Informatie

Verwarring met betrekking tot de DAVID-tool


Ik probeer de DAVID-tool te gebruiken om een ​​genanalyse uit te voeren. Ik heb een aantal sondeset-intensiteiten voor sommige kankercellijnen. Ik vond deze link in de DAVID-tool http://david.abcc.ncifcrf.gov/tools.jsp. Ik ben een beetje in de war met de terminologie die hier wordt geïntroduceerd. Er staat een genenlijst voor de sondesets, waarom is dat zo? Ik bedoel, in het voorbeeld kun je de sondesets zien zoals:

1007_s_at 1053_at 117_at 121_at 1255_g_at 1294_at 1316_at 1320_at 1405_i_at 1431_at 1438_at 1487_at 1494_f_at 1598_g_at

Koop waarom heten ze genenlijst en geen probesets. Waarom?


Het is een beetje verwarrend, maar DAVID gebruikt de term Gene List als een algemene term.

Als u naar stap 2 kijkt, kunt u vele soorten lijsten indienen bij DAVID, inclusief werkelijke gensymbolen, Ensembl- of RefSeq-toetredingen, enz... eigenlijk bijna 30 soorten termen, waaronder 'niet zeker', die waarschijnlijk naar uw lijst kijkt en probeert te raden.

Affymetrix- of Illumina-sondeset-ID's zijn elk ontworpen om een ​​gen te meten, idealiter, hoewel het niet precies een relatie tussen één probeset en één gen is. Dit komt omdat wanneer de array wordt ontworpen, er een gedeeltelijke transcriptie van RNA-records kan zijn die later delen van een enkel gen blijken te zijn. Er zijn ook probe-sets die kunnen hybridiseren met vergelijkbare sequenties in meer dan één gen.

Het is rommelig, maar het is ook waar dat vaak meer dan één gensymbool voor hetzelfde gen zal verschijnen vanwege historische naamgevingsconventies ...


Verwarring met betrekking tot de DAVID-tool - Biologie

Gars zijn lid van de Lepisosteiformes / l ɛ p ɪ ˈ s ɒ s t iː ɪ f ɔːr m iː z / (of Semionotiformes), is een oude holosteïsche orde van visfossielen met roggenvin uit deze orde bekend vanaf het late Jura. De familie Lepisosteidae omvat zeven levende vissoorten in twee geslachten die in zoete, brakke en soms mariene wateren van oostelijk Noord-Amerika, Midden-Amerika en Cuba in het Caribisch gebied leven. [2] [3] Gars hebben langwerpige lichamen die zwaar zijn gepantserd met ganoïde schubben, [4] en aan de voorkant door soortgelijke langwerpige kaken gevuld met lange, scherpe tanden. Gars wordt soms "garpike" genoemd, maar is niet nauw verwant aan snoek, die tot de vissenfamilie Esocidae behoort. Alle gars zijn relatief grote vissen, maar de alligator gar (Atractosteus spatel) is de grootste - de krokodille groeit vaak tot een lengte van meer dan 2 m (6,5 ft) en een gewicht van meer dan 45 kg (100 lb), [5] en exemplaren tot 3 m (9,8 ft) lang hebben gemeld. [6] Ongewoon, hun gevasculariseerde zwemblazen kunnen functioneren als longen, [7] en de meeste gars komen periodiek naar de oppervlakte om een ​​slok lucht te nemen. Garnaald is eetbaar en de harde schil en schubben van gars worden door mensen gebruikt, maar gar-eieren zijn zeer giftig.


Verwarring met betrekking tot de DAVID-tool - Biologie

Lijsthits (LH) = 3
Lijst Totaal (LT) = 300
Populatiehits (PH) = 40
Bevolkingstotaal (PT) = 30.000

Bonferroni: De Bonferroni in DAVID is de Bonferroni &Scaronid´k P-value (&Scaronidá 1967), een techniek die iets minder conservatief is dan Bonferroni.

&Scaronidá, Z. (1967). "Rechthoekige vertrouwensgebieden voor de middelen van multivariate normale verdelingen." Tijdschrift van de American Statistical Association 62:626-633.

Benjamini: Benjamini in DAVID-verzoeken aangepast P-waarden door gebruik te maken van de lineaire step-up methode van Benjamini en Hochberg (1995).

Benjamini, Y. en Hochberg, Y. (1995). "Het controleren van het aantal valse ontdekkingen: een praktische en krachtige benadering van meervoudig testen." Tijdschrift van de Royal Statistical Society. Serie B, statistische methodologie 57:289-300.

FDR: FDR in DAVID vraagt ​​adaptieve lineaire step-up aangepast P-waarden voor geschatte controle van de valse ontdekkingssnelheid, zoals besproken in Benjamini en Hochberg (2000). Gebruik de methode met de laagste helling om het aantal echte NULL-hypothesen te schatten.

GEMAK-scoredrempel (maximale kans)
De drempel van EASE Score, een aangepaste Fisher Exact P-waarde, voor analyse van genverrijking. Het varieert van 0 tot 1. Fisher Exact P-waarde = 0 staat voor perfecte verrijking. Gebruikelijk P-waarde is gelijk aan of kleiner dan 0,05 om als sterk verrijkt te worden beschouwd in de annotatiecategorieën. Standaard is 0,1. Meer details.

Teldrempel (minimale telling)
De drempel van het minimale aantal genen dat bij een annotatieterm hoort. Het moet gelijk zijn aan of groter zijn dan 0. Standaard is 2. Kortom, u vertrouwt de term niet met slechts één gen.

De P-waarden die zijn gekoppeld aan elke annotatieterm binnen elke cluster zijn exact dezelfde waarden als P-waarden (Fisher Exact/EASE Score) weergegeven in het reguliere grafiekrapport voor dezelfde termen.

De groepsverrijkingsscore, het geometrische gemiddelde (in -logschaal) van leden P-waarden in een corresponderend annotatiecluster, wordt gebruikt om hun biologische betekenis te rangschikken. De hoogst gerangschikte annotatiegroepen hebben dus hoogstwaarschijnlijk een consistent lager P-waarden voor hun annotatieleden.

Genrapport is een sterk geïntegreerde weergave van een enkel gen en de algemene annotaties / toevoegingen van meerdere bronnen. Het kan snel een globaal idee geven over het gen. De hyperlinks in het rapport leiden gebruikers naar originele bronnen voor meer informatie.

Annotatiebron
Een onafhankelijke database in een categorie, zoals BioCarta Pathways.

DAVID-gen-ID
Een interne ID gegenereerd op "DAVID Gene Concept" in het DAVID-systeem. Eén DAVID-gen-ID vertegenwoordigt één unieke genencluster die behoort tot één enkele geninvoer.

DAVID-ID%
Na het converteren van de door de gebruiker ingevoerde gen-ID's naar de overeenkomstige DAVID-gen-ID, verwijst het naar het percentage DAVID-genen in de lijst dat is gekoppeld aan een bepaalde annotatieterm. Aangezien de DAVID-gen-ID uniek is per gen, is het nauwkeuriger om DAVID ID% te gebruiken om de gen-annotatie-associatie weer te geven door eventuele redundantie in de gebruikersgenenlijst te verwijderen, d.w.z. twee gebruikers-ID's vertegenwoordigen hetzelfde gen.

