普拉提核心包括腹肌，上、下背肌群，髋部，臀部，大腿内侧或脚斗士皮带。
普拉提所有动作都是从核心出发，然后向外延续到四肢。核心有一条中心线，它在肚脐的后方，跨度从髋部到肋骨下缘。有两条线贯穿身体，肩到肩，髋到髋。我们将这个称为框架或盒子。盒子稳定可以让我们自由地从核心发力。
首发微信公众号：猪先生666
欧亚集团洗了一次盘
早上开盘时，欧亚集团高开低走，一度跌了超过5%，之后就快速拉起。写文章这会儿没看，现在已经7%了。不出意外，又要涨停。
这是一次典型的洗盘，问题是，你被洗出去了吗？
事后知道是洗盘，事先你如何判断呢？如果你知道它的价值，你就不会轻易下车。早上7点多，在床上写了这么几句：
谁知道写完遇到欧亚集团洗盘大跌，于是写了这么几句：
优质的资产在这里摆着，不怕你资金不来抬轿子。下面这个是10点半时写的，当时欧亚集团仍是下跌的：
对欧亚集团感兴趣的，可以参考我下面几篇文章，我这里说一下主要观点：
首先： 欧亚集团拥有巨额的自有物业有待价值发现。这些资产通过会计手法被严重低估了。
其次： 欧亚集团的盈利能力被财务手法调整过了，完全没有体现公司应有的盈利能力。
第三： 公司董事长十年如一日增持至今，已达130多次，如今已到了退休年龄，也因此有着强烈的做高股价的冲动。
第四： 传统百货零售的价值在互联网零售渠道下沉的背景之下，其价值还有待被发现，这是一块非常明确的价值洼地。
感兴趣的可以看以下文章：
2019年12月：
欧亚集团投资价值再评估：董事长连续十年买入自家股票，你以为人家真的傻吗
2020年1月：
欧亚集团的投资价值分析：还原一个真正的商业帝国！
李佳琦卖金字火腿涨了5亿市值，欧亚集团隐藏了65亿利润你造吗？
2020年7月2日：
三周之内两个涨停：这只持仓股发生了什么？
接下来说一下永辉超市的空间有多大。
生鲜零售是个黄金赛道
关于生鲜零售，我已经写了几十篇文章了。今天这篇文章， 主题是永辉超市未来的市值空间。
当前A股市场对于消费类的股票都给以了极高的估值，而唯独对于与消费息息相关的零售业视而不见，这真是咄咄怪事。
说怪也不怪，因为国人都已经被马爸爸带了节奏，认为唯有互联网才是未来，就好像你将来吃饭睡觉也可以在网上进行似的。
在零售业发达的国家，互联网零售并不比实体销售高明多少。中国的互联网零售，卡在了一个非常好的时间点，即国内实体销售的效率还很低下，而互联网已经开始普及了。这里我不对零售进行展开了，仅说一下生鲜零售。
生鲜零售是个黄金赛道。
首先，生鲜零售的规模非常庞大，且规模与日俱增。
其次，生鲜消费是刚需，生鲜零售具备高频的特点。
第三，生鲜不易保存，储存期限短，也因此客单价不高。
第四，生鲜销售的损耗比较高。很多人买水果都要摸一摸，捏一捏，捏了几次，不烂才怪呢。
，
第五，生鲜属于非标准化商品，个体差异较大，也意味着你不亲手去挑一挑看一看，很难满意。
以上特点，决定了生鲜消费需要有实体场景，而互联网销售不具备优势。
电商能不能让我们挑一挑？不能。那么生鲜电商只能进行预加工，精包装保证品质：成本增加了。
然后单次购买额也不高，但你要送货到门：运费比重很大。
然后还需要立马送货，迟一会儿变质了：运费更贵了。
如果电商的成本与超市一样，那么如果要盈利，就必须卖得更贵。成本更高就会减少需求，电商成功的关键乃是差异化竞争，以差异化服务为某些价格不敏感的客户提供服务，而这，只是小众市场。
在主体销售上没有电商的竞争，生鲜零售未来的竞争，就主要集中在实体销售的巨头上了。当前生鲜销售的龙头上市公司，主要就是永辉超市和家家悦。
超市生鲜零售的空间巨大
有人说，中国人的生活水平提高了，就会面临消费升级，进而会在网上购买生鲜：品质第一，价格第二。
但如果给你第二个选择，既有品质，又有实惠呢？
中国人当前生鲜消费的主要场景在哪里？
菜市场还是主流。
菜市场的优势在哪里？
一是菜价比较便宜。
二是可以亲自挑选。
三是离家近。
菜市场的劣势在哪里？
一是卫生条件不好，脏乱差。
二是营业时间比较短，天黑就关门了。
三是质量也无法保证：买到变质的算你倒霉。
我们消费升级主要升级在什么地方？
一是更注重质量。
二更关注品牌。
生鲜超市和生鲜电商都具备这两点。而这两者比较呢？
生鲜超市的成本更低；
生鲜超市的现场体验更好；
如果搭配周边的购物场所，那么生鲜购物的体验感更强。
永辉超市的市值空间在哪里
生鲜零售也是零售，而且是典型的零售。零售业具备规模经济的特点，越是规模巨大成本控制良好的企业，其经营优势越大。
而永辉超市和家家悦，已经具备了这样的龙头优势，也因此，未来的市占率提升只是时间问题。
生鲜零售大约5万亿的市场，且仍在增长。未来生鲜零售巨头的市占率会达到多少呢？我认为至少达到10%以上，甚至20%以上。
以10%的市占率（不考虑市场增长），年生鲜销售额达到5000亿元。而永辉超市通过生鲜来长尾销售其他商品，比例大约1：1，这意味着其年销售额将达到1万亿元。
永辉超市今年的股东大会上透露，其未来几年的销售净利率目标是6%，这也与我之前的估算大体一致：按6%计算，一年的利润至少600亿元，按美国的零售股估值，市值也将达到2万亿元。
