科学研究的数据类型

全文共1722字，预计学习时长5分钟图源：unsplash技术快速发展，各种学科中积极使用定量分析，产生了更大量的数据，数据分析的作用已经超过了最初的预期。由于基础设备不断进步，现在可以拥有多个数据源，如传感器、CRMs、事件、文本、图像、音频和视频。现在的大量数据中，大部分是非结构化的，即没有预定义模型/结构的数据。如图像，是像素的集合，文本数据是没有预定义储存模型的字符序列，以及用户在Web应用程序上操作的点击流。非结构化数据所需要处理的地方在于，需要通过预处理等方法转化为结构化数据，以便对结构化数据应用统计方法获取原始数据中的重要信息。论及结构数据，主要是指表格数据（矩形结构数据），即数据库中的行和列。这种表格数据包含两种类型的结构化数据：1.数值数据用数字所衡量表述的数据，进一步分为两种表示形式：· 连续型——数据可以表示时间间隔中的任何值，例如汽车的速度、心率等。· 离散型——只能接受整数值的数据，如计数值。例如，投掷一枚硬币20次，正面朝上的次数。2.分类数据只能表示可能类别中一组特定的数据。也称为枚举、因子或名词性因子。· 二进制型，这种分类数据是二进制分类的一种特殊情况，即只有0/1或者说真/假两个值。· 有序型，有明确前后顺序的分类数据。例如对一家餐馆的五星评价制。（1、2、3、4、5）。那么问题来了，为什么需要了解这些数据类型呢？因为不知道数据类型，将会不知道如何应用正确的统计方法处理这类数据。举例来说，如果数据框中有一列有序号数据，就必须要进行预处理，在Python中，scikit-learn包提供了一个序号编码器来处理序号数据。下一步是深入研究结构化数据，以及如何使用第三方工具包和库来操作这些结构。我们主要有两种类型的结构或数据储存模型：· 矩形· 非矩形矩形数据数据科学中大多数的分析对象都是针对二位矩形数据（如数据框、电子表格、CSV文件或是数据库表格）完成。矩形数据主要由表示数据类型的行和表示列的变量/特性组成。数据框是一种特殊的数据结构，采用表格格式，提供了高效的数据操作可能。数据框是最常用的数据结构，下方是一些重要的定义：· 数据框：用于统计和机器学习模型的有效操作和应用的矩形数据结构（如电子表格）。· 特性：数据框的列值通常被称为特性。同义词有（属性、输入值、预测值、变量）。· 结果：许多数据科学项目都涉及到结果预测——通常输出值yes/no。· 记录：数据框中的一行通常被成为记录。同义词（实例，模式值，样本值）。关系数据库表将一个或多个指定的列作为索引，本质上是行号查询。这可以极大程度地提高某些数据库的查询效率，在Panda dataframe中，可以根据行的顺序自动创建一个整数索引。在Pandas中还可以设置多层次索引提高操作效率。图源：unsplash非矩形数据除了矩形数据外，还有一些其他的数据结构属于非矩形数据的范畴。地理位置分析中使用的空间数据结构更加复杂，不同于矩形数据结构。在地理位置数据中，数据的焦点是一个特定对象（如一个公园）及其空间坐标。相比之下，视场视图聚焦于小的空间单位和相关的度量值。（如像素强度）。图数据结构，这种数据结构通常用来表示数据间的关系——物理关系、社会关系和抽象关系。例如脸书或推特上以社会关系图的形式表示网络上人们之间的联系。图结构对某些类型的问题特别有用，如网络优化和系统推荐问题。每种数据类型在数据科学中都有特殊的处理方法，本文重点讲了矩形数据，希望你已经掌握了它。留言点赞关注我们一起分享AI学习与发展的干货如转载，请后台留言，遵守转载规范

科学研究中的研究内容和方式是不尽相同的，有的是通过实验来发现新现象、寻找科学规律或验证某种理论假说，实验结果的科学记录和总结可作为研究成果；有的是先提出某种假说，然后进行数学推导、逻辑推理或用实验结果进行检验，往往以论述或论证为中心，提出新理论，或补充和发展原理论，或否定原理论；有的研究对象属于自然科学或工程技术范畴，采用的论述方式却类似于社会科学的表述方式，即用调查研究所得的可信事实或数据来论证新的观点。赛恩斯编译依据经验，科技论文按研究方式和论述内容可分为：一、实验性论文。这类论文主要针对科技领域的一个学科或专题，有目的地进行调查与考察，实验与分析，或进行相应的模拟研究，得到系统的观测现象，实验数据或效果等较为重要的原始资料和分析结论，准确与齐备的原始资料往往使其成为进一步深入研究的依据与基础，它不同于一般的实验报告，其写作重点应放在研究上，追求的是可靠的理论依据、先进的实验方案、适用的测试手段、准确的数据处理及严密的分析论证。二、发现型论文。这类论文主要用来记述被发现事物的背景、现象、本质、特性、运动变化规律以及人类使用这种发现的前景。发明型论文是发现型论文的特殊形态，主要用来阐述所发明的装备、系统、工具、材料、工艺、配方等功效、性能、特点、原理及使用条件等。三、计算型论文。这类论文主要用来提出和讨论不同类型(包括不同边界和初始条件)数学物理方程的数值计算方法，数列或数字运算方法，计算机辅助设计方法，计算机在不同领域的应用原理、数据结构、操作方法，或进行收敛性、稳定性、精度分析等。这种论文往往是计算机软件进一步开发的基础。四、理论性论文。这类论文可分为推导型论文、分析型论文和论证型论文等。1.推导型论文。这类论文主要是对所提出的新假说由数字推导和逻辑推理来得到新理论(包括定理、定律和法则)。写作要求是：数学推导要科学准确，逻辑推理要严谨严密，定义和概念的使用要准确可靠，力求得到无懈可击的结论。2.分析型论文。这类论文主要是对新的设想、原理、模型、机构、材料、工艺、样品等进行理论分析，对过去的理论分析，对过去的理论分析加以完善、补充或修正。