DAVID-kennisbank
Het vertegenwoordigt DAVID Oracle-databases die een grote hoeveelheid annotatie-informatie verzamelen uit een breed scala aan bio-informatische openbare bronnen. Het is waarschijnlijk de grootste en meest uitgebreide geïntegreerde database op dit gebied.

GEMAKKELIJK Score
Een alternatieve naam van Fisher Exact Statistics in het DAVID-systeem, verwijzend naar eenzijdige Fisher Exact-waarschijnlijkheidswaarde die wordt gebruikt voor analyse van genverrijking.

Gen-verrijking
Een reeks inputgenen van de gebruiker is sterk geassocieerd met bepaalde termen, wat statistisch wordt gemeten door Fisher Exact in het DAVID-systeem.

Hiërarchische structuur: Categorie &rarr Annotatiebron &rarr Term
Pathways &rarr BioCarta &rarr p53-signaleringsroute.


DAVID Bioinformatics Resources: uitgebreide annotatiedatabase en nieuwe algoritmen om biologie beter uit grote genenlijsten te halen

Alle tools in de DAVID Bioinformatics Resources zijn bedoeld om functionele interpretaties te bieden van grote lijsten met genen die zijn afgeleid van genomische studies. De onlangs bijgewerkte DAVID Bioinformatics Resources bestaat uit de DAVID Knowledgebase en vijf geïntegreerde, webgebaseerde functionele annotatietoolsuites: de DAVID Gene Functional Classification Tool, de DAVID Functional Annotation Tool, de DAVID Gene ID Conversion Tool, de DAVID Gene Name Viewer en de DAVID NIAID Pathogeen Genoom Browser. De uitgebreide DAVID-kennisbank integreert nu bijna alle belangrijke en bekende openbare bio-informaticabronnen, gecentraliseerd door het DAVID Gene Concept, een methode met één koppeling om tientallen miljoenen verschillende gen/eiwit-identificaties en annotatietermen uit een verscheidenheid aan openbare bio-informaticadatabases te agglomereren. Voor elke geüploade genenlijst biedt de DAVID-bronnen nu niet alleen de typische gen-term verrijkingsanalyse, maar ook nieuwe hulpmiddelen en functies waarmee gebruikers grote genenlijsten kunnen condenseren in functionele gengroepen, converteren tussen gen/eiwit-identifiers, visualiseren van veel- relaties tussen genen en veeltermen, cluster overtollige en heterogene termen in groepen, zoek naar interessante en verwante genen of termen, bekijk dynamisch genen uit hun lijsten op biopaden en meer. Met DAVID (http://david.niaid.nih.gov) krijgen onderzoekers meer macht om de biologische mechanismen te interpreteren die verband houden met grote genenlijsten.

Figuren

Een DAVID-gen geconstrueerd door...

Een DAVID-gen geconstrueerd door een enkelvoudig koppelingsalgoritme. Twee UniRef100-clusters, twee…

Een HTML-rapport van de Functional Annotation Clustering. Het annotatiecluster 1 in…


EEN BEGRIP MAKEN VAN UW PERCEPTIES

Als je het lab van Wilsaan Joiner binnenstapt, lijkt de tafelvoetbaltafel in de hoek misschien een beetje misplaatst. Maar voor Joiner's onderzoek naar perceptie en oogbewegingen kan het spelen van een eenvoudig spel je veel vertellen over hoe je visuele systeem werkt.

Je ogen zijn geweldige sensoren. Visuele informatie gaat zo snel over het netvlies dat wat je waarneemt een waas zou moeten zijn. Uw visuele systeem verzacht de actie echter als een hulpmiddel voor beeldstabilisatie voor wankele camera-opnamen. Je hersenen passen voortdurend correcties toe, waardoor een naadloos beeld van je wereld ontstaat.

In de hersenen van mensen met schizofrenie, bipolaire stoornis en andere psychische aandoeningen zijn deze onbewuste functies in wanorde, waardoor de scheidslijn tussen interne en externe gewaarwordingen vervaagt.

"Je centrale zenuwstelsel doet constant voorspellingen over je lichaam", zegt Joiner, een assistent-professor neurobiologie, fysiologie en gedrag. “Het speelt zich altijd op de achtergrond af en je bent je er meestal niet van bewust. Maar als je het niet kunt, heeft het uitgesproken gevolgen die behoorlijk verwoestend zijn. Je kunt veel van de gewone dingen die we in de wereld meemaken niet begrijpen.”

Neurowetenschappers van het UC Davis College of Biological Sciences zoals Joiner en zijn collega Jochen Ditterich onderzoeken nieuwe manieren om te begrijpen hoe onze hersenen onze waarnemingen begrijpen, in de hoop deze slopende aandoeningen te helpen diagnosticeren en bestrijden.

Met een eenvoudige visuele test kan Joiner de daaruit voortvloeiende afscheiding evalueren bij zowel niet-menselijke primaten als mensen met schizofrenie. David Slipher/UC Davis

Om het oog voor de gek te houden - of de hersenen?

Een sleutel tot het begrijpen van onze visuele processen is het concept van "uitvloeiende ontlading", een term die het vermogen van de hersenen beschrijft om te anticiperen op een verandering in zintuiglijke informatie als gevolg van zelfbeweging. Met dit geleidingssysteem kunt u de bron van veranderingen in onze omgeving onderscheiden en waarschijnlijk bijdragen aan het uitvoeren van snelle activiteiten, zoals het slaan van een honkbal.

Een andere manier om over dit interne, onbewuste signaal na te denken, is te bedenken dat het onmogelijk is om jezelf te kietelen. Op de een of andere manier herkennen je hersenen je zelf-geïnitieerde beweging en verraden ze de fysieke stimulatie die je probeert op te wekken.

In gezonde hersenen brengt de thalamus deze informatie waarschijnlijk met grote getrouwheid over. Maar schizofrene patiënten hebben perceptuele problemen met taken die afhankelijk zijn van uitvloeiende ontlading, inclusief het identificeren van visuele veranderingen in de omgeving.

Het is onduidelijk of dit probleem te maken heeft met de transmissie of het daadwerkelijke gebruik van het signaal. Zonder dit zullen proefpersonen een perceptuele beslissing nemen die uitsluitend is gebaseerd op visuele informatie in plaats van een combinatie van interne kennis van onze bewegingen en de ervaren visuele informatie.

Met een eenvoudige visuele test kan Joiner de daaruit voortvloeiende afscheiding evalueren bij zowel niet-menselijke primaten als mensen met schizofrenie. In de experimenten, waarbij oogbewegingen en perceptuele beslissingen betrokken zijn, ontdekte Joiner dat proefpersonen die uitsluitend op visuele informatie vertrouwden, consequent de verkeerde keuzes maakten.

"Pas als je dit soort tekort hebt, heb je meer uitgesproken perceptuele symptomen", zegt Joiner. "Dus wat dit laat zien, is een enigszins eenvoudige visuele waarnemingstaak die heel goed correleert met de mate dat je wanen en hallucinaties hebt."

