Ce rapport décrit une méthode impliquant un script R dans le logiciel open source RStudio pour analyser des ensembles de données à grande échelle obtenus à partir d’expériences de séries chronologiques.
Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.
Article de méthode
Une analyse R conviviale et puissante des ensembles de données à grande échelle
Dans cet article
Résumé
Résumé
Les grands ensembles de données sont de plus en plus courants dans le domaine scientifique. Il est important de développer des outils conviviaux pour permettre aux chercheurs d’analyser facilement ces grands ensembles de données. Ici, nous introduisons une méthode impliquant un script R dans le logiciel open source RStudio pour analyser des ensembles de données à grande échelle obtenus à partir d’expériences de séries temporelles. Cette méthode nécessite une intervention minimale de la part de l’utilisateur, ce qui permet à un débutant qui n’a pas de connaissances préalables de R ou d’expérience en programmation de l’utiliser. Les instructions détaillées décrites ici et dans le script R guideront davantage les utilisateurs sur la façon d’utiliser la méthode. Les données d’entrée et les résultats de sortie sont stockés dans le même dossier d’un ordinateur local, ce qui permet d’effectuer l’analyse n’importe où et n’importe quand. Les résultats sont organisés dans des dossiers pour une interprétation facile, et ils peuvent être facilement traités pour générer des chiffres pour les publications. Cette méthode a été utilisée avec succès pour analyser les données de l’horloge circadienne et les données d’explosion des espèces réactives de l’oxygène, toutes deux contenant des ensembles de données à grande échelle provenant d’expériences de séries chronologiques dans un format de plaque à 96 puits. Nous pensons que cette méthode fournit une solution facile et puissante pour les chercheurs dans l’analyse de grands ensembles de données similaires obtenus par des expériences de séries chronologiques.
Introduction
Avec la disponibilité accrue de grands ensembles de données dans le domaine scientifique, il est important de développer des outils conviviaux pour permettre aux chercheurs d’analyser rapidement ces grands ensembles de données avec précision et facilité. L’un des types de grands ensembles de données communs provient de l’utilisation du gène de la luciférase comme rapporteur, ce qui a permis un examen facile, continu et non invasif de l’expression des gènes dans les cellules et les organismes vivants. L’automatisation de l’enregistrement de la luminescence a transformé la mesure de la luminescence de la luciférase et a conduit à une expansion de la collecte de données, en particulier dans le champ de l’horloge circadienne 1,2. À l’aide de microplaques à 96 puits et d’un lecteur automatique de plaques avec un empileur, des milliers d’échantillons exprimant le gène de la luciférase peuvent être analysés individuellement en séries chronologiques, parfois à des intervalles d’une heure pendant des jours, dans une seule expérience. De telles expériences à haut débit ont abouti à la production de grands ensembles de données que les expériences traditionnelles d’expression génique utilisant la collecte d’échantillons à la main, suivie d’un traitement de l’ARN, ne pourraient pas atteindre. Il est important d’analyser de tels ensembles de données en temps opportun, mais cela peut s’avérer difficile.
Bien qu’il existe une pléthore d’outils pour analyser les données pour la rythmique, de nombreux outils analysent les tests basés sur le comportement animal plutôt que l’expression rapporteuse de luminescence 3,4,5,6,7 (tableau supplémentaire S1). Certains outils nécessitent que les chercheurs aient des compétences préalables en programmation informatique, telles que des compétences en Python ou un accès à MATLAB. D’autres outils nécessitent l’achat d’un logiciel, ce qui peut s’avérer coûteux. Certaines solutions pratiques gratuites sont disponibles en ligne. L’un de ces outils est BioDare28, qui offre une variété de méthodes différentes pour analyser les données de rythmique. BioDare2 est un outil en ligne convivial qui nécessite une expertise informatique minimale. Les utilisateurs doivent télécharger les données saisies en ligne et télécharger les données sortantes de l’interface en ligne pour un traitement ultérieur.
