Información

¿Por qué hay un valor de Cp / Ct (punto de cruce) para la muestra negativa en COVID-19 RT-PCR?

¿Por qué hay un valor de Cp / Ct (punto de cruce) para la muestra negativa en COVID-19 RT-PCR?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Soy de TI / Ingeniería y tengo cierta confusión en RT-PCR. Hasta ahora, según tengo entendido, extraemos ARN de las muestras de prueba y lo transcribimos en ADN complementario (ADNc), y dentro de la doble hélice de ADN de PCR se separa. Luego, cebe una secuencia corta de ácido nucleico que proporcione un punto de partida para la síntesis de ADN con la secuencia objetivo y multiplique el ADN objetivo.

Dado que un valor de cp más alto indica un resultado negativo, ¿por qué los resultados negativos tienen un valor de cp? ¿Por qué cruza el umbral cuando tiene alguna secuencia diana (ADN viral)? La fluorescencia es la medida del ADN objetivo, ¿verdad?

En la extracción, se extrae el ARN, ¿solo se deduce el ARN viral COVID? ¿Qué sucede con otros ARN víricos y humanos?

He visto resultados donde tenemos un valor de cp bajo y el resultado de la prueba es negativo, la razón de esto fue porque la curva no tiene función sigmoidea. Necesito más explicaciones al respecto.


  1. La PCR es muy específica (lo que significa que amplifica solo el ADN al que se unen los cebadores), por lo que los resultados en general son buenos. Pero: debido a la naturaleza exponencial de la amplificación, incluso los emparejamientos muy pequeños pueden conducir a la amplificación de una cantidad muy pequeña de ADN y, posteriormente, a una señal fluorescente. Básicamente hay dos formas de obtener esta amplificación (excepto de la deseada): Contaminaciones y autoamplificación del cebador. El primero debe ser claro, el segundo ocurre cuando los cebadores pueden unirse a sí mismos (o al complementario). Esto suele aparecer tarde en la PCR, que es la razón por la que le asigna un valor Ct, después del cual ya no espera ningún resultado de amplificación significativo.

  2. Dependiendo del método, extrae todo el ARN de su muestra y lo traduce a ADNc. Sin embargo, para la amplificación en la PCR se necesitan cebadores que se ajusten a este cDNA. Y dado que se ha demostrado que estos cebadores son altamente específicos (es decir, no se unen en absoluto a ninguna otra secuencia, ni siquiera de especies virales estrechamente relacionadas), podemos estar seguros de que cualquier señal que cumpla los criterios mencionados en 1. proviene del ARN viral y muestra una infección. Consulte la referencia de una de las pruebas de PCR más utilizadas.

  3. Sin ver la curva, no puedo decir nada específico al respecto. En general, una curva de PCR en tiempo real sigue una forma sigmoidea. Esto brinda información sobre la forma en que la reacción progresó con el tiempo. Si se ve diferente, es posible que algo le haya sucedido a la reacción o a la muestra. Puede contener un inhibidor de la PCR, la muestra puede estar contaminada o algo más. No confiaría en tal resultado y lo repetiría con una nueva muestra.

Referencia

Detección del nuevo coronavirus de 2019 (2019-nCoV) mediante RT-PCR en tiempo real


Si bien la respuesta de @ Chris es correcta, hay una complicación que entra en juego:

El principio detrás de la PCR cuantitativa (qPCR) es que tiene una reacción que, si su reacción es 100% eficiente, duplica la cantidad de hebras de ADN producidas en cada ciclo. En teoría, puede comenzar desde una hebra y obtener 2, luego 4, luego 8 en un 2norte ecuación de estilo, dondenortees el número de ciclo.

Sin embargo, en realidad esto ocurre raras veces, la mayoría de las reacciones no son 100% eficientes; generalmente en el rango del 90% se considera aceptable, por lo que si hace los cálculos, no funciona al duplicar cada ciclo.

Las pruebas de qPCR que se ejecutan en muestras de COVID-19 generalmente se agotan en 45 ciclos, lo que si calcula los cálculos, significa que si una muestra muestra algo de amplificación en este punto, entonces hay menos de 1 copia del ARN (en realidad ADNc) en cada reacción, por lo que es probable que la señal sea una amplificación no específica o señales espúreas de otros productos en la reacción, como los dímeros de cebadores (aunque no debería ser el caso en estas pruebas, usan un sistema que todos -pero elimina este problema).

La amplificación no específica se puede detectar observando la reacción y comparando las curvas de fusión de los productos de la PCR. Los productos específicos tendrán curvas de fusión que cumplan con ciertos criterios (todos con un pico en el mismo punto), mientras que los productos no específicos tendrán diferentes puntos / curvas de fusión.


PCR en tiempo real: comprensión de C t

La PCR en tiempo real, también llamada PCR cuantitativa o qPCR, puede proporcionar un método simple y elegante para determinar la cantidad de una secuencia o gen diana que está presente en una muestra. Su misma simplicidad a veces puede generar problemas al pasar por alto algunos de los factores críticos que hacen que funcione. Esta revisión destacará estos factores que deben tenerse en cuenta al configurar y evaluar una reacción de PCR en tiempo real.

Factores que pueden influir en Ct

Ct (ciclo de umbral) es la intersección entre una curva de amplificación y una línea de umbral (Figura 1B). Es una medida relativa de la concentración de la diana en la reacción de PCR. Muchos factores impactan el valor absoluto de Ct además de la concentración del objetivo. Discutiremos los factores independientes de la plantilla más comunes que pueden influir en Ct y describir cómo evaluar el rendimiento de una reacción de PCR en tiempo real.

La Figura 1, arriba, muestra varios parámetros del gráfico de amplificación de la reacción en tiempo real. La fase exponencial en la Figura 1B corresponde a la fase lineal en la Figura 1C. El umbral debe establecerse en la fase lineal de la gráfica de amplificación en la Figura 1C. La Ct el valor aumenta con una cantidad decreciente de plantilla. Sin embargo, los artefactos de la mezcla de reacción o del instrumento que cambian las mediciones de fluorescencia asociadas con la Ct El cálculo dará como resultado cambios independientes de la plantilla en Ct valor. Por tanto, la Ct Los valores de las reacciones de PCR ejecutadas en diferentes condiciones o con diferentes reactivos no se pueden comparar directamente.


