2024年了,Covid19怎么发?PANoptosis程序性死亡,抓紧上车!

说在前面

大家众所周知的新冠,其实早在19年末,20年初的时候很多人都抓住了这个热点发到了好文章,Covid-19,这玩意可以做到让一个期刊从2分飙升到20分,且非预警期刊,不过现在退火了,今年是12.7分,估计明年会到10分以下。

时至2024年,还有Covid-19的文章,PANoptosis程序性死亡的,之前有分享过常见的18种程序性死亡基因集:,PANoptosis是一种独特的先天免疫、炎症和裂解细胞死亡途径,由caspaseRIPK驱动,并受多蛋白 PANoptosome 复合物调节。

给大家分享一下这篇文章,看看具体做的什么?


今天给大家分享一篇JCR一区,Covid19的文章:PANoptosis, an indicator of COVID-19 severity and outcomes

  • 标题:PANoptosis,COVID-19 严重程度和结果的指标
  • 期刊名称:Briefings in Bioinformatics
  • 影响因子:9.5
  • JCR分区:Q1
  • 中科院分区:生物学2区Top
  • 小类:生化研究方法1区 数学与计算生物学1区

摘要

2019 年冠状病毒病 (COVID-19) 已造成严重破坏 3 年。 PANoptosis 是一种独特的且与生理相关的炎症性程序性细胞死亡,它使 COVID-19 中的细胞因子风暴和多器官损伤持续存在。尽管 PANoptosis 在宿主防御中发挥着不可或缺的作用,但仍需要进一步研究来阐明 PANoptosis 调节 COVID-19 免疫反应和预后的确切过程。本研究对在线单细胞 RNA 序列 (scRNA-seq) 和批量 RNA-seq 数据集进行了生物信息学分析,以探索 PANoptosis 作为 COVID-19 严重程度指标的潜力。支气管肺泡灌洗液(BALF)和外周血单个核细胞(PBMC)中的 PANoptosis 程度表明了 COVID-19 的严重程度。单细胞转录组学发现促炎单核细胞是 COVID-19 中 PANoptosis 的主要位点之一。该研究随后证明了这组促炎单核细胞的免疫和代谢特征。此外,分析表明地塞米松可能通过减轻全下垂来减轻 COVID-19 中的炎症。最后,研究表明,PANoptosis 相关基因可以预测住院的 COVID-19 患者的重症监护病房 (ICU) 和结果。

关键词:PANoptosis , COVID-19 ,单细胞 RNA-seq ,批量 RNA-seq

结果


COVID-19 中 PANoptosis 显着增加,并且与炎症反应相关。

  • ( A )本研究的工作流程。使用了三个单细胞 RNA-seq 数据集:BALF 数据集包括健康对照 ( N = 3) 以及中度 ( N  = 3) 和重度 ( N  = 6) COVID-19 患者; PBMC数据集涉及健康对照(N = 24)和无症状( N  = 12)、轻度(N  = 26)、中度(N  = 32)和重度(N  = 32)COVID-19 患者; PBMC-Dex 数据集损害了健康对照 ( N  = 5) 和 COVID-19 ARDS 患者,均未接受地塞米松治疗( T1 时N  = 9, T2 时N  = 5)和接受地塞米松治疗( T1 时N = 5, T2 时N  = 2),被送入 ICU。 T1表示入ICU后72小时内的第一次抽血,而T2表示T1后7天进行的后续抽血。此外,还使用了两个批量 RNA 测序数据集:一个数据集涉及非 ICU ( N  = 50) 和 ICU ( N  = 50) COVID-19 患者;而另一个数据集包括中度 ( N  = 172) 和重度终末器官损伤 ( N  = 45) COVID-19 患者。
  • ( B ) BALF 数据集中来自 COVID-19 患者和健康对照的所有细胞中关键 PANoptosis 基因的表达水平,按疾病严重程度分类。
  • ( C ) BALF 数据集中来自 COVID-19 患者和健康对照的所有细胞的 PANoptosis 评分,按疾病严重程度分类(使用双面学生t检验进行成对比较)。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( D ) BALF 数据集中来自重症 COVID-19 患者的所有细胞的 PANoptosis 评分,按结果分类(使用双面学生t检验进行成对比较)。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( E ) 热图显示 BALF 数据集中的 COVID-19 患者和健康对照的所有细胞中 PANoptosis 评分与炎症细胞因子之间的相关性。显示Spearman 相关系数和精确的两侧P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( F ) PBMC 数据集中来自 COVID-19 患者和健康对照的所有细胞中关键 PANoptosis 基因的表达水平,按疾病严重程度分类。
  • (G) PBMC 数据集中来自 COVID-19 患者和健康对照的所有细胞的 PANoptosis 评分,按疾病严重程度分类(使用双面学生t检验进行成对比较)。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( H ) PBMC 数据集中来自重症 COVID-19 患者的所有细胞的 PANoptosis 评分,按结果分类(使用双面学生t检验进行成对比较)。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( I ) 热图显示 PBMC 数据集中来自 COVID-19 患者和健康对照的所有细胞中 PANoptosis 评分与炎症细胞因子之间的相关性。显示Spearman 相关系数和精确的两侧P值。


