, dari bakteria terkecil hingga redwoods California dan ikan paus biru. Ahli biologi profesional sering menumpukan perhatian pada sebahagian kecil organisma hidup, seperti burung, tumbuhan atau bakteria.

Kajian biologi telah membantu manusia memahami persamaan antara semua bentuk kehidupan. Sebagai contoh, kod genetik yang membantu membina semua organisma hidup sangat serupa dalam semua bentuk kehidupan. Bahan genetik disimpan dalam bentuk DNA untuk semua tumbuhan, haiwan, bakteria dan kulat. Dengan mengkaji DNA semua bentuk kehidupan yang berbeza ini, ahli biologi telah menentukan bahawa semua makhluk hidup saling berkaitan.

Biologi juga telah membantu doktor belajar bagaimana menjaga kesihatan orang dan melawan penyakit. Ahli biologi telah mengetahui bahawa perkara yang disebut patogen, yang merupakan makhluk hidup lain, menyebabkan penyakit. Dengan memahami bagaimana organisma berbahaya ini berfungsi, saintis dapat melawannya. Kerana biologi, banyak orang telah menjalani kehidupan lama kerana mereka dapat menghindari penyakit.


Keputusan

Gambaran keseluruhan kaedah PseudotimeDE

Kaedah statistik PseudotimeDE terdiri daripada empat langkah utama: subsampling, inferensi pseudotime, pemasangan model, dan pengujian hipotesis (Gamb. 1). Dua langkah pertama dilakukan di peringkat sel dan merangkumi semua gen bermaklumat (yang pemilihannya bergantung pada kaedah inferensi pseudotime, misalnya, Slingshot dan Monocle3-PI), sementara dua langkah terakhir dilakukan pada setiap gen yang berpotensi DE.

Dalam langkah subsampling, PseudotimeDE mensampel 80% sel dari set data asal untuk menangkap ketidakpastian inferensi pseudotime, teknik yang sama seperti yang digunakan dalam [9, 11, 30].

Ilustrasi kaedah PseudotimeDE (Dibuat dengan BioRender.com). Inti PseudotimeDE adalah untuk mendapatkan pengedaran statistik ujian gen DE yang sah Sj untuk setiap gen j. Untuk mencapainya, PseudotimeDE mengambil sampel 80% sel dari data scRNA-seq yang asal. Kemudian pada setiap subskala, PseudotimeDE melakukan inferensi pseudotime (menggunakan kaedah yang ditentukan pengguna seperti Slingshot dan Monocle3-PI) dan membenarkan kesimpulan pseudotime merentasi sel. Seterusnya, PseudotimeDE sesuai dengan model (NB-GAM atau ZINB-GAM) dengan sub-sampel yang diubah suai untuk mendapatkan nilai Sj di bawah hipotesis nol dan menggunakan nilai-nilai ini untuk menghampiri taburan nol Sj. Secara selari, PseudotimeDE menyesuaikan model yang sama dengan set data asal dan mengira nilai yang diperhatikan Sj. Akhirnya, PseudotimeDE memperoleh hlm-nilai dari nilai yang diperhatikan dan pengagihan nol Sj. Perincian dijelaskan di bahagian "Kaedah"

Dalam langkah inferensi pseudotime, PseudotimeDE menerapkan kaedah inferensi pseudotime yang ditentukan pengguna ke set data asal dan setiap subsampel, sehingga setiap sel menerima pseudotime yang disimpulkan dalam set data asal dan semua subsampl yang menyertakannya. Untuk membina kes null di mana gen bukan DE untuk ujian hipotesis kemudian, PseudotimeDE membenarkan kesimpulan pseudotime dalam setiap subsampel, tidak bergantung pada subsampl lain.

Pada langkah pemasangan model, PseudotimeDE sesuai dengan NB-GAM atau GAM binomial negatif yang meningkat dengan sifar (ZINB-GAM) ke setiap gen dalam set data asal untuk mendapatkan statistik ujian yang menunjukkan ukuran kesan pseudotime yang disimpulkan pada ekspresi gen.

Dalam langkah pengujian hipotesis, untuk setiap gen, Pseudotime sesuai dengan model yang sama yang digunakan untuk set data asal dengan subsamplum yang diubah untuk memperoleh nilai nol anggaran statistik ujian gen (nilai nol adalah anggaran kerana subsamples tidak mempunyai bilangan yang sama sel seperti dalam set data asal). Untuk menjimatkan bilangan sampel yang diperlukan dan untuk memperbaiki hlmResolusi nilai, Pseudotime sesuai dengan pengedaran Gamma atau campuran dua pengedaran Gamma ke nilai nol ini. Ia kemudiannya menggunakan taburan parametrik yang dipasang sebagai sebaran nol anggaran statistik ujian. Akhirnya, PseudotimeDE mengira ekor kanan hlm-menilai untuk gen dari statistik ujian gen dalam set data asal dan anggaran pengagihan nol.

Perincian lebih lanjut mengenai PseudotimeDE dijelaskan di bahagian "Kaedah".

Simulasi mengesahkan bahawa PseudotimeDE mengatasi kaedah yang ada dalam kesahan hlm-nilai dan daya pengenalan

Kami menggunakan dyntoy simulator yang banyak digunakan [9, 16] untuk menghasilkan empat set data scRNA-seq sintetik, di antaranya tiga adalah dataset garis keturunan tunggal dengan tahap penyebaran rendah, sederhana, dan tinggi, dan yang lain adalah set data bifurcation . Oleh kerana dataset penyebaran tinggi garis tunggal paling mirip dengan data scRNA-seq sebenar (Fail tambahan 1: Gambar S1), kami menggunakannya sebagai kes utama kami. Kami menggunakan dua kaedah inferensi pseudotime - Slingshot dan Monocle3-PI - untuk setiap set data sintetik untuk membuat kesimpulan pseudotime sel.

Pertama, kita dapati bahawa PseudotimeDE berjaya menangkap ketidakpastian asas pseudotime yang disimpulkan. Lapisan pertama - "ketidakpastian linier" - mencerminkan kebiasaan pseudotime sel yang disimpulkan dalam garis keturunan sel (Gamb. 2a, & amp c). Rajah 2b, & amp; d menunjukkan taburan pseudotime sel yang disimpulkan oleh masing-masing sel oleh Slingshot dan Monocle3-PI, di seluruh 1000 set data sampel, yang mengesahkan bahawa ketidakpastian linear khusus untuk kaedah inferensi pseudotime. Di antara kedua kaedah tersebut, Monocle3-PI menunjukkan ketidakpastian linear yang lebih besar. Lapisan kedua - "ketidakpastian topologi" - mencerminkan keacakan pembinaan garis keturunan. Set data bifurcation sintetik mengandungi dua garis keturunan sel. Slingshot membina topologi bifurcation dengan betul dari set data asal dan 1000 kumpulan data subsampling. Walaupun Monocle3-PI menangkap topologi bifurkasi dari set data asal (Rajah 2e), ia gagal menangkap topologi dari lebih dari 50% subsamples (Rajah 2f menunjukkan 10 sub sampel yang dipilih secara rawak), menunjukkan ketidaktentuan topologi yang lebih besar daripada Slingshot's.