Abstracto

La histoplasmosis se considera una de las micosis endémicas y sistémicas más importantes a nivel mundial. Hasta ahora se han desarrollado pocas técnicas moleculares para su diagnóstico. El objetivo de este estudio fue desarrollar y evaluar tres protocolos de PCR en tiempo real (qPCR) para diferentes genes codificadores de proteínas (antígenos de 100 kDa, H y M) utilizando un modelo animal. Tejidos pulmonares frescos y fijados con formalina e incluidos en parafina (FFPE) de ratones BALB / c inoculados i.n. con 2.5x10 6 Histoplasma capsulatum Se obtuvieron levaduras o PBS a las 1, 2, 3, 4, 8, 12 y 16 semanas después de la infección. Una colección de ADN de culturas que representan diferentes clados de H. capsulatum (30 cepas) y otros patógenos médicamente relevantes (36 cepas de hongos relacionados y Tuberculosis micobacteriana) se utilizaron para analizar la sensibilidad y la especificidad. La sensibilidad y la especificidad analíticas fueron del 100% cuando se analizaron los ADN de las diferentes cepas. La carga de hongos más alta ocurrió en la primera semana después de la infección y se observó una eliminación completa de hongos después de la tercera semana. Se obtuvieron resultados similares cuando la presencia de H. capsulatum Las células de levadura se demostraron en el análisis histopatológico. En la primera semana posterior a la infección, todos los tejidos pulmonares frescos y FFPE de H. capsulatumLos animales infectados dieron positivo para los protocolos de qPCR probados, excepto para el protocolo del antígeno M, que dio resultados variables cuando se analizaron muestras de tejido pulmonar fresco. En la segunda semana, todos los protocolos de qPCR mostraron resultados variables tanto para tejidos frescos como para tejidos FFPE. Las muestras de los ratones infectados en los tiempos restantes después de la infección y los ratones no infectados (controles) fueron negativas para todos los protocolos. Se observó una buena concordancia entre las UFC, el análisis histopatológico y los resultados de qPCR para los protocolos de antígeno H y de 100 kDa. Estandarizamos y validamos con éxito tres ensayos de qPCR para detectar H. capsulatum ADN en tejidos frescos y FFPE, y concluyen que los ensayos moleculares del antígeno H y 100 kDa son pruebas prometedoras para diagnosticar esta micosis.

Citación: López LF, Muñoz CO, Cáceres DH, Tobón ÁM, Loparev V, Clay O, et al. (2017) Estandarización y validación de ensayos de PCR en tiempo real para el diagnóstico de histoplasmosis utilizando tres dianas moleculares en un modelo animal. PLoS ONE 12 (12): e0190311. https://doi.org/10.1371/journal.pone.0190311

Editor: Ulrich Melcher, Universidad Estatal de Oklahoma, ESTADOS UNIDOS

Recibió: 19 de septiembre de 2017 Aceptado: 12 de diciembre de 2017 Publicado: 29 de diciembre de 2017

Este es un artículo de acceso abierto, libre de derechos de autor, y puede ser reproducido, distribuido, transmitido, modificado, construido sobre o usado por cualquier persona para cualquier propósito legal. El trabajo está disponible bajo la dedicación de dominio público de Creative Commons CC0.

Disponibilidad de datos: Todos los datos relevantes están dentro del documento.

Fondos: Este estudio fue apoyado por Colciencias (Departamento Administrativo de Ciencia, Tecnología e Innovación), Bogotá, Colombia, Código de proyecto número 221356933625 a BLG Fondo de Investigaciones de la Universidad del Rosario (FIUR), Bogotá, Colombia, código DVG154 a BLG Comité para el Desarrollo de la Investigación (CODI) de la Universidad de Antioquia a través del Programa de Estrategia de Sustentabilidad 2016-2017 y la Rama de Enfermedades Micóticas, CDC, Atlanta, EE. UU., Y la Compañía IMMY, Norman, Oklahoma, EE. UU. Para una beca de viaje para el estudiante que apoya nuestra proyecto. Los patrocinadores no tuvieron ningún papel en el diseño del estudio, la recopilación y el análisis de datos, la decisión de publicar o la preparación del manuscrito.

Conflicto de intereses: Los autores han declarado que no existen intereses en competencia.


2 respuestas 2

NIST tiene dos documentos que cubren las categorizaciones y subcategorías de seguridad de la información.

El marco de ciberseguridad (NIST CSF; consulte https://www.nist.gov/cyberframework) es el más simple de los dos, pero ciertamente proporciona lo que está buscando a un alto nivel. Las categorías principales son Identificar, Proteger, Detectar, Responder, Recuperar y cada una de ellas tiene alguna subcategorización. El CSF cubre poco más de 100 elementos, lo que lo hace muy accesible.

El otro documento es Controles de seguridad y privacidad para organizaciones y sistemas de información federales (consulte http://nvlpubs.nist.gov/nistpubs/SpecialPublications/NIST.SP.800-53r4.pdf). Los controles de seguridad se enumeran en el Apéndice F.

Cuando tenga hallazgos que no se ajusten a las categorizaciones anteriores, puede crear su propia sección miscelánea. Sin embargo, al adherirse al NIST, al menos está presentando hallazgos utilizando un marco industrial reconocido que se puede usar para varios clientes y se asegura de que está hablando un idioma estandarizado.


2 respuestas 2

Puede intentar descargar 30m SRTM para su región y derivar los contornos usted mismo. Está disponible a través de EarthExplorer de forma gratuita. Los contornos se pueden generar con la herramienta Ráster> Extracción> Contorno en QGIS.

De manera similar a la sugerencia de Rob Skelly, en segundo lugar usaría datos SRTM de 30 m.

Sé que Whitebox tiene una gran herramienta para esto que descargará los archivos SRTM y procesará el DEM de una sola vez según su área.


1 respuesta 1

El tweak es un servicio que le proporciona el método de cifrado. Lo que le permite hacer es proporcionar separación de contexto para varios cifrados utilizando la misma clave.

Aquí está el problema con el que está tratando de ayudar: suponga que usa la misma clave para encriptar varios elementos, por ejemplo, suponga que está encriptando todos los elementos en una columna de una base de datos con esta clave.

Esto lleva a un problema: si el registro de datos correspondiente a Alice tiene un 5 en este campo, y el correspondiente a Bob también tiene un 5 en este campo, entonces ambos registros tendrían el mismo valor encriptado. Alguien que mire los registros cifrados no podrá decir cuál es ese valor común, sin embargo, sabe que son iguales. Y, si Bob sabe cuál es su valor, entonces sabe cuál es el valor de Alice.

Una forma obvia de manejarlo es simplemente usar una clave diferente para cada registro. Eso funcionaría, pero hay muchas llaves que manejar y almacenar.

El ajuste proporciona una forma alternativa de manejarlo; cambia el mapeo entre texto plano y texto cifrado, sin embargo (a diferencia de la clave) no asumimos que el atacante no sepa qué es. En nuestro ejemplo de base de datos, podríamos modificar el nombre del usuario ("Alice" y "Bob") y luego, incluso si el registro cifrado de Alice y Bob tiene el mismo valor cifrado, nadie puede deducir nada de eso (porque las asignaciones del texto cifrado al texto sin formato es independiente, pueden mapear al mismo valor, y puede que no).

