Em formação

2.7: Exercício 3 - Quão precisas e precisas são suas transferências? - Biologia


Trabalhem em grupos de três. Cada pessoa deve preparar três amostras idênticas e, em seguida, determinar o A590 das três amostras. A partir dos dados, você poderá determinar se a micropipeta está medindo os volumes corretamente.

1. Cada pessoa em seu grupo de três trabalhará com uma micropipeta diferente e realizará as mesmas transferências em triplicata, conforme detalhado abaixo. O volume final (água + BPB) em cada tubo será de 1,0 mL. Calcule o volume de água que precisará ser combinado com cada um dos seguintes para dar 1,0 mL e registre seus cálculos em seu caderno de laboratório:

Membro do grupo A: Use o P-20 para transferir 10 μL de 0,05% BPB para ____ μL de água. Membro do grupo B: Use o P-200 para transferir 100 μL de 0,005% BPB para ____ μL de água. Membro do grupo C: Use o P-1000 para transferir 300 μL de 0,005% BPB para ____ μL de água.

2. Para minimizar nosso desperdício de plástico, planeje como minimizar o número de pontas que você usa sem contaminar as soluções de estoque. Uma ponta pode ser usada várias vezes, mas uma ponta que foi usada para BPB não pode ser usada para transferir água desionizada subsequentemente. Combine a solução de BPB e água para dar um volume final de 1,0 mL.

3. Meça o A590 das três soluções com o espectrofotômetro e registre os dados em seu notebook.

  1. Calcule a média e o desvio padrão para suas três medições, usando uma calculadora ou Excel. O desvio padrão reflete a precisão de suas medições.
  2. Insira esses valores no gráfico que seu TA preparou no quadro branco. Compare os valores que seu grupo obteve com cada uma das três pipetas com as medições da classe agregada. Se as médias obtidas por seu grupo forem significativamente diferentes daquelas obtidas por outros grupos com a mesma micropipeta, sua micropipeta pode não estar transferindo volumes com precisão.

Observação

Notifique o seu AP se alguma das micropipetas não estiver funcionando corretamente. Seu AP acompanhará suas observações e testará as micropipetas com o teste gravimétrico descrito anteriormente neste capítulo.


Classificação: Precisão

A precisão é uma métrica para avaliar modelos de classificação. Informalmente, precisão é a fração das previsões que nosso modelo acertou. Formalmente, a precisão tem a seguinte definição:

Para a classificação binária, a precisão também pode ser calculada em termos de positivos e negativos da seguinte forma:

Onde TP = Verdadeiros Positivos, TN = Negativos verdadeiros, FP = Falsos positivos e FN = Falsos negativos.

Vamos tentar calcular a precisão para o seguinte modelo que classificou 100 tumores como malignos (a classe positiva) ou benignos (a classe negativa):

A precisão chega a 0,91 ou 91% (91 previsões corretas de 100 exemplos no total). Isso significa que nosso classificador de tumor está fazendo um ótimo trabalho na identificação de doenças malignas, certo?

Na verdade, vamos fazer uma análise mais detalhada dos aspectos positivos e negativos para obter mais informações sobre o desempenho do nosso modelo.

Dos 100 exemplos de tumor, 91 são benignos (90 TNs e 1 FP) e 9 são malignos (1 TP e 8 FNs).

Dos 91 tumores benignos, o modelo identifica corretamente 90 como benignos. Isso é bom. No entanto, dos 9 tumores malignos, o modelo identifica corretamente apenas 1 como maligno - um resultado terrível, já que 8 de 9 tumores malignos não são diagnosticados!

Embora a precisão de 91% possa parecer boa à primeira vista, outro modelo de classificador de tumor que sempre prediz benigno alcançaria a mesma precisão (previsões corretas de 91/100) em nossos exemplos. Em outras palavras, nosso modelo não é melhor do que aquele que tem capacidade preditiva zero para distinguir tumores malignos de tumores benignos.