PseudotimeDE menangkap ketidakpastian dalam kesimpulan pseudotime. a Visualisasi sel garis keturunan sintetik ditandai dengan kesimpulan pseudotime oleh Slingshot (menggunakan PCA). Lengkung hitam menunjukkan garis keturunan yang disimpulkan. b Pengagihan pseudotime sel individu oleh Slingshot merentas subsampl. Dalam paksi menegak, sel disusun mengikut masa sebenarnya dalam garis keturunan yang digunakan dalam simulasi untuk setiap sel (koordinat menegak), titik hitam mempunyai koordinat mendatar yang sesuai dengan kesimpulan pseudotime sel dalam subsampl yang merangkumi sel. Semakin mendatar titik-titik hitam secara mendatar, semakin besar ketidakpastian kesimpulan pseudotime. c Visualisasi sel garis keturunan sintetik ditandai dengan kesimpulan pseudotime oleh Monocle3-PI (menggunakan UMAP). Lengkung hitam menunjukkan garis keturunan yang disimpulkan. Berbanding dengan (a), silsilah yang disimpulkan lebih goyah. d Taburan pseudotime sel individu oleh Monocle3-PI merentas subsampl. Berbanding dengan (b), ketidakpastian inferensi pseudotime lebih besar. e Visualisasi sel bifurcating sintetik ditandai dengan kesimpulan pseudotime oleh Monocle3-PI (menggunakan UMAP). Monocle3-PI memulihkan topologi bifurkasi. f Visualisasi sepuluh sub-sampel sel di (e), ditandai dengan kesimpulan pseudotime oleh Monocle3-PI (menggunakan UMAP) pada setiap subsampel. Empat dari sepuluh sub-sampel tidak mempunyai topologi bifurcation yang dapat disimpulkan dengan betul (dilabeli dengan warna merah "F"), menunjukkan ketidakpastian dalam kesimpulan pseudotime oleh Monocle3-PI. Di panel a, c, e, dan f, kesimpulan pseudotime diwakili oleh skala warna dari 0 (pseudotime terawal) hingga 1 (pseudotime terbaru)

Setelah mengesahkan ketidakpastian inferensi pseudotime, kami menanda aras PseudotimeDE terhadap empat kaedah pengenalan gen DE: tradeSeq, Monocle3-DE, NBAMSeq, dan ImpulseDE2. Dua kaedah pertama, tradeSeq dan Monocle3-DE, adalah yang terkini untuk analisis data scRNA-seq dan dengan itu berfungsi sebagai pesaing utama PseudotimeDE. Sebagai tanda aras kami, kami menilai kaedah ini terlebih dahulu dari segi kesahan kaedahnya hlm-valu, yang harus diedarkan secara seragam antara 0 dan 1 di bawah hipotesis nol (iaitu, gen bukan DE). Hasil kajian kami menunjukkan bahawa, antara lima kaedah, PseudotimeDE menghasilkan kalibrasi terbaik hlm-valu yang mengikuti pengedaran seragam yang diharapkan dengan lebih dekat (Gamb. 3a, & amp f dan Fail tambahan 1: Gambar. S3 – S5a & amp f) Di antara empat kaedah yang ada, hanya Monocle3-DE yang disusun secara kasar hlm-valu, sementara tradeSeq, NBAMSeq, dan output ImpulseDE2 hlm-values ​​yang jauh menyimpang dari pengagihan seragam yang diharapkan. Pemerhatian ini disahkan oleh ujian Kolmogorov – Smirnov, yang menilai seberapa dekat hlm-valu mengikuti pembahagian seragam. Oleh kerana pengenalan gen DE bergantung pada kecil hlm-potong nilai, semakin kecil hlm-valu lebih penting daripada yang lebih besar. Oleh itu, kami merancang semula hlm-values ​​pada - log10 skala untuk mengkaji penentukuran kecil hlm-values ​​(Gamb. 3b, & amp g dan Fail tambahan 1: Gambar. S3 – S5b & amp g) Sekali lagi, PseudotimeDE mengembalikan kalibrasi terbaik hlm-valu, sementara empat kaedah lain menghasilkan terlalu kecil hlm-nilai yang akan meningkatkan penemuan palsu. Ini ditunjukkan dalam hasil kami: pada ambang sasaran FDR 5%, PseudotimeDE membawa kepada kawalan FDR terbaik di antara semua kaedah (Gamb. 3c, & amp dan fail Tambahan 1: Gambar. S3 – S5c & amp h).

PseudotimeDE mengungguli empat kaedah canggih (tradeSeq, Monocle3-DE, NBAMSeq, dan ImpulseDE2) untuk mengenal pasti gen DE di sepanjang pseudotime sel. Panel kiri ae didasarkan pada pseudotime yang disimpulkan oleh panel kanan Slingshot fj berdasarkan pseudotime yang disimpulkan oleh Monocle3-PI. a, f Pengedaran gen bukan DE diperhatikan hlm-nilai dengan lima kaedah DE dengan kesimpulan pseudotime. Atas: petak kuantil-kuantil yang membandingkan kuantil empirikal yang diperhatikan hlm-nilai terhadap kuantil yang diharapkan dari sebaran Uniform [0,1]. Bawah: histogram yang diperhatikan hlm-menilai. The hlm-valu yang ditunjukkan di atas histogram adalah dari ujian Kolmogorov – Smirnov di bawah hipotesis nol bahawa pengedarannya adalah Seragam [0,1]. Semakin besar hlm-nilai, semakin seragam pengedarannya. Di antara lima kaedah DE, PseudotimeDE diperhatikan hlm-valu mengikuti pengedaran Uniform [0,1] yang diharapkan. b, g Petak kuantiti-kuantitil yang sama hlm-nilai seperti dalam a dan f pada skala log10 negatif. PseudotimeDE mengembalikan kecil yang dikalibrasi dengan lebih baik hlm-valu daripada empat kaedah lain. c, h FDP dari lima kaedah DE dengan sasaran FDR 0,05 (BH disesuaikan- hlm≤0.05). PseudotimeDE menghasilkan FDP yang paling hampir dengan 0.05. d, i Keluk ROC dan nilai AUROC dari lima kaedah DE. PseudotimeDE mencapai AUROC tertinggi. e, j Kekuatan lima kaedah DE di bawah potongan FDP = 0,05. PseudotimeDE mencapai kekuatan tertinggi