Hoewel de afwezigheid van deze interne signaalaanwijzingen een grotere leegte onthult in ons begrip van de oorsprong van psychose, geeft het aanwijzingen over hoe personen met een psychische aandoening zichzelf waarnemen en de oorsprong van hun gedachten en ideeën.

Het onderzoek van Joiner suggereert dat tekorten in de daaruit voortvloeiende afscheiding een nauwkeurig en objectief hulpmiddel kunnen zijn voor het diagnosticeren van psychische aandoeningen met psychotische symptomen.

Joiner ontdekte dat naarmate het tekort aan uitvloeisel van een persoon toeneemt, hun gevoel van keuzevrijheid (bijvoorbeeld eigendom over gedachten of acties) afneemt. Dit gedrag kan leiden tot problemen bij het herkennen van door uzelf veroorzaakte versus extern veroorzaakte sensaties, wat kan leiden tot verwarring, het horen van stemmen en andere psychosen.

De langetermijnhoop van Joiner is dat de afwezigheid van uitvloeiende ontlading kan helpen bij het bieden van een eenvoudige, maar objectieve lakmoesproef die clinici kunnen gebruiken om behandelingen voor deze neurologische ziekten nauwkeurig te identificeren en te ontwikkelen.

"Als je tekorten hebt in het verzenden of gebruiken van uitvloeiende ontladingssignalen, spreekt dit tot hogere psychische stoornissen die zeer uitgesproken zijn, maar we begrijpen het niet helemaal", zegt Joiner.

Het onderzoek van Ditterich suggereert dat patiënten met de ziekte van Parkinson problemen ervaren met het gebruik van voorkennis bij het nemen van beslissingen. David Slipher/UC Davis

De kracht van besluitvorming

Als je een onbekend geluid in het bos hoort, kan je overleving afhangen van het nemen van een snelle beslissing met zeer beperkte informatie.

Ditterich, universitair hoofddocent neurobiologie, fysiologie en gedrag, wil beter begrijpen hoe onze hersenen zulke snelle beslissingen nemen. Hij evalueert dit proces door middel van een 'beslissingsdrempel', die de hoeveelheid informatie beschrijft die u wilt verzamelen voordat u zich tot een bepaalde keuze verbindt. Voor elk scenario is het doel om een ​​afweging te maken tussen het maximaliseren van de nauwkeurigheid van de beslissing en het minimaliseren van de tijd die nodig is om dit te doen.

Met de duidelijke en precieze dictie van zijn Duitse accent, gecombineerd met het analytische perspectief van een systeemingenieur, schetst Ditterich methodisch zijn plan om de manier te veranderen waarop we neurologische en psychiatrische ziekten behandelen die cognitieve stoornissen met zich meebrengen.

"Het implanteren van een technisch apparaat dat een diepe hersenstimulator (DBS) wordt genoemd, is een levensvatbare behandelingsoptie geworden voor patiënten met motorische stoornissen, zoals Parkinson, die niet goed reageren op medicamenteuze therapie", zegt Ditterich. "Door een intelligentere versie van stimulatie te gebruiken, kunnen we op een gegeven moment cognitieve tekorten behandelen die het gevolg zijn van neurologische of mentale stoornissen die ook moeilijk te behandelen zijn met medicijnen."

Zijn aanpak is ambitieus, maar als het succesvol is, zou het op een dag het cognitief functioneren met betrekking tot besluitvorming, aandacht, geheugen en meer kunnen verbeteren. Het basisidee is om een ​​intelligent, implanteerbaar apparaat te ontwerpen dat rechtstreeks communiceert met de hersenen en deze stuurt in een poging om gezonde neurale signalering te herstellen. In concept zou zo'n geavanceerd apparaat de neurale activiteit van een patiënt bewaken en decoderen en de hersenen dynamisch stimuleren om een ​​gewenste toestand te bereiken. Maar eerst moet Ditterich precies begrijpen hoe cognitieve functies worden geïmplementeerd in een gezond brein.

Hoewel dit scenario misschien sciencefiction klinkt, worden implantaten al regelmatig gebruikt om patiënten met Parkinson te behandelen. Ze worden ook getest om aandoeningen zoals depressie en obsessief-compulsieve stoornis te behandelen. Maar deze apparaten zijn niet bijzonder intelligent. In plaats van te reageren op dynamische hersentoestanden, biedt de huidige generatie stimulatoren alleen constante en gestage stimulatie.

Parkinson wordt over het algemeen gezien als een motorische stoornis, maar het blijkt dat patiënten ook cognitieve stoornissen ervaren, waaronder achterstanden in het nemen van beslissingen, die doorgaans niet worden aangepakt met de huidige behandelingsopties.

Het onderzoek van Ditterich suggereert dat deze patiënten problemen ervaren met het gebruik van voorkennis bij het nemen van beslissingen. Het is geen leerprobleem, maar een implementatieprobleem, en de beslissingsdrempels van de patiënt kunnen niet op de juiste manier worden aangepast.

Jochen Ditterich ziet een toekomst voor zich waarin een intelligent, implanteerbaar apparaat veranderingen in hersenactiviteit kan volgen en erop kan reageren. Het apparaat zou met de hersenen communiceren met behulp van elektrische impulsen om gezonde neurale signalering te sturen en te herstellen. ATS/UC Davis

De neurale sluier optillen

Door neurale activiteit van gezonde hersenen te verzamelen tijdens verschillende besluitvormingssituaties, kan Ditterich machine learning gebruiken om voor elk scenario een optimaal beslissingspad uit te stippelen. Het is alsof je met voldoende bewijs voor een keuze komt voor het exacte moment waarop je je eraan verbindt. En verbazingwekkend genoeg laten de gegevens zien dat in gezonde hersenen het beslissingsproces een benadering is van een statistisch optimaal algoritme.

Je gezonde hersenen werken via een enorm gedistribueerd netwerk waarbij de frontale cortex, pariëtale cortex, basale ganglia en andere subcorticale gebieden betrokken zijn die gezamenlijk verschillende uitkomsten tegelijkertijd berekenen. U kunt er trots op zijn dat de uiteindelijke resultaten van uw 'organische computergebruik' op één lijn liggen met zelfs de meest geavanceerde supercomputers.

Dit onthutsende concept is wat Ditterich voor het eerst naar de neurowetenschap trok. Als elektrotechnisch ingenieur van opleiding begon hij te onderzoeken hoe het oog tijdens beweging opnieuw kalibreert, vergelijkbaar met Joiner's onderzoek naar visuele waarneming.

Voor Ditterich, die het centrale zenuwstelsel als de ultieme informatieverwerker ziet, “zijn er sommige dingen die gewoon heel, heel moeilijk te doen zijn met machines die de hersenen gemakkelijk kunnen doen. We moeten uitzoeken hoe', zegt hij.

“Als ingenieurs weten we veel over hoe machines informatie verwerken. Je kunt alle wiskunde en de technische hulpmiddelen erachter gebruiken om te analyseren wat er biologisch aan de hand is, om de hersenen te reverse-engineeren, "voegt hij eraan toe.