这里有几个需要说明：
首先是生鲜零售的规模仍在增长。
其次是永辉超市的市占率很可能会高于10%（参考在福建、重庆的发展）。
第三是未来的净利润率很可能达不到6%（规模大到一定程度，其管理成本也会提升）。
这样我们多退少补，仍按18000亿计算，当前市值只有940亿元。
1创业的概念、类型、及其作用
创业，顾名思义，就是“开创事业”的意思。创业根据技术、动机、资本等可以分为很多类型。创业，可以帮助个人实现自己的理想，也有助于国家的经济进步，促进劳动者就业。
2创业者应具备的能力素质、知识结构,并说明其与人际关系在创业活动中的作用及关系
创业的过程包括，计划、融资、组织、决策、管理、公关等，需要多方面的相应知识，人际关系在每一个环节都扮演着重要的作用。
3如何进行创业资金的原始积累(即掘得创业的第一桶金)
创业资金的主要来源有三方面:
a自己或家庭的资金。
b向朋友或金融机构借贷。
c风险投资。
4如何进行底成本创业
低成本创业意味着不可能在资本上形成优势，所以必须在影响创业的其他一些要素下功夫，比如运作、周转、技术含量、灵活性等等。
5什么是创业计划书及撰写其的意义
计划书是给自己看的 其实计划书的分量不重 重的是你的理想 有了计划就等于有了奋斗目标 从而不会盲目走很多弯路了 给自己写份计划书就等于给自己施加压力(个人很支持这样的做法)
6创业如何进行融资及进行管理
融资是逼不得以的做法 当然 那也可能是你自己企业在运转不顺的情况下或者是扩大生产能力的情况下面临资金短缺的做法(本人不建议在没有创业前就想着怎么融资,这就等于对自己没有信心) 关于管理 这是问题就很复杂了 要有经验 阅历和魄力
只要记住"得民心者得天下" "水能载舟也能覆舟" "赏罚分明"在结合实际情况 应该不是很难
7现阶段有那些专题项目可以进行
全国证明多行业 难道别人操作都能成功 难道你就不行 主要是你怎么操作的 360行 行行出状元郎 最好选择行业是比较创新 前卫 高科学 这样对短时间来说 自己可以稳定自己的市场 别人从事这样的行业那就很累了
8以陈安之、易子、李强等人的演说为例,对创业的整体认识
本人做事从不模仿谁 你这个问题 我就没有办法回答了 呵呵
98个以上具有发展前景的创业项目,并说明选择依据
一方水土养育一方人 朋友 你还是实际点吧 你周围有你选择的行业太多了 何必要网络上那些对自己根本不适合的行业呢
10大学生就业与创业之间的关系,就业如何做准备
创业是要有很丰富的社会经验 阅历和管理能力 这样的的条件大学生是不具备的 这样的情况下 就选择创业 结果是很明显的 2个字"失败" 如果大学生能利用自己的文化知识去实习3年 那他在创业成功的机会就大的多 但是不敢说 一定"成功" 艰难的创业过程是很残酷 也很现实的(个人建议大学生毕业后 首先要实习 因为他们只知道书本知识 却不知道这个社会是人吃人的社会 特别是在商场)
一、项目概述 1．项目名称：吸波材料系列产品 2．项目简介 21 选择吸波材料系列产品优势 211 电磁辐射已成为我国第四污染源，随着科学技术的进步，电磁技术环境的应用给社会创造了物质文明，但也把人们带进一个充满电磁辐射的环境里。早在1975年专家就曾预言，随着城市经济发展和人口增长，电子、通信、计算机、汽车与电气设备等大量进入家庭，城市空间人为电磁能量每年增长7%至14%，也就是说25年后最高可增加700倍，21世纪城市电磁环境将更为复杂与恶化。
20年来，我国经济与城市化得到迅速发展，城市空间的电磁环境更趋复杂，出现了许多新现象、新问题。主要有：（1）由于城市发展与扩大，一些广播电视台与无线通信发射站被四周居民区所包围，局部居民生活区形成强场区；（2）移动通讯技术（包括移动通信、寻呼通信、集群专业网通信）发展迅速，城市高层建筑上架起为数众多的移动通信发射站，这些电磁辐射源虽然功率不大，但在市区遍地开花，使城市高空电磁波场强增强，除此之外，还有许多微波定向天线、卫星天线和短波天线；（3）随着城市用电量增加及电网改造工程实施，110kV和220kV高压变电站进入城市中心区，或室内或室外，或地面或地下，引起邻近住户恐慌与投诉；（4）城市交通运输（汽车、电车、地铁、轻轨等）迅速发展，引起电磁噪声呈上升趋势；（5）个人无线通信手段及家用电器增多，家庭小环境电磁能量密度增加，室内电磁环境与室外电磁环境融为一体，城市电磁环境总量在不断增加。
电磁辐射是指“能量以电磁波形式由源发射到空间的现象”，电磁环境是“存在与给定场所的所有电磁现象的总和”。恶化的电磁环境不仅对人们日常的通信在人类进入信息化社会的今天，计算机与各种电子系统造成危害，而且会对人们身体健康带来威胁。电磁辐射由于看不见摸不着，所以很难被人觉察。电磁辐射对生物肌体的伤害，早在20年前专家们就曾在历时9年完成的报告中指出：数以百万计的人由于长期暴露在来自电缆和家庭电器的电磁辐射中，所面对的患癌症和退化性疾病的危险正在增加，高频电磁波对生物肌体细胞、神经系统、循环系统、免疫、生殖和代谢功能具有极强的辐射伤害，对公众身体有着长期潜在的威胁和影响，对家用电器、医疗设备、军事设施、航空的强干扰甚至还会造成灾难性后果。美国环境保护委员会经过多年的研究发现，长期生活在极低频电磁场中（如工频50Hz），可能导致人类某些癌症的发生。随着各种家用电器进入千家万户，人们接触和暴露于由电冰箱、电热毯等家用电器产生极低频磁场的机会逐步增多，潜在危害逐步增大。