A precisão por si só não conta a história completa quando você está trabalhando com um conjunto de dados desequilibrado de classe, como este, onde há uma disparidade significativa entre o número de rótulos positivos e negativos.

Na próxima seção, veremos duas melhores métricas para avaliar problemas de desequilíbrio de classe: precisão e recall.

Exceto quando indicado de outra forma, o conteúdo desta página está licenciado pela Licença Creative Commons Atribuição 4.0, e os exemplos de código são licenciados pela Licença Apache 2.0. Para obter detalhes, consulte as políticas de sites para desenvolvedores do Google. Java é uma marca registrada da Oracle e / ou de suas afiliadas.


Introdução

O ensaio de imunoabsorção enzimática (ELISA) é um método poderoso para detectar e quantificar uma proteína específica em uma mistura complexa. Descrito originalmente por Engvall e Perlmann (1971), o método permite a análise de amostras de proteínas imobilizadas em poços de microplacas utilizando anticorpos específicos. ELISAs são normalmente realizados em placas de poliestireno de 96 ou 384 poços, que se ligam passivamente a anticorpos e proteínas. É essa ligação e imobilização de reagentes que torna os ELISAs fáceis de projetar e executar. Ter os reagentes do ELISA imobilizados na superfície da microplaca facilita a separação do material ligado do não ligado durante o ensaio. Essa capacidade de usar anticorpos de alta afinidade e remover materiais ligados não específicos torna o ELISA uma ferramenta poderosa para medir analitos específicos dentro de uma preparação bruta.

Embora muitas variantes de ELISA tenham sido desenvolvidas e usadas em diferentes situações, todas elas dependem dos mesmos elementos básicos:

  1. Revestimento / captura–Imobilização direta ou indireta de antígenos na superfície dos poços da microplaca de poliestireno.
  2. Bloqueio de placa–Adição de proteína irrelevante ou outra molécula para cobrir todos os locais de ligação à superfície insaturados dos poços da microplaca.
  3. Sondagem / detecção–Incubação com anticorpos específicos do antígeno que se ligam por afinidade aos antígenos.
  4. Medição de sinal–Detecção do sinal gerado por meio da marcação direta ou secundária no anticorpo específico.

Os marcadores de enzima mais comumente usados ​​são peroxidase de rábano (HRP) e fosfatase alcalina (AP). Outras enzimas também foram usadas, incluindo β-galactosidase, acetilcolinesterase e catalase. Uma grande seleção de substratos está disponível comercialmente para a realização de ELISA com um conjugado HRP ou AP. A escolha do substrato depende da sensibilidade necessária do ensaio e da instrumentação disponível para detecção de sinal (espectrofotômetro, fluorômetro ou luminômetro).


Colocando o monitor de frequência cardíaca móvel em teste

Como os monitores de frequência cardíaca não médicos não são regulamentados pela Food and Drug Administration (FDA) dos Estados Unidos, sua precisão é um mistério, então decidi conduzir testes do mundo real contra a pedra de toque do monitoramento de frequência cardíaca, um EKG.

O teste

Cinco dispositivos foram escolhidos para teste: o Garmin VivoFit, o Basis Carbon Steel, o Withings Pulse O2, o Samsung Gear Fit e o Samsung Galaxy S5 (um telefone com sensor na ponta do dedo, para garantir).

Realizei dois testes para cada um: três medições em repouso e três imediatamente após correr em uma esteira. Este último exigiu que eu parasse de funcionar completamente, pois todos os dispositivos (exceto a cinta torácica), precisam que o usuário esteja completamente imóvel para fazer uma leitura.

Os resultados foram claros: a maioria dos rastreadores que empregam sensores ópticos eram apenas precisos (ou quase precisos) na minha frequência cardíaca normal em repouso de cerca de 70-80 BPM. O Garmin VivoFit, um dispositivo que utiliza uma cinta torácica, era previsivelmente mortal em taxas aceleradas após o exercício, no entanto.