Hoewel dergelijke geavanceerde implanteerbare apparaten nog ver weg zijn, is Ditterich al in gesprek met regeltechnici van UC Davis om machinegeleiding te onderzoeken. “Ze weten heel goed hoe ze vliegtuigen moeten besturen en navigeren door andere complexe technische systemen”, zegt Ditterich. "Kunnen we dit begrip gebruiken om de hersenen in een bepaalde gewenste staat te sturen?"

Nu werkt Ditterich samen met clinici van UC Davis Health om de hersenactiviteit te monitoren bij patiënten die een DBS-implantaat krijgen. Hij doet onderzoek door dezelfde perceptuele beslissingstests uit te voeren bij zowel mensen als resusapen. “

We gebruiken identieke taken om te begrijpen hoe cognitieve functies bij mensen werken en kunnen worden gevalideerd bij niet-menselijke primaten”, zegt Ditterich. "Gedrag, in visuele besluitvormingstaken, vinden we zeer, zeer vergelijkbare resultaten."

Je wereld herkaderen

Uw oogbewegingen en besluitvormingsprocessen zijn dingen die u waarschijnlijk als vanzelfsprekend beschouwt. Uw identiteit is nauw verbonden met uw vermogen en onafhankelijkheid om beslissingen te nemen.

Maar stel je voor dat je niet zou kunnen antwoorden: "Wie heeft de controle?" Welke invloed heeft dit op uw routinebeslissingen, zoals 'Wat zal ik eten voor de lunch? Wat doe ik vervolgens in mijn dag?” Dit zijn de zeer reële uitdagingen waarmee mensen met cognitieve stoornissen elke dag worden geconfronteerd.

Gelukkig is het leggen van de basis om deze aandoeningen te diagnosticeren en te behandelen een drijvende kracht voor Joiner en Ditterich en vele andere faculteits- en studentonderzoekers van UC Davis.

Ze verleggen de grenzen van kennis om onze wereld te begrijpen en om ons te helpen onze plaats daarin te begrijpen.


Varianten van zorg

Vroegst gedocumenteerde monsters

De namen, ontleend aan het Griekse alfabet (zie 'Varianten van zorg'), zijn niet bedoeld om wetenschappelijke labels te vervangen, maar zullen dienen als een handige afkorting voor beleidsmakers, het publiek en andere niet-experts die verschillende varianten steeds meer uit het oog verliezen namen.

"Het is voor een radionieuwslezer veel gemakkelijker om 'Delta' te zeggen dan bij-een-zes-een-zeven-twee", zegt Jeffrey Barrett, een statistisch geneticus die de SARS-CoV-2-sequencing-inspanningen leidt bij het Wellcome Sanger Institute in Hinxton, VK. "Dus ik ben bereid om het te proberen om het van de grond te krijgen."

"Laten we hopen dat het blijft hangen", zegt Tulio de Oliveira, een bio-informaticus en directeur van het KwaZulu-Natal Research Innovation and Sequencing Platform in Durban, Zuid-Afrika, wiens team de bèta-variant identificeerde. "Ik vind de namen vrij eenvoudig en gemakkelijk."

Het systeem zou vooral nuttig kunnen zijn in landen die strijden tegen een aantal varianten, zoals Zuid-Afrika, waar een variant die in het Verenigd Koninkrijk wordt gevonden en bij wetenschappers bekend staat als B.1.1.7 – nu Alpha genoemd – in opkomst is, en onderzoekers zoals terwijl de Oliveira uitkijkt naar gevallen van de B.1.617.2-variant die in India is geïdentificeerd en nu Delta wordt genoemd. "Voor een land als Zuid-Afrika, om Beta en Alpha te volgen en Delta een beetje in de gaten te houden, zal dat mogelijk gemakkelijker zijn", zegt hij.

Verwarring is niet de enige reden om voor een vereenvoudigd naamgevingssysteem te gaan, zeggen voorstanders van het nieuwe systeem. Termen als 'de Zuid-Afrikaanse variant' en 'de Indiase variant' kunnen landen en hun inwoners stigmatiseren en kunnen landen zelfs ontmoedigen om toezicht te houden op nieuwe varianten. "De geografische namen, daar moeten we mee stoppen - echt", zegt de Oliveira. Hij is op de hoogte van landen in Afrika waar ministers van Volksgezondheid terughoudend zijn geweest om de ontdekking van nieuwe lokale varianten aan te kondigen vanwege de bezorgdheid dat ze tot paria's zouden worden gemaakt.

"Ik kan begrijpen waarom mensen het gewoon 'de Zuid-Afrikaanse variant' noemen - ze bedoelen er niets mee", zegt Salim Abdool Karim, een epidemioloog bij het Center for the AIDS Program of Research in Zuid-Afrika in Durban. "Het probleem is dat, als we het toestaan ​​om door te gaan, er mensen zijn die een agenda hebben en die zullen gebruiken."

Barrett is van plan om het nieuwe naamgevingssysteem te omarmen in media-optredens, maar hij vermoedt dat geografische descriptoren niet snel zullen verdwijnen. "De reden dat we landnamen gebruiken (wat problematisch is) is dat het de varianten verbindt met het verhaal van de pandemie op een manier die gemakkelijker te onthouden is", schreef hij in een e-mail aan Natuur. "Het nieuwe systeem is nog steeds erg anoniem en het zal voor het publiek nog steeds moeilijk zijn om te onthouden wie wie is."

In de afgelopen maanden zijn de meeste wetenschappers tot een enkel systeem voor naamgeving van afstammingen gekomen dat de evolutionaire relaties tussen varianten beschrijft. Na verloop van tijd kan het naamgevingssysteem van de WHO dezelfde valuta krijgen bij het grote publiek, zegt Jeremy Kamil, een viroloog aan de Louisiana State University Health in Shreveport. "Als mensen het gebruiken, wordt het de standaard."


HCV aanpassen: vooruitgang voor groenere landbouwproducten

We dringen er bij landbouwbelangen en natuurbeschermers op aan om voorzichtig te zijn met de toepassing van HCV in de landbouw. We weten nog niet (en zullen het misschien nooit met zekerheid weten) welke precieze bosgebieden HCV1- en/of HCV3-aanduiding verdienen. De best beschikbare hulpbron voor kritisch bedreigde soorten - de IUCN-bereikkaarten - toont bijvoorbeeld de maximale omvang van het bereik van elke soort en is niet geschikt voor aanduidingen op fijnere schaal. HCV1 en HCV3 zullen zeker sommige bossen beschermen (met name die in Sundaland en Zuidoost-Brazilië), maar hoeveel precies is onmogelijk te bepalen. We zien dus HCV-criteria op basis van gebiedsdrempels, die gemakkelijk kunnen worden gemeten en gecontroleerd met behulp van satellietbeelden, als de frontlinie in de strijd om de bescherming van waardevolle bossen te garanderen van conversie naar duurzame landbouwplantages.

