С биочислами Рона Мило МОЛПИТ знаком с января 2014 PIT00049, PIT00366, PIT00367, PIT00442, PIT00461 и др.

Ещё на физическом блоге Nature Рон Мило говоря о базе данных BioNumbers интересные мысли высказал - читайте.

Рон Мило и база данных BioNumbers

Какова площадь поверхности кишечника мыши? Какова длина персистентности ДНК? Каков диаметр типичной человеческой эритроцита?

Такого рода вопросы возникают при построении физических моделей биологических систем, и нахождение ответов часто может включать в себя обширный поиск литературы. Одним из ресурсов, который надеется «облегчить количественный анализ и обоснование» в биологии, является база данных BioNumbers, веб-сайт, который каталогизирует числовые значения биологических величин. База данных может просматриваться по категориям или делать поиск по ключевым словам, и предоставляет ссылку на первоисточник каждого числа. Это происходит с 2007 года и теперь охватывает категории от водорослей до цинка.

(Из BioNumbers: кишечные пути мыши имеют площадь поверхности 1,41 м^2; длина ДНК составляет около 50 нм; диаметр эритроцитов человека составляет 7,7 мкм.)

Мы спросили Рона Мило, системного биолога и разработчика BioNumbers, о проекте.

Как появилась идея для BioNumbers?

Я был научным сотрудником Гарвардской медицинской школы и пытался разложить по конвертам некоторые оценочные подсчеты с моими приятелями Майком Спрингером и Полом Йоргенсеном, и мы обнаружили, что ни одна из книг и интернет-ресурсов не может дать нам то, что нам нужно, поэтому мы решили начать создавать базы данных сами.

Как рос и развивался проект? У Вас есть какие-то цели на будущее?

Он быстро сформировался в первый год и с тех пор расширяется. Книга, недавно вышедшая с Робом Филлипсом, помогает понять ключевые идеи из доступных номеров и доступна бесплатно в Интернете.
Вы можете свободно скачать драфт книги Cell Biology by the Numbers 2015 года.
В следующем году я планирую модернизировать интерфейс, чтобы его было проще использовать с мобильными устройствами, сделать его более интуитивным и т.д.

В своей книге «Клеточная биология в числах» вы сопровождаете таблицы чисел виньетками по затронутым темам - есть ли у вас любимый материал, которым вы хотели бы поделиться?

Мне нравится раздел, где мы говорим о том, сколько ионов H+ в клетке - только около 100 в бактериальной клетке! Мне также нравится один из них о скорости оборота различных тканей в организме и о том, как эта цифра была выведена с помощью ядерных испытаний.

Есть ли у вас какие-либо советы для физиков, которые заинтересованы в работе над проблемами биологии?

Не беспокойтесь обо всем жаргоне, это поле, в которое вы можете легко проникнуть в суть, читая учебники, которые сами переворачивают страницы, и обращаясь к Википедии, когда это необходимо. Есть низко висящие фрукты, готовые к сбору, но вы должны быть готовы решить проблемы, создав собственную импровизированную биологическую модель и не всегда превращая всё в любимую модель Изинга.

Наша точка зрения является новой и ранее не предлагалась.

Мы думаем, что истинная биологическая метрология должна быть основана на биологических мерах и понятиях измеримости биологических пространств. Общепринятая биометрия как биометрология по сути является применением физических мер в биологии. Это представление работает с очень сильными ограничениями редуцируя биологическую сущность к чисто физико-химическим процессам.

Этого краткого пояснения отличия биологической метрологии от традиционной биометрии пока достаточно.

Начало этого подхода было лет 5 назад, пожалуй. Вот 2 результата поиска molpit.ru:biomeasures в Google:

1)wad measure (pdf, 1309КБ) и

2)Cell and Tissue Biophysics from BioNumbers and Physical Biology of the Cell (5/6/2014). (pdf, 3280КБ)

Медицинская метрология. Специфика медико-биологических измерений

биометрия (биологическая метрология)

Добавить избранные разделы с сайта Joint IMEKO TC1-TC7-TC13-TC18 Symposium 2019, July 2-5, St. Petersburg, Russia следующие темы:

Измерительная наука как основа методов и инструментов познания

Тенденции и инновации в развитии методов измерений и средств измерений

Методологические вопросы, связанные с измерениями различных величин

Применение неточных данных в измерениях

Процедура измерения в качестве эталона.

Понятия, термины и определения в науке об измерениях и их развитие

Обеспечение достоверности информации об измерениях в эпоху Индустрии 4.0.