Ici, nous présentons des scripts R conviviaux avec de multiples capacités pour analyser facilement des ensembles de données à grande échelle. Nous utilisons le logiciel gratuit et open-source RStudio9, une interface pour R et Python, pour exécuter les scripts. RStudio peut être utilisé sur divers systèmes informatiques, notamment Windows, Mac et Linux. Dans ce rapport, des instructions détaillées sont fournies pour guider les utilisateurs sur la façon d’utiliser les scripts R, en particulier dans les sections 1 et 2 du protocole. Cette méthode nécessite une intervention minimale de la part de l’utilisateur. Un débutant qui n’a pas de connaissances préalables en R et qui n’a aucune expérience en programmation sera capable d’utiliser la méthode pour analyser de grands ensembles de données à partir d’essais de luciférase ou d’autres types d’ensembles de données avec des données de séries chronologiques. Toutes les données d’entrée et de sortie sont stockées sur un ordinateur local, de sorte qu’une analyse peut être effectuée n’importe où sans restriction d’accès à Internet, une fois que tous les packages R pertinents sont téléchargés pour la première fois. Les données de sortie sont triées dans des dossiers bien organisés avec des résultats prêts à être traités pour les publications. Des analyses statistiques sont également incluses dans le produit afin de fournir une évaluation rapide des différences entre les échantillons. Ainsi, la méthode R pourrait fournir une solution facile et puissante pour les chercheurs dans l’analyse de grands ensembles de données.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Protocole
1. Analyse de l’horloge circadienne basée sur la luciférase
- Dispositif expérimental pour le dosage de la luciférase
REMARQUE : Le dosage de la luciférase est une méthode couramment utilisée pour évaluer l’activité de l’horloge circadienne en temps réel. La luminescence, émise par le rapporteur de luciférase transportée par des organismes et/ou des cellules transgéniques vivants, peut être enregistrée automatiquement, ce qui conduit à la production d’ensembles de données de séries chronologiques à grande échelle. Notre laboratoire utilise principalement des plantules d’Arabidopsis thaliana exprimant le gène de la luciférase en tant que rapporteur. Les figures 1 et 2 montrent un organigramme de la configuration expérimentale typique pour le test de la luciférase avec des plantules dans un format de 96 puits dans notre laboratoire, modifié sur la base d’une description précédente2.- Stérilisez les graines avec de la vapeur d’eau de Javel générée en ajoutant 3 ml de HCl à 36 % (p/p) à 100 ml d’eau de Javel domestique dans un bécher pendant 3 h. Placez le bécher dans une cloche avec un couvercle scellé, placé dans une hotte chimique. Après la stérilisation, plaquez les graines sur des plaques 1/2MS contenant 0,5 % de saccharose et 0,8 % de gélose (pH 5,7), à l’aide d’une pipette Pasteur en verre stérile, dans une armoire à flux laminaire. Recueillez les déchets chimiques dans un bocal avec un couvercle et éliminez-les en travaillant avec le service de santé environnementale de l’établissement.
- Mettez les plaques à 4 °C pendant 2 jours avant de les déplacer dans une chambre de culture tissulaire avec un cycle de lumière de 12 h et 12 h de lumière sombre (LD).
- Laissez pousser les semis pendant 4 jours en LD.
- Transférer les semis dans une plaque à 96 puits ; chaque puits contenait 180 μL de milieu de dosage (1/2MS, 0,5 % de saccharose, 0,4 % de gélose, 0,25 mM de luciférine). Placez les plaques pendant 1 jour en LD suivi d'1 jour en 24 h de lumière constante (LL).
- Ajoutez des traitements ou une solution fictive aux puits et enregistrez la luminescence à des intervalles de 1 h pendant 5 à 7 jours dans LL. Réglez la lentille du filtre d’émission à 3 600 pour le gain et le temps de l’intervalle de mesure à 1 s.