随着我国电磁环境日趋恶化，居民住宅及办公楼内电磁辐射水平有明显增加趋势。继大气污染、水污染和噪声污染之后，电磁辐射已成为我国第四污染源。在北京、上海、广州、深圳、石家庄等地已发生多起电磁辐射纠纷。目前，我国电磁辐射环境情况相当于20世纪60年代的水污染、大气污染的状况，现在就要加强研究，未雨绸缪，若电磁污染到了环境无法忍受的地步，再想发展经济将举步维艰。为此，电磁污染防治研究迫在眉睫。
212面对日趋恶化的电磁污染，为有效降低电磁辐射对人体和设备的侵害，人们采用了许多方法，其中，研究开发吸收电磁波新型材料越来越受到人们的重视，客户资源极其丰富。
213 初期投资较小，风险小，上手快，切入到高端市场周期短。
214 技术成熟，无需昂贵的研发及专利费用。
22 项目发展规划：（略）
二 、技术方面
1 基本原理
11 本项目及产品是一种吸收电磁波的功能材料，它的原理和性能类似于美国隐形飞机涂层，它由胶粘剂中加入具有特定介质参数的吸收剂制成，吸收剂的特性决定吸波涂层的吸收电磁波的性能，它利用电磁能量转换原理，材料以吸收电磁波为主，不发生反射而造成二次污染，防污染覆盖频带宽，吸收材料性能优良、无任何毒副作用、无放射性、可生产性强、价格低廉，极具竞争力。与现有的屏蔽材料有着本质和历史性突破，是一种干净，彻底消除电磁波污染的高级手段。原只用于军事领域，世界上只有美国少数先进国家拥有，开发民用领域史无前例，是国际、国内目前治理电磁污染的尖端技术。
12 主要生产设备检测仪器 （略）
2 吸波材料系列产品类别
2．1 吸波涂料产品（环保绿色生态涂料）
2．1．1 吸波有机涂料
2．1．2 吸波无机涂料
2．2 工业系列产品
2．2．1 胶板类吸波材料
2．2．2 蜂窝状吸波材料
2．2．3 管状类吸波材料
2．2．4 异型状吸波材料
2．3 民用系列产品
2．3．1 辐射源防护系列
2．3．1．1 手机防辐射系列
2．3．1．2 电脑防辐射系列
2．3．1．3 家电防辐射系列
2．3．2 人体防护系列
2．3．2．1 消减卡类
2．3．2．2 戴挂系列
2．3．2．3 衣物系列
3专利方面
3．1 发明专利
3．1．1 抗电磁辐射特种复合材料 03159560X
3．1．2 吸波环保手机 20031011393
3．1．3 吸收电磁波特种复合材料2004100345376
3．1．4 吸收微波发热材料的制造方法及其应用2004100116466
3．1．5 微波泄漏防护胶03159588X
3．1．6 无辐射抗干扰屏蔽线2005100071417
3．2 实用新型专利
3．2．1 手机电磁辐射防护物品
3．2．2 一种能消除电磁辐射的包装物品
3．2．3 一种能防护电磁波的多功能钱包
3．2．4 一种能消除电磁波污染的促销物品
3．2．5 一种能防护电磁波的多功能垫
3．2．6 一种能防护电磁波的多功能腰带
3．2．7 一种带有消除辐射功能的电脑摄像头
3．2．8 一种能防手机辐射的眼镜脚套
3．2．9 一种防电磁辐射围裙
3．2．10 一种吸收消除电磁波污染的窗帘
3 2 11 吸收微波发热物品
4．新技术方面
吸波材料的原理是一个能量转换的过程，通过大量的试验，发现它有另外的一个用途。它能吸收微波并将微波能量迅速转换为热能，其发热效率极高，可以通过控制材料组成和加工工艺控制其发热效率，从而控制微波加热物体的温度。广泛应用于：工业用微波加热元件（普通家用微波炉里2分钟可融化玻璃，可超过1000℃），微波烤盘用热转换材料，微波冶炼、微波焚烧、其他微波加热元器件等。经美的、格兰士、三洋测试材料的吸收发热效率已超过日本的材料。
试验结果：烤盘放在底板上，日本三洋烤盘最高温度约200℃，低于特氟龙的极限使用温度250℃，而国产烤盘的最高温度285℃，高于特氟龙的极限使用温度250℃。
5．生产技术和工艺的成熟度
目前国内外吸波涂料民用频段的应用还是空白点，（军用频段吸波涂料的应用美国、法国有先例）利用吸波原理的民用系列产品我们是首创，胶板类的吸波材料可以加工卷材是国内首创，吸波材料、吸波涂料的核心技术是材料的配伍，生产工艺简单，加工设备都是通用设备，一次性投资少。
三 、市场方面
1．国内外行业发展趋势
海湾战争美国首先出现了隐形飞机，国内首先由国防科工委组织有关科研院校攻关吸波材料项目，在1993至1996年我们就率先在雷达波吸收频段已实现车载雷达40米军事目标、轰炸机雷达400米军事目标的隐形技术，民用方面的吸波胶板类的产品国内我们也是首家在3年前推出，吸波涂料、吸波材料民用防护系列目前只有我们一家在做。随着吸波材料的发现，各种各样的产品将面世，从而取代了目前传统、落后的以金属材料来防护电磁波污染的方法，随着信息量的增大，频率范围也在加宽，吸波材料的优势愈来愈显著它的特点。