Dispositivo Erro (%) em 80-90 BPM Erro (%) em 160-170 BPM
Garmin VivoFit 10.7 0
Pulso interno de O2 5.3 57.1
Aço Carbono Básico 10.2 57.9
Samsung Gear Fit 4.2 Incapaz de ler
Samsung Galaxy S5 3.1 0.2

Dispositivos com sensores ópticos que leem o pulso (em vez da ponta do dedo) tiveram mais problemas para rastrear a frequência cardíaca. Isso inclui o Aço Carbono Básico e o Ajuste de Engrenagem. Ambos apresentaram erros em vários testes ou foram significativamente imprecisos em comparação com o EKG pós-esforço, apoiando a ideia de que os monitores ópticos são desafiados por pulsações rápidas.

Em contraste, o Samsung Galaxy S5, um telefone com um monitor embutido que mede a frequência cardíaca na ponta do dedo usando um sensor óptico, testado quase exatamente em sincronia com o EKG.

/> James Martin / CNET

A precisão do Galaxy S5 novamente se resume à biologia. Ao contrário dos capilares estreitos e de bombeamento lento em seu pulso, há um vaso arterial na ponta de seu dedo indicador. Acompanha até as pulsações mais rápidas do seu coração e, graças à translucidez da pele da ponta do dedo, é fácil de ler.

Sensores baseados em pulso enfrentam a maioria dos desafios

Mesmo em repouso, dispositivos como o Basis Carbon Steel e o Samsung Gear Fit enfrentam dificuldades além da leitura capilar.

Um problema potencial é a pigmentação da pele. Como Bharat Vasan, COO e cofundador da Basis explicou, "A luz tem que penetrar em várias camadas. Portanto, quanto mais alta a pessoa está na escala de Fitzpatrick (uma medida do tom de pele), mais difícil é para a luz para quem está muito pálido em um ambiente muito iluminado, a luz pode ser apagada. O problema da cor da pele é algo que nossa tecnologia compensa. Quanto mais escura a pele, mais forte a luz brilha, mais claro [ a pele] menos ela brilha. "

Histórias relacionadas

Ouvimos leitores da CNET sobre esses problemas. Em relação ao Samsung Gear 2, YaBoyMartell disse: "Se você tiver uma pele escura, o monitor de frequência cardíaca não funcionará! Eu nem sou tão escuro e funciona 0 por cento do tempo. Se eu mover o sensor para a ponta do dedo (uma parte mais leve da minha mão), funciona perfeitamente. "

Vários fatores podem afetar a precisão desses monitores de frequência cardíaca, um sentimento enfatizado tanto pela Basis quanto pela Samsung. Projetados para uso durante o repouso, os produtos não toleram muitos movimentos ou interrupções durante as leituras. A Samsung ainda me sugeriu: "Para garantir a leitura mais precisa possível em nossos dispositivos, recomendamos sentar quieto durante a medição ou ajustar o sensor do dispositivo para que fique próximo às suas veias."

Quando questionados sobre as imprecisões, tanto a Basis quanto a Withings ofereceram unidades de substituição e expressaram confiança na capacidade de seus dispositivos de medir as frequências cardíacas com precisão. Basis afirma que seu dispositivo mede a frequência cardíaca acelerada, mesmo em BPMs muito altos, e estou ansioso para outra rodada de testes em dispositivos de substituição.

O que resta para os monitores ópticos de frequência cardíaca?

Se você comprou um desses dispositivos de pulso, você fica com uma opção: usá-los para monitorar a frequência cardíaca um tanto precisa durante o repouso, cujos benefícios são quase nulos para a maioria das pessoas, mas confie nos outros recursos - rastreamento de atividade e rastreamento de sono - para melhorar sua saúde e fitness.

"Se for apenas uma pessoa normal e um ritmo cardíaco normal, não acho que [monitorar a frequência cardíaca durante o repouso] mude tanto sua vida", disse o Dr. Zaroff. Em alguns casos, ele explica, uma pessoa pode ver sua freqüência cardíaca em repouso diminuir após muitos meses de exercícios e melhora física. Caso contrário, é melhor deixar esse caso de uso para pacientes cardíacos com arritmias ou outras condições que requerem monitoramento constante.


