性别mf是什么意思(性别mfb是什么意思)

百趣代谢组学资讯槟榔的基因组为雌雄同株植物的性别决定提供见解

文章标题：The genome of Areca catechu provides insights into determination of monoecious plants

发表期刊：New Phytologist

影响因子：10.323

作者单位：海南大学

百趣生物提供服务：植物激素高通量靶标定量

代谢组学文献分享—研究背景

百趣代谢组学资讯，花有利于被子植物的有性繁殖，花的发育过程和性别决定长期以来一直是研究热点。槟榔是一种雌雄同株的植物，雄花和雌花分别生长在同一个花序上，雄花在顶端，雌花在基部；雌花和雄花的交错开花时间和空间位置上的分离避免了自花授粉，提高了遗传多样性和环境适应性，槟榔被认为是研究性别分化的典型植物。

目前研究已经证实，花器官的形成和花的性别决定受到遗传因素、表观遗传因素、植物激素和环境因素等多种因素的影响，为了探究雌雄同体或雌雄同体物种的性别决定或分化的分子机制，本研究基于基因组、转录组学和代谢组学，通过植物激素的浓度和花序中激素相关基因的表达模式，揭示了参与槟榔性别决定的候选基因。

代谢组学文献分享—材料与方法

采集槟榔的根、嫩叶、果皮、雌雄花花器官、雌雄花和不同发育阶段的胚乳进行基因组测序文库的制备、RNA测序以ATAC测序，采集雌雄花进行代谢组学检测。

代谢组学文献分享—研究结果 1.基因特性

本研究利用PacBio RSII单分子实时（RT）测序技术，获得了槟榔花的全基因组数据，通过k-mer分析估算了基因组的大小约为2.7Gb，将Hi-C测序数据基因组固定在假染色体上，得到了一个具有16个染色体分子，总长度为2.73Gb，N50大小为186.52Mb（图1，表1）。

基于基因组数据，对其编码基因进行注释。基因组的完整性约为90.05%，注释到31,406个基因（表1）。代谢组学文献分享，其中，21,760、22,668和29,633个基因分别拥有GO、KEGG和COG注释。总的来说，93.35%的基因具有功能信息；同时，基因组中的基因密度在多数染色体两端偏高。然而，chr1、chr3、chr9、chr11和chr16上的基因往往聚集在相应染色体的单端。

图1. 槟榔的基因组特征

表1. 槟榔基因组统计

2.JA生物合成和信号传导途径与槟榔的性别决定有关

通过ATAC-seq检测发现，在MF(雌花)和FF(雄花)中，可及性区域（ACR）的基因的表达水平都显著高于没有ACR的基因（图2a、b），在ATAC-seq检测到的peak中，超过60%位于远端基因间区域，近端ACR相关基因的表达水平显著高于远端ACR相关基因（图2c）。代谢组学文献分享，因此，近端ACR可能对调节转录有更大的影响。在近端基因间区域，大多数ACR位于转录起始位点（TSS）上游约2kb处的启动子区域，约16%位于TSS上游~1kb处（图2d）。

JA生物合成与信号转导途径和染色质可及性之间的可能存在联系，与MF相比，几个亚麻酸代谢和JA信号转导相关的基因在FF中显示出特定的DNA可及性和更高的表达（图3a）。代谢组学文献分享，LCAT3参与了亚麻酸的生物合成，是JA的必要前体；JAR1和JAZ是JA信号转导的两个关键酶；这些基因在FF中表现出活跃的表达和较高的可及性（图3b）。

图2. 槟榔雌雄花形态及ATAC-seq分析

图3. RNA-seq和ATAC-seq综合揭示了染色质可及性变化

3.JA在花序不同部位的极性分布

作者从花序的三个不同位置（P1+P2、P3和P4）构建RNA-seq文库（图4a）。通过对DEGs进行KEGG富集分析发现，多数DEGs在黄酮类生物合成和植物激素信号转导途径中显著富集；KEGG富集分析发现，多数高表达（平均FPKM值大于50）的DEGs在植物激素信号转导途径中显著富集。通过对与激素相关的DEGs启动子中的花器官特征转录因子MADS结合点分析发现，在36个激素相关基因中，10个激素信号传导相关基因和7个激素生物合成基因的启动子中含有CArG-box DNA结合结构。代谢组学文献分享，在AMS的蛋白质相互作用网络中，发现CYP703A2、MS1和MYB80可能与AcAMS相互作用，调节雌花和雄花的性别分化。