2．国内外市场
吸波涂料的应用已远远超出军事隐形和反隐形、对抗和反对抗范围，更广泛地应用在人体安全防护、通讯及导航系统的抗电磁干扰、安全信息保密、改善整机性能、提高信噪比、电磁兼容等许多方面。吸波涂料是能够吸收投射到它表面的电磁波能量、并通过材料的损耗转变成热能的一类材料（能量转换的原理）。在各种的电磁辐射防护材料中，涂料以其方便、轻量、不占空间以及与基材一体化等众多优势成为其中的佼佼者，因为，吸波涂料可吸收多余的电磁波，这样不仅减少杂波对自身设备的干扰，也有效防止电磁辐射对周围设备及人员的骚扰和伤害；而且，吸波涂料能够在复杂的曲面、微小的角落、孔、棱边等处方便地涂抹，从而在精密复杂的部位，准确坚固地形成涂膜，满足工业、科学和医疗设备的屏蔽、EMC的需要。
广播、电视发射台的电磁辐射防护：广播、电视发射台对周围区域会造成较强的场强。利用对电磁辐射的吸收特性，在辐射频率较高的波段，使用合适的吸收型涂料，覆盖建筑物，以衰减室内场强。另外，该涂料兼具屏蔽性能，是一种屏蔽吸收型涂料，在10MHz至15GHz范围有20至30dB的屏蔽性能。
工业、科学和医疗设备电磁辐射的防护：工业、科学和医疗设备等在工作过程中会产生大量的电磁辐射，如果处理不当，不仅会对自身的工作环境造成损害，同时也会对起周围的设备造成干扰。最明显的例子就是机器内的二次杂波问题。二次杂波往往会带来机器、设备的程序紊乱，致使科学实验、医疗检测结果等出现较大的偏差，从而给科研、生产带来很大阻力，甚至会威胁到人的生命安全。另外，这些设备发出的电磁辐射也会对操作人员的身体健康带来危害。因此，对工业、科学和医疗设备进行电磁辐射防护十分必要。由于工业、科学和医疗设备的精密度较高，因此对电磁辐射的防护方法也提出了更高的要求。在辐射防护方法的选择上，除选用低辐射的基材和距离防护外，使用吸波材料进行防护也是非常重要的防护方法之一。
家用电器的电磁辐射防护：所有的电器如电冰箱、电视机等，在使用过程中都会发出电磁辐射，只是由于电磁波是一种"无形"的物质，因为电磁波是看不见，摸不着的能量物质，又无时不有、无处不在，因此更具有危险性和危害性，我们觉察不到而已。随着3C认证的实施，对电磁辐射防护的要求也越来越高，其实，象家用电器的电磁辐射，采取防护措施并不是什么难事，只是在生产制作过程中，加一道简单的工序――喷涂吸波材料而已，不过，对吸波涂料的选择要根据其频段来决定。
手机、电脑的电磁辐射防护：在科技发展的今天，手机、电脑给人们带来方便的同时，也带来了不容忽视的电磁辐射危害。为了尽可能地减少手机、电脑对人体，尤其是头部的辐射，除了尽可能地减少手机的辐射功率及保证使用手机时不要让它与人体接触，还应考虑其他防护措施，手机的辐射频率为800至1800MHz, 电脑也会产生几百兆的电磁波，如果在生产过程中，能够在手机外壳、电脑机箱、电脑显示器内侧喷涂具有吸收功能的吸波涂料，将多余电磁波吸收，就不会再有电磁辐射的危害问题。喷涂吸波涂料，非常简单。既不会影响外形的美观，也不会增加多少成本。随着人们对电磁辐射的认识越来越多，防辐射型产品的市场也会越来越大。
例如：绿色环保机箱（世界首创）如今电脑整体性能飞速提高，电脑内部主要部件的功率在不断增大，但同时电脑主机的辐射量也在随之增长。众所周知，电磁辐射对人体健康的危害极大。长时期处在电磁辐射污染的环境中，将使人产生易疲劳、记忆力下降、生理机能减退等等的不良症状。更可怕的是，这种辐射伤害看不见、摸不着，即使你终日为电脑辐射所害，你也无从觉察。由此，选择一款防辐射性能高的机箱，就势在必行。目前防辐射机箱技术是屏蔽电磁波,屏蔽目的是将电磁波局限在某一个区域内，所不同的是屏蔽主要利用导电材料对电磁波的反射作用来限制电磁波的传播。一般需要将整个辐射源全部屏蔽，否则的话会出现一个方向减弱，而其它方向增加的现象，理论上简单，实际上对工艺技术要求相当高。
吸波则是利用材料对电磁波的吸收，使电磁波的电磁场能转变为热能。电磁波吸收材料使用技术要求低。EMC材料的研究目前主要集中在屏蔽材料，对电磁波吸收材料的研究相对较少。实际上电磁波吸收材料在EMC技术上具有屏蔽材料等技术所不可代替的作用。吸波材料使用简单易行，不需要对原设计作改动，只要在电脑机箱内2至6面体上喷涂上02至10毫米厚度的吸波涂料即可，使用吸波涂料除了有防辐射功能外更有意想不到的效果。
办公、居住区的电磁辐射防护：吸波涂料在民用产品上的应用不仅仅只有这些，很快吸波涂料会应用到您的日常生活当中，例如：您的办公、居室内喷涂吸波涂料，就不会再有电磁辐射的危害问题，它将您的办公、居室内的家用电器、办公设备辐射出的电磁波（电子雾）吸收转换成无害的物质，同时将外界的电磁波大部分吸收隔离，那将是一个非常干净的电磁环境空间。
3．目标
