Y chromosome short arm-Sxr recombination in XSxr/Y males causes deletion of Rbm and XY female sex reversal.

We earlier described three lines of sex-reversed XY female mice deleted for sequences believed close to the testes-determining gene (Sry) on the Y chromosome short arm (Yp). The original sex-reversed females appeared among the offspring of XY males that carried the Yp duplication Sxr on their X chromosome. Earlier cytogenetic observations had suggested that the deletions resulted from asymmetrical meiotic recombination between the Y and the homologous Sxr region, but no direct evidence for this hypothesis was available. We have now analyzed the offspring of XSxr/Y males carrying an evolutionarily divergent Mus musculus domesticus Y chromosome, which permits detection and characterization of such recombination events. This analysis has enabled the derivation of a recombination map of Yp and Sxr, also demonstrating the orientation of Yp with respect to the Y centromere. The mapping data have established that Rbm, the murine homologue of a gene family cloned from the human Y chromosome, lies between Sry and the centromere. Analysis of two additional XY female lines shows that asymmetrical Yp-Sxr recombination leading to XY female sex reversal results in deletion of Rbm sequences. The deletions bring Sry closer to Y centromere, consistent with the hypothesis that position-effect inactivation of Sry is the basis for the sex reversal.

Mutual Information-based RBM Neural Networks

(Deep) neural networks are increasingly being used for various computer vision and pattern recognition tasks due to their strong ability to learn highly discriminative features. However, quantitative analysis of their classication ability and design philosophies are still nebulous. In this work, we use information theory to analyze the concatenated restricted Boltzmann machines (RBMs) and propose a mutual information-based RBM neural networks (MI-RBM). We develop a novel pretraining algorithm to maximize the mutual information between RBMs. Extensive experimental results on various classication tasks show the eectiveness of the proposed approach.

Indicadores biológicos de dois solos com a incorporação de subproduto da agroindústria de café

A adição de subprodutos orgânicos ao solo pode ocasionar mudanças na dinâmica da matéria orgânica dele, influenciando a atividade e utilização do carbono pelos microrganismos presentes nele. O objetivo deste trabalho foi avaliar a influência da aplicação de doses crescentes de subproduto da agroindústria de café nos atributos biológicos de dois solos com textura distinta, em diferentes tempos de incubação. O delineamento experimental foi em blocos casualizados, em esquema fatorial 2 × 8, sendo dois solos e oito doses de subproduto de café, com cinco repetições. Foram realizadas coletas de subamostras dos solos aos 30, 60, 90 e 125 dias após a incorporação do subproduto nesses. Nessas datas foram avaliados o carbono microbiano (C-CBM), a respiração basal microbiana (RBM) e o carbono orgânico total (COT). A adição do subproduto do café proporcionou aumentos nos valores de C-CBM, C-CO2 e COT dos dois solos utilizados. A maior atividade microbiana ocorreu no período de 30 dias, com maior liberação de C-CO2; o COT foi superior no solo argiloso por ele permitir maior proteção dos compostos orgânicos à decomposição pelos microrganismos.