Seterusnya, kami membandingkan kaedah ini dari segi kemampuan mereka untuk membezakan gen DE dari gen bukan DE, kemampuan yang diukur oleh kawasan di bawah nilai keluk ciri operasi penerima (AUROC) (Gamb. 3d, & amp i dan Fail tambahan 1: Gambar. S3 – S5d & amp i). PseudotimeDE mencapai nilai AUROC tertinggi. Di antara empat kaedah lain, tradeSeq dan NBAMSeq mempunyai nilai AUROC sedikit lebih rendah daripada PseudotimeDE's, dan Monocle3-DE dan ImpulseDE2 mempunyai nilai AUROC jauh lebih rendah daripada tiga kaedah lain '. Sebabnya ialah PseudotimeDE, tradeSeq, dan NBAMSeq semuanya menggunakan model fleksibel NB-GAM, sementara Monocle3-DE dan ImpulseDE2 menggunakan model yang jauh lebih ketat, yang membatasi kekuatannya.

Menyedari bahawa orang yang tidak berkalibrasi hlm-valuan dari empat kaedah yang ada membatalkan kawalan FDR mereka, kami membandingkan kelima kaedah dari segi kekuatannya di bawah perkadaran penemuan palsu 5% (FDP, yang ditakrifkan sebagai bahagian penemuan palsu antara penemuan dalam satu set data sintetik) dan bukannya FDR nominal 5%. Hasil kajian kami menunjukkan bahawa PseudotimeDE mencapai kekuatan tertinggi pada semua set data kecuali untuk set data bifurcation, di mana PseudotimeDE mempunyai daya yang sedikit lebih rendah daripada tradeSeq (Gambar 3e, & amp j dan Fail tambahan 1: Gambar.S3 – S5e & amp j). Hasil ini menunjukkan kekuatan tinggi PseudotimeDE dan kawalan FDRnya yang berkesan, yang kekurangan kaedah yang ada.

Ringkasnya, hasil simulasi kami mengesahkan bahawa PseudotimeDE mengatasi kaedah yang ada dari segi menghasilkan kalibrasi yang baik hlm-valu, yang penting untuk kawalan FDR, dan mengenal pasti gen DE dengan kekuatan tinggi. Terutama, dua kaedah RNA-seq pukal, NBAMSeq dan ImpulseDE2, memberikan hasil yang lebih buruk daripada tiga kaedah scRNA-seq. Oleh itu, kami hanya menumpukan pada kaedah scRNA-seq dalam tiga aplikasi data sebenar berikut.

Contoh data sebenar 1: sel dendritik yang dirangsang dengan lipopolysaccharide

Dalam aplikasi pertama, kami membandingkan PseudotimeDE dengan tradeSeq dan Monocle3-DE pada set data sel dendritik tikus (DC) setelah rangsangan dengan lipopolysaccharide (LPS, komponen bakteria gram-negatif) [31]. Dalam set data ini, perubahan ekspresi gen diharapkan dapat dikaitkan dengan proses tindak balas imun. Kami mula-mula menerapkan Slingshot dan Monocle3-PI ke set data ini untuk menyimpulkan pseudotime sel, dan kemudian, kami memasukkan pseudotime yang disimpulkan ke dalam PseudotimeDE, tradeSeq, dan Monocle3-DE untuk pengenalan gen DE. Selaras dengan hasil simulasi kami, hlm-valu perdaganganSeq tidak dikalibrasi: pengedaran bimodal mereka menunjukkan bahawa mereka tidak mengikuti pengedaran seragam di bawah hipotesis nol sebaliknya, banyak daripadanya melambung, dan inflasi ini akan menyebabkan kehilangan kuasa dalam pengenalan gen DE (Rajah 4a, & amp e). Memang, pada Benjamini-Hochberg (BH) nominal disesuaikan hlm-nilai ≤0.01 ambang (yang sepadan dengan mengawal FDR ≤1% bila hlm-valuan sah), tradeSeq mengenal pasti bilangan gen DE terkecil, sementara PseudotimeDE mengenal pasti gen DE paling banyak, diikuti oleh Monocle3-DE. Terutama, sebilangan besar gen DE yang dikenalpasti oleh tradeSeq juga dikenal pasti oleh PseudotimeDE (Gamb. 4b, & amp f), hasil yang konsisten dengan kelebihan konservasi tradeSeq kerana peningkatannya hlm-menilai. Tidak seperti tradeSeq, Monocle3-DE tidak menunjukkan peningkatan hlmIsu-nilai bagaimanapun, ia menggunakan model yang lebih ketat daripada PseudotimeDE dan tradeSeq lakukan. Oleh itu, kami menggunakan analisis fungsional untuk menyiasat sama ada Monocle3-DE kehilangan gen DE tertentu kerana pemodelannya yang terhad. Kami juga menyiasat sama ada gen DE tambahan yang dijumpai oleh PseudotimeDE tetapi dilewatkan oleh tradeSeq atau Monocle3-DE bermakna secara biologi.

Aplikasi PseudotimeDE, tradeSeq, dan Monocle3-DE ke set data sel LPS-dendritik. Panel kiri ad didasarkan pada pseudotime yang disimpulkan oleh panel kanan Slingshot eh berdasarkan pseudotime yang disimpulkan oleh Monocle3-PI. a, e Histogram semua gen ’ hlm-nilai dengan tiga kaedah DE. Pengagihan bimodal tradeSeq's hlm-values ​​menunjukkan pelanggaran syarat bahawa hlm-valu mengikuti taburan Uniform [0,1] di bawah hipotesis nol. b, f Plot Venn menunjukkan pertindihan gen DE yang ketara (BH disesuaikan- hlmIdentified0.01) dikenal pasti oleh tiga kaedah DE. Gen DE PseudotimeDE hampir merangkumi tradeSeq. c, g Bilangan istilah GO diperkaya (hlm& lt0.01) dalam gen DE yang ketara yang dijumpai secara khusus oleh PseudotimeDE atau tradeSeq / Monocle3-DE dalam perbandingan berpasangan antara PseudotimeDE dan tradeSeq / Monocle3-DE di b dan f. Banyak lagi istilah GO yang diperkaya dalam gen DE khusus PseudotimeDE berbanding gen khusus TradeSeq- atau Monocle3-DE. d, h Contoh istilah GO yang diperkaya dalam gen DE khusus Pseudotime di c dan g. Banyak istilah ini berkaitan dengan LPS, proses imun, dan pertahanan terhadap bakteria

