Вид расшифровка: Расшифровка маркировки взрывозащиты

Вид расшифровка: Расшифровка маркировки взрывозащиты

Содержание

Расшифровка маркировки взрывозащиты

Маркировка взрывозащиты электрооборудования по ГОСТ 12.2.020-76 выглядит как определенная последовательность знаков.

Разберем на примере маркировки взрывозащиты клапана электромагнитного СЕНС ПУ DN150 PN25/СЕНС ПУ DN150 PN25-НО что означает каждый из них.

1ExdIIВT4

Первая цифра – это уровень взрывозащиты электрооборудования. Это может быть:
2 – уровень повышенной надежности против взрыва. Взрывозащита в таком оборудовании обеспечивается только в нормальном режиме работы;
1 – взрывобезопасный уровень. Взрывозащита обеспечивается как при нормальных режимах работы электрооборудования, так и при вероятных повреждениях, которые зависят от условий эксплуатации, кроме повреждений средств, обеспечивающих взрывозащищенность;
0 – особовзрывобезопасный уровень. Оборудование, в котором применены специальные меры и средства защиты от взрыва.

Далее: общий знак Ex (Explosionproof – взрывозащищенный). Он указывает на соответствие электрооборудования стандартам на взрывозащищенное электрооборудование.

Следующий знак - вид взрывозащиты:

d Взрывонепроницаемая оболочка
e Защита вида «e»- повышенная надежность против взрыва
i Искробезопасная электрическая цепь, в зависимости от уровня взрывозащиты: 0  - ia, 1 - ib, 2 - ic
m Герметизация компаундом
o Масляное заполнение оболочки с токоведущими частыми
p Заполнение (или продувка) оболочки под избыточным давлением защитным газом
q Кварцевое заполнение оболочки с токоведущими частями
s Специальный вид взрывозащиты

Затем знак группы или подгруппы электрооборудования по области применения (II, IIA, IIB, IIC).

Категория I определяет требования к оборудованию, предназначенному для работы в шахтах и рудниках, где имеется опасность взрыва рудничного метана.
К категории II относится оборудование, применяемое для работы в условиях возможного образования промышленных взрывоопасных смесей газов и взвесей.
Также существует три подкатегирии категории II: IIA, IIB, IIC. Каждая последующая под категория включает (или заменяет) предшествующую. Т.е. С является высшей и соответствует требованиям всех категорий – А, В и С.

II Для внутренней и наружной установки всех категорий
IIA Для внутренней и наружной установки Пропан
IIB Для внутренней и наружной установки Этилен
IIC Для внутренней и наружной установки Водород

Последняя группа знаков означает температурный класс электрооборудования или группы взрывоопасной смеси (Т1, Т2, Т3, Т4, Т5, Т6):

Таким образом, электромагнитный клапан СЕНС ПУ DN150 PN25/СЕНС ПУ DN150 PN25-НО имеет взрывобезопасный уровень, с видом защиты «взрывонепроницаемая оболочка», категории IIB (Этилен) при температуре нагрева поверхности оборудования не выше 200 градусов.

Возврат к списку

Федеральная служба по надзору в сфере здравоохранения

Инструкция по поиску видов в номенклатурной классификации медицинских изделий по видам

Номенклатурная классификация медицинских изделий по видам (далее – номенклатурная классификация) утверждена приказом Министерства здравоохранения Российской Федерации от 6 июня 2012 г. № 4н «Об утверждении номенклатурной классификации медицинских изделий».

Номенклатурная классификация размещается в электронном виде на официальном сайте Федеральной службы по надзору в сфере здравоохранения в информационно-телекоммуникационной сети «Интернет».

Номенклатурная классификация содержит:

- числовое обозначение вида медицинского изделия – шестизначный идентификационный уникальный номер записи, представленный на сайте в первом столбце таблицы (столбец «Код»),

- наименование вида медицинского изделия (столбец «Наименование»),

- описание вида медицинского изделия (столбец «Описание»).

Наименование вида не является стандартизованным наименованием конкретного медицинского изделия, а определяет вид или видовую группу, которая представляет собой совокупность изделий, имеющих одинаковое или аналогичное назначение и устройство (конструкцию).

Поиск вида осуществляется в первую очередь по наименованию. Для уточнения отнесения применяется поиск по описанию вида, которое содержит описание свойств и классификационных признаков медицинского изделия.

Поиск вида в номенклатурной классификации возможно осуществлять следующими способами:

  • Поиск по слову или части слова в наименовании вида производится путем помещения слова или его части в строку поиска наименования.

  • Строка «Расширенный поиск» позволяет осуществлять навигацию:

             - по коду вида;

             - по слову или части слова в описании вида;

             - по слову или части слова в названии раздела.

  • В левой части страницы расположен перечень разделов и подразделов, который позволяет выбрать виды, содержащиеся в данном разделе (подразделе). Один вид может относиться к нескольким разделам (подразделам). Если не удается найти вид по ключевому слову, рекомендуется внимательно просмотреть виды, входящие в соответствующий раздел. Это позволяет подобрать дополнительные ключевые слова для поиска вида.

Одновременное использование поиска по наименованию и описанию, или одновременный поиск по наименованию и выбор соответствующего раздела (подраздела) позволяет сузить поиск нужного вида.

Пример поиска.

Наименование изделия: Стенты коронарные кобальт-хромовые.

Шаг 1.

В строку поиска по наименованию ввести слово «стент». В таблице выбрано 174 записей видов, содержащих слова, в состав которых входит это сочетание букв.

Шаг 2.

Чтобы сузить поиск, можно одновременно в «Расширенном поиске» в строке «Описание» ввести часть слова «коронар». Выбрано 14 записей, в них – 6 различных видов (некоторые виды повторяются, так как относятся к нескольким подразделам).

Шаг 3.

Просмотр выведенных на экран видов позволяет выбрать нужный вид:

218190 «Стент для коронарных артерий непокрытый металлический».

Взрывозащита электрооборудования - виды и маркировка

В соответствии с ГОСТ Р 51330 и ПУЭ взрывоопасные зоны в зависимости от частоты и длительности присутствия взрывчатой газовой смеси подразделяются на три класса:

Зона класса 0 — зона, в которой взрывоопасная газовая смесь присутствует постоянно или в течение длительных периодов времени.

Зона класса 1 — зона, в которой существует вероятность присутствия взрывоопасной газовой смеси в нормальных условиях эксплуатации.

Зона класса 2 — зона, в которой маловероятно присутствие взрывоопасной газовой смеси в нормальных условиях эксплуатации, а если она возникает, то редко и существует очень непродолжительное время.

Понятие «взрывоопасная зона» в «Правилах устройств электроустановок» трактуется следующим образом:

Взрывоопасная зона — это помещение или ограниченное пространство в помещении или наружной установке, в котором имеются или могут образоваться взрывоопасные смеси.

Согласно ГОСТ Р 51330.9-99, взрывоопасная зона — это зона, в которой имеется или может образоваться взрывоопасная газовая смесь в объеме, требующем специальных мер защиты при конструировании, изготовлении и эксплуатации электроустановок. В этих зонах для обеспечения безопасности должно применяться электрооборудование во взрывозащищенном исполнении. Взрывозащищенное электрооборудование — электрооборудование, в котором предусмотрены конструктивные меры по устранению или затруднению возможности воспламенения окружающей его взрывоопасной среды вследствие эксплуатации этого электрооборудования (ПУЭ).


Взрывозащищенное электрооборудование

Существуют следующие уровни взрывозащиты электрооборудования:

  • Электрооборудование повышенной надежности против взрыва — взрывозащищенное электрооборудование, в котором взрывозащита обеспечивается только в признанном нормальном режиме работы. Знаком уровня в маркировке электрооборудования является цифра 2.
  • Взрывобезопасное электрооборудование — взрывозащищенное электрооборудование, в котором взрывозащита обеспечивается как при нормальном режиме работы, так и при признанных вероятных повреждениях, определяемых условиями эксплуатации, кроме повреждений средств взрывозащиты. Знаком уровня в маркировке электрооборудования является цифра 1.
  • Особовзрывобезопасное электрооборудование — взрывозащищенное электрооборудование, в котором по отношению к взрывобезопасному электрооборудованию приняты дополнительные средства взрывозащиты, предусмотренные стандартами на виды взрывозащиты. Знаком уровня в маркировке электрооборудования является цифра 0.

Категории и группы взрывоопасных смесей

Таблица 1. Категории взрывоопасных смесей газов и паров с воздухом

Категория смеси Наименование смеси БЭМЗ, мм
I Рудничный метан более 1,0
II Промышленные газы и пары
II A Промышленные газы и пары более 0,9
II B Промышленные газы и пары более 0,5 до 0,9
II C Промышленные газы и пары до 0,5

БЭМЗ (безопасный экспериментальный максимальный зазор) — максимальный зазор между Фланцами, через который не проходит передача взрыва из оболочки в окружающую среду при любой концентрации смеси в воздухе.

Таблица 2. Группы взрывоопасных смесей газов и паров с воздухом подразделяются по температуре самовоспламенения

Группа Температура самовоспламенения смеси, ℃
T1 Выше 450
T2 от 300 до 450
T3 от 200 до 300
T4 от 135 до 200
T5 от 100 до 135
T6 от 85 до 100

Вид и маркировка взрывозащиты электрооборудования

В соответствии с ГОСТ Р 51330 маркировка взрывозащищенного электрооборудования должна содержать знак «Ех», указывающий на то, что электрооборудование соответствует указанному стандарту и стандартам на виды взрывозащиты; знаки видов взрывозащиты также регламентированы:

1ExdIIBT4

1 — уровень взрывозащиты

Ex — знак взрывозащищенного электрооборудования, изготовленного в соответствии со стандартом

d — вид взрывозащиты

IIB — категория взрывоопасной смеси

T4 — температурный класс

Таблица 3. Уровень взрывозащиты

Уровень взрывозащиты Определение
2 Взрывозащищенное электрооборудование, в котором взрывозащита обеспечивается только в признанном нормальном режиме работы
1 Взрывозащищенное электрооборудование, в котором взрывозащита обеспечивается как при нормальном режиме работы, так и при признанных вероятных повреждениях, определяемых условиями эксплуатации, кроме повреждений средств взрывозащиты
0 Взрывозащищенное электрооборудование, в котором по отношению к взрывобезопасному электрооборудованию приняты дополнительные средства взрывозащиты, предусмотренные стандартами на виды взрывозащиты

Таблица 4. Виды взрывозащиты электрооборудования

d – Взрывонепроницаемая оболочка
Взрывозащищенное электрооборудование Exd может содержать нормально искрящие компоненты и зажигательные устройства, а также может содержать взрывоопасные смеси. Внутренняя конструкция такова, что оборудование может выдержать внутренний взрыв газовоздушной смеси и не распространять при этом достаточное количество энергии для внешнего взрыва. Места соединений, крышки и отверстия конструируются с огнестойкими свойствами проходов (щелей и пазов), которые необходимо периодически проверять и постоянно поддерживать в нужном состоянии, чтобы сохранить целостность данной формы защиты. Коммутационные приборы, пускатели электродвигателей, автоматические выключатели, нагревательные элементы, светильники, датчики, сигнализаторы, кабельные вводы.
е – Защита вида е
Компоненты, применяемые в оборудовании, не вызывают искрения и опасных температур при нормальной работе. Оборудование обычно рассчитано на максимальное допустимое напряжение 11 кВ. Используются высокоэффективные и самые надежные электрические соединения и изоляция. Уровень защиты от попадания пыли и влаги практически полностью снижает риск загрязнения. Два основных требования Ехе заключаются в защите оборудования от внешних воздействий на уровне минимум IP54 для газа/пара (IP6X для пыли) и показателе ударной вязкости минимум 7Нм. Поскольку эта форма защиты используется в Зонах 1 и 2, ее предпочитают вместо Exd, потому что она рассчитана на более простой способ проверки и обслуживания. Еще одно «за» состоит в том, что оборудование Ехе обычно производится из более легких материалов, что часто снижает его стоимость. Клеммные и соединительные коробки, посты и шкафы управления, распределительные устройства, светильники, сигнализаторы, кабельные вводы.
I — Искробезопасная электрическая цепь
Взрывобезопасное оборудование (подгруппа Ex ia и Ex ib) данных типов включают цепи, которые ввиду низкого искрового энергетического потенциала не могут произвести зажигание взрывоопасной смеси. Оборудование Exib безопасно только при одном повреждении и может использоваться в зоне 1. Оборудование Exia безопасно при двух повреждениях и может применяться в зоне 0. Взрывобезопасные детали или схемы могут быть помещены в корпус, обладающий другой формой защиты, например, Ехе или Exd, хотя для корпуса в этом случае не всегда требуется частая проверка.
P — Заполнение или продувка оболочки избыточным давлением
Защита оборудование типа ’р’ заключается в комбинации положительного статического давления внутри корпуса электроустановки и постоянного потока воздуха или инертного газа для выталкивания взрывоопасной смеси из корпуса в случае ее появления. Надежность и общая безопасность системы существенно зависит от графика продувки и мониторинга. Электродвигатели, распределительные и управляющие устройства, сильноточные приборы, анализаторы.
O – Масляное заполнение оболочки
Допускается только в зонах, где вероятность возникновения взрывоопасных сред невелика (зона 2). Оборудование типа 'о' используется при наличии погружения искрящих компонентов в масло с постоянным контролем вентиляционного режима, например, в коммутационной аппаратуре. Трансформаторы, пусковые сопротивления.
q – Кварцевое заполнение оболочки
Корпус Типа q с порошковым или песочным наполнителем, где находятся устройства образования дуги и искрения. При этом необходима вентиляция. Часто применяется для консервации энергии, освобожденной при неисправности электрических и электронных компонентов, например, выход из строя предохранителя. Эта форма защиты часто связана с деталями внутри оборудования Ехе, например, пусковое устройство люминесцентных ламп. Трансформаторы, конденсаторы, предохранители.
m – Герметизация компаундом
Метод - заливка компаундом (инкапсуляция) компонентов или оборудования, образующих дуги и искрение, чтобы обеспечить отсутствие доступа имеющихся взрывоопасных смесей и контроль температуры при нормальных условиях и неисправности, что предотвращает возгорание. Индикаторы, коммутирующие приборы малой мощности, датчики.
n - Защита вида n
Оборудование с защитой вида 'n' считается не имеющим зажигательной способности, поскольку при нормальной работе не производит дугу, искры или опасные температуры. Концепция близка философии Ехе, но применима только в зонах со слабой вероятностью взрывоопасных сред (зона 2). Оборудование Ехn подразделяется на четыре подгруппы:
  • не искрящее Ех nА — используются компоненты, не производящие дугу или искрение;
  • изолированные Ех nС компоненты с зажигательной способностью, например, патроны ламп — изолированы, чтобы исключить попадание к ним взрывоопасных газов или паров
  • ограничение энергии Ex nL — низкоэнергетичные схемы устраняют возможность возгорания;
  • ограниченное движение воздуха Ex nR — основывается на уплотнении и герметизации оборудования с целью устранить попадание взрывоопасной смеси на горячие поверхности и воспламеняющие компоненты.
Все устройства для зоны 2, кроме коммутационных устройств.