写作要求是：论证分析要严谨，数学运算要正确，资料数据要可靠，结论要准确并经过实验验证。3.论证型论文。这类论文主要是对基础科学命题进行论述与证明，如对数学、物理、化学、天文、地理、生物等基础学科及其他众多应用性学科的公里、定理、原理、原则或假设的建立、论证及其适用范围、使用条件进行讨论。五、设计型论文。这类论文一般用来对某些工程、技术和管理问题进行计算机程序设计，对某些系统、工程方案、机构、产品等进行计算机辅助和优化设计，对某些过程进行计算机模拟和仿真，对某些原材料等进行调制、配制。写作要求是：内容要新，模型的建立和参数的选择要合理，编制的程序能正常运行，计算结果要合理准确，设计的产品要经过实验和生产证实，调制、配制的物质要经过使用考核。六、专题型论文。这类论文用来对某一领域、学科或某项工作等发表议论(包括立论和驳论)，通过分析论证，对其发展的战略决策、方向等提出新的见解。七、综述性论文。这类论文是在综合分析和评价已有相关文献的基础上，提出在特定时期内有关专业课题的演变规律和发展趋势。它要求作者在博览群书的基础上，综合介绍、分析、评述特定学科和专业领域内最新研究成果和发展趋势，表明作者自己的观点，对发展作出科学预测，并提出比较中肯的建设性意见和建议。综述类论文的写作要求相对较高，一般要求：资料新而全，作者立足点高、眼光远，问题综合恰当、分析在理，意见、建议较为中肯；题目一般较为笼统，篇幅允许稍长。通常有两种写法，一种是以汇集文献资料为主，辅以注释，客观而少评述；另一种是着重评述，通过回顾、观察和展望提出合乎逻辑、具有启迪性的看法和建议。除了以上这些论文类型，按研究方式和论述内容，科技论文还应有其他类型，这里不再列举。

当前知识的更新频率很快，每年有上百万篇以上的论文发表，形成的数据库浩如烟海。文献调研的目的并非穷尽的去阅读所有相关文献，而是有重点的阅读与研究主题最为契合且重要的文献，从而能够提升对研究主题的理解和认识。因为大部分本科生尚处在知识积累和增长见识的重要阶段，未来人生有很大的提升空间，因此本科生从事科学研究时应该更加注重研究视野的培养，而非文献中的细枝末节。基于以上认识，阅读文献时可以有意识的思考该研究主题的研究历史、形成的研究分支、获得的重要进展、和该领域活跃的学者等等。具体而言，本科生可以围绕以下三个方面进行。首先，详细了解研究主题下已形成的各个研究分支的概况。当前，学科细分、学科间交叉融合非常普遍，各个学科的内涵都在不断的拓展和延伸，从而形成了众多的各具特色的研究分支。在我们的日常生活中，各种类型的泡随处可见。例如，烧水时容器底面不断涌出的水相变后产生的蒸汽泡，游泳时拍打水面时在水中形成的空气泡，洗衣服时加入洗衣粉或者洗涤剂在水中产生的肥皂泡。即使对于研究一个我们在日常生活中经常看到的空气泡和蒸汽泡，其已经存在的分支便已非常之多。与此研究主题相关的分支及其关注点枚举如下。1、对于动物学家，重点关注与气泡相关的水生动物的捕食行为，例如座头鲸利用气泡围困鱼群进行捕食，枪虾利用其身体产生的剧烈振荡的汽泡捕食小虾。2、对于物理学家，重点关注汽泡破裂过程中产生的冲击波、发光、射流等物理现象。3、对于声学家，重点关注水下航行器在行进过程中因汽泡的破裂产生的噪声及其对航行器隐身性能的影响。4、对于材料学家，重点关注汽泡引起的材料破坏的机理及材料表面的损伤特性及防护方法。5、对于医学家，重点关注利用汽泡溃灭的能量进行高精度、低创伤的医学治疗。6、对于水力机械领域学者，重点关注汽泡的形成对机组内部流动及宏观特性的影响。7、对于光学领域学者，重点关注激光诱导产生的汽泡初期阶段的等离子体演化机制。8、对于化工领域学者，重点关注表面活性剂对气泡生成的影响以及气泡对于化学反应的促进作用。由此可见，即使对于一个简单的气泡和汽泡现象，其形成的研究分支已不胜枚举，大大超出了本科生能够承受的文献调研的范围。若本科生不注意研究脉络的梳理和关键问题的提炼，不但阅读文献时劳心费力，难以长期坚持，而且对文献的领悟及研究结果精髓的理解也是囫囵吞枣、不得要领。其次，深入了解已经形成的各个分支的研究特色。因为依托的研究背景和拟取得的研究目标的不同，每个分支均会具有自己鲜明的学科和研究特色。在阅读文献过程中，认真思考和体会这些特色和不同分支间的互补性是非常有价值的事情。例如，同样是研究气泡破裂时带来的材料破坏，各个分支的研究重点大不相同。对于物理学家，研究的重点侧重于新现象的发现及其物理机制的阐述。对于水力机械领域学者，研究的重点则侧重于这些新现象对于水力发电机组内部流动和机组宏观性能（比如运行效率和发电功率等）的影响。对于材料学家，研究的重点则侧重于依托这些新发现的物理机制，设计并优化现有的材料，使其可以抵抗或者减轻气泡破裂带来的材料破坏。由上例可以看出，上述研究视角的差别可能带来很多新的想法，甚至如果能够不断深入便可以形成新的学科增长点。因此，在文献调研过程中，本科生可以尝试不断思考、体会所在学科学术研究的特色，并与同一研究主题下相关学科进行比较、借鉴，这样便可以逐步开阔研究视野。最后，重点关注学术分支形成过程中的起到开创性作用的重要论文。每个学术分支的形成和发展过程中，一般都会有若干重要的学者起到引领性的作用。具体而言，他们或发现了新的重要现象，或引入了前沿的研究工具，或发明了新的数据分析方法，诸如此类。这些重要的论文在学术分支形成过程中起到了承上启下的作用，引发了后续大量学者关于此问题的思考和相关研究的跟进。例如，气泡在极端条件下振荡并破裂时会使其内部温度急剧升高，产生发光现象。