Strategi pertama kami adalah melakukan analisis gen ontologi (GO) pada gen DE yang dikenal pasti oleh setiap kaedah dan membandingkan istilah GO yang diperkaya. Kami dapati lebih banyak istilah GO diperkaya (dengan pengayaan hlm-values ​​& lt0.01) dalam gen DE yang dikenal pasti oleh PseudotimeDE (Fail tambahan 1: Rajah S6a & amp c) dan bahawa istilah GO khusus PseudotimeDE berkaitan dengan tindak balas imun (Fail tambahan 1: Gambar S6b & amp d). Walau bagaimanapun, membandingkan istilah GO yang diperkaya tidak secara langsung menggambarkan perbezaan gen DE yang dikenal pasti dengan kaedah yang berbeza. Oleh itu, strategi kedua kami adalah untuk menyiasat fungsi gen DE yang dikenal pasti secara unik dengan satu kaedah dalam perbandingan berpasangan PseudotimeDE vs tradeSeq dan PseudotimeDE vs Monocle3-DE. Kami pertama kali melakukan analisis GO pada setiap set gen DE yang dikenal pasti secara unik. Untuk perbandingan yang adil dari dua kaedah, kami membuang gen DE yang tumpang tindih yang dijumpai oleh kedua-dua kaedah dari senarai gen latar belakang dalam analisis GO. Hasil kami menunjukkan bahawa banyak lagi istilah GO yang diperkaya (dengan pengayaan hlm-values ​​& lt0.01) dalam gen DE khusus Pseudotime berbanding gen DE khusus TradeSeq- atau Monocle3-DE (Gamb. 4c, & amp g). Lebih-lebih lagi, banyak istilah GO khusus PseudotimeDE ini secara langsung berkaitan dengan tindak balas imun DC terhadap rangsangan LPS, termasuk istilah GO "tindak balas sel terhadap lipopolisakarida" dan "tindak balas pertahanan terhadap bakteria Gram-negatif" (Gamb. 4d, & amp; h Fail tambahan 2: Jadual S1). Untuk lebih fokus pada tindak balas imun, kami seterusnya melakukan analisis pengayaan menggunakan tandatangan imunologi (C7) di Pangkalan Data Tanda Tangan Molekul (MSigDB) [32]. Hasil kajian kami menunjukkan bahawa hanya gen DE khusus PseudotimeDE yang memperkaya istilah MSigDB C7 (dengan larutan BH hlm-values ​​& lt0.01), sementara gen DE spesifik tradeSeq- dan Monocle3-DE hampir tidak mempunyai pengayaan (Fail tambahan 1: Gambar S7a & amp c). Lebih penting lagi, banyak istilah yang diperkaya dalam gen DE khusus PseudotimeDE dijumpai oleh kajian terdahulu mengenai DC yang dirangsang dengan LPS (lihat contoh dalam fail Tambahan 1: Gambar. S7b & amp d Fail tambahan 2: Jadual S1) ini adalah bukti langsung yang menyokong kesahan gen DE khusus PseudotimeDE. Untuk tujuan ilustrasi, kami memvisualisasikan tahap ekspresi beberapa gen DE yang terkenal dan baru yang dikenalpasti oleh PseudotimeDE menggunakan UMAP, dan corak DE yang jelas diperhatikan (Fail tambahan 1: Gambar S8 – S9). Kesimpulannya, analisis fungsional kami mengesahkan bahawa PseudotimeDE mengenal pasti gen DE yang bermakna secara biologi yang dilewatkan oleh tradeSeq dan Monocle3-DE, mengesahkan bahawa PseudotimeDE mempunyai kekuatan tinggi selain dikalibrasi dengan baik hlm-menilai.

Contoh data sebenar 2: pematangan sel beta pankreas

Dalam aplikasi kedua, kami membandingkan PseudotimeDE dengan tradeSeq dan Monocle3-DE pada set data proses pematangan sel beta tetikus [33]. Kami mula-mula menerapkan Slingshot dan Monocle3-PI ke set data ini untuk menyimpulkan pseudotime sel, dan kemudian, kami memasukkan pseudotime yang disimpulkan ke dalam PseudotimeDE, tradeSeq, dan Monocle3-DE untuk pengenalan gen DE. Selaras dengan hasil sebelumnya, the hlm-valu of tradeSeq mengikuti pembahagian bimodal, menunjukkan bahawa banyak daripadanya meningkat dengan tidak betul (Gamb. 5a, & amp f). Pada nominal BH-disesuaikan hlm-nilai ≤0.01 level, PseudotimeDE mengenal pasti gen DE kedua paling banyak, lebih sedikit daripada gen DE yang dikenal pasti Monocle3-DE dan lebih banyak daripada tradeSeq (Gamb. 5b, & amp g). Oleh kerana bilangan gen DE yang dikenal pasti tidak dapat menunjukkan prestasi kaedah ini, kami menggunakan tiga pendekatan untuk menilai gen DE yang dikenal pasti oleh setiap kaedah.

Aplikasi PseudotimeDE, tradeSeq, dan Monocle3-DE ke set data pematangan sel beta pankreas. Panel kiri ae didasarkan pada pseudotime yang disimpulkan oleh panel kanan Slingshot fj berdasarkan pseudotime yang disimpulkan oleh Monocle3-PI. a, f Histogram semua gen ’ hlm-nilai dengan tiga kaedah DE. Pengagihan bimodal tradeSeq's hlm-values ​​menunjukkan pelanggaran syarat bahawa hlm-valu mengikuti taburan Uniform [0,1] di bawah hipotesis nol. b, g Plot Venn menunjukkan pertindihan gen DE yang ketara (BH disesuaikan- hlmIdentified0.01) dikenal pasti oleh tiga kaedah DE. Gen DE PseudotimeDE hampir merangkumi tradeSeq. c, h Bilangan istilah GO diperkaya (hlm& lt0.01) dalam gen DE yang ketara yang dijumpai secara khusus oleh PseudotimeDE atau tradeSeq / Monocle3-DE dalam perbandingan berpasangan antara PseudotimeDE dan tradeSeq / Monocle3-DE di b dan g. Banyak lagi istilah GO yang diperkaya dalam gen DE khusus PseudotimeDE berbanding gen khusus TradeSeq- atau Monocle3-DE. d, i Contoh istilah GO yang diperkaya dalam gen DE khusus Pseudotime di c dan h. Sebilangan besar istilah ini berkaitan dengan berkaitan dengan insulin, peraturan sel beta, dan perkembangan pankreas. e, j Dua contoh gen: Slc39a10 (DE) dan Sst (bukan DE). Untuk Slc39a10, kedua-dua PseudotimeDE dan Monocle3-DE menghasilkan kecil hlm-harga (hlm& lt1e − 6), sementara tradeSeq tidak (hlm& gt0.1). Untuk Sst, PseudotimeDE menghasilkan lebih besar hlm-valu daripada tradeSeq dan Monocle3-DE lakukan. Garis biru putus-putus adalah lekuk yang dipasang oleh NB-GAM

