הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר שיטה

ניתוח R ידידותי ועוצמתי של מערכי נתונים בקנה מידה גדול

645 צפיות

⸱

DOI:

10.3791/68868

⸱

4 בנובמבר 2025

 ,  ,  , 
1Department of Biological Sciences, University of Maryland Baltimore County

במאמר זה

סיכום

דוח זה מתאר שיטה הכוללת סקריפט R בתוכנת הקוד הפתוח RStudio לניתוח מערכי נתונים בקנה מידה גדול המתקבלים מניסויים בסדרות זמן.

תקציר

מערכי נתונים גדולים נפוצים יותר ויותר בתחום המדעי. חשוב לפתח כלים ידידותיים למשתמש כדי לאפשר לחוקרים לנתח את מערכי הנתונים הגדולים הללו בקלות. כאן, אנו מציגים שיטה הכוללת סקריפט R בתוכנת הקוד הפתוח RStudio לניתוח מערכי נתונים בקנה מידה גדול המתקבלים מניסויים בסדרות זמן. שיטה זו דורשת קלט מינימלי ממשתמש, מה שמאפשר למתחיל שאין לו ידע קודם ב-R או ניסיון בתכנות להשתמש בה. ההוראות המפורטות המתוארות כאן ובסקריפט R ידריכו את המשתמשים כיצד להשתמש בשיטה. נתוני הקלט ותוצאות הפלט מאוחסנים באותה תיקייה של מחשב מקומי, מה שמאפשר לבצע את הניתוח בכל מקום ובכל זמן. תוצאות הפלט מאורגנות בתיקיות לפרשנות קלה, וניתן לעבד אותן בנוחות כדי ליצור איורים לפרסומים. שיטה זו שימשה בהצלחה לניתוח נתוני שעון ביולוגי ונתוני פרץ של מיני חמצן תגובתיים, שניהם מכילים מערכי נתונים בקנה מידה גדול מניסויים בסדרות זמן בפורמט של 96 בארות. אנו מאמינים כי שיטה זו מספקת פתרון קל ורב עוצמה לחוקרים בניתוח מערכי נתונים גדולים דומים המתקבלים באמצעות ניסויים בסדרות זמן.

מבוא

עם הזמינות המוגברת של מערכי נתונים גדולים בתחום המדעי, חשוב לפתח כלים ידידותיים למשתמש שיאפשרו לחוקרים לנתח במהירות את מערכי הנתונים הגדולים הללו בדיוק ובקלות. סוג אחד של מערך הנתונים הגדול הנפוץ מגיע מהשימוש בגן לוציפראז כמדווח, שאיפשר בדיקה קלה, רציפה ולא פולשנית של ביטוי גנים בתאים ואורגניזמים חיים. אוטומציה ברישום לומינסנציה שינתה את מדידת הזוהר של לוציפראז והובילה להרחבת איסוף הנתונים, בפרט, בשדה השעון הביולוגי 1,2. באמצעות מיקרו-לוחות של 96 בארות וקורא צלחות אוטומטי עם מערם, ניתן לבחון בנפרד אלפי דגימות המבטאות את הגן לוציפראז בסדרות זמן, לפעמים במרווחים של שעה במשך ימים, בניסוי אחד. ניסויים בעלי תפוקה גבוהה כאלה הביאו לייצור מערכי נתונים גדולים שניסויי ביטוי גנים מסורתיים באמצעות איסוף דגימות ידני, ואחריהם עיבוד RNA, לא יכלו להשיג. ניתוח מערכי נתונים כה גדולים בזמן הוא חשוב אך יכול להיות מאתגר.

למרות שקיים שפע של כלים לניתוח נתונים עבור קצביות, רבים מהכלים מנתחים מבחנים מבוססי התנהגות בעלי חיים ולא ביטוי מדווח זוהר 3,4,5,6,7 (טבלה משלימה S1). כלים מסוימים דורשים מהחוקרים להיות בעלי כישורי תכנות מחשבים קודמים, כגון כישורי Python או גישה ל-MATLAB. כלים אחרים דורשים רכישת תוכנה, שעלולה להיות יקרה. כמה פתרונות מעשיים בחינם זמינים באינטרנט. כלי אחד כזה הוא BioDare28, המציע מגוון שיטות שונות לניתוח נתוני קצב. BioDare2 הוא כלי מקוון ידידותי למשתמש ודורש מומחיות חישובית מינימלית. המשתמשים צריכים להעלות קלט נתונים באופן מקוון ולהוריד פלט נתונים מהממשק המקוון להמשך עיבוד.

