Name: 조직 공학에서 중간 크기의 저속, 다차원 데이터를 효율적으로 관리하는 데이터베이스 (동영상) | JoVE Journal
Uploaded: 2019-11-22T12:00:00.000+00:00
Duration: 9 min 43 s
Description: 학습하세요 조직 공학에서 다차원 데이터를 효율적으로 관리하는 데이터베이스 구축 방법을. 관계형 테이블 구조와 자동화 파이프라인을 활용하여 복잡한 과학 데이터를 체계적으로 저장하고 시각화할 수 있습니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

이 작품은 국립 심장에 의해 지원, 폐, 그리고 건강의 국립 연구소에서 혈액 연구소, 부여 번호 R01 HL129008. 저자는 특히 연구 결과에 있는 그들의 참여를 위한 LMNA 유전자 돌연변이 가족 구성원을 감사합니다. 우리는 또한 세포 배양과 실험실 공간을 유지하는 그녀의 도움린다 맥카시에게 감사드리고 싶습니다, 세포 이미징 및 핵 데이터 분석에 그녀의 참여에 대한 Nasam Chokr, 우리의 초기 마이크로 소프트 액세스 데이터베이스를 설정뿐만 아니라 다른 기술적 인 질문에 대답과 관련된 조언에 대한 마이클 A. 그로스 버그.

참고: 이 프로토콜에 사용된 소프트웨어 버전은 재료 표를 참조하십시오.
1. 데이터가 데이터베이스 조직 구성표의 이점을 얻을 수 있는지 평가합니다.
<ol><li>예제 코드 및 데이터베이스를 다운로드합니다(표 1에요약된 추가 코딩 파일참조).</li>
	<li>그림 1을 사용하여 관심 있는 데이터 집합이 "다차원"인지 평가합니다. 참고: 그림 1은 예제 데이터 집합에 대해 제공된 다차원 데이터베이스의 그래픽 표현입니다.</li>
	<li>데이터가 예제와 같은 "다차원" 형태로 시각화될 수 있고 특정 실험 결과를 어떤 차원(즉, 조건)과 연관시킬 수 있는 능력이 사용 가능한 데이터에 대한 더 큰 과학적 통찰력을 허용할 경우, 관계형 데이터베이스를 구성할 수 있습니다.</li>
</ol>2. 데이터베이스 구조 구성
참고: 관계형 데이터베이스는 정보를 테이블 형식으로 저장합니다. 테이블은 스프레드시트와 유사한 행 및 열 스키마로 구성되며 데이터베이스 내의 식별 정보를 연결하는 데 사용할 수 있습니다.
<ol><li>데이터 파일을 구성하여 고유한 이름을 잘 생각해 보시면 됩니다. 파일 이름 지정 규칙 및 폴더 하위 폴더 구조의 경우 잘 수행되면 파일에 수동으로 액세스하는 가독성을 손상시키지 않으면서 광범위한 데이터베이스 확장성을 허용합니다. "20XX-YY-ZZ"와 같은 일관된 형식으로 날짜 파일을 추가하고 메타데이터에 따라 하위 폴더이름을 지정하는 것이 그 예입니다.</li>
	<li>데이터 기반 구조가 디자인되면 서로 다른 테이블의 필드 간의 관계를 그립니다. 따라서 다차원성은 개별 테이블의 서로 다른 필드(즉, 테이블의 열)를 서로 연관시킴으로써 처리됩니다.</li>
	<li>2.2단계에서 만든 데이터베이스 및 관계를 설명하는 readme 설명서를 만듭니다. 서로 다른 테이블 간의 항목이 연결되면 모든 관련 정보는 해당 항목과 관련이 있으며 복잡한 쿼리를 호출하여 원하는 정보로 필터링하는 데 사용할 수 있습니다. 참고: Readme 문서는 구조에 균일하지 않은 데이터를 추가하지 않고 프로젝트에 대한 추가 정보 및 데이터베이스 구조 정보를 제공하는 일반적인 솔루션입니다.</li>
	<li>2.1-2.3단계에 따라, 최종 결과를 개인의 상이한 특성(도2A)이해당 개인의 관련 실험 데이터와 관련된 경우와 유사하게 만든다(도2B). 패턴형식(그림 2C)과데이터 형식(그림 2D)의관련 열을 통해 메인 데이터 값 표의 항목을 일치시켜 다양한 약어 표기(그림2B)를설명했습니다.</li>
	<li>장거리 데이터 수집을 위해 기록해야 하는 모든 필수 데이터 요소와 유용한 데이터 요소만 확인합니다. 참고: 앞에서 설명한 것처럼 스프레드시트 프로그램에 데이터베이스를 사용하는 주요 이점은 확장성입니다.<ol>