Kami pertama kali melakukan analisis GO pada setiap set gen DE yang dikenal pasti, menggunakan perbandingan berpasangan yang sama antara PseudotimeDE vs tradeSeq dan PseudotimeDE vs Monocle3-DE seperti untuk data LPS-dendritik. Hasil kami menunjukkan bahawa lebih banyak istilah GO diperkaya (dengan pengayaan hlm-values ​​& lt0.01) dalam gen DE khusus PseudotimeDE daripada gen DE spesifik tradeSeq- atau Monocle3-DE (Gamb. 5c, & amp h). Lebih-lebih lagi, banyak istilah GO khusus PseudotimeDE ini secara langsung berkaitan dengan pengembangan sel beta pankreas, misalnya, "peraturan positif / negatif jalur isyarat Notch" [34] dan "pengembangan pankreas endokrin" (Gamb. 5c, & amp h Fail tambahan 3 : Jadual S2). Sebagai hasil pelengkap, kami juga melakukan analisis GO pada gen DE yang dikenal pasti oleh setiap kaedah. Kami mendapati bahawa istilah GO, yang hanya diperkaya dalam gen DE yang dikenalpasti oleh PseudotimeDE, berkaitan dengan pengembangan sel beta dan dengan demikian lebih bermakna secara biologi daripada istilah GO yang hanya diperkaya dalam gen DE yang dikenal pasti oleh tradeSeq atau Monocle3-DE ( Fail tambahan 1: Rajah S10b & amp d).

Kedua, kami menggunakan gen DE yang dikenal pasti dari data RNA-seq pukal dalam kertas asal [33] untuk menilai kedudukan gen DE yang dibuat oleh PseudotimeDE, tradeSeq, dan Monocle3-DE dari data scRNA-seq. Dengan mengambil gen DE pukal sebagai kumpulan gen, kami melakukan analisis pengayaan set gen (GSEA) [32] pada semua gen ’- log10hlm-menilai output oleh PseudotimeDE, tradeSeq, dan Monocle3-DE. Di antara tiga kaedah, PseudotimeDE membawa kepada skor pengayaan normalisasi tertinggi (NES) (Fail tambahan 3: Jadual S2), menunjukkan bahawa gen DE pukal paling banyak diperkaya dalam gen DE peringkat teratas yang dijumpai oleh PseudotimeDE.

Ketiga, kami mengkaji gen DE yang sangat dipercayai Slc39a10 [33, 35] dan gen bukan DE yang disahkan Sst [33] sebagai contoh perwakilan. Untuk Slc39a10, kedua-dua PseudotimeDE dan Monocle3-DE menghasilkan kecil hlm-values ​​(& lt10 −6), sementara tradeSeq keluaran a hlm-nilai & gt0.1 dan dengan demikian ketinggalan (Gamb. 5e, & amp g) Untuk Sst, PseudotimeDE menghasilkan yang terbesar hlm-nilai (& gt0.001), sementara tradeSeq dan Monocle3-DE menghasilkan sangat kecil hlm-values ​​(& lt10 −10) dan dengan itu disalah anggap sebagai gen DE. Oleh itu, PseudotimeDE mempunyai prestasi terbaik pada dua gen perwakilan ini.

Untuk tujuan ilustrasi, kami memvisualisasikan tahap ekspresi beberapa gen DE yang diketahui dan baru yang dikenal pasti oleh PseudotimeDE menggunakan UMAP, dan corak DE yang jelas diperhatikan (Fail tambahan 1: Gambar. S11 – S12).

Contoh data sebenar 3: pembezaan sumsum tulang

Dalam aplikasi ketiga, kami membandingkan PseudotimeDE dengan tradeSeq dan Monocle3-DE pada set data pembezaan sumsum tulang tikus [36]. Kami menerapkan Slingshot dengan UMAP untuk pengurangan dimensi untuk menyimpulkan pseudotime sel seperti yang dijelaskan dalam kertas tradeSeq [16]. Slingshot membina topologi bifurkasi yang dilaporkan (dalam kertas tradeSeq) pada set data asal (Gamb. 6a), tetapi ia mempengaruhi topologi trifurkasi, dan bukannya topologi bifurkasi, pada 40% subsamples (Rajah 6b menunjukkan sepuluh sampel yang dipilih secara rawak). Perhatikan bahawa keturunan ketiga yang terdiri daripada megakaryocyte jenis sel (MK) dilaporkan dalam kertas Monocle2 ([12]), menunjukkan ketidakpastian topologi yang diperhatikan mungkin bermakna secara biologi.

Aplikasi PseudotimeDE, tradeSeq, dan Monocle3-DE ke dataset sumsum tulang tetikus. a Visualisasi UMAP dan kesimpulan pseudotime oleh Slingshot. Jenis sel yang telah ditentukan ditandai dengan warna. Slingshot mengembalikan topologi bifurcation, dilambangkan sebagai garis keturunan 1 (kiri) dan garis keturunan 2 (kanan). b Visualisasi UMAP dan membuat kesimpulan pseudotime oleh Slingshot pada sepuluh sub-sampel rawak. Empat daripada sepuluh subsampl tidak menghasilkan topologi bifurkasi tetapi topologi trifurkasi, di mana keturunan ketiga terutama mengandungi jenis sel "MK" dan dilaporkan pada [12]. c Histogram semua gen ’ hlm-nilai yang dikira dengan tiga kaedah DE pada keturunan pertama. d Histogram semua gen ’ hlm-valuan dikira dengan tiga kaedah DE dalam keturunan kedua. e Plot Venn menunjukkan pertindihan gen DE yang ketara (BH disesuaikan- hlmIdentified0.01) dikenalpasti oleh tiga kaedah DE dalam keturunan 1. PseudotimeDE dan tradeSeq berkongsi 77.6% (Jaccard index) gen DE. (fBilangan set gen yang diperkaya (q& lt0.25) oleh GSEA menggunakan hlm-nilai dalam keturunan 1 dengan tiga kaedah DE. Walaupun gen DE serupa e, PseudotimeDE menghasilkan 270 set gen yang diperkaya, sementara tradeSeq hanya menghasilkan 9. g Plot Venn menunjukkan pertindihan gen DE yang ketara (BH disesuaikan- hlmIdentified0.01) dikenal pasti oleh tiga kaedah DE dalam keturunan 2. Sama dengan keturunan 1 dalam g, PseudotimeDE dan tradeSeq berkongsi gen DE 77.2% (Jaccard index). h Bilangan set gen yang diperkaya (q& lt0.25) oleh GSEA menggunakan hlm-nilai dalam keturunan 2 dengan tiga kaedah DE. PseudotimeDE dan Monocle3-DE menghasilkan ratusan set gen yang diperkaya, sementara tradeSeq tidak menghasilkan set gen yang diperkaya