Training deep convolutional architectures for vision

Les tâches de vision artificielle telles que la reconnaissance d’objets demeurent irrésolues à ce jour. Les algorithmes d’apprentissage tels que les Réseaux de Neurones Artificiels (RNA), représentent une approche prometteuse permettant d’apprendre des caractéristiques utiles pour ces tâches. Ce processus d’optimisation est néanmoins difficile. Les réseaux profonds à base de Machine de Boltzmann Restreintes (RBM) ont récemment été proposés afin de guider l’extraction de représentations intermédiaires, grâce à un algorithme d’apprentissage non-supervisé. Ce mémoire présente, par l’entremise de trois articles, des contributions à ce domaine de recherche. Le premier article traite de la RBM convolutionelle. L’usage de champs réceptifs locaux ainsi que le regroupement d’unités cachées en couches partageant les même paramètres, réduit considérablement le nombre de paramètres à apprendre et engendre des détecteurs de caractéristiques locaux et équivariant aux translations. Ceci mène à des modèles ayant une meilleure vraisemblance, comparativement aux RBMs entraînées sur des segments d’images. Le deuxième article est motivé par des découvertes récentes en neurosciences. Il analyse l’impact d’unités quadratiques sur des tâches de classification visuelles, ainsi que celui d’une nouvelle fonction d’activation. Nous observons que les RNAs à base d’unités quadratiques utilisant la fonction softsign, donnent de meilleures performances de généralisation. Le dernière article quand à lui, offre une vision critique des algorithmes populaires d’entraînement de RBMs. Nous montrons que l’algorithme de Divergence Contrastive (CD) et la CD Persistente ne sont pas robustes : tous deux nécessitent une surface d’énergie relativement plate afin que leur chaîne négative puisse mixer. La PCD à "poids rapides" contourne ce problème en perturbant légèrement le modèle, cependant, ceci génère des échantillons bruités. L’usage de chaînes tempérées dans la phase négative est une façon robuste d’adresser ces problèmes et mène à de meilleurs modèles génératifs.

Échantillonnage dynamique de champs markoviens

L'un des modèles d'apprentissage non-supervisé générant le plus de recherche active est la machine de Boltzmann --- en particulier la machine de Boltzmann restreinte, ou RBM. Un aspect important de l'entraînement ainsi que l'exploitation d'un tel modèle est la prise d'échantillons. Deux développements récents, la divergence contrastive persistante rapide (FPCD) et le herding, visent à améliorer cet aspect, se concentrant principalement sur le processus d'apprentissage en tant que tel. Notamment, le herding renonce à obtenir un estimé précis des paramètres de la RBM, définissant plutôt une distribution par un système dynamique guidé par les exemples d'entraînement. Nous généralisons ces idées afin d'obtenir des algorithmes permettant d'exploiter la distribution de probabilités définie par une RBM pré-entraînée, par tirage d'échantillons qui en sont représentatifs, et ce sans que l'ensemble d'entraînement ne soit nécessaire. Nous présentons trois méthodes: la pénalisation d'échantillon (basée sur une intuition théorique) ainsi que la FPCD et le herding utilisant des statistiques constantes pour la phase positive. Ces méthodes définissent des systèmes dynamiques produisant des échantillons ayant les statistiques voulues et nous les évaluons à l'aide d'une méthode d'estimation de densité non-paramétrique. Nous montrons que ces méthodes mixent substantiellement mieux que la méthode conventionnelle, l'échantillonnage de Gibbs.

Apprentissage de représentations sur-complètes par entraînement d’auto-encodeurs

Les avancés dans le domaine de l’intelligence artificielle, permettent à des systèmes informatiques de résoudre des tâches de plus en plus complexes liées par exemple à la vision, à la compréhension de signaux sonores ou au traitement de la langue. Parmi les modèles existants, on retrouve les Réseaux de Neurones Artificiels (RNA), dont la popularité a fait un grand bond en avant avec la découverte de Hinton et al. [22], soit l’utilisation de Machines de Boltzmann Restreintes (RBM) pour un pré-entraînement non-supervisé couche après couche, facilitant grandement l’entraînement supervisé du réseau à plusieurs couches cachées (DBN), entraînement qui s’avérait jusqu’alors très difficile à réussir. Depuis cette découverte, des chercheurs ont étudié l’efficacité de nouvelles stratégies de pré-entraînement, telles que l’empilement d’auto-encodeurs traditionnels(SAE) [5, 38], et l’empilement d’auto-encodeur débruiteur (SDAE) [44]. C’est dans ce contexte qu’a débuté la présente étude. Après un bref passage en revue des notions de base du domaine de l’apprentissage machine et des méthodes de pré-entraînement employées jusqu’à présent avec les modules RBM, AE et DAE, nous avons approfondi notre compréhension du pré-entraînement de type SDAE, exploré ses différentes propriétés et étudié des variantes de SDAE comme stratégie d’initialisation d’architecture profonde. Nous avons ainsi pu, entre autres choses, mettre en lumière l’influence du niveau de bruit, du nombre de couches et du nombre d’unités cachées sur l’erreur de généralisation du SDAE. Nous avons constaté une amélioration de la performance sur la tâche supervisée avec l’utilisation des bruits poivre et sel (PS) et gaussien (GS), bruits s’avérant mieux justifiés que celui utilisé jusqu’à présent, soit le masque à zéro (MN). De plus, nous avons démontré que la performance profitait d’une emphase imposée sur la reconstruction des données corrompues durant l’entraînement des différents DAE. Nos travaux ont aussi permis de révéler que le DAE était en mesure d’apprendre, sur des images naturelles, des filtres semblables à ceux retrouvés dans les cellules V1 du cortex visuel, soit des filtres détecteurs de bordures. Nous aurons par ailleurs pu montrer que les représentations apprises du SDAE, composées des caractéristiques ainsi extraites, s’avéraient fort utiles à l’apprentissage d’une machine à vecteurs de support (SVM) linéaire ou à noyau gaussien, améliorant grandement sa performance de généralisation. Aussi, nous aurons observé que similairement au DBN, et contrairement au SAE, le SDAE possédait une bonne capacité en tant que modèle générateur. Nous avons également ouvert la porte à de nouvelles stratégies de pré-entraînement et découvert le potentiel de l’une d’entre elles, soit l’empilement d’auto-encodeurs rebruiteurs (SRAE).