¿Qué significa esto para ti? Bueno, eso depende de para qué estés usando FE1. Si literalmente está encriptando un valor con la clave, bueno, realmente no lo necesita; puede establecerlo en un valor fijo (por ejemplo, la cadena vacía). Sin embargo, si está encriptando varios valores con la misma clave, es posible que pueda aprovecharla.

Una nota final: ¿por qué este ajuste es especialmente importante para el formato que preserva el cifrado? Bueno, con los modos de cifrado estándar, agregamos un factor de aleatorización (IV) durante el cifrado (de modo que, incluso si encripta el mismo valor dos veces, elegiremos IV diferentes), y así el texto cifrado se vería diferente. Sin embargo, esta aleatorización necesariamente hace que el texto cifrado sea más grande que el texto sin formato. Con Format Preserving Encryption, no tenemos esa opción, por lo tanto, necesitamos otra forma de abordar esto.


¿Por qué hay un valor de Cp / Ct (punto de cruce) para la muestra negativa en COVID-19 RT-PCR? - biología

Habilitación presentada al Centro de Facultad de Ciencias de la Vida y la Alimentación,
Technische Universit & aumlt M & uumlnchen - Weihenstephan en enero de 2003
Autor: Dr. Michael W. Pfaffl
Instituto de Fisiología, Centro de Ciencias de la Vida y los Alimentos, Weihenstephaner Berg 3, 85354 Freising, Alemania

  • Abstracto
  • Introducción
  • Transcriptoma de ganado
    • Extracción de ARN
    • Transcripción inversa
    • Cuantificación absoluta
    • Ventajas y desventajas de los estándares externos.
    • Aplicación de cuantificación absoluta
    • Cuantificación relativa
    • Aplicación de cuantificación relativa
    • Evaluación de datos
    • Automatización del procedimiento de cuantificación
    • Comparación estadística

    C) RT-PCR estandarizada externamente con detección en línea usando sondas de hibridación específicas (18-20): este formato de detección se basa en varios formatos de detección de fluorescencia, p. Ej. transferencia de energía de resonancia de fluorescencia (FRET).


    Transcriptoma de ganado

    Figura 1: Caracterización del transcriptoma aislado de numerosas muestras de tejido bovino (29, 30).

    El ARN aislado puede contener inhibidores de enzimas tisulares que dan como resultado eficiencias reducidas de la reacción de RT y PCR y generan resultados de cuantificación incorrectos y poco confiables (25, 26). La mayoría de las preparaciones de ARN están contaminadas con ADN y proteínas en niveles muy bajos. Incluso el ARN de alta calidad obtenido comercialmente contiene cantidades detectables de ADN (26). Si bien esto no es un problema para algunas aplicaciones, el tremendo poder de amplificación de la PCR cinética puede resultar en que incluso la menor cantidad de contaminación del ADN interfiera con la & # 8220 amplificación específica & # 8221 deseada. Para confirmar la ausencia de ADN residual, siempre se debe incluir un & # 8220minus-RT & # 8221 o un & # 8222 control de agua & # 8220 en el diseño experimental. Puede ser necesario tratar la muestra de ARN con ADNasa libre de ARNasa disponible comercialmente para eliminar el ADN residual.


    Transcripción inversa

    cebadores hexámeros aleatorios y cebador gt poly-dt y cebador específico del gen gt


    Comparación de RT-PCR en tiempo real con el método de detección de punto final

    Figura 2: Las cuatro fases características de la PCR, evaluadas mediante adquisición de fluorescencia por PCR en tiempo real (59, 60).


    Plataformas de RT-PCR en tiempo real y desarrolladas químicamente


    Estrategias de cuantificación en RT-PCR cinética

    Cuantificación absoluta

    80%) y ARN de transferencia (ARNt, 10-15%), que se muestran en la figura 1. Estas subfracciones de ARN que faltan pueden influir en la tasa de síntesis de ADNc y, en consecuencia, aumenta la eficiencia de RT y las curvas de calibración se sobreestiman en la cuantificación de genes (3, 4, 85, 86). Para compensar los efectos de fondo e imitar una distribución de ARN natural como en el ARN total nativo, se puede usar ARN total aislado de líneas celulares de bacterias o insectos. Alternativamente, se pueden usar fuentes de ARN disponibles comercialmente como fondo de ARN, p. poli-A ARN o ARNt, pero no representan una distribución de ARN nativo sobre todas las subfracciones de ARN (3, 4, 42). Los resultados anteriores sugieren que generalmente se necesita un mínimo de fondo de ARN y que mejora la tasa de eficiencia de la síntesis de RT. Las concentraciones bajas de ARN rec que se utilizan en las curvas de calibración siempre deben amortiguarse con concentraciones moderadas de ARN de fondo o portador no específico, de lo contrario, las cantidades bajas pueden degradarse fácilmente por la ARNasa. Las concentraciones de fondo muy altas tuvieron un efecto de supresión más significativo en la tasa de síntesis de RT y en la eficiencia de la PCR en tiempo real posterior (4).


    Ventajas y desventajas de los estándares externos.

    Figura 5: Media intraensayo (n = 7x3) y variación interensayo (n = 7x7) del ensayo de RT-PCR en tiempo real alfa del receptor de estrógeno (ER), utilizando la curva de calibración de ADNc estandarizada externamente (73-75, 83).


    Aplicación de cuantificación absoluta

    Figura 7: Números medios de copias de ARNm de PrPc en varios tejidos bovinos en mg de tejido (76). Las líneas de error indican SD.


    Cuantificación relativa

    ecuación 1

    ecuación 2

    ecuación 3

    ecuación 4

    ecuación 5

    ecuación 6


    Aplicación de cuantificación relativa

    De los 1001 genes presentes en la micromatriz, se encontró que 457 genes en el hígado y 566 genes en el yeyuno se expresaban con intensidades de señal en al menos uno de los dos canales para Cy3 o Cy5 superiores al doble de los controles negativos. Los genes se combinaron en clases (0,1 veces el ancho de expresión), entre una proporción de expresión de 1 y 2 veces y una expresión de más de 2 veces en rangos más amplios. Se calculó una regresión gaussiana de tres paramétricos para cada tejido (figura 10) sobre la base de una conversión logarítmica (10 log) de las relaciones de expresión medianas de cada clase. Esto resultó en un alto coeficiente de regresión (rliver = 0.854, p & lt 0.0001 rjejunum = 0.853, p & lt 0.0001) y en una distribución normal de ambos conjuntos de datos de frecuencia. Se calculó un intervalo confidencial del 95% para la relación de expresión x veces (x), a dos caras de la media (& micro) según la distribución gaussiana (& micro - 1,96 x desviación estándar & lt & micro & lt & micro + 1,96 x desviación estándar) y la Se definieron bordes de nivel de significancia de dos lados al 2,5% (p & lt 0,05). Para el hígado y el yeyuno se calcularon los siguientes intervalos de confianza del 95%: -1,82 veces & lt x & lt + 1,74 veces, -1,71 veces & lt x & lt + 1,61 veces, respectivamente. De acuerdo con los puntos de corte derivados, se seleccionaron 85 genes candidatos en total (figura 10).