Untuk perbandingan yang adil, kami hanya membuat PseudotimeDE menggunakan subsampl dengan topologi bifurkasi yang disimpulkan, kerana kedua-dua tradeSeq dan Monocle3-DE menggunakan topologi bifurkasi yang disimpulkan dari data asal untuk mengenal pasti gen DE. Selaras dengan hasil sebelumnya, tradeSeq hlm-valu mengikuti taburan bimodal yang tidak dijangka dapat dikalibrasi dengan baik hlm-menilai. Pada BH nominal disesuaikan hlm-Nilai ≤0.01 ambang, ketiga kaedah mengenal pasti gen DE yang sangat serupa (Rajah 6e, & amp g). Contohnya, PseudotimeDE dan tradeSeq berkongsi kira-kira 80% daripada gen DE mereka yang dikenal pasti (Jaccard index). Dari beberapa gen DE khusus kaedah, analisis fungsional tidak dapat menunjukkan kaedah mana yang berkinerja lebih baik. Oleh itu, kami menggunakan GSEA untuk menilai kaedah hlm-menilai. Anehnya, walaupun ketiga-tiga kaedah mengenal pasti gen DE yang sangat serupa, mereka hlm-valu membawa hasil GSEA yang sangat berbeza. Dekat q& lt0.25 level, PseudotimeDE dan Monocle3-DE menghasilkan beratus-ratus set gen yang diperkaya, sementara tradeSeq hanya menghasilkan beberapa atau sedikit kumpulan gen yang diperkaya (Gamb. 6f, & amp h Fail tambahan 4: Jadual S3). Hasil ini menunjukkan bahawa, selain peringkat hlmnilai, nilai nominal hlm-values ​​juga penting untuk analisis hiliran seperti GSEA. Oleh itu, dikalibrasi dengan baik hlm-values ​​menjadikan PseudotimeDE lebih unggul daripada kaedah yang ada untuk pengenalan gen DE dan analisis hiliran.

Contoh data sebenar 4: subtipe sel T pembunuh semula jadi

Dalam aplikasi keempat, kami membandingkan PseudotimeDE dengan tradeSeq dan Monocle3-DE pada set data subtipe sel T pembunuh semula jadi (sel NKT) [37]. Kami menerapkan Slingshot dengan PCA untuk pengurangan dimensi untuk menyimpulkan pseudotime sel dan membina topologi trifurkasi (Gambar 7a) yang dilaporkan dalam kajian asal. Kami menggunakan tiga kaedah DE untuk mengenal pasti gen DE dalam setiap keturunan. Selaras dengan hasil sebelumnya, hlm-valu of tradeSeq mengikuti pembahagian bimodal, menunjukkan bahawa banyak daripadanya meningkat dengan tidak betul (Gamb. 7b).

Aplikasi PseudotimeDE, tradeSeq, dan Monocle3-DE ke set data sel T pembunuh semula jadi. a Visualisasi PCA dan kesimpulan pseudotime oleh Slingshot. Subtipe NKT yang telah ditentukan ditandai dengan warna. Slingshot mengembalikan topologi trifurcation, di mana tiga keturunan adalah NKT0 hingga NKT1, NKT0 hingga NKT17, dan NKT0 hingga NKT2. b Histogram semua gen ’ hlm-valu dalam tiga garis keturunan yang dikira dengan tiga kaedah DE. c Peta panas skor pengayaan yang dinormalisasi (NES, ditandai dengan warna) dan yang sesuai hlm-nilai (dalam jumlah) dari GSEA. Setiap nilai NES dan yang sesuai hlm-Nilai dikira untuk setiap kaedah DE dan setiap keturunan, berdasarkan hlm-valu kaedah DE untuk keturunan dan gen DE keturunan yang dijumpai dari data RNA-seq pukal, dilambangkan dengan "pukal NKT1", "pukal NKT17," atau "pukal NKT2" [37]. Perhatikan bahawa di antara tiga kaedah DE, output PseudotimeDE hlm-valu yang paling setuju dengan gen DE khusus garis keturunan dari data pukal dan dengan itu kebanyakan membezakan ketiga-tiga keturunan. Contohnya, untuk keturunan NKT1, PseudotimeDE kecil hlm-valu diperkaya dalam set gen "NKT1 pukal" sahaja, sementara tradeSeq dan Monocle3-DE mempunyai kecil hlm- nilai yang diperkaya dalam sekurang-kurangnya dua set gen DE khusus keturunan

Untuk tujuan pengesahan, kami menggunakan gen DE khusus keturunan yang dikenal pasti dari data RNA-seq pukal dalam kajian asal [37] untuk menilai peringkat gen DE yang dibuat oleh PseudotimeDE, tradeSeq, dan Monocle3-DE dari data scRNA-seq. Secara khusus, kami melakukan GSEA menggunakan set gen DE pukal dengan cara yang sama seperti set data pematangan sel beta pankreas. GSEA menunjukkan bahawa PseudotimeDE's hlm-valu sangat setuju dengan gen DE khusus garis keturunan dari data pukal dan dengan itu kebanyakan membezakan ketiga keturunan. Contohnya, untuk keturunan NKT1, PseudotimeDE kecil hlm-valu diperkaya secara eksklusif dalam kumpulan gen "NKT1 pukal", sementara tradeSeq dan Monocle3-DE mempunyai kecil hlm- nilai yang diperkaya dalam sekurang-kurangnya dua set gen DE khusus garis keturunan (Gamb. 7c). Hasil ini mengesahkan bahawa, berbanding dengan gen DE yang dikenal pasti oleh dua kaedah DE yang lain, gen DE teratas yang dikenal pasti oleh PseudotimeDE lebih bermakna secara biologi.