כאן, אנו מציגים סקריפטים R ידידותיים למשתמש עם יכולות מרובות לניתוח מערכי נתונים בקנה מידה גדול בקלות. אנו משתמשים בתוכנת הקוד הפתוח החינמית RStudio9, ממשק ל-R ו-Python, כדי להריץ את הסקריפטים. ניתן להשתמש ב-RStudio במערכות מחשב שונות, כולל Windows, Mac ו-Linux. בדוח זה, ניתנות הוראות מפורטות בשלבים כדי להדריך את המשתמשים כיצד להשתמש בסקריפטים R, במיוחד בסעיפים 1 ו-2 בפרוטוקול. שיטה זו דורשת קלט מינימלי מהמשתמש. מתחיל שאין לו ידע קודם ב-R ושאין לו ניסיון בתכנות יוכל להשתמש בשיטה כדי לנתח מערכי נתונים גדולים ממבחני לוציפראז או סוגים אחרים של מערכי נתונים עם נתוני סדרות זמן. כל נתוני הקלט והפלט מאוחסנים במחשב מקומי, וכך, ניתן לבצע ניתוח בכל מקום ללא הגבלת הגישה לאינטרנט, לאחר הורדת כל חבילות ה-R הרלוונטיות בפעם הראשונה. נתוני הפלט ממוינים לתיקיות מאורגנות היטב עם תוצאות מוכנות לעיבוד לפרסומים. ניתוחים סטטיסטיים כלולים גם הם כחלק מהפלט כדי לספק הערכה מהירה של ההבדלים בין המדגמים. לפיכך, שיטת R יכולה לספק פתרון קל ורב עוצמה לחוקרים בניתוח מערכי נתונים גדולים.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