REMARQUE : L’heure de début de l’enregistrement peut être à tout moment. Cependant, comme le script R ne prend que des entiers (nombres entiers), les intervalles d’enregistrement doivent être un nombre entier. Par exemple, un intervalle de 1 h est autorisé, mais un intervalle de 15 minutes n’est pas autorisé pour le script R. - À la fin de l’enregistrement, prenez une photo de la plaque pour enregistrer la croissance des plantules.
- Enregistrez les données brutes sous forme de fichier CSV pour l’analyse R, à l’aide de la fonction d’enregistrement avec le logiciel d’analyse de données pour le lecteur de plaques.
- Explication par étapes de l’analyse R des données circadiennes basées sur la luciférase
REMARQUE : Cette analyse R utilise le script RDossier supplémentaire 1(LUC_2025.R), développé pour l’analyse des données circadiennes, et le fichier d’entréeDossier supplémentaire 2(NO7.csv). Le script R ainsi que le fichier d’entrée sont accessibles au public via la plateforme de dépôt en ligne Github (https://github.com/elvenfire29/Circadian-Luciferase-Analysis).- Téléchargez le logiciel RStudio compatible avec le système informatique 9,10.
- Téléchargez les packages algorithmiques RStudio requis par le fichier supplémentaire 1 (LUC_2025.R) : MetaCycle11 : algorithme ARSER12 du package MetaCycle, ggplot213, dplyr14, magrittr15, stringr16, filesstrings17, circular18, AICcmodavg19 et broom20.
REMARQUE : Voir aussi le haut du script R pour la liste des paquets. - Modifier l’entrée utilisateur I (en fonction d’un ensemble de données spécifique sur un ordinateur local, y compris le répertoire de travail, le nom du fichier d’entrée, les étiquettes des traitements et l’heure de début relative du test.
REMARQUE : Les étapes 1.2.1 et 1.2.2 ne doivent être effectuées qu’une seule fois. après quoi, la console de l’interface RStudio est prête à prendre en charge les entrées de l’utilisateur, avec des modifications pour chaque nouvelle analyse. La section Saisie de l’utilisateur comporte deux parties (figure supplémentaire S1).- Sélectionnez le répertoire de travail. Indiquez l’emplacement du fichier d’entrée. Le même dossier sera l’emplacement des fichiers de sortie.
- Sélectionnez le fichier d’entrée, un fichier CSV correctement formaté pour le script R (Figure 2B). Plus précisément, la rangée du haut contient la série chronologique, et la première colonne contient les positions individuelles des échantillons sur une plaque de 96 puits.
REMARQUE : Un exemple d’un tel fichier CSV d’entrée se trouve dans le Fichier supplémentaire 2 (NO7.csv). - Nommez les échantillons et/ou les traitements. Comme cette analyse est utilisée pour des données obtenues à partir de 96 puits avec une trajectoire temporelle, concevez les expériences comme 8 répétitions par traitement pour un total de 12 traitements par boîte, ou comme 12 répétitions par traitement pour un total de 8 traitements par plaque. Assurez-vous d’entrer le bon nombre d’échantillons, soit 8 ou 12, car le nombre d’échantillons compte ; Si le nombre d’échantillons n’est pas de 8 ou 12, le code ne s’exécutera pas. Cependant, s’il y a des rangées de puits vides, il suffit de les lister comme tels dans l’espace pour les noms de traitement, par exemple, en les nommant comme vides 1, vides 2...
REMARQUE : Pour les exemples de noms, il faut éviter d’utiliser des barres obliques inverses ou des symboles similaires car ils peuvent causer des problèmes de nom de fichier. De plus, il faut également éviter d’utiliser « NA » comme étiquette lors de la sélection d’utiliser l’ANOVA dans l’entrée utilisateur II. Tous les traitements portant exactement le même nom seront combinés en un grand groupe de traitement. - Indiquez l’heure de début relative du dosage. Pour une journée donnée de 24 h, l’aube subjective est le moment où la lumière de la chambre est allumée pendant un cycle normal de lumière/obscurité. Par exemple, si la lumière est allumée à 7 heures du matin, considérez cette heure comme l’heure circadienne 0. Si un test de luciférase commence à 9 heures, le moment du test est au temps circadien 2 ; Entrez 2 comme heure de début relative.