Таблица 5. Первая цифра – защита от твердых тел и пыли

Таблица 6. Вторая цифра – защита от воды

Маммография – описание процедуры, показания и расшифровка результатов маммограммы

Маммография: описание процедуры, показания, расшифровка

Маммография – высокоточный вид диагностики заболеваний молочных желез. Благодаря обследованию врачи клиники «Здоровье» выявляют патологические изменения в структуре груди даже на ранних этапах развития. Подобным образом диагностируются рак, фиброаденоматоз, кисты или другие патологии.

Маммографию молочных желез рекомендуется делать как с диагностической, так и с профилактической целью. Процедура показана для ежегодного проведения всем женщинам, ей возраст старше 40 лет.

Виды маммографии

Выделяют несколько методов маммографии. Среди них:

  1. Пленочный. Результаты фиксируются на рентгеновскую пленку. Данный вид имеет ряд недостатков и редко применяется в связи с малой информативностью. Пленочная маммография оказывает большую лучевую нагрузку, чем другие виды обследования. Готовые снимки выдаются в единственном экземпляре.
  2. Цифровой. Обладает большей разрешающей способностью. Благодаря цифровой маммографии удается диагностировать даже незначительные изменения в структуре ткани молочной железы.
  3. Электроимпедансная. Исследование выполняется в режиме 3D.

Предпочтительным способом является цифровая маммография. Изображение исследуемой области показывается на экране компьютера. Это позволяет регулировать их разрешение, четкость и контрастность. Снимки можно делать в нескольких экземплярах. Результат считается более информативным. Кроме того, лучевая нагрузка при цифровом методе значительно ниже по сравнению с другими видами исследования.

Что можно выявить

С помощью маммографии может диагностировать следующие изменения:

  • Кисты. Распространенный вид изменений. Киста представляет собой новообразование, которое наполнено жидкостью. Не является признаком наличия злокачественной опухоли.
  • Фиброаденома. Доброкачественное новообразование, имеющее тенденцию к быстрому росту. При фиброаденоме необходимо выполнения оперативного вмешательства.
  • Кальцинаты. Представляют собой скопление кальциевых солей. Примечательно, что кальцинаты не определяются при пальпации.
  • Фиброзно-кистозная мастопатия. Часто диагностируемое изменение. Развивается на фоне гормонального сбоя. В зависимости от стадии предполагается медикаментозное или оперативное лечение.
  • Опухоль. Злокачественное новообразование, характеризующееся бесконтрольным и быстрым ростом. Опухолевые клетки прорастают в близлежащие органы и ткани. При выявлении опухоли решается вопрос о необходимости оперативного вмешательства.

Врачи-диагносты центра «Здоровье» в случае выявления каких-либо изменений, готовы дать рекомендации о посещении профильных специалистов.

Когда нужно делать

С профилактической целью маммографию молочных желез рекомендуется выполнять ежегодно всем женщинам старше 40 лет. Это связано с изменением гормонального фона, что повышает риск развития онкологических заболеваний. Женщинам младше 40 лет необходимо выполнить исследование при наличии следующих симптомов:

  • боли в области молочных желез;
  • патологические выделения из сосков;
  • наличие уплотнений или узелков, которые определяются при пальпации;
  • изменение формы;
  • увеличение близлежащих лимфатических узлов;
  • обследование перед оперативным вмешательством;
  • контроль за состоянием в реабилитационный период.

Направление на маммографию может дать врач-гинеколог, терапевт или маммолог.

Противопоказания

Противопоказаний к выполнению маммографии не много. Основными из них являются:

  • установленная беременность или подозрение на нее;
  • период лактации;
  • наличие грудных имплантатов;
  • нарушение целостности кожи молочных желез;
  • повреждения сосков.

Врачи клиники «Здоровье» готовы дать подробную консультацию, на которой определят наличие или отсутствие противопоказаний к выполнению исследования. Запись на консультацию осуществляется по телефону.

Подготовка

Проведение маммографии требует некоторой подготовки. Она необходима для получения максимально четких и показательных снимков.

Оптимальный вариант для прохождения исследования – 5-10 день менструального цикла. В этот период молочные железы находятся в спокойном состоянии, не увеличены и не чувствительны. Среди других подготовительных рекомендаций выделяют:

  • Отмена приема продуктов, содержащих кофеин за несколько дней до процедуры. Ограничение обусловлено тем, что продукты с кофеином могут повысить тревожность и усилить чувствительность груди.
  • Отказаться от использования антиперспирантов в день обследования. Вещества, входящие в состав средств для личной гигиены, могут восприняться как тканевая кальцификация молочной железы.
  • Отдать предпочтение раздельному нижнему белью. Это позволит провести диагностику в более комфортных условиях.
  • Снять все ювелирные украшения непосредственно перед диагностической процедурой.

Методика проведения

Средняя продолжительность процедуры – 10-15 минут. За это время выполняются снимки обеих молочных желез в двух проекциях.

Перед процедурой необходимо снять верхнюю одежду до пояса и украшения. Для защиты органов брюшной полости от облучения на область живота надевается специальный свинцовый фартук. Далее грудь зажимается специальными пластинами, расположенными в рентген-аппарате. За это время выполняется снимок.

Часто задаваемые вопросы

Многих женщин беспокоит вопрос о том, как делают маммографию и какие ощущение сопровождают процедуру. Воздействие аппарата минимально, поэтому неприятных ощущений быть не должно. Возможно развитие дискомфорта при сжатии только в том случае, когда в ней имеется образование или протекает воспалительный процесс.

Также пациенток беспокоит вопрос, как делать маммографию при маленьком размере груди. На эффективность маммографии не влияет размер молочных желез. Компетентные диагносты клиники «Здоровье» устанавливают пластины таким образом, чтобы процедура осуществилась точно и быстро. 

Опасна ли процедура? В медицинском центре «Здоровье» установлено современное оборудование, которое оказывает минимальную лучевую нагрузку. В результате польза от выполнения процедуры значительно превышает риск облучения.

Расшифровка результатов

По результатам исследования врач оценивает состояние лимфатических узлов, протоков, сосудов, структуру тканей. В соответствии со стандартами, заключения после маммографии разделены на 7 категорий:

  • Категория 0. Диагноз не может быть выставлен в связи с отсутствием необходимой информации. При этом требуется повторное проведение снимков.
  • Категория 1. Патологические изменения в структуре молочных желез отсутствуют. Это свидетельствует о том, что женщина здорова. Категория 1 – принятая норма.
  • Категория 2. Диагностировано доброкачественное новообразование. Это может быть фиброаденома, кальцификат или увеличенный лимфатический узел.
  • Категория 3. Диагностировано доброкачественное образование, которое требует дополнительного обследования. При этом женщина должна наблюдаться на диспансерном учете у врача-маммолога. Повторные снимки выполняются спустя 6 месяцев.
  • Категория 4. В описании указываются выявленные уплотнения неизвестного характера. Женщине рекомендуется пройти биопсию. В категории 4 выделят следующие уровни риска развития злокачественного новообразования: низкий (4А), промежуточный (4В), умеренный (4С).
  • Категория 5. Диагностированы опухолевые образования, которые вероятнее всего имеют злокачественный характер. Для подтверждения делают биопсию.
  • Категория 6. Подтвержденный ранее рак. Процедура выполняется с целью контроля за течением заболевания.

Что лучше: УЗИ или маммография?

Показания определяются лучащим врачом. Маммография молочных желез позволяет диагностировать различные заболевания даже на ранней стадии развития. Ультразвуковая диагностика не всегда позволяет своевременно определить начальные изменения. Согласно статистическим данным, более 80% женщин предпочитают маммографию, считая этот метод более информативным и надежным. В некоторых случаях врач может назначить оба исследования. В результате это повысить качество диагностики, что в свою очередь, необходимо для правильного заключения.

Пройти маммографию можно в многопрофильной клинике «Здоровье». Центр оснащен современным медицинским оборудованием. Оно оказывает минимальную лучевую нагрузку, что делает процедуру более безопасной. Расшифровкой полученных результатов занимаются квалифицированные врачи, имеющие многолетний опыт в рентгенодиагностике. Запись на обследование осуществляется по телефону.

Доверьте нам заботу о вашем здоровье!

: Электронное правительство :: Управление информационно- коммуникационных технологий и связи :: Структурные подразделения администрации :: Администрация :: Krd.ru

  1. Глобальная сеть, в которую входят правительственные, академические, коммерческие, военные и корпоративные сети всего мира, в основе которой лежит использование протокола передачи данных IP (Inter-network Protocol).
  2. Глобальная информационная система, части которой логически взаимосвязаны друг с другом посредством уникального адресного пространства, основанного на протоколе IP, и которая обеспечивает, публично или частным образом, коммуникационный сервис высокого уровня.
  3. Множество взаимосвязанных компьютерных сетей, окутывающих земной шар. Интернет обеспечивает доступ к компьютерам, электронной почте, доскам объявлений, базам данных и дискуссионным группам, все из которых используют протокол IP.

Всемирная информационная компьютерная сеть Интернет представляет собой объединение множества региональных компьютерных сетей и компьютеров, обменивающихся друг с другом информацией по каналам общественных телекоммуникаций (телефонной, радио и спутниковой связи). И. появился в конце 70-х — начале 80-х годов в результате постепенного объединения с помощью средств телекоммуникаций, компьютерной сети Министерства обороны США, сети Нацио­нального научного фонда правительства США, региональных и даже локальных вычислительных сетей. Согласно официальным данным, в период с 1989 по 1995 гг. сеть И. росла, ежегодно удваивая свои размеры. В настоящее время сеть перешла на коммерческую основу, однако формально ее контролирует общественная организация ISOC (Internet SOCiety). Входящие в И. компьютерные сети взаимодействуют с помощью протоколов IP, которые позволяют связывать между собой компьютеры различной архитектуры, производимые разными фирмами. Под словом И. обычно подразумевают физический уровень сети, т. е. аппаратное обеспечение, состоящее из компьютеров, кабелей и других устройств передачи данных. Работу в И. обеспечивают базовые программные средства. Они осуществляют поиск нужной информации в архивах, размещенных внутри И., перемещают файлы из компьютера в компьютер, обеспечивают вход в другие компьютеры, доступ к множеству серверов и баз данных. С помощью аппаратных и программных средств И. предоставляет пользователю различные информационные услуги, среди которых электронная почта, службы электронных объявлений, телеконференций и рекламы. С начала 90-х годов в И. существует сервис, называемый Всемирной паутиной (World Wide Web). Технология World Wide Web позволяет на основе гипертекста и гипермедиа создавать и хранить информацию в форме документов Web и просматривать все документы Web, хранящиеся в компьютерах глобальной сети, через систему связывающих их ссылок. Подключить компьютер к И. и стать пользователем электронной почты, Всемирной паутины и других услуг И. помогают поставщики сетевых услуг (провайдеры).

Виды бензина, маркировка и расшифровка АИ в топливе

ГК Трэйд-Ойл > Статьи на тему: автомобильный бензин > Виды бензина, маркировка и расшифровка

Что такое бензин? Как написано в Wikipedia, бензин — легковоспламеняющаяся жидкость на основе смеси легких углеводородов плотностью 0,71–0,77 г/см2. Температура ее замерзания –60 0С, кипения — в пределах 33–205 0С. Основная область применения — моторное топливо разных марок, сырье для органического синтеза, изготовления этилена и парафина. На ее основе производят: краски, лаки, растворители, мастики, другие вещества.