1. ניתוח שעון ביולוגי מבוסס לוציפראז

  1. מערך ניסיוני לבדיקת לוציפראז
    הערה: בדיקת הלוציפראז היא שיטה נפוצה המשמשת למדידת פעילות השעון הביולוגי בזמן אמת. זוהר, הנפלט ממדווח הלוציפראז הנישא על ידי אורגניזמים ו/או תאים טרנסגניים חיים, יכול להיות מתועד באופן אוטומטי, מה שמוביל לייצור מערכי נתונים של סדרות זמן בקנה מידה גדול. המעבדה שלנו משתמשת בעיקר בשתילי Arabidopsis thaliana המבטאים את הגן לוציפראז כמדווח. איור 1 ואיור 2 מציגים תרשים זרימה של מערך הניסוי הטיפוסי לבדיקת לוציפראז עם שתילים בפורמט של 96 בארות במעבדה שלנו, שונה על סמך תיאור קודם2.
    1. עקרו זרעים עם אדי אקונומיקה הנוצרים על ידי הוספת 3 מ"ל של 36% HCl (w/w) ל-100 מ"ל אקונומיקה ביתית בכוס למשך 3 שעות. מניחים את הכוס בצנצנת פעמון עם מכסה אטום, מונחת במכסה אדים כימי. לאחר העיקור, צלחו את הזרעים על צלחות 1/2MS המכילות 0.5% סוכרוז ו-0.8% אגר (pH 5.7), באמצעות פיפטת פסטר מזכוכית סטרילית, בארון זרימה למינרית. אסוף את הפסולת הכימית בצנצנת עם מכסה והשליך אותה על ידי עבודה עם מחלקת שירותי בריאות הסביבה המוסדית.
    2. הכניסו צלחות ל-4 מעלות צלזיוס למשך יומיים לפני העברתן לתא תרבית רקמות עם מחזור אור של 12 שעות ו-12 שעות אור כהה (LD).
    3. תן לשתילים לגדול במשך 4 ימים ב- LD.
    4. העבירו שתילים לצלחת של 96 בארות; כל באר מכילה 180 מיקרוליטר של חומר בדיקה (1/2MS, 0.5% סוכרוז, 0.4% אגר, 0.25 מ"מ לוציפרין). הנח את הצלחות למשך יום אחד ב-LD ואחריו יום אחד ב-24 שעות של אור קבוע (LL).
    5. הוסף טיפולים או תמיסה מדומה לבארות ורשום זוהר במרווחים של שעה למשך 5-7 ימים ב-LL. הגדר את עדשת מסנן הפליטה ל-3,600 לרווח ואת זמן מרווח המדידה ל-1 שניות.
      הערה: שעת ההתחלה של ההקלטה יכולה להיות בכל עת. עם זאת, מכיוון שסקריפט R לוקח רק מספרים שלמים (מספרים שלמים), מרווחי ההקלטה חייבים להיות מספר שלם. לדוגמה, מרווח של שעה אחת מותר, אך מרווח של 15 דקות אינו מותר עבור קובץ ה- Script R.
    6. בסוף ההקלטה, צלם את הצלחת כדי לתעד את צמיחת השתילים.
    7. שמור נתונים גולמיים כקובץ CSV לניתוח R, באמצעות הפונקציה שמור בשם עם תוכנת ניתוח הנתונים עבור קורא הלוחות.
  2. הסבר שלב לניתוח R של נתונים צירקדיים מבוססי לוציפראז
    הערה: ניתוח R זה משתמש בסקריפט Rקובץ משלים 1(LUC_2025.R), שפותח לניתוח נתונים צירקדיים, וקובץ הקלטקובץ משלים 2(NO7.csv). סקריפט R יחד עם קובץ הקלט זמין לציבור דרך פלטפורמת המאגר המקוון Github (https://github.com/elvenfire29/Circadian-Luciferase-Analysis).
    1. הורד את תוכנת RStudio התואמת למערכת המחשב 9,10.
    2. הורד את החבילות האלגוריתמיות של RStudio הנדרשות על ידי קובץ משלים 1 (LUC_2025.R): MetaCycle11: אלגוריתם ARSER12 של חבילת MetaCycle, ggplot213, dplyr14, magrittr15, stringr16, filesstrings17, circular18, AICcmodavg19 ומטאטא20.
      הערה: ראה גם את החלק העליון של קובץ ה- Script R עבור רשימת החבילות.
    3. שנה קלט משתמש I (על פי מערך נתונים ספציפי במחשב מקומי, כולל ספריית העבודה, שם קובץ הקלט, תוויות לטיפולים וזמן ההתחלה היחסי של הבדיקה.
      הערה: יש להשלים את שלבים 1.2.1 ו-1.2.2 פעם אחת בלבד; לאחר מכן קונסולת הממשק RStudio מוכנה לקבל קלט משתמש, עם שינויים עבור כל ניתוח חדש. ישנם שני חלקים בסעיף קלט משתמש (איור משלים S1).
      1. בחר את ספריית העבודה. ציין היכן נמצא קובץ הקלט. אותה תיקיה תהיה המיקום עבור קבצי הפלט.
      2. בחר את קובץ הקלט, קובץ CSV המעוצב כהלכה עבור סקריפט R (איור 2B). באופן ספציפי, בשורה העליונה יש את סדרת הזמן, והעמודה הראשונה מכילה מיקומי מדגם בודדים על צלחת של 96 בארות.