REMARQUE : L’heure de début relative doit être un nombre entier et ne peut pas être négative. Cela affectera la lecture de phase des échantillons.
- Modifiez les options de User Input II en fonction de vos besoins spécifiques.
REMARQUE : Les instructions ci-dessous fournissent une explication plus détaillée des sections Entrée de l’utilisateur et un guide étape par étape pour effectuer les modifications.- Incluez des graphiques : courbes de luminescence, tracés pour la période, la phase et l’amplitude par génotype et par traitement.
- Utilisez le test ANOVA avec le HSD de Tukey pour comparer les traitements en fonction de leur période, de leur phase et de leur amplitude. Choisissez une commande pour la sortie du test ANOVA ; spécifiez le contrôle pour le test ANOVA ou laissez l’option vide pour utiliser chaque traitement comme contrôle dans la comparaison par paires. Vous pouvez également choisir de numéroter les fichiers de sortie ANOVA pour une référence et une organisation plus rapides.
- Utilisez un test t pour comparer les traitements en fonction de leur période, de leur phase et de leur amplitude. Choisissez si le test t doit être une comparaison par paires ; Si un test T par paires est sélectionné, indiquez si les données sont appariées. Choisissez une commande pour le test t ; Spécifiez la commande pour le test t ou laissez l’option vide pour utiliser chaque traitement comme contrôle. Choisissez de numéroter ou non les fichiers de sortie du test t pour une référence et une organisation plus rapides.
REMARQUE : Cela ne doit être utilisé que pour comparer deux traitements à la fois, tels que deux lignées du même génotype avec SA ou Mock ajouté. Les valeurs p indiquées ne sont pas ajustées pour tenir compte de plusieurs comparaisons avec la même ligne. - Choisissez d’arrondir ou non les points temporels. Si les points temporels ne sont décalés que d’une minute ou deux, arrondissez à l’heure la plus proche et utilisez cette analyse.
REMARQUE : Ce code calcule la période, la phase et l’amplitude à l’aide de la méthode ARS12. Cette méthode nécessite une série chronologique cohérente en heures pour s’exécuter. - Selon la façon dont le lecteur de plaques enregistre les puits, modifiez la façon dont l’entrée est lue. Choisissez soit la liste standard des données des puits par A1, A2, A3... ou celle des puits répertoriés par A1, B1, C1...
- Exécutez l’analyse en cliquant simplement sur le bouton Source dans le coin supérieur droit de la console.
REMARQUE : L’analyse prend moins de 1 min. La sortie de l’analyse R apparaîtra automatiquement dans le même dossier de fichiers que le jeu de données d’entrée. - Afficher la sortie : Le dossier de sortie contient plusieurs documents et sous-dossiers pour fournir une analyse complète, y compris des informations statistiques sur la période, la phase et l’amplitude moyennes pour les répétitions de chaque génotype et/ou traitement.
REMARQUE : Pour le fichier d’entrée Fichier supplémentaire 2 (NO7.csv), une liste des documents de sortie générés par le script Fichier supplémentaire 1 (LUC_2025.R) dans la section 1 du protocole est décrite dans le Tableau 1 et peut être facilement visualisée avec l’arborescence de la figure supplémentaire S2.
2. Dosage des ROS à base de luminol
- Dispositif expérimental pour le dosage des ROS
- Coupez des disques foliaires de 4 mm de diamètre de la quatrième à la septième feuille de plantes âgées de 25 jours à l’aide d’un perforateur à biopsie.
- Faites flotter les disques foliaires avec le côté poilu vers le haut sur 100 μL d’eau stérile dans une plaque à 96 puits.
- Couvrez la plaque d’une feuille d’aluminium propre et placez-la dans une chambre de croissance LD pendant la nuit.