这一现象在二十世纪50年代便已经观察到，但相关的定量研究进展微弱，核心的原因是缺少行之有效的研究手段精确控制气泡行为及其发光现象。二十世纪90年代，若干学者合作研发了一个采用声场精确控制的单个气泡稳定发光的装置，可以形成长期稳定发光的气泡并具有非常好的可重现性。随后，该领域的研究井喷式发展，大量学者迅速进入这一前沿领域，产生了很多高水平的成果，从而形成了单个气泡声致发光研究这个内涵丰富的学术分支，对声学、物理学、化学等学科的发展也都起到了很大的促进作用，解决了一大批长期有争论的议题。本科生应将自己的宝贵时间多用来去阅读这些开创性的论文，从学科发展的视角去思考问题，这样才能后续有机会做出一流的研究成果。结合笔者指导本科生的若干经验，一些相关建议梳理如下：学会同主题阅读每个分支文献均不少，采用同主题阅读很适用于本科生时间较为零碎这一特点。比如，本科生可以用周末的一个上午集中精力围绕一个较为精细的研究主题开展阅读。主题的选择可以是某种最新的研究设备、某个学者或者课题组在此领域的系列研究论文等等。关注不同领域的研究进展不同领域间的互补性很强，有时候对于某研究领域是一个很难解决的问题，但在另一个领域却是已经突飞猛进。本科生从事科学研究遇到困难时可以多尝试去借鉴其他领域的丰富成果和研究思路，这样形成的学科交叉更为可行。找到该领域的重要开创性论文在文献调研过程中，有很多方法可以尝试去找到有价值的论文，比如关注被其他学者引用非常频繁的若干论文、文献引言部分的论述中经常被提及的重要工作、知名专家综述中高度认可的论文等等。通过不断去阅读优秀论文，本科生的科学鉴赏水平也会逐步提升。不必太在意论文的发表时间除了一些近期刚刚发展和兴起的技术和领域，本科生的大部分文献调研应该更多关注学术思路的产生、形成和发展等等过程，不必太在意其他。特别声明：本文发布仅仅出于传播信息需要，并不代表本公共号观点；如其他媒体、网站或个人从本公众号转载使用，请向原作者申请，并自负版权等法律责任。

时隔两年, 诺贝尔物理学奖再次授予天文方向。James Peebles, Michel Mayor 和 Didier Queloz 由于他们在“理解宇宙的演化和地球在宇宙中的位置”方面所做的贡献, 获得2019 年度诺贝尔物理学奖。笔者身边风趣的天文学家在诺贝尔奖评选的前几日相互逗趣说: “您最近是不是在等一个电话?” (诺贝尔奖委员会打电话通知获奖人)。而 2019 年度的诺贝尔物理学奖, 对笔者身边的许多同僚天文学家, 可谓意料之外, 但也情理之中。这次的诺贝尔物理学奖授予了天文学研究中两个截然不同的研究领域。James Peebles 由于其对“物理宇宙学的理论研究”获奖, 而师徒 Michel Mayor 和 Didier Queloz 由于他们发现了“围绕其他太阳型恒星绕转的地外行星”而获奖。宇宙, 可以说是科学研究中最大的对象, 它包罗万物,从古至今。它关乎着人类对自身和这个世界最基本的思考:我们从哪里来? 世界为什么是这个样子? 而地外行星在宇宙中又是如此渺小。整个可见宇宙(到宇宙微波背景辐射的距离)的大小为 465 亿光年, 而地外行星 51 Pegasi b 的轨道半径约为0.05 天文单位, 它们差了 17 个数量级。这次的诺贝尔物理奖分别授予了天文学中两个极端尺度上的研究。天文学家的研究大致可以归为两类: 观测研究与理论研究。天文研究与物理研究最大的区别在于, 为了寻找物理规律, 人们可以发明很多可控的物理实验, 从而发现规律、构建模型、测量参数; 而天文研究通常无法进行实验。天文学家能做的就是想尽办法进行观测, 上天入地,搜罗所有可以观测到的数据来进行研究。因此天文学家敏感于这些人类不可控事件和现象发生的概率, 例如超新星爆发的概率, 微引力透镜现象发生的概率等。对于观测研究的学者来说, 这些概率关乎着成功的概率。而观测工作也讲究一个“最”字。“最遥远”、“最大”, 这些词是人类对自己探索能力的自我肯定。因此, 这些探索型的观测研究对于人类的意义通常不言自喻, 却又引人深思。而通过努力不断探索, 最终获得这些发现的研究者, 也有幸被载入科学发现的史册中。但值得注意的是, 这次获奖的地外行星却并不是“最早”被人类发现的地外行星。诺贝尔奖的殊荣与之错过是因为, 最早被发现的地外行星围绕着一颗脉冲星公转, 和我们家园的样子相去甚远。喜欢探索宇宙的人类, 最终将诺贝尔奖授予了与我们的家园更相似的行星系统的发现研究。相比之下, 宇宙学对于公众来说是一个既熟悉而又陌生的词汇。宇宙的至高至大, 总让人们自然地将其和哲学联系起来。说起宇宙学, 谁都可以马上提出几个问题: 宇宙有多大 ? 宇宙有没有中心 ? 宇宙之外是什么 ? 而Peebles 的工作, 正是将人类对宇宙的一些哲学思考变成了一门讲究精准的科学。相比发现地外行星的一文成名, Peebles在宇宙学方向的贡献, 已经持续输出长达半个世纪。众所周知, 哈勃对于河外星系的观测得到了“宇宙在膨胀”的结论。基于这个观测事实往回推演, 人们提出了大爆炸的宇宙学模型。那么大爆炸之前是否是前一个宇宙的收缩?如果是, 那么前一个宇宙中通过恒星演化形成的重元素会如何? Peebles 和他所在的团组为了回答这些问题所做的一些理论推导, 得出了“热大爆炸宇宙在膨胀冷却的过程中必然会留下具有黑体谱的宇宙微波背景辐射”这个结论[1]。然而不幸的是, 他们虽然理论上预言了这个信号的存在,并且正要用自制的测量器去搜寻, 却被美国贝尔实验室的研究人员无心地作为一个怎么都扣不干净的噪声而发现了[2]。发现者 Penzias 和 Wilson 因此获得了 1978 年度的诺贝尔物理学奖, 而预言了这个信号的宇宙学家却与其失之交臂。