    Cómo deshacerse de artefactos de PCR en tiempo real inespecíficos

    1er segmento con desnaturalización a 95 ° C
    Segundo segmento con recocido de imprimación a 55-65 y ° C
    3er segmento con alargamiento a 72 ° C
    Cuarto segmento con adquisición de fluorescencia a temperaturas elevadas (51, 64, 103).

    Las ventajas de una adquisición de fluorescencia a alta temperatura durante la amplificación son una cuantificación más confiable con menos variación en un rango de cuantificación más amplio (60, 72, 83). La adquisición de fluorescencia en el cuarto segmento se realiza principalmente en el rango de 80-87 ° C, elimina las señales de fluorescencia inespecíficas derivadas de dímeros de cebadores o productos menores inespecíficos y asegura una cuantificación precisa del producto deseado. La cuantificación a alta temperatura mantiene la fluorescencia de fondo y la fluorescencia & # 8222 sin molde de control & # 8220 por debajo del 2-3% de la fluorescencia máxima en la meseta (58, 60, 72). Especialmente en la determinación de SYBR & reg Green I, se puede lograr una cuantificación de transcripción sensible con alta linealidad (coeficiente de correlación r = 0,99) en ocho órdenes de magnitud (102 a 109 moléculas de ARN de inicio) (figura 12 B). Por el contrario, una determinación convencional a 72 ° C da como resultado un intervalo de cuantificación truncado (r = 0,99) en sólo cuatro órdenes de magnitud (105 a 109 moléculas de ARN de inicio, figura 12 A).


    Eficiencia de amplificación por PCR en tiempo real

    Figura 13: Determinación de las eficiencias de PCR en tiempo real a partir de las pendientes de la curva de calibración (método A), según la ecuación: E = 10 [& # 82111 / pendiente] (5, 53, 65) del & # 8220 gen de referencia & # 8221 glutatión transferasa (Gst) y dos & # 8220 genes objetivo & # 8221: operón triptófano (TyrA) y aspartato transcarbamilasa (PyrB) (99). Se trazaron los ciclos de CP frente a la entrada de concentración de ADNc (ARN total transcrito en reversa) (escala logarítmica) para calcular la pendiente (media y más DE n = 3).


    Normalización de los resultados de la expresión

    Aquí surge una pregunta central: & # 8220 ¿Cuál es el gen de referencia apropiado para un tratamiento experimental y tejido investigado? & # 8221 (3, 42, 133).

    jvdesomp / genorm /). El subprograma GeNorm VBA para Microsoft Excel determina los genes de mantenimiento más estables a partir de un conjunto de 10 genes probados en un panel de muestra de ADNc determinado y calcula un factor de normalización de la expresión génica para cada muestra de tejido en función de la media geométrica de un número de mantenimiento definido por el usuario genes. La estrategia de normalización utilizada en GeNorm es un requisito previo para la determinación del perfil de expresión cinética de RT-PCR precisa, lo que abre la posibilidad de estudiar la relevancia biológica de pequeñas diferencias de expresión (40).


    Procesamiento de datos de PCR en tiempo real


    Automatización del procedimiento de cuantificación

    Sin embargo, la aplicación exitosa de RT-PCR y REST en tiempo real depende de una comprensión clara de los problemas prácticos. Por lo tanto, un diseño experimental coherente, la aplicación y la validación del ensayo individual de RT-PCR en tiempo real sigue siendo esencial para una medición precisa y totalmente cuantitativa de las transcripciones de ARNm (http://www.wzw.tum.de/gene-quantification/rest.html ).


    Comparación estadística

    Solo dos paquetes de software gratuitos disponibles admiten el análisis estadístico de los resultados de expresión: Q-Gene (102) y REST (100). El complemento Q-Gene Statistics es una colección de varios programas VBA para el rendimiento rápido y guiado por menús de las pruebas estadísticas paramétricas y no paramétricas de uso frecuente. Para evaluar la diferencia de nivel de significancia entre los valores de expresión de dos grupos, es posible realizar una prueba de Student & # 8217s emparejada o no emparejada, una prueba U de Mann-Whitney o una prueba de rango con signo de Wilcoxon (137). Además, el análisis de correlación de Pearson & # 8217s se puede aplicar entre dos grupos coincidentes de valores de expresión. Además, todos los programas estadísticos calculan los valores medios de ambos grupos analizados y su diferencia en porcentaje.

    Me gustaría agradecer a D. Tetzlaff y A. Sachsenhauser por su asistencia técnica y a todos los demás miembros del laboratorio por el buen ambiente de trabajo.

    1. Orlando, C., Pinzani, P. y Pazzagli, M., Desarrollos en PCR cuantitativa, Clin. Chem. Lab Med., 36: 255-269, 1998.

    2. Lockey, C., Otto E. y Long, Z., Detección de fluorescencia en tiempo real de una sola molécula de ADN. Biotechniques, 24: 744-746, 1998.

    3. Bustin, S.A., cuantificación absoluta de ARNm utilizando ensayos de reacción en cadena de la polimerasa con transcripción inversa en tiempo real. J Mol Endocrinol., 25: 169-193, 2000.

    5. Bustin, S.A., Dorudi S., El valor de las técnicas de microarrays para el perfil cuantitativo de genes en el diagnóstico molecular. Trends Mol Med 8 (6): 269-272, 2002.

    6. Harrington, C.A., Rosenow, C. y Retief, J., Monitorización de la expresión génica mediante microarrays de ADN. Curr Opin Microbiol. 3 (3), 285-291, 2000.

    7. Schena, M., Shalon, D., Davis, R.W. y Brown, P.O., Monitoreo cuantitativo de patrones de expresión génica con una micromatriz de ADN complementaria. Ciencias. 270 (5235), 368-371, 1995.

    8. DeRisi, J.L, e Iyer, V.R., (1999) Genomics and array technology. Curr Opin Oncol. 11 (1), 76-79.

    9. DeRisi, J.L., Iyer, V.R. y Brown P.O., Explorando el control metabólico y genético de la expresión génica a escala genómica. Ciencias. 278 (5338), 680-686, 1997.

    11. Pfaffl, MW Schwarz, F., y Sauerwein, H., Cuantificación del ARNm del factor de crecimiento similar a la insulina 1 (IGF-1): la modulación de la intensidad del crecimiento mediante la alimentación da como resultado diferencias específicas entre tejidos e intra-tejidos de IGF -1 expresión de ARNm en novillos. Endocrinología clínica y experimental y diabetes 106 (6): 513-520, 1998.