- Remplacer l’eau par 100 μL de solution de luminol (300 μM dans un tampon MOPS de 10 mM avec un pH de 7,4 et 1 μM flg22 ou un autre éliciteur). Utilisez une solution fictive à la place de flg22 comme contrôle.
- Commencez immédiatement à enregistrer les lectures de luminescence toutes les minutes pendant 40 à 60 minutes.
- Explication par étapes de l’analyse R des données ROS
REMARQUE : Cette analyse R utilise Rstudio, le script R, le fichier supplémentaire 3 (ROS_2025.R) et les fichiers d’entrée Fichier supplémentaire 4 (ROS_flg22.csv) ou Fichier supplémentaire 5 (ROS_elf26.csv). Le script R ainsi que le fichier d’entrée Supplemental File 4 (ROS_flg22.csv) sont accessibles au public via la plateforme de dépôt en ligne Github (https://github.com/elvenfire29/ROS-Luminol-Analysis)- Téléchargez les paquets RStudio : gplot213, dplyr14, magrittr15, stringr16 et filesstrings17.
REMARQUE : Les étapes 2.2.1 ne doivent être effectuées qu’une seule fois. Pour aider les utilisateurs à adapter chaque analyse à un ensemble spécifique de données sur l’ordinateur, une section appelée « Entrée de l’utilisateur » a été créée pour permettre aux utilisateurs d’indiquer des paramètres spécifiques pour leurs expériences (figure supplémentaire S3). - Modifiez l’entrée utilisateur I en fonction d’un ensemble de données spécifique sur un ordinateur local, y compris le répertoire de travail, le nom du fichier d’entrée, les étiquettes des traitements et l’heure de début relative du test.
- Sélectionnez le répertoire de travail. Indiquez l’emplacement du fichier d’entrée. Le même dossier sera l’emplacement des fichiers de sortie.
- Sélectionnez le fichier d’entrée, un fichier CSV correctement formaté pour le script R (Figure 2B). Plus précisément, la rangée du haut contient la série chronologique, et la première colonne contient les positions individuelles des échantillons sur une plaque de 96 puits.
REMARQUE : Un exemple d’un tel fichier CSV d’entrée se trouve dans le matériel supplémentaire, le fichier supplémentaire 4 (ROS_flg22.csv) ou le fichier supplémentaire 5 (ROS_elf26.csv). - Nommez les échantillons et/ou les traitements. Comme cette analyse est utilisée pour des données obtenues à partir de 96 puits avec une trajectoire temporelle, concevez les expériences comme 8 répétitions par traitement pour un total de 12 traitements par boîte, ou comme 12 répétitions par traitement pour un total de 8 traitements par plaque. S’il y a des rangées de puits vides, il suffit de les lister comme tels dans l’espace réservé aux noms de traitement, par exemple, en les nommant comme vides 1, vides 2...
REMARQUE : Il est important d’entrer le bon nombre d’échantillons, soit 8 ou 12, car le nombre d’échantillons compte. Si le nombre d’échantillons n’est pas de 8 ou 12, le code ne s’exécutera pas. Pour les exemples de noms, évitez d’utiliser des barres obliques inverses ou des symboles similaires, car ils peuvent causer des problèmes de noms de fichiers. Évitez également d’utiliser « NA » comme étiquette lorsque vous choisissez d’utiliser l’ANOVA dans l’entrée utilisateur II. Contrairement au script du Fichier supplémentaire 1 (LUC_2025.R), les traitements portant le même nom ne se combinent pas en un seul groupe dans ce script du Fichier supplémentaire 3 (ROS_2025.R).
- Modifiez les options de User Input II en fonction des besoins spécifiques de l’utilisateur.
REMARQUE : L’exemple d’entrée utilisateur peut être vu dans la figure supplémentaire S3.- Utilisez le test ANOVA avec le HSD de Tukey pour comparer les sommes de luminescence du traitement.
- Utilisez un test t bilatéral pour comparer les données de seulement deux traitements à la fois.