Grote habitats op landschapsniveau boven drempels van 20.000-500.000 ha worden beschermd onder HCV2. Er is momenteel echter geen HCV-criterium dat is ontworpen om de belangrijke biodiversiteit en habitatconnectiviteit te beschermen die wordt geboden door grote stukken bos binnen de landbouwmatrix. We benadrukken dit als een grote tekortkoming in de toepassing van HCV op milieuvriendelijke landbouw. Zonder dit probleem aan te pakken, is het aannemelijk dat we enorme hoeveelheden biodivers bos (bijvoorbeeld figuur 1) zouden kunnen verliezen aan landbouwplantages onder een groen label. We promoten dus de creatie van aanvullende HCV-criteria die specifiek zijn ontworpen om duurzaamheid binnen agrarische plantages te helpen verzekeren. We raden in het bijzonder aan om:

HCV7: Onderhoud van biodiversiteit en connectiviteit op landbouwmatrixniveau.

We kunnen erop vertrouwen dat de drempel voor onder HCV7 beschermde bospercelen kan worden gesteld op 1.000 ha (of minder) en toch voldoende uitbreiding van gecertificeerde gewassen mogelijk maakt. Zo'n drempel zou zeker de bescherming van veel biodiversiteit en het behoud van connectiviteit binnen de landbouwmatrix garanderen. Op veel locaties zou een dergelijke drempel echter onvermijdelijk nog steeds veel (of zelfs alle) bossen zonder enige bescherming achterlaten. Wat moet worden besloten, is welke van deze kleinere bosfragmenten duurzaam kan worden omgezet.

Hoewel het verleidelijk is om te pleiten voor de bescherming van alle kleinere bosgebieden (Ehrlich & Wilson 1991), zou een dergelijk argument het HCV-concept kunnen ondermijnen, omdat naarmate de fragmentgrootte afneemt, ook de conserveringswaarde afneemt. Bovendien kunnen te strenge drempels de schaalvoordelen verhinderen die grote plantagebedrijven nodig hebben om investeringen in infrastructuur te rechtvaardigen (bijvoorbeeld om verwerkingsfabrieken te bouwen). Daartoe moet HCV7, naast een drempelgrootte die grote bosgebieden beschermt (≥1.000 ha), ook een deel van het fragmentgebied beschermen dat onder de 1.000 ha valt. Als hypothetische illustratie zou misschien 25% van het bosgebied binnen een plantage beschermd moeten worden, wat zou kunnen worden gericht op grotere fragmenten (honderden hectare groot) en/of fragmenten die stapstenen vormen tussen grotere blokken bos. Een alternatief zou zijn om de conversie van bospercelen van minder dan 1.000 ha toe te staan, op voorwaarde dat een nog groter stuk land wordt gereserveerd in een Biodiversiteitsbank die grote, aaneengesloten bosblokken beschermt (Edwards e.t al. 2010). Natuurlijk zou HCV1 nog steeds van toepassing zijn en bescherming bieden aan alle ernstig bedreigde diersoorten, zelfs in de kleinste gebieden.

Wij zijn van mening dat de meest geschikte weg vooruit is voor het HCV Resource Network dat wordt ondersteund door ProForest - de onafhankelijke organisatie die de wereldwijde HCV-toolkit heeft geproduceerd ( Jennings et al. 2003)—om een ​​herziene HCV-toolkit te maken die HCV7 bevat voor de productie gecertificeerde plantagegewassen. Het zou dan de verantwoordelijkheid zijn van alle duurzaamheidsraden (inclusief de FSC in de context van boomplantages) om deze uitgebreide toolkit in te voeren om ervoor te zorgen dat landbouwproducten met een groen label vergelijkbaar zijn in hun milieubelofte. De reden waarom alle gemeenten zich aan dezelfde drempel van grootte moeten houden, is om consistentie te waarborgen: het heeft weinig zin om gecertificeerde duurzame sojatelers te verbieden bosfragmenten groter dan 1.000 ha te kappen, maar om gecertificeerd duurzame suikerriettelers toe te staan ​​om doen. Dergelijke complicaties zouden consumenten in verwarring brengen en groene labels devalueren.

Zoals eerder opgemerkt, vertegenwoordigen gecertificeerde gewassen momenteel slechts een klein, maar snel groeiend, deel van de wereldmarkt voor elk van deze grondstoffen. We stellen voor dat het belangrijk is dat alle gecertificeerde gewassen blijk geven van een zeer hoge standaard van verantwoordelijkheid voor het milieu, om te voorkomen dat consumenten zich verraden voelen of het vertrouwen in het certificeringsproces verliezen.


METHODEN

Al het werk met menselijke proefpersonen, voor zover van toepassing, werd uitgevoerd onder goedgekeurde protocollen (IRB#1210012775 en #1803020378). Tijdens het proces van het ontwerpen van de grafiekrubriek hebben we validiteits- en betrouwbaarheidsbewijs verzameld, zodat wij en anderen de grafiekrubriek konden gebruiken in onderwijs en onderzoek. Validiteit in ons onderzoek is "de relatie tussen de inhoud van de test en het construct dat het moet meten" (American Educational Research Association, American Psychological Association en National Council on Measurement in Education [AERA, APA en NCME], 2014 , blz. 14). In de context van ons werk hebben we gezocht naar validiteitsbewijs om ervoor te zorgen dat de grafiekrubriek de juiste categorieën, beschrijvingen en richtlijnen heeft die kunnen worden gebruikt om het begrip en de toepassing van concepten en vaardigheden door studenten te meten en te beoordelen die relevant zijn voor de keuze en constructie van grafieken. Daartoe omvatte ons ontwerpproces het vaststellen van constructvaliditeit, wat verwijst naar de bewering dat de inhoud en kenmerken van het instrument (dwz de grafiekrubriek) goed worden ondersteund met bewijs (Benson, 1998 AERA, APA en NCME, 2014, blz. 11). Ter ondersteuning van onze algemene claim van constructvaliditeit voor de grafiekrubriek als een hulpmiddel om grafieken te evalueren, hebben we bewijs verzameld voor inhouds- en gezichtsvaliditeit. Het vaststellen van inhoudsvaliditeit omvat het verzamelen van gegevens ter ondersteuning van de bewering dat het instrument alle relevante kenmerken van het onderzochte onderwerp bevat (Benson, 1998). In ons geval hebben we verschillende bronnen geraadpleegd om ervoor te zorgen dat de grafiekrubriek de juiste criteria of inhoud bevat die worden gebruikt om grafieken te evalueren (tabel 1). We hebben ook verschillende gebruikers benaderd om bewijs te verzamelen van gezichtsvaliditeit, wat het vermogen is om te concluderen dat een instrument (d.w.z. de grafiekrubriek) geschikt en effectief is om zijn doelen te bereiken (Holden, 2010). Hoewel de rubriek geen testinstrument is, was ons ontwerp- en constructievalidatieproces gebaseerd op de literatuur over instrumentontwerp en de toepassing ervan in disciplinegebaseerd onderwijsonderzoek (Benson, 1998 Corwin et al., 2015) en bestond uit drie fasen: 1) inhoudelijk, 2) structureel en 3) extern. Hoewel dit proces over het algemeen een lineair pad volgt, waren er cycli van herziening en herhaling van sommige fasen. Deze ontwerpfasen, onze activiteiten en de soorten validiteitsbewijs waaraan ze bijdragen, zijn samengevat in Tabel 1. Als onderdeel van de evaluatie van de constructvaliditeit van de rubriek, hebben we interbeoordelaarsbetrouwbaarheid (IRR) gebruikt met een diverse groep gebruikers om te begrijpen consistentie in het beoordelen en scoren van grafieken met behulp van de rubriek (Holsti, 1969 Jonsson en Svingby, 2007 zie Gegevensanalyse onderstaand).