全凋亡主要发生在促炎单核细胞中。

  • ( A ) UMAP 嵌入说明了 BALF 数据集中来自 COVID-19 患者和健康对照的所有细胞。从 12 个生物学独立样本中总共绘制了 72 174 个细胞。
  • ( B ) UMAP 嵌入显示 PBMC 数据集中来自 COVID-19 患者和健康对照的所有细胞,颜色表示手动细胞类型注释。从 126 个生物学独立样本中总共绘制了 619 008 个细胞。
  • ( C ) BALF 数据集中来自 COVID-19 患者和健康对照的每个细胞亚群的 PANoptosis 评分。显示了 Kruskal-Wallis 检验的精确P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( D ) PBMC 数据集中来自 COVID-19 患者和健康对照的每个细胞亚群的 PANoptosis 评分。显示了 Kruskal-Wallis 检验的精确P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( E ) BALF 数据集中来自 COVID-19 患者和健康对照的不同单核细胞亚群的 PANoptosis 评分。使用Student’s t检验确定精确的P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( F ) PBMC 数据集中来自 COVID-19 患者和健康对照的不同单核细胞亚群的 PANoptosis 评分。使用Student’s t检验确定精确的P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( G ) BALF 数据集中每个疾病严重程度类别中单核细胞亚群的比例。
  • ( H ) PBMC 数据集中每个疾病严重程度类别中单核细胞亚群的比例。


促炎单核细胞中全凋亡的程度反映了疾病的严重程度和炎症状况。

  • ( A ) BALF 数据集中来自 COVID-19 患者和健康对照的促炎单核细胞中关键 PANoptosis 基因的表达水平,按疾病严重程度分类。
  • ( B ) BALF 数据集中来自 COVID-19 患者和健康对照的促炎性单核细胞的 PANoptosis 评分,按疾病严重程度分类(使用两侧学生t检验进行成对比较)。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( C ) BALF 数据集中来自重症 COVID-19 患者的促炎性单核细胞的 PANoptosis 评分,按结果分类(使用双面学生t检验进行成对比较)。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( D ) 热图显示 BALF 数据集中的 PANoptosis 评分与来自 COVID-19 患者和健康对照的促炎单核细胞中的炎症细胞因子之间的相关性。显示Spearman 相关系数和精确的两侧P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( E ) PBMC 数据集中来自 COVID-19 患者和健康对照的促炎单核细胞的关键 PANoptosis 基因的表达水平,按疾病严重程度分类。
  • ( F ) PBMC 数据集中来自 COVID-19 患者和健康对照的促炎单核细胞的 PANoptosis 评分,按疾病严重程度分类(使用两侧学生t检验进行成对比较)。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( G ) PBMC 数据集中来自重症 COVID-19 患者的促炎性单核细胞的 PANoptosis 评分,按结果分类(使用两侧学生t检验进行成对比较)。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( H ) 热图说明 PBMC 数据集中的 PANoptosis 评分与来自 COVID-19 患者和健康对照的促炎单核细胞中的炎症细胞因子之间的相关性。