Основные характеристики

Какие бензины есть? В России производится несколько видов бензинов, отличающихся характеристиками и составом. Ключевым параметром для определения типов бензина является октановое число — ОЧ. Немаловажная роль при этом отводится количеству примесей. Основным составляющими горючей жидкости являются изооктан с гептаном, от которых зависит способность к детонации топлива в закрытом объеме. Их соотношение в готовом продукте определяет октановое число конкретного вида бензина.

Разновидности

Какой бензин есть в РФ и странах ТС? С учетом октанового числа и других характеристик, предусмотрены такие виды бензина в России:

  • Автомобильное горючее изготавливается согласно ГОСТ 32513-2013: бензин-80, -92, -95, -98, -100, -101 и -102. Для справки — в СССР производился бензин-56, -66, -72, -74, -76 и -93.
Характеристики автомобильных бензинов
параметры А-72 А-92 А-93 А-95
Минимальное ОЧ, моторный метод 72 82,5 85 85
Доля свинца, г/дм3 до 0,13 до 0,13 до 0,13 до 0,13
Температура начала перегонки, 0С от+35 от+35 от+35 от +30
Конец кипения, 0С до +195 до + 205 до + 205 до + 205
  • Авиационное топливо изготавливается согласно ГОСТ 1012-2013: бензин-92 (Б-92) или бензин-91/115 (Б-91/115). По сравнению с автомобильным горючим оно отличается высоким ОЧ, хорошей стабильностью химической структуры и лучшими характеристиками. В таком топливе минимум примесей. В первую очередь, это касается легких фракций, формирующих паровые пробки, повышающих коррозию, образование нагара.
  • Растворители применяются для химической отрасли. С их помощью осуществляется экстрагирование — извлечение нужных компонентов из растительного масла, озокерита или канифоли. В быту растворители используются для удаления разных пятен, разведения лака, краски, обезжиривания, других нужд.
  • Лигроин (нафта). Фракции нефти на основе нормальных парафинов с температурой кипения до +180 0С. Основная сфера применения — сырье для производства этилена путем пиролиза.

Как выглядит бензин?

Бензин — это газ или жидкость? В обычном состоянии — это жидкость с характерным запахом. Для удобства различия, еще с советских времен принято при производстве топлива добавлять особые красители. Схема оттенков видов бензина выглядит так:

  • АИ-66 имел зеленый цвет;
  • АИ-72 отличался розовым тоном;
  • АИ-76 изготавливали насыщенно-желтым;
  • АИ-80 поставляется на АЗС желтого цвета;
  • АИ-90 и АИ-95 различают по оранжево-красному оттенку;
  • АИ- 98 производится с добавлением синего красителя.

Маркировка бензина и что обозначают цифры

Согласно ГОСТ 54283-2010 и нормам технического регламента от 2011 года на территории РФ предусмотрена маркировка бензинов в виде двух буквенных символов и двух цифр. Дополнительно иногда указывается еще одна цифра. Рассмотрим, как в бензине расшифровывается аббревиатура АИ и другие символы на таком примере: АИ-92/4.

  • А — вид: автомобильное топливо;
  • И — способ определения октанового числа: исследовательский. Если буква «И» отсутствует, значит, применялся моторный метод.
  • 92 — величина октанового числа топлива;
  • 4 — класс экологичности горючего может быть в диапазоне 2–5.

Методы определения ОЧ топлива

Основной характеристикой топлива является октановое число, определяющее детонационную стойкость горючей смеси. Чем выше этот параметр, тем позже (при большем давлении) происходит химическая реакция — воспламенение вещества с освобождением энергии и распространением ударной волны. В качестве эталонов используются два углеводорода:

  • Изооктан имеет октановое число, равное единице или 100%. Другими словами, он не самовоспламеняется независимо от степени сжатия.
  • Н-гептан отличается ОЧ, равным нулю. Следовательно, он быстро самовоспламеняется при малейшем давлении.

Если в топливе доля изооктана равна 95%, а н-гептана — 5%, значит, октановая характеристика такого горючего равна 95. Октановое число топлива измеряется в условных единицах и чаще всего в технических документах указывается, как ОЧ (ОЧМ, ОЧИ).

На практике существует две технологии определения ОЧ с помощью одноцилиндрового двигателя двухтактного типа:

  • Исследовательская. Это способ предполагает имитацию движения автомобиля на крейсерском режиме с нагрузками не выше средних, когда обороты коленвала равны 600 об/мин.
  • Моторная. При таком способе имитируются максимальные нагрузки с оборотами 900 об/мин.

Основным методом для определения октанового числа топлива является исследовательский способ.

Детонационная стойкость топлива

Детонация — химическая реакция с воспламенением топлива, при которой выделяется определенное количество тепловой энергии вместе с ударной волной. Фактически, это мгновенный взрыв горючего в замкнутом пространстве (камере сгорания), превращающий смесь в газообразные продукты горения, которые совершают механическую работу, обеспечивая движение поршня вниз. Благодаря этому происходит вращение коленчатого вала двигателя.

Все модификации бензиновых моторов, проектируются для использования топлива с конкретным октановым числом. Использование нештатного горючего приводит к преждевременному либо позднему воспламенению, в результате которого образуются детонационные волны. Они пагубно воздействуют на элементы конструкции, провоцируя их разрушение и последующий выход из строя мотора.

как определяется болезнь на ЭКГ, расшифровка результатов – статьи о здоровье

Оглавление

Сегодня сердечно-сосудистые заболевания являются самой распространенной причиной смерти людей. Сократить смертность позволяют современные методы диагностики различных патологий. Одним из таких методов является ЭКГ (электрокардиограмма) – определение показателей сердечного ритма. Данное обследование является очень простым, неинвазивным (не травмирующим ткани) и информативным. В рамках диагностики регистрируется активность сердечной мышцы. Результаты исследования фиксируются на бумажной ленте и могут тут же оцениваться врачом.

Когда назначается диагностика?

Сделать ЭКГ пациентам рекомендуют при:

  • Выраженных болях в области груди
  • Одышке даже в покое
  • Постоянных головокружениях и обморочных состояниях
  • Непереносимости физических нагрузок
  • Выявленных при первичной диагностике шумах в сердце

Также исследование проводится при высоких показателях артериального давления (постоянных или периодически возникающих), нарушениях сердечного ритма, ревматизме, сахарном диабете. ЭКГ проводят при передозировке некоторыми медицинскими препаратами.

Частью обязательного обследования электрокардиограмма является при:

  • Беременности. Диагностика необходима в связи со сменой круга кровообращения
  • Оценке профессиональной пригодности человека
  • Стандартной диспансеризации
  • Подготовке к оперативным вмешательствам

Существуют и другие показания к проведению ЭКГ. Вы можете получить направление на электрокардиограмму у своего врача или самостоятельно записаться на диагностику.

Как расшифровать диаграмму работы сердца?

Работа сердечной мышцы на кардиограмме представлена в виде непрерывной линии с цифро-буквенными обозначениями и различными отметками. План расшифровки ЭКГ включает анализ всего полученного графика, который может быть выполнен только специалистом. Правильно «прочесть» результаты способны не только кардиологи, но и терапевты и фельдшеры. Зачастую от своевременной расшифровки всех данных зависит не только здоровье, но и жизнь пациента.

При анализе данных специалисты обращают внимание на такие важные показатели, как:

  • Интервалы
  • Зубцы
  • Сегменты

Важно! Существуют достаточно строгие показатели нормы ЭКГ, в некоторых случаях даже малейшие отклонения могут свидетельствовать о нарушениях работы сердечной мышцы. Но исключить или подтвердить патологию может только врач.

Это связано с рядом факторов:

  • Показания кардиограммы в определенных состояниях (например, при беременности) могут отличаться от нормы, но не свидетельствовать о наличии заболевания
  • Нельзя делать выводы по отдельным показателям. Расшифровка проводится только комплексно и включает оценку всех параметров
  • В некоторых случаях информативными являются только результаты, полученные при определенных условиях (под нагрузкой, в динамике и др.)

Определить, что значат конкретные результаты ЭКГ, может лишь специалист! Не пытайтесь сравнивать разные исследования между собой и не делайте выводы на основе отдельных данных. Поручите эту работу профессионалам! Так вы гарантированно получите правильный диагноз и не будете бояться патологий, которых у вас на самом деле нет.

Нормы ЭКГ

Нормальная электрокардиограмма здорового человека выглядит следующим образом:

  • ЧСС: в интервале от 60 до 80 ударов в минуту
  • Тип сердечного ритма: синусовый
  • Интервал RR: 0,6-1,2 сек
  • Интервал PR: 120-200 миллисекунд
  • Интервал ST: 320 миллисекунд
  • Интервал QT: 420 миллисекунд или менее
  • P-зубец – 80 миллисекунд
  • T-зубец – 160 миллисекунд
  • J-зубец: отсутствуют
  • Обратите внимание! Нормы указаны для взрослого человека! У детей они являются другими.

    Патологии

    Во время снятия электрокардиограммы можно выявить следующие нарушения:

    • Синусовая аритмия. В некоторых случаях она является нормой у детей и молодых людей. Такой ритм при патологии свидетельствует о физиологических нарушениях. Синусовая аритмия требует наблюдения у кардиолога, особенно в случаях, когда пациент имеет предрасположенность к заболеваниям сердечно-сосудистой системы
    • Синусовая брадикардия. Такая патология характеризуется частотой сердечных сокращений около 50 ударов в минуту. Данная брадикардия возникает и у здоровых людей во время сна, а также у спортсменов
    • Экстрасистолия. Данный дефект ритма проявляется в хаотичном, слишком частом или редком биении сердца. Пациенты могут жаловаться на неприятные толчки за грудиной, покалывания, ощущения пустоты в желудке, чувство внезапного страха
    • Синусовая тахикардия. При такой патологии частота сердечных сокращений превышает 90 ударов в минуту. Она может возникать при физической или эмоциональной нагрузке и у здоровых людей. Также синусовая тахикардия сопровождает прием алкогольных напитков, энергетиков и крепкого кофе. В этих случаях она носит временный характер. При патологии пациенты жалуются на периодические сердцебиения даже в состоянии покоя и не на фоне приема определенных напитков
    • Пароксизмальная тахикардия. Данное состояние характеризуется учащенным сердцебиением. Возникает приступ, который длится от нескольких минут до нескольких суток. Пульс при этом может превышать показатель в 200 и даже 250 ударов в минуту
    • WPW-синдром. Он является подвидом наджелудочковой тахикардии и характеризуется увеличенной частотой сердечных сокращений и ощущением нехватки воздуха, замираниями сердца и усиленным сердцебиением. Также для патологии характерны обмороки, одышка, головокружения
    • CLC. При такой патологии пациенты жалуются на учащенный сердечный ритм
    • Мерцательная аритмия. Данное заболевание может носить как постоянный, так и периодический характер. Пациенты с мерцательной аритмией жалуются на выраженные трепетания сердца, испытывают чувство тревоги и даже паники

    Выделяют и другие патологические состояния. Все они требуют наблюдения у кардиолога и регулярного полного обследования, которое включает не только ЭКГ, но и проведение иных исследований. Нередко точный диагноз пациенту можно поставить только после оценки целого ряда показателей, полученных после лабораторной и инструментальной диагностики.

    Как записаться к кардиологу?

    Если вы планируете сделать ЭКГ и получить консультацию специалиста, вам нужно записаться на прием в нашу клинику. Для этого достаточно позвонить по номеру +7 (812) 336-33-33 . Наш специалист ответит на все ваши вопросы, озвучит стоимость диагностики и особенности подготовки к ней.

    Преимущества проведения ЭКГ в МЕДСИ

    • Аппараты экспертного класса. Они позволяют получать точные результаты диагностики и сокращать время проведения исследования
    • Опытные врачи-кардиологи. Наши специалисты регулярно проходят обучение и повышают уровень квалификации. Это позволяет им не только грамотно проводить обследование пациентов, но и быстро ставить диагноз и назначать адекватное лечение даже самых опасных патологий
    • Возможности для проведения ЭКГ с расшифровкой в СПб на дому. Наш специалист может приехать к вам и выполнить исследование. Он тут же расшифрует его, поставит диагноз и назначит необходимые лекарственные препараты или направит на госпитализацию
    • Возможность прохождения ЭКГ в день обращения. Вам не придется долго ждать. Просто запишитесь на процедуру в удобное для вас время
    • Грамотные консультации кардиолога по результатам обследования. Наш специалист расшифрует ЭКГ, расскажет о нормах и отклонениях от них. В кратчайшие сроки вам будет поставлен точный диагноз

    Не откладывайте обследование на потом даже при небольших признаках заболеваний сердечно-сосудистой системы!

    Различные типы кодировщиков и декодеров и их приложения

    В проектах цифровой электроники кодер и декодер играют важную роль. Он используется для преобразования данных из одной формы в другую. Как правило, они часто используются в системах связи, таких как телекоммуникации, сети, и передают данные с одного конца на другой. Таким же образом он также используется в цифровой области для простой передачи данных, помещаемых вместе с кодами, а затем передаваемых. В конце приемника кодированные данные собираются из кода и затем обрабатываются для отображения.В этой статье рассказывается о том, что такое кодировщик и кодировщик, о работе и его приложениях.

    Что такое кодировщик и декодер?