<li>시작하기 전에 고유한 데이터 포인트를 만드는 데 필요한 정보를 식별합니다. 원시 데이터를 수정하거나 저장하는 대신 그대로 두어 재분석이 가능하고 액세스할 수 있도록 합니다. 참고: 주어진예제(그림 2)의경우 개별에 해당하는 "지정자", "패턴 유형", "커버슬립 #" 및 "가변 유형"은 모두 관련 값의 구별성에 중요한 필드였습니다.</li>
		<li>원하는 경우 "총 커버슬립 의 합계"와 같은 기타 유용하고 중요하지 않은 정보를 추가하여 수행된 반복 횟수를 나타내고 이 예제에서 데이터 요소가 누락되었는지 확인하는 데 도움이 됩니다.</li>
	</ol>
</li>
</ol>3. 파이프라인 설정 및 구성
<ol><li>각 데이터 유형에 대한 일반적인 데이터 저장소 방법과 함께 데이터 수집으로 이어질 수 있는 모든 다양한 실험 및 데이터 분석 방법을 식별합니다. GitHub와 같은 오픈 소스 버전 제어 소프트웨어와 협력하여 사용자 부담을 최소화하면서 필요한 일관성과 버전 제어를 보장합니다.</li>
	<li>가능하면 자동화된 파이프라인을 허용하도록 데이터의 일관된 이름 지정 및 저장 절차를 만듭니다. 참고: 예제에서는 출력의 이름이 일관되게 지정되므로 파일을 선택한 후 특정 특성을 찾는 데이터 파이프라인을 만드는 것이 간단합니다. 일관된 이름을 지정할 수 없는 경우 데이터베이스의 테이블을 수동으로 채워야 하므로 권장되지 않습니다.</li>
	<li>편리한 프로그래밍 언어를 사용하여 데이터베이스에 대한 새 데이터 항목을 생성합니다.<ol>
<li>자동화된 데이터 선택을 안내할 수 있는 별도의 파일에 작은 "도우미" 테이블(표 1의파일 #8-#10)을 만듭니다. 이러한 파일은 파이프라인이 아래에서 작동할 수 있는 가능성의 템플릿역할을 하며 편집이 용이합니다.</li>
		<li>데이터파이프라인에대한 새 데이터 항목을 생성하려면 코드(LocationPointer.m, 파일 #1 표 1)를 사용자(표 1의파일 #8-#10)에 의해 선택되는 입력으로 사용하도록 합니다.</li>
		<li>여기에서 새 항목을 이전 항목과 결합하여 파일 위치의 새 스프레드시트를조합합니다(그림 3E). LocationPointerCompile.m(표 1의파일 #2)에 표시된 대로 이 단계를 자동화하는 코드를 만듭니다.</li>
		<li>그런 다음 이 병합된 스프레드시트에서 중복된 복제본이 있는지 확인하여 자동으로 제거해야 합니다. LocationPointer_Remove_Duplicates(표 1의파일 #3)에 표시된 대로 이 단계를 자동화하는 코드를 만듭니다.</li>
		<li>또한 스프레드시트에 오류가 있는지 확인하고 사용자에게 그 이유와 위치를 알립니다(그림3F). BadPointerCheck.m(표 1의파일 #4)에 표시된 대로 이 단계를 자동화하는 코드를 만듭니다. 또는 컴파일된 데이터베이스를 확인하고 LocationPointer_Check.m(표 1의파일 #5)에 표시된 것처럼 한 단계에서 중복을 식별하는 코드를 작성합니다.</li>
		<li>Manual_Pointer_Removal.m(표 1의파일 #6)에 표시된 데이터베이스의 무결성을 잃지 않고 사용자가 실수로 잘못점을 수동으로 제거할 수 있도록 코드를 만듭니다.</li>
		<li>그런 다음 파일 위치를 사용하여 데이터 값 스프레드시트(그림3G,파일 #12 표 1)를생성하고 파일 위치를 식별하거나 향후 항목과 병합할 수 있는 가장 업데이트된 항목 목록을 만듭니다(그림3H). Database_Generate(표 1의파일 #7)에 표시된 대로 이 단계를 자동화하는 코드를 만듭니다.</li>
	</ol>
</li>
	<li>파이프라인이 엄격한 명명 규칙, 자동화된 파일 어셈블리 코드 및 앞에서 설명한 자동 오류 검사를 포함시키는지 확인하여 파이프라인이 실험적 엄격에 추가되는지 다시 한 번 확인합니다.</li>
</ol>4. 데이터베이스 및 쿼리 만들기
참고: 테이블이 데이터베이스에 정보를 저장하는 경우 쿼리는 특정 기준에 지정된 정보에 대한 데이터베이스에 대한 요청입니다. 데이터베이스를 만드는 방법에는 빈 문서에서 시작하거나 기존 파일에서 시작하는 두 가지 방법이 있습니다. 그림 4는 그림 2에표시된 데이터베이스 관계를 사용하여 실행하도록 설계된 SQL 구문을 사용하여 샘플 쿼리를 보여 주며 있습니다.