地塞米松治疗 COVID-19 可抑制全视神经下垂。

  • ( A ) T1 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 的所有细胞的 PANoptosis 评分,按治疗组分类(使用双面学生t检验进行成对比较)。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( B ) T2 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 的所有细胞的 PANoptosis 评分,按治疗组分类(使用双面学生t检验进行成对比较)。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( C ) T1 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 的所有细胞中炎症细胞因子的表达水平,按治疗组分类。
  • ( D ) T2 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 的所有细胞中炎症细胞因子的表达水平,按治疗组分类。
  • ( E ) UMAP 嵌入,显示 T1 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 的单核细胞。从 19 个生物学独立样本中总共绘制了 3202 个细胞。
  • ( F ) UMAP 嵌入说明 T2 时 PBMC-Dex 数据集中来自健康对照和 COVID-19 患者的单核细胞。从 12 个生物学独立样本中总共绘制了 3027 个细胞。
  • ( G ) PBMC-Dex 数据集中 T1 时不同治疗组中单核细胞亚群的比例。
  • ( H ) PBMC-Dex 数据集中 T2 时不同治疗组中单核细胞亚群的比例。
  • ( I ) PBMC-Dex 数据集中健康对照和 COVID-19 患者在 T1 时的促炎单核细胞 PANoptosis 评分,按治疗组分类。显示了学生t检验的精确P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( J ) PBMC-Dex 数据集中 T2 时 COVID-19 患者促炎性单核细胞的 PANoptosis 评分,按治疗组分类。显示了学生t检验的精确P值。使用 Seurat (v4.2.0) 的 AddModuleScore() 函数计算 PANoptosis 分数。
  • ( K ) PBMC-Dex 数据集中 T1 时 COVID-19 患者促炎单核细胞炎症细胞因子的表达水平,按治疗组分类。
  • ( L ) PBMC-Dex 数据集中 T2 时 COVID-19 患者促炎单核细胞炎症细胞因子的表达水平,按治疗组分类。


COVID-19感染中促炎单核细胞的免疫和代谢特征。

  • ( A – B ) 热图显示了促炎性单核细胞与每种 COVID-19 严重程度内的所有其他单核细胞相比,普遍上调的基因本体 (GO) 通路 ( A ) 和京都基因和基因组百科全书 (KEGG) 通路 ( B ),分别针对 BALF 和 PBMC 数据集。所有提出的路径均在P <0.05 置信水平下达到统计显着性,这是使用 Seurat 实施的 Wilcoxon 秩和检验确定的。
  • ( C – D ) 点图显示了在PBMC-Dex 内T1 ( C ) 和 T2 ( D )时,与非地塞米松治疗的 COVID-19 ARDS 中的所有其他单核细胞相比,促炎单核细胞中前 10 个特异性上调的 GO 通路数据集。
  • ( E – F ) 点图显示与健康对照的促炎单核细胞相比,每种 COVID-19 严重程度的促炎单核细胞中普遍上调的 GO 通路 ( E ) 和 KEGG 通路 ( F ),分别针对 BALF 和 PBMC 数据集。色标代表调整后的P值。所有显示的路径均达到P <0.05 置信水平的统计显着性,这是使用 Seurat 实施的 Wilcoxon 秩和检验确定的。
  • ( G ) 热图显示了 PBMC-Dex 数据集中的促炎单核细胞在 COVID-19 中上调并随后在地塞米松治疗后下调的代谢途径。热图色标表示使用 R 包 scMetabolism 和“AUCell”方法计算得出的 KEGG 分数。
  • ( H ) 热图显示了 PBMC-Dex 数据集中的促炎单核细胞在 COVID-19 中下调并随后在地塞米松治疗后上调的代谢途径。热图色标表示使用 R 包 scMetabolism 和“AUCell”方法计算得出的 KEGG 分数。