Advances in scaling deep learning algorithms

Les algorithmes d'apprentissage profond forment un nouvel ensemble de méthodes puissantes pour l'apprentissage automatique. L'idée est de combiner des couches de facteurs latents en hierarchies. Cela requiert souvent un coût computationel plus elevé et augmente aussi le nombre de paramètres du modèle. Ainsi, l'utilisation de ces méthodes sur des problèmes à plus grande échelle demande de réduire leur coût et aussi d'améliorer leur régularisation et leur optimization. Cette thèse adresse cette question sur ces trois perspectives. Nous étudions tout d'abord le problème de réduire le coût de certains algorithmes profonds. Nous proposons deux méthodes pour entrainer des machines de Boltzmann restreintes et des auto-encodeurs débruitants sur des distributions sparses à haute dimension. Ceci est important pour l'application de ces algorithmes pour le traitement de langues naturelles. Ces deux méthodes (Dauphin et al., 2011; Dauphin and Bengio, 2013) utilisent l'échantillonage par importance pour échantilloner l'objectif de ces modèles. Nous observons que cela réduit significativement le temps d'entrainement. L'accéleration atteint 2 ordres de magnitude sur plusieurs bancs d'essai. Deuxièmement, nous introduisont un puissant régularisateur pour les méthodes profondes. Les résultats expérimentaux démontrent qu'un bon régularisateur est crucial pour obtenir de bonnes performances avec des gros réseaux (Hinton et al., 2012). Dans Rifai et al. (2011), nous proposons un nouveau régularisateur qui combine l'apprentissage non-supervisé et la propagation de tangente (Simard et al., 1992). Cette méthode exploite des principes géometriques et permit au moment de la publication d'atteindre des résultats à l'état de l'art. Finalement, nous considérons le problème d'optimiser des surfaces non-convexes à haute dimensionalité comme celle des réseaux de neurones. Tradionellement, l'abondance de minimum locaux était considéré comme la principale difficulté dans ces problèmes. Dans Dauphin et al. (2014a) nous argumentons à partir de résultats en statistique physique, de la théorie des matrices aléatoires, de la théorie des réseaux de neurones et à partir de résultats expérimentaux qu'une difficulté plus profonde provient de la prolifération de points-selle. Dans ce papier nous proposons aussi une nouvelle méthode pour l'optimisation non-convexe.

