Efterhånden er jeg bare begyndt at give op – måske ens hjerne bare går død efter et stykke tid? har jeg tænkt. Så kunne man jo løbe en tur, gøre rent, lave noget mere kaffe eller falde for Facebook-fristelsen.

Men for nyligt læste jeg så om et software firma, 42Floors, der åbenbart har samme problem. Når de når 2-tiden, har de nemlig problemer med at komme ”in the zone” (og her gik man og troede at det bare var noget Hollywood havde fundet på). Men i stedet for at ”zone ud”, er de i stedet begyndt at spille en temmelig skør variation af skak, kaldt Bughouse skak.

Reglerne er simple og i korte træk: man har to skakbræt og to timere; man kan enten spille i hold eller en mod en. Når en brik bliver taget på et bræt, gives den til ens partner på det andet bord, og han kan så bruge sit træk på at sætte brikken ind hvor han har lyst*, eller fortsætte med hans egne brikker. Når en side vinder på et bræt, har de vundet det hele. Wikipedia har selvfølgelig de fulde regler.

Man skal næsten se en video af det, så her kommer en to-mod-to:

Og en-mod-en:

Det sjove er at man lynhurtigt kommer op i gear igen efter et spil skak-galskab. Man kan selvfølgelig spille bughouse skak online. Tricket er hermed givet videre til andre i fokuseringsnød.

* En bonde må ikke sættes ind på første eller sidste række.

Det er ikke ubegrundet, at Boston har fået tilnavnet »Athens of America«. Verdens bedste universiteter ligger her, og de cirka 100 forskellige universiteter, byen huser, har tilsammen over 250.000 studerende. Så da vi sidste sommer kom på den tanke, at det kunne være spændende at lave et forskningsprojekt i udlandet, virkede Boston som et oplagt sted.

Hvorfor ikke tage et prægraduat forskningsår i udlandet?

Origami T-Rex på MIT.

Tanken opstod, mens vi begge var i gang med at undersøge mulighederne for forskningsprojekter i forbindelse med vores medicinstudie i Odense. Pludselig dukkede ideen om at søge i udlandet op.

Vi gav os derfor til at surfe rundt på nettet og på PubMed efter laboratorier, der arbejdede inden for de områder, vi gerne ville forske i. Og når vi nu alligevel skulle prøve lykken, hvorfor så ikke satse højt og forsøge os med et par professorer på Harvard og MIT?

Hvo intet vover, intet vinder!

Vi skrev begge til tre professorer og havde efter et par uger uden svar indstillet os på, at det hele nok var en kende optimistisk. Derfor skulle man også lige kigge to gange, da der pludselig en dag lå et positivt svar i ens indbakke. Begge professorer, vi fik svar fra, ville gerne ringe sammen med os for at få alle de praktiske ting på plads og formentlig også for at tjekke, at vi var nogenlunde normale, før de sagde endeligt ja.

Lynhurtigt

Glæden var stor, da det stod klart, at vi begge kunne komme af sted og starte på vores projekter allerede til februar i år.

Dette gav os knap et halvt år til at arrangere alt det praktiske omkring vores ophold.

Det kan ikke anbefales.

Et halvt år går lynende hurtigt, når man ved siden af studierne skal nå at skrive projektbeskrivelse, søge scholarstipendiat, visum, flybilletter, bolig osv. samt forsøge at læse op på det emne, man skal forske i.

Heldigvis fik vi stor hjælp fra vores to vejledere, professor Torben Barington og lektor Morten Meyer, samt fra dekan Ole Skøtt.

Spændende embryologi

Et halvt år senere var alting på magisk vis gået op i en højere enhed, og vi ankom til et snedækket Boston.

De første par måneder gik med at lære de nødvendige teknikker og spore os nærmere ind på, hvad vores projekter skulle indeholde. I forhold til at lave et klinisk projekt bruger man en del mere tid i opstartsfasen på oplæring, når man skal lave et rent biomedicinsk projekt.

Til gengæld er det spændende at forsøge sig med nogle af de metoder, vi ellers kun læser om, såsom PCR, immunocytokemiske farvninger, FACS sortering, og at få lov at lave noget konkret arbejde, som man hurtigt kan se resultaterne af.

I starten var der dog meget, der ikke virkede, og meget man kunne blive frustreret over.

Det gik heldigvis hurtigt med at lære alting og komme godt ind i emnet, og pludselig tog man sig selv i at synes, at ting som embryologi og histologi var spændende – en situation, man på de første år af medicinstudiet ville have forsvoret, var mulig.

Forskning på topplan

Opholdet har givet et fascinerende indblik i, hvordan forskning på topplan foregår i USA.

Ambitionsniveauet er højt, og der arbejdes meget.

Det hele kan godt virke intimiderende, men så føles det ekstra fedt, når man opdager, at man godt kan være med.

Der kan være brede rammer for, hvad man må give sig i kast med, og man bliver belønnet for initiativer, der fører ens projekt frem. Det betyder også, at man til tider står alene med ansvaret, hvorfor det er vigtigt, at man har god kontakt til vejledere derhjemme og et godt forhold til kollegaerne i laboratoriet.

Harvard og MIT

Boston er også en enormt stimulerende by at bo i.

Det store antal universiteter gør, at der altid er masser af spændende foredrag og skøre konferencer, og når man tager i byen, møder man folk fra hele verden, der forsker i alt fra stamceller til oceanografi og rocket-science.

Folk er meget åbne og lette af snakke med. Harvard og MIT har været inspirerende steder at studere, og vi kan varmt anbefale, at man prøver lykken og laver et prægraduat forskningsprojekt i Amerika.