检测同一花序在早期发育阶段的不同位置的各种内源植物激素的含量（图4a）发现，N6-（δ2-异戊烯基）-腺嘌呤（IP）、N6-异戊烯基核苷（IPA）和反式玉米素-核苷（tZR）是槟榔花中最丰富的细胞素；在花序发育过程中，P4中IPA和tZR的浓度显著高于P1和P2的浓度，P1和P2的IP浓度与P4无显著差异（图4b），P4中茉莉酮酸（JA）和茉莉酮酰-异亮氨酸（JA-Ile）浓度较高（图4c）。

与正常花序相比，异常花序在应该生出雄花（MF）的部位发育成两性花（HF）（图4d），雌雄同体的花在花瓣和心皮之间有几个退化的雄蕊（图3e）。代谢组学文献分享，同时，JA生物合成和信号转导相关基因在HFs的异常花序位置显著高表达，而大多数MADS-box基因在HFs中显著低表达，表明MADS-box基因表达受到JA积累的影响（图4g，4h）。根据ATAC-seq分析，在可及性的染色质区域中，聚集的AcAP3全位点附近有相对清晰的TF占用足迹（图4i）。

图4. 槟榔花序中植物激素的分布

4.发现雌花和雄花之间的性别偏置表达基因

本研究鉴定3700个差异表达基因（DEGs）发现，1876个表现为偏向雌花表达，1824个表现为偏向雄花表达（图5a），其中有8个（AcJAR1、AcJAZ和AcMYC2等（图5b））参与JA信号转导的基因表现出性别偏向表达，其中5个MADS-box基因（AcAP3、AcSEP、AcPIb、AcPIc和AcAGL16）表现为雄花偏向表达，1个（AcPIa）表现为雌花偏向表达；AcAP3在MFs中的表达水平最高。本文作者利用模式植物拟南芥中过量表达AcAP3增加了拟南芥花的花瓣数量（图5c）。

图5. 槟榔花同源基因（MIKC-type MADS-box）的鉴定和表达谱

5.棕榈科植物中一个保守的性相关区域

利用8个代表性物种进行基因聚类，并将得到的单拷贝基因用于系统发育的构建，根据分子钟的假设，通过评估替代率来估计两个物种之间的分化时间（图6a）。代谢组学文献分享，分析基因聚类和系统发育关系发现，在这些基因家族中，有985个基因家族被扩大，1098个基因家族被收缩（图6a）。通过串联分析在假染色体15的末端确定了一个性别相关区域，包含1个CYP703、1个甘油-3-磷酸酰基转移酶3（G PAT 3）、2个LOG以及其他674个基因（图6b）。CYP703在海枣基因组的BC4_000765F支架上（图6b）。根据RNA-seq数据发现，CYP703是一个单拷贝基因，在MF中高表达，但在FF中不表达（图6b，6c）。15号染色体上确定了一个与性别有关的区域和基因，包括CYP703、AMS和BiP，它们影响FF和MF的性别决定（图6c）。

图6. 槟榔花性别决定中的性别相关区域和假设调节模型

代谢组学文献分享—结论

本研究提供了槟榔染色体水平的参考基因组，其支架N50为186.52M，揭示了槟榔的进化历史，并提出了一个模型来描述染色质可及性与FFs中JA相关基因表达之间的可能联系。代谢组学文献分享，在FFs中，几个JA相关基因的特异性可及性调控区域为转录因子提供了结合位点，从而促进了基因的表达，增加了JA的产量。相比之下，MF中的相关区域的低可及性，导致基因表达低，JA含量低。

此外，JA的含量变化影响B类基因的表达。B类功能基因的性别偏向表达伴随着花器官的形成和雌、雄花的性别分化。此外，本研究还通过比较基因组分析确定了棕榈科植物保守的性别相关区域。本研究结果填补了雌雄同株的棕榈科植物花的性别决定机制的研究空白。