Измерения как основа для прогнозирования процессов развития

Роль информации и ее накопление в процессах измерения

Экспертные оценки и особенности их применения в измерениях

Многомерные модели измерения и их реализация в измерительных приборах

Разработка измерительных моделей и измерительных приборов на основе биомиметики

Социально-этические аспекты измерений, в том числе риски принятия решений

Новые тенденции в обучении науке об измерениях

Реальные и виртуальные инструменты для обучения и обучения измерению

Измерения знаний. Соотношение образования и знаний

Измерения величин, характеризующих человека и их развитие

Измерения величин, характеризующих общество и его развитие

Измерения величин, характеризующих здоровье в эпоху Индустрии 4.0

Измерения различных величин в живых системах

Биологические датчики и их применение в измерительных приборах

Медицинские информационные системы

Измерение и моделирование оценки величин, определяющих движения человека и ощущения
окружающей среды

Измерение величин, характеризующих процесс познания человека и его развитие

Надо обратить особое внимание на определение понятие "величина" у метрологов "quantity", чтобы увидеть неуловимую загадку в 100% точности измерения биологической переменной, или на языке метрологии "biological quantity". Да, да! Не величину (value), не переменную (variable), а именно «количественную биологическую величину». Напрягитесь, пожалуйста, для ответа на вопрос: «а много вы знаете количественных биологических переменных?». Для подсказки см. PIT00367 и отредактированный перевод ключевых биочисел клеточной биологии биочисла (BioNumbers) (pdf, 1495КБ)

Интересный для нас реферат Юлии Воробьёвой "лаборатория-на-чипе" повысит точность иммунотерапии рака до 100% привлёк внимание к статье {Segaliny2018}. Сначала для понимания справка. Т-клеточный рецептор (TCR) — поверхностный белковый комплекс Т-лимфоцитов, ответственный за распознавание процессированных антигенов, связанных с молекулами главного комплекса гистосовместимости (MHC) на поверхности антигенпредставляющих клеток. TCR состоит из двух субъединиц, заякоренных в клеточной мембране, и ассоциирован с мультисубъединичным комплексом CD3. Взаимодействие TCR с молекулами MHC и связанным с ними антигеном ведёт к активации Т-лимфоцитов и является ключевой точкой в запуске иммунного ответа. Аннотация. Перенос "усыновленных" T-клеток, в частности терапия TCR T-клетками, имеет большое значение для иммунотерапии рака с обнадеживающими клиническими результатами. Однако найти правильный клон TCR T-клеток - утомительный, трудоемкий и дорогостоящий процесс. Таким образом, существует критическая потребность в одноклеточных технологиях для быстрого и мультиплексного функционального анализа с последующим восстановлением интересующего клона. Здесь мы используем микрофлюидные капли для функционального скрининга и мониторинга в реальном времени одноклеточной активации TCR T-клеток при распознавании опухолевых клеток-мишеней. Примечательно, что наша платформа включает в себя систему отслеживания для каждого клона, а также процедуру сортировки со 100% -ной специфичностью, подтвержденную последующей ПЦР обратной транскрипции с последующей обратной связью и секвенирование цепей TCR. Наш прототип скрининга TCR облегчит иммунотерапевтический отбор и развитие Т-клеточной терапии.

Новая платформа, которая ускорит исследования рака {Pellegrino2018}, состоит в том, что высокопроизводительное одноклеточное ДНК-секвенирование используется для оценки гетерогенности в популяциях раковых клеток. Аннотация. Чтобы охарактеризовать генетическую гетерогенность в популяциях опухолевых клеток, был разработан новый микрофлюидный подход, который штрихкодирует амплифицированную геномную ДНК из тысяч отдельных раковых клеток, ограниченных каплями. Затем штрих-коды используются для сбора генетических профилей клеток из данных секвенирования следующего поколения. Используя этот подход, мы секвенировали популяции опухолей острой миелоидной лейкемии (acute myeloid leukemia AML) в продольном направлении от двух пациентов и генотипировали до 62 заболеваний, соответствующих локусам, в более чем 16 000 отдельных клеток. Целенаправленное одноклеточное секвенирование позволило чутко идентифицировать клетки, несущие патогенные мутации, во время полной ремиссии и раскрытой комплексной эволюции клонов в опухолях AML, которые не наблюдались при объемном секвенировании. Мы ожидаем, что этот подход сделает возможным рутинный анализ гетерогенности AML, что приведет к улучшению стратификации и выбора терапии для этого заболевания.