世界进入信息时代，信息革命给人类带来巨大益处，但负面电磁辐射污染刚刚被人们认识，治理电磁辐射污染史无前例，研究刚刚开始，产品系列有待大量开发，属于朝阳产业，寿命期极长。治理电磁波污染，是一门高新技术和新兴产业。随着《中华人民共和国电磁环境污染防治条例》即将频布执行，治理电磁污染也一定会象今天治理水、空气，噪音污染一样，将会有众多企业参与，众多产品进入这一市场，迅速形成一个新兴的环保产业。充分利用自身技术，材料独特优势，迅速完善和建立起国内电磁辐射防护技术与产品研究、开发生产应用基地，引领全国，走向世界，是一大战略举措。
4．市场及客户
4．1 通讯基站、电视广播系统
4．2 手机、电脑、电子产品、家用电器等
4．3 高频加热设备、高频炉等工业设施
4．4 医院CT室、B超室、抢救室、手术室等医疗区
四、项目风险评估分析
1．劣势
新产品、新技术需要宣传推广的费用大。
2．市场分析
电磁波防污染项目是一项很有前途的事业，主要表现在有政府的大力支持及群众意思的提高，也可申报科技项目，取得各级政府的资金无偿、有偿的支持。生产产品，主要是以购买原材料为主，然后经配伍组合，不需大型设备、投资少、见效快，不会有大的风险。利用本技术、材料开发的系列产品，也可获得巨额利润！如果采取全方位合作开发，强强联合，开发系列产品，在这个全新的需求领域，必将获得巨大的经济效益和社会效益。
3．威胁
唯一尖锐的问题是：目前参照一些过去的标准，由于粗糙和低下，致使一些污染较大的地区也不超标，这给治理污染带来很大障碍，但是，不久的将来国家会制定出科学的污染标准，另外，从电磁波污染积累效应角度，这一风险也会减少。
本栏目编辑 王胜举
视频链接： https://wwwyoutubecom/watchv=XmHDexCtjyw&list=PLjiXAZO27elC_xnk7gVNM85I2IQl5BEJN&index=11
练习地址： https://githubcom/NBISweden/excelerate-scRNAseq/blob/master/session-trajectories/session-trajectoriesmd
在进行标准的单细胞分析流程得到聚类结果后，可以进行轨迹分析，并进一步进行基因表达分析。
但并不是只有聚类结果才可进行轨迹分析，标准分析中的很多步骤都可以follow with轨迹分析。
在整个生命生长发育过程中，细胞都在不断从一种功能“状态”过渡到另一种功能“状态”（如下图）。处于不同状态的细胞表达不同的基因，产生蛋白质和代谢物的动态重复，从而完成它们的工作。当细胞在不同的状态间转化时，会经历转录重组的过程，一些基因被沉默，而另一些则被激活。这些瞬态通常很难描述，因为在更稳定的端点状态之间净化细胞可能很困难或不可能。但由于这个过程是连续发生的，我们可以使用轨迹推断（TI，trajectory inference）的方法可以根据测序的细胞（瞬时状态）之间表达模式的相似性对单细胞沿着轨迹进行排序，以此来模拟细胞动态变化的过程。也就是重建分化轨迹或者拟时间轴。
但值得注意的是，并不是所有样本都适合进行轨迹分析。
比如我们明确知道骨髓中存在分化中间态的细胞（存在从干细胞到成熟细胞的分化过程），因此骨髓的样本可以进行轨迹分析。但一些样本如PBMC中几乎都是分化成熟的细胞，虽然也可以做轨迹分析，但是意义不大。此外，存在分化过程的细胞也有差别。比如B细胞到浆细胞的分化更像是一个线形过程，不存在分支（branch），所以B细胞不适合做branching。但Th细胞向其亚型的分化可能就存在多个分支。
自2014年以来，TI的各种算法得到飞速发展，至2018年已有接近60种方法。
降维的方法包括线性降维PCA，ICA等，和非线性降维TSNE，UMAP，DF等。在学习轨迹分析之前，先来了解两种之前接触的比较少的降维方法：ICA和DF。
ICA是数据结构的一种方法(A method for decomposing the data)。 monocle1使用的就是ICA方法。
ICA与PCA比较类似，PCA（对高斯分布的数据效果较好）是将高变基因分配到主要的主成分中，用主成分来进行后续分析。而ICA是将数据解构，从混杂的信号中分离原始的多个生物信号。
PCA和ICA的区别：
主成分分析假设源信号间彼此非相关，独立成分分析假设源信号间彼此独立。
主成分分析认为主元之间彼此正交，样本呈高斯分布；独立成分分析则不要求样本呈高斯分布。
总结：ICA和PCA一样，是一种线性降维方法。常被用于评估数据的原始组成。在ICA中，这些原始信号被认为是互相独立的，而且，ICA会先假定单细胞数据是非高斯分布的，实际上往往不是这样。不同的信号在ICA分析中同等重要，但ICA不能确定实际有多少个信号源。
Diffusion maps是一种非线性降维方法。
Diffusion maps原理讲解视频： https://wwwbilibilicom/video/av38891467/