A comparison of the relative toxicity of bone meal and other P sources used as remedial treatments to the earthworm Eisenia fetida

It has been suggested that sources of P could be used to remediate metal-contaminated soil. The toxicity of four potential P sources, potassium hydrogen phosphate (PHP), triple superphosphate (TSP), rock phosphate (RP) and raw bone meal (RBM) to Eisenia fetida was determined. The concentration of P that is statistically likely to kill 50% of the population (LC50) for PHP, TSP and RBM was determined in OECD acute toxicity tests. 14 day LC50s expressed as bulk P concentration lay in the range 3319–4272 mg kg−1 for PHP, 3107–3590 mg kg−1 for TSP and 1782–2196 mg kg−1 for RBM (ranges present the 95% confidence intervals). For PHP and TSP mortality was significantly impacted by the electrical conductivity of the treated soils. No consistent relationship existed between mortality and electrical conductivity, soil pH and available (Olsen) P across the PHP, TSP and RBM amendment types. In RP toxicity tests mortality was low and it was not possible to determine a LC50 value. Incineration of bone meal at temperatures between 200 and 300 ◦C, pre-washing the bone meal, co-amendment with 5% green waste compost and delaying introduction of earthworms after bone meal amendments by 21 days or more led to significant reductions in the bone meal toxicity. These results are consistent with the toxicity being associated with the release and/or degradation of a soluble organic component present in raw bone meal. Bone meal can be used as an earthworm-friendly remedial amendment in metal-contaminated soils but initial additions may have a negative effect on any earthworms surviving in the contaminated soil before the organic component in the bone meal degrades in the soil.

Characterization of Five Different Implant Surfaces and Their Effect on Osseointegration: A Study in Dogs

Background: Chemical modification of implant surface is typically associated with surface topographic alterations that may affect early osseointegration. This study investigates the effects of controlled surface alterations in early osseointegration in an animal model.Methods: Five implant surfaces were evaluated: 1) alumina-blasting, 2) biologic blasting, 3) plasma, 4) microblasted resorbable blasting media (microblasted RBM), and 5) alumina-blasting/acid-etched (AB/AE). Surface topography was characterized by scanning electron microscopy and optical interferometry, and chemical assessment by x-ray photoelectron spectroscopy. The implants were placed in the radius of six dogs, remaining 2 and 4 weeks in vivo. After euthanization, specimens were torqued-to-interface failure and non-decalcified - processed for histomorphologic bone-implant contact, and bone area fraction-occupied evaluation. Statistical evaluation was performed by one-way analysis of variance (P < 0.05) and post hoc testing by the Tukey test.Results: The alumina-blasting surface presented the highest average surface roughness and mean root square of the surface values, the biologic blasting the lowest, and AB/AE an intermediate value. The remaining surfaces presented intermediate values between the biologic blasting and AB/AE. The x-ray photoelectron spectroscopy spectra revealed calcium and phosphorus for the biologic blasting and microblasted RBM surfaces, and the highest oxygen levels for the plasma, microblasted RBM, and AB/AE surfaces. Significantly higher torque was observed at 2 weeks for the microblasted RBM surface (P < 0.04), but no differences existed between surfaces at 4 weeks (P > 0.74). No significant differences in bone-implant contact and bone area fraction-occupied values were observed at 2 and 4 weeks.Conclusion: The five surfaces were osteoconductive and resulted in high degrees of osseointegration and biomechanical fixation. J Periodontol 2011;82:742-750.

Análise das propagandas dos medicamentos isentos de prescrição veiculadas em revistas para prescritores na área médica

This article presents an analysis of the quality of advertisements for over-the-counter (OTC) drugs addressed to the medical profession, based on the new Anvisa resolution RDC 96 (17/12/2008). For this analysis, 16 volumes of the Brazilian Journal of Medicine (RBM) were collected, from August 2009 to December 2010. To investigate the quality of the adverts, we prepared a questionnaire divided into three parts. In total, 160 advertisements were found, of which 27 were related to drugs exempt from prescription, from 9 laboratories. It was observed that none of the advertisements complied fully with the new rules, as required by legislation (RDC 96/08), with violations ranging from identification of the advert to prohibitions of human figures and subjective messages. Therefore, it was concluded that there is a need to implement more effective monitoring, so as to improve the quality of the adverts, so they can be used as a reliable source of information and update by prescribers.