并且, 2006 年度的诺贝尔物理学奖授予了证实“宇宙微波背景辐射为黑体谱”的 John Mather。宇宙微波背景辐射的研究工作使得 Peebles 将宇宙学作为一生的科研追求, 一干就是半个世纪, 而这项研究只是 Peebles 对人类认识宇宙所做贡献的开始。众所周知, 恒星持续发光发热的能源来自其内部的核反应。1967 年的诺贝尔物理学奖授予做出恒星能源机制研究的Hans Bethe。恒星内部的核反应会形成重元素, 并在超新星的爆发过程中形成更重的元素。对于热大爆炸宇宙学, 天文学家关心的问题之一, 是在早期不断膨胀的宇宙中, 各元素的形成和比例是什么样的。这个问题称为大爆炸核合成。Peebles在一篇邀请报告[3]中写道: “热大爆炸让我想到了爆炸的高压锅, 一定有许多非平衡态的核反应和轻元素的形成。” 这是一场元素形成和时间的赛跑, 在不断冷却的宇宙中, 核反应速度将越来越低, 直到无法进行。Peebles对环境变化如此剧烈的核反应过程做了仔细计算, 主要考察氦元素和氘有关的核反应, 得到了大爆炸核合成阶段所形成的元素比例[4]。让人们吃惊的是, 这些计算结果非常接近当今的观测结果。而如今对于大爆炸核合成的研究, 在此基础上加入了更多的物理过程, 运用了更准确的反应速率和反应截面, 可谓是在前人的肩膀上继续努力。而随着宇宙的持续膨胀和冷却, 高能光子不断减少,电子开始和质子结合, 放出光子, 这一过程称为再复合。再复合并不是一个简单的物理过程, 同大爆炸核合成的研究一样, 需要考虑随时间变化的宇宙大环境, 还要考虑许多次级反应。例如, 光子会被已经形成的基态氢原子吸收,变为激发态,再放出光子加热等离子体。Peebles 同样对此过程进行了仔细研究, 推导出了当时宇宙的电离率[5]。若宇宙初始并不完全均匀, 而是有个初始的密度扰动, 那么这个扰动会形成大小不一的引力势阱, 造成微波背景辐射的温度场有微小涨落。再复合过程之前, 质子-电子-光子耦合在一起的等离子体会在引力势阱中做声波震荡。解耦后, 这些声波震荡的信号就留在了宇宙微波背景辐射的温度图中。通过测量这些声波震荡, 可以得到宇宙初始扰动的谱型[6]。而巧合的是, 在没有测量之前, Peebles在计算中假设了一个扰动的谱型, 而如今宇宙微波背景辐射的实验测量得到的结果, 也和这个假设的谱型非常接近。而宇宙微波背景辐射温度涨落的发现, 也获得了2006年度的诺贝尔物理学奖。前文所述的这些贡献属于 Peebles 对早期宇宙的研究, 而 Peebles 对晚期宇宙的研究也是硕果累累。大爆炸宇宙学告诉人们宇宙如何开始, 而宇宙如何演化和其最终的命运决定于我们所在的宇宙中的物质组分。当时的主要宇宙学模型有物质密度达到临界密度的 Einstein de-Sitter 模型,物质不到临界密度的开放宇宙模型, 和物质加宇宙学常数的平坦宇宙模型等。令人疑惑的是, 旋涡星系中所能观测到的发光物质提供的引力, 不能解释观测到的不同半径处的旋转速率, 预示着大量物质并没有被观测到。Peebles 运用了当时可以找到的所有观测数据: 星系团、星系、射电源和类星体, 利用从其他学科借鉴来的统计研究工具——相关函数和功率谱, 试图对宇宙学模型做出限制[7]。通过比对从观测数据中测量到的统计信号和引力不稳定性导致的结构形成的理论, 在证据的不断积累后, 最终确定了我们的宇宙学模型为冷暗物质加宇宙学常数的模型, 此模型如今被称为宇宙学的标准模型。Peebles对宇宙学的贡献远不止于此。纵观他的研究论文题目和摘要, 有两个词经常出现——origin(起源)和reconcile(缓和、调解)。Peebles 研究了很多宇宙学中物理现象的起源, 例如星系角动量的起源。Peebles 收集了所有的观测来研究宇宙学, 试图缓和不同观测得到的矛盾结论。如果说 Peebles 将人类对宇宙的哲学思考发展成了一门精确的科学, 那么地外行星的发现则将“人类并不孤独”的自然猜想向现实拉近了一大步。视向速度法, 这是找寻地外行星的主要方法之一。因为恒星和行星将绕着它们共同的质心运动, 观测到的恒星光谱将随着时间做周期性的红移和蓝移。得益于技术的进步, 人们可以通过监测恒星的光谱移动, 探测到恒星视向速度的微小变化, 使得发现地外行星成为可能[8]。而寻找地外行星还有另一种方法——凌星法。通过连续观察恒星亮度的变化, 若其有行星绕转,则恒星的光有可能被行星遮挡而出现变暗的现象, 可以推测出行星的存在。物理研究中许多实验可以反复做, 从而得到更确定的结论。而对从事天文理论研究的学者来说, 这些事件/现象发生的概率不可控制, 直接代表着研究中所能用到的样本数量, 因此关乎着研究的精度和结论的可信度。而天文中的宇宙学研究, 由于我们只有一个宇宙, 情况则更糟糕。物理学研究中, 通常将信噪比达到 5 作为发现的标准。而天文学研究中, 特别是早期, 信噪比达到 1 已经是让多数天文学家激动的发现了。在宇宙学的研究过程中, Peebles也曾迷茫过。曾有同僚劝 Peebles 换一个能得到比较确定结论的研究方向。可用的数据实在是匮乏, 甚至有些自相矛盾。Peebles 在 2004 年获得第一届邵逸夫奖时就曾感叹:“1964 年初涉宇宙学时, 我感觉太不易了, 却又很兴奋。实验室里得到的物理结论外推到宇宙上却只有极其有限的 数据来支持。曾想过做两三个项目之后就换方向吧, 结果每个工作都引人深思, 让人无法拒绝。” 就算是观测数据爆发的今天, 仍有许多宇宙学的信号徘徊在“被探测到”的边缘。