        הערה: דוגמה לקובץ CSV קלט כזה ניתן למצוא בקובץ משלים 2 (NO7.csv).
      3. תן שם לדוגמאות ו/או לטיפולים. מכיוון שניתוח זה משמש לנתונים המתקבלים מהגדרות של 96 בארות עם מהלך זמן, תכנן את הניסויים כ-8 שכפולים לכל טיפול בסך הכל עד 12 טיפולים לצלחת, או כ-12 שכפולים לכל טיפול בסך הכל עד 8 טיפולים לצלחת. הקפד להזין את המספר הנכון של דגימות, 8 או 12, מכיוון שמספר המדגם נחשב; אם ספירת הדגימה אינה 8 או 12, הקוד לא יפעל. עם זאת, אם יש שורות של בארות ריקות, פשוט רשום אותן ככאלה במרחב לשמות הטיפול, למשל, מתן שם כ-1 ריק, ריק 2...
        הערה: עבור שמות לדוגמה, יש להימנע משימוש בלוכסנים הפוכים או בסמלים דומים מכיוון שהם עלולים לגרום לבעיות בשמות הקבצים. בנוסף, יש להימנע גם משימוש ב-"NA" כתווית בעת בחירה להשתמש ב-ANOVA בקלט משתמש II. כל טיפול באותו שם בדיוק ישולב לקבוצת טיפול אחת גדולה.
      4. ציין את זמן ההתחלה היחסי של הבדיקה. עבור יום נתון של 24 שעות, שחר סובייקטיבי הוא כאשר אור החדר נדלק במהלך מחזור אור/חושך רגיל. לדוגמה, אם האור דולק בשעה 7 בבוקר, קחו בחשבון הפעם את הזמן הצירקדי 0. אם בדיקת לוציפראז מתחילה בשעה 9 בבוקר, זמן הבדיקה הוא בזמן הצירקדי 2; הזן 2 כשעת ההתחלה היחסית.
        הערה: שעת ההתחלה היחסית חייבת להיות מספר שלם ואינה יכולה להיות שלילית. זה ישפיע על קריאת הפאזה של הדגימות.
    4. שנה את אפשרויות User Input II בהתאם לצרכים ספציפיים.
      הערה: ההוראות שלהלן מספקות הסבר מפורט יותר על הסעיפים קלט משתמש ומדריך שלב אחר שלב לביצוע השינויים.
      1. כלול גרפים: עקומות זוהר, תרשימים לתקופה, שלב ומשרעת לכל גנוטיפ וטיפול.
      2. השתמש במבחן ANOVA עם Tukey HSD כדי להשוות טיפולים על התקופה, השלב והמשרעת שלהם. בחר פקד עבור פלט הבדיקה של ANOVA; ציין את הפקד לבדיקת ANOVA או השאר את האפשרות ריקה כדי להשתמש בכל טיפול כבקרה בהשוואה הזוגית. לחלופין, בחר אם למספר את קבצי הפלט של ANOVA לעיון וארגון מהירים יותר.
      3. השתמש במבחן t כדי להשוות טיפולים על המחזור, השלב והמשרעת שלהם. בחר אם מבחן ה-t צריך להיות השוואה זוגית; אם נבחר מבחן T זוגי, בחר אם הנתונים מותאמים. בחר פקד עבור מבחן t; ציין את הפקד עבור מבחן t או השאר את האפשרות ריקה כדי להשתמש בכל טיפול כבקרה. בחר אם למספר את קובצי הפלט של t-test לעיון וארגון מהירים יותר.
        הערה: יש להשתמש בזה רק כדי להשוות בין שני טיפולים בו זמנית, כגון שני קווים של אותו גנוטיפ עם תוספת SA או Mock. ערכי ה-p המוצגים אינם מותאמים כדי לקחת בחשבון השוואות מרובות עם אותו קו.
      4. בחר אם לעגל את נקודות הזמן. אם נקודות הזמן רחוקות בדקה או שתיים בלבד, עגל לשעה הקרובה ביותר והשתמש בניתוח זה.
        הערה: קוד זה מחשב את התקופה, הפאזה והמשרעת באמצעות שיטת ARS12. שיטה זו דורשת סדרת זמנים עקבית בשעות כדי לפעול.
      5. בהתאם לאופן שבו קורא הלוחות מתעד בארות, שנה את אופן קריאת הקלט. בחר את רשימת הנתונים הסטנדרטית של בארות לפי A1, A2, A3... או זה עבור בארות הרשומות על ידי A1, B1, C1...
    5. הפעל את הניתוח פשוט על ידי לחיצה על כפתור המקור בפינה השמאלית העליונה של הקונסולה.
      הערה: השלמת הניתוח נמשכת פחות מדקה אחת. הפלט של ניתוח R יופיע אוטומטית באותה file תיקיית כמו מערך נתוני הקלט.
    6. הצג פלט: בתיקיית הפלט יש מספר מסמכים ותיקיות משנה כדי לספק ניתוח מקיף, כולל מידע סטטיסטי של התקופה, השלב והמשרעת הממוצעים עבור שכפולים של כל גנוטיפ ו/או טיפול.
      הערה: עבור קובץ הקלט Supplemental File 2 (NO7.csv), רשימה של מסמכי הפלט שנוצרו על-ידי קובץ Script משלים 1 (LUC_2025.R) בסעיף פרוטוקול 1 מתוארת בטבלה 1 וניתן להציג אותה בנוחות עם מבנה העץ באיור משלים S2.