    Энкодер - это устройство, преобразователь или цепь. Кодировщик преобразует информацию из одного формата в другой формат, например, электрические сигналы в счетчики или ПЛК. Сигнал обратной связи энкодера будет определять положение, счет, скорость и направление. Устройства управления используются для отправки команды определенной функции.

    Кодер

    Декодер - это схема, используемая для преобразования кода в набор сигналов.Само имя сообщает декодеру, потому что оно имеет обратную кодировку. Декодеры очень просты в конструкции.

    Декодер

    Двоичный декодер

    В цифровой электронике двоичный декодер представляет собой комбинационную логическую схему, которая преобразует двоичное целое число в соответствующий шаблон выходных битов. Они используются в различных приложениях, таких как семисегментный дисплей, декодирование адреса памяти. Функция двоичного декодера достигается, если данная комбинация входов произошла.

    Двоичный декодер

    Декодер от 3 до 8

    Этот тип декодера называется декодером от 3 до 8 строк, потому что он имеет 3 входа и 8 выходов. Чтобы декодировать комбинацию трех и восьми, нам потребовалось восемь логических вентилей, и для разработки этого типа декодеров мы должны учитывать, что нам нужен активный высокий выход. В таблице ниже показано декодирование декодера от 3 до 8 строк. Чтобы разработать этот тип декодеров, нам нужен активный высокий выход, и для данной комбинации входов выход декодера равен единице.В таблице показаны иллюстрации декодирования, а также логический символ от 3 до 8 декодеров.

    Декодер от 3 до 8

    Из таблицы истинности трех линейных входов до восьми линейных выходов мы можем показать логическую схему. Логическая схема состоит из трех вентилей НЕ и восьми вентилей И-НЕ. Контакт включения логических элементов NAND соединен вместе. Вентили НЕ могут генерировать дополнение ввода, а вентили И-НЕ могут выдавать максимум на каждом выходе.

    Таблица правды о декодере от 3 до 8

    Логическая схема декодера от 3 до 8

    Декодер от 2 до 4

    В двух или четырех декодерах две входные линии декодируются в четыре выходные линии .Следовательно, этот декодер состоит из двух входных линий и четырех выходных линий. Из четырех выходных линий будет активна только одна выходная линия, а остальные три выходные линии будут поддерживаться на уровне логического нуля. На следующей диаграмме показаны две входные линии для четырех выходных линий декодера.

    Декодер от 2 до 4

    Таблица истинности двух входных линий для четырех выходных линий декодера может быть рассмотрена следующим образом. Если на разрешающих выводах активен высокий уровень, то для данного входа выходы от Y0 до Y3 равны логической единице.Когда на двух входах низкий уровень, тогда выход Y0 равен логической 1, а другие выходы - логическому 0. Если оба входа имеют высокий уровень, то выход Y3 равен логической 1, а другие выходные контакты - логическому 0. Если разрешающий контакт равен нулю, тогда выходные контакты являются логическими 0. Если входные контакты A = 0 и B = 1, тогда Y1 будет логической 1, или если входы A = 1 и B = 0, то выходной контакт Y2 будет логическим 1.

    Таблица истинности декодера 2-в-4

    Из таблицы истинности булевы выражения для каждого вывода

    Y0 = A ̅ B ̅
    Y1 = A ̅ B
    Y2 = AB ̅
    Y3 = AB

    Используя приведенное выше уравнение, мы можем реализовать схему логической схемы двух линейных входов и четырех линейных выходов.В этой логической схеме используются два элемента НЕ и четыре элемента И. Четыре контакта разрешения соединены вместе, и если контакт разрешения равен нулю, то все выходы равны нулю. Если разрешающий вывод - один, то выход зависит от произведения двух входов. Здесь мы разработали логическую схему с вентилем И, но мы также можем реализовать его с вентилями И-НЕ, используя принцип минтеров.

    Логическая схема декодера 2-в-4

    Работа кодировщика

    Для создания сигнала в кодировщиках используются различные типы технологий, в том числе механические, магнитные, резистивные и оптические.Используя прерывание света в оптическом датчике, энкодеры обеспечивают обратную связь. На следующей схеме показана базовая структура инкрементального энкодера с использованием оптической технологии.

    Работа кодировщика

    Свет, излучаемый светодиодом, проходит через код диска, который отображается непрозрачными линиями. Если вал энкодера вращается, световой луч светодиода прерывается непрозрачными линиями на кодовом диске. Это подает импульсные сигналы, и свет присутствует, тогда находится в состоянии ВКЛ., А если света нет, то он находится в состоянии ВКЛ.Сигналы отправляются на счетчики или контроллер, а затем отправляются сигналы для создания желаемой функции.

    Priority Encoder

    Priority Encoder - это схема, которая сжимает несколько двоичных входов до небольшого количества выходов. Выходной сигнал кодировщика приоритета находится в двоичном представлении исходного числа наиболее значимых битов. Часто используется запрос прерывания управления с помощью кодировщика с наивысшим приоритетом. Мы можем дать одновременно два или более двух входов, тогда приоритет имеет наивысший приоритет.

    Priority Encoder

    Примером приоритетного кодировщика является кодировщик от 4 до 2, и приоритетные кодеры подключены к массивам для создания больших кодировщиков. Кодеры с наивысшим приоритетом находятся слева, а X - несущественное значение, а выход V указывает, действителен вход или нет. Крупные энкодеры в приоритетных энкодерах - это от 16 до 4 энкодеров, они состоят из шести энкодеров с 4 по 2 - для 4-2 энкодеров с одним источником, подключенным к их входам, а оставшиеся два энкодера принимают выход первых четырех в качестве входа .

    Таблица истинности кодировщика 4 в 2

    Логическая схема декодера 2 в 4

    Применение кодировщика и декодера
    • Синхронизация скорости нескольких двигателей в промышленности
    • Полевой боевой робот с ночным видением летающая камера
    • Роботизированное транспортное средство с металлоискателем
    • Система домашней автоматизации на основе RF
    • Автоматические системы мониторинга здоровья

    В этой статье мы обсудили различные типы кодировщиков и декодеров и их использование.Я надеюсь, что, прочитав эту статью, вы получили некоторую основную информацию об этой статье. Если у вас есть какие-либо вопросы относительно этой статьи или реализации инженерных проектов, пожалуйста, оставьте комментарий в разделе ниже. Вот вам вопрос, что такое приоритетный кодировщик?

    Транскриптомное и клеточное декодирование региональной уязвимости головного мозга к нейрогенетическим расстройствам

    Когорты, диагностическая классификация и получение МРТ

    Анеуплоидии половых хромосом [Национальные институты здравоохранения - Бетесда, США (NIH)]: этот набор данных был подробно описан ранее 37,38,39 .Вкратце, мы включили 297 пациентов с различным дополнительным количеством X- и / или Y-хромосом и 165 здоровых людей контрольной группы (79 женщин) (дополнительная таблица 1). Пациенты были набраны через веб-сайт Национального института здоровья (NIH) и группы поддержки родителей. Наличие анеуплоидии половых хромосом подтверждено тестированием кариотипа. Критерии исключения включали в себя травму головы в анамнезе, неврологическое состояние, приведшее к грубым аномалиям головного мозга, и мозаицизм (определяемый визуализацией 50 метафазных распространений в периферической крови).Здоровые люди из контрольной группы были включены в продольные исследования типичного развития мозга 40 . Критерии исключения для контроля включали использование психиатрических препаратов, регистрацию в службах специального образования, лечение психических заболеваний в анамнезе или предварительный диагноз заболевания, влияющего на нервную систему. Полномасштабный IQ был измерен с помощью WASI. Объекты сканировались на сканере GE Signa 1,5 Тл (аксиальные срезы = 124 × 1,5 мм, TE = 5 мс, TR = 24 мс, угол поворота = 45 °, матрица сбора данных = 256 × 192, FOV = 24 см) с использованием испорченного -градиентный вызванный эхо (3D-SPGR) последовательность изображений.Протокол исследования был одобрен институциональным наблюдательным советом (IRB) в Национальном институте психического здоровья, и было получено информированное согласие или согласие всех лиц, участвовавших в исследовании, а также согласие их родителей, если ребенок находился в возрасте до совершеннолетие (регистрационный номер клинического исследования NCT00001246; Clinicaltrials.gov).

    Синдром Дауна / трисомия 21 [NIH]: Этот набор данных был подробно описан ранее 2 . Вкратце, мы включили 26 пациентов (13 женщин) с синдромом Дауна и 42 здоровых пациента контрольной группы (21 женщина) (дополнительная таблица 1).Всем участникам с СД был поставлен хромосомный диагноз трисомии 21 в соответствии с отчетом родителей или прямым тестированием, без случаев мозаицизма. В дополнение к генетическим критериям включения участники также должны были не иметь в анамнезе приобретенных травм головы или других состояний, которые могли бы вызвать серьезные аномалии головного мозга. Полномасштабный IQ измерялся следующим образом: для участников в возрасте до 18 лет применялись Шкалы дифференциальных способностей, второе издание 41 , а для участников 18 лет и старше - Краткий тест на интеллект Кауфмана, второе издание 42 . .Визуализацию проводили без седации на том же сканере 3-T General Electric с использованием 8-канальной катушки для головы. Т1-взвешенные изображения с высоким разрешением (0,94 × 0,94 × 1,2 мм) были получены с использованием калиброванной намагниченности последовательности быстрого градиентного эхо-сигнала (128 срезов; матрица сбора данных 224 x 224; угол поворота = 12 °; поле зрения [FOV ] = 240 мм). Протокол исследования был одобрен IRB в Национальном институте психического здоровья, и информированное согласие или согласие было получено от всех лиц, участвовавших в исследовании, а также согласие от их родителей, если ребенок не достиг совершеннолетия ( Клинические испытания рег.нет. NCT00001246; Clinicaltrials.gov).

    Синдром опухоли-аниридии Вильмса (WAGR) [NIH]: в общей сложности 31 пациент с гетерозиготными делециями смежных генов возрастающей переменной длины на коротком плече хромосомы 11 (делеция 11p13), и 23 здоровых человека из контрольной группы участвовали в комплексном генотипе / исследование фенотипа, одобренное NIH IRB и с информированного согласия их родителей / законных опекунов (дополнительная таблица 1). Здоровые люди из контрольной группы были проверены и исключены на предмет наличия в анамнезе неврологических и психологических нарушений.Хромосомные делеции охарактеризованы с помощью анализа микросателлитных маркеров и сравнительной геномной гибридизации олигонуклеотидного массива. Нейропсихологические оценки проводились с использованием стандартных психологических тестов. Всем участникам была выполнена структурная МРТ-визуализация головного мозга. Контроль качества изображений включал визуальную проверку необработанных изображений на предмет артефактов движения, а также качество сегментов поверхности и объема. Результаты обработки изображений были проверены на предмет ошибок сегментации поверхности и объема с помощью FML и AR.МРТ-изображения головного мозга были получены с разрешением 1 мм 3 с использованием трехмерной Т1-взвешенной последовательности TFE на 3,0 Тл сканере Philips Achieva MRI, оборудованном 8-канальной фазированной головкой катушки. Параметры последовательности были следующими: TR = 8,3 мс, TE = 3,8 мс, задержка TI = 1031 мс, 160 кадров. В общей сложности был получен 171 срез в сагиттальной плоскости с матрицей сбора данных 240 × 240 и полем обзора 240 мм. Протокол исследования был одобрен IRB в Национальном институте психического здоровья, и информированное согласие или согласие было получено от всех лиц, участвовавших в исследовании, а также согласие от их родителей, если ребенок не достиг совершеннолетия ( Клинические испытания рег.нет. NCT00758108; Clinicaltrials.gov).

    Синдром Тернера (Х-моносомия) [Институт психиатрии, психологии и нейробиологии - Лондон, Великобритания (IoPPN)]: Эта когорта и связанные с ней данные были подробно описаны ранее 43,44 . Мы включили в это исследование 20 женщин с Х-моносомией (синдром Тернера) (TS) и 36 здоровых женщин из контрольной группы (дополнительная таблица 1). Вкратце, участники с TS были набраны в рамках университетской программы исследований поведенческой генетики, проводимой в сотрудничестве с South London and Maudsley NHS Foundation Trust и обычно разрабатываемых с помощью местной рекламы.Кариотип определяли для каждого участника с TS путем анализа 30 метафазных распространений с использованием обычных цитогенетических методов. Ни один из участников не страдал какими-либо психическими или медицинскими расстройствами, которые могут серьезно повлиять на функцию мозга (например, эпилепсия, нейрохирургия, травмы головы, гипертония, шизофрения), как было определено структурированным клиническим собеседованием и обследованием, а также просмотром медицинских записей. Структурные данные МРТ получали с помощью МР-системы GE Signa 1,5 T Neuro-optimized (General Electric, Милуоки, Висконсин).3D-SPGR изображения корональной зоны всей головы (TR = 14 мс, TE = 3 мс, матрица сбора данных 256 × 192, срезы 124 × 1,5 мм) были получены от всех субъектов. Этическое одобрение было получено от местного комитета по этике, и информированное письменное согласие было получено от всех участников (конкретный справочный идентификатор комитета по этике имелся у реорганизованного комитета по этике Института психиатрии. Наличие активного одобрения комитета по этике подтверждено оригинальными публикациями 43,44 ).