—

Gode råd

Optakt

Find de bedste laboratorier. Hvad er det egentlig, du gerne vil forske i? Besøg PubMed, læs artikler og hold særligt øje med, hvilke grupper der er stærke inden for dit interesseområde.

Forøg dine chancer ved at få erfaring hjemmefra. Plej dit CV. De lange sommerferier vi har på studiet, er som skabt til at lave mindre projekter, hvor du kan få erfaring og udtalelser.

Begynd nu. Du kan undgå meget stress ved at starte et års tid i forvejen.

Ansøgningen
Du har fundet forskellige laboratorier, du gerne vil arbejde i – de ligger sjovt nok alle på Harvard, men sådan er tilfældighedernes spil jo engang. Hvad nu?

Brev til professoren. Formuler en kort og koncis e-mail. Vedhæft dit CV og udtalelser. Mange amerikanske forskere får et hav af mails fra folk, der gerne vil arbejde i deres laboratorier, så du har cirka en sætning til at fange deres interesse. Dit bedste argument er højst sandsynligt, at du selv sørger for finansiering. Gør dette klart i mailen. Herefter kan uddybe din interesse i deres forskning. Forklar, at du gerne vil tale nærmere med dem om muligheden for at lave din »master thesis« i deres gruppe.

CV. Dette kan indeholde:

1. En beskrivelse af din hidtidige uddannelse og forventet dato for din »M.D.«-grad. Den medicinske bachelorgrad findes ikke i USA. SDU kalder den »B.Sc.med.« og har en engelsksproget beskrivelse, som man kan vedhæfte.
2. Din erfaring fra forskning, undervisning og andre relevante ansættelser. Vi beskrev desuden, hvor mange timer og hvilke teknikker vi havde arbejdet med.
3. Publikationer, såsom artikler, abstracts, posters, ja selv læserbreve i Ugeskriftet. Skriv alt på.
4. Co-curriculære aktiviteter. Er du medlem af Sundhedsvidenskabelige Studenterforskere? Hvis ikke, så meld dig ind fluks og skriv det på CV’et.

Udtalelser. I USA sender man normalt tre udtalelser fra tidligere laboratorier, man har arbejdet i, med ens ansøgning, men to virkede for os.

Samtalen

Samtalen. Der bliver lagt vægt på, om du virker interesseret og kan stille relevante spørgsmål. Hvorfor du netop er interesseret i dette område og i deres gruppe? Hvad er din holdning til at komme på et andet tidspunkt eller i et andet tidsrum? Professorer i USA omtales Dr. Efternavn.

Dette er din mulighed for at høre nærmere om laboratoriet, og hvad de forventer af dig. Arbejder alle i gruppen på det samme projekt, eller kan du udvikle dit eget? Er der mulighed for at arbejde tæt sammen med en post.doc i gruppen? Understreg, at grunden til, du kommer, er for at lave din master-thesis.

Breve og indbydelse. Hvis samtalen går godt, skal du nu sørge for to ting:

1. Et officielt invitationsbrev fra professoren.
2. Et såkaldt DS-2019 certifikat af universitetet.

Disse to breve skal du have, inden du kan søge visum til USA.

SDU’s krav

Find en dansk vejleder og ansøg SDU. Du skal finde en vejleder ved enten SDU eller OUH og søge om optagelse på den prægraduate forskningsuddannelse.

For os har de danske vejledere været en uundværlig ressource. Det betyder meget at kunne diskutere dit projekt, frustrationer og data med en dansk vejleder undervejs.

Læs mere om den prægraduate forskningsuddannelse på: http://goo.gl/xpr9k

Økonomi

2500 dollars pr. måned. Overfor Harvard og MIT skal man kunne bevise, at man har adgang til dette beløb, før de vil sende én det nødvendige DS-2019 certifikat. For at få sat denne proces hurtigt i gang fik vi hjælp fra vores bank, der skrev, at de var villige til at låne os store dele af beløbet samt af SDU.

Budget. Lav et budget med henvisninger til de valgte udgifter. Vores bestod af logi, kost, forsikring, lokal transport, flyrejser, visum udgifter og uforudsete udgifter. I alt i alt cirka 180.000 kroner.

Fonde og legater. Kig efter scholar-stipendier, der typisk er på 10.000 kroner om måneden, for eksempel fra Novo, Lundbeck og Det Fri Forskningsråd. Derudover findes der en række fonde som Otikon, Knud Højgaard, Augustinus, COWI, A.P. Møller, Harboe fondene.

SDU slår løbende legater op på http://goo.gl/kLKaP, og som studerende på SDU kan du få adgang til en lang række legat-opslag gennem researchprofessional.com

Du kan søge penge ved ekskursionskontoen på SUND og ved SDU’s internationaliseringspulje.

Ansøgninger. Disse kan med fordel indeholde; motivationsskrivelse fra dig eller din vejleder, projektbeskrivelse, budget, invitation til det amerikanske laboratorium, CV, publikationsliste og eventuelt anbefalinger og karakterer. Det Frie Forskningsråd har i deres vejledning for ansøgninger en god forklaring på, hvad en projektbeskrivelse bør indeholde. Se http://goo.gl/x0g1d

Visum

Non-immigrant, exchange visitors program (J-1) visum. Det hedder det visum, du skal ansøge ved den amerikanske ambassade i København. DS-2019 formen er din billet til at få dit visum. Husk at booke dit møde med ambassaden i god tid og betal de nødvendige gebyrer.

Læs mere om hele processen på: http://goo.gl/P8paC

Opholdet

Forsikring. For at komme ind i landet kræver USA, at du har en sundhedsforsikring. I stedet for at købe forsikringen gennem et amerikansk universitet, brugte vi StudenterForsikring.dk, da de også dækker indbo og er væsentligt billigere.