2. בדיקת ROS מבוססת לומינול

  1. הגדרה ניסיונית לבדיקת ROS
    1. חותכים דיסקי עלים בקוטר 4 מ"מ מהעלים הרביעי עד השביעי של צמחים בני 25 יום בעזרת מנקב ביופסיה.
    2. צף את דיסקיות העלים כשהצד השעיר כלפי מעלה על גבי 100 מיקרוליטר מים סטריליים בצלחת של 96 בארות.
    3. מכסים את הצלחת בנייר כסף נקי ומניחים אותה בתא גידול LD למשך הלילה.
    4. החלף מים ב-100 מיקרוליטר של תמיסת לומינול (300 מיקרומטר במאגר MOPS של 10 מ"מ עם pH 7.4, ו-1 מיקרומטר flg22 או סם אחר). השתמש בפתרון מדומה במקום flg22 כפקד.
    5. התחל מיד להקליט קריאות זוהר כל דקה למשך 40-60 דקות.
  2. הסבר שלב על ניתוח R של נתוני ROS
    הערה: ניתוח R זה משתמש ב-Rstudio, בסקריפט R,  בקובץ משלים 3 (ROS_2025.R) ובקובצי הקלט בקובץ משלים 4 (ROS_flg22.csv) או בקובץ משלים 5 (ROS_elf26.csv). סקריפט R יחד עם קובץ הקלט Supplemental File 4 (ROS_flg22.csv) זמין לציבור דרך פלטפורמת המאגר המקוון Github (https://github.com/elvenfire29/ROS-Luminol-Analysis)
    1. הורד חבילות RStudio: gplot213, dplyr14, magrittr15, stringr16 ו-filesstrings17.
      הערה: יש להשלים את שלבים 2.2.1 פעם אחת בלבד. כדי לסייע למשתמשים להתאים כל ניתוח לקבוצה מסוימת של נתונים במחשב, נוצר קטע שנקרא "קלט משתמש" כדי לאפשר למשתמשים לציין פרמטרים ספציפיים עבור הניסויים שלהם (איור משלים S3).
    2. שנה את קלט המשתמש I בהתאם למערך נתונים ספציפי במחשב מקומי, כולל ספריית העבודה, שם קובץ הקלט, תוויות לטיפולים וזמן ההתחלה היחסי של הבדיקה.
      1. בחר את ספריית העבודה. ציין היכן נמצא קובץ הקלט. אותה תיקיה תהיה המיקום עבור קבצי הפלט.
      2. בחר את קובץ הקלט, קובץ CSV המעוצב כהלכה עבור סקריפט R (איור 2B). באופן ספציפי, בשורה העליונה יש את סדרת הזמן, והעמודה הראשונה מכילה מיקומי מדגם בודדים על צלחת של 96 בארות.
        הערה: דוגמה לקובץ CSV קלט כזה ניתן למצוא בחומר המשלים, קובץ משלים 4 (ROS_flg22.csv) או קובץ משלים 5 (ROS_elf26.csv).
      3. תן שם לדוגמאות ו/או לטיפולים. מכיוון שניתוח זה משמש לנתונים המתקבלים מהגדרות של 96 בארות עם מהלך זמן, תכנן את הניסויים כ-8 שכפולים לכל טיפול בסך הכל עד 12 טיפולים לצלחת, או כ-12 שכפולים לכל טיפול בסך הכל עד 8 טיפולים לצלחת. אם יש שורות של בארות ריקות, פשוט רשום אותן ככאלה במרחב של שמות הטיפול, למשל, מתן שם כ-1 ריק, ריק 2...
        הערה: חשוב להזין את המספר הנכון של דגימות, 8 או 12, מכיוון שמספר הדגימה נחשב. אם ספירת הדגימה אינה 8 או 12, הקוד לא יפעל. עבור שמות לדוגמה, הימנע משימוש בקווים נטויים או בסמלים דומים מכיוון שהם עלולים לגרום לבעיות בשמות הקבצים. הימנע גם משימוש ב-"NA" כתווית בעת בחירה להשתמש ב-ANOVA בקלט משתמש II. בניגוד לסקריפט קובץ משלים 1 (LUC_2025.R), טיפולים בעלי אותו שם אינם משתלבים לקבוצה אחת בסקריפט קובץ משלים 3 (ROS_2025.R) זה.
    3. שנה את אפשרויות User Input II בהתאם לצרכים הספציפיים של המשתמש.
      הערה: דוגמה לקלט משתמש ניתן לראות באיור משלים S3.
      1. השתמש במבחן ANOVA עם Tukey HSD כדי להשוות את סכומי הזוהר של הטיפול.
      2. השתמש במבחן t דו-צדדי כדי להשוות את הנתונים משני טיפולים בלבד בבת אחת.
        הערה: ערכי ה-p המוצגים אינם מותאמים כדי לקחת בחשבון השוואות מרובות עם אותו קו.
      3. גרף את עקומות הקרינה ותרשים עמודות המשווה את הסכום הכולל של הקרינה. הוסף סטיית תקן או שגיאת תקן של ממוצע לגרפים.
      4. בהתאם לאופן שבו קורא הלוחות מתעד בארות, שנה את אופן קריאת הקלט. או להשתמש ברשימת הנתונים הסטנדרטית של בארות לפי A1, A2, A3... או זה עבור בארות הרשומות על ידי A1, B1, C1...
  3. הפעל ניתוח פשוט על ידי לחיצה על כפתור המקור בפינה השמאלית העליונה של הקונסולה.
    הערה: השלמת הניתוח נמשכת פחות מדקה אחת. הפלט של ניתוח R יופיע אוטומטית באותה file תיקיית כמו מערך נתוני הקלט.
  4. הצג פלט: לתיקיית הפלט יש מספר מסמכים ותיקיות משנה כדי לספק ניתוח מקיף.
    הערה: עבור קובץ הקלט קובץ משלים 4 (ROS_flg22.csv), מבנה עץ של מסמכי הפלט שנוצרו על-ידי קובץ ה- Script המשלים file 3 (ROS_2025.R) המתואר בסעיף פרוטוקול 2 מוצג באיור משלים S4.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