PANoptosis 预测了住院 COVID-19 患者的 ICU 入住情况和结果。

  • ( A ) 描述 GSE157103 的批量 RNA seq 数据分析的工作流程。使用 13 个 PANoptosis 基因(ZBP1、NLRP3、PYCARD、CASP1、CASP8、FADD、RIPK1、RIPK3、GSDMD、CASP3、CASP6、CASP7、MLKL)构建套索回归模型。进行K倍交叉验证(k  = 5,次数 = 5)以评估模型的稳定性和普遍性。
  • ( B ) 在对 GSE157103 的批量 RNA-seq 数据进行 5 倍交叉验证期间,包含在套索回归模型中的 PANoptosis 基因的平均套索回归系数。
  • ( C ) 具有 13 个 PANoptosis 基因的 lasso 回归模型的交叉验证结果。该表显示了使用来自批量 RNA-seq 数据集 GSE157103 的 13 个 PANoptosis 基因构建的 lasso 回归模型的交叉验证结果。它包含三列:Fold、训练集的 AUC(曲线下面积)和测试集的 AUC。 “折叠”列列出了五个单独折叠的名称(折叠 1 到折叠 5),“平均值”行表示这些折叠的平均值。 “训练集的 AUC”列包含为每个折叠的训练集计算的平均 AUC 值,而“平均值”行显示总体平均训练 AUC 值。类似地,“测试集的 AUC”列包含为每个折叠的测试集计算的平均 AUC 值,“平均值”行提供总体平均测试 AUC 值。
  • ( D ) 描述 GSE215865 的批量 RNA seq 数据分析的工作流程。使用 13 个 PANoptosis 基因(ZBP1、NLRP3、PYCARD、CASP1、CASP8、FADD、RIPK1、RIPK3、GSDMD、CASP3、CASP6、CASP7、MLKL)构建套索回归模型。进行K倍交叉验证(k  = 5,次数 = 5)以评估模型的稳定性和普遍性。
  • ( E ) 在对 GSE215865 的批量 RNA-seq 数据进行 5 倍交叉验证期间,包含在套索回归模型中的 PANoptosis 基因的平均套索回归系数。
  • (F) 具有 13 个 PANoptosis 基因的套索回归模型的交叉验证结果。该表显示了使用来自批量 RNA-seq 数据集 GSE215865 的 13 个 PANoptosis 基因构建的 lasso 回归模型的交叉验证结果。它包含三列:Fold、训练集的 AUC(曲线下面积)和测试集的 AUC。 “折叠”列列出了五个单独折叠的名称(折叠 1 到折叠 5),“平均值”行表示这些折叠的平均值。 “训练集的 AUC”列包含为每个折叠的训练集计算的平均 AUC 值,而“平均值”行显示总体平均训练 AUC 值。类似地,“测试集的 AUC”列包含为每个折叠的测试集计算的平均 AUC 值,“平均值”行提供总体平均测试 AUC 值。


PANoptosis 介导 COVID-19 发病机制的示意图。 PANoptosis 介导 COVID-19 中的细胞因子风暴和多器官损伤。与健康对照相比,在 COVID-19 中观察到 PANoptosis 水平升高,且 PANoptosis 的程度与疾病严重程度呈正相关。 PANoptosis 在中度 COVID-19 病例中达到顶峰,随后在重症患者中减少,这可能是由于疾病晚期的免疫衰竭所致。促炎性单核细胞成为 COVID-19 中全凋亡的主要部位之一,在感染期间从血流迁移到肺部以执行免疫防御功能。此外,皮质类固醇治疗被发现可以通过减轻全视下垂来减轻 COVID-19 中的过度炎症。