Lejlighed. Der findes mange såkaldte »furnished« (møblerede) lejligheder. Kig på craigslist.org eller undersøg om dit nye universitets internationale afdeling kan hjælpe dig på vej.

Skat og SU. Et prægraduat ophold i USA er ikke SU-berettiget og falder dermed heller ikke under den pulje, staten giver til internationale ophold. Vi var begge skattepligtige i Danmark, hvilket viste sig at være udmærket, idet der er en række skattefritagelsesregler, der gælder for forskning i udlandet, og såfremt man er ude af landet i over 180 dage. Forvent dog, at du kan komme til at bruge en del tid – cirka seks måneder – på at forklare reglerne for Skat’s egne medarbejdere.

Kilde:
Eyes in Slow Motion af SaintJimmy/Youtube.

Filmplakat fra Contagion

Med en stjernebeklædt besætning, der udover Paltrow tæller Kate Winslet, Matt Damon og Jude Law, følger filmen en række mennesker, der prøver at overleve og bekæmpe den nye virus. I samme tempo som mennesker falder om, springer filmen rundt mellem hovedpersonerne, som de forsøger at stoppe spredningen, finde en vaccine, redde sig selv og udnytte situationen til deres eget bedste. Lyder det bekendt? Det er det også, men denne gang fungerer dette og andre ellers trættende filmtekniske greb faktisk.

Plottet er også set før, men det gør heller ikke noget. Lige siden Sofokles’ tragedier om Kong Ødipus og Antigone har pest og sygdom ikke bare været god underholdning, men også en måde at forstå os selv på. I nyere tid står Albert Camus’ Pesten fra 1945 og Ingmar Bergman’s Det syvende segl fra 1957 som kunstværker, der bør læses og ses af alle pest-interesserede studerende. Også den canadiske tv-serie ReGenesis fra 2004 kan anbefaldes. De senere år har genren dog været tæt forbundet med et zombi-apokalyptisk tema som i 28 Days Later fra 2002 og filmatiseringen i 2007 af Richard Matheson novelle I am Legend, men det ændrer Contagion til det bedre.

Hyper-realistisk skildring af pandemi

Filmen er nemlig hyper-realistisk, og det er i virkeligheden langt mere skræmmende end de værste zombier. Lægen og infektionsmedicineren Ian Lipkin fra Columbia University har ageret faglig konsulent på filmen, og det ses! Som sundhedsfaglig kan man ikke andet end at blive begejstret; det flyver omkring med ord som R0-værdier, fylogenetisk træer og andet guf. Lige fra de sikkerhedsdragter videnskabsmænd bærer i klasse 4 laboratorierne til petriskålen og celletypen, der bliver brugt, så er det hele så realistisk og sandt, at man skulle tro, det var løgn. Måske er det som tak for hjælpen, at det i filmen netop er en professor fra Columbia University ved navn Ian Sussman, der først finder ud af, hvordan man kontrollerer virussen i laboratoriet.

Med små skarpe klip sættes der også fokus på nogle af de store debatter inden for videnskabens verden; befolkningens skepsis overfor vaccinationer, hvordan vores udnyttelse af naturen udsætter os for nye sygdomme, vores manglende evne til hurtigt at udvikle nye vacciner (vi laver dem stadig i æg) og det faktum, at vi gemmer sygdomme med potentiale til at slå millioner ihjel i vores frysere i videnskabens navn. Soderbergh doserer det hele så sublimt og skarpt, at det er en fryd at se og uden det ødelægger filmens udvikling.

Hvad sker der, når samfundet sættes under pres?

Men Contagion’s hovedtema er stadig at undersøge hvad der sker når samfund sættes under pres. Filmen udkom i USA omkring tiårs dagen for Tvillingetårnenes fald og tager ligesom et hav af lignende bøger og film, samfundets kollaps under behandling. Hvilke værdier står tilbage når vi skal forsvare os selv?

I filmen går det hurtigt op for en, at titlen skal forstås på mange planer. Efterhånden som alvoren af pandemien går op for folk, ændres også de værdier der leves efter. Smittefaren foregår således også gennem propagandistisk blogging på nettet og i ændret mentalitet efterhånden, som mennesker bliver overfaldet, supermarkeder og apoteker plyndret. Det er vel nok filmens vægtigste kritik, at det er vores egen samfundsorden der skaber disse betingelser. Soderbergh lader således samfundets vogtere spilde tiden med at snakke, mens heltene arbejder; politikerne vil diskutere, hvem der betaler, hæren vil undersøge om det er terrorister der står bag og tv-journalister skaber mediestorme ved at interviewe frygtskabende demagoger, alt i mens folk dør på stribe og frygten har smittet alle.

Soderbergh har skabt en fantastisk film, der netop med sin realisme er særdeles skræmmende. Dette kunne ske, tænker man bagefter, mens man vasker sine hænder grundigt. Contagion bør ses af alle med den mindste interesse for infektionsmedicin og af alle der bekymre sig om hvilke værdier der vil overleve i vores faretruende verden.

Filmen udkommer i Danmark til november 2011.

Hvordan laver man nu det?

Jeg har før leget med open-source programmet R. Det er gratis og indeholder temmelig omfattende statistiske og grafiske egenskaber.

I dette eksempel tager jeg udgangspunkt i offentlig tilgængelig data fra Vanderbilt Univeristy om prostatakræft. Datasættet kan hentes her.

Advarsel: jeg er ikke programmør, og der er sikkert mange mere korrekte måder, at gøre alle disse ting på, men omvendt viser jeg det så simpelt her, at alle kan gøre det. Yderligere: man kan ikke drage nogle videnskabelige konklusioner fra eksemplerne her.