<ol><li>방법 1: 데이터베이스 및 쿼리를 만드는 처음부터 시작<ol>
<li>빈 데이터베이스 문서를 만듭니다.</li>
		<li>외부 데이터 |을 선택하여 도우미 테이블(표 1의 파일 #8-#10)을 로드합니다. 텍스트 파일 가져오기 | 파일 선택(파일 #8-#10) | 구분 | 첫 번째 행에는 헤더, 쉼표가 포함되어 있습니다 | 기본값 그대로 둡니다 | 내 기본 키 선택(셀라인 파일 #8 지정자, 데이터 형식 파일 #9 가변 이름, 패턴 형식 파일 #10 팻 이름) | 기본값 그대로 둡니다 | 완료합니다.</li>
		<li>외부 데이터 |을 선택하여 데이터 값 테이블(표 1의 파일 #12)을 로드합니다. 텍스트 파일 가져오기 | 파일 선택(파일 #12) | 구분 | 첫 번째 행에는 헤더, 쉼표가 포함되어 있습니다 | 기본값 그대로 둡니다 | 액세스 하자 기본 키 추가 | 테이블로 가져오기: 데이터 값 | 완료합니다.</li>
		<li>데이터베이스 도구를 선택하여 관계 만들기 | 관계 | 모든 테이블을 보드로 드래그 | 관계 편집 | 새로 만들기 | 도우미 테이블 지정자와 데이터 값 필드 일치 | 조인트 타입 3.</li>
		<li>만들기 선택 | 쿼리 디자인.</li>
		<li>모든 관련 테이블을 선택하거나 위쪽 창으로 끕니다. 이 예제에서는 '세포주', '데이터 값', '데이터 유형' 및 '패턴 유형'입니다. 관계는 이전 관계 디자인에 따라 자동으로 설정되어야 합니다.</li>
		<li>예를 들어 원하는 결과를 위해 쿼리 열을 입력합니다.<ol>
<li>쇼 | 클릭 합계.</li>
			<li>첫 번째 열(표: DataValues, 필드: DataVar, Total: GroupBy, Criteria: "Act_OOP"), 두 번째 열(표: 데이터 값, 필드: PatVar, 합계: GroupBy, ["Lines") 및 세 번째 열(표: Cell_Lines, 필드: 지정자, 합계: 그룹비, 정렬: 오름차순).</li>
			<li>네 번째 열(표: DataValues, 필드: 매개 변수, 합계: Ave), 다섯 번째 열(표: 데이터 값, 필드: 매개 변수, 합계: StDev) 및 여섯 번째 열(표: DataValues, 필드, 합계: 개수)을 입력합니다.</li>
		</ol>
</li>
		<li>쿼리를 실행합니다.</li>
	</ol>
</li>
	<li>또는 제공된 예제 데이터베이스를 예제의 기초로 사용합니다. 이전에 다운로드한 데이터베이스 파일 Database_Queries.accdb(표 1의파일 #13)를 엽니다. 기존 테이블을 관심 있는 데이터로 대체하여 템플릿으로 사용합니다.</li>
</ol>5. 유의 분석을 위해 출력 테이블을 통계 소프트웨어로 이동
<ol><li>이 샘플 실험 데이터의 경우 다양한 조건 간의 평균 비교를 위해 Tukey의 테스트를 사용하여 분산(ANOVA)의 단방향 분석을 사용합니다. 참고: p&lt, 0.05의 값은 통계적으로 유의한 것으로 간주되었습니다.</li>
</ol>

<ol><li>Cavin, R. K., Lugli, P., Zhirnov, V. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Science+and+engineering+beyond+Moore%27s+law%5BTitle%5D)+AND+%22Proceedings+of+the+IEEE%22%5BJournal%5D)">Science and engineering beyond Moore's law.</a> Proceedings of the IEEE. 100, Special Centennial Issue 1720-1749 (2012).</li>
<li>Mast, F. D., Ratushny, A. V., Aitchison, J. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Systems+cell+biology%5BTitle%5D)+AND+%22The+Journal+of+Cell+Biology%22%5BJournal%5D)">Systems cell biology.</a> The Journal of Cell Biology. 206 (6), 695-706 (2014).</li>
<li>Barone, L., Williams, J., Micklos, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unmet+needs+for+analyzing+biological+big+data%3A+A+survey+of+704+NSF+principal+investigators%5BTitle%5D)+AND+%22PLoS+Computational+Biology%22%5BJournal%5D)">Unmet needs for analyzing biological big data: A survey of 704 NSF principal investigators.</a> PLoS Computational Biology. 13 (10), 1005755(2017).</li>
<li>Gandomi, A., Haider, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Beyond+the+hype%3A+Big+data+concepts%2C+methods%2C+and+analytics%5BTitle%5D)+AND+%22International+Journal+of+Information+Management%22%5BJournal%5D)">Beyond the hype: Big data concepts, methods, and analytics.</a> International Journal of Information Management. 35 (2), 137-144 (2015).</li>
<li>Siddiqa, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+survey+of+big+data+management%3A+Taxonomy+and+state-of-the-art%5BTitle%5D)+AND+%22Journal+of+Network+and+Computer+Applications%22%5BJournal%5D)">A survey of big data management: Taxonomy and state-of-the-art.</a> Journal of Network and Computer Applications. 71, 151-166 (2016).</li>
<li>Anderson, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+End+of+Theory%3A+The+Data+Deluge+Makes+the+Scientific+Method+Obsolete%5BTitle%5D)+AND+%22Wired+Magazine%22%5BJournal%5D)">The End of Theory: The Data Deluge Makes the Scientific Method Obsolete.</a> Wired Magazine. , (2008).</li>
<li>Broman, K. W., Woo, K. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Data+Organization+in+Spreadsheets%5BTitle%5D)+AND+%22The+American+Statistician%22%5BJournal%5D)">Data Organization in Spreadsheets.</a> The American Statistician. 72 (1), 2-10 (2018).</li>
<li>Lee, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((How+I+do+it%3A+a+practical+database+management+system+to+assist+clinical+research+teams+with+data+collection%2C+organization%2C+and+reporting%5BTitle%5D)+AND+%22Academic+Radiology%22%5BJournal%5D)">How I do it: a practical database management system to assist clinical research teams with data collection, organization, and reporting.</a> Academic Radiology. 22 (4), 527-533 (2015).</li>
<li>Bassil, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparative+study+on+the+performance+of+the+Top+DBMS+systems%5BTitle%5D)+AND+%22Journal+of+Computer+Science+%26+Research%22%5BJournal%5D)">A comparative study on the performance of the Top DBMS systems.</a> Journal of Computer Science & Research. 1 (1), 20-31 (2012).</li>
<li>Learn SQL - Codeacademy. , Available from: 
 <a target="_blank" href="https://www.codecademy.com/learn/learn-sql">https://www.codecademy.com/learn/learn-sql</a> (2018).</li>
<li>SQL Tutorial - w3schools.com. , Available from: 
 <a target="_blank" href="https://www.w3schools.com/sql">https://www.w3schools.com/sql</a> (2018).</li>