小结

  • 主要数据及方法:
TypesNotes
分析数据scRNA:GSE145926 (BALF) 、GSE157789 (PBMC-Dex) ;BulkRNA:GSE157103、GSE215865
分析方法单细胞标准流程;Ucell基因集评分;GOKEGG富集;scMetabolism代谢分析;bulk的数据作LASSO回归建立分类评分模型

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/12387.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数据结构(十四)----排序算法(1)

目录 一.排序的基本概念 二.插入排序 1.直接插入排序 2.折半插入排序 三.希尔排序&#xff08;Shell Sort&#xff09; 四.交换排序 1.冒泡排序 2.快速排序 快速排序算法的效率&#xff1a; 快速排序算法的稳定性&#xff1a; 这一篇博客的重点主要是快速排序&#x…

2024小红书电商实战营,养号打造IP/选爆品/开店铺/爆款笔记/等等(24节)

我们非常荣幸地为大家带来2024小红书电商实战营的第一期&#xff0c;在这里我们将带领大家一起深入学习如何利用小红书平台&#xff0c;实现个人品牌的发展和商业利益的增长。 首先&#xff0c;我们将讨论养号的重要性以及如何打造个人品牌。无论是建立自己的受众群体还是提高…

微信小程序知识点归纳(一)

前言&#xff1a;适用于有一定基础的前端开发同学&#xff0c;完成从网页开发到小程序开发的知识转换。 先立框架&#xff0c;后砌墙壁 回顾&#xff1a;了解微信小程序开发流程-CSDN博客 初始页面结构&#xff0c;三部分pages、utils、配置&#xff0c;分别存放页面、工具类…

拜登的iCloud被黑了? | 安全事件19

NEWS YOU 亨特拜登的iCloud疑似被黑&#xff0c;事件已得到美国特勤局的关注&#xff08;cnBeta&#xff09; 美国特勤局表示&#xff0c;该局和其他联邦机构都知道亨特拜登&#xff08;第46任美国总统乔拜登的次子&#xff09;的iCloud账户疑似被黑&#xff0c;但不清楚他们…

【解决】Unity Build 应用程序运行即崩溃问题

开发平台&#xff1a;Unity 2021.3.7f1c1   一、问题描述 编辑器 Build 工程结束&#xff0c;但控制台 未显示 Build completed with a result of Succeeded [时间长度] 信息。该情况下打包流程正常&#xff0c;但应用程序包打开即崩溃。   二、问题测试记录 测试1&#xf…

try/except/else/finally块的作用。

在许多编程语言中&#xff0c;try/except/else/finally块是用来处理异常的重要结构&#xff0c;它们允许程序在遇到错误时以一种更为可控和预期的方式进行响应。以下是这些块的详细解释和作用&#xff1a; ### try 块 try块是用于包围可能引发异常的代码的区域。当执行流程进…

百面算法工程师 | 传统图像处理——OpenCV

本文给大家带来的百面算法工程师是传统图像处理的面试总结&#xff0c;文章内总结了常见的提问问题&#xff0c;旨在为广大学子模拟出更贴合实际的面试问答场景。在这篇文章中&#xff0c;我们将总结一些几何变换和图像平滑处理&#xff0c;并提供参考的回答及其理论基础&#…

携手生态伙伴破局产业发展,神州鲲泰驶入信创“深水区”

近年来&#xff0c;面对日趋复杂的竞争形势和日益升级的创新需求&#xff0c;信创产业发展进程不断提速。当下&#xff0c;政企、金融、运营商、能源行业在追求自身业务软硬件的多元化发展。与此同时&#xff0c;信创产业也在逐步向其它行业渗透&#xff0c;带动大信创的万亿级…

C++自定义日期类的精彩之旅(详解)

在学习了C的6个默认成员函数后&#xff0c;我们现在动手实现一个完整的日期类&#xff0c;来加强对这6个默认成员函数的认识。 这是日期类中所包含的成员函数和成员变量&#xff1a; 构造函数 // 函数&#xff1a;获取某年某月的天数 inline int GetMonthDay(int yea…