    14. Higuchi, R., Fockler, C., Dollinger, G. y Watson, R., Análisis de PCR cinético: seguimiento en tiempo real de las reacciones de amplificación del ADN. Biotecnología, 11 (9): 1026-1030, 1993.

    15. Heid, C. A., Stevens, J., Livak, K.J. y Williams, P.M., PCR cuantitativa en tiempo real, Genome Res., 6: 986-993, 1996.

    16. Gibson, U.E., Heid, C.A ,. Y Williams, P.M., Un método novedoso para RT-PCR cuantitativa en tiempo real. Genome Res, 6: 1095-1001, 1996.

    17. Mackay, I. M., Arden, K. E. y Nitsche, A., PCR en tiempo real en virología, Nucleic Acids Res., 30: 1292-1305, 2002.

    18. Wittwer, C.T. y Garling, D.J., Amplificación de ADN de ciclo rápido: optimización de tiempo y temperatura. Biotechniques, 10: 76-83, 1991.

    19. Freeman, W.M., Walker, S.J., y Vrana, K, E., RT-PCR cuantitativa: trampas y potencial. Biotechniques., 26 (1): 112-125, 1999.

    20. Winer, J., Jung, C.K., Shacke, l I. y Williams, P.M., Desarrollo y validación de la reacción en cadena de la polimerasa transcriptasa inversa cuantitativa en tiempo real para controlar la expresión génica en miocitos cardíacos in vitro. Anal Biochem., 270 (1): 41 - 49, 1999.

    21. Rajeevan, M.S., Ranamukhaarachchi, D.G., Vernon, S.D. y Unger, E.R., Uso de PCR cuantitativa en tiempo real para validar los resultados de las tecnologías de PCR de visualización diferencial y matriz de ADNc. Métodos. 25 (4), 443-451, 2001.

    22. Rajeevan, M, S ,, Vernon, S, D ,, Taysavang, N, y Unger, E, R, Validación de perfiles de expresión génica basados ​​en matrices mediante RT-PCR en tiempo real (cinética). J Mol Diagn. 3 (1), 36-31, 2001.

    23. Steuerwald, N., Cohen, J., Herrera, R.J. y Brenner C.A., Análisis de la expresión génica en ovocitos individuales y embriones mediante RT-PCR monitorizada por fluorescencia de ciclo rápido en tiempo real. Mol Hum Reprod., 5: 1034-1039, 1999.

    24. Schmittgen, T.D., Zakrajsek, B.A., Mills, A.G., Gorn, V., Singer, M.J. y Reed, M.W., Reacción cuantitativa en cadena de la polimerasa con transcripción inversa para estudiar la desintegración del ARNm: comparación de métodos de punto final y en tiempo real. Anal Biochem., 285 (2): 194-204, 2000.

    25. Swift, G.H., Peyton, M.J. y macDonald, R.J., Evaluación de la calidad del ARN mediante RT-PCR semicuantitativa de múltiples regiones de un ARNm ubicuo largo. Biotechniques., 28 (3): 524-531, 2000.

    26. Mannhalter, C., Koizar, D. y Mitterbauer, G., Evaluación de métodos de aislamiento de ARN y genes de referencia para análisis de RT-PCR de ARN diana poco común. Clin Chem Lab Med, 38: 171-177, 2000.

    27. Freeman, T.C., Lee, K. y Richardson, P.J., Análisis de la expresión génica en células individuales. Curr Opin Biotechnol., 10 (6): 579-582, 1999.

    28. Dixon, A.K., Richardson, P.J., Pinnock, R.D. y Lee, K., Análisis de expresión génica a nivel de una sola célula. Trends Pharmacol Sci., 21 (2): 65 - 70, 2000.

    31. Moss, M. y Gallwitz, D., Estructura de dos genes procesados ​​relacionados con la beta-actina humana, uno de los cuales se encuentra junto a una secuencia repetitiva simple. EMBO, 2: 757 y # 8211761, 1983.

    32. Mutimer, H., Deacon, N., Crowe, S. y Sonza, S., Errores de pseudogenes procesados ​​en RT-PCR. Biotechniques., 24 (4): 585-588, 1998.

    33. Neumaier, M., Gerhard, M. y Wagener, C., Diagnóstico de micrometástasis por amplificación de genes específicos de tejido. Gene., 159 (1): 43 - 47, 1995.

    34. Tschentscher, P., Wagener, C. y Neumaier, M., reacción en cadena de la polimerasa con transcripción inversa sensible y específica de citoqueratina 18 que excluye la amplificación de pseudogenes procesados ​​del ADN genómico contaminante. Clin Chem., 43 (12): 2244-2250, 1997.

    35. Dirnhofer, S., Berger, C., Untergasser, G., Geley, S. y Berger, P., Los retro pseudogenes de beta-actina humana interfieren con RT-PCR. Trends Genet., 11 (10): 380-381, 1995.

    36. Ercolani, L., Florence, B., Denaro, M. y Alexander, M., Aislamiento y secuencia completa de un gen funcional de gliceraldehído-3-fosfato deshidrogenasa humana. J Biol Chem., 263 (30): 15335-15341, 1988.

    37. García-Meunier, P., Etienne-Julan, M., Fort, P., Piechaczyk, M. y Bonhomme, F., Evolución concertada en la familia GAPDH de pseudogenes retrotranspuestos. Mamm Genome., 4 (12): 695-703, 1993.

    38. Watzinger, F. y Lion, T., PCR multiplex para el control de calidad de la plantilla de ARN / ADNc en ensayos de RT-PCR. Leucemia, 12: 1983 y # 82111986, 1998.

    39. Burkardt, H.J., Normalización y control de calidad de los análisis de PCR. Clin Chem Lab Med., 38 (2): 87-91, 2000.

    40. Vandesompele, J., De Preter, K., Pattyn, F., Poppe, B., Van Roy, N., De Paepe, A. y Speleman, F., Precisión normalización de RT cuantitativo en tiempo real Datos de PCR mediante promediado geométrico de múltiples genes de control interno. Biología del genoma, 3 (7): 0034.1-0034.11, 2002.

    41. Bustin, S.A., cuantificación significativa de ARNm usando RT-PCR en tiempo real. (presentado), 2002.

    42. Bustin, S.A., Cuantificación de ARNm usando RT-PCR en tiempo real. Tendencias y problemas. J Mol Endocrinol, 29 (1): 23-39, 2002.

    43. Glasel, J.A., Validez de las purezas de los ácidos nucleicos controladas por relaciones de absorbancia de 260 nm / 280 nm. Biotechniques., 18 (1): 62-63, 1994.