<li>Introduction to SQL - SQLBolt. , Available from: 
 <a target="_blank" href="https://sqlbolt.com">https://sqlbolt.com</a> (2018).</li>
<li>Pedersen, T. B., Jensen, C. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multidimensional+database+technology%5BTitle%5D)+AND+%22Computer%22%5BJournal%5D)">Multidimensional database technology.</a> Computer. 34 (12), 40-46 (2001).</li>
<li>Győrödi, C., Gyorodi, R., Sotoc, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Comparative+Study+of+Relational+and+Non-Relational+Database+Models+in+a+Web-+Based+Application%5BTitle%5D)+AND+%22International+Journal+of+Advanced+Computer+Science+and+Applications%22%5BJournal%5D)">A Comparative Study of Relational and Non-Relational Database Models in a Web- Based Application.</a> International Journal of Advanced Computer Science and Applications. 6 (11), 78-83 (2015).</li>
<li>Nayak, A., Poriya, A., Poojary, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Type+of+NOSQL+databases+and+its+comparison+with+relational+databases%5BTitle%5D)+AND+%22International+Journal+of+Applied+Information+Systems%22%5BJournal%5D)">Type of NOSQL databases and its comparison with relational databases.</a> International Journal of Applied Information Systems. 5 (4), 16-19 (2013).</li>
<li>Lei, C., Feng, D., Wei, C., Ai-xin, Z., Zhen-hu, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+application+of+multidimensional+data+analysis+in+the+EIA+database+of+electric+industry%5BTitle%5D)+AND+%22Procedia+Environmental+Sciences%22%5BJournal%5D)">The application of multidimensional data analysis in the EIA database of electric industry.</a> Procedia Environmental Sciences. 10, 1210-1215 (2011).</li>
<li>Soranno, P. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Building+a+multi-scaled+geospatial+temporal+ecology+database+from+disparate+data+sources%3A+fostering+open+science+and+data+reuse%5BTitle%5D)+AND+%22GigaScience%22%5BJournal%5D)">Building a multi-scaled geospatial temporal ecology database from disparate data sources: fostering open science and data reuse.</a> GigaScience. 4, 28(2015).</li>
<li>Edwards, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Questionnaires+in+clinical+trials%3A+guidelines+for+optimal+design+and+administration%5BTitle%5D)+AND+%22Trials%22%5BJournal%5D)">Questionnaires in clinical trials: guidelines for optimal design and administration.</a> Trials. 11, 2(2010).</li>
<li>Richards, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MediaDB%3A+A+Database+of+Microbial+Growth+Conditions+in+Defined+Media%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">MediaDB: A Database of Microbial Growth Conditions in Defined Media.</a> PLoS ONE. 9 (8), 103548(2014).</li>
<li>Core, J. Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age+of+heart+disease+presentation+and+dysmorphic+nuclei+in+patients+with+LMNA+mutations%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Age of heart disease presentation and dysmorphic nuclei in patients with LMNA mutations.</a> PLoS ONE. 12 (11), 0188256(2017).</li>
<li>Drew, N. K., Johnsen, N. E., Core, J. Q., Grosberg, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multiscale+Characterization+of+Engineered+Cardiac+Tissue+Architecture%5BTitle%5D)+AND+%22Journal+of+Biomechanical+Engineering%22%5BJournal%5D)">Multiscale Characterization of Engineered Cardiac Tissue Architecture.</a> Journal of Biomechanical Engineering. 138 (11), 111003(2016).</li>
<li>Zaragoza, M. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Exome+Sequencing+Identifies+a+Novel+LMNA+Splice-Site+Mutation+and+Multigenic+Heterozygosity+of+Potential+Modifiers+in+a+Family+with+Sick+Sinus+Syndrome%2C+Dilated+Cardiomyopathy%2C+and+Sudden+Cardiac+Death%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Exome Sequencing Identifies a Novel LMNA Splice-Site Mutation and Multigenic Heterozygosity of Potential Modifiers in a Family with Sick Sinus Syndrome, Dilated Cardiomyopathy, and Sudden Cardiac Death.</a> PLoS ONE. 11 (5), 0155421(2016).</li>
<li>Zaragoza, M., Nguyen, C., Widyastuti, H., McCarthy, L., Grosberg, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dupuytren%27s+and+Ledderhose+Diseases+in+a+Family+with+LMNA-Related+Cardiomyopathy+and+a+Novel+Variant+in+the+ASTE1+Gene%5BTitle%5D)+AND+%22Cells%22%5BJournal%5D)">Dupuytren's and Ledderhose Diseases in a Family with LMNA-Related Cardiomyopathy and a Novel Variant in the ASTE1 Gene.</a> Cells. 6 (4), 40(2017).</li>
<li>Zaragoza, M. V., Hakim, S. A., Hoang, V., Elliott, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart-hand+syndrome+IV%3A+a+second+family+with+LMNA-related+cardiomyopathy+and+brachydactyly%5BTitle%5D)+AND+%22Clinical+Genetics%22%5BJournal%5D)">Heart-hand syndrome IV: a second family with LMNA-related cardiomyopathy and brachydactyly.</a> Clinical Genetics. 91 (3), 499-500 (2017).</li>