    Велокардиофациальный синдром (VCFS) [IOPPN]: Вкратце, все пациенты с VCFS и контрольные субъекты были обследованы на медицинские состояния, влияющие на функцию мозга, посредством полуструктурированного клинического интервью и стандартных анализов крови 45,46 .Полномасштабный интеллект был измерен с помощью Canavan et al. сокращенная версия шкалы интеллекта взрослых Векслера - пересмотренная версия 47 . Мы включили 27 контрольных (11 женщин) вместе с 29 участниками (13 женщин) с клиническими признаками VCFS (дополнительная таблица 1) и делецией 22q11.2, обнаруженной с помощью флуоресцентной гибридизации in situ (FISH; Oncor Inc, Гейтерсбург, Мэриленд, США). Субъекты сканировались на сканере 1,5 T GE Signa в больнице Модсли в Лондоне, Великобритания. Для каждого субъекта было получено 3D-SPGR изображение всей головы (TR = 11.9 мс; TE = 5,2 мс; Матрица сбора данных 256 × 192; Срезы 124 × 1,5 мм). Этическое одобрение было получено от местного этического комитета. Все субъекты (или их опекуны, если субъекты моложе 16 лет) дали письменное информированное согласие после того, как процедура была полностью объяснена (конкретный справочный идентификатор комитета по этике находился у реорганизованного комитета по этике Института психиатрии. Наличие активного одобрения комитета по этике подтверждено оригинальные публикации 45,46 ).

    Контроль качества изображения

    Каждый из наборов данных пациента / контроля, используемых в текущей рукописи, был взят из предыдущих исследований.Таким образом, предыдущие процедуры контроля качества для каждого набора данных можно найти в исходных документах (см. Разделы выше). Кроме того, каждая реконструкция кортикальной поверхности проверялась вручную на предмет топологических дефектов, скремблирования пациентов и контрольных групп, чтобы избежать систематической ошибки.

    Создание сетей морфометрического сходства

    Все T1-взвешенные (T1w) сканы были обработаны с использованием конвейера CIVET Монреальского неврологического института 48 (v1.1.10). Из-за отсутствия мультимодальной визуализации оценивались только морфометрические характеристики серого вещества, полученные на основе T1-взвешенных сканирований (толщина коры при КТ, площадь поверхности SA, объем серого вещества GM, средняя кривизна MC, внутренняя кривизна IC).Значения GM оценивались с использованием объемов T1w каждого испытуемого. Вершинные значения CT и SA были оценены с использованием полученных реконструкций пиальной поверхности из CIVET, в то время как показатели MC и IC этих поверхностей были оценены с использованием свободно доступного программного пакета Caret5 49 . Эти поверхностные сетки (~ 80 000 вершин на сетку) были включены в нашу региональную парцелляцию (см. Ниже), где оценки характеристик по вершинам были усреднены в пределах заданной области парцелляции.Представления кортикальной поверхности были построены с использованием BrainsForPublication v0.2.1 (https://doi.org/10.5281/zenodo.1069156).

    Для каждого субъекта сначала были масштабированы региональные морфометрические признаки (CT, SA, GM, MC и IC) ( Z баллов для каждого объекта в разных регионах), чтобы учесть различия в распределении значений между признаками. После нормализации сети морфометрического сходства (MSN) были сгенерированы путем вычисления региональных парных корреляций Пирсона в наборах морфометрических признаков, что дало ассоциативную матрицу, представляющую силу MS между каждой парой кортикальных областей 16 .Для всех людей региональные оценки MS (то есть узлового сходства) рассчитывались как среднее MS между данной корковой областью и всеми остальными. Ранее мы продемонстрировали, что существует чрезвычайно высокая пространственная согласованность ( r = 0,91) между топографией регионарного МС, полученной только на основе данных T1-взвешенной МРТ, и региональной МС, полученной при других модальностях (например, комбинация T1w и диффузионно-взвешенной визуализации). 16 ).

    Кортикальная парцелляция

    Мы сгенерировали кортикальную парцелляцию с 308 областями ( N = 152 LH областей), используя алгоритм обратного отслеживания, чтобы ограничить размер посылки примерно 500 мм 2 , с границами атласа Десикана-Киллиани в качестве отправных точек 50,51 .Эта парцелляция использовалась в предыдущих исследованиях визуализации коннектомов структурной 19,52,53 и функциональной 20 визуализации, а также в нашем первом исследовании MSN 16 .

    Статистический анализ различий MSN

    Для каждой когорты групповые эффекты заболевания на узловое сходство были смоделированы с использованием базовой функции «lm» в R, с полом и возрастом, включенными в качестве ковариат. Линейная регрессия проводилась с использованием стандартной процедуры наименьших квадратов (МНК).Эта модель была адаптирована для каждой области, и была извлечена двусторонняя статистика T (контраст = пациент - контроль) (представленная на рис. 2a как оценка Z для построения графика). Для групп SCA мы совместно смоделировали эффект дозировки каждой хромосомы следующим образом:

    $$ {\ mathrm {{NS}}} _ i \ sim {\ mathrm {{intercept}}} + \ beta 1 \ left ({{\ mathrm {{возраст}}} \ right) + \ beta 2 \ left ({{\ mathrm {{sex}}}} \ right) + \ beta 3 \ left ({{\ mathrm {{Xan}}}}} \ right) + \ beta 4 \ left ({{\ mathrm {{Yan}}}} \ right), $$

    (1)

    , где NS i - оценка узлового сходства между субъектами в регионе i , а Xan и Yan - количество дополнительных X и Y хромосом (соответственно).Это было сделано после исключения каких-либо значимых взаимодействий между Xan и полом или Xan и Yan для вариации узлового сходства 1 .

    Для сравнений +21, −X, −22q11.2, −11p13 пациент-контроль по узловому сходству (NS i ) использовалась следующая модель:

    $$ {\ mathrm {{NS} }} _ i \ sim {\ mathrm {{intercept}}} + \ beta 1 \ left ({{\ mathrm {{age}}}} \ right) + \ beta 2 \ left ({{\ mathrm {{sex}) }}} \ right) + \ beta 3 \ left ({{\ mathrm {{Dx}}}} \ right), $$

    (2)

    где Dx - бинарная классификация пациентов и контрольных групп.

    Эти процедуры привели к картам изменения MS для шести различных состояний CNV, которые были приняты в последующие анализы (+ X, + Y, +21, -X, -22q11, -11p13).

    Интерпретация региональных различий морфометрического сходства

    Из-за нулевого центрированного характера регионального распределения MS (дополнительный рис. 3a) мы аннотировали региональные карты изменений MS ( T -статистика) для определения основных эффектов на границе уровень (т.е. на уровне межрегиональных МС).Для каждого CNV мы сначала вычислили изменение MS по краю между пациентами и контрольной группой (т.е. уравнения (1) или (2) для каждого края или попарную корреляцию). Затем для десяти лучших положительных (красный на рис. 1b) и десяти отрицательных (синий на рис. 1b) региональных MS T -статистик мы взяли абсолютную сумму их соответствующих краевых значений T для каждого из четырех возможных типы краевого эффекта:

    • гиперцепление = край с положительным весом в контроле и положительный край T -статистика для эффекта CNV (т.е.е. регионы, которые морфометрически похожи в контроле, становятся более похожими с помощью CNV)

    • дедифференцировка = край с отрицательной массой в контроле и положительный край T -статистика для эффекта CNV (т.е. области, которые морфометрически не похожи на контрольные, становятся менее разными с помощью CNV)

    • развязка = край с положительным весом в контроле и отрицательный край T - статистика для эффекта CNV (т.е.е. области, которые морфометрически похожи в контроле, оказываются менее похожими CNV).

    • гипердифференцировка = край с отрицательным весом в контроле и отрицательный край T -статистика для эффекта CNV (т.е. области, которые морфометрически не похожи в контроле, становятся более непохожими на CNV)

    Эти четыре эффекта изображены в легенде на дополнительном рис. 3b.

    Получение наборов генов для каждого CNV

    Присвоение генов AHBA положениям хромосом производилось в соответствии с указаниями из ссылки. 54 . Эти назначения определили наборы генов, используемые для всех анализов на уровне хромосом. Наборы генов для двух субхромосомных CNV в нашем исследовании были определены следующим образом. Набор генов с делецией 11p13 (WAGR) был определен с использованием известного распределения проксимальных и дистальных контрольных точек в исследуемой когорте пациентов WAGR (относительно сборки генома NCB136 / hg18, на которую ссылается браузер генома USCS). Мы использовали медианные проксимальные и дистальные контрольные точки у пациентов, чтобы определить репрезентативный хромосомный сегмент для использования в анализе, который охватывал в общей сложности 45 генов AHBA (дополнительный набор данных 1), включая оба гена критической области WAGR ( WT1 и PAX6 ).Поскольку данные о точках останова для конкретного пациента не были доступны для когорты с делецией 22q11.2 (VCFS), мы определили набор генов для этого CNV, используя контрольные точки останова для наиболее распространенного типа делеции A-D (наблюдается у> 85% пациентов). 55 , который включает 20 генов из набора данных AHBA.

    Транскриптомное сопоставление данных нейровизуализации

    Методы сопоставления данных экспрессии генов микроматрицы от шести взрослых доноров, предоставленных Атласом мозга человека Аллена (AHBA), с левым полушарием ( N = 152 области) нашей парцелляция была подробно описана в другом месте 8,16,52 , где мы показали, что данные экспрессии генов устойчивы к исключению данного донора из анализа.Вкратце, мы использовали FreeSurfer's recon-all для реконструкции и разделения коры головного мозга каждого донора AHBA с использованием соответствующего T1-взвешенного объема 56 . Образцы ткани были отнесены к ближайшему центроиду левого полушария нашего парцелла в естественном пространстве каждого субъекта. Для двух субъектов с данными правого полушария мы сначала отразили координаты образцов правого полушария, а затем выполнили картирование. Средняя региональная экспрессия была оценена для каждого гена среди участников ( N = 6), а затем региональные значения каждого гена были нормализованы ( Z - оценка), в результате была получена матрица генома 152 (областей) × 15043 (гены). данные по широкому выражению для левого полушария.Код и данные, лежащие в основе выравнивания AHBA, доступны в Интернете по адресу https://github.com/RafaelRomeroGarcia/geneExpression_Repository.

    Частичная регрессия по методу наименьших квадратов различий РС

    Этот метод, применяемый в аналогичных анализах, объединяющих данные нейровизуализации и экспрессии генов мозга, был описан ранее 8,19 (см. Также дополнительный рис. 1). Здесь мы используем регрессию PLS для ранжирования генов AHBA по их многомерному пространственному выравниванию с кортикальными изменениями MS в каждом из шести различных состояний CNV (+ X, + Y, +21, -X, -22q11, -11p13).Как подробно описано ниже, этот ранжированный список генов для каждого условия CNV (дополнительный набор данных 1) обеспечивает объединяющую основу для проверки предпочтительного пространственного выравнивания между CNV-индуцированным изменением MS и пространственной экспрессией, определяемой пользователем интересующими наборами генов (например, гены в пределах vs. без области CNV, наборы генов, определяющие разные типы клеток и т. д.).

    Вкратце, регрессия PLS - это метод обработки данных, тесно связанный с анализом главных компонентов (PCA) и регрессией OLS. Здесь мы используем алгоритм SIMPLS 57 в R (пакет «pls» 58 ), где матрица независимых переменных ( X ) и зависимая переменная ( Y ) центрированы, что дает X 0 и Y 0 соответственно.Затем первый компонент взвешивается по w 1 и q 1 для расчета оценок факторов (или оценок компонентов PLS) T 1 и U 1 .

    Этот T 1 представляет собой взвешенную сумму центрированной независимой переменной:

    $$ T_1 = X_0w_1 + E_1, $$

    (3)

    и U 1 - взвешенная сумма центрированной зависимой переменной:

    $$ U_1 = Y_0q_1 + E_2, $$

    (4)

    Веса и оценки факторов рассчитываются для обеспечения максимальной ковариации между T 1 и U 1 , что является отходом от обычного PCA, где оценки и нагрузки рассчитываются для объяснения максимальной дисперсии в Х 0 .

    Алгоритм SIMPLS предоставляет альтернативу, при которой матрицы не дефлируются весами при вычислении новых компонентов, и, как результат, легче интерпретировать компоненты на основе исходных центрированных матриц.

    Поскольку компоненты вычисляются для объяснения максимальной ковариации между зависимыми и независимыми переменными, первый компонент не должен объяснять максимальную дисперсию в зависимой переменной. Однако по мере увеличения количества рассчитываемых компонентов они все более склонны объяснять меньшую дисперсию зависимой переменной.Мы подтвердили, что первый компонент ( U 1 , используемый для анализа ранга генов) для каждого CNV-специфичного PLS объясняет наиболее относительную дисперсию.

    Для каждого CNV мы использовали U 1 для ранжирования генов по их нагрузкам PLS (от больших положительных до больших отрицательных нагрузок PLS, рис. 1a). Полярность компонентов PLS была фиксированной, так что ранги генов имели одинаковое значение для всех CNV. Таким образом, для всех карт изменения MS, вызванного CNV, гены с большими положительными массами PLS имели более высокую, чем в среднем, экспрессию в областях коры, где MS увеличивается у носителей CNV по сравнению с контролями (т.е.е., красные области на рис. 1b), и экспрессия ниже средней в областях коры, где MS снижена у носителей CNV по сравнению с контролем (т.е. синие области на рис. 1b). И наоборот, гены с большими отрицательными весами PLS имели более высокую экспрессию в кортикальных областях, где MS снижается у носителей CNV по сравнению с контролем (то есть синие области на рис. 1b), и ниже, чем средняя экспрессия в корковых областях, где MS увеличивается в CNV. носителей относительно элементов управления (т.е. красные области на рис.1б). Гены среднего ранга с меньшим весом PLS показали градиенты экспрессии, которые слабо связаны с паттерном кортикальных изменений MS.