    44. Wong, L., Pearson, H., Fletcher, A., Marquis, CP y Mahler, S., Comparación de la eficacia de la transcriptasa inversa del virus de la leucemia murina de Moloney (M-mulv), rnasa H - M- mulv Transcriptasa inversa y transcriptasa inversa del virus de la leucemia del mieloblastoma aviar (AMV) para la amplificación de genes de inmunoglobulina humana. Técnicas de biotecnología, 12 (6): 485-489, 1998.

    45. Fuchs, B ,. Zhang, K., Rock, M.G., Bolander, M.E. y Sarkar, G., La síntesis de ADNc a alta temperatura mediante transcriptasa inversa AMV mejora la especificidad de la PCR. Mol Biotechnol., 12 (3): 237-240, 1999.

    46. ​​Fuchs, B., Zhang, K., Rock, M.G., Bolander, M.E. y Sarkar, G., Repita la síntesis de cDNA y RT-PCR con la misma fuente de RNA. Mol Biotechnol., 12 (3): 231-235, 1999.

    47. Schwabe, H., Stein, U. y Walther W., Amplificación de ADNc de alta copia de cantidades mínimas de ARN total para análisis de expresión génica. Mol Biotechnol., 14 (2): 165-172, 2000.

    48. Hayward, A.L., Oefner, P.J., Sabatini, S., Kainer, D.B., Hinojos, C.A. y Doris, P.A., Modelización y análisis de RT-PCR competitiva. Nucleic Acids Res., 26 (11): 2511-2518, 1998.

    49. Freeman, W.M., Vrana, S.L. y Vrana, K.E., Uso de temperaturas de reacción de transcripción inversa elevadas en RT-PCR. Biotechniques., 20 (5): 782-783, 1996.

    50. Raja, S., Luketich, J.D., Kelly, L.A., Ruff, D.W., y Godfrey, T.E., Aumento de la sensibilidad de RT-PCR cuantitativa de un tubo. Biotechniques, 29: 702-708, 2000.

    51. Sugita, M., Haney, J.L., Gemmill, R.M. y Franklin, W.A., Reacción en cadena de la polimerasa con transcripción inversa dúplex de un solo paso para la evaluación cuantitativa de la degradación del ARN. Analytical Biochemistry, 295: 113-116, 2001.

    52. Marten, N.W., Burke, E.J., Hayden, J.M. y Straus, D.S., Efecto de la limitación de aminoácidos sobre la expresión de 19 genes en células de hepatoma de rata. FASEB J, 8: 538-544, 1994.

    53. Foss, D.L., Baarsch, M.J. y Murtaugh, M.P., Regulación de la hipoxantina fosforribosil transferasa, gliceraldehído-3-fosfato deshidrogenasa y expresión de ARNm de beta-actina en células y tejidos inmunes porcinos. Anim Biotechnol., 9: 67-78, 1998.

    54. Thellin, O., Zorzi, W., Lakaye, B., De Borman, B., Coumans, B., Hennen, G., Grisar, T., Igout, A. y Heinen, E., Housekeeping genes como estándares internos: uso y límites. J Biotechnol., 75: 291-295, 1999.

    55. Goidin, D., Mamessier, A., Staquet, MJ, Schmitt, D., y Berthier-Vergnes, O., Ribosomal 18S RNA prevalece sobre los genes de gliceraldehído-3-fosfato deshidrogenasa y beta-actina como estándar interno para cuantitativos comparison of mRNA levels in invasive and noninvasive human melanoma cell subpopulations. Anal Biochem., 295(1): 17-21, 2001.

    56. Schmittgen, T.D., and Zakrajsek, B.A. Effect of experimental treatment on housekeeping gene expression: validation by real-time, quantitative RT-PCR. J Biochem Biophys Methods., 46(1-2): 69-81, 2000.

    57. Cha, R.S., Thilly, W.G., Specificity, efficiency, and fidelity of PCR. PCR Methods Appl. 3(3): 18-29, 1993.

    58. Kainz, P., The PCR plateau phase - towards an understanding of its limitations. Biochim Biophys Acta., 1494: 23-27, 2000.

    61. Wittwer, C.T., Ririe, K.M., Andrew, R.V., David, D.A., Gundry, R.A., and Balis U.J., The LightCycler: a microvolume multi sample fluorimeter with rapid temperature control. Biotechniques, 22: 176-181, 1997.

    62. Rasmussen, R., Quantification on the LightCycler. In: Meuer, S, Wittwer, C, and Nakagawara, K, eds. Rapid Cycle Real-time PCR, Methods and Applications Springer Press, Heidelberg ISBN 3-540-66736-9, 21-34, 2001.

    63. Tichopad, A., Didier, A., and Pfaffl, M.W., Tissue-specific influence on real-time RT-PCR amplification kinetics. Molecular and Cellular Probes (in press - 2003)

    65. Foy, C.A., and Parkes, H.C., Emerging Homogeneous DNA-based Technologies in the Clinical Laboratory. Clinical Chemistry., 47: 990-1000, 2001.

    66. Ginzinger, D.G., Gene quantification using real-time quantitative PCR: an emerging technology hits the mainstream. Exp Hematol., 30(6): 503-512, 2002.

    70. Reischl, U., and Kochanowski, B., Quantitative PCR. A survey of the present technology. Mol Biotechnol., 3(1): 55-71, 1995.

    71. Ferre, F., Quantitative or semi-quantitative PCR: reality versus myth. PCR Methods Appl., 2(1): 1-9, 1992.

    73. Morrison, T.B., Weis, J.J., and Wittwer, C.T., Quantification of low-copy transcripts by continuous SYBR Green I monitoring during amplification. Biotechniques., 24(6): 954-962, 1998.

    74. Wittwer, C.T., Herrmann, M.G., Gundry, C.N., and Elenitoba-Johnson, K.S., Real-time multiplex PCR assays. Methods., 25(4): 430-42, 2001.

    75. Holland, P.M., Abramson, R.D., Watson, R., and Gelfand, D.H., Detection of specific polymerase chain reaction product by utilizing the 5'-3' exonuclease activity of Thermus aquaticus DNA polymerase. Proc Natl Acad Sci U S A, 88(16): 7276-7280, 1991.

    76. Livak, K.J., ABI Prism 7700 Sequence detection System User Bulletin #2 Relative quantification of gene expression 1997 & 2001. h ttp://docs.appliedbiosystems.com/pebiodocs/04303859.pdf

    77. Förster, V.T., Zwischenmolekulare Energiewanderung und Fluorescence. Annals of Physics, Leipzig, 1948.

    78. Lakowicz, J.R., Energy transfer. In: Principles of Fluorescent Spectroscopy, New York: Plenum Press, pp. 303-339, 1983.