<li>Eriksson, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recurrent+de+novo+point+mutations+in+lamin+A+cause+Hutchinson-Gilford+progeria+syndrome%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Recurrent de novo point mutations in lamin A cause Hutchinson-Gilford progeria syndrome.</a> Nature. 423 (6937), 293-298 (2003).</li>
<li>Drew, N. K., Eagleson, M. A., Baldo, D. B., Parker, K. K., Grosberg, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Metrics+for+Assessing+Cytoskeletal+Orientational+Correlations+and+Consistency%5BTitle%5D)+AND+%22PLoS+Computational+Biology%22%5BJournal%5D)">Metrics for Assessing Cytoskeletal Orientational Correlations and Consistency.</a> PLoS Computational Biology. 11 (4), 1004190(2015).</li>
<li>Hamley, I. W. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHamley%2C+IW+%22Introduction+to+Soft+Matter%3A+Synthetic+and+Biological+Self-Assembling+Materials%22">Introduction to Soft Matter: Synthetic and Biological Self-Assembling Materials</a>. , John Wiley & Sons. Hoboken, NJ. (2013).</li>
<li>Grosberg, A., Alford, P. W., McCain, M. L., Parker, K. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ensembles+of+engineered+cardiac+tissues+for+physiological+and+pharmacological+study%3A+Heart+on+a+chip%5BTitle%5D)+AND+%22Lab+Chip%22%5BJournal%5D)">Ensembles of engineered cardiac tissues for physiological and pharmacological study: Heart on a chip.</a> Lab Chip. 11 (24), 4165-4173 (2011).</li>
<li>Hey, T., Trefethen, A. The Data Deluge: An e-Science Perspective. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHey%2C+T+%22Grid+Computing%3A+Making+the+Global+Infrastructure+a+Reality%22">Grid Computing: Making the Global Infrastructure a Reality</a>. Berman, F., Fox, G., Hey, A. J. G. , John Wiley & Sons. Hoboken, NJ. Ch. 36 (2003).</li>
<li>Wardle, M., Sadler, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((How+to+set+up+a+clinical+database%5BTitle%5D)+AND+%22Practical+Neurology%22%5BJournal%5D)">How to set up a clinical database.</a> Practical Neurology. 16 (1), 70-74 (2016).</li>
<li>Kerr, W. T., Lau, E. P., Owens, G. E., Trefler, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+future+of+medical+diagnostics%3A+large+digitized+databases%5BTitle%5D)+AND+%22The+Yale+Journal+of+Biology+and+Medicine%22%5BJournal%5D)">The future of medical diagnostics: large digitized databases.</a> The Yale Journal of Biology and Medicine. 85 (3), 363(2012).</li>
<li>Laulederkind, S. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Rat+Genome+Database+curation+tool+suite%3A+a+set+of+optimized+software+tools+enabling+efficient+acquisition%2C+organization%2C+and+presentation+of+biological+data%5BTitle%5D)+AND+%22Database%22%5BJournal%5D)">The Rat Genome Database curation tool suite: a set of optimized software tools enabling efficient acquisition, organization, and presentation of biological data.</a> Database. 2011, (2011).</li>
<li>Harris, P. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Research+electronic+data+capture+%28REDCap%29--a+metadata-driven+methodology+and+workflow+process+for+providing+translational+research+informatics+support%5BTitle%5D)+AND+%22Journal+of+Biomedical+Informatics%22%5BJournal%5D)">Research electronic data capture (REDCap)--a metadata-driven methodology and workflow process for providing translational research informatics support.</a> Journal of Biomedical Informatics. 42 (2), 377-381 (2009).</li>
<li>Panko, R. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+we+know+about+spreadsheet+errors%5BTitle%5D)+AND+%22Journal+of+Organizational+and+End+User+Computing+%28JOEUC%29%22%5BJournal%5D)">What we know about spreadsheet errors.</a> Journal of Organizational and End User Computing (JOEUC). 10 (2), 15-21 (1998).</li>
<li>Ziemann, M., Eren, Y., El-Osta, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gene+name+errors+are+widespread+in+the+scientific+literature%5BTitle%5D)+AND+%22Genome+Biology%22%5BJournal%5D)">Gene name errors are widespread in the scientific literature.</a> Genome Biology. 17 (1), 177(2016).</li>
<li>Enhancing Reproducibility through Rigor and Transparency. NIH. , Available from: 
 <a target="_blank" href="https://grants.nih.gov/reproducibility/index.htm">https://grants.nih.gov/reproducibility/index.htm</a> (2018).</li>
<li>Hofseth, L. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Getting+rigorous+with+scientific+rigor%5BTitle%5D)+AND+%22Carcinogenesis%22%5BJournal%5D)">Getting rigorous with scientific rigor.</a> Carcinogenesis. 39 (1), 21-25 (2017).</li>
<li>SQL Training and Tutorials - Lynda.com. , Available from: 
 <a target="_blank" href="https://www.lynda.com/SQL-training-tutorials/446-0.html">https://www.lynda.com/SQL-training-tutorials/446-0.html</a> (2018).</li>
</ol>

저자는 공개 할 것이 없다.

프로토콜에 대한 기술적 논의 데이터베이스 사용을 고려할 때 첫 번째 단계는 데이터가 이러한 조직에서 도움이 될지 여부를 평가하는 것입니다.