TABEL 1. Proces van het ontwerpen van grafiekrubrieken en de validatie van constructen met de drie gedefinieerde fasen voor de validatie van de grafiekrubriekconstructie, de bijbehorende stappen die voor elke gepresenteerde fase zijn genomen en plaatsen waar bewijs voor inhouds- en gezichtsvaliditeit werd verkregen ter ondersteuning van de aangegeven constructievalidatie

Bekijk literatuur en gegevens om de categorieën, subcategorieën en definities van de grafiekrubriek vast te stellen.

Beoordeling van literatuur over grafieken en visualisaties vormde de eerste basis van de rubriek

Mijn klasgegevens: grafiekartefacten en reflecties van studenten over grafiekkeuze (Angra, 2016)

Gegevens van klinische interviews ontginnen: grafiekartefacten en thema's uit grafische interviews met studenten en professoren (Angra en Gardner, 2017)

Vraag feedback van verschillende doelgroepen.

Pas zo nodig rubriekcategorieën en beschrijvingen aan.

Gezichtsvaliditeit: de kwaliteit die verschillende gebruikers in staat stelt te concluderen dat het doel van de rubriek is om grafieken te evalueren

Inhoudsvaliditeit: zekerheid uit verschillende bronnen dat de grafiekrubriek de juiste criteria of inhoud bevat die worden gebruikt om grafieken te evalueren

Vraag input om inhoud en gezichtsvaliditeit vast te stellen uit:

Wetenschapsonderwijs feedback van wetenschappers van het gebruik van rubrieken

Feedback van afgestudeerde studenten buiten het onderwijs over het gebruik van rubrieken

Feedback van studenten over het gebruik van de rubriek in de klas (voorjaar 2015) en over de categorieën, bruikbaarheid en bruikbaarheid van de grafiekrubrieken

Biology instructor feedback on the graph rubric categories, usability, and utility

Evaluate the rubric by using it to assess a diversity of graphs.

Confirm the features and structure of the graph rubric as appropriate and useful for evaluating graphs.

Face validity: The quality enabling diverse users to conclude that the purpose of the rubric is to evaluate graphs

Content validity: Assurance from diverse sources that the graph rubric encompasses appropriate criteria or content used to evaluate graphs

Rubric use by different stakeholders and to evaluate diverse graphs:

Undergraduate student evaluation of graphs generated in a class they had taken previously

Biology instructor evaluation of student-generated graphs from their courses

Evaluation of graphs from selected chapters from various introductory biology texts

Stage 1. Substantive Stage: Identifying Graphing Elements by Consulting the Literature and Ongoing Research

The substantive stage led to the initial draft of the graph rubric with its categories, subcategories, and definitions. Three sources of information contributed to this stage and supplied content validity evidence for the concepts within the rubric (Table 1). We consulted the graphing and visual representations literature, student-generated graphs and reflections from a classroom study (Angra and Gardner, 2015 Angra, 2016), and graphs and the articulated reasoning constructed by students and professors in a think-aloud clinical graphing interview (Angra and Gardner, 2017).

We began the process of rubric development by consulting books and primary literature that discuss appropriate graphing practices. Because graphs are ubiquitous in many fields, we did not restrict our literature search to biology at this stage. When doing our literature search for articles on graphing, we consulted Google Scholar and the university’s online library for article recommendations. We searched broadly for articles using keywords including “graph,” “construction,” “choice,” “presentation,” “science,” and “practices.” We then extended our research by consulting the reference sections in the articles. We read each reference, made notes on the authors’ recommendations on proper graph choice and construction practices, and grouped similar recommendations together. As graphs are visual representations of data, we consulted select seminal work in the visual representations literature to identify theory and best practices (e.g., Tufte, 1983 diSessa, 2004).

To supplement the literature review and aid in rubric development, we used data from two ongoing graphing studies (Angra, 2016 Angra and Gardner, 2017). Briefly, the first graphing study took place in a physiology laboratory in which students produced graphs from their experimental data. Specifically, we were interested in the general qualities of the graphs produced (graph type, data plotted, overall appearance, understanding of the take-home message) and student reasoning for graphs they produced (Angra, 2016). The second graphing study was an expert–novice analysis conducted to understand how professors and students constructed and reflected on their graphs in a think-aloud interview setting (Angra and Gardner, 2017).

Stage 2. Structural Stage: Soliciting Feedback to Establish Content and Face Validity

During this stage, we sought content and face validity evidence to convince us that the rubric contents and structure were appropriate and relevant for evaluating graphs in biology (Table 1). We accomplished this by seeking feedback on the rubric from four different groups of people: 1) science education scholars, 2) non–education research biology graduate students who were actively pursuing either a master’s or doctoral degree, 3) undergraduate biology students enrolled in an upper-level physiology laboratory course, and 4) biology instructors. Incorporating feedback from participants at various levels of education and with expertise in various fields allowed us to check the learning goals and usability of the rubric. Feedback from students allowed us to make sure that the language in the rubric was clear and easy to understand.

Science Education Scholars.

Drafts of the rubric were presented to an interdepartmental biology education research group of science education scholars (Table 1) that includes chemistry and biology education graduate students and postdoctoral fellows and instructors from the department of curriculum and instruction, biology, and chemistry. The reason for sharing the graph rubric with science education scholars was to obtain feedback from people with pedagogical expertise. The objective of the first meeting with this group was to obtain targeted feedback on the first draft of the graph rubric. In the first draft, we used a binary scale (i.e., present/not present) for the mechanics category and three levels of achievement for the other categories. We presented two de-identified student graphs (Graphs 1 and 2 in Appendix C, Supplemental Material) produced by different student groups in a physiology laboratory course along with a brief overview of the students’ experimental designs and variables associated with that particular laboratory context. Each science education scholar was instructed to independently use the graph rubric to evaluate both student graphs, then pair and discuss their ratings with a partner this was followed by a group discussion guided by A.A. and S.M.G. The guided group discussion began with broad questions to solicit feedback from the participants about rubric use, appropriateness, and descriptions of the rubric categories and subcategories. Percent agreement as an estimate of IRR between the science education scholars and authors was calculated after the meeting to gauge consistency in rubric scoring across the categories (see Resultaten). IRR scores from the first meeting were low and are not reported in this article, but conversations about rubric scoring are provided in the Resultaten section, as they were fruitful for rubric revisions.

After the initial round of feedback, the rubric categories and subcategories were expanded and refined based on comments from science education scholar group, further literature review, and ongoing graphing research (Table 1). We standardized the levels of achievement to three categories: “present/appropriate,” “needs improvement,” and “unsatisfactory.” In addition, we adjusted the weighting of the scoring of the subcategories across the three main categories of the rubric to reflect the level of cognitive demand scoring of items in the “mechanics” category is weighted less than scoring of items in the “communication” and “graph choice” categories (Figure 1). Using similar protocols but at a later time, the science education scholars were asked to use the revised rubric to evaluate Graph 3 (Appendix C, Supplemental Material).