Fatores que afetam a zona de inibição

O pH do meio pode afetar a atividade do antibiótico e, portanto, pode alterar o tamanho da zona de inibição. Idealmente, o pH do meio é mantido entre 7,2 e # 8211 7,4. Se o pH estiver muito baixo, certas drogas como macrolídeos, quinolonas e aminoglicosídeos perdem sua potência, enquanto outras drogas, como as tetraciclinas, apresentam maior atividade. Em um pH mais alto, essas drogas apresentam propriedades exatamente opostas.

Densidade da Bactéria

Uma densidade particular do organismo precisa ser mantida, já que uma baixa densidade não leva à formação de grama no ágar, e uma alta densidade não permite o desenvolvimento adequado da zona de inibição. A densidade da bactéria utilizada é de cerca de 10 6 células.

Umidade

Para que se tenha uma zona de inibição bem definida, é necessário garantir que não haja excesso de umidade na superfície do meio ou na tampa.

Componentes do meio

Certos componentes do meio, como timina, sulfonamida ou timidina, podem inibir a atividade de antibióticos como o trimetoprim e podem gerar resultados falsos. Por esta razão, o ágar Mueller-Hinton é o meio prescrito. Este meio tem baixo teor de timina, sulfonamida e timidina. Este meio também contém amido - ele atua como uma fonte de carbono para a bactéria e também absorve metabólitos tóxicos que podem ser produzidos pelo organismo.

Observação: Normalmente, mais de um antibiótico pode ser usado em uma placa. Se, entretanto, as zonas de inibição de dois antibióticos se fundem, as leituras não devem ser consideradas e o experimento deve ser repetido.

Postagens Relacionadas

Os exemplos de eubactérias e suas descrições apresentadas a seguir devem ajudar a encontrar algumas informações úteis sobre suas características e infecções causadas por elas.

O número haplóide é o número de cromossomos que representam a metade do número diplóide de cromossomos. Este artigo lhe contará mais.

Uma analogia com os lisossomas ajuda a compreender melhor a função e a importância dessa organela celular. Leia para saber mais sobre isso.


Fontes de imprecisão e imprecisão

Algumas fontes de erro em dados GIS são muito óbvias, enquanto outras são mais difíceis de perceber. O software GIS pode fazer os usuários pensarem que seus dados são exatos e precisos em um grau que não é totalmente real. Escala, por exemplo, é um erro inerente à cartografia dependendo da escala usada, poderemos representar diferentes tipos de dados, em uma quantidade diferente e com uma qualidade diferente. Os cartógrafos devem sempre adaptar a escala de trabalho ao nível de detalhe necessário em seus projetos.

o idade dos dados pode ser outra fonte óbvia de erro. Quando as fontes de dados são muito antigas, parte ou grande parte da base de informações pode ter mudado. Os usuários de GIS devem estar sempre atentos ao usar dados antigos e a falta de atualização desses dados antes de usá-los para análises contemporâneas.

Existem alguns tipos de erros criados quando formatação dados para processamento. Mudanças na escala, reprojeções, importação / exportação de raster para vetor, etc., são todos exemplos de possíveis fontes de erros de formatação.

Outras fontes de erro podem não ser tão óbvias, algumas delas originadas no momento das medições iniciais, até mesmo a partir do momento da captura dos dados causados ​​pelos usuários.

Muitas vezes podemos identificar erros quantitativos e qualitativos. Um erro comum consiste em erros de rótulo. Por exemplo, uma terra agrícola pode ser marcada incorretamente como um pântano, e isso causaria um erro que o usuário do mapa pode não perceber porque pode não estar familiarizado com a área em questão. Erros quantitativos podem ocorrer também ao usar instrumentos que não foram devidamente calibrados, criando erros subsequentes difíceis de identificar em campo, mas que farão com que seu projeto perca precisão e confiabilidade.