Contoh data sebenar 5: fasa kitaran sel

Dalam aplikasi kelima, kami membandingkan PseudotimeDE dengan tradeSeq dan Monocle3-DE pada set data sel induk pluripoten (iPSC) manusia yang diukur dengan fasa kitaran sel (label FUCCI) [38].Kajian asal telah melaporkan 101 gen siklik yang tahap ekspresinya mempunyai bahagian varians yang besar yang dijelaskan (PVE) oleh label FUCCI sel [38] iaitu, label FUCCI sel dianggap sebagai peramal, tahap ekspresi gen dalam sel yang sama adalah dianggap sebagai tindak balas, dan PVE dikira dari kelicinan nonparametrik maka, semakin besar PVE, semakin baik tahap ekspresi gen dapat diramalkan oleh fasa kitaran sel. Kajian asal juga telah mengembangkan peco paket R untuk menyimpulkan fasa kitaran sel dari data scRNA-seq.

Dalam kajian kami, kami mula-mula membina set data penanda aras dengan memperlakukan 101 gen siklik sebagai gen DE yang benar dan menggunakan gen yang sama dengan tahap ekspresi secara acak digeser ke seluruh sel sebagai gen bukan DE yang sebenar, oleh itu, kumpulan positif dan negatif kami kedua-duanya mengandungi 101 gen . Kemudian, kami menerapkan peco paket R ke set data ini untuk menyimpulkan fasa kitaran setiap sel, yang setara dengan pseudotime, iaitu, kami menggunakan peco sebagai kaedah inferensi pseudotime. Akhirnya, kami menerapkan tiga kaedah DE.

Hasil kajian kami menunjukkan bahawa, untuk gen bukan DE yang sebenar, hanya PseudotimeDE yang dihasilkan yang sah hlm-valu yang kira-kira mengikuti pengedaran Uniform [0,1] (Gamb. 8a, & amp c). Untuk gen DE yang sebenar, PseudotimeDE's (- log10 berubah) hlm-valu, satu per gen, mempunyai korelasi tertinggi dengan PVE gen ini, menunjukkan bahawa PseudotimeDE berjaya mengenal pasti gen DE teratas sebagai gen yang mempunyai tren siklik terkuat (Gamb. 8b). PseudotimeDE juga menghasilkan kawalan FDR yang berjaya, nilai AUROC tertinggi, dan kekuatan tertinggi, di antara tiga kaedah DE (Gamb. 8d – f). Oleh itu, kami menyimpulkan bahawa PseudotimeDE mengatasi tradeSeq dan Monocle3-DE dalam mengenal pasti gen berkaitan kitaran sel dari dataset scRNA-seq iPSC ini.

Aplikasi PseudotimeDE, tradeSeq, dan Monocle3-DE ke set data fasa kitaran sel. a Pengedaran gen bukan DE ’ hlm-nilai dengan tiga kaedah DE dengan kesimpulan pseudotime. Atas: plot kuantil-kuantil yang membandingkan kuantil empirik gen bukan DE ' hlm-nilai terhadap kuantil yang diharapkan dari sebaran Uniform [0,1]. Bawah: histogram gen bukan DE ' hlm-menilai. The hlm-valu yang ditunjukkan di atas histogram adalah dari ujian Kolmogorov – Smirnov di bawah hipotesis nol bahawa pengedarannya adalah Seragam [0,1]. Semakin besar hlm-nilai, semakin seragam pengedarannya. Di antara tiga kaedah DE, PseudotimeDE's hlm-valu mengikuti pengedaran Uniform [0,1] yang diharapkan. b Pengagihan gen DE ’ hlm-nilai dengan tiga kaedah DE dengan kesimpulan pseudotime. Atas: sebarkan plot gen DE ’ hlm-nilai terhadap perkadaran varians yang dijelaskan (PVE), yang mengukur kekuatan tren kitaran yang disimpulkan oleh gen dalam kajian asal [38]. PseudotimeDE hlm-values ​​(- log10 diubah) mempunyai korelasi tertinggi dengan PVE, menunjukkan bahawa PseudotimeDE mengenal pasti gen dengan tren siklik terkuat sebagai gen DE teratas. Bawah: histogram semua gen ’ hlm-menilai. Warna biru dan merah mewakili hlm- nilai gen DE dan gen bukan DE (sama seperti di (a) bawah), masing-masing. PseudotimeDE menghasilkan pemisahan kedua kumpulan gen yang terbaik ’ hlm-menilai. c Petak kuantiti-kuantitil yang sama hlm-nilai seperti dalam a pada skala log10 negatif. PseudotimeDE mengembalikan kalibrasi terbaik hlm-menilai. d FDP dari tiga kaedah DE dengan sasaran FDR 0,05 (BH disesuaikan- hlm≤0.05). e Keluk ROC dan nilai AUROC ketiga kaedah DE. PseudotimeDE mencapai AUROC tertinggi. f Kekuatan tiga kaedah DE di bawah potongan FDP = 0,05. PseudotimeDE mencapai kekuatan tertinggi

PseudotimeDE membolehkan pengguna memeriksa ketidakpastian pseudotime sel yang disimpulkan

Selain pengenalpastian gen DE, PseudotimeDE menawarkan fungsi untuk memeriksa ketidakpastian inferensi pseudotime melalui langkah pengambilan sampel pertengahannya. Dalam Rajah. 2e, f dan 6a, b, PseudotimeDE mendedahkan ketidaktentuan garis keturunan sel yang disimpulkan. Pengguna biasanya ingin memperbaiki topologi garis keturunan, misalnya, topologi bifurcation, untuk analisis hilir namun, topologi boleh berbeza-beza di antara sub-sampel. Oleh itu, kami mengesyorkan agar pengguna menyemak sama ada topologi yang disimpulkan dari data asal juga dapat disimpulkan dari lebih daripada separuh sub-sampel. Sekiranya tidak, pengguna boleh mempertimbangkan untuk menggunakan kaedah inferensi pseudotime yang lain dengan ketidakpastian yang kurang atau menambahkan batasan tambahan pada topologi yang disimpulkan. Jika tidak, ketidakpastian keturunan sel yang disimpulkan akan menjejaskan kebolehpercayaan analisis hiliran.

Seterusnya, berdasarkan topologi garis keturunan tertentu, PseudotimeDE membolehkan pengguna memvisualisasikan ketidakpastian pseudotime dalam garis keturunan (Gamb. 2a – d), juga memandu pilihan kaedah inferensi pseudotime dari segi ketidakpastian.