    79. Nitsche, A., Steuer, N., Schmidt, C.A., Landt, O., and Siegert, W., Different real-time PCR formats compared for the quantitative detection of human cytomegalovirus DNA. Clin Chem., 45(11): 1932-1937, 1999.

    81. LightCycler Software ®, Version 3.5 Roche Molecular Biochemicals, 2001.

    82. LightCycler Relative Quantification Software ®, Version 1.0, Roche Molecular Biochemicals, 2001.

    84. Fronhoffs, S., Totzke, G., Stier, S., Wernert, N., Rothe, M., Bruning, T., Koch, B., Sachinidis, A., Vetter, H., and Ko, Y., A method for the rapid construction of cRNA standard curves in quantitative real-time reverse transcription polymerase chain reaction. Mol Cell Probes., 16(2): 99-110, 2002.

    85. Zimmermann, K., and Mannhalter, JW., Technical aspects of quantitative competitive PCR. Biotechniques., 21(2): 268-279, 1996.

    86. Souaze, F., Ntodou-Thome, A., Tran, C.Y., Rostene, W., and Forgez, P., Quantitative RT-PCR: limits and accuracy. Biotechniques., 21(2): 280-285, 1996.

    90. Livak, K.J., and Schmittgen, T.D., Analysis of relative gene expression data using real-time quantitative PCR and the 2^[-delta delta C(T)] Method. Methods., 25(4): 402-408, 2001.

    91. Gentle, A., Anastasopoulos, F., and Mc Brien, N.A., High-resolution semi-quantitative real-time PCR without the use of a standard curve. Biotechniques., 31(3): 502-508, 2001.

    92. Rosenfeld, C.S., Yuan, X., Manikkam, M., Calder, M.D., Garverick, H.A. and Lubahn, D.B., Cloning, sequencing, and localization of bovine estrogen receptor-beta within the ovarian follicle. Biol Reprod. 60, 691-697, 1999.

    93. Walther, N., Lioutas, C., Tillmann, G., and Ivell, R., Cloning of bovine estrogen receptor beta (ER-beta): expression of novel deleted isoforms in reproductive tissues. Mol Cell Endocrinol. 152, 37-45, 1999.

    94. Hileman, S.M., Handa, R.J. and Jackson, G.L., Distribution of estrogen receptor-beta messenger ribonucleic acid in the male sheep hypothalamus. Biol Reprod. 60, 1279-1284, 1999.

    95. Scott, C.J., Pereira, A.M., Rawson, J.A., Simmons, D.M., Rossmanith, W.G., Ing, N.H., Clarke, I.J., The distribution of progesterone receptor immunoreactivity and mRNA in the preoptic area and hypothalamus of the ewe: up-regulation of progesterone receptor mRNA in the mediobasal hypothalamus by oestrogen. J Neuroendocrinol. 12: 565-575, 2000.

    96. Schütz, G., Tenth Adolf Butenandt lecture. Control of gene expression by steroid hormones. Biol Chem. 369, 77-86, 1988.

    97. Jungblut, P.W., Gaues, J., Hughes, A., Kallweit, E., Sierralta, W., Szendro, P., and Wagner, R.K., Activation of transcription-regulating proteins by steroids. J Steroid Biochem. 7, 1109-1116, 1976.

    98. Meijerink, J., Mandigers, C., van de Locht, L., Tonnissen, E., Goodsaid, F., and Raemaekers, J., A novel method to compensate for different amplification efficiencies between patient DNA samples in quantitative real-time PCR. J Mol Diagn., 3(2): 55-61, 2001.

    101. oong, R., Ruschoff, J., and Tabiti, K., Detection of colorectal micrometastasis by quantitative RT-PCR of cytokeratin 20 mRNA. Roche Molecular Biochemicals internal Publication, 2000.

    102. Muller, P.Y., Janovjak, H., Miserez, A.R., and Dobbie, Z., Processing of gene expression data generated by quantitative real-time RT-PCR. Biotechniques, 32(6): 1372-1378, 2002.

    103. Bhatia, P., Taylor, W.R., Greenberg, A.H., and Wright, J.A., Comparison of glyceraldehyde-3-phosphate dehydrogenase and 28S-ribosomal RNA gene expression as RNA loading controls for northern blot analysis of cell lines of varying malignant potential. Anal Biochem., 216: 223-226, 1994.

    104. Bereta, J., and Bereta, M., Stimulation of glyceraldehyde-3-phosphate dehydrogenase mRNA levels by endogenous nitric oxide in cytokine-activated endothelium. Biochem Biophys Res Commun. 217: 363-369, 1995.

    105. Chang, T.J., Juan, C.C., Yin, P.H., Chi, C.W., and Tsay, H.J., Up-regulation of beta-actin, cyclophilin and GAPDH in N1S1 rat hepatoma. Oncol Rep., 5: 469-471, 1998.

    106. Zhang, J., and Snyder, S.H., Nitric oxide stimulates auto-ADP-ribosylation of glyceraldehydes 3 phosphate dehydrogenase. PNAS, 89: 9382-9385, 1992.

    108. Silva, J.J.R., Williams, R.J.P., (eds) The biological Chemistry of the elements: The inorganic chemistry of life. Clarendon Press, Oxford, 1991.

    109. Oestreicher, P., Cousins, R.J., Zinc uptake by basolateral membrane vesicles from rat small intestine. J Nutr. 119: 639-646, 1989.

    110. Reyes, J.G., Zinc transport in mammalian cells. Am J Physiol 270, C401-410, 1996.

    111. Cousins, R.J., Zinc. In: Present knowledge in nutrition, Seventh edition (Filer LJ & Ziegler EE, eds), Internat. Life Sci. Inst. Nutr. Foundation, Washington DC., 263-306, 1996.

    112. acnet, F., Watkins, D.W., Ripoche, P., Studies of zinc transport into brush-border membrane vesicles isolated from pig small intestine. Biochim Biophys Acta. 1024: 323-330, 1990.

    113. Brady, F.O., The physiological function of Metallothionein. Trends Biochem. Sci. 7: 143-145, 1982.

    116. Das, S., Mohapatra, S.C., and Hsu, J.C., Studies on primer-dimer formation in polymerase chain reaction (PCR). Biotechnology Techniques, 13(10): 643-646, 1999.

    117. Ririe, K.M., Rasmussen, R.P., and Wittwer, C.T., Product differentiation by analysis of DNA melting curves during the polymerase chain reaction. Anal Biochem., 245(2): 154-160, 1997.

    119. Vandesompele, J., De Paepe, A., and Speleman, F., Elimination of Primer-Dimer Artifacts and Genomic Coamplification Using a Two-Step SYBR Green I Real-Time RT-PCR. Anal Biochem., 303(1): 95-98, 2002.