Diffusion Map用的是Diffusion Process的方法。如果两个点距离较近，则从一个点随机行走到一个点的概率就大。反之，如果两个点距离较远，则从一个点随机行走到一个点的概率就小。Deffusion Map就是这样将两个点之间的距离转换成它们之间能够产生随机行走的概率 ，并用这个随机行走的过程去捕捉数据的neighborhood结构，从而将一个高维的扭曲的数据展开，变成一个低维的visualization。
简单来说，为了把可能性转化成距离，DM可以计算B到C的可能性，再计算A到C的可能性。根据公式，如果两种可能性差不多大，那么他们的差值就趋于0。说明A到B的过程可以通过C来很好的连接起来。
DM是一种非线性降维（UMAP和tSNE也是非线形降维）。点和点之间（也就是细胞和细胞之间的距离）是通过probability来计算的。
在学习了ICA和DM两种降维方法后，现在我们想要建立细胞之间的关系，定义轨迹应该从哪里开始，在哪里结束。
举个例子：下图中有很多点，每个点之间的距离都可以计算（比如使用DM来计算点和点之间的possibility）。将点连线，寻找一个 所有的点之间距离加和最小的连接方式 ，得到的结果如黑色的粗线所示，这就是 最小生成树 。细胞数目越多，MST的轨迹构建越准确。
monocle1中使用的就是这种方式。 如下图a：每个细胞都代表了高维空间中的一个点，将高维空间降维（使用PCA/ICA或UMAP/TSNE），随后使用MST定义细胞轨迹，并将细胞按照MST构建的生成树排序，标注上细胞类型，就可以得到细胞轨迹。
但值得注意的是，MST只能构建细胞轨迹，但不能告诉你端点是转录起始点还是终止点，也就是不知道是从哪个方向向哪个方向分化。所以如果有先验知识（比如干细胞向别的细胞分化），就会容易很多。
此外，由于MST没有循环，所以不适用于增殖细胞（细胞周期）样本。
第二种方法叫做反向图嵌入。
如下图A和B：在使用MST进行轨迹推断时，由于最小生成树高度依赖于每个点的位置和点与点之间的距离，仅仅只是某个点的位置有些微变化就会得到完全不同的细胞轨迹。而REG的方法（图C）则是先对细胞进行聚类，再对细胞群的平均值进行轨迹构建。
Monocle2中使用的就是RGE方法(DDRTree)。
上图显示的是RGE的工作原理。每个细胞都代表了高维空间中的一个点，使用PCA或其他方法来对细胞进行降维后，根据假定的细胞cluster的中心点来对轨迹进行构建。随后计算细胞到假设轨迹的距离，并将细胞分配到距离细胞最近的轨迹cluster上，分配完成后对中心点进行更新，重建轨迹，再将二维轨迹投射到多维空间里，比较与原始数据的契合度，如果match的不好，就重新降维和构建轨迹，循环这个过程，直到细胞轨迹能充分反映原始data（类似降维中的TSNE和UMAP循环）。这时就可以选择轨迹的root（需要先验知识），并对拟时间轴或者发育轨迹进行定义。根据轨迹图中的分叉，还可以定义cell fate。
REG还衍生出了许多方法，比如PAGA、Slingshot、TSCAN、CellRouter等。
Monocle3进行聚类的原理与Monocle2类似
Monocle3的工作流程：scRNAseq数据 --> 预处理（标准化+PCA）--> 降维 --> 聚类 --> 拟时间轴的建立（DDRTree、SimplePPT、L1-graph）--> 差异分析
和Monocle2相比，Monocle3的主要update：
RNA velocity是基于真实的转录动力学，可用于细胞基因表达的动态分化的研究。
如上左图，刚转录出的mRNA包含外显子和内含子，经过splicing切除内含子后，得到用于编码蛋白的spliced mRNA。spliced mRNA的丰度由未成熟mRNA的splicing速度和降解速率共同决定。如上中图：每个点代表一个细胞，在拟时间轴上，未经过剪切的mRNA的出现始终早于经过剪切的mRNA。如上右图：红色代表未经过剪切的mRNA，蓝色代表经过剪切的mRNA，可以看出，这些细胞的应该是从左往右分化的，因此Velocity可以用于定义轨迹的起点分支和终点。也就是说，Velocity可以在不知发育过程的前提下，预测谱系的方向（如下图）。
Velocity可以用于周期的轨迹
Which method should I use
自然堂面膜使用时出现刺痛感可能是由于多种原因导致的。刺痛感可能是因为您的皮肤对某些成分敏感而引起的。面膜中的某些成分可能会导致一些人出现过敏反应，例如酒精、香料或某些化学物质。如果您的皮肤本身就比较敏感或受损，使用面膜后可能会出现刺痛感。面膜的使用方法也可能影响到刺痛感的出现。如果您在使用面膜之前没有正确清洁皮肤，或者过度搓揉皮肤，都有可能导致刺痛感。
针对面膜使用时出现的刺痛感，我有几个建议可以帮助您解决问题。您可以尝试选择适合自己肤质的面膜产品。不同类型的面膜适用于不同肌肤需求，选择含有温和成分、无香料和酒精等刺激性物质的产品可能更适合敏感皮肤。请确保在使用面膜之前充分清洁皮肤，避免残留的污垢和化妆品对皮肤的刺激。使用面膜时应按照产品说明书上的指导进行，避免过度搓揉皮肤，以免引起不适感。