科学家们正在试图使用更多的数据, 更好的分析统计方法, 更仔细的系统误差控制, 来提高测量的信噪比。而地外行星的发现研究可谓是证据确凿, 并且仅在一周后就被其他观测所确认。事实上, 观测研究和理论研究是密不可分的。正是这些发现探索所带来的激动人心, 使得这一方向的学科研究成为风潮, 样本快速累积, 科学家们才能利用这些大样本通过统计研究得到更令人信服的结论。宇宙学已经进入大数据时代。正在进行的和下一代的大型星系巡天项目, 以及微波背景辐射实验, 都给人们极大的信心来更深一步地探索和了解我们的宇宙。我们不仅将对已有的标准宇宙模型的参数做出更好的限制, 并且很有可能发现标准模型以外的新物理。而地外行星方向的研究还在数据快速增长的阶段。在地外行星探测方面, 近几年最大的事件莫过于开普勒空间望远镜的升空。开普勒望远镜上唯一的科学仪器就是测光计。在长达9。5年的运行中, 开普勒望远镜盯着一个固定的天区连续测量恒星的亮度, 通过凌星法共发现了2662 颗地外行星, 这使得地外行星的研究一下子成为全世界最热门的天文学研究领域。这次诺贝尔物理学奖, 可谓是一半授予了一门历史悠久的研究方向, 而另一半授予了一个新兴的研究热潮。宇宙学研究中还有许多问题并没有解决。天文学家引入了暗物质和暗能量来解释宇宙, 而粒子物理方面并没有找到对应的粒子作为暗物质, 也还未确定暗能量是不是就是宇宙学常数。我们的宇宙确实有过一段暴涨的时期, 但“是什么驱动了暴涨”也是未解之谜。在 Peebles搭下的宇宙学研究框架下, 天文学家正通过各种更先进的观测来搜集新的证据, 为以上宇宙学悬而未决的问题做出解答。而地外行星方向, 科学家正大步向前, 发现越来越多的行星系统, 回答太阳系形成、地球形成等人类关于自己家园的基本疑问。在准备解读201年度诺贝尔物理学奖期间, 笔者很享受调查一个学者的研究经历的过程。不经意回想起上一次做类似的调查是在攻读博士期间, 赴国外长期访问临行前, 需要先了解国外合作单位导师的系列研究。当年作为学生知识还不够全面, 深深佩服这位导师做过那么多精彩的研究。在数据匮乏的研究道路中, 难免有许多弯路和错误的猜测, 这些挫折可能会被淡忘, 而只有最终的结论被总结在教科书中。了解这些经历, 想象宇宙学在当年的现状, 不得不佩服 Peebles 一路坚持下来, 并做出如此多的贡献。他的智慧和不懈努力, 已经回答了宇宙学中许多基本的问题, 确立了标准模型。然而, 正如 Peebles 在获得诺贝尔奖的庆祝会上的总结: “宇宙总是能给我们带来惊喜。我很确信我的理论不会是一个最终答案。当我们发现膨胀和演化宇宙中的新物理, 那一定会再次让我们吃惊。在座的都是正在追逐新发现的人们, 我希望大家快马加鞭做出这些让人震惊的新发现。”文/余瑜本文来自《科学通报》

文|文儿有一句话说得好：生下一子一女，凑成一个“好”字，是人生一大幸事。在养育孩子的过程中，既能感受到女儿的贴心乖巧，也能体会到儿子的力量和调皮，算是不枉来尘世间走一遭。但是，我们所说的生男生女，并不是人的意志能决定。像老一辈人生孩子，有的一连生下5、6个男孩，想要女孩，生不出来。有的人是刚好相反，每一胎生的都是女孩，想要男孩，要不着。可以说生男生女，全凭运气强求不来。但是，有没有哪一种人更容易生儿子或者女儿呢？确实有这样的研究。备孕时间长的女性早前，荷兰马斯特里赫大学的流行病学家吕克·史密斯，带领着研究人员，对5283名已育女性进行调查研究，发现其中498名女性，花费超过一年时间备孕，最终怀孕的女性，她们生男孩的比例为58%。而那些仅仅花费不到一年的时间就受孕成功的女性，生男孩的几率为51%。从两组数据来看，备孕时间长的女性，更容易生男孩。至于为什么会出现这样的结果？有专家解释说：这可能和男性精子中的染色体有关。因为，身体健康的女性，需要较长时间才能受孕，往往是宫颈粘液的粘度较高，备孕条件恶劣。可是，决定男性性别的Y染色体，比决定女性性别的X染色体，携带更少DNA，使得携带Y染色体的精子显得更加“轻巧”，在女性宫颈粘液中游动的速度更快，和卵子结合的概率高，生男孩的几率就变大了。多吃谷物的女性除此之外，还有研究称：孕前多吃谷物的女性，更容易生男孩。之前，英国埃克塞特大学和牛津大学的科学家们，对740名女性的饮食方式进行跟踪调查。要求不知道自己胎儿性别的孕妇，提供怀孕前后每周饮食的详细情况。包括食物数量、营养成分等等。结果发现，早餐以麦片和玉米片等谷物为主的女性，他们生男孩的比例远超生女孩的比例。以非谷物类食物为主的女性，生下男孩的概率，仅为43%；而以谷物类食物为主的女性，生下男孩的概率为59%。领导这项研究的菲奥纳·马修斯最后总结说，“高能谷类早餐似乎是影响胎儿性别的关键因素。”此外，他还从全球范围内看，如今发达国家生男孩的比例越来越低，可能就是因为早期人类体内葡萄糖水平低，对于生男孩更有利。现在正好相反。所以，孩子的性别和母亲的饮食习惯有关，还是有一定依据的。