Também devemos prestar atenção ao que foi definido como precisão posicional, que depende do tipo de dados. Os cartógrafos podem localizar com precisão certas características, como estradas, limites, etc., mas outros dados com posição menos definida no espaço, como tipos de solo, podem ser apenas uma localização aproximada com base na estimativa do cartógrafo. Outras características, como o clima, por exemplo, carecem de limites definidos na natureza e, portanto, estão sujeitas a interpretações subjetivas.

Erros topológicos ocorrem frequentemente durante o processo de digitalização. Erros do operador podem resultar em nós poligonais e loops, e também pode haver alguns erros associados a mapas de origem danificados.

Os erros podem ser intencionalmente introduzidos nos dados GIS. Mais comumente, a generalização, que é usada para reduzir a quantidade de detalhes em um conjunto de dados, introduz erros ao remover aspectos de um recurso.

Outra introdução intencional de erro é a marca registrada às vezes encontrada em conjuntos de dados por fornecedores comerciais de GIS. Por exemplo, um fornecedor de dados GIS pode inserir ruas falsas ou nomes de ruas falsos em um conjunto de dados.

Nunca podemos esquecer que imprecisão, imprecisão e o erro resultante podem ser agravados em um projeto GIS quando precisamos empregar mais de uma fonte de dados. Nesses tipos de projetos, um erro leva a outro, agravando seus efeitos na análise e afetando todo o projeto. Por esse motivo, fica claro que a melhor maneira de evitar os perigos de propagação de erros seria sempre preparar um relatório de qualidade de dados para os dados criados pelos usuários do GIS, mesmo que eles não planejem compartilhar os dados com terceiros. O uso de metadados, (ou dados sobre os dados), é uma das primeiras ferramentas que qualquer usuário de GIS deve consultar para saber mais sobre os dados que está usando e para evitar adicionar mais erros a um dado que em qualquer caso nunca será perfeito . Qualquer bom metadado deve sempre incluir algumas informações básicas como idade dos dados, origem, área que cobre, escala, sistema de projeção, precisão, formato, etc.


Removendo as janelas de um foguete

Você precisaria de janelas em um foguete para sobreviver a um lançamento de Marte? É uma pergunta interessante. A atmosfera é muito fina, então você pode subir o suficiente para que a atmosfera se torne irrelevante antes de você ir rápido o suficiente para que a atmosfera seja uma ameaça? Depende do perfil de empuxo. A questão é: em que altitude eles atingem 1km por segundo? Vamos descobrir: OK, então 1.000 metros por segundo ao quadrado, dividido por ... [Zubrin murmura algumas equações para si mesmo] ... você quer ir devagar neste caso, então vamos dizer 1G. Vamos tentar [mais murmurando] ... 50 quilômetros. Então, com uma aceleração lenta de 1G decolando de Marte, você chegaria a 50 quilômetros antes de viajar a 1 km por segundo. Então, eu diria que sim, é possível.


Nível de Atividade Física

O nível de atividade física é a razão de TEE para REE (ou BMR) e fornece um índice do excesso de produção relativo médio relacionado a PA (intensidade & # x02009 & # x000d7 & # x02009 duração) por um período de 24 horas (13) com TEE comumente derivado usando a técnica DLW. A validade do PAL foi testada e confirmada em uma grande amostra (51) e quando derivado de dados DLW, o índice é relativamente preciso, mas caro. Menos dispendiosa é a estimativa do ETE usando dados de FC, conforme discutido em uma seção posterior (13). Alguns questionaram a relevância de uma razão entre TEE e GER se PAL não for independente do peso corporal (52). Em estudos populacionais, PAL é calculado dividindo-se o consumo total de energia por uma estimativa do GER com o consumo total de energia servindo como substituto do TEE e assumindo que os indivíduos estão em balanço energético. O GER é medido ou previsto a partir da idade, sexo, altura e peso (13).