常见磁盘分区问题

给磁盘分区有几个主要的原因&#xff1a; 组织和管理数据&#xff1a;分区可以帮助用户更好地组织和管理数据。例如&#xff0c;你可以在一个分区上安装操作系统&#xff0c;而在另一个分区上存储个人文件。这样&#xff0c;即使操作系统崩溃或需要重新安装&#xff0c;你的个…

Docker 使用 Fedora 镜像

Fedora 在 Docker 中的使用也非常简单&#xff0c;直接使用命令 docker run -it fedora:latest bash 就可以 pull 到本地的容器中并且运行。 C:\Users\yhu>docker run -it fedora:latest bash Unable to find image fedora:latest locally latest: Pulling from library/fed…

【瑞萨RA6M3】2. UART 实验

https://blog.csdn.net/qq_35181236/article/details/132789258 使用 uart9 配置 打印 void hal_entry(void) {/* TODO: add your own code here */fsp_err_t err;uint8_t c;/* 配置串口 */err g_uart9.p_api->open(g_uart9.p_ctrl, g_uart9.p_cfg);while (1){g_uart9.…

HQChart实战教程72-美股盘前,盘中,盘后分时图

HQChart实战教程72-美股盘前,盘中,盘后分时图 美股交易时间段HQChart效果盘前盘中盘后全部HQChart插件地址实现步骤1. 股票代码增加2级后缀2. 创建交易时间段4. 重载分时图X轴刻度完整示例代码美股交易时间段 在美国东部时间上午9:30至下午4:00的正常交易时间之外,投资者可以…

前端起dev从110秒减少到7秒, 开发体验大幅提升

[webpack由浅入深]系列的内容 第一层: 了解一个小功能的完整流程. 看完可以满足好奇心和应付原理级别面试.第二层: 源码陪读, webpack源码比较灵活, 自己看容易陷入迷惑. 文章里会贴出关键流程的代码来辅助阅读源码. 如果你正在自己调试, 在这些方法上下断点会节约你宝贵的时间…

Java 语言的“编译与解释并存”

Java 语言被称为“编译与解释并存”&#xff0c;是因为它结合了编译型语言和解释型语言的特点&#xff0c;具有独特的运行机制。这个特点是由 Java 的编译器和 Java 虚拟机 (JVM) 共同实现的。下面我们详细剖析这一过程&#xff0c;并通过具体示例进行说明。 编译与解释的过程…

2024护网蓝队面试题

2024护网蓝队面试题 一. 目前有防火墙&#xff0c;全流量检测&#xff0c;态势感知&#xff0c;IDS&#xff0c;waf&#xff0c;web服务器等设备&#xff0c;如何搭建一个安全的内网环境&#xff0c;请给出大概拓扑结构 &#xff08;适用于中高级&#xff09; 1.1 全流量与态…

根据ip限制接口访问次数

前言 我们利用redis去实现这个功能&#xff0c;redis的天然高并发和内存单线程速度拉满&#xff0c;非常适合做这个场景。为了可用性&#xff0c;我们把它封装成注解形式&#xff0c;哪个接口想被根据ip限制接口访问次数&#xff0c;直接标注上注解即可。 一、添加配置 在yaml…

mysql的隔离性——MVCC

MVCC通过undolog版本链和readview来实现 更新和删除时会写入undolog中。 读已提交&#xff1a;在事务任意读时创建readview&#xff0c;读最新提交的事务 可重复读&#xff1a;在事务第一次读时创建readview

【opencv】图像畸变校正

接上篇文章&#xff1a;【鱼眼&#xff0b;普通相机】相机标定 附代码&#xff1a; 方法一&#xff1a; 使用cv2.undistort """Create May 11, 2024author Wang Jiajun """import cv2 import numpy as npdef correct(img,camera_fileE:/cali…