Ну там же не совсем жуки его переваривают, а микрофлора кишечника их личинок.
Я походил по ссылкам и нашел работу 2015 года, где как раз анализировались какашки червяков. Вот статья и вот даже картинка есть.

>А во что они его превращают? На простых углеводов, а потом в углекислый газ?
Выходит, что так. Как я понял, там не всё распадается до CO2, что-то просто до более коротких фрагментов. Интересно, можно ли это назвать простыми безвредными углеводами, которе кто-то другой сожрет?

Или же получается, что эти личинки как-то неэкологично утилизируют пластик, если генерят углекислый газ и, оставляют предположительно, микрочастицы. 🤔🤔🤔

Вообще по ходу чтения новостей и статьи не покидало чувство дежавю: как будто в материале про якутских стартаперов просто пересказывался проект каких-то американских школьников.

Блин, статья не крепится
https://sci-hub.st/10.1021/acs.est.5b02661

Спасибо большое кто ответил по вопросу со счетом!

Привет, кто-то занимается проблемой коррекции батчей в данных экспрессии?
Если ли софт, который корректирует один датасет в другой, а не 2 датасета в некоторое третье общее пространство (как комбат)?

Погодите, а чем два (или больше) батча внутри одного датасета отличаются от двух датасетов, сложенных вместе?

Ничем вопрос не в этом.
Суть проблемы в том, что все методы батч коррекции берут 2 или более датасета и проецируют из в третье «общее» пространство.
Моя задача состоит в том, чтобы второй датасет спроецировать на первый (звучит вроде просто и похоже на первый вариант). Знает ли кто-то такие методы (или как запустить существующие)?

Что значит «спроецировать»? Поясните или дизайн, или исследовательскую задачу, или ещё как-то , а то пока совсем непонятно

Скорректировать батч, чтобы 2й датасет получился в пространстве первого датасета

Не очень понятно, что такое «пространство» датасета. Какой эксперимент-то? Сколько образцов, сколько фичей? Какой исследовательский вопрос, что проверенный и классический способ не годится для его ответа?

Какие различия ищете, короче говоря?

есть конкретно эта задача. Может будет проще, если батч - это разные протоколы RNAseq

Но и то и то - обычная транскриптомика, экспрессия генов, или что-то более хитрое? Задача - понять, какие гены различно экспрессируются между группами (какие пути, и тд и тп), или опять-таки что-то хитрее?

Обычная экспрессия всех генов.
Задача сделать экспрессии сравнимыми

Разные протоколы по разному нормализуются, но уже нормализованное обычно можно в ComBat и не мудрить. Если дальше идёт классика типа линейная модель вроде limma (тогда кстати и без комбата вроде можно, пусть поправят), или корреляция между генами «ищем сети, клики, хабы». Более сложные вещи надо сложнее думать и обсуждать детали, что хочется на выходе получить, на какой вопрос ответить. Сделать датасет ‘были батч-эффекты теперь нету’ - это фантастика, метод коррекции всегда связан и подбирается под исследовательский вопрос

Ок, тогда комбат или лиммма делают именно это, класс случаев, когда они категорически не годятся - невелик. Ну, у нас был масс-спек где были нелинейные эффекты, видные невооруженным глазом. Мы их корректировали отдельно, а потом все одно - комбат и лимма, сотни работ и статистиков их используют, потому что assumptions распространённые и разумные, а мелкие отклонения эти методы переваривают. А большие детектировать ещё надо. У вас есть какие-то нестандартные свойства, которые нарушают предпосылки линейных моделей и классических тестов?

спасибо за пояснения.
Мой вопрос не совсем про это. Понятно, что комбат подойдет для задач DE. Но он не подходит для других задач, где важно сохранить абсолютные значения экспрессий в рамках одного протокола.
Мне не нужно решать задачу в общем виде. Пусть будет всего 2 протокола, много данных на одном протоколе, много данных на другом. Есть ли алгоритм, который позволит именно привести второй протокол к первому в пространстве всех генов.
Комбат конкретно не устраивает, потому что результат будет в третьем пространстве (области значений всех генов изменятся относительно исходных датасетов), из которого не очень понятно, как трансформировать обратно

Ну пространство генов - это какая-то искусственная конструкция, если говорить статистически. Если вы хотите именно сравнивать - то действительно, или внутри третьего (чем это так кардинально отличается от проекции? - вы оба датасета спроектировали, теперь они сравнимы). Другой подход - это провести все сравнения (хоть генов между группами или временными рядами, или что у вас там, или генов с генами - сохраняется ли корреляция или нет) и сравнить результаты - типа если и там и там significant одни и те же, то это уже очень весомый аргумент, что это находки - настоящие, воспроизводимые и тп. А если у вас между протоколами прямо попарные реплики  - грубо говоря если одних и тех же пациентов померили сначала одним протоколом, потом другим, то как раз адекватно нормализовать каждый датасет, а потом натравить на это limma - потому что тогда у вас каждый образец померен дважды, и эту репликативность модель должна видеть. Обратно ничего не надо трансформировать.

Если просто «проектировать», то во первых не очень понятно как это делать математически - как раз суть батч эффектов в том, что они по разному действуют на разные группы генов, и любая инфа - а повторный эксперимент- это очень ценная инфа, усиливает мощность моделей типа limma или вот dream https://bioconductor.org/packages/release/bioc/vignettes/variancePartition/inst/doc/dream.html Короче, это сложно объяснять, проще взять любой курс/учебник по linear models / linear mixed models, пока ощущение, что у нас разный с вами понятийный аппарат - мы на разных языках говорим (я готова вернуться к разговору, интересно разобраться, что ж за задача такая необычная, ну, или может она всё-таки обычная?)

У меня следующий вопрос. После конвертации ДНК из формата aligned to hs38 в aligned to hs73d5, объем vcf файла (несжатого) сократился с 1.2 Гб до 720 Мб, насколько это нормальное явление? Как понять, что при конвертации не накосячил?

Здравствуйте,  предлагаю обратить внимание на вакансии в Сириусе в проект по чтению (“Грамотность как основа экономики знаний: нейронаучный подход”).

Грамотность как основа экономики знаний: нейронаучный подход”).

Ищем научных сотрудников на позиции МНС, НС и СНС. Ключевые слова для компетенций и интересов: ЭЭГ; eye-tracking; психометрика/статистика; язык, речь, чтение и их расстройства. Есть опция аспирантуры по психологии, аспирант трудоустраивается на МНС и получает зарплату (прием до 6 сентября). МНС только очно в Сочи, остальные – желательно, но обсуждаемо.

Описание вакансий (требования, задачи, зп) есть на hh – младший научный сотрудник, научный сотрудник, старший научный сотрудник.

Научное руководство проектом – Елена Григоренко, Наталия Рахлин.

В проекте есть фундаментальная и прикладная части. Фундаментальная часть – исследование механизмов способности к пониманию прочитанного на уровне поведения, нейрофизиологии и генетики на выборке российских подростков. Прикладная часть – создание цифровой платформы для развития навыков декодирования и понимания прочитанного для детей с трудностями в чтении.

Вопросы , резюме и сопроводительные письма можете отправлять мне – Марине Пашко, менеджеру проекта, pashko.mi@talantiuspeh.ru.