O nível de atividade física também pode ser usado para estimar as necessidades energéticas diárias totais de uma população, assumindo um PAL médio para o grupo em estudo. Por exemplo, um PAL equivalente a 1,56 preveria uma necessidade média de energia de

2000 & # x02009kcal / dia para mulheres com peso de 55 & # x02009kg (53). O índice também foi usado para verificar a precisão da ingestão energética autorreferida (54), ou seja, abaixo de um determinado limite (PAL & # x02009 & # x000d7 & # x020091.2) o índice sugere que a ingestão energética está subestimada (13).

Em adultos bem nutridos, o PAL médio é o principal determinante das necessidades de energia. PAL pode ser medido ou estimado a partir de valores médios de TEE e REE de 24 horas:

Os valores típicos de PAL em adultos de vida livre variam de 1,40 a


O EXERCÍCIO

O exercício é definido no início do semestre, embora os detalhes e a apostila não sejam distribuídos até que eu tenha coberto os tópicos de genética da transmissão necessários para completar a tarefa. Tento incluir exemplos de genes de cores de pelagem de gato sempre que possível ao cobrir a genética mendeliana. Uma boa descrição de genes e fenótipos felinos pode ser encontrada em R obinson (1991). Também coletei várias fotografias de vários gatos e as incluí na página do curso (http://bs-biosci.unl.edu/GCMB/Christensen/cats.html) para ilustrar vários genótipos. Os genes e conceitos associados que precisam ser explicados antes que os alunos estejam prontos para coletar dados são os seguintes.

Cabelo longo: Cabelo comprido é recessivo e é indicado por ll. Cabelo curto também é Ll ou LL. Uma explicação disso é apropriada no início da genética mendeliana.

Agouti: Uma explicação do cutia gene e seu efeito nos padrões de pigmentação do cabelo é apropriado no contexto de epistasia. Muitos textos de genética incluem exemplos de cutia e Preto em camundongos como exemplo de epistasia. Em gatos, a explicação é complicada pelo Malhado gene, que controla o padrão de expressão de cutia. Este conceito é um dos mais difíceis para os alunos. Eu geralmente uso o exemplo de camundongos para explicar o padrão de pigmentação de cada cabelo causado pelo cutia gene, a seguir introduza a ideia de que em gatos o Malhado gene causa o cutia gene a ser expresso por um período diferente de tempo durante o ciclo de crescimento do cabelo nas listras, levando ao padrão Tabby. Não classificamos alelos de Malhado no exercício porque Tb (Tabby-blotched) e T a (Malhado-abissínio) são muito raros nesta área. Em geral, isso simplifica as coisas para os alunos usarem o padrão Tabby como um indicador de se o gato é cutia (UMA_) ou nonagouti (aa) Se eles puderem ver um padrão Tabby no pelo, então o gato deve ser agouti, enquanto se as cores forem sólidas então o gato não é agouti.

Branco dominante: Um gato todo branco com olhos não rosados ​​provavelmente será C_ ao invés de albino. Gatos albinos são bastante raros entre 1519 gatos, meus alunos nunca relataram um. O branco dominante é um exemplo de epistasia dominante, pois é impossível pontuar qualquer um dos outros genes de cor na presença de C. Os gatinhos brancos dominantes geralmente têm uma ou mais pequenas manchas pigmentadas na testa que geralmente desaparecem na idade adulta.

Siamês e birmanês: O gene c tem dois alelos sensíveis à temperatura diferentes, c s (Siamês) e c b (Birmanês). Ambos são recessivos para C. O birmanês tem mais pigmentação nas partes quentes do corpo do que o siamês. Tento desencorajar os alunos a fazerem a genotipagem de siameses e birmaneses, já que a criação desses gatos geralmente está sob controle de humanos, portanto, a suposição de Hardy-Weinberg de acasalamento aleatório é improvável que seja verdadeira. Se os alunos entregam o genótipo de um siamês ou birmanês, conto o número de C e c alelos e calcula as frequências dos alelos, mas não inclui os outros genes de cores destes gatos nos totais da população. Se o tamanho da classe fosse menor, eu desencorajaria fortemente o uso de quaisquer raças sofisticadas.