    Важно отметить, что T 1 и U 1 - это первые веса компонентов PLS в общем измерении переменных X и Y . Таким образом, в нашем анализе, сравнивающем экспрессию гена AHBA с кортикальным изменением РС (как в приведенном выше примере интерпретации), общее измерение находится на уровне узлов.Однако в нашем анализе, сравнивающем индивидуальную экспрессию гена пациента с индивидуальными картами коркового рассеянного склероза, общим измерением были люди, а не области мозга (см. Ниже).

    Анализ обогащения гена с медианным рангом

    Ранжированные списки генов, предоставленные PLS-регрессией экспрессии AHBA и изменением MS, предоставили общую основу для проверки того, была ли пространственная экспрессия данного набора генов неслучайно связана с наблюдаемым пространственным паттерном изменения MS. В частности, мы количественно оценили эту степень пространственного соответствия или данный набор генов, используя объективную и простую меру среднего ранга набора генов.Это позволило интерпретировать обогащение ранга генов как по отношению к центру рангового распределения, так и по отношению к крайним точкам списка. Статистическая значимость наблюдаемых медианных рангов набора генов была установлена ​​путем сравнения с нулевыми медианными ранговыми распределениями из 10 000 перестановок рангов генов ( P RAND ).

    Для полных хромосомных CNV средние ранги оценивались для хромосом 1:22, X, Y и псевдоавтосомной области (PAR или X | Y). Для построения графика результаты с полными хромосомами представлены на рис.1b, а результаты для всех хромосом и генов PAR показаны в дополнительном наборе данных 2. Для субхромосомных делеций (-22q11.2 / VCFS и -11p13 / WAGR) мы выполнили дополнительные варианты нашего теста P RAND ( P RAND- Cis и P RAND- Trans ), только сравнивая наблюдаемые медианные ранги с таковыми для 10 000 из наборов генов эквивалентного размера, повторно взятых из соответствующей хромосомы (то есть хромосомы 22 для -22q11.2 и хромосома 11 для −11p13).

    Учитывая, что наборы генов CNV сильно различались по размеру, а наименьший набор генов (+ Y) был примечателен тем, что был единственным набором генов, у которого наблюдаемый средний ранг упал ниже номинального P RAND = порог 0,05 , мы провели дополнительный анализ для изучения взаимосвязи между размером набора генов CNV и статистической значимостью наблюдаемых средних рангов набора генов CNV относительно нулевого распределения P RAND .Мы решили вложить эти анализы в контекст Х-хромосомы, которая была CNV, которая содержала наибольшее количество сцепленных генов в AHBA. В различных подвыборках набора генов X-хромосомы, начиная от заданного размера Y-хромосомы (наименьшего CNV для всей хромосомы) до полного размера X-хромосомы, мы сгенерировали 10 000 средних рангов генов из + X PLS- ранжированный список генов в каждой подвыборке, а также медианные ранги генов из случайных выборок всего (перекрывающегося AHBA) генома сопоставимого размера набора (дополнительный рис.2в). Поскольку пары подмножеств X-хромосомы и случайные подмножества были произвольно сопоставлены, значения подвыборки P были рассчитаны путем тестирования медианы медианных рангов генов X-хромосомы против 10000 нулевых медианных рангов генов, сгенерированных случайными выборками. Это было выполнено для каждого размера подвыборки (дополнительный рис. 2c), чтобы оценить прогнозируемое значение P для средних рангов наборов генов CNV, размер которых аналогичен CNV (+ Y, +21), наблюдаемым в нашем исследовании.

    Из-за того, что MS change отображает интегрированную информацию из нескольких отдельных анатомических показателей (например,г. толщина коры, площадь поверхности и т. д.), мы проверили, способны ли карты анатомических изменений для каждой из этих индивидуальных особенностей РС восстановить предпочтительную взаимосвязь между кортикальными градиентами экспрессии генов CNV в состоянии здоровья и влиянием CNV на анатомию коры головного мозга у пациентов. Чтобы добиться этого, мы повторили аналитические шаги, описанные выше для каждого CNV, заменив карту изменений MS картами изменений для каждой отдельной метрики, используемой как часть нашего сопоставления MS с пятью функциями (дополнительный рис.2а): объем серого вещества, толщина коры, площадь поверхности, средняя кривизна и внутренняя кривизна. Ранги генов, полученных из PLS из всех этих анализов, оценивали для статистически значимого экстремального ранжирования наборов генов CNV ( P RAND <0,05, дополнительный набор данных 3).

    Анализ обогащения онтологии генов

    Функциональное обогащение оценивалось с помощью анализа обогащения онтологии генов (GO) на основе рангов. Во-первых, мы разделили полные списки генов с рейтингом PLS для каждого CNV, чтобы они содержали только гены, которые были определены как экспрессируемые в мозге (см. Ниже).Затем каждый уточненный список генов CNV только для мозга был введен в GOrilla 59,60 , упорядоченный по шкале PLS отдельно в возрастающем и убывающем порядке, чтобы получить обогащение для обоих хвостов списка генов. Полный вывод можно найти в дополнительном наборе данных 4.

    Создание карт экспрессии генов клеточного класса

    Мы собрали данные из пяти различных одноклеточных исследований с использованием посмертных образцов коры головного мозга у людей в постнатальном периоде 61,62,63,64,65 , чтобы избежать предвзятости, связанной с методологией сбора данных, анализом или установлением пороговых значений.

    Чтобы получить наборы генов для каждого типа клеток, категориальные определения были основаны на каждом отдельном исследовании согласно соответствующим методам и вариантам анализа в исходной статье. Все наборы генов клеточного типа были доступны как часть соответствующих статей. Для Zhang et al. 61 и Darmanis et al. 64 статей, эти данные уже были опубликованы в другом месте 66 , и поэтому были повторно использованы в настоящем исследовании. Этот подход привел к первоначальному включению 58 классов клеток, многие из которых перекрывались на основании номенклатуры и / или составляющих генов.Гены в каждом из этих 58 типов клеток собраны в дополнительном наборе данных 5.

    Мы создали пространственные карты экспрессии для каждого набора генов клеточного типа, вычислив средний балл региональной экспрессии для каждого набора генов в массиве данных микрочипов AHBA (рис. . 2а). Затем мы выполнили иерархическую кластеризацию этой матрицы экспрессии для каждого типа ячейки, используя критерий статистики разрыва 22 . Этот неконтролируемый анализ позволил нам определить, можно ли сгруппировать наборы генов клеточного типа из различных исследований в биологически обоснованные кластеры по их шаблонной экспрессии на кортикальном листе.Кластеризация специфических для исследования наборов генов в соответствии с известными классами клеток была взята, чтобы указать, что градиенты экспрессии генов в кортикальном листе частично организованы по типу клеток.

    Конвергенция топографии экспрессии клеточного типа позволила нам сгруппировать отдельные исследуемые списки генов клеточного типа в канонические классы клеток. В контексте решения иерархической кластеризации N = 3 из рис. 2a, мы выполнили апостериорное присвоение каждого типа ячеек конкретного исследования в классы ячеек на основе визуализации t -Distributed Stochastic Neighborhood Embedding (tSNE ) решение (рис.2b) по данным с рис. 2. Это решение четко организовало типы ячеек для конкретных исследований в семь канонических классов, которые были полностью вложены в иерархическое решение кластеризации N = 3 из рис. 2a. Этими семью классами были: астроциты (Astro), эндотелиальные клетки (Endo), микроглия (Micro), возбуждающие нейроны (Neuro-Ex), тормозящие нейроны (Neuro-In), олигодендроциты (Oligo) и OPCs.

    Чтобы получить карты экспрессии для каждого из этих семи классов ячеек, мы сначала свернули списки генов для конкретного исследования, чтобы создать единый общий список генов для каждого класса ячеек, а затем вычислили средневзвешенное выражение для каждого набора генов класса ячеек. в каждом регионе нашей 152 парцелляции AHBA (рис.2в). Веса для каждого основного типа клеток были вычислены путем оценки евклидова расстояния каждого типа клеток от центроида их соответствующего класса клеток с использованием PCA. В двух исследованиях нейроны не разделялись на возбуждающие и тормозящие, и поэтому эти наборы генов были исключены из этого отнесения к классам клеток. Кроме того, только одно исследование включало аннотацию типа «Per» (перицит), и, таким образом, этот набор генов также был исключен.

    Сравнение кортикальных карт общей экспрессии класса клеток

    Для проверки карт экспрессии отдельных классов клеток, полученных в результате интеграции исследований экспрессии отдельных клеток и данных микрочипов AHBA (рис.2c), мы вычислили пространственную корреляцию карты экспрессии каждого клеточного класса с установленными картами кортикальной микроструктуры из различных нейровизуализационных исследований in vivo и посмертных гистологических исследований, включая карты цитоархитектуры 67 миелоархитектуры 19 и градиенты эволюционной 24 , онтогенетический 24 и межиндивидуальное (аллометрическое) анатомическое масштабирование 23 (дополнительный рисунок 4).

    Для цитоархитектонических карт 2 февраля 2018 г. из репозитория BigBrain 67 с открытым доступом была получена объемная гистологическая реконструкция посмертного мозга человека 65-летнего мужчины с разрешением 100 мкм (https: // большой мозг.loris.ca/main.php). Используя ранее определенные поверхности границы слоя I / II, слоя IV и белого вещества 25 , мы разделили кортикальную мантию на супрагранулярные (слой I / II к слою IV) и инфрагранулярные полосы (слой IV до белого вещества). Толщина ленты рассчитывалась как евклидово расстояние между соответствующими поверхностями. Чтобы приблизиться к плотности ячеек, мы расширили недавнюю работу над профилями микроструктуры BigBrain 68 и сгенерировали профили микроструктуры в над- и инфрагранулярных полосах.Затем профили интенсивности с использованием пяти эквиолюметрических поверхностей в пределах заранее определенных поверхностей BigBrain были усреднены для получения приблизительного значения плотности. Вычисления были выполнены для 163 842 совпадающих вершин в каждом полушарии, а затем усреднены в пределах каждой кортикальной области в нашей парцелляции.

    Миелоархитектура (перенос намагничивания или MT) и карты анатомического масштабирования, использованные в этих сравнительных анализах, были взяты из предыдущих исследований 19,23,24,67 .

    Тестирование пространственной перестановки для сравнения кортикальных карт

    Чтобы оценить специфичность соответствия между парами кортикальных карт, мы сгенерировали 10000 вращений (т.э., спины) корковой парцелляции 16,53 . Это сопоставление обеспечивает отображение набора регионов на себя и позволяет переставлять любые региональные меры, контролируя при этом пространственную смежность и симметрию полушария.

    Сначала мы получили координаты сферической поверхности каждой из наших 308 областей на шаблоне fsaverage в Freesurfer. Затем они были повернуты вокруг трех главных осей на три случайно сгенерированных угла. Учитывая раздельные кортикальные проекции левого и правого полушария, вращение применялось к обоим полушариям.Однако, чтобы сохранить симметрию, одинаковые случайные углы были применены к обоим полушариям с оговоркой, что знак углов был изменен для вращения вокруг осей y и z .

    После каждого поворота координаты повернутых областей согласовывались с координатами начальных областей с использованием евклидова расстояния в порядке убывания среднего евклидова расстояния между парами областей на повернутой и невращающейся сферах (т. Е. Начиная с повернутой области, которая в среднем наиболее удален от неповоротных областей).

    Связывание вызванных CNV анатомических изменений с картами экспрессии клеточного класса

    Наш анализ градиентов экспрессии для ранее сообщенных сигнатур экспрессии одной клетки (см. Выше) дал полный набор генов для каждого из семи канонических классов клеток. Мы оценили взаимосвязь между корковой экспрессией этих классов клеток и кортикальными изменениями MS в каждом CNV, рассматривая две дополнительные особенности. Во-первых, мы определили наборы генов клеточного класса, которые занимали значительно крайние позиции в каждом ранжированном списке генов CNV из AHBA ( P RAND <0.05). Этот основанный на ранге критерий обеспечивает тест на степень пространственной связи между корковой экспрессией каждого класса клеток и каждой картой изменений CNV. Затем среди классов клеток, которые соответствовали этому критерию на основе ранга для данного CNV, мы исследовали экспрессию генов CNV, чтобы идентифицировать классы клеток, которые экспрессировали гены CNV, которые (i) были независимо зарегистрированы как экспрессируемые в мозге на основании протеомных данных (см. ниже), и (ii) занимали крайние ранги (<5-го или> 95-го центиля) рядом со списком генов клеточного класса в соответствующем ранжированном списке генов CNV.

    Проверка данных по экспрессии генов у носителей CNV

    Гены, чувствительные к дозировке (DS), были определены как гены в области CNV, которые, как сообщалось, показали статистически значимое кратное изменение в соответствии с изменением числа копий генома (т.е. дупликационных носителей по сравнению с контролем или уменьшилось количество носителей с делецией по сравнению с контролем).