Gennemse data

Man kan få data ind i R på mange måder (beskrevet i stor detalje her) men det letteste er nu, at starte med at åbne bruge Excel til at ordne dine data og herefter gemme filen som en komma-separeret fil (en såkaldt csv fil).

Det er en god ide at checke filen igennem. Fx vil jeg gerne sammenligne ”sz” kolonnen med ”sg” kolonnen. Sz er størrelsen af tumoren og sg er en kombineret værdi af tumorens stadie, baseret på den kliniske undersøgelse og en vævprøve fra tumoren. Er der med andre ord en sammenhæng mellem størrelsen af prostata og alvoren af tumoren? Det er vigtigt at kigge rækkerne igennem – for en del patienter er der ikke data i de to rækker og det får R til at opføre sig underligt. For nemhedens skyld har jeg derfor bare slettet disse og gemt filen i csv-formattet.

Prostata.csv på nu gemt på mit skrivebord. Inden vi går rigtigt i gang er det en god ide, at åbne filen med et simpelt tekstprogram som TextEdit på Mac eller Notepad i Windows og gennemse den – fx gemmer min version af Excel data med et semikolon (;) som separator, ikke et komma. Det er vigtigt at vide når vi skal indlæse data i R.

Her kan man også se, at den øverste linie indeholder ”kolonne-navnene”, og de resterende linier indeholder data for godt og vel 500 patienter. En patient pr. linie. På Vandebilts hjemmeside kan man se en oversigt over hvad de forskellige forkortelser i filen står for.

Indlæs data i R

Herefter skal R startes op. Jeg vil anbefalde at du laver et nyt dokument og skriver alt din kode ind i denne fil og herefter copy-paster koden over i selve R programmet. Koden eksekveres bare ved at trykke på enter.

Vores datasæt kan indlæses i R med:

prostata <- read.table("/Users/Barnkob/Desktop/prostate.csv",
as.is = TRUE,
header = TRUE,
sep = ";",
row.names = 1
)

Her indlæses filens værdier til ”prostata” med funktionen read.table. <- er måden hvorpå vi binder data til en variable. Funktionen read.table laver selve arbejdet og læser vores fil – den har forskellige kommandoer, der sættes i parentesen og som man kan ændre på. Kommandoerne er adskilte af kommaer.

Den første kommando fortæller hvor filen er gemt. Header = TRUE fortæller funktionen at den første linie i csv-filen er kolonne-navnene. Sep = ; fortæller at de enkelte data i filen er afskilt af et semikolon – her kunne du også skrive , (komma) eller hvad der ellers adskiller data. Row.names = 1 fortæller at den første række (row) skal være den enkelte rækkes id. Hvis du vil vide mere om read.table funktionen kan du i R skrive:

help(read.table)

Prøv nu at skriv ”prostata”. I vinduet burde der nu komme en liste med alle informationerne i.

Hvis du bare vil have data fra en kolonne kan du skrive prostata$sz fx. Hvis du bare vil se de første fem værdier, kan du skrive prostata$sz[1:5].

Grafer

Nu da vi har indlæst data i R, er det let at laver grafer med det. Prøv fx at skrive:

plot(prostata$sz ~ prostata$sg)

Beeswarm er en tillæggesfunktion til R, der er lavet af Aron Eklund fra DTU. Første gang du bruger den skal den installeres med:

install.packages("beeswarm")

Du bliver nu bedt om en server at hente funktionen ned med. Vælg en i Danmark eller en langt væk. Det er vist godt det samme.

Først gang vi bruger funktionen, skal den indlæses i R med funktionen:

library(beeswarm)

Nu kan vi lave en ”beeswarm” med vores data:

beeswarm(prostata$sz ~ prostata$sg,
data = prostata,
method = "square",
log = FALSE,
pch = 16,
col = rainbow(11),
main = 'Stoerrelse og stadie',
xlab = 'Stadie',
ylab = 'Stoerrelse af primaere tumor'
)

Beeswarm

I R kan man koble flere forskellige grafer ved at indlæse en graf-funktion, der har kommandoen ”add = TRUE” tilføjet. Så nu kan vi indlæse boxplot funktionen med samme data, således at hele koden ser således ud:

beeswarm(prostata$sz ~ prostata$sg,
data = prostata,
method = "square",
log = FALSE,
pch = 16,
col = rainbow(11),
main = 'Stoerrelse og stadie',
xlab = 'Stadie',
ylab = 'Stoerrelse af primaere tumor'
)
boxplot(prostata$sz ~ prostata$sg,
data = prostata,
add = TRUE
)

Grafen kommer til at se således ud:

Beeswarm kombineret med boxplot. Er der en sammenhæng mellem størrelse og stadie her?

Subgrupper

Men datasættet er faktisk lavet på patienter der alle har modtaget behandling. I rx kolonnen kan man se om patienterne har fået placebo (altså bare en sukkerpille), 0.2, 1 eller 5 mg østrogen-behandling.

Siden jeg bare er interesseret i den ubehandlet udvikling af prostata-cancer, vil jeg prøve at lave en subgruppe med alle de patienter der har modtaget placebo, og dermed ingen behandling. Det gøres således:

prostata.sub <- prostata[prostata$rx == "placebo", ]

Nu kan vi køre graf-funktionerne fra før, bare med prostata.sub i stedet for prostata. Resultatet bliver således:

Subgruppe der ikke har modtaget behandling

Du kan læse mere om hvordan man laver subgrupper på denne hjemmeside.

Er der så en sammenhæng mellem størrelse og alvor af tumoren? Det er ikke muligt at vide alene med disse grafer – for at svare på det må vi istedet bruge nogle af de statistiske funktioner R har, men det bliver i et andet indlæg.