Masa pengiraan

Satu-satunya cara yang layak untuk mengakomodasi semua kaedah inferensi pseudotime dan untuk mempertimbangkan ketidakpastian mereka dalam pengenalan gen DE adalah dengan menggunakan subsampling dan permutasi, pendekatan yang diambil oleh PseudotimeDE. Walau bagaimanapun, perhatian umum kaedah berasaskan permutasi adalah kaedahnya sangat intensif. Diakui, PseudotimeDE lebih lambat daripada kaedah berasaskan non-permutasi yang ada, tetapi waktunya komputasi dapat diterima oleh pengguna pelayan. Sebagai contoh, dengan 24 teras (CPU "Cascade Lake"), RAM 36 GB dan 1000 subsampl, PseudotimeDE mengambil masa 3-8 jam untuk menganalisis setiap tiga set data scRNA-seq pertama dalam kajian kami. Secara khusus, kumpulan data sel LPS-dendritik (4016 gen, 390 sel) mengambil masa 3 jam, set data pematangan sel beta pankreas (6121 gen, 497 sel) mengambil masa 3,5 jam, dan set data sumsum tulang (3004 gen, 2660 sel, dua garis keturunan ) mengambil masa 8 jam. Waktu pengiraan berkadar dengan bilangan gen, jumlah keturunan, dan bilangan subsampl. Sudah tentu, ia berbanding terbalik dengan bilangan teras yang ada.

Untuk mengurangkan masa pengiraan PseudotimeDE, pengguna mempunyai dua pilihan. Pertama, pengguna boleh mengurangkan bilangan gen yang akan diuji. Sebagai contoh, gen yang dinyatakan rendah, seperti gen yang mempunyai lebih daripada 90% jumlah sifar, disyorkan untuk disaring kerana biasanya kurang diminati oleh ahli biologi. Kedua, pengguna boleh mengurangkan bilangan subsampl. Oleh kerana anggaran parametriknya mengenai taburan statistik ujian nol, PseudotimeDE tidak memerlukan sejumlah besar sampel. Kami mendapati bahawa PseudotimeDE dengan hanya 100 subsamplen menghasilkan yang serupa hlm-nilai kepada yang berdasarkan 1000 subspesel (Fail tambahan 1: Gambar S20). Sekiranya menggunakan 100 subsmapel, masa pengiraan adalah dalam 0.5 jam untuk setiap tiga set data pertama.

Dalam senario yang tidak diingini bahawa sumber komputasi terlalu terhad, pengguna harus meninggalkan pertimbangan ketidakpastian pseudotime dan menganggap pseudotime yang disimpulkan sebagai tetap. Kemudian mereka tidak memerlukan prosedur subsampling, dan PseudotimeDE akan mengira hlm-nilai dari taburan sifar tanpa statistik statistik ujian [39], dengan masa pengiraan pendek yang serupa dengan kaedah berasaskan bukan permutasi ’.


  • Terdapat pada tahap standard (SL) dan lebih tinggi (HL)
  • Bilangan jam minimum yang ditetapkan ialah 150 untuk SL dan 240 untuk HL
  • Pelajar dinilai secara luaran dan dalaman
  • Pelajar biologi di SL dan HL menggunakan silibus teras bersama dan skema penilaian dalaman umum (IA).
  • Walaupun terdapat kemahiran dan aktiviti teras yang biasa dilakukan oleh pelajar SL dan HL, pelajar di HL diminta untuk mempelajari pilihan dan beberapa topik dengan lebih mendalam serta beberapa topik tambahan. Perbezaan antara SL dan HL adalah luas dan kedalaman.
  • Pendekatan praktikal untuk penyampaian kursus ditekankan melalui projek kumpulan 4 antara disiplin dan campuran kedua-dua eksperimen dan penyelidikan jangka pendek dan jangka panjang.
  • Penilaian dalaman menyumbang 20% ​​dari penilaian akhir dan ini dinilai melalui satu penyiasatan individu. Penyelidikan ini mungkin melibatkan pendekatan langsung, penggunaan pangkalan data, pemodelan, simulasi atau hibrid. Hasil kerja pelajar dinilai secara dalaman oleh guru dan disederhanakan oleh IB secara luaran.

Penilaian luaran biologi terdiri daripada tiga makalah bertulis. Dalam kertas 1 terdapat 30 (di SL) atau 40 (di HL) soalan pilihan ganda. Kertas 2 mengandungi soalan jawapan pendek dan panjang lebar mengenai inti (dan Bahan Tambahan Tinggi (AHL) di HL). Kertas 3 mempunyai dua bahagian Bahagian A mengandungi satu soalan berasaskan data dan beberapa soalan jawapan pendek mengenai kerja eksperimen pada inti (dan bahan AHL di HL). Bahagian B mengandungi soalan jawapan pendek dan jawapan panjang dari masing-masing empat pilihan.

Sebilangan besar maklumat ini diambil terus dari panduan subjek biologi, yang tersedia untuk semua guru IB di pusat sumber program.


Biologi Molekul Sel

Kimia organik

Kimia Fizikal untuk Sains Kehidupan

Panduan Kajian untuk Campbell Biology

Kimia

Biokimia

Menguji Idea Perniagaan

Buku Panduan Inovasi Perkhidmatan

Reka Bentuk Nilai

Buku Mewarnai Harry Potter

Kimia organik

Prosedur Pfenninger and Fowler & # 039s untuk Penjagaan Primer

Kanser DeVita, Hellman, dan Rosenberg & # 039s: Prinsip & Amalan Onkologi

Kimia Organik sebagai Bahasa Kedua

Pengenalan Geologi Alam Sekitar

Biologi

Biologi

Kimia

Anatomi Manusia & Fisiologi

Mempraktikkan Biologi


Konsep Perwatakan dalam Biologi Evolusi



Laman web ini menggunakan kuki dan Analitis Google (lihat syarat & syarat kami untuk maklumat mengenai implikasi privasi).

Penggunaan laman web ini tertakluk pada terma & syarat.
Semua hak dilindungi oleh The PhilPapers Foundation

Halaman dihasilkan Rabu 30 Jun 11:30:15 2021 di philips-web-b76fb567b-jxzfk Maklumat debug

statistik cache: hit = 1286, miss = 1375, save =
autohandler: 318 ms
dipanggil komponen: 303 ms
kemasukan: 303 ms
kemasukan_ asas: 91 ms
kemasukan-tajuk: 73 ms
menu: 69 ms
serupa_entri: 64 ms
petikan-petikan: 49 ms
entry_chapters: 27 ms
entry_stats: 27 ms
get_entry: 12 ms
prepCit: 9 ms
pautan masuk: 7 ms
kemasukan-kucing: 7 ms
bahagian kemasukan: 6 ms
amazon: 4 ms
tulisLog: 3 ms
petikan-rujukan: 3 ms
search_quotes: 2 ms
entry_stats_query: 2 ms
ambil semula objek cache: 0 ms
perender init: 0 ms
simpan objek cache: 0 ms
persediaan: 0 ms
author: 0 ms
stat_db: 0 ms
butang masuk: 0 ms


Tonton videonya: Tema 1 Subtema 1 PB 3 (Disember 2021).