다음 필수 단계는 사용자의 최소 입력을 요청하고 테이블 데이터 구조를 생성하는 자동화된 코드를 만드는 것입니다. 이 예에서 사용자는 데이터 유형(세포 핵 또는 구조 측정), 세포주의 피사체 지정자 및 선택중인 파일 수의 범주를 입력했습니다. 그런 다음 관련 파일을 사용자가 선택하였고(표2,열 1), 행 항목이 자동으로 생성되고 파일 내에 포함된 모든 변수로 채워집니다(표2,열 2). 또한 다른 실험 항목을 추가해야 하는 경우 사용자가 루프를 계속하도록 선택할 수 있도록 코드가 유연해야 합니다. 그렇지 않으면 파일이 저장되고 루프가 끝납니다. 이 단계에서 설명하는 파일 위치에서 새 항목을 추가하고 오류를 확인하고 스프레드시트를 어셈블하는 기본 기능은...

과학적 진보가 기술에 의해 크게 좌우되는 시대에, 많은 양의 데이터를 처리하는 것은 모든 분야에서 연구의 필수적인 측면이되었습니다. 전산 생물학 및 유전체학과 같은 새로운 분야의 출현은 기술의 사전 활용이 얼마나 중요한지 강조합니다. 이러한 경향은 무어의 법칙과 기술발전1,2에서얻은 꾸준한 진보로 인해 계속될 것이 확실합니다. 그러나 한 가지 결과는 이전에 실행 가능한 조직 방법의 기능을 초과하는 생성된 데이터의 양이 증가하고 있다는 것입니다. 대부분의 학술 실험실은 복잡한 데이터 세트를 처리하기에 충분한 컴퓨팅 리소스를 가지고 있지만, 많은 그룹은 개발 요구에 적합한 사용자 정의 시스템을 구축하는 데 필요한 기술 전문 지식이 부족3. 이러한 데이터 집합을 관리하고 업데이트하는 기술을 갖추는 것은 효율적인 워크플로우 및 출력에 매우 중요합니다. 데이터와 전문 지식 간의 격차를 해소하는 것은 광범위한 다각적인 데이터를 효율적으로 처리, 재업데이트 및 분석하는 데 중요합니다.
확장성은 대용량 데이터 집합을 처리할 때 필수적인 고려 사항입니다. 예를 들어 빅 데이터는 방대한 볼륨, 큰 이질성 및 오디오 및 비디오4,5와같은 높은 세대 비율을 특징으로 하는 데이터 처리에서 새로운 통찰력을 드러내는 연구 분야입니다. 이 필드는 자동화된 조직 및 분석 방법을 사용하여 급류를 적절하게 처리해야 합니다. 그러나 빅 데이터에 사용되는 많은 기술 용어는 명확하게 정의되지 않았으며 혼란스러울 수 있습니다. 예를 들어 "고속" 데이터는 종종 하루에 수백만 개의 새 항목과 연관되는 반면 "저속" 데이터는 학술 실험실 설정과 같이 하루에 수백 개의 항목일 수 있습니다. 빅 데이터를 사용하여 아직 발견되지 않은 흥미로운 발견이 많이 있지만 대부분의 학술 실험실은 자신의 과학적 질문을 해결하기위한 이러한 방법의 범위, 힘 및 복잡성을 필요로하지 않습니다5. 과학적 데이터가시간이지남에 따라 점점 더 복잡해지는 것은 의심의 여지가 없지만, 많은 과학자들은 더 이상 확장되는 데이터 요구를 충족시키지 못하는 조직 방법을 계속 사용하고 있습니다. 예를 들어, 편리한 스프레드시트 프로그램은 과학적 데이터를 구성하는 데 자주 사용되지만, 확장할 수 없고, 오류가 발생하기 쉽고, 시간이 비효율적이라는 대가를 치러야 하는 경우7,8. 반대로 데이터베이스는 확장 가능하고 비교적 저렴하며 진행 중인 프로젝트의 다양한 데이터 집합을 처리하는 데 사용하기 쉽기 때문에 문제에 대한 효과적인 솔루션입니다.
데이터 조직의 스키마를 고려할 때 발생하는 즉각적인 문제는 교육 및 사용에 대한 비용, 접근성 및 시간 투자입니다. 비즈니스 환경에서 자주 사용되는 데이터베이스 프로그램은 빅 데이터 시스템 사용을 지원하는 데 필요한 자금보다 상대적으로 저렴하거나 무료입니다. 실제로 오라클 데이터베이스, MySQL 및 Microsoft(MS) 액세스9와같은 데이터베이스를 만들고 유지 관리하기 위한 상용 및 오픈 소스 소프트웨어의 다양한 존재. 많은 연구자들은 또한 여러 MS Office 학술 패키지가 MS 액세스가 포함되어 있다는 것을 배우도록 권장되어 비용 고려 사항을 더욱 최소화합니다. 또한 거의 모든 개발자가 온라인으로 광범위한 문서를 제공하며 연구원이 구조화 된 쿼리 언어 (SQL)10,11,12을이해하고 활용할 수 있도록 Codecademy, W3Schools 및 SQLBolt와 같은 무료 온라인 리소스가 많이 있습니다. 다른 프로그래밍 언어와 마찬가지로 SQL을 사용하여 데이터베이스와 코드를 사용하는 방법을 배우는 데는 시간이 걸리지만 충분한 리소스를 사용할 수 있으므로 프로세스가 간단하고 투자할 만한 가치가 있습니다.