今天给大家分享2018年5月Science(IF=41.037)杂志上的文章”Single-cell transcriptomics of the mouse kidney reveals potential cellular targets of kidney disease“。在这篇文章中作者利用了单细胞测序注释了小鼠肾脏的细胞类型，以及证明了假设：相同表型的单基因遗传性肾脏疾病来自相同的细胞类型，同时作者还证明了发现一种新的集合管细胞类型，并进一步用转基因小鼠、免疫荧光等方法证明了其为IC和PC的一种过渡状态的细胞，且由Notch通路调控，可能与代谢性酸中毒有关。Single-cell transcriptomics of the mouse kidney reveals potential cellular targets of kidney disease小鼠肾脏的转录组学单细胞测序揭示了肾脏疾病的潜在细胞靶点一.研究背景肾脏是由多个部分组成的进行多种复杂功能的器官。其中，肾小球可过滤血液产生水和溶质；近端小管进行重吸收功能，重新大量的水和电解质；Henle环主要涉及溶质的浓缩；远端小管和集合管调节溶质运输。在肾脏中目前仅有有少量的基因被注释，因此通过单细胞测序并进行聚类，可以重新定义肾细胞类型，且有助于发掘出新的肾细胞类型，同时有利于发掘出肾脏疾病的机制。另外使用单细胞测序分析可以识别相同的细胞类型以及区分原代细胞和传代细胞。二.分析流程三.结果解析1.小鼠肾脏细胞的单细胞测序和无偏聚类图1A：对7只小鼠全肾细胞悬液的57,979个细胞进行分离和测序，同时进行质量控制（过滤线粒体基因超过50%）后进一步分析43,745个细胞，随后进行无偏聚类得到16个细胞簇，并确保来自7个肾脏的细胞平均分布在16个细胞簇中。图S2：确定质量控制的阈值以排除线粒体基因的影响：tSNE图显示线粒体基因表达的百分比（图S2A ）；所有基因进行无偏聚类生成的tSNE图（图S2B）；展示图S2B集合管细胞标记的表达（图S2C）；过滤线粒体基因超过20%的tSNE图（图S2D）；展示图S2D集合管细胞标记的表达（图S2E）图S3：对线粒体高表达基因使用GO富集分析，发现线粒体高表达基因和线粒体编码蛋白相关用于溶质运输，而非细胞应激反应，同时表明线粒体基因表达增加是肾脏细胞特有的类型图S4：通过两种不同方法识别细胞类型进行验证，第一种为对表达基因进行PCA，后对排名前20的PCs进行tSNE分析；第二种为对表达基因进行PCA，然后选择排名前100或后100的基因进行tSNE分析图1. 肾脏细胞的分类和注释图S2S3. 质量控制（排除线粒体基因表达的影响）图S4. PCA验证分类结果2.基于细胞类型特异性标记基因对肾细胞的分类图1B：通过表达差异基因分析和IHC分析，得到每个细胞簇的特异性标记基因，且这些标记基因大多为已知的基因如：Kdr、Nphs1、Nphs2、Slc12a1和Slc12a3；但仍有少数额外的标记物此前未发现如：Cdkn1c和Bcam。图1C：进一步分析细胞簇1、3和7，得到了8个亚群，其中细胞簇1可以分成内皮细胞亚群、周细胞/血管平滑肌/肾小球样细胞亚群和髓襻细胞降环亚群；细胞簇3（近端小管）分为S1、S2和S3；细胞簇7（闰细胞）可分成A型和B型。图S8：通过单细胞测序与不同肾节段bulk RNA sequence 的相关性分析验证注释结果图S9：通过单细胞测序与免疫细胞类型微阵列数据（数据来源Immunological Genome Project）的相关性分析验证注释结果图S10：使用绿色荧光蛋白（GFP）标记足细胞、内皮细胞和肾小管细胞验证分类因此，作者通过单细胞转录测序定义了18种已知的肾细胞类型和3种新的细胞类型图S8. 外部数据验证注释结果图S9. 外部数据验证注释结果图S10. 荧光蛋白验证注释结果3.单基因遗传病致病基因具有细胞类型特异性图2A：对于29个人类蛋白尿单基因遗传相关基因，有21个且仅在小鼠的一种细胞类型（肾小球足细胞）中表达。同时，人体中的肾小管性酸中毒相关基因仅在集合管闰细胞表达；涉及血压的基因仅在远曲小管或仅在集合管的主细胞中表达；慢性肾病和血浆代谢物水平相关基因在近端小管中表达。因此，作者得出结论：相同表型的单基因遗传性肾脏疾病来自相同的细胞类型。图2. 在小鼠中人类单基因遗传病致病基因表达情况4.肾脏集合管鉴定出新型细胞类型图3AB：肾脏集合管由于起源于输尿管芽，因此至少存在三种的细胞类型：主细胞（PC）负责钠、水重吸收和钾分泌；α闰细胞（A-IC）负责酸分泌；β闰细胞和（B-IC）负责碱分泌。作者使用水通道蛋白2（Aqp2）和H + -ATP酶亚基（Atp6v1g3）来定义PC和IC细胞。并且在细胞簇8中Aqp2和Atp6v1g3标记基因同时表达阳性。图3C：使用AQP2和ATP6V1B1免疫荧光染色，验证Aqp2和Atp6v1g3基因在细胞簇8表达。图3DE：对3种PC、IC和双阳性细胞进行原位杂交并表达差异分析，展示三个细胞簇基因表达情况.图3F：对新发现的细胞进行PARM1（IC特异性）与AQP2或ATP6V1B1双重染色，证明细胞簇8为双阳性的细胞。图3G：使用Monocle进行伪时间分析，发现细胞簇8为形成PC和IC的中间状态的过渡细胞。因此，肾脏集合管中不但包含PC和IC细胞也包含了过渡状态的细胞。图3. 鉴定出IC和PC转化过程中过渡状态的细胞5.荧光谱系追踪证实集合管细胞的可塑性图3HI：为了在小鼠体内验证集合管具有细胞簇8的过渡细胞，作者构建带有Aqp2谱系标签的主细胞和带有Atp6标签的闰细胞的小鼠进行谱系追踪实验，并成功证实在小鼠体内PC和IC细胞互相转化。图S18:图A通过tSNE图展示各个细胞簇的细胞周期，其中灰色虚线为细胞簇678，没有处于有丝分裂间期；图B展示细胞周期相关蛋白富集的细胞簇，细胞簇8不富集；图C在IC和PC转化细胞轨迹图上，没有细胞周期相关蛋白富集，因此，新发现的细胞不为IC和PC的祖细胞。S18. 排除新的细胞类型为祖细胞的可能6.Notch通路调控集合管细胞的可塑性，导致慢性肾脏疾病出现中异常的细胞群图S19：作者进一步分析了IC与PC在细胞转化过渡过程中表达差异的基因。