如果您使用自然堂面膜时出现刺痛感，建议您停止使用该产品，并咨询专业医生或皮肤科医生的建议。他们可以根据您的具体情况进行评估，并给出更加具体和专业的解决方案。遵循医生的建议选择适合自己肤质和需求的面膜产品也是十分重要的。
我想提醒您注意面膜的正确使用方法和频率。面膜并不是每天都需要使用，过度使用可能会对皮肤造成负担。根据个人肤质情况，一般建议每周使用1-2次即可。请确保在使用面膜前进行适当的皮肤保湿工作，以帮助保护皮肤屏障功能。
如果您在使用自然堂面膜时出现刺痛感，可能是由于敏感反应、面膜成分问题或者错误使用方法等原因导致的。建议您选择适合自己肤质的面膜产品，正确清洁皮肤并遵循正确的使用方法，如仍有不适可咨询专业医生或皮肤科医生的建议。记得要对皮肤温柔呵护，保持良好的皮肤护理习惯。
我喜欢第一部。2012年，动画《熊出没》诞生。当时，中国掀起了模仿“熊大熊儿光头强”的热潮。这也结束了喜羊羊的动画的局面。我们不再看羊，而是看熊。同时，《熊出没》也拍了一部大**，成为票房最高的动画**。可以说这是世界上最好的**。接下来，我们将评估一些最受欢迎的《熊出没》动画系列。
熊出没第一部。这个故事发生在中国东北的一个大森林里。李老板雇光头强在这里砍树。他肯定会用先进的工具取胜。但是住在森林里的熊大熊二怎么能眼睁睁地看着自己的家被摧毁呢？结果，熊哥哥与光头强展开了一场旷日持久的森林防御战。熊大是一只智力熊，经常想出对付光头强的好主意。虽然熊二有点笨，但他可以用蛮力吓跑光头强。简而言之，光头强的树木砍伐并不顺利。
熊出没之环球大冒险。熊大熊二从森林跑到了一个现代化的大都市。光头强把自己的身份变成了猎人，准备用陷阱捕捉熊大熊二和森林中的各种小动物，并把它们卖给马戏团。熊大熊二现在不仅想保护森林，还想阻止光头强的阴谋。在冒险的过程中，他还结交了毛毛和翠花等好朋友。
熊出没之丛林总动员。环游世界后，熊大熊二回到了森林，光头强跟着他们回到了森林，继续他的伐木生涯。为了防止光头破坏森林，熊大熊二联合他在森林中的小伙伴继续与光头强作战。动画中新角色的加入也增加了许多亮点吉吉、毛毛、蹦蹦、萝卜头，都是熊大熊二的好帮手。
熊出没之熊熊乐园。这一系列作品更适合儿童，是一部启迪心灵的优秀作品。故事发生的地方已经变成了森林中的大树幼儿园。主角在童年时也成了熊大熊二和光头强。这对欢喜冤家不在敌对，而是谈了一切并成为好朋友。在生活中，他们互相帮助，共同进步，共同成长。一般来说，这是一部具有教育意义的学前动画。所以我喜欢第一部。
目标检测（object detection）是计算机视觉中非常重要的一个领域。在卷积神经网络出现之前，都利用一些传统方法手动提取图像特征进行目标检测及定位，这些方法不仅耗时而且性能较低。而在卷积神经网络出现之后，目标检测领域发生了翻天覆地的变化。最著名的目标检测系统有RCNN系列、YOLO和SSD，本文将介绍RCNN系列的开篇作RCNN。
RCNN系列的技术演进过程可参见 基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN 。
目标检测分为两步：第一步是对图像进行分类，即图像中的内容是什么；第二步则是对图像进行定位，找出图像中物体的具体位置。简单来说就是图像里面有什么，位置在哪。
然而，由于不同中物体出现的大小可能不同（多尺度），位置也可能不同，而且摆放角度，姿态等都可以不同，同时一张中还可以出现多个类别。这使得目标检测任务异常艰难。
上面任务用专业的说法就是：图像识别+定位
两个不同的分支分别完成不同的功能，分类和定位。回归（regression）分支与分类分支（classification）共享网络卷积部分的参数值。
还是刚才的分类识别+回归定位思路。只是现在我们提前先取好不同位置的框，然后将这个框输入到网络中而不是像思路一将原始图像直接输入到网络中。然后计算出这个框的得分，取得分最高的框。
如上，对于同一个图像中猫的识别定位。分别取了四个角四个框进行分类和回归。其得分分别为05,075,06,08，因此右下角得分最高，选择右下角的黑框作为目标位置的预测（这里即完成了定位任务）。
这里还有一个问题——检测位置时的框要怎么取，取多大？在上面我们是在257x257的图像中取了221x221的4个角。以不同大小的窗口从左上角到右下角依次扫描的话，数据量会非常大。而且，如果考虑多尺度问题的话，还需要在将图像放缩到不同水平的大小来进行计算，这样又大大增加了计算量。如何取框这个问题可以说是目标检测的核心问题之一了，RCNN，fast RCNN以及faster RCNN对于这个问题的解决办法不断地进行优化，这个到了后面再讲。
总结一下思路：
对于一张，用各种大小的框将截取出来，输入到CNN，然后CNN会输出这个框的类别以及其位置得分。
对于检测框的选取，一般是采用某种方法先找出可能含有物体的框（也就是候选框，比如1000个候选框），这些框是可以互相重叠互相包含的，这样我们就可以避免暴力枚举所有框了。