데이터베이스는 데이터 접근성을 높이고 집계의 용이성을 높이기 위한 강력한 도구가 될 수 있지만, 조직을 보다 잘 제어할 때 어떤 데이터가 가장 큰 이점을 얻을 수 있는지 파악하는 것이 중요합니다. 다차원성은 측정을 그룹화할 수 있는 조건의 수를 말하며, 데이터베이스는 다양한 조건을 관리할 때 가장 강력합니다13. 반대로, 차원이 낮은 정보는 스프레드시트 프로그램을 사용하여 처리하는 것이 가장 간단합니다. 예를 들어 연도와 연도값을 포함하는 데이터 집합에는 가능한 그룹화(연도별 측정)만 있습니다. 임상 설정으로부터와 같은 고차원 데이터는 스프레드시트 프로그램의 범위를 벗어나는 지루하고 오류가 발생하기 쉬운 프로세스를 효과적으로 유지하기 위해 많은 수준의 수동 조직이 필요할 것이다13. 비관계형(NoSQL) 데이터베이스는 주로 데이터가 행과열14로잘 구성되지 않는 응용 프로그램에서 다양한 역할을 수행합니다. 이러한 조직 스키마에는 자주 오픈 소스가 되는 것 외에도 그래픽 연결, 열계 데이터 또는 문서 기반 데이터가 포함됩니다. NoSQL은 SQL보다 확장성이 뛰어나지만 복잡한 쿼리를 만들 수 없으므로 일관성, 표준화 및 드물게 대규모 데이터 변경이 필요한 상황에서 관계형 데이터베이스가 더 좋습니다15. 데이터베이스는 과학적 설정13,16에자주 필요한 대규모 적합성 배열로 데이터를 효과적으로 그룹화하고 다시 업데이트하는 데 가장 적합합니다.
이 작업의 주요 의도는, 따라서, "중간 크기", 낮은 속도 데이터에 대한 확장 가능한 데이터 관리 시스템으로 데이터베이스의 잠재력에 대해 과학 커뮤니티에 알리는 것입니다뿐만 아니라 환자 소스 세포주 실험의 특정 예를 사용하여 일반적인 템플릿을 제공하는 것입니다. 다른 유사한 응용 분야는 강바닥의 지리 공간 데이터, 세로 임상 연구에서 설문지, 성장 매체17,18,19에서미생물 성장 조건을 포함한다. 이 작업은 원시 데이터를 구조화 된 형식으로 변환하는 데 필요한 데이터 파이프라인과 결합 된 데이터베이스를 생성하는 일반적인 고려 사항 및 유틸리티를 강조합니다. SQL의 데이터베이스에 대한 데이터베이스 인터페이스 및 코딩의 기본 사항과 예제를 통해 다른 사용자가 기본 프레임워크 를 빌드하는 데 적용할 수 있는 지식을 얻을 수 있도록 합니다. 마지막으로 샘플 실험 데이터 집합은 다각적인 데이터를 다양한 방식으로 집계하도록 데이터베이스를 얼마나 쉽고 효과적으로 설계할 수 있는지 보여 줍니다. 이 정보는 자신의 실험적 요구에 대한 데이터베이스를 구현하는 경로에 동료 과학자를 지원하기위한 컨텍스트, 해설 및 템플릿을 제공합니다.
연구 실험실 환경에서 확장 가능한 데이터베이스를 만들기 위해 지난 3년 동안 인간 섬유아세포 세포를 사용한 실험에서 얻은 데이터를 수집했습니다. 이 프로토콜의 주요 초점은 사용자가 가능한 가장 비용 및 시간 효율적인 방식으로 데이터를 집계, 업데이트 및 관리할 수 있도록 컴퓨터 소프트웨어 조직에 보고하는 것이지만 관련 실험 방법도 제공됩니다. 컨텍스트.
실험 설정 샘플을 준비하기 위한 실험 프로토콜은 이전에20,21,및 여기서 간략하게 제시되었다. 컨스트럭트는 폴리디메틸실록산(PDMS)과 경화제의 10:1 혼합물을 가진 스핀 코팅 직사각형 유리 커버립에 의해 제조된 다음, 0.05 mg/mL 섬유넥틴을 비조직(등방성) 또는 5 μm 갭 미세 패턴 배열(lines)으로 20 μm 라인으로 도포하였다. 섬유아세포 세포는 7항(또는 양성 대조을 위한 통로 16)에서 최적의 밀도에서 커버슬립에 시드되었고, 24시간 후에 미디어가 변경되면서 48시간 동안 성장하도록 방치하였다. 세포를 4% 파라포름알데히드(PFA) 용액 및 0.0005% 난오계면활성제를 사용하여 고정한 다음, 세포 핵을 위해 면역염색되는 커버립(4',6'-디아미노디노-2-페닐리노돌[DAPI]), 액틴(알렉사 플루오르 488 플라할로이드) 및 섬유질성 계면활성제를 사용하였다. 염소 항 토끼 IgG 항체(Alexa Fluor 750 염소 항 토끼)를 사용하여 섬유넥틴에 대한 이차 얼룩을 적용하고 보존제가 모든 커버립에 장착되어 형광 퇴색을 방지하였다. 매니큐어는 현미경 슬라이드에 커버립을 밀봉한 다음 24 시간 동안 건조하도록 방치하는 데 사용되었습니다.
형광 영상은 반전된 전동 현미경에 장착된 디지털 전하 결합 장치(CCD) 카메라와 결합된 40x 오일 침지 목표를 사용하여 앞서20일 설명한 바와 같이 수득되었다. 임의로 선택된 10개의 시야각은 6.22픽셀/μm 해상도에 해당하는 40배 배율로 각 커버슬립에 대해 이미지화되었습니다. 맞춤형 코드는 핵, 액틴 필라멘트 및 피브로넥틴을 설명하는 이미지로부터 다양한 변수를 정량화하는 데 사용되었다; 조직 및 형상 매개 변수뿐만 아니라 해당 값은 데이터 파일에 자동으로 저장되었습니다.