    120. Brownie, J., Shawcross, S., Theaker, J., Whitcombe, D., Ferrie, R., Newton, C., and Little, S., The elimination of primer-dimer accumulation in PCR. Nucleic Acids Res., 25(16): 3235-3241, 1997.

    121. Sturzenbaum, S.R., Transfer RNA reduces the formation of primer artifacts during quantitative PCR. Biotechniques., 27(1): 50-52, 1999.

    122. How to Reduce Primer Dimers in a LightCycler PCR, Roche Diagnostics Technical Note No. 1, 1999.

    123. Peccoud, J., and Jacob, C., Theoretical uncertainty of measurements using quantitative polymerase chain reaction. Biophys J., 71(1): 101-108, 1996.

    124. Liu, W., and Saint, D.A., Validation of a quantitative method for real time PCR kinetics. Biochem Biophys Res Commun., 294(2): 347-353, 2002.

    125. Liu, W., and Saint, D.A., A new quantitative method of real time reverse transcription polymerase chain reaction assay based on simulation of polymerase chain reaction kinetics. Anal Biochem., 302(1): 52-59, 2002.

    126. Raeymaekers, L., Basic principles of quantitative PCR. Mol Biotechnol., 15(2): 115-122, 2000.

    127. Chelly, J., Kaplan, J.C., Maire, P., Gautron, S., and Kahn, A., Transcription of the dystrophin gene in human muscle and non-muscle tissue. Nature., 333(6176): 858-860, 1988.

    128. Schnell, S., and Mendoza, C., Theoretical description of the polymerase chain reaction. J Theor Biol., 188(3): 313-318, 1997.

    129. Jung, R., Soondrum, K., Neumaier, M., Quantitative PCR. Clin Chem Lab Med., 38(9): 833-836, 2000.

    130. Karge, W.H., Schaefer, E.J., and Ordovas J.M., Quantification of mRNA by polymerase chain reaction (PCR) using an internal standard and a non-radioactive detection method. Methods Mol Biol, 110: 43-61, 1998.

    131. Zhong, H., and Simons, J.W., Direct comparison of GAPDH, beta-actin, cyclophilin, and 28S rRNA as internal standards for quantifying RNA levels under hypoxia. Biochem Biophys Res Commun., 259(3): 523-526, 1999.

    132. Solanas, M., Moral, R., and Escrich, E., Unsuitability of using ribosomal RNA as loading control for Northern blot analyses related to the imbalance between messenger and ribosomal RNA content in rat mammary tumors. Anal Biochem., 288(1): 99-102, 2001.

    133. Haberhausen, G., Pinsl, J., Kuhn, C.C., and Markert-Hahn C., Comparative study of different standardization concepts in quantitative competitive reverse transcription-PCR assays. J Clin Microbiol, 3: 628-633, 1988.

    134. Zhu G, Chang Y, Zuo J, Dong X, Zhang M, Hu G, and Fang F., Fudenine, a C-terminal truncated rat homologue of mouse prominin, is blood glucose-regulated and can up-regulate the expression of GAPDH. Biochem Biophys Res Commun., 281(4): 951-956, 2001.

    135. eist, M., Pfaffl, M.W., Steiner, A., and Blum, JW, Quantitative mRNA analysis of bovine 5-HT receptor subtypes in brain, abomasum, and intestine by real-time PCR. Journal of Receptors and Signal Transduction 23(4): 271-287

    137. Sheskin, D., Handbook of Parametric & Nonparametric Statistical Procedures. CRC Press LLC, Boca Raton, FL, 2000.

    138. Manly, B., Randomization, Bootstrap and Monte Carlo Methods in Biology. Chapman & Hall, 1997.


    2 Answers 2

    Question 1) Is this a good idea in general?

    Solving this problem as a supervised learning regression problem is a fantastic idea and is the type of solution that will greatly benefit your company since it will translate to other similar and dissimilar problems much more easily than deterministic methods.

    However using a neural network to solve this supervised learning regression problem is probably a very bad idea. Neural networks can add great value to certain problems, are among the very best algorithms for complex problems where computing power is not an issue, and have fascinating implications for the future of machine learning and artificial intelligence. But. they can be very tricky to train, require a lot of computing power, require a lot of data, and perform poorly in many cases.

    I suggest you scope the problem using linear regression and then try a support vector regressor (SVM, SVR) or naive Bayes regressor. The analogue methods in SVR work very well with limited data and provide surprisingly accurate results.

    Question 2) If yes, what type of NN would be most suited for such a problem?

    If you must use a neural network then try playing with the problem. Start with a feed forward neural network. Note that it will likely underperform an SVR. Then think about moving toward a convolution neural network. Again, this is probably a very bad way to go. Try linear regression followed by other methods first.

    Moving forward

    The documentation for either Scikit-Learn in python, H20 in Java, or Weka provide very shallow learning curves to jump on the merry-go-round and take a spin or two. Please make sure that you thoroughly understand cross validation and scoring metrics as this is essential to continued, adequate progress.


    Products

    Hot Start PCR is a technique that inhibits Hot Start Taq polymerase activity or the incorporation of modified dNTPs during reaction set up until a heat activation step occurs. Hot Start PCR allows for reaction set up at room temperature without non-specific amplification and primer dimer formation. Discover our wide selection of Hot Start PCR enzymes including KOD, FastStart™, JumpStart™, and KAPA Biosystems reagents. Additionally, our Extract-N-AMP™ PCR kits integrate DNA extraction and amplification using a hot start PCR ReadyMix™ reagent and are suitable for blood, tissue, and plant samples. For additional information on Hot Start PCR reagents and product information, please navigate the product selection table to meet your Hot Start PCR needs.


    Abstracto

    Parthenogenetic activation of the mammalian oocyte constitutes an essential step to a number of oocyte- or embryo-related technologies. Mammalian parthenotes are useful tools for studying the roles of paternal and maternal genomes in early mammalian development and are considered potential candidates for an ethical source of embryonic stem cells.

    We investigated the in vitro developmental competence of pre-implantation ovine embryos derived from in vitro fertilization (IVF) and parthenogenetic activation (PA) together with the expression of a panel of fourteen genes at different times of development. IVF and PA embryos showed similar developmental competence. No differences in gene expression were observed between PA and IVF two cell-stage embryos, while PA morulae showed a significantly higher expression of IGF2. At the blastocyst stage, parthenotes exhibited up-regulation of TP-1, CDC2, y IGF2 transcripts and significantly lower levels of AQP3, ATP1A1, H2A.Z, hsp90beta, y OCT4, while NANOG, BAX, CCNB1, CDH1, GAPDH, y IGF2R displayed similar expression patterns in the two groups.

    Our study indicates that oocyte parthenogenetic activation does not impair in vitro pre-implantation development to the blastocyst stage, but affects the gene expression status of the embryo after the activation of its own genome.