מקרה בוחן 1. בדיקת הזוהר לפעילות שעון ביולוגי עם שתילי Arabidopsis

הראינו בעבר כי הגן העשיר בגליצין של חלבון קושר RNA 7 (GRP7) נשלט על ידי חלבון השעון הראשי CIRCADIAN CLOCK-ASSOCIATED 1 (CCA1) והביטוי הצירקדי של GRP7 חשוב לתפקידו בהגנת הצמח, תוך שימוש בצמחי Col-0 טרנסגניים המבטאים את מדווח הלוציפראז תחת שליטת מקדם GRP7 מסוג בר (pGRP7wt:LUC)21. ניתחנו את פעילויות השעון הביולוג...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

אנו מציגים כאן באמצעות סקריפטים R ב-RStudio כדי לספק שיטה ידידותית למשתמש לניתוח נתונים בקנה מידה גדול המתקבלים מניסויים בסדרות זמן בפורמט 96 בארות. שיטה זו אפשרה לנו לנתח במהירות ובקלות נתוני רישום זוהר שהתקבלו מאלפי דגימות בניסויים בסדרות זמן כדי לאמוד את פעילות השעון הביולוגי משתילי צמחים לתרביות תאי יונקים, בנוסף לנתונים ממבחני ROS.

BioDare2 הוא מאגר חינמי שנמצא בשימוש נפוץ למדי לניתוח נתונים צירקדיים. בעוד ש-BioDare2 הוא כלי מקוון עשוי היטב, החוקרים יצטרכ...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

למחברים אין ניגודי אינטרסים לחשוף.