讲完了思路，我们下面具体仔细来看看RCNN系列的实现，本篇先介绍RCNN的方法。
R-CNN相比于之前的各种目标检测算法，不仅在准确率上有了很大的提升，在运行效率上同样提升很大。R-CNN的过程分为4个阶段：
在前面我们已经简单介绍了selective search方法，通过这个方法我们筛选出了2k左右的候选框。然而搜索出的矩形框大小是不同的。而在AlexNet中由于最后全连接层的存在，对于图像尺寸有固定的要求，因此在将候选框输入之前，作者对这些候选框的大小进行了统一处理——放缩到了统一大小。文章中作者使用的处理方法有两种：
（1）各向异性缩放
因为扭曲可能会对后续CNN模型训练产生影响，于是作者也测试了各向同性缩放的方法。有两种方法：
此外，作者对于bounding box还尝试了padding处理，上面的示意图中第1、3行就是结合了padding=0，第2、4行结果采用padding=16的结果。经过最后的试验，作者发现采用各向异性缩放、padding=16的精度最高。
卷积神经网络训练分为两步：（1）预训练；（2）fine-tune。
先在一个大的数据集上面训练模型（R-CNN中的卷机模型使用的是AlexNet），然后利用这个训练好的模型进行fine-tune（或称为迁移学习），即使用这个预训练好的模型参数初始化模型参数，然后在目标数据集上面进行训练。
此外，在训练时，作者还尝试采用不同层数的全连接层，发现一个全连接层比两个全连接层效果要好，这可能是因为使用两个全连接层后过拟合导致的。
另一个比较有意思的地方是：对于CNN模型，卷积层学到的特征其实就是基础的共享特征提取层，类似于传统的图像特征提取算法。而最后的全连接层学到的则是针对特定任务的特征。譬如对于人脸性别识别来说，一个CNN模型前面的卷积层所学习到的特征就类似于学习人脸共性特征，然后全连接层所学习的特征就是针对性别分类的特征了。
最后，利用训练好的模型对候选框提取特征。
关于正负样本的问题：由于选取的bounding box不可能与人工label的完全相同，因此在CNN训练阶段需要设置IOU阈值来为bounding box打标签。在文章中作者将阈值设置为05，即如果候选框bounding box与人工label的区域重叠面积大于05，则将其标注为物体类别（正样本），否则我们就把他当做背景类别（负样本）。
作者针对每一个类别都训练了一个二分类的SVM。这里定义正负样本的方法与上面卷积网络训练的定义方法又不相同。作者在文章中尝试了多种IoU阈值（01~05）。最后通过训练发现，IoU阈值为03的时候效果最好（选择为0精度下降了4个百分点，选择05精度下降了5个百分点）。即当IoU小于03的时候我们将其视为负样本，否则为正样本。
目标检测问题的衡量标准是重叠面积：许多看似准确的检测结果，往往因为候选框不够准确，重叠面积很小。故需要一个位置精修步骤。
在实现边界回归的过程中发现了两个微妙的问题。第一是正则化是重要的：我们基于验证集，设置λ=1000。第二个问题是，选择使用哪些训练对(P,G)时必须小心。直观地说，如果P远离所有的检测框真值，那么将P转换为检测框真值G的任务就没有意义。使用像P这样的例子会导致一个无望的学习问题。因此，只有当提案P至少在一个检测框真值附近时，我们才执行学习任务。“附近”即，将P分配给具有最大IoU的检测框真值G（在重叠多于一个的情况下），并且仅当重叠大于阈值（基于验证集，我们使用的阈值为06）。所有未分配的提案都被丢弃。我们为每个目标类别执行一次，以便学习一组特定于类别的检测框回归器。
在测试时，我们对每个提案进行评分，并预测其新的检测框一次。原则上，我们可以迭代这个过程（即重新评估新预测的检测框，然后从它预测一个新的检测框，等等）。但是，我们发现迭代不会改进结果。
使用selective search的方法在测试上提取2000个region propasals ，将每个region proposals归一化到227x227，然后再CNN中正向传播，将最后一层得到的特征提取出来。然后对于每一个类别，使用为这一类训练的SVM分类器对提取的特征向量进行打分，得到测试中对于所有region proposals的对于这一类的分数，再使用贪心的非极大值抑制（NMS）去除相交的多余的框。再对这些框进行canny边缘检测，就可以得到bounding-box(then B-BoxRegression)。
参考：
Rich feature hierarchies for accurate object detection and semantic segmentation
RCNN-将CNN引入目标检测的开山之作-晓雷的文章
基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN
R-CNN 论文翻译
欢迎分享，转载请注明来源：品搜搜测评网
微信扫一扫
支付宝扫一扫