C-Phycocyanin protects SH-SY5Y cells from oxidative injury, rat retina from transient ischemia and rat brain mitochondria from Ca2+/phosphate-induced impairment

Oxidative stress and mitochondrial impairment are essential in the ischemic stroke cascade and eventually lead to tissue injury. C-Phycocyanin (C-PC) has previously been shown to have strong antioxidant and neuroprotective actions. In the present study, we assessed the effects of C-PC on oxidative injury induced by tert-butylhydroperoxide (t-BOOH) in SH-SY5Y neuronal cells, on transient ischemia in rat retinas, and in the calcium/phosphate-induced impairment of isolated rat brain mitochondria (RBM). In SH-SY5Y cells, t-BOOH induced a significant reduction of cell viability as assessed by an MTT assay, and the reduction was effectively prevented by treatment with C-PC in the low micromolar concentration range. Transient ischemia in rat retinas was induced by increasing the intraocular pressure to 120 mmHg for 45 min, which was followed by 15 min of reperfusion. This event resulted in a cell density reduction to lower than 50% in the inner nuclear layer (INL), which was significantly prevented by the intraocular pre-treatment with C-PC for 15 min. In the RBM exposed to 3 mM phosphate and/or 100 mu M Ca2+, C-PC prevented in the low micromolar concentration range, the mitochondrial permeability transition as assessed by mitochondrial swelling, the membrane potential dissipation, the increase of reactive oxygen species levels and the release of the pro-apoptotic cytochrome c. In addition, C-PC displayed a strong inhibitory effect against an electrochemically-generated Fenton reaction. Therefore, C-PC is a potential neuroprotective agent against ischemic stroke, resulting in reduced neuronal oxidative injury and the protection of mitochondria from impairment. (C) 2012 Elsevier Inc. All rights reserved.

Analisi dei guasti di un termovalorizzatore

L’obiettivo del presente lavoro di tesi è stato quello di effettuare, tramite l’applicazione di una metodologia RBM – Risk Based Maintenance, l’analisi dei guasti avvenuti nel biennio 2012-2013 nel termovalorizzatore di rifiuti solidi urbani di Modena gestito dalla società Herambiente.

Airway remodelling in children with cystic fibrosis

BACKGROUND: The relationship between airway structural changes and inflammation is unclear in early cystic fibrosis (CF) lung disease. A study was undertaken to determine changes in airway remodelling in children with CF compared with appropriate disease and healthy controls. METHODS: Bronchoalveolar lavage and endobronchial biopsy were performed in a cross-sectional study of 43 children with CF (aged 0.3-16.8 years), 7 children with primary ciliary dyskinesia (PCD), 26 with chronic respiratory symptoms (CRS) investigated for recurrent infection and/or cough and 7 control children with no lower airway symptoms. Inflammatory cells, cytokines, proteases and matrix constituents were measured in bronchoalveolar lavage fluid (BALF). Reticular basement membrane (RBM) thickness was measured on biopsy specimens using light microscopy. RESULTS: Increased concentrations of elastin, glycosaminoglycans and collagen were found in BALF from children with CF compared with the CRS group and controls, each correlating positively with age, neutrophil count and proteases (elastase activity and matrix metalloproteinase-9 (MMP-9) concentration). There were significant negative correlations between certain of these and pulmonary function (forced expiratory volume in 1 s) in the CF group (elastin: r = -0.45, p<0.05; MMP-9:TIMP-1 ratio: r = -0.47, p<0.05). Median RBM thickness was greater in the CF group than in the controls (5.9 microm vs 4.0 microm, p<0.01) and correlated positively with levels of transforming growth factor-beta(1) (TGF-beta(1); r = 0.53, p = 0.01), although not with other inflammatory markers or pulmonary function. CONCLUSIONS: This study provides evidence for two forms of airway remodelling in children with CF: (1) matrix breakdown, related to inflammation, proteolysis and impaired pulmonary function, and (2) RBM thickening, related to TGF-beta(1) concentration but independent of other markers of inflammation.