תודות

אנו מודים לחברי מעבדת Lu על סיועם בעבודה זו. אנו מודים למין גאו ולמתיו פביאן על השימוש בנתונים הלא מעובדים שלהם ולבנג'מין האריס על הסיוע ו/או ההדרכה ביצירת סקריפט R זה. אנו מודים לג'ון ב. הוגנש מהמרכז הרפואי של בית החולים לילדים בסינסינטי על שסיפק נתוני זוהר מתאי יונקים עבור מקרה מבחן 2. אנו מודים גם לג'ון ב. הוגנש, אנדרו מילר מאוניברסיטת אדינבורו ומרי הרינגטון ממכללת סמית' על דיונים מועילים במהלך פיתוח שיטה זו. עבודה זו נתמכה חלקית על ידי מענקים מהקרן הלאומית למדע, NSF 1456140 ו-NSF 2223886, להואה לו.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
Rפרויקט Rhttps://www.r-project.org/  פלטפורמה חינמית וקוד פתוח שניתן להוריד מהאינטרנט ולהשתמש בה לקידוד, במיוחד לסטטיסטיקה.
Rstudioתוכנת פוזיטhttps://posit.co/download/rstudio-desktop/  תוכנה חינמית שניתן להוריד מהאינטרנט לגישה נוחה יותר ל-R.
MetaCycleגאנג וו, קסבייר לי, מתיו קרלוצ'י, רון אנאפי, מייקל יוז, קרל קורנקר וג'ון הוגנשhttps://cran.r-project.org/web/packages/MetaCycle/vignettes/implementation.html  אלגוריתם ARSER של חבילת MetaCycle משמש להערכת פרמטרי השעון, מחזור, פאזה ומשרעת. 
ggplot2תוכנת פוזיטhttps://cran.r-project.org/web/packages/ggplot2/index.html  יוצר ויזואליזציות נתונים, במיוחד עבור גרפיקה סטטיסטית.
dplyrתוכנת פוזיטhttps://cran.r-project.org/web/packages/dplyr/index.html  ספריית R בסיסית למניפולציה יעילה של נתונים.
מגריטרתוכנת פוזיטhttps://cran.r-project.org/web/packages/magrittr/index.html  מספק מערך אופרטורים לשיפור קריאות הקוד ולהקל על זרימת נתונים טבעית יותר.
סטרינגרתוכנת פוזיטhttps://cran.r-project.org/web/packages/stringr/index.html  מספק סט פונקציות עקבי, פשוט וקל לשימוש לעבודה עם מחרוזות תווים.
קבצי מחרוזותרורי נולאן וסרג'י פדילה-פארהhttps://cran.r-project.org/web/packages/filesstrings/index.html  מספק פונקציות נוחות למניפולציה של קבצים ומחרוזות, במיוחד אלו הקשורות לשמות קבצים ונתיבים.
מעגליאולריק לונד, קלאודיו אגוסטינלי, הירויושי אראי, אלסנדו גגליארדי, אדוארדו גארק&יאקוטה; א-פורטוגוזי ואקוטי; ס, דימיטרי ג'יונקי, ז'אן-אוליבייה איריסון, מתיו פוצרניך ופדריקו רוטולוhttps://cran.r-project.org/web/packages/circular/index.html  מספק ניתוח סטטיסטי וייצוג גרפי של נתונים מעגליים.
AICcmodavgמארק ג'יי. מזרולhttps://cran.r-project.org/web/packages/AICcmodavg/index.html  יוצר טבלאות בחירת מודלים המבוססות על קריטריון המידע (AIC) של Akaike ומידע קשור. 
מטאטאתוכנת פוזיטhttps://cran.r-project.org/web/packages/broom/index.html  ממיר את הפלט של מודלים סטטיסטיים ואובייקטים שונים ל"טיבלס" "מסודרים" (פורמט מסגרת נתונים מודרני), מה שמקל על העבודה, ניתוח והדמיית תוצאות המודלים.
מכונת אוטוקלאבSteris Amsco Eagle Century SG120 Scientific, Inc.8901400012מדיה אוטוקלאב
מכסה אדים כימיעיצוב מעבדה & אספקה  עיקור זרעים
קורא אומגה לומינסנס BMG LABTECH, Inc.קורא לוחות
ארון זרימה למינריNuAire Nu-408FM-400מחלקה II/סוג A העברת שתילים לפלטת 96 בארות
מיקרולוחות עם 96 בארותפרקין-אלמרOptiPlate-96 גידול שתילים לבדיקת לוסיפראז
Flg22GenScript Inc.RP19986מפעיל מחיידקי פלאג'לין.
Elf26אלפא דיאג'אנסקטס אינטרנשיונל בע"מ2427מפעיל מתרגום חיידקים גורם הארכה-Tu.
D-Luciferin Firefly, מלח אשלגןביוסינת' כימיה & ביולוגיהL-8220מצע לוסיפראז
L-012 (לומינול)פישר סיינטיפיקNC0733364תגובת בדיקת ROS