Men lad os lege med en enkelt overvejelse her: nemlig, at prostata’s størrelse vokser med alderen. Lad os inddele vores subgruppe i forskellige aldersgrupper og vise dem samlet.

Vi starter med at lave forskellige subgrupper:

prostata.sub0til60 <- prostata.sub[prostata.sub$age < 61, ]
prostata.sub61til70 <- prostata.sub[prostata.sub$age > 60 & prostata.sub$age < 71, ]
prostata.sub71til80 <- prostata.sub[prostata.sub$age > 70 & prostata.sub$age < 81, ]
prostata.sub81til100 <- prostata.sub[prostata.sub$age > 80 & prostata.sub$age < 101, ]


For at skabe et overblik, lad os fremstille alle grupper i den samme graf. Det gøres således:

par(mfrow=c(2,2))
beeswarm(prostata.sub0til60$sz ~ prostata.sub0til60$sg,
data = prostata.sub0til60,
method = "square",
log = FALSE,
pch = 16,
col = rainbow(11),
main = '0 til 60 aar',
xlab = 'Stadie',
ylab = 'Stoerrelse af primaere tumor'
)
boxplot(prostata.sub0til60$sz ~ prostata.sub0til60$sg,
data = prostata.sub0til60,
add = TRUE
)
beeswarm(prostata.sub61til70$sz ~ prostata.sub61til70$sg,
data = prostata.sub61til70,
method = "square",
log = FALSE,
pch = 16,
col = rainbow(11),
main = '61 til 70 aar',
xlab = 'Stadie',
ylab = 'Stoerrelse af primaere tumor'
)
boxplot(prostata.sub61til70$sz ~ prostata.sub61til70$sg,
data = prostata.sub61til70,
add = TRUE
)
beeswarm(prostata.sub71til80$sz ~ prostata.sub71til80$sg,
data = prostata.sub71til80,
method = "square",
log = FALSE,
pch = 16,
col = rainbow(11),
main = '71 til 80 aar',
xlab = 'Stadie',
ylab = 'Stoerrelse af primaere tumor'
)
boxplot(prostata.sub71til80$sz ~ prostata.sub71til80$sg,
data = prostata.sub71til80,
add = TRUE
)
beeswarm(prostata.sub81til100$sz ~ prostata.sub81til100$sg,
data = prostata.sub81til100,
method = "square",
log = FALSE,
pch = 16,
col = rainbow(11),
main = '81 til 100 aar',
xlab = 'Stadie',
ylab = 'Stoerrelse af primaere tumor'
)
boxplot(prostata.sub81til100$sz ~ prostata.sub81til100$sg,
data = prostata.sub81til100,
add = TRUE
)


Resultatet bliver:

Fire grafer i en

Jeg håber at eksemplerne her har forklaret lidt om hvordan man laver grafer i R (og ikke så meget andet end det).

Øllen tappes i en brygkande, som vi så brugte til at fylde flasker fra.

Det hele begyndte fordi en kammerat fra arbejde flere gange har brygget sin egen øl. De gør det absurd meget her i USA. Jeg investerede derfor i et start-kit fra Northern Brewer og startede med en “ekstrakt-øl” – det er en begynderøl, hvor man ikke skal tænke så meget selv.

Efter at have fuldt opskriften på selve brygdagen, så blev øllen smækket ned i vores kælder for at fermentere i 6 uger. De første par dage så det helt vildt ud – som man kan se i videoen herunder, så var der godt gang i fermenteringen.

Herefter døde den så helt ned igen. I dag har kæresten og jeg så smækket øllen på flaske. Der er blevet tilsat lidt ekstra suger for at starte gærcellerne lidt op igen og om to uger er øllen forhåbentlig drikkebar.

På med kapslerne...

Det er egentlig ikke særlig svært at komme igang og man kan læse enormt meget om ølbrygning. To gode sider er:

How to Brew og Reddit’s Homebrewing forum.

Der findes og mange gode og sjove ølbrygnings podcasts, fx The Jamil Show og Brewing TV.

Øllen får lov at stå to uger inden vi kan smage på dem

Via SMBC, en fantastisk nørdet web-comic.

Knoglemarven findes i den medullære del af vores lange knogler og i spongiøse knogler. Ved første øjekast er den placeret mellem osteoblaster og –klaster, der beklæder indersiden af vore knogler, og sinusoider, der er specialiserede ender af blodårerne (markeret med *). Billedet er re-mixet af billeder fra Flickr/patrix, Grey’s Anatomy og American Society of Hematology.

Knoglemarven er i det voksne liv sæde for dannelsen af de mange forskellige typer celler, vi finder i vores blod, heriblandt også T-celler. De stammer alle fra én type celle, nemlig den hematopoetiske stamcelle, som jeg vil fortælle lidt om i kommende indlæg.

Inden vi kommer så vidt, vil jeg dog gerne tegne et billede af det miljø, som denne særlige stamcelle befinder sig i. Det kaldes for den hæmatopoetiske, eller bloddannende, stamcelle-niche.

Den bloddannende stamcelle-niche

En niche er et specialiseret område, et mikro-miljø, der indeholder de rette betingelser for, at stam-cellerne kan overleve. De beskytter stamcellerne mod fremmede signaler, der kunne forstyrre deres udvikling. Samtidig sikrer miljøet også, at stamcellerne ikke deler sig ukontrolleret. Der findes nicher for mange af de andre stamceller, vi kender, fx hår stamceller, samt nicher i tarmen og i hjernen.

Nichens formål er at sikre en organiseret proliferation af stam-cellerne; at stam-cellerne udvikler sig – differentiering kalder man det – til de forskellige blodcelletyper; og endelig at disse frigives til blodet. Fik jeg sagt, at dette skal foregå på en organiseret måde? Det skal foregå på en organiseret måde!