REMARQUE : Les valeurs p indiquées ne sont pas ajustées pour tenir compte de plusieurs comparaisons avec la même ligne. - Tracez graphiquement les courbes de fluorescence et un graphique à barres comparant la somme totale de la fluorescence. Ajoutez l’écart-type ou l’erreur-type de la moyenne aux graphiques.
- Selon la façon dont le lecteur de plaques enregistre les puits, modifiez la façon dont l’entrée est lue. Soit utiliser la liste de données standard des puits par A1, A2, A3... ou celle des puits répertoriés par A1, B1, C1...
- Téléchargez les paquets RStudio : gplot213, dplyr14, magrittr15, stringr16 et filesstrings17.
- Exécutez l’analyse en cliquant simplement sur le bouton Source dans le coin supérieur droit de la console.
REMARQUE : L’analyse prend moins de 1 min. La sortie de l’analyse R apparaîtra automatiquement dans le même dossier de fichiers que le jeu de données d’entrée. - Afficher la sortie : le dossier de sortie comporte plusieurs documents et sous-dossiers pour fournir une analyse complète.
REMARQUE : Pour le fichier d’entrée Supplemental File 4 (ROS_flg22.csv), une arborescence des documents de sortie générés par le script Supplemental File 3 (ROS_2025.R) décrit dans la section 2 du protocole est illustrée dans la figure supplémentaire S4.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Résultats
Étude de cas 1. Le test de luminescence pour l’activité de l’horloge circadienne avec des plantules d’Arabidopsis
Nous avons précédemment montré que le gène GLYCINE-RICH RNA-BINDING PROTEIN 7 (GRP7) était contrôlé par la protéine de l’horloge maîtresse CIRCADIAN CLOCK-ASSOCIATED 1 (CCA1) et que l’expression circadienne de GRP7 est importante pour son rôle dans la défense des plantes, en utilisant des plantes transgén...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Discussion
Nous présentons ici l’utilisation de scripts R dans RStudio pour fournir une méthode conviviale pour l’analyse de données à grande échelle obtenues à partir d’expériences de séries chronologiques au format 96 puits. Cette méthode nous a permis d’analyser rapidement et facilement les données d’enregistrement de la luminescence obtenues à partir de milliers d’échantillons dans des expériences de séries chronologiques pour évaluer l’activité de l’horloge circadienne des semis de plantes aux...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Déclarations de divulgation
Les auteurs n’ont aucun conflit d’intérêts à divulguer.
Remerciements
Nous remercions les membres du laboratoire Lu pour leur aide dans ce travail. Nous remercions Min Gao et Matthew Fabian pour l’utilisation de leurs données non traitées et Benjamin Harris pour l’aide et/ou les conseils dans la réalisation de ce script R. Nous remercions John B. Hogenesch du centre médical de l’hôpital pour enfants de Cincinnati d’avoir fourni des données de luminescence à partir de cellules de mammifères pour l’étude de cas 2. Nous remercions également John B. Hogenesch, Andrew Millar de l’Université d’Édimbourg et Mary Harrington du Smith College pour les discussions utiles qui ont eu lieu lors du développement de cette méthode. Ce travail a été partiellement soutenu par des subventions de la National Science Foundation, de la NSF 1456140 et de la NSF 2223886, à Hua Lu.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Matériaux
| Nom | Entreprise | Numéro de catalogue | Commentaires |
|---|---|---|---|
| R | Le projet R | https://www.r-project.org/ ; | Une plateforme gratuite et open source qui peut être téléchargée en ligne et utilisée pour coder, notamment pour les statistiques. |
| Rstudio | Logiciel Posit | https://posit.co/download/rstudio-desktop/ ; | Un logiciel gratuit qui peut être téléchargé en ligne pour un accès plus convivial à R. |