欧洲最大破产，高峰时每天能接待1000名顾客（图）

5个月的焦灼等待之后，的一切都结束了。

字数 3037

阅读约7分钟

一座浅蓝色的11层高楼，最显眼的莫过于大楼右侧挂着的性感女郎巨幅画像。入口处，霓虹灯勾勒出“Pascha”的字样也很醒目。外墙之内，从来看不到阳光，能看得到的牌子上写着“只要30欧元，保证获得高潮”。

帕莎(Pascha)，是德国科隆的地标性建筑，也是欧洲最大的。这里曾经陷入足球世界杯的海报宣传风波，发生过被杀惨案，也有人触犯过移民法律。它更是一个最能体现德国市场火爆的地方。

但是在9月4日，根据英德媒体的报道，这家已经正式申请破产，原因是入不敷出，完全没有收入维持经营了。

帕莎内景。图片：CFP

更加黑暗的命运来临

帕莎的经营状况不佳，与新冠疫情有直接关系。

今年4月，科隆所在的北莱茵-威斯特州颁布规定，为对抗新冠病毒大流行，从当月开始禁止。因为在官方人士看来，性工作者频繁接触客户，更易传播新冠病毒。

“如果我们有一个（新冠病例）在性工作者中，她就可能在一天内传播给超过60个人。”马丁·黑尔弗里希(Martin Helfrich)说。他是德国汉堡社会和健康事务部门的发言人，这个机构负责监管该城市的行业。

禁令生效之前，帕莎每天能吸引多达1000名顾客进行。但禁令一来，的交易额立刻降至冰点。

5个月的焦灼等待之后，的一切都结束了。帕莎有按摩师、美发师和厨师等60名员工，除此之外，有约120名灵活工作的。由于破产，现在他们都失业了。

帕莎的主管阿明·洛沙伊德(Armin Loscheid)抨击了政府官员，因为他们没有明确告知，禁令将会在何时结束，“我们无法做出计划。如果有银行的帮助，如果能够确信明年初一切可以重启，我们或许可以避免破产。”

但是，洛沙伊德又对德国《快报》(Express)警告说，“每个人都知道，有偿行业的人会继续工作，哪怕有禁令的存在。”

性工作者的代表组织与洛沙伊德的想法不谋而合，该组织认为，关闭可能会使们面临更大的受剥削风险，使变得更加危险。

“危机持续的时间越长，非法工作的性工作者就越多，”德国工会组织的一位女发言人在八月份的声明中说，“对职业的禁令必须解除，性工作者必须与身体服务（工作者）受到同等对待。”

8月27日，一名德国性工作者在抗议活动中，标牌上写着“现在就开放！”图片：AFP

帕莎内景。图片：CFP

从爱神中心到帕莎

二战结束后，德国被分为东德和西德。在东德，提供是非法的，根据官方的说法，并不存在。但在西德是合法的。20世纪60年代末，当时世界上最大的之一在汉堡开张。此时，西德另一座城市科隆也想要拥有自己的大。

1972年1月，帕莎以“Eros Center（爱神中心）”的名字在科隆开业，被誉为欧洲第一家高层建筑。1995年，爱神中心的所有者换人，大楼开始使用“帕莎”这个名字运营。

事实上，东西德合并后，在德国一直处于灰色地带。出租房内做是允许的，但任何“花边物品”——从提供避孕套，到发放印有小广告的毛巾，都是法律禁止的。

帕莎也以一种半地下的状态运营。直到2002年才改变，这一年德国开始合法化，包括购买、出售、中介和运营等等，都得到官方的正式认可。

德国的市场得到迅猛发展。那时的统计数据显示，德国有40万，每天为120万男性提供服务。德国的人均数量比欧洲任何国家都要多，超过人们印象中以红灯区闻名的荷兰，甚至超过泰国。

2004年，德国的市场被认为达到60亿欧元。这之后，帕莎迎来高速发展的时期。

“帕莎的主要收入是我们从女孩们那里得到的租金。”39岁的夜班经理赫尔曼·穆勒(Hermann Muller)说。穆勒的办公室在的顶层，可以清楚地看到“工作场所”。他的父亲，也叫赫尔曼·穆勒，是帕莎的创始人。