    Предыдущие отчеты позволили нам определить гены DS в +21 для двух разных типов тканей: головного мозга 30 и полученных из крови LCL 31 .Гены DS мозга были определены как все гены хромосомы 21, которые, как было определено, демонстрируют стабильную в развитии и статистически значимую активацию у пациентов по сравнению с контрольной группой авторами предыдущего исследования посмертной ткани мозга (см. Дополнительную таблицу 3 из ссылки 30 ). Набор генов LCL DS был определен как все гены хромосомы 21, которые, как было обнаружено, значительно повышены в LCL от постнатальных носителей CNV +21 по сравнению с контролями (см. Таблицу 3 из ссылки 31 ). Для каждой ткани гены хромосомы 21, не чувствительные к дозе (nDS), были определены как гены в наборе данных AHBA, которые не попадали в соответствующий набор DS тканей.

    Для анеуплоидий X-хромосомы, DS X-сцепленные гены были определены с использованием предыдущего исследования микроматрицы 29 эффектов дозировки X-хромосомы на экспрессию генов в LCL от участников с широким диапазоном дополнений X-хромосомы. Х-сцепленные гены LCL DS были определены как все Х-сцепленные гены с уровнями экспрессии, показывающими значительную положительную связь с вариациями количества Х-хромосом в широком диапазоне кариотипов, охватывающем моносомию Х-хромосомы (т.е. -X CNV), эуплоидию и X -хромосомные состояния дупликации (т.е., + X CNV). Этот критерий (см. Дополнительный информационный текст S3 из ссылки 29 ) определил 40 генов DS для -X и + X CNV. Нечувствительные к дозировке гены для этих состояний CNV были определены как все Х-сцепленные гены в наборе данных AHBA, которые не попадали в набор генов DS.

    Мы использовали сравнения медианного ранга, чтобы проверить, демонстрируют ли гены DS и nDS паттерны корковой экспрессии, которые по-разному коррелировали с кортикальными изменениями MS в каждом CNV (рис. 3b, слева). В частности, наблюдаемое различие между средними рангами наборов DS и nDS сравнивали с различиями 10 000 перестановок рангов генов ( P RAND ).

    Разница в среднем ранге между двумя наборами генов может быть обусловлена ​​различием в общем распределении рангов между наборами генов или подгруппой генов в одном или обоих наборах с крайними рангами. Мы использовали ранговый децильный анализ, чтобы различать эти два сценария. В частности, мы (i) вычислили разницу в доле генов в наборах генов DS и nDS для каждого дециля в ранжированных списках генов CNV и (ii) проверили децили со значительными различиями при P RAND < 0.05 (см. Рис. 3б, справа). Для всех четырех случаев сравнения наборов генов DS-nDS (+21 набор, полученных из мозга; +21, -X, + X наборов, полученных из LCL), медианные ранговые различия между наборами генов DS и nDS были обусловлены небольшой подгруппой гены DS с крайним рангом (DS SS , рис. 3b, c, дополнительный набор данных 6).

    Для всех трех CNV, рассмотренных в этих анализах (+21, + X, -X), средний ранг для этих генов CNV DS SS был противоположной полярности, чем наблюдаемая для набора генов CNV в целом (см. .Рис. 3в, 1б). Это наблюдение подразумевает, что наблюдаемые кортикальные изменения MS в +21, + X и -X CNV могут быть связаны с двумя противоположными кортикальными градиентами экспрессии гена CNV: для генов DS SS и для генов nDS. Чтобы проверить этот вывод, мы сравнили кортикальный паттерн изменения РС для каждого из этих CNV по данным нейровизуализации с кортикальным паттерном дифференциальной экспрессии DS SS в сравнении с наборами генов nDS, рассчитанными из посмертных данных AHBA (рис. 3d). .

    Связь экспрессии периферических генов и анатомии головного мозга

    Эти анализы стремились подтвердить взаимосвязь между экспрессией гена CNV и кортикальным РС с использованием оси индивидуальной вариации.Мы могли проверить взаимосвязь между индивидуальными вариациями экспрессии генов и кортикальным РС, используя подгруппу из 55 носителей CNV в нашем исследовании, у которых мы собрали измерения экспрессии гена LCL, а также сканирование мозга sMRI. Все участники исследования несли дополнительную Х-хромосому (11 XXX, 23 XXY, 11 XXYY) и происходили из когорты анеуплоидий по половым хромосомам Национального института здоровья. Подробности сбора данных sMRI и расчета карты MS для этой когорты уже были описаны выше.В рамках ранее опубликованного исследования экспрессии генов, мы также создали qRT-PCR (количественная полимеразная цепная реакция с обратной транскрипцией) для измерения экспрессии генов в ткани LCL от этих участников для 11 DS X-сцепленных генов. Эти 11 генов были отобраны на основе микроматричного скрининга по всему геному для выявления эффектов дозировки Х-хромосомы на экспрессию гена LCL в условиях анеуплоидии половых хромосом 29 . Методы генерации, предварительной обработки и анализа этих данных qRT-PCR были подробно описаны ранее 29 .Вкратце, РНК экстрагировали стандартными методами (Qiagen), а qRT-PCR выполняли с использованием платформы Fluidigm. Для обработки данных анализ с Ct> 23 считался невыраженным. Данные экспрессии были нормализованы относительно усредненной экспрессии двух генов домашнего хозяйства ACTB и B2M, которые не экспрессировались по-разному в разных группах ни в данных микроматрицы, ни в данных rtPCR.

    Перед тем, как установить взаимосвязь между экспрессией генов и кортикальным РС у этих 55 + X носителей, мы сначала масштабировали экспрессию генов и данные РС по индивидуумам в каждой группе кариотипов, чтобы устранить эффекты между группами кариотипов.Это позволило нам проверить, было ли в любой данной группе кариотипа + X большее нарушение экспрессии гена DS связано с кортикальной картой MS, которая больше напоминала карту изменений + X MS (рис. 1b). Для этого мы использовали регрессию PLS, чтобы связать индивидуальные вариации в экспрессии генов и индивидуальные вариации кортикального рассеянного склероза (см. Выше). Частичная регрессия методом наименьших квадратов определила главный компонент ковариации между экспрессией генов и кортикальным РС у пациентов и включила нагрузки на этот компонент: по одной для каждого гена и по одной для каждой корковой области.Нагрузки на корковые области от этого компонента PLS затем сравнивали с + X кортикальной картой изменений МС, чтобы проверить те области, которые наиболее чувствительны к дозировке Х-хромосомы, также и те, которые больше всего различаются в зависимости от индивидуальных вариаций в экспрессии DS, сцепленного с X-хромосомой. гены среди носителей дополнительной Х-хромосомы. Это сравнение карт состояло из вычисления пространственной корреляции между нагрузками PLS и карты изменений + X MS и сравнения этой корреляции с распределением 10000 корреляций, заданных случайными пространственными поворотами карты изменений + X MS (т.е.э., П СПИН ).

    Определение генов, специфичных для мозга

    Нельзя предположить, что все гены, включенные в набор данных AHBA, экспрессируются в головном мозге. В нашем аналитическом подходе к ранжированию генов, основанном на многомерной корреляции (через регрессию PLS) между их экспрессией в мозге и анатомическими изменениями, вызванными CNV, гены высокого ранга должны демонстрировать некоторые пространственные вариации в своей экспрессии, так что они имеют ненулевую экспрессию в по крайней мере, в некоторых областях мозга. Отсутствие фильтрации анализа GO и одноклеточных анализов по экспрессии мозга, следовательно, может привести к риску артефактического повышения значений GO терминов (и обогащения клеточного типа), связанных с экспрессией мозга.

    Таким образом, для анализов обогащения GO и анализов обогащения отдельных клеток, подробно описанных выше, мы сначала установили пороговое значение для нашего полногеномного набора генов ( N = 15043), чтобы он содержал только гены, которые были определены как экспрессируемые в мозге через белок человека. Атлас (HPA; https://www.proteinatlas.org/) база данных экспрессии нормальной ткани. Гены, уровни экспрессии которых не были обнаружены (как определено с помощью HPA) в коре головного мозга, были исключены, получив список из N = 7971 генов с обнаруженной экспрессией в головном мозге (дополнительный набор данных 7).

    Краткое изложение отчета

    Дополнительная информация о дизайне исследования доступна в Резюме отчета по исследованию природы, связанном с этой статьей.

    json · pkg.go.dev

    Compact добавляет в dst кодированный в JSON src с помощью несущественные пробелы опущены.

    HTMLEscape добавляет в dst кодированный в JSON src с помощью <,>, &, U + 2028 и U + 2029 символы внутри строковых литералов изменены на \ u003c, \ u003e, \ u0026, \ u2028, \ u2029 так что JSON можно будет безопасно встраивать в теги HTML

    Многие задачи программирования включают отправку данных через сетевое соединение, сохранение данных на диск или отправку данных в API и службы. Эти задачи часто требуют, чтобы данные были закодированы и декодированы в промежуточный формат и из него во время передачи данных. переведен.

    Стандартная библиотека Swift определяет стандартизированный подход к кодированию и декодированию данных.Вы принимаете этот подход, реализуя протоколы Encodable и Decodable в ваших пользовательских типах.

    Принятие этих протоколов позволяет реализациям протоколов Encoder и Decoder принимать ваши данные и кодировать или декодировать их во внешнее представление, такое как JSON или список свойств, и обратно.

    Самый простой способ сделать тип кодируемым - объявить его свойства с использованием типов, которые уже являются Codable . Эти типы включают стандартные библиотечные типы, такие как String , Int и Double ; и типы Foundation, такие как Date , Data и URL .Любой тип, свойства которого кодируются, автоматически соответствует Codable , просто декларируя это соответствие.

    CodingKeys : Выберите свойства для кодирования и декодирования

    Типы Codable могут объявлять специальное вложенное перечисление с именем CodingKeys , которое соответствует протоколу CodingKey .

    Когда присутствует это перечисление, его варианты служат в качестве авторитетного списка свойств, которые должны быть включены при кодировании или декодировании экземпляров кодируемого типа.Имена вариантов перечисления должны совпадать с именами, которые вы дали соответствующим свойствам в вашем типе.

    Опустите свойства из перечисления CodingKeys , если они не будут присутствовать при декодировании экземпляров или если определенные свойства не должны быть включены в закодированное представление. Свойство, опущенное в CodingKeys , требует значения по умолчанию, чтобы его содержащий тип автоматически соответствовал Decodable или Codable .Если ключи, используемые в вашем формате сериализованных данных, не соответствуют именам свойств из вашего типа данных, укажите альтернативные ключи, указав String в качестве типа необработанного значения для перечисления CodingKeys . Строка, которую вы используете в качестве необработанного значения для каждого случая перечисления, - это имя ключа, используемое во время кодирования и декодирования.

    Чтение данных из массивов

    Когда используемый JSON содержит однородный массив элементов, вы добавляете соответствие протоколу Codable к типу отдельного элемента.Чтобы декодировать или закодировать весь массив, вы используете синтаксис [Element] .self.

    В приведенном ниже примере структура GroceryProduct автоматически декодируется, потому что соответствие протоколу Codable включено в ее объявление. Весь массив в примере декодируется на основе синтаксиса, используемого при вызове метода декодирования.

    Если массив JSON содержит хотя бы один элемент, не являющийся экземпляром GroceryProduct, декодирование не выполняется.

    Изменить имена ключей

    Имена, которые вы используете в своем коде Swift, не всегда совпадают с именами в JSON, которые относятся к одним и тем же значениям.При работе с классами JSONEncoder и JSONDecoder в Swift вы можете легко использовать обычные имена Swift в своих типах данных даже при использовании JSON, который требует использования других имен.

    Чтобы создать сопоставление между именами Swift и именами JSON, вы используете вложенное перечисление с именем CodingKeys внутри того же типа, которое добавляет соответствие Codable, Encodable или Decodable.

    В приведенном ниже примере посмотрите, как точки имени свойства Swift отображаются на имя «product_name» и обратно при кодировании и декодировании свойства.

    Это явление и способ сделали синтаксический анализ Json простым и надежным.

    Хотя описание имени согласуется между двумя представлениями, вы все равно включаете его в перечисление CodingKeys, потому что это значение, требуемое структурой GroceryProduct. Его регистр перечисления не требует явного необработанного значения, потому что его имя совпадает с именем соответствующего свойства.