FIGURE 1. The graph rubric. Final version of the analytic graph rubric with three levels of achievement. There are three broad categories: graph mechanics, communication, and graph choice. Within graph mechanics are seven subcategories: title, x-axis and y-axis labels and units, scale, and key. Within communication are two subcategories: aesthetics and take-home message. Within graph choice are three subcategories: graph type, data displayed, and alignment. We suggest weighting the graph mechanics lower than the other two categories, as indicated by the scoring criteria.

Biology Graduate Students.

We obtained feedback from 10 biology graduate students present at a biweekly graduate seminar (Table 1), using the revised version of the graph rubric (Figure 1). Feedback from this group is important because of the role they play as teaching assistants in assisting the main instructor to deliver knowledge and/or provide feedback to students, usually with a specific rubric or answer key. We gave the biology graduate students a copy of the graph rubric and a student-generated graph (Graph 3 in Appendix C, Supplemental Material) with the corresponding research question and hypothesis to review independently this was followed by a think–pair–share and a general discussion. IRR was calculated after the meeting to gauge consistency of rubric scoring across the graph rubric categories.

Undergraduate Students.

We tested the utility of the graph rubric in an upper-level physiology laboratory classroom with undergraduate students to 1) provide instructor feedback on graphs they constructed as a group and 2) have them use the graph rubric to provide peer feedback. Briefly, students worked in teams to design original experiments, collect data, and display findings in graphs. In conjunction with previously published graph tools (Angra and Gardner, 2016), students used the graph rubric to guide their graph construction and to inform their anonymous graph peer review, which occurred four times during the semester. At the end of the semester, students were prompted to anonymously fill out a survey and provide feedback on the usability of the rubric and the appropriateness of the rubric for the task and to offer suggestions for improving the rubric.

Biology Instructors.

We recruited four research-active biology instructors from diverse biology subdisciplines to gather face and content validity. Instructors were shown a copy of the graph rubric (Figure 1) and were asked for feedback regarding the appropriateness of the rubric categories, its potential usability in the classroom and helpfulness to students, and the scoring features of the rubric.

Stage 3. External Stage: Usage of the Graph Rubric in Different Contexts and by Diverse Users

This stage consisted of using the final rubric (Figure 1) to evaluate graphs from different sources and by users from diverse external stakeholder groups to provide us with additional content and face validity evidence. The sources of evidence were derived from evaluation of 1) student-generated graphs from an upper-level undergraduate physiology class 2) student-generated graphs from a biology instructor’s class and 3) graphs from selected chapters from five introductory biology textbooks. To standardize and guide independent users’ scoring of graphs with the rubric, we constructed graph rubric training materials (Appendix B, Supplemental Material). These materials define and explain the features of the rubric and include example scoring of five graphs, each from the three levels of achievement, as shown on the final version of the graph rubric. IRR was calculated for each external user and an expert rater.

Feedback from Undergraduate Biology Majors.

We gathered feedback on an independent graph evaluation task from undergraduate students (N = 7) who had successfully completed an upper-level physiology course. We provided the participants with the graph rubric training materials (Appendix B, Supplemental Material) and five, de-identified student-generated graphs to evaluate with the rubric (Appendix D, Supplemental Material). Graphs chosen represented typical graph types and displayed some common undesirable attributes such as plots of all raw data when a descriptive statistic would be appropriate the use of dark backgrounds and gridlines, which deflect attention from the data displayed plots of averages without error bars and misalignment of the graph with the research question and/or hypothesis. Students were encouraged to comment and explain their reasoning for their scoring in each of the graph rubric subcategories.

Feedback from Biology Instructors.

To gather feedback and evaluate the rubric as a teaching tool within the context undergraduate biology courses, we recruited biology instructors who have students create or interpret graphs as part of their normal classroom instruction. We purposely recruited instructors who teach courses ranging from the introductory levels to advanced undergraduate and graduate levels. The four faculty instructors taught a range of courses: a course-based undergraduate research experience (CURE) introductory biology laboratory intermediate-level physiology and cell biology courses and upper-level field ecology, conservation biology, and neurobiology courses. We provided each instructor with the graph rubric and rubric training materials (Appendix B, Supplemental Material) and asked them to select and evaluate between five and 10 student graphs (with accompanying research question and/or hypothesis statements) with the graph rubric (see Appendix E in the Supplemental Material for descriptions). The graphs were returned to the research team for “expert” scoring with the graph rubric for comparison of scoring with each instructor. In addition, each instructor completed a brief survey to provide feedback on the clarity, usability, and appropriateness of the rubric for evaluating student graphs in their courses.

Evaluation of Biology Textbook Graphs.

Because undergraduate students may encounter graphs in their textbooks as part of their course work, we evaluated graphs from five introductory biology textbooks to augment our content validity evidence (see Table 7 later in this article and Appendix H, Supplemental Material). We chose four textbooks (Raven et al., 2008 Sadava et al., 2009 Singh-Cundy and Shin, 2010 Urry et al., 2014) based on the undergraduate curriculum for biology students at a large midwestern university. The fifth textbook (Campbell et al., 2014) was chosen because it integrates the recommendations put forth by Vision and Change to incorporate more quantitative thinking in biology (AAAS, 2011). Our selection criteria and graph analysis followed that of Rybarczyk (2011) and Hoskins et al. (2007). We randomly selected 10 chapters from each textbook and analyzed pages with graphs as stand-alone artifacts using the graph rubric. The definition that we use for a graph is taken from Kosslyn’s (1994, p. 2) work: “a visual display that illustrates one or more relationships among numbers.” We expanded this definition and analyzed graphs that were in a Cartesian coordinate system, framed with x- and y-axes, and found in the main chapter or in the side-panel chapter exercises (see Appendix G in the Supplemental Material for a list of graphs on which evaluation was performed). We excluded interactive graphs, graphs found in videos, and graphs found in the end-of-chapter exercises. Because the graphs in textbooks were rarely directly derived from or presented as related to experiments, we did not include evaluation of the “alignment” subcategory of the rubric.

Data Analysis

We used IRR to quickly identify and refine areas of the rubric during the structural stages of rubric design and to provide us with feedback on the broad use and scope of the rubric during the external stage (Table 1). In this way, the IRR analysis contributed to both content and face validity evidence. We were able to identify areas in which the content and the structure of the rubric were well understood and relevant to users. In addition, IRR provided us with insight into how different raters at various skill levels use the rubric and how they rate graphs that they are most likely to encounter in their own contexts. We first calculated IRR in the form of percent agreement between raters to quantify reliability between expert raters (A.A. and S.M.G.) and each individual population that was asked to use the graph rubric for the structural stage (McHugh, 2012). Because the percent agreement between the two expert raters was high (>90%), percent agreement between other raters (e.g., students or instructors) and either expert rater is used for the values presented here (Stemler, 2004). In qualitative research, an IRR agreement of 80% or higher is considered acceptable (Holsti, 1969). This will inform limitations and usage of the rubric and suggest possible avenues of implementation in the classroom.