大楼向提供126个房间，每天收费180欧元，包括伙食、医疗，也包括政府收取的税费——每名每天交20欧元。除了这180欧元的基本费用，们的收入都归她们自己。

是一天24小时开放的，顾客们的入场费仅为5欧元，至于本人收费多少，需要顾客直接与谈判。根据统计，一名每天至少需要和四个男人上床才能做到收支平衡。

帕莎的们来自许多国家，其中大约30%是德国人，她们通常会坐在房间外面，与走来走去的顾客协商价格。

大楼还提供廉价服务、跨性别服务，他们各占一层楼。大楼里还定时上德语课，这也是免费的，其中包括一小时的性行为教程。

帕莎大楼里还包括一个普通的酒店，一家俱乐部，和几个酒吧。

帕莎内景。图片：CFP

2013年，29岁的罗马尼亚苏茜(Suzi)曾对英国《每日电讯报》说，在帕莎赚的越来越少，当时她已经在帕莎工作了两年。“这项工作不会持续很长时间。”她说，“我很快就会停下来。”一旦攒够了钱，她就打算在酒店或餐馆找份工作。

大多数的处境与苏茜相似。的家人不知道她在做什么，她也不想有多年的记录。

帕莎里的很多女孩都有一个男朋友。苏茜说，有时她们的中介是她们的男朋友，“但我认为，如果一个男人爱这个女人，真的在乎她，就不会把她送到这里来。”

苏茜在成为之前，曾在意大利、西班牙和希腊的酒店做过多年的清洁工。

“实际上，老板和并不想签订雇佣合同。”法兰克福的法专家冈特拉姆·诺普(Guntram Knop)曾经对《每日电讯报》说，“他们想把社保缴款存起来。”

这让许多的权益无法得到有效保障。

帕莎还曾经陷入羞辱穆斯林的风波。图片：CFP

不断闹出风波

在近50年的历史中，帕莎并不是风平浪静的。

2003年6月，一名泰国在帕莎被一名顾客刺死。这名当时设法按下了房间里的报警按钮，但还是不幸身亡，最终保安人员抓住了那名顾客。

三年后的1月，一名被一名顾客持刀袭击。幸好在隔壁工作的女子报警，嫌犯很快被抓获，受害的得以幸存下来。

帕莎还曾经陷入羞辱穆斯林的风波。

在2006年德国世界杯之前，穆斯林们发起抗议，指责帕莎侮辱伊斯兰教，因为大楼上挂了24米高、8米宽的海报。海报中，一个半裸的女人，和所有世界杯参赛国的国旗在一起，这些国家中包括穆斯林国家。

海报上的口号是：“世界是女性朋友的客人”——这是世界杯官方口号“世界是朋友的客人”的翻版。BBC的报道称，德国官方当时正在为世界杯期间可能出现的热潮做准备。

首先遭到了暴力威胁电话，然后是大约30名戴着头巾、手持刀具和棍棒的抗议者出现在帕莎外面。最终，帕莎的老板将沙特阿拉伯和伊朗的国旗涂黑了，以避免遭受潜在的威胁。

虽然陷入羞辱穆斯林的风波，但帕莎当时并没有谢幕。

谁也没有想到，由于新冠疫情的影响，一座在人们看来颇具争议，但具有传奇色彩的大楼会以这种方式改变。某种程度上说，帕莎见证了德国合法化后最繁荣的时代。

“我们已经结束了。”的主管洛沙伊德对德国媒体《快报》说道。

参考资料：

https://www.nydailynews/news/world/ny-german-brothel-broke-20200903-43zepwztmfbg5o7g5gc4twfbmy-story.html

https://segraph.uk/graphics/projects/welcome-to-paradise/

————

请搜索关注公众号“全现在”，朋友圈的世界也会不一样。

Mplus数据分析：性别差异gendergap的相关研究如何做？

再出一篇用mplus做的多组比较和中介分析的文章，专门谈谈诸如性别差异的各种研究的分析方法，从本文中大家不止可以知道性别差异，各种差异，各种gap只要你感兴趣都可以套进来这个方法来进行你的研究设计。

今天我们参考的论文是

Lietaert, S., Roorda, D., Laevers, F., Verschueren, K., & De Fraine, B. (2015). The gender gap in student engagement: The role of teachers' autonomy support, structure, and involvement. British Journal of Educational Psychology, 85(4), 498-518.