    Влияние типа слова, орфографического типа и длины слова на способности четвероклассников к декодированию и правописанию с нарушениями чтения и без них

    Абстрактные

    Было исследовано влияние типа слова (реальное, бессмысленное), орфографического типа (фонетическое, нефонетическое) и длины слова (от 1 до 5 слогов) на декодирование и правописание (точность) четвероклассников с нарушениями чтения и без них.Это исследование было уникальным, потому что 23 участника учились в одном классе (четвертый класс), в котором учитывались возраст и опыт чтения. Участники, которые различались по способностям декодирования отдельных слов, были разделены на две группы чтения, среднюю группу чтения и группу с первичными нарушениями чтения в зависимости от их результатов в тесте мастерства чтения Вудкока-III (WRMT-III), определение слов и словесная атака. субтесты. Все 23 участника выполнили три экспериментальных задания: задание на расшифровку одного слова, задание на определение правописания и задание на письменное правописание.Те же стимулы, всего 100 слов-стимулов, 50 реальных слов и 50 бессмысленных слов (тип слова), разделенных на два орфографических типа (25 фонетических, 25 нефонетических), и пять слов для каждой из пяти длин (1-5 слогов) использовались в каждой экспериментальной задаче. Длина слова оказала значительное влияние на все три экспериментальные задачи: 1) задачу декодирования одного слова, 2) задачу определения орфографии и 3) точность написания орфографии для обеих групп чтения. Результаты включали взаимосвязь между точностью декодирования, точностью решения орфографии и точностью написания орфографии для двух групп чтения в зависимости от типа слова, орфографического типа и длины слова.Точность декодирования и точность правописания для участников настоящего исследования характеризовались линейным снижением точности с увеличением длины слова. Для экспериментальных задач наиболее сильная корреляция была обнаружена между точностью декодирования и орфографии для фонетических слов независимо от типа слова (реальные слова, бессмысленные слова). Результаты точности декодирования включали значительный основной эффект группы, характеризующийся более высокой точностью декодирования средней группой чтения для обоих типов слов по сравнению с группой с нарушением чтения.Что касается точности декодирования, имело место значительное трехстороннее взаимодействие для типа слова, орфографического типа и длины слова. Апостериорные сравнения включали более высокую точность декодирования более коротких слов (<3 слога) независимо от типа слова и орфографического типа. Результаты проверки точности написания включали два важных трехсторонних взаимодействия: Группа чтения x Тип слова x Длина слова и Тип слова x Орфографический тип x Длина слова. Средняя группа по чтению точно декодировала и написала больше коротких слов (<3 слогов), чем более длинных слов (4 и 5 слогов), по сравнению с группой с нарушением чтения.Эффекты типа слова включали большее количество реальных слов, декодированных и написанных точно по сравнению с бессмысленными словами. Эффекты орфографического типа включали более эффективное декодирование и написание более коротких реальных фонетических слов (<3 слогов), чем реальные нефонетические, бессмысленные фонетические и бессмысленные нефонетические слова, по сравнению со словами, содержащими 4 и 5 слогов. Это исследование предоставило более подробную информацию о декодировании и правописании, чем существующие стандартные инструменты оценки, которые характеризуются различиями в группах чтения по типу слова, орфографическому типу и длине слова.Существует потребность в инструменте оценки, который оценивает точность декодирования и правописания и обеспечивает подробный анализ ошибок с использованием одних и тех же лексических стимулов / словесных стимулов, классифицированных по типу слова, орфографическому типу и длине слова для детей с подозрением на нарушение чтения. Меры точности декодирования и правописания имеют жизненно важное значение для предоставления подробных дифференциальных диагнозов и определения подтипов нарушений чтения и орфографии. Эти подробные данные о расшифровке и правописании также предоставят информацию, критически важную для обеспечения вмешательства с учетом специфики клиента.

    Быстро декодирующий ландшафт связывания фактора транскрипции, специфичный для определенного типа клеток, с разрешением в один нуклеотид

    1. Юаньфан Гуань
    1. Департамент вычислительной медицины и биоинформатики, Мичиганский университет, Анн-Арбор, Мичиган 48109, США
  • Автор, ответственный за переписку: gyuanfan {at} umich.edu
  • Аннотация

    Расшифровка ландшафта связывания фактора транскрипции (TF), специфичного для определенного типа клеток, при разрешении одного нуклеотида имеет решающее значение для понимание регуляторных механизмов, лежащих в основе многих фундаментальных биологических процессов и болезней человека. Однако ограничения время и ресурсы ограничивают экспериментальные измерения профилей связывания TF всех возможных TF-клеток с высоким разрешением. сочетания типов.Предыдущие вычислительные подходы также не могли различить профили связывания TF, зависящие от контекста клетки. для различных типов ячеек или может обеспечить только прогноз с относительно низким разрешением. Здесь мы представляем новое глубокое обучение подход, Leopard, для прогнозирования сайтов связывания TF при разрешении в один нуклеотид, достижение средней площади под приемником кривая рабочих характеристик (AUROC) 0,982 и средняя площадь под кривой прецизионного отзыва (AUPRC) 0.208. Наш метод. значительно превзошли современные методы Anchor и FactorNet, улучшив прогнозный AUPRC на 19% и 27%, соответственно, при разрешении 200 бит / с. Между тем, используя архитектуру нейронной сети "многие ко многим", Leopard обеспечивает ускорение в сотни или тысячи раз по сравнению с существующими методами машинного обучения "многие к одному".

    • Поступила 30.07.2020 г.
    • Принята в печать 17 февраля 2021 г.

    Аннотирование свойств со значениями декодирования по умолчанию

    Введение Codable еще в 2017 году было, без сомнения, большим шагом вперед для Swift. Хотя на тот момент сообществом уже было создано несколько инструментов для кодирования и декодирования собственных значений Swift в JSON и из JSON, Codable предлагал беспрецедентный уровень удобства благодаря интеграции с самим компилятором Swift, что позволяло нам определять декодируемые типы просто заставив их принять протокол Decodable , например:

      struct Article: Decodable {
        var title: String
        var body: String
        var isFeatured: Bool
    }  

    Однако одна функция, которая отсутствовала в Codable с момента ее появления, - это возможность добавлять значения по умолчанию к определенным свойствам (без необходимости делать их необязательными).Так, например, предположим, что указанное выше свойство isFeatured не всегда будет отображаться в данных JSON, из которых мы будем декодировать экземпляры Article , и что в этом случае мы хотим, чтобы оно по умолчанию было false .

    Даже если мы добавим это значение по умолчанию в само объявление свойства, процесс декодирования по умолчанию все равно не удастся, если это значение отсутствует в наших базовых данных JSON:

      struct Article: Decodable {
        var title: String
        var body: String
        var isFeatured: Bool = false
    }  

    Теперь мы всегда можем написать наш собственный код декодирования (переопределив реализацию по умолчанию init (от: Decoder) ), но это потребовало бы, чтобы мы взяли на себя весь процесс декодирования - что погубит все аспект удобства Codable , и нам потребуется постоянно обновлять этот код при любых изменениях свойств нашей модели.

    Хорошая новость заключается в том, что есть еще один путь, который мы можем выбрать, и это использовать функцию оболочки свойств Swift , которая позволяет нам прикреплять настраиваемую логику к любому сохраненному свойству. Например, мы могли бы использовать эту функцию для реализации оболочки DecodableBool со значением по умолчанию false :

      @propertyWrapper
    struct DecodableBool {
        var wrappedValue = false
    }  

    Затем мы могли бы привести нашу новую оболочку свойств в соответствие с Decodable , чтобы позволить ей «взять на себя» процесс декодирования для любого свойства, к которому она привязана.В этом случае мы действительно хотим использовать реализацию ручного декодирования, так как это позволит нам декодировать экземпляры непосредственно из значений Bool - например:

      extension DecodableBool: Decodable {
        init (от decoder: Decoder) выбрасывает {
            let container = попробуйте decoder.singleValueContainer ()
            wrappedValue = попробуйте container.decode (Bool.self)
        }
    }  

    Причина, по которой мы соответствуем Decodable через расширение, состоит в том, чтобы не переопределять поэлементный инициализатор нашего типа.

    Наконец, нам также нужно сделать так, чтобы Codable обрабатывал экземпляры вышеуказанной оболочки свойств как необязательные во время процесса декодирования, что можно сделать, расширив тип KeyedDecodingContainer перегрузкой для декодирования специально для декодирования DecodableBool - в который мы продолжаем декодирование только в том случае, если для данного ключа существует значение, в противном случае мы вернемся к пустому экземпляру нашей оболочки:

      extension KeyedDecodingContainer {
        func decode (_ type: DecodableBool.Тип,
                    forKey key: Key) throws -> DecodableBool {
            попробуйте decodeIfPresent (type, forKey: key) ?? .в этом()
        }
    {
        var title: String
        var body: String
        @DecodableBool var isFeatured: Bool
    }  

    Действительно красиво.Однако, хотя мы уже решили эту конкретную проблему, наше решение не очень гибкое. Что, если мы хотим, чтобы true было значением по умолчанию в некоторых случаях, и что если у нас есть свойства, отличные от Bool , для которых мы также хотели бы предоставить значения декодирования по умолчанию?

    Итак, давайте посмотрим, сможем ли мы обобщить наше решение до чего-то, что можно применить в гораздо более широком диапазоне ситуаций. Для этого давайте начнем с создания общего протокола для источников значений по умолчанию, который позволит нам определять все виды значений по умолчанию, а не только логические:

      protocol DecodableDefaultSource {
        connectedtype Значение: Decodable
        статическая переменная defaultValue: значение {get}
    }  

    Затем давайте воспользуемся перечислением для создания пространства имен для кода декодирования, который мы собираемся написать, что даст нам действительно хороший синтаксис, а также обеспечит аккуратную степень инкапсуляции кода: enum DecodableDefault {}

    Преимущество использования перечислений без регистра для реализации пространств имен состоит в том, что они не могут быть инициализированы, что заставляет их действовать как чистые оболочки, а не как отдельные типы, которые могут быть созданы.

    Первый тип, который мы добавим в наше новое пространство имен, является универсальным вариантом нашей предыдущей оболочки свойств DecodableBool , которая теперь использует DecodableDefaultSource для получения значения по умолчанию wrappedValue , например:

      extension DecodableDefault {
        @propertyWrapper
        struct Wrapper <Источник: DecodableDefaultSource> {
            typealias Значение = Источник.Значение
            var wrappedValue = Source.defaultValue
        }
    }  

    Затем давайте приведем указанную выше оболочку свойств в соответствие с Decodable , а также реализуем еще одну перегрузку KeyedDecodingContainer , специфичную для нашего нового типа:

      extension DecodableDefault.Wrapper: Decodable {
        init (от decoder: Decoder) выбрасывает {
            let container = попробуйте decoder.singleValueContainer ()
            wrappedValue = попробуйте container.decode (Value.self)
        }
    }
    
    extension KeyedDecodingContainer {
        func decode  (_ type: DecodableDefault.Wrapper  .Type,
                       forKey key: Key) throws -> DecodableDefault.Wrapper  {
            попробуйте decodeIfPresent (type, forKey: key) ?? .в этом()
        }
    }  

    Имея указанную выше базовую инфраструктуру, давайте продолжим и реализуем несколько источников значений по умолчанию.Мы снова будем использовать перечисление, чтобы обеспечить дополнительный уровень пространства имен для наших источников (точно так же, как это делает Combine для своих издателей), а также мы добавим несколько псевдонимов типов, чтобы облегчить чтение нашего кода:

      extension DecodableDefault {
        typealias Источник = DecodableDefaultSource
        typealias List = Decodable & ExpressibleByArrayLiteral
        typealias Map = Decodable & ExpressibleByDictionaryLiteral
    
        enum Sources {
            enum True: Source {
                статическая переменная defaultValue: Bool {true}
            }
    
            enum False: Source {
                статическая переменная defaultValue: Bool {false}
            }
    
            enum EmptyString: Source {
                статическая переменная defaultValue: String {""}
            }
    
            enum EmptyList : Source {
                статическая переменная defaultValue: T {[]}
            }
    
            enum EmptyMap : Source {
                статическая переменная defaultValue: T {[:]}
            }
        }
    }  

    Ограничивая наши типы EmptyList и EmptyMap двумя буквальными протоколами Swift, а не конкретными типами, такими как Array и Dictionary , мы можем охватить гораздо больше - поскольку эти протоколы используются во многих различных типах. , включая Set , IndexPath и другие.

    В заключение, давайте также определим серию псевдонимов удобных типов, которые позволят нам ссылаться на указанные выше источники как на специализированные версии нашего типа оболочки свойств, например:

      extension DecodableDefault {
        typealias True = Wrapper 
        typealias False = Обертка 
        typealias EmptyString = Обертка 
        typealias EmptyList  = Обертка >
        typealias EmptyMap  = Wrapper >
    }  

    Эта последняя часть дает нам действительно хороший синтаксис для аннотирования свойств с декодируемыми значениями по умолчанию, который теперь можно просто сделать следующим образом:

      struct Article: Decodable {
        var title: String
        @ DecodableDefault.EmptyString var body: String
        @ DecodableDefault.False var isFeatured: Bool
        @ DecodableDefault.True var isActive: Bool
        @ DecodableDefault.EmptyList var комментарии: [Комментарий]
        @ DecodableDefault.EmptyMap var flags: [String: Bool]
    }  

    Действительно аккуратно, и, возможно, самое лучшее то, что наше решение теперь действительно универсальное - мы можем легко добавлять новые источники, когда нам нужно, при этом сохраняя наши сайты вызовов как можно более чистыми.

    В качестве завершающих штрихов давайте также будем использовать функцию условного соответствия Swift , чтобы наша оболочка свойств соответствовала общим протоколам, таким как Equatable , Hashable , а также Encodable - всякий раз, когда он обернут Value type делает:

      extension DecodableDefault.Wrapper: Equatable, где Value: Equatable {}
    extension DecodableDefault.Wrapper: Hashable, где Value: Hashable {}
    
    расширение DecodableDefault.Wrapper: Encodable, где Value: Encodable {
        func encode (to encoder: Encoder) выбрасывает {
            var container = encoder.		

    Об авторе

    alexxlab administrator

    Оставить ответ