Эксперименты по секвенированию одноклеточных РНК были использованы для моделирования внутриопухолевой гетерогенности {Ferrall-Fairbanks2018pr}. Аннотация. ЦЕЛЬ: Многие виды рака можно лечить с помощью целевой терапии. Почти неизбежно, опухоли развивают устойчивость к целенаправленной терапии, либо от предсуществования, либо путем развития новых генотипов и признаков. Внутриопухолевая гетерогенность служит резервуаром для устойчивости, что часто происходит из-за выбора мелких клеточных субклонов. На уровне экспрессии генов «клональная» гетерогенность может быть выявлена ​​только многомерными одноклеточными методами. Мы предлагаем использовать общий индекс разнообразия (GDI) для количественной оценки неоднородности в нескольких масштабах и связывания его с развитием болезни. МЕТОДЫ: Мы сосредоточились на отдельных образцах пациентов, зондированных секвенированием одноклеточных РНК, для описания гетерогенности. Мы разработали конвейер для анализа данных отдельных клеток, путем нормализации выборки, кластеризации и математической интерпретации с использованием обобщенной меры разнесения, и иллюстрируют полезность этой платформы, используя данные о единичных клетках. РЕЗУЛЬТАТЫ: Мы сосредоточились на трех источниках данных секвенирования РНК: два здоровых образца костного мозга (БМ), два пациента с острой миелоидной лейкемией (AML), каждый пробы до и после трансплантации BM (BMT), четыре образца предварительно отсортированных линий и шесть пациентов с карциномой легких с многозонной выборкой. В то время как здоровые/нормальные образцы набрали низкое разнообразие в целом, GDI далее количественно оценивает, в каком отношении эти образцы отличаются. Хотя широко используемый индекс разнообразия Шеннона иногда обнаруживает меньшие различия, GDI обнаруживает различия в количестве потенциальных ключевых факторов или клональном богатстве. Сравнение образцов до и после BMT AML не выявило различий в гетерогенности, хотя они могут быть очень разными в биологическом отношении. ЗАКЛЮЧЕНИЕ: GDI может количественно определять изменения неоднородности клеток в широком спектре, даже если стандартные меры, такие как индекс Шеннона, не показывают разнообразия. Наш подход предлагает широкие возможности для количественной оценки неоднородности образцов и условий.

{Segaliny2018} Aude I. Segaliny, Guideng Li, Lingshun Kong, Ci Ren, Xiaoming Chen, Jessica K. Wang, David Baltimore, Guikai Wu and Weian Zhao. Functional TCR T cell screening using single-cell droplet microfluidics // Lab Chip, 2018, Advance Article. doi 10.1039/C8LC00818C

{Pellegrino2018} Maurizio Pellegrino, Adam Sciambi, Sebastian Treusch, Robert Durruthy-Durruthy, Kaustubh Gokhale, Jose Jacob, Tina X. Chen et al. High-throughput single-cell DNA sequencing of acute myeloid leukemia tumors with droplet microfluidics // Genome research 28 (9), 1345-1352 (2018). Preprint bioRxiv (2017): 203158. doi 10.1101/gr.232272.117

{Ferrall-Fairbanks2018pr} Meghan C. Ferrall-Fairbanks, Markus Ball, Eric Padron, and Philipp M. Altrock. Leveraging single cell RNA sequencing experiments to model intra-tumor heterogeneity // Preprint bioRxiv (2018): 427047. doi 10.1101/427047

На запрос биочисла Google находит 347 записей, в которых наша

презентация 27/2/2015 и 30/3/2015 (pdf, 3148КБ) "Квантование нелокальных гравитационных и биологических полей в клетке" входит в первую десятку. Ответ Google на запрос по названию поста биочисла (BioNumbers) - единственный.

На нашем сайте первая запись по биочислам PIT00049 сделана почти 3 года назад (10/1/2014). Вчерашнее обсуждение поста PIT00366 было очень активным.

Поэтому привожу отредактированный перевод ключевых биочисел клеточной биологии биочисла (BioNumbers) (pdf, 1495КБ)

Обсуждение констант фундаментальной биологии, начатое в этой презентации почти 2 года назад, необходимо проводить с разных сторон. Поэтому презентация имеет № v1.

Наблюдается очень интересное явление. Google по запросу BioNumbers до 2000 года часто отсылает к tbio.molpit.ru потому, что на сайте BioTheory, который стартовал 7/8/2009, даны точные ссылки на старые работы. Вот что значит "не мельтешить", но спокойно разбираться в предмете, который называется биологическая теория.

