Статьи

На примере искусственных сосновых насаждений, созданных при рекультивации выработанных карьеров глины, проанализирована динамика фракционного состава лесной подстилки в условиях Средне-Уральского таежного лесного района. В основу исследований положен метод пробных площадей. На каждой из 11 пробных площадей закладывалось по 10 учетных площадок размером 0,1×0,1 м. После сбора на учетных площадках живого напочвенного покрова и лесной подстилки они высушивались до воздушно-сухого состояния, а затем лесная подстилка разбиралась по фракциям: шишки, хвоя, ветви, листья, ветошь, труха. После разбора каждая из фракций лесной подстилки высушивалась в сушильных шкафах при температуре 105 ℃ до абсолютно сухого состояния. Установлено, что общая масса живого напочвенного покрова в абсолютно сухом состоянии варьировала от 1 кг/га в 23-летних сосняках до 1050 кг/га в 13-летних. При этом масса лесной подстилки за тот же период увеличилась с 7042 до 28 544 кг/га. Доля разных фракций лесной подстилки существенно меняется с изменением возраста древостоев. Под пологом насаждений до 18 лет фракция шишки отсутствует, а в возрасте 46 лет их масса достигает 7358 кг/га при доле в лесной подстилке 18,8 %. Данные о динамике фитомассы и фракционном составе лесной подстилки могут быть использованы при проектировании и проведении лесоводственных и противопожарных мероприятий.

В секвенаторе ДНК «Нанофор СПС», разработанном в Институте аналитического приборостроения РАН, реализован метод массового параллельного секвенирования для расшифровки последовательности нуклеиновых кислот. Этот метод позволяет определять последовательность нуклеотидов в ДНК или РНК, содержащих от нескольких сотен до сотен миллионов звеньев мономеров. Таким образом, имеется возможность получения подробной информации о геноме различных биологических объектов, в том числе человека, животных и растений. Важнейшей частью этого прибора является программное обеспечение, без которого невозможно решение задач по расшифровке генома. Выходными данными оптической детекции в секвенаторе являются набор изображений по четырем каналам, соответствующим типам нуклеотидов: A, C, G, T. С помощью специального программного обеспечения определяется положение молекулярных кластеров и их интенсивностные характеристики вместе с параметрами окружающего фона. В ходе создания программного обеспечения прибора были разработаны алгоритмы и программы обработки сигналов флуоресценции, рассмотренные в работе. Также, для отладки и тестирования рабочих программ созданы модели построения изображений, аналогичных реальным данным, получаемым в ходе работы секвенатора. Данные модели позволили получить значительный массив информации без запуска дорогостоящих экспериментов. За последние годы достигнуты значительные успехи в области машинного обучения, в том числе и в области биоинформатики, что привело к реализации наиболее распространенных моделей и возможности их применения для практических задач. Однако, если на этапе вторичного анализа биоинформационных данных эти методы широко зарекомендовали себя, то их потенциал для первичного анализа остается недостаточно раскрытым. В данной работе особое внимание уделяется разработке и внедрению методов машинного обучения для первичного анализа оптических изображений сигналов флуоресценции в реакционных ячейках. Описаны методы кластеризации и их апробация на моделях и на изображениях, полученных на приборе. Цель этой статьи - продемонстрировать возможности алгоритмов первичного анализа сигналов флуоресценции, получающихся в процессе секвенирования на приборе «Нанофор СПС». В работе описаны основные задачи анализа сигналов флуоресценции и сравниваются традиционные методы их решения с использованием технологий машинного обучения.