| MetaCycle | Gang Wu, Xavier Li, Matthew Carlucci, Ron Anafi, Michael Hughes, Karl Kornacker et John Hogenesch | https://cran.r-project.org/web/packages/MetaCycle/vignettes/implementation.html ; | L’algorithme ARSER du package MetaCycle est utilisé pour évaluer les paramètres d’horloge, la période, la phase et l’amplitude. |
| ggplot2 | Logiciel Posit | https://cran.r-project.org/web/packages/ggplot2/index.html ; | Crée des visualisations de données, en particulier pour les graphiques statistiques. |
| dplyr | Logiciel Posit | https://cran.r-project.org/web/packages/dplyr/index.html ; | Une bibliothèque R fondamentale pour une manipulation efficace des données. |
| magrittr | Logiciel Posit | https://cran.r-project.org/web/packages/magrittr/index.html ; | Fournit un ensemble d’opérateurs pour améliorer la lisibilité du code et faciliter un flux plus naturel des opérations de données. |
| stringr | Logiciel Posit | https://cran.r-project.org/web/packages/stringr/index.html ; | Fournit un ensemble cohérent, simple et facile à utiliser de fonctions pour travailler avec des chaînes de caractères. |
| Files Strings | Rory Nolan et Sergi Padilla-Parra | https://cran.r-project.org/web/packages/filesstrings/index.html ; | Fournit des fonctions pratiques pour manipuler des fichiers et des chaînes, en particulier ceux liés aux noms et chemins de fichiers. |
| circulaire | Ulric Lund, Claudio Agostinelli, Hiroyoshi Arai, Alessando Gagliardi, Eduardo Garcí ; a-Portugué ; s, Dimitri Giunchi, Jean-Olivier Irisson, Matthew Pocernich et Federico Rotolo | https://cran.r-project.org/web/packages/circular/index.html ; | Fournit l’analyse statistique et la représentation graphique des données circulaires. |
| AICcmodavg | Marc J. Mazerolle | https://cran.r-project.org/web/packages/AICcmodavg/index.html ; | Crée des tables de sélection de modèles basées sur le critère d’information d’Akaike (AIC) et les informations associées. |
| Balai | Logiciel Posit | https://cran.r-project.org/web/packages/broom/index.html ; | Convertit la sortie de divers modèles et objets statistiques en tibbles « propres » (un format moderne de trame de données), facilitant le travail, l’analyse et la visualisation des résultats de modèles. |
| Machine à autoclave | Steris Amsco Eagle Century SG120 Scientific, Inc. | 8901400012 | Médias autoclave |
| Hotte chimique | Conception de laboratoire & Approvisionnement & nbsp ; | stériliser les graines | |
| Lecteur Omega Luminescence ; | BMG LABTECH, Inc. | Lecteur de plaques | |
| Armoire à écoulement laminaire | NuAire Nu-408FM-400 | Classe II/TypeA & nbsp ; | transférer les semis sur une plaque à 96 puits |
| Microplaques à 96 puits | Perkin-Elmer | OptiPlate-96 ; | Cultiver des semis pour le test de luciférase |
| FLG22 | GenScript Inc. | RP19986 | Un éliciteur de flagelline bactérienne. |
| Elf26 | Alpha Diagnostic Intl. Inc. | 2427 | Un éliciteur issu de la traduction bactérienne Facteur d’allongement - Tu. |
| Luciole D-Luciférine, sel de potassium | Chimie et chimie des biosynthés ; Biologie | L-8220 | Substrat de luciférase |
| L-012 (Luminol) | Fisher Scientific | NC0733364 | Réactif de test ROS |
Références
- Yamazaki, S., Takahashi, J. S. Real-time luminescence reporting of circadian gene expression in mammals. Methods Enzymol. 393 (10), 288-301 (2005).
- McClung, C. R., Xie, Q. Measurement of luciferase rhythms in plant circadian networks. Circadian Networks. Staiger, D. , Springer. New York. 1-11 (2014).
- El Temps. , Barcelona. (2020).
- Abhilash, L., Sheeba, V. RhythmicAlly: Your R and Shiny-based open-source ally for the analysis of biological rhythms. J Biol Rhythms. 34 (5), 551-561 (2019).