Всё началось с пересмотра грубых оценок того, что отношение числа клеток микрофлоры к числу клеток человека порядка 10 к 1. Точку в этом анализе поставил "главный био-счетовод" Ron Milo, BioNumbers в работе

{Sender2016} Ron Sender, Shai Fuchs, and Ron Milo. Are we really vastly outnumbered? Revisiting the ratio of bacterial to host cells in humans // Cell 164 (3), 337-340 (2016). doi 10.1016/j.cell.2016.01.013 {Sender2016pr} Preprint BioRxiv (2016), 036103. doi 10.1101/036103

Вот рисунок из препринта, который для многих станет откровением

Рис.2 [Sender2016pr] Распределение числа клеток по типам. Обратите внимание, что клетки мышц и жировые клетки, каждая из которых содержит около 20 кг ткани, имеют небольшой вклад в общее число клеток (0,2% или меньше) из-за больших размеров их клеток.

Аннотация [Sender2016pr]. Критически пересмотрев "общие знания" о том, что бактериальных клеток человека в 10 раз больше собственных клеток, мы нашли общее количество бактерий в "эталонным человека" порядка с погрешностью 25%. Для человеческих клеток мы идентифицируем доминирующую роль кроветворной линии к общему количеству клеток организма (≈90%), а также пересмотрели прошлые оценки, и получилось в общей сложности клеток человека в 70 кг "эталонного человека" с неопределенность 2%. Наш анализ обновляет широко цитируемых соотношение 10 к 1. Расчёт свидетельствует о том, что число бактерий в нашем организме фактически того же порядка, что и количество человеческих клеток. Действительно, цифры достаточно близкие, так что каждый "поход в туалет" может перевернуть соотношение в пользу человеческих клеток над бактериями.

Реферат из статьи в Science News есть в журнале "Наука и жизнь" Сколько клеток в человеке (надписи на рисунке не переведены см. ниже), да и сам рисунок из материалов Science News Body paint by numbers, которые излагают работу [Sender2016]. Ниже приведен этот рисунок, так как на нём есть дополнения, популярно поясняющие типы клеток.

"Тело человека в красках" из Science News

Хочу поделиться размышлениями по поводу биологических взаимодействий, биомер и калибровок. Ещё не понял точно, в какой степени формализм Гамильтона, соответствующие калибровочные (Лоренц, кулоновские и др.) преобразования и независимость от системы отсчеты можно сохранить при физическом рассмотрении внутриклеточных и межклеточных взаимодействий. Точный вопрос звучит так: можно ли описать ключевые количественные характеристики биологии клетки KeyNumbers на физическом языке или это за границами понимания? Предполагаемое обсуждение на семинаре хочу связать с фундаментальными константами природы.

Для начала работы с сайтом BioNumbers вам может быть полезна наша

презентация 6/1/2014 (pdf, 3148КБ)

Вы когда-нибудь искали нужные числа, такие как объема клетки или клеточную концентрацию АТФ, тратя гораздо больше времени, чем бы вы хотели, в Интернете или листая учебники – и всё без особого успеха?

Ну, это происходит не только с вами. Часто удивляет, как трудно найти конкретные биологические числа, даже для свойств, которые были измерены много раз . Чтобы помочь решить эту проблему для всех и каждого, была создана BioNumbers (база данных ключевых чисел в молекулярной биологии). Наряду с числами, вы найдете соответствующие ссылки на оригинальную литературу, полезные замечания, и связанные с ними количественные характеристики.

Хотя мы сделали честную первую попытку упростить процесс поиска полезные биологических чисел, ещё много работы предстоит. Ключевой проблемой является заполнение большого количества пропущенных пунктов. Еще одна проблема предполагает создание надежной и взыскательной поисковой машины, которая на первой же попытке дает именно те характеристики, которые ищет пользователь на самом деле.

Цитирование BioNumbers, пожалуйста, делайте так: Milo et al. Nucl. Acids Res. (2010) 38: D750-D753. При использовании конкретной записи из базы данных настоятельно рекомендуем вам также указать 6-значный идентификатор BioNumbers, например, "BNID 100986 , Milo et al 2010".

Оригинал
Did you ever need to look up a number like the volume of a cell or the cellular concentration of ATP, only to find yourself spending much more time than you wanted on the Internet or flipping through textbooks - all without much success?

Well, it didn’t happen only to you. It is often surprising how difficult it can be to find concrete biological numbers, even for properties that have been measured numerous times. To help solve this for one and all, BioNumbers (the database of key numbers in molecular biology) was created. Along with the numbers, you'll find the relevant references to the original literature, useful comments, and related numbers.

Though we have made an honest first try at simplifying the process of finding useful biological numbers, there is still much work to be done. A key challenge is filling in the large number of missing items. Another challenge involves setting up a reliable and discriminating search engine which on a first try yields the numbers a user is actually interested in finding.

To cite BioNumbers please refer to: Milo et al. Nucl. Acids Res. (2010) 38: D750-D753. When using a specific entry from the database it is highly recommended that you also specify the BioNumbers 6 digit ID, e.g. "BNID 100986, Milo et al 2010".