Nichen opnår groft sagt denne organisering på to måder: 1) vha. en række støtte-celler, der gennem membran-bundende receptorer og udskillelse af overlevelses-signaller hjælper stamcellen med at vedligeholde sig selv, og 2) vha. en specifik anatomisk opbygning – eller topografisk organisering som det hedder på fynsk – der sikrer en bestemt asymmetri af støtteceller i nichen samt kommunikation med resten af kroppen.

Skematisk oversigtsbillede af knoglemarven. Lavet af mig selv, men stærkt inspireret af en lignende tegning fra Ross, Pawline: Histology: A Text and Atlas, 2011. I næste indlæg går vi tæt på de enkelte celletyper.

Tilsammen udgør denne opbygning og de faktorer, der bliver udskilt i miljøet, den niche, der gør det muligt for stamcellen at overleve og kontinuerligt producere de enormt mange forskellige celler, der udgør blodets celler.

Kilder:

Kiel og Morrison. Uncertainty in the niches that maintain haematopoietic stem cells. Nature Reviews Immunlogy, 2008.
Nagasawa, Omatsu og Sugiyama. Control of hematopoietic stem cells by the bone marrow stromal niche:
the role of reticular cells. Trends in Immunology. 2011.
Moore et al. Stem Cells and Their Niches. Science, 2006.
Ross og Pawlina. Histology: A Text and Atlas. 2011.

Billedkilder:

Bone af Patrix/Flickr.
Fig. 247 fra Grey Anatomy of the Human Body, 1918.
Marrow Germinal Center, American Society of Hematology Image Bank.

Elektronmikroskopi billede af E. coli. Kilde: hukuzatuna/Flickr.

Hvilken bakterie er det egentlig?

På rekord tid er bakterien blevet sekventeret, og frivillige forskere har på de 4 dage siden dataerne blev lagt ud, analyseret store dele af dens genetiske opbygning. Alt foregår åbent, og er tilgængelig for amatører som mig at analyserer. Se links i bunden her.

Vi ved nu, at bakterien er en såkaldt enteroaggregativ E. coli (EAEC) af O-gruppen 104:H4 der gennem horisontal genoverførsel, har fået det såkaldte shiga toksin (mere om det længere nede) samt adskillige plasmider med antibiotika-resistent. Bakterien er faktisk resistent for 14 forskellige typer antibiotika, hvilket er skræmmende meget – det kunne tyde på, at den oprindeligt har haft kontakt til miljøer med højt antibiotika-forbrug, fx et hospital eller landbrug.

Statens Serum Institut (SSI) har på baggrund af shiga toxinets tilstedeværelse kaldt bakterien for VTEC, men dette er i min optik lidt fejlagtigt, da den nye bakterie er fylogentisk meget tættere på en anden EAEC bakterie kaldt EC55989. Den aktuelle stamme deler 96% af dens gener med denne tidligere fundet stamme. Dette understreges af, at bakterien også udtrykker agg operonet, en samling gener der udtrykkes samlet, og som hjælper bakterien til at binde sig til tarmen og højst sandsynligt også til grønsager. Operonet findes i 36% af alle EAEC bakterier.

Fylogentisk træ der sammenligner denne E. coli stamme med andre, lavet af The Alignment Gap. Klik for mere info.

Enteroaggregative E. coli’er

EAEC bakterier findes både i ulande og i den vestlige verden, men er mest kendt for, at påvirke småbørn – den nye bakterie har stort set kun påvirket voksne over 20 år, hvilket giver anledning til lidt hovedkløen. Hvorfor rammes børn ikke i samme omfang af denne nye bakterie?

Billedet viser en EAEC stamme (D, til højre) og en anden stamme (C, til venstre). EAEC stammen har en række adhærende fimbria der binder til hinanden. Kilde: Pereira et al, BMC Microbiology, 2010.

Som navnet ligger op til, aggregerer disse bakterier til hinanden og til tarmens mukøse epitel i den terminale del af ileum og hele colon. Det sker ved at udtrykke flere forskellige klæbende fimbriaer, der bedst kan beskrives som lange ”hår” på bakterien, der binder til hinanden og tarmvæggen.

Bakterien bruger fimbriaerne til, at finder sig til rette i tarmen, og producerer her biofilm, der beskytter den mod kroppens normale – og gode – bakterier samt kroppens immunforsvar. Tilhæftningen til tarm-epitelet er i celle-kulturer vist at resulterer i ødelagte mikrovilli, og resulterer i hæmoragisk nekrotisering af enterocytterne. Dette tillader bakterien, at invaderer kroppen og føre sammen med shiga toksinerne, til den blodige diarre patienter er beskrevet at have.

HHMI har lavet en fornem video der viser hvad der foregår når bakterien adhærerer til tarmvæggen, som de har lagt ud i forbindelse med epidemien. Du kan se den her.

Shiga toksin

Det der gør denne bakterie farlig er, at den har optaget et operon med shiga toksinet på. Shiga toksinet minder om et lignende toksin fra Shigella dysenteriae som det er opkaldt efter.

Shiga toxinets A og B subunit. Kilde: Wikipedia.

Shiga toksinet består af to dele: et aktivt toksin kaldt subunit A der ødelægger celler, og en del der transporterer subunit A ind i epitel-væggen på mindre blodkar, kaldt subunit B.

Når subunit A entrere cellevæggen på blodkarrene, standser den cellernes protein syntese ved at bevæge sig ind i det endoplasmatiske retikulum hvor den kløver RNA; netop vaskulært epitel skal kontinuerligt forny sig selv, så infektionen føre hurtigt til en nedbrydelse af blodkar og dermed til blødning. Et af symptomerne ved sygdommen er hurtig indsættende blodig diarre, opkast og evt. blodig urin, et par timer efter indtagelse af bakterien. Dette er evolutionært smart, da diarren vil indeholde bakterier, der så kan smitte andre.