Mancha malhada: Este é um bom exemplo de dominância incompleta e expressividade variável. Simplificado, WL gatos não têm pêlo branco, WL gatos geralmente têm pelo branco & lt50%, e WL os gatos geralmente têm & gt50% de pelo branco (gatos que são 100% brancos são classificados como brancos dominantes e não podem ser pontuados por manchas pretas). o S o alelo é incompletamente dominante, mas expresso de forma variável, portanto, há um gradiente mais ou menos contínuo de pigmentação branca nas populações. O padrão na literatura é classificar gatos para manchas malhadas em uma escala de 1 a 10 (R obinson 1991). No entanto, descobri que a diretriz de 50% funciona muito bem. Poucos gatos estão próximos do limite, então as dificuldades e imprecisões causadas por esta aproximação são poucas.

Laranja: Este é um bom exemplo para ilustrar a ligação sexual e a compensação da dosagem. Os alunos precisam ser informados de que o dominante O alelo apenas muda o pigmento preto para laranja, enquanto os pigmentos amarelos no pêlo permanecem inalterados. Um padrão Tabby ainda é visível em um gato agouti laranja. Porque o O gene está no X cromossomo, os homens são hemizigóticos e são O ou o. Mulheres podem ser OO e completamente laranja, oo e não têm laranja, ou são heterozigotos, Oo, e são mosaicos de pele laranja e não alaranjada devido a X-inativação. O tamanho do patch do mosaico pode variar um pouco, embora se correlacione com o tamanho das manchas brancas produzidas pelo locus manchado malhado (N orby e T huline 1965). Os alunos costumam perguntar sobre gatos machos de chita ou tortioseshell, que são raros e geralmente são XXY, o equivalente felino da síndrome de Klinefelter (C enterwall e B enirschke 1973 M oran et al. 1984).

Diluir: O gene final marcado é diluído (d) Este é um modificador recessivo da pigmentação, que faz com que o pigmento preto se torne cinza (geralmente com uma tonalidade azulada) e o pigmento laranja se dilua em creme. Diluído pode ser pontuado na presença de qualquer uma das outras cores, exceto o branco dominante, e é um bom exemplo de interação epistática.

Genes de cor que não são pontuados incluem marrom (b), que é encontrado no marrom Havana ou no ponto chocolate siamês e birmanês, mas é muito raro no Meio-Oeste (apenas um marrom Havana foi relatado em 1519 gatos em cinco anos) e prata (eu), que altera os pigmentos amarelos visíveis no gato cutia para branco. Alguns alunos notaram o pelo com pontas prateadas, mas se eles forem instruídos a olhar apenas para os pigmentos mais escuros, isso não causará confusão. Os gatos Manx são um bom exemplo de um único gene com dois fenótipos: dominante sem cauda e recessivo letal. Eu uso os gatos Manx como um exemplo de gene letal recessivo e deixo espaço para os alunos descrevê-lo no formulário, mas é raro nessa área. Ocasionalmente, os alunos relatam polidactilia, outro exemplo de expressividade variável e penetrância incompleta. Em áreas onde esses genes são comuns, eles podem ser facilmente adicionados à lista de verificação.