图S19A展示基因表达展示了差异基因；图S19B展示不同表达的标记基因；图S19C展示了差异基因的功能。S19. 鉴定IC与PC转化过程的差异基因图4A：进一步分析差异基因发现Notch信号通路被激活，其中PC中Notch配体低表达，而IC中高表达图4B：通过免疫荧光实验，展示了Notch配体JAG1在IC细胞表达，同时其排斥Aqp2表达。图4C：构建了Notch过表达的小鼠，在小鼠中PC细胞增加，IC细胞减少图4D：通过去卷积分析RNA数据验证了IC与PC比例。因此，Notch的表达驱动IC到PC细胞的转变。图4EG：在叶酸处理的小鼠导致IC细胞和PC细胞无法相互转换，因此AQP2 +细胞增加，而ATP6V1B1 +细胞。图4F：通过反卷积分析RNA数据验证了叶酸处理IC与PC比例。图4H：对CDK患者的肾脏活检的反卷积分析，Notch信号和HES1表达增加。图4I：叶酸诱导的小鼠CDK模型，血液CO2水平降低。因此，IC向PC的转变是由Notch配体（IC）和受体（PC）的表达介导的；在小鼠模型和CKD患者中，IC向PC细胞的转变可能是引起代谢性酸中毒的原因。图4. Notch通路介导IC向PC转变小结最后小结一下，作者使用单细胞测序和无偏聚类对来自健康小鼠肾脏的57,979个细胞构成的16个基因簇进行了注释。基于基因表达模式，作者推断遗传的肾脏疾病源于不同的基因突变，但相同表型的单基因遗传性肾脏疾病来自相同的细胞类型。作者还鉴定出成年小鼠的肾脏集合管的新型的过渡细胞，随后通过计算细胞轨迹分析和体内谱系追踪显示，闰细胞（IC）和主细胞（PC）是由Notch信号通路介导的转变，存在过渡状态的细胞，且可能与代谢性酸中毒有关。还是和往常一样，后台回复「1c」，即可获取今天小编为大家解读的文献。本期的分享就到这里啦，一起期待下一期的精彩分享吧~编辑：虾饺皇校审：科研菌

高中指导顾问和自助书籍作者深受个性测试的喜爱 - 但许多科学家却不那么喜欢。关于是否存在明确的人格类型，他们之间存在争议。然而，一篇发表在“ 自然人类行为”上的大型新研究提供了至少存在四种人格类型的证据：平均，保留，自我中心和榜样。每一个都基于人们展示五种不同主要特征的程度，包括神经质，外向性，开放性，宜人性和尽责性。研究报告的共同作者，西北大学化学与生物工程教授路易斯·阿马拉尔说：“看起来人格特质在心理测量学中得到了很好的接受和建立，但人格类型却没有。” “我只是想知道，人们无法建立人格类型的原因是，没有足够的数据吗？”为了回答这个问题，Amaral和博士后研究员Martin Gerlach对来自世界各地所有年龄段的测验者进行的四项不同的人格调查进行了150万次回复。该对使用一种算法将响应分类到不同的聚类中，并发现四种人格类型，这四种人格类型出现在所有四个调查数据集中，频率不成比例。Gerlach说，大多数人都会追踪最接近平均人格类型的人，这种人格类型相当令人愉快，尽职尽责，非常外向和神经质，但不是非常开放。与此同时，以自我为中心的类型在开放性，宜人性和尽责性方面得分低于平均水平，但在外向性方面得分高。保留的个体在所有领域都相当稳定，除了开放性和神经质，其中它们相对较低。最终，角色模型具有高水平的外向性，适应性和责任感，以及相对较低的神经质水平。这些集群一再出现。西北心理学教授威廉·雷维尔（William Revelle）是该论文的共同作者，也是人格类型的长期怀疑者，他对结果改变了他的想法。“有比你想象的更高的密度，这就是这些家伙说服我的，”Revelle说。他将结果比作查看美国的人口地图。虽然人们居住在全国各地，但很容易发现像纽约市，洛杉矶和芝加哥这样的高密度地区，这些地区的人数远远超过克利夫兰或塔拉哈西。但就像美国很多人不住在纽约市，洛杉矶或芝加哥一样，有些人不能完全融入四种人格类型中的一种; Revelle说他们只是描述高于平均人数的特质分组。有些人可能完全适合一个人，而另一些人则与其中一个营地更松散地联系在一起。（“如果你在哥伦比亚特区，你离纽约比离芝加哥更近，”Revelle说。）有些人可能不适合他们中的任何人。事实上，Gerlach说，不可能准确地说出每个类别中究竟有多少人适合，因为在他们周围绘制硬边界既困难又有些随意。此外，人们的特质可能随着年龄的增长而变化。例如，不成比例的年轻人适合以自我为中心的类别，而更多的老年人和女性则属于榜样组。“人们正在发展，”阿马拉尔说。“人们越来越好地融入社会，获得与年龄相关的社交能力。”虽然研究人员的研究结果为人格研究增添了一定的科学含量，但他们表示需要进行更多研究才能将结果转化为对普通人有用的任何事情，例如雇主可以使用的人格测验，心理健康专业人士甚至约会服务。感兴趣的人可以通过在线进行个性测验来为正在进行的研究做出贡献，之后他们将从研究人员那里获得特质反馈 - Revelle说这可能比了解你的性格类型更有用。“知道你居住的北方或东边有多远是有用的，”他说。“比说你居住的城市更有用。”研究并不是人格领域唯一的新成员。就在上个月，来自北卡罗来纳州立大学的研究人员根据人们对同样五大人格特质问题的快速反应，开发了一种新的人格测验。他们甚至开发了一项名为PerSight Assessments的服务，他们说这些服务可供希望了解更多新员工的雇主使用。