Biologie

The Biology department provides students with strong foundations that enable them to think critically about biological topics, learn technical skills for solving biological problems, and communicate biological information in multiple formats.

By offering courses that span the spectrum of biological disciplines, students can prepare for advanced studies in a wide variety of fields. The curriculum also prepares students to take a leadership role in society by furnishing them with the tools to make informed decisions about scientific issues.

Prof. Karen Hales speaks to Genetics students about DNA sequence analysis of the fruit fly gene which they characterized by CRISPR-Cas9 targeted mutagenesis.

Prof. Chris Paradise and Davidson Research Institute summer fellows collect data on the insect population of a local farm.

Students study the effects on vaping using an exposure chamber that Prof. Karen Bernd's lab developed specifically for e-cigarette vapor experiments.


Molecular Biology & Genetics

Molecular Biology and Genetics seek to understand how the molecules that make up cells determine the behavior of living things. Biologists use molecular and genetic tools to study the function of those molecules in the complex milieu of the living cell. Groups in our department are using these approaches to study a wide variety of questions, including the fundamental processes of transcription and translation, mechanisms of global gene control including signal transduction pathways, the function of the visual and olfactory systems, and the nature of genetic diversity in natural populations and how that affects their evolution, among others. The systems under study cover the range of model organisms (bacteria, yeast, slime molds, worms, fruit flies, zebrafish, and mice) though the results of these studies relate directly or indirectly to human health.

Faculty with Interest in Molecular Biology and Genetics:

Bieberich, Charles
We are developing new transgenic mouse models of human prostate cancer.

Brewster, Rachel
We are investigating the regulation of brain development and metabolism. These studies are expected to contribute to the prevention of neural tube birth defects and the treatment of stroke.

Bustos, Mauricio
We investigate the role of ubiquitin/proteasome mediated protein degradation in transcription and the regulation of gene expression in eukaryotes.

Cusick, Kathleen
Genes and pathways involved in copper tolerance, biofilm formation and nanoparticle synthesis in the marine bacterium Alteromonas megaplasmids in bacterial niche adaptation.

Eisenmann, David
We study the role of the Wnt signaling pathway in controlling cell fate decisions during C. elegans development. We also study regulation and function of the Hox gene lin-39 in C. elegans.

Erill, Ivan
Cross-linking between experimental assays and in-silico data for regulatory elements.

Farabaugh, Philip
Molecular genetics of translational accuracy in the yeast Saccharomyces cerevisiae and bacterium Escherichia coli.

Gardner, Jeffrey
Studying bacterial physiology using systems and synthetic biology Determining how microbes sense the environment and obtain energy examining the mechanisms of plant cell wall degradation in bacteria.

Green, Erin
Understanding epigenetics and the regulation of the genome through investigation of histone post-translational modifications dissecting the role of protein post-translational modifications in nuclear signaling pathways.

Leips, Jeff
Genetic mapping of quantitative traits, association mapping to identify the effects of natural polymorphism in candidate genes on phenotypic variation.

Lu, Hua
Characterizing function of genes regulating plant innate immunity and dissecting defense signaling networks.

Mendelson, Tamra
Molecular phylogenetic systematics phylogenetic reconstruction of gene families.

Miller, Stephen
Identification and characterization of transposons for tagging important developmental loci in Volvox carteri.

Padmanabhan, Achuth
We are interested in understanding how alterations in key oncogenes and tumor suppressors impact ovarian cancer progression.

Robinson, Phyllis
My research program uses the techniques of molecular biology to explore structure function relationships of visual pigments.

Schreier, Harold
Molecular microbial ecology, physiology and genetics.

Starz-Gaiano, Michelle
We use loss-of-function and gain-of-function genetic strategies in Drosophila to identify new genes involved in cell migration, and to better understand molecular pathways required for cell movement.

Sutton, Laurie
We study the role of G-protein coupled receptors (GPCRs) in regulating both normal and disease states, as well as the regulatory mechanisms that modulate GPCR responsiveness at the molecular level.

Vonhoff, Fernando
We are interested in how different genetic pathways and electrical activity levels in neurons regulate neuronal network development, stabilization, and aging in Drosophila.

Walker, Nykia
We will study transcriptional changes facilitated by primary tumors to promote cancer metastasis. We will investigate various cell signaling mechanisms used by tumors to communicate with other cells. We will use bioinformatics, proteomics and molecular biology techniques to elucidate identify and characterize key regulators of metastasis and cellular dormancy in the bone marrow.


Referenties

Abbott, Traci B. 2009. “Teaching Transgender Literature at a Business College.” Race, Gender & Class: 152–69.

Brondani, Mario A., and Randy Paterson. 2011. “Teaching Lesbian, Gay, Bisexual, and Transgender Issues in Dental Education: A Multipurpose Method.” Journal of dental education 75(10): 1354–61.

Case, Kim A., Briana Stewart, and Josephine Tittsworth. 2009. “Transgender across the Curriculum: A Psychology for Inclusion.” Teaching of Psychology 36(2): 117–21.

Clark, J. Elizabeth, Erica Rand, and Leonard Vogt. 2003. “Climate Control Teaching About Gender and Sexuality in 2003.” Radical Teacher (66): 2.

Courvant, Diana. 2011. “Strip!” Radical Teacher (92): 26–34.

Levine, Sheen S., and David Stark. 2015. “Diversity Makes You Brighter.” The New York Times. http://www.nytimes.com/2015/12/09/opinion/diversity-makes-you-brighter.html (April 11, 2016).

Phillips, Katherine W. 2014. “How Diversity Makes Us Smarter.” Scientific American. http://www.scientificamerican.com/article/how-diversity-makes-us-smarter/ (April 11, 2016).

Preston, Marilyn. 2011. “Not Another Special Guest: Transgender Inclusivity in a Human Sexuality Course.” Radical Teacher (92): 47–54.

Safer, Joshua, and Elizabeth Pearce. 2013. “A Simple Curriculum Content Change Increased Medical Student Comfort with Transgender Medicine.” Endocrine Practice 19(4): 633–37.

Schmalz, Julia. 2015. “‘Ask Me’: What LGBTQ Students Want Their Professors to Know.” De kroniek van het hoger onderwijs. http://chronicle.com/article/Ask-Me-What-LGBTQ-Students/232797 (February 24, 2016).

Spade, Dean. 2011. “Some Very Basic Tips for Making Higher Education More Accessible to Trans Students and Rethinking How We Talk about Gendered Bodies.” Radical Teacher (92): 57–62.

Valle-Ruiz, Lis et al. 2015. “Course Design | A Guide to Feminist Pedagogy.” https://my.vanderbilt.edu/femped/habits-of-hand/course-design/ (April 7, 2016).

/>
This teaching guide is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

1 Many thanks to the following individuals for their helpful feedback and edits:
Dr. Melanie Adley, Dr. Joe Bandy, Dr. Richard Coble, Dr. Vivian Finch, Jane Hirtle, Corey Jansen, Liv N. Parks and Chris Purcell.

2 Many thanks to Dr. Heather Fedesco and Dr. Joe Bandy for their helpful feedback and edits to the update.


Bekijk de video: Gene Ontology Analysis using DAVID (Januari- 2022).