Whole-cell antigenicity data support sequence-based kinetoplastid taxonomy

Early immunological data, obtained by immunodiffusion and immunoelectrophoresis, on the whole-cell antigenicity of kinetoplastid protozoa were retrieved and used to construct a dendrogram of antigenic distances. Remarkably, they supported the same taxonomic conclusions as analyses based on DNA and protein sequence data.

Uncertainty Quantification Of A Semi-Supervised Support Vector Regression Reservoir Model

Uncertainty quantification of petroleum reservoir models is one of the present challenges, which is usually approached with a wide range of geostatistical tools linked with statistical optimisation or/and inference algorithms. Recent advances in machine learning offer a novel approach to model spatial distribution of petrophysical properties in complex reservoirs alternative to geostatistics. The approach is based of semisupervised learning, which handles both ?labelled? observed data and ?unlabelled? data, which have no measured value but describe prior knowledge and other relevant data in forms of manifolds in the input space where the modelled property is continuous. Proposed semi-supervised Support Vector Regression (SVR) model has demonstrated its capability to represent realistic geological features and describe stochastic variability and non-uniqueness of spatial properties. On the other hand, it is able to capture and preserve key spatial dependencies such as connectivity of high permeability geo-bodies, which is often difficult in contemporary petroleum reservoir studies. Semi-supervised SVR as a data driven algorithm is designed to integrate various kind of conditioning information and learn dependences from it. The semi-supervised SVR model is able to balance signal/noise levels and control the prior belief in available data. In this work, stochastic semi-supervised SVR geomodel is integrated into Bayesian framework to quantify uncertainty of reservoir production with multiple models fitted to past dynamic observations (production history). Multiple history matched models are obtained using stochastic sampling and/or MCMC-based inference algorithms, which evaluate posterior probability distribution. Uncertainty of the model is described by posterior probability of the model parameters that represent key geological properties: spatial correlation size, continuity strength, smoothness/variability of spatial property distribution. The developed approach is illustrated with a fluvial reservoir case. The resulting probabilistic production forecasts are described by uncertainty envelopes. The paper compares the performance of the models with different combinations of unknown parameters and discusses sensitivity issues.

Desenvolupament d'algorismes biològicament inspirats basats en Support Vector Machines

L'objectiu d'aquest projecte ha estat el desenvolupament d'algorismes biològicament inspirats per a l'olfacció artificial. Per a assolir-lo ens hem basat en el paradigma de les màquines amb suport vectorial. Hem construit algoritmes que imitaven els processos computacionals dels diferents sistemes que formen el sistema olfactiu dels insectes, especialment de la llagosta Schistocerca gregaria. Ens hem centrat en el lòbuls de les antenes, i en el cos fungiforme. El primer està considerat un dispositiu de codificació de les olors, que a partir de la resposta temporal dels receptors olfactius a les antenes genera un patró d'activació espaial i temporal. Quant al cos fungiforme es considera que la seva funció és la d'una memòria per als olors, així com un centre per a la integració multi-sensorial. El primer pas ha estat la construcció de models detallats dels dos sistemes. A continuació, hem utilitzat aquests models per a processar diferents tipus de senyals amb l'objectiu de abstraure els principis computacionals subjacents. Finalment, hem avaluat les capacitats d'aquests models abstractes, i els hem utilitzat per al processat de dades provinents de sensors de gasos. Els resultats mostren que el models abstractes tenen millor comportament front el soroll i més capacitat d'emmagatzematge de records que altres models més clàssics, com ara les memòries associatives de Hopfield o fins i tot en determinades circumstàncies que les mateixes Support Vector Machines.

The EPAGE internet guideline as a decision support tool for determining the appropriateness of colonoscopy

RÉSUMÉ Contexte : Peu d'études ont examiné la façon dont les médecins appréhendent les guidelines, et encore moins celle dont ils perçoivent de tels guidelines disponibles sur Internet. Cette étude évalue l'acceptation par les médecins d'un guideline électronique portant sur l'adéquation de la colonoscopie. Méthode : Des gastroentérologues participant à une étude observationnelle internationale ont consulté un guideline électronique pour une série consécutive de patients adressés pour une colonoscopie. Le guideline a été élaboré par le Panel Européen sur l'Adéquation de l'Endoscopie Gastro-intestinale (EPAGE en version anglaise), utilisant une méthode validée (RAND). Les opinions des médecins sur le guideline, sur le site Internet et sur les perspectives d'utilisation ont été recueillies au moyen de questionnaires. Résultats : 289 patients ont été inclus dans l'étude. Le temps moyen pour consulter le site Internet a été de 1.8 min et 86% des médecins l'ont considéré comme simple à utiliser. Les recommandations ont été facilement localisées pour 82% des patients et les médecins étaient d'accord avec l'adéquation de la colonoscopie dans 86% des cas. Selon les critères EPAGE, la colonoscopie était appropriée, incertaine et inappropriée, respectivement chez 59, 28 et 13% des patients. Conclusions : Le guideline EPAGE a été considéré comme acceptable et simple à utiliser. L'utilisation, l'utilité et la pertinence du site Internet a été jugée comme acceptable. Son utilisation effective dépendra cependant de la levée de certains obstacles au niveau organisationnel et culturel.