人们喜欢做线上测试，看看 Buzzfeed 和 Facebook 就知道了。一项新研究筛选了一些最大的在线数据集，从中鉴定了人的四种不同的“类型”。研究中所应用的新方法发表在《自然·人类行为》（Nature Human Behavior）上，论文中对算法有详细描述，这项研究是严谨和可重复的，终于将性格类型分析从书店中令人怀疑的自助类书籍转移到了严肃的科学期刊上。坦白说，在这里，人格“类型”不是理想的术语；个性“集群”（personality clusters）可能更准确。论文的共同作者 William Revelle（美国西北大学）对将人分成截然不同的人格类型的概念感到不满，比如广受欢迎的迈尔斯-布里格斯性格分类法（Myers-Briggs Type Indicator, MBTI）一样。Revelle 是迈尔斯-布里格斯测试的坚定反对者。不只他一个人，大多数研究性格的科学家更倾向于把性格看作多个连续的维度，并且在人们逐渐成熟的过程中，个人性格特点在这些性格维度谱中所处的位置会不断发生变化。图 | 平均型、保守型、榜样型和自我中心型：并非所有人都属于这四类之一，但或许你是。（图中横坐标分别是神经质、外向性、开放性、宜人性和尽责性。来源：美国西北大学）此研究的新发现是在性格特征的整体分布中识别四个主要的集群。Revelle 喜欢把他们想象成“面糊里的面块”，或类比为美国城市人口是怎样聚集的。但并不是说，每个人都属于这四个类别中的一个。把美国分成四个区域——北部、南部、东部和西部——然后看看人口密度如何分布。你可能会发现纽约、芝加哥、洛杉矶或休斯顿等人口稠密的城市中，人口密度最高。“但是把每个人都描述成生活在这四个城市是一个错误。同理，我们描述的是处在这个分布的特定部分的概率；我们并不是说每个人都属于这四个类别中的一个。”来自西北大学的研究者们使用了来自世界各地 150 万人在线测试的公开数据。然后根据所谓的五大基本人格（Big Five basic personality）特征来绘制这些数据：神经质、外向性、开放性、亲和性和尽责性。“五大人格”是目前研究人格的社会心理学家的专业标准。然后，他们将自己的算法应用到生成的数据集。四种“类型”Revelle 承认，当他的同事、本研究共同作者 Luis Amaral 用传统的聚类算法来研究他的初步发现时，发现了 16 个不同的集群。Revelle 立即表示怀疑：“这太可笑了，”他说。他不认为有任何人格类型隐藏在数据中，并对 Amaral 和另一位共同者 Martin Gerlach 提出了质疑，希望能更好地改进他们的分析。“这些用于统计的机器学习算法不会自动产生最终的正确答案，”Revelle 说。“你需要将它与随机解进行比较。”随后他们通过施加额外的限制条件来筛选测试结果，从而产生了完全不同的分析结果。研究人员最终得出了四个截然不同的性格群体：平均型：这些人在神经质和外向性方面得分很高，但在开放性方面得分较低。这是最典型的类别，女性比男性更有可能属于此类。保守型：这种类型的人情绪稳定，开放性或神经质得分较低。他们也在外向性方面得分较低，但往往比较随和、认真。图 | 玩世不恭的年轻人：十几岁的男孩最可能属于自我中心型（来源：Pixabay）榜样型：除了神经质，这些人在所有特质上得分都很高，而且随着年龄的增长，属于这类人的可能性也会急剧增加。“这些人都很可靠，乐于接受新思想，”Amaral 说。“这些人擅长掌管一些事情。”女性比男性更有可能成为榜样型。自我中心型：这些人在外向性方面得分很高，但在开放性、宜人性和责任心方面得分较低。据 Revelle 称，大多数十几岁的男孩都属于这一类，之后（但愿）会逐渐成熟。随着年龄的增长，归于这一类别的人数急剧下降。该团队在首次分析中使用了一个数据集，然后在另外两个独立的数据集上得到了相同的结果，这意味着他们的方法是可重复的——至少在类似的大型数据集上，由于互联网和开放获取的兴起，这些数据集在今天变得更加容易获得。“在网络出现之前，基于数据集的研究是不可能实现的，”Amaral 说。

你们知道数据可视化也是可以区分类型的吗？而且按照分类方式的不同，数据分析可以区分成的结果也有所不同。例如按照数据可视化受益者的不同，可以将数据可视化分为商业数据可视化和个人数据可视化。其中商业数据可视化，也就是我们经常提到的BI，也就是商业智能。商业智能就是借助一些可视化工具，比如DataFocus可视化工具，将企业数据进行分析和展现，主要对接的是企业内部的数据，通常是形成一套方案。个人的数据可视化就比较丰富了，可以是自己在网上找到的数据，也可以是通过分发问卷得出的一些统计数据，将这些数据进行分析，主要可以通过编写一些代码得出。接下来可以通过分析的数据对可视化进行划分，大致可以分为统计数据可视化、关系数据可视化、地理空间数据可视化、时间序列数据可视化以及文本数据可视化。统计数据可视化就是指对统计数据进行分析展现，统计数据一般都是存放于数据库中，以表达形式进行存储，分析统计数据也就是分析这些数据库表格，较为常见的可视化类库有ECharts等。关系数据可视化，主要是变现类似为流程图或者漏斗图的数据，数据前后之间存在一定的关系，可能是类似点和线之间的关系这种。地理空间数据可视化，这一类的数据中往往包含着省份、城市、经纬度等等信息，可以结合中国地图或者世界地图来进行展示。还有最常见的时间序列数据可视化，这在数据中是最常见的，因为一般的数据记录都是以时间为单位的，分析结果是有关时间趋势变动的，就可以归为时间序列数据可视化。最后是文本数据可视化，也就是数据中大部分的内容是文本，类似曾经有人讲倚天屠龙记的文字进行分析，分析各个女主角名字出现的次数，探讨张无忌到底喜欢谁。上面介绍的几个图表类型在DataFocus中都可以进行制作，赶紧去尝试一下吧！除非注明，否则均为DataFocus企业大数据分析系统,让数据分析像搜索一样简单原创文章，转载必须以链接形式标明本文链接。