Det skadede epitel og blødningen fører til aktiverede blodplader, der samler sig i store aggregater for at minimere skaden; samtidig kontraheres blodkarret, ligeledes for at mindske blødningen. Begge dele føre til en tilstand kaldt mikroangiopati, hvor mindre blodkar lukkes af, hvilket kan medføre iskæmi af organer såfremt nok blodkar påvirkes.

Mikroangiopati - lukning af små blodkar - farvet i sort i nyrens glomeruli. Det er her blodet renses, men shiga toksinet ødelægger glomerulien og patienten kan udvikle nyresvigt. Kilde: Boonyarit Cheunsuchon/Flickr.

Heldigvis virker toksinet ikke på de større blodkar i kroppen, men mange organer rammes alligevel – det drejer sig især om nyren, hvor blodet bliver filtreret gennem små blodkar. Blodkar i tarmen, lungerne og hjernen påvirkes også, hvilket kan medføre stigende blodtryk. Det er således forståeligt at flere patienter i TV har udtalt at de havde hovedpine. Andre neurologiske symptomer er også beskrevet og i Tyskland er enkelte åbenbart gået i koma.

Hæmolyse af røde blodceller

Bakterien har desuden generne for tre typer hæmolysiner. Hæmolysiner er proteiner der sidder i bakteriens membran, og som får røde blodceller til at går i stykker; dette sker for at bakterien kan få de næringsstoffer blodcellerne har, især jern, der kan være en limiterende faktor i bakteriens vækst. Før hospitalerne begynder at udgive data omkring patienterne, er det dog svært at vide om dette rent faktisk sker i denne bakterie-stamme, eller om den blot har generne.

Hæmolytisk uræmisk syndrom

Hæmolytisk uræmisk syndrom (HUS) opstår på baggrund af mikroangiopatien i nyrens glomeruli og destruktion af kroppens røde blodceller; HUS er netop beskrevet som en sygdom hvor blodceller ødelægges, nyren svigter og der er få blodplader i blodet. Det er altså en konsekvens af de forskellige gener som denne bakteriestamme har opsamlet, for at forbedre dens overlevelse, men som desværre kan have en dødelig udgang for den smittede.

Patienter behandles derfor bl.a. med dialyse hurtigst muligt for at undgå, at ødelægge nyren permanent. Fordi hele 627 ud af de godt og vel 2200 smittede har udviklet HUS, betegnes dette som et af de væreste E. coli udbrud i Europa nogensinde. Langt de fleste døde er dog sket i epidemiens begyndelse, og nu hvor læger ved at de skal være opmærksomme på HUS, tror jeg ikke tallet vil stige meget.

Hvor kommer den fra?

Baseret på de genetiske analyser frivillige har lavet hen over weekenden, virker det mest sandsynligt at bakterien blot er en evolutionær videreudvikling af en bakterie der sidst blev beskrevet i Tyskland i 2001 – læs især The Alignment Gap’s analyse af dette.  Imellem tiden har den blevet multiresistent overfor antibiotika og har optaget shiga toksinet. Bakterier deler genetiske informationer hele tiden, så der er intet unormalt i at dette sker. Det er evolution.

En økologisk gård i Tyskland blev først kædet sammen med udbruddet, men bakterien kan nu ikke findes der længere, hvilket gør det svært at sige om bakterien rent faktisk stammer herfra. Dens mange multiresistens-gener fortæller os dog, at den må have været udsat for et vist ”pres” for at beholde og akkumulere alle disse gener – det virker utroligt, at alle disse former for antibiotika skulle være blevet brugt i landbrug, men netop denne diskussion har kørt i Danmark for nyligt.

Links til crowd-surfing forskning omkring E. coli udbruddet:

Twitter: @BGI_Event, @mikethemadbiol, @mrrizkallah, #ecoli, #ehec og #eaec.

Samarbejde om annotering af bakterien: https://github.com/ehec-outbreak-crowdsourced/BGI-data-analysis/wiki

Blogs der dækker udbruddet:

Kat Holt
The on no sequences! Blog
David Studholme
Mike the Mad Biologist
Pathogens: Genes and Genomes
The Alignment Gap

Kilder:

EAEC plasmids og EAEC/STEC genomes, fra Kat Holt’s blog. Besøgt 6 juni 2011.
Kumar, Robbins and Cotran Pathologic Basis of Disease, 8th Edition, 2009.
Noris M og Remuzzi G, Atypical Hemolytic–Uremic Syndrome, N Engl J Med 2009.
ProMedMail.org
Era7 Bioinformatics, Escherichia coli EHEC Germany outbreak preliminary functional annotation using BG7 system. Besøgt 6 juni 2011.
Zoja C, Buelli S, Morigi M, Shiga toxin-associated hemolytic uremic syndrome: pathophysiology of endothelial dysfunction, Pediatr Nephrol. 2010.
Bernier C, Gounon P og Bouguénec CL, Identification of an Aggregative Adhesion Fimbria (AAF) Type III-Encoding Operon in Enteroaggregative Escherichia coli as a Sensitive Probe for Detecting the AAF-Encoding Operon Family, Infect Immun. 2002.
Huang J, Motto DG, Bundle DR, Sadler JE, Shiga toxin B subunits induce VWF secretion by human endothelial cells and thrombotic microangiopathy in ADAMTS13-deficient mice, Blood 2010.
Pereira AL et al, Diarrhea-associated biofilm formed by enteroaggregative Escherichia coli and aggregative Citrobacter freundii: a consortium mediated by putative F pili, BMC Microbiol. 2010.