- CAT: Chronomics Analysis Toolkit. , University of Minnesota. (2013).
- Geissmann, Q., Garcia Rodriguez, L., Beckwith, E. J., Gilestro, G. F. Rethomics: An R framework to analyse high-throughput behavioural data. PLoS One. 14 (1), e0209331(2019).
- ShinyR-DAM. v.3. GNU General Public License. , (2007).
- Zielinski, T., Moore, A. M., Troup, E., Halliday, K. J., Millar, A. J. Strengths and limitations of period estimation methods for circadian data. PLoS One. 9 (5), e96462(2014).
- RStudio: Integrated Development for R. , Boston, MA. (2020).
- R: A Language and Environment for Statistical Computing. v.4.0.2. , Vienna, Austria. (2020).
- Wu, G., Anafi, R. C., Hughes, M. E., Kornacker, K., Hogenesch, J. B. MetaCycle: An integrated R package to evaluate periodicity in large scale data. Bioinformatics. 32 (21), 3351-3353 (2016).
- Yang, R., Su, Z. Analyzing circadian expression data by harmonic regression based on autoregressive spectral estimation. Bioinformatics. 26 (12), i168-i174 (2010).
- ggplot2: Elegant Graphics for Data Analysis. , Springer-Verlag. New York. (2016).
- dplyr: A Grammar of Data Manipulation. v.1.0.2, (2020).
- magrittr: A Forward-Pipe Operator for R. v.2.0.3, (2022).
- stringr: Simple, Consistent Wrappers for Common String Operations. v.1.4.0, (2019).
- filesstrings: An R Package for File and String Manipulation. J Open Source Softw. , (2017).
- R package 'circular': Circular Statistics. v.0.4-95, (2022).
- Mazerolle, M. J. AICcmodavg: Model Selection and Multimodel Inference Based on (Q)AIC(c). , (2023).
- broom: Convert Statistical Objects into Tidy Tibbles. , https://CRAN.R-project.org/package=broom (2023).
- Gao, M., et al. Circadian regulation of the GLYCINE-RICH RNA-BINDING PROTEIN gene by the master clock protein CIRCADIAN CLOCK-ASSOCIATED 1 is important for plant innate immunity. J Exp Bot. 74 (3), 991-1003 (2023).
- Gao, M., Zhang, C., Lu, H. Coronatine is more potent than jasmonates in regulating clock. Sci Rep. 10 (1), 12862(2020).
- Zhang, C., et al. LUX ARRHYTHMO mediates crosstalk between the circadian clock and defense in Commun. Nat Commun. 10 (1), 2543(2019).
- Straume, M., Frasier-Cadoret, S. G., Johnson, M. L. Least squares analysis of fluorescence data. Topics in Fluorescence Spectroscopy. 2, Plenum. 117-240 (1991).
- Cal-Kayitmazbatir, S., Francey, L. J., Lee, Y., Liu, A. C., Hogenesch, J. B. PSMD11 modulates circadian clock function through PER and CRY nuclear translocation. PLoS One. 18 (3), e0283463(2023).
- Zhang, E. E., et al. A genome-wide RNAi screen for modifiers of the circadian clock in human cells. Cell. 139 (1), 199-210 (2009).
- Baggs, J. E., et al. Network features of the mammalian circadian clock. PLoS Biol. 7 (3), e52(2009).
- Zipfel, C., et al. Bacterial disease resistance in Arabidopsis through flagellin perception. Nature. 428 (6984), 764-767 (2004).
- Kunze, G., et al. The N terminus of bacterial elongation factor Tu elicits innate immunity in Arabidopsis plants. Plant Cell. 16 (12), 3496-3507 (2004).
- Fabian, M., et al. The flowering time regulator FLK controls pathogen defense in Arabidopsis thaliana. Plant Physiol. 191 (4), 2461-2474 (2023).
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Réimpressions et autorisations