论文前言感兴趣的同学自己去看，简单来说就是作者观察到男同学和女同学的学习投入（behavioural engagement）是存在差异的，作者就想看一看是不是教师支持(teacher support)可以解释这种差异（用中介分析回答这个问题1），作者还想看一看是不是教师支持对学习投入的作用还在男性女性中存在差异（做调节用多组比较回答这个问题2）。

整体就是这样，争取大家在看了我写的这篇文章后可以对原文的整个统计流程更加清晰，而且在之后可以将该统计设计发散牵引到不止性别差异的各个差异的研究中或者是不同变量相互作用的性别差异的研究中，在做这些研究的时候可以套用此方法回答你自己的研究问题哦。

根据研究问题1作者做了教师支持的中介作用：

虽然是在结构方程的框架下做的，但是作者依然是分步进行的，第一步model1：只拟合性别到学习投入的效应；第二步model2：加上中介变量，但是令性别对学习投入的直接为0，就是拟合一个完全中介模型；第三步model3：在第二步的基础上对直接效应自由估计；这3个模型都需要报告模型的拟合优度指标，具体包括卡方, p ， RMSEA 和CFI 。

怎么判断是完全中介还是部分中介模型好呢，作者是看model2和model3的模型拟合优度，进行拟合优度的对比，具体看的指标是Δ卡方，ΔCFI，ΔRMSEA

Models fitted the data equally well when at least two of the following requirements were met: Δv2 non-significant at p < .050, ΔCFI < .010, or ΔRMSEA < .015 (Cheung & Rensvold, 2002)

如果这些指标足够小，就说明完全中介模型和部分中介模型，两个模型没差别；指标差异大就说明两模型有差异，比完过后发现model3更好（就说明模型应该加直接效应），并且性别的直接效应也是显著的，所以是部分中介作用成立。上图可以看出这是个多重中介，然后作者报告了每一条间接效应的大小，显著性和bootstrap置信区间。

再看性别的调节作用如何做和报告的：

作者是用结构方程模型的多组比较来说明性别差异的，依然是分3步，第一步model1，自由估计男女组的所有参数；第二步model2：学习投入的载荷在男女中固定为相等；第三步model3：在model2的基础上教师支持的3个维度的相关在男女中固定为相等；第4-6步：因为教师支持有3个维度，4-6步就是3个维度对学习投入的路径系数依次在男女中固定为相等；

怎么判断性别gap是否存在呢？作者依然是比较模型4-6的拟合优度，具体标准和中介部分一样。如果某个效应在男女中固定为相等后模型不变差，那么就不存在性别gap，比如将男性女性中教师支持的维度1对学习投入的路径系数固定为相等后，整个模型拟合优度并没有显著下降，那么就说明男女中此关系相同是符合数据的，所以就不存在gender gap，反之，就存在性别差异。

此部分作者报告了模型的拟合优度，模型比较的时候报告Δ卡方，ΔCFI，ΔRMSEA。

接下来给大家写mplus的实操

因为Δ卡方，ΔCFI，ΔRMSEA都是两个模型的相应指标做差得到的，Δ卡方的p值也可以查阅卡方分布表得到，这些都很简单，所以此部分重点复现中介分析部分的间接效应和置信区间和间接效应显著性检验的做法，调节效应部分的多组比较结构方程的做法。

因为我们需要看多重中介的每条间接效应的显著性和估计值所以在语法的model部分我们得加上Model indirect代码，代码解释如下：

因为我们还需要报告间接效应的bootstrap置信区间所以在analysis的部分应该加上bootstrap命令，代码解释如下

整体代码如下：

title: 祝大家虎年大吉哈data: file = yourdata.txt;analysis:bootstrap=5000；model:！测量模型！结构模型Model indirect: aiax ind x1;