A Figura 1 mostra a lista de verificação que os alunos recebem. Uma apostila descrevendo resumidamente o propósito do exercício e lembrando-os dos genótipos e fenótipos também é distribuída. Uma fonte de erro potencial é que pode não ser possível para o aluno determinar com precisão o sexo do gato. Deve-se ressaltar que não se deve adivinhar o gênero, mas apenas escrever desconhecido. Gatos de gênero desconhecido não devem ser usados ​​no cálculo de laranja frequências de alelos. No primeiro ano que fiz este exercício, os resultados com laranja não estavam em equilíbrio de Hardy-Weinberg. Nos anos subsequentes, instruí-os a não adivinhar o sexo se não tivessem certeza absoluta, e os resultados com laranja estão em equilíbrio de Hardy-Weinberg desde então. Também é importante enfatizar para os alunos que eles devem registrar seus dados com clareza, especialmente tendo o cuidado de distinguir O de o e S de s. Na lista de verificação, uso uma fonte para as letras minúsculas que ajuda a distingui-las das maiúsculas (veja a Figura 1) e digo aos alunos para escreverem com clareza.


Conclusão

Com tantas abordagens disponíveis, a avaliação precisa de PA e quantificação de EE pode ser muito desafiadora. É importante reconhecer que, independentemente da aparente sofisticação das técnicas, todas têm pontos fortes e fracos inerentes. Uma melhor compreensão dos méritos das diferentes abordagens deve informar a tomada de decisão e a seleção da melhor abordagem para a situação, inclusive para populações específicas, como crianças com sobrepeso e obesas (183).

As abordagens de medição objetiva têm sido o foco principal desta revisão, no entanto, as abordagens subjetivas, incluindo diários e PAQs, têm o potencial de fornecer dados descritivos ricos. No entanto, uma grande deficiência reconhecida das abordagens subjetivas é sua forte dependência de uma lembrança individual dos eventos. Portanto, dependendo do contexto, tais abordagens podem estar sujeitas a relatórios insuficientes ou excessivos.

Apesar das vantagens das medidas objetivas, algumas abordagens e dispositivos, incluindo a acelerometria, são inadequados para a quantificação de outras atividades além de caminhar e correr. Por exemplo, os acelerômetros não são capazes de quantificar o movimento na natação e no ciclismo.

O cenário ideal é que PA e EE sejam medidos com ferramentas e abordagens de qualidade de pesquisa. Se alguém está interessado em AF total, uma compreensão da inatividade física também é importante. A medição da AF total ou EE é informativa, mas informações muito mais ricas estão disponíveis quando a AF e a intensidade do exercício são monitoradas, não simplesmente a dose total de AF realizada. Uma das deficiências fundamentais de qualquer abordagem, novamente independentemente do nível de sofisticação, é a integridade do dispositivo. Isso inclui a confiabilidade de cada instrumento e se o dispositivo foi calibrado para cada indivíduo para o máximo benefício.

Em resumo, AF é um construto complexo que abrange diferentes dimensões, como PAEE ou AFMV, uma variedade de contextos como ocupação, transporte, exercício e atividades diárias e diferentes tipos de atividade ou exercício (177). Dada a variedade de aplicações para medidas de AF, por exemplo, em vigilância, epidemiologia, pesquisa clínica e de intervenção, é altamente improvável que uma única medida de AF relatada seja suficiente, de fato seja alcançável. Conforme mencionado em uma seção anterior, avanços significativos foram feitos com abordagens que combinam medidas objetivas, como acelerômetros, monitores de RH e sensores de localização geográfica com autorrelato de contexto e propósito, às vezes relatado em tempo real (154, 177).

Troiano (177) forneceu bons conselhos sobre melhorias nas abordagens de autorrelato, incluindo a sugestão de que a consideração dos requisitos do estudo ou projeto influenciam a escolha do instrumento de avaliação. Especificamente, que aspecto (s) da AF se deseja medir, quais são as características da população-alvo e os dados serão usados ​​para descrever grupos ou indivíduos? Em segundo lugar, Troiano (177) sugere que os resultados dos instrumentos de autorrelato devem ser tratados como & # x0201 PA & # x0201d relatado em reconhecimento de que o que foi relatado pode não & # x0201c refletir de maneira precisa e precisa o comportamento que está sendo procurado. & # X0201d


Assista o vídeo: COMO OCORRE A TRANSFERÊNCIA DOS CARACTERES NOS SERES HUMANOS? (Janeiro 2022).