Billeder:
E. coli af Hukuzatuna/Flickr.
Fylogentisk træ af The Alignment Gap.
Thrombotic microangiopathy af Boonyarit Cheunsuchon/Flickr.

Automatisk besked om nye tidsskrifter

De fleste videnskabelige journaler har efterhånden et RSS feed, så man let kan få besked når et nyt nummer, eller nye artikler udkommer.

Det er let at sætte op. Man skal bruge en RSS læser – jeg vil anbefale Google Reader, men der findes mange andre . For at koble tidsskriftet og Google Reader sammen klikker man sig ind på den journal, man er interesseret i, og søger efter et link der hedder noget i stil med ”RSS feed”, ”Web feed”, ”Article feed” eller har det karakteristiske RSS symbol vist til højre her i artiklen. Nogle gange skal man lede lidt efter det.

Klik ind på RSS feedet. Her kommer der som regel enten en masse tekst frem, eller et billede som et af de to der er vist herunder. Klik på Google-ikonet eller ”Subscribe now” og du skulle gerne blive transporteret til din Google konto, hvor du kan godkende, at du rent faktisk vil se dette feed fremover. Hver gang du besøger læseren vil du nu få besked, når nye artikler udkommer.

Når du har oprettet en konto på Google Reader, er det let at tilføje tidsskrifter. 1) Find tidsskriftets hjemmeside og deres RSS feed, 2) Klik på Google symbolet eller View Feed XML, 3) klik på Subscribe now og 4) Nyd de nyeste artikler fra din RSS læser.

Filtrer dine resultater

Men ak. Hvis du er ligesom mig, så føjer du alt for mange journaler til din læser og vupti – pludselig er der så meget, at det er umuligt at følge med. Enter Yahoo Pipes!

Pipes er et program, du kan sætte op til at sortere i RSS feeds (og meget andet data) og kaste et nyt filtreret resultat ud i den anden ende. Jeg har bruger det til at filtrer i en lang række journaler, så kun artikler med bestemte søgeord kommer igennem.

For at sætte det op skal du starte med at besøge Yahoo Pipes. Klik på ”My Pipes” og log ind – du kan enten oprette en Yahoo konto eller bruge din Google konto. Klik nu på ”Create a pipe”. Du kommer ind i et programmerings-miljø, hvor du hiver forskellige moduler ud på tegnebrættet, og kan sætte dem sammen som du har lyst – i dette tilfælde skal vi kun bruge to, nemlig ”Fetch Feed” (under Source) og ”Filter” (under Operators). Hiv dem ud på tegnebrættet.

Programmeringsmiljø i Pipes. Hiv Fetch Feed og Filter ud på tegnebrættet.

Åben et nyt vindue og find det RSS feed du gerne vil filtrere. Her vil jeg bare bruge Developmental Cell som eksempel – det er en fornem journal, men mange af deres artikler er ikke inden for mit interessefelt. Jeg vil i stedet bede Pipes om kun at vise mig artikler der indeholder ordene ”cancer” eller ”lymphocyt”.

Det første jeg skal gøre, er at finde deres feed. Det er lidt gemt, på journalens hjemmeside skal man først klikke Current Issue, herefter det lille RSS symbol og så på på linket under new issue and articles. I stedet for at klikke på ”Subscribe now” som når jeg gerne vil tilføje hele journalen, kopierer jeg link-adressen og sætter denne ind i ”Fetch feed” i Pipes. Dette fortæller Pipes, at jeg gerne vil bruge data fra dette feed.

Klik nu på den runde knap under ”Fetch Feed” og træk den over til ”Filter” – gør det samme fra ”Filter” ned til ”Pipe Output”.

Under Filter skal du nu vælge ”Permit” og ”Any”, således at der står ”Permit items that match any of the following”. Klik ned på ”Pipe output” og på refresh. I den grå boks under tegnebrættet burde der nu dukke en liste op – hver af disse er artikler, som ikke er filtreret endnu. Det hele skulle gerne se ud som på billedet herunder.

Nu vil jeg så gerne filtrere i de nyeste artikler fra journalen. Det foregår ved at indsætte søgeord under Rules i ”Filter” boksen. Vælg ”item.description”, ”Contains” og indtast så et søgeord. Klik på plus-ikonet og gør det samme for hvert søgeord du gerne vil have med i dit filter. Jeg tilføjer bare to, lymphocyt og cancer. Klik igen ned på ”Pipe output” og klik ”refresh”. Du burde nu se færre artikler på listen – resultatet er blevet filtreret. Du kan skrive så mange ind, du har lyst til og ændre ”any” til ”and”, hvis du gerne vil lave mere specifikke søgninger.

Oversigt over hvordan man filtrere artikler fra en journal. 1) Indsæt RSS feedets link-adresse, skrive søgeordene ind og forbind kasserne, 2) Gem din Pipe og 3) Går tilbage til Pipe oversigten og tilføjet Pipen til din Google Reader.

Klik nu på save og vælg et navn til dit filter. Vælg ”Back to my pipes”. Klik på dit nye filter og på Google symbolet eller ”Get as RSS”. Herfra foregår det på præcis samme måde, som når du henter et normal RSS feed ind i din RSS læser. Tilbage i din læser burde du nu se et feed, der minder om hvad du så i Pipe Output. På denne måde ser du kun de nye artikler tidsskriftet udgiver, der har din interesse.

Pipes kan et ton andre ting også, sikkert meget smartere jeg hvad jeg har beskrevet her, så leg endelig løs.

Når du har lavet din Pipe, skal du bare tilføje den til din RSS læser. Klik ind på din Pipe og så på Google symbolet eller "Get as RSS".