运行后就可以得到每一条间接效应的估计值和显著性，这样就可以知道具体哪一条的间接效应到底显著不显著啦：

上面的结果就显示了，该多重中介模型中，间接效应总的来说是显著的，具体我们是有3条间接路径，只有通过AUTO这一条是显著的。

下面的结果是每一条间接效应系数的bootstrap置信区间：

模型拟合优度指标全在MODEL FIT INFORMATION中，很简单，这儿就不给大家展示了。

到此中介分析做完。

继续看调节的多组比较做法。

做多组比较的时候首先应该在variable命令中设定组变量，命令如下：

多组比较还涉及到模型系数的固定，在mplus的固定系数的操作命令如下：

原理是：只要系数后面的标签一样就表示固定为一样的系数。在多组比较的时候我们需要在不同的模型中固定不同的系数，这儿给大家展示model3的部分代码：

model f: aiax by x19 (1) x20 (2) x21 (3) x22 (4); aiax@1; auto with comp (5); auto with relat (6); comp with relat (7); model m: aiax by x19 (1) x20 (2) x21 (3) x22 (4); aiax@1; auto with comp (5); auto with relat (6); comp with relat (7);

上面的代码就表示将男女两组中变量相关和aiax的载荷固定为相同。运行后得到模型的拟合优度和相应载荷和路径系数的估计值，可以看到因为我们代码中进行了固定，所以f组和m组相应变量的载荷都是一样的：

然后再在model3的基础上依次将教师支持的3个维度对学习投入的路径系数固定为相同，通过对不同模型拟合优度的比较就可以回答相应关系是不是存在gendergap了。

原论文的调节分析部分就是掌握多组结构方程模型的分组变量设定和不同组中模型系数的固定就可以啦，其余没有特别之处。

感谢大家耐心看完，自己的文章都写的很细，重要代码都在原文中，希望大家都可以自己做一做，请转发本文到朋友圈后私信回复“数据链接”获取所有数据和本人收集的学习资料。如果对您有用请先记得收藏，再点赞分享。

也欢迎大家的意见和建议，大家想了解什么统计方法都可以在文章下留言，说不定我看见了就会给你写教程哦，有疑问欢迎私信，有合作意向莫要犹豫请直接滴滴我。

如果你是一个大学本科生或研究生，如果你正在因为你的统计作业、数据分析、模型构建,科研统计设计等发愁，如果你在使用SPSS, R，Python，Mplus, Excel中遇到任何问题，都可以联系我。因为我可以给您提供最好的，最详细和耐心的数据分析服务。

如果你对Z检验，t检验，方差分析，多元方差分析，回归，卡方检验，相关，多水平模型，结构方程模型，中介调节，量表信效度等等统计技巧有任何问题，请私信我，获取详细和耐心的指导。

If you are a student and you are worried about you statistical #Assignments, #Data #Analysis, #Thesis, #Reports, #Composing, #Quizzes, Exams.. And if you are facing problem in #SPSS, #R-Programming, #Excel, Mplus, then contact me. Because I could provide you the best services for your Data Analysis.

Are you confused with statistical Techniques like z-test, t-test, ANOVA, MANOVA, Regression, Logistic Regression, Chi-Square, Correlation, Association, SEM, multilevel model, mediation and moderation etc. for your Data Analysis...??

Then Contact Me. I will solve your Problem...

加油吧，打工人！

R数据分析：贝叶斯定理的R语言模拟

R数据分析：什么是人群归因分数Population Attributable Fraction

R数据分析：有调节的中介

R数据分析：手把手教你画列线图(Nomogram)及解读结果

R数据分析：倾向性评分匹配完整实例（R实现）

R文本挖掘：中文文本聚类

R文本挖掘：中文词云生成，以2021新年贺词为例

R数据分析：多水平模型详细说明

R数据分析：如何做潜在剖面分析Mplus

R数据分析：主成分分析及可视化

R数据分析：随机截距交叉滞后RI-CLPM与传统交叉滞后CLPM

R数据分析：生存分析的做法与解释续

R数据分析：竞争风险模型的做法和解释二

R数据分析：多元逻辑斯蒂回归的做法

R数据分析：交叉滞后模型非专业解释

R数据分析：非专业解说潜变量增长模型

R数据分析：竞争风险模型的做法和解释

R数据分析：中介作用与调节作用的分析与解释

R数据分析：双分类变量的交互作用作图

R机器学习：基于树的分类算法的原理及实现