מקורות

  1. Yamazaki, S., Takahashi, J. S. Real-time luminescence reporting of circadian gene expression in mammals. Methods Enzymol. 393 (10), 288-301 (2005).
  2. McClung, C. R., Xie, Q. Measurement of luciferase rhythms in plant circadian networks. Circadian Networks. Staiger, D. , Springer. New York. 1-11 (2014).
  3. El Temps. , Barcelona. (2020).
  4. 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).
  5. CAT: Chronomics Analysis Toolkit. , University of Minnesota. (2013).
  6. 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).
  7. ShinyR-DAM. v.3. GNU General Public License. , (2007).
  8. 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).
  9. RStudio: Integrated Development for R. , Boston, MA. (2020).
  10. R: A Language and Environment for Statistical Computing. v.4.0.2. , Vienna, Austria. (2020).
  11. 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).
  12. Yang, R., Su, Z. Analyzing circadian expression data by harmonic regression based on autoregressive spectral estimation. Bioinformatics. 26 (12), i168-i174 (2010).
  13. ggplot2: Elegant Graphics for Data Analysis. , Springer-Verlag. New York. (2016).
  14. dplyr: A Grammar of Data Manipulation. v.1.0.2, (2020).
  15. magrittr: A Forward-Pipe Operator for R. v.2.0.3, (2022).
  16. stringr: Simple, Consistent Wrappers for Common String Operations. v.1.4.0, (2019).
  17. filesstrings: An R Package for File and String Manipulation. J Open Source Softw. , (2017).
  18. R package 'circular': Circular Statistics. v.0.4-95, (2022).
  19. Mazerolle, M. J. AICcmodavg: Model Selection and Multimodel Inference Based on (Q)AIC(c). , (2023).
  20. broom: Convert Statistical Objects into Tidy Tibbles. , https://CRAN.R-project.org/package=broom (2023).
  21. 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).
  22. Gao, M., Zhang, C., Lu, H. Coronatine is more potent than jasmonates in regulating clock. Sci Rep. 10 (1), 12862(2020).
  23. Zhang, C., et al. LUX ARRHYTHMO mediates crosstalk between the circadian clock and defense in Commun. Nat Commun. 10 (1), 2543(2019).
  24. Straume, M., Frasier-Cadoret, S. G., Johnson, M. L. Least squares analysis of fluorescence data. Topics in Fluorescence Spectroscopy. 2, Plenum. 117-240 (1991).
  25. 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).
  26. 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).
  27. Baggs, J. E., et al. Network features of the mammalian circadian clock. PLoS Biol. 7 (3), e52(2009).
  28. Zipfel, C., et al. Bacterial disease resistance in Arabidopsis through flagellin perception. Nature. 428 (6984), 764-767 (2004).
  29. 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).
  30. Fabian, M., et al. The flowering time regulator FLK controls pathogen defense in Arabidopsis thaliana. Plant Physiol. 191 (4), 2461-2474 (2023).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

תגיות

RStudio96ANOVA
ניתוח R ידידותי ועוצמתי של מערכי נתונים בקנה מידה גדול
צור קשר
המלצה לספרייה

פרטיות

תנאי שימוש

מדיניות

2026 © זכויות יוצרים MyJoVE Corporation. כל הזכויות שמורות.