세포주 모든 샘플 데이터 세포주에 대한 보다 광범위한 문서는 이전 간행물20에서찾을 수 있습니다. 간략하게 설명하기 위해, 데이터 수집이 승인되고 UC 어바인 기관 검토 위원회 (IRB # 2014-1253)에 따라 동의가 수행되었다. 인간 섬유아세포 세포는 라메A/C(LMNA) 유전자돌연변이의 상이한 변이의 3개의 패밀리로부터 수집되었다: 이형이후 LMNA 스플라이스-사이트 돌연변이(c.357-2A>G)22(패밀리 A); LMNA 넌센스 돌연변이 (c.736 C>T, pQ246X) 에서 423 (패밀리 B); 및 LMNA 오인 돌연변이 (c.1003C>T, pR335W) 엑슨 624 (패밀리 C). 섬유아세포세포는 또한 "대조군"이라 불리는 관련 돌연변이 음성 대조군으로서 각 가족의 다른 개인들로부터 수집되었고, 그 외는 "기증자"라고 불리는 관련 돌연변이 음성 대조군으로서 구입하였다. 양성 대조군으로서, 허친슨-글리포드 프로게리아(HGPS)를 가진 개인으로부터섬유아세포는 LMNA G608G 포인트돌연변이(25)를보유한 HGPS를 가진 8세 여성 환자로부터 채취한 피부 생검으로부터 구입및 성장하였다. 총, 22 명의 개인에서 섬유 아세포 테스트 하 고이 작품에 데이터로 사용.
데이터 유형 섬유아세포 데이터는 세포 핵 변수(즉, 이형성 핵의 백분율, 핵영역, 핵 편심)20 또는 방향 순서 파라미터(OOP)21,26,27(즉, 액틴 OOP, 피브로넥틴 OOP, 핵 OOP)으로부터 유래하는 구조적 변수 의 두 가지 범주 중 하나로 나타났다. 이 파라미터는 모든 방향 벡터의 평균 차수 텐서의 최대 고유값과 같으며, 이전 간행물26,28에서상세하게 정의된다. 이러한 값은 연령, 성별, 질병 상태, 특정 증상의 존재 등에 대한 값과 같은 다양한 가능한 적합성으로 집계됩니다. 이러한 변수가 사용되는 방법의 예는 결과 섹션에서 찾을 수 있습니다.
예제 코드 및 파일 위의 데이터를 기반으로 하는 예제 코드 및 기타 파일을 이 백서와 함께 다운로드할 수 있으며 이름과 형식은 표 1에요약되어 있습니다.

<table><tbody><tr><td>4',6'-디아미노디노-2-페닐리노돌(DAPI)</td><td>Life Technologies, 칼즈배드, 캘리포니아</td><td></td><td></td></tr><tr><td>Alexa Fluor 488 Phalloidin</td><td>Life Technologies, 칼즈배드, 캘리포니아</td><td></td><td></td></tr><tr><td>Alexa Fluor 750 염소 안티 토끼</td><td>라이프 기술, 칼즈배드, 캘리포니아</td><td></td><td></td></tr><tr><td>디지털 CCD 카메라 ORCAR2 C10600-10B</td><td>Hamamatsu Photonics, 시즈오카 현, 일본</td><td></td><td></td></tr><tr><td>피브로넥틴</td><td>Corning, Corning, NY</td><td></td><td></td></tr><tr><td>IX-83 도립 전동 현미경</td><td>Olympus America, Center Valley, PA</td><td></td><td></td></tr><tr><td>Matlab R2018b</td><td>Mathworks, Natick, MA</td><td></td><td></td></tr><tr><td>MS Access</td><td>Microsoft, Redmond, WA</td><td></td><td></td></tr><tr><td>파라포름알데히드(PFA)</td><td>Fisher Scientific Company, Hanover Park, IL</td><td></td><td></td></tr><tr><td>polycloncal rabbit anti-human fibronectin</td><td>Sigma Aldrich Inc., Saint Louis, MO</td><td></td><td></td></tr><tr><td>폴리디메틸실록산(PDMS)</td><td>Ellsworth Adhesives, Germantown, WI</td><td></td><td></td></tr><tr><td>Prolong Gold Antifade</td><td>Life Technologies, Carlsbad, CA</td><td></td><td></td></tr><tr><td>직사각형 유리 커버슬립</td><td>Fisher Scientific Company, Hanover Park, IL</td><td></td><td></td></tr><tr><td>Triton-X</td><td>Sigma Aldrich Inc. , 세인트루이스, MO</td><td></td><td></td></tr></tbody></table>

조직 공학에서 중간 크기의 저속, 다차원 데이터를 효율적으로 관리하는 데이터베이스

Databases to Efficiently Manage Medium Sized, Low Velocity, Multidimensional Data in Tissue Engineering

과학은 진행을 위해 점점 더 복잡한 데이터 세트에 의존하지만 스프레드시트 프로그램과 같은 일반적인 데이터 관리 방법은 이 정보의 규모와 복잡성이 증가하는 데 는 부적절합니다. 데이터베이스 관리 시스템은 이러한 문제를 해결할 수 있지만 일반적으로 비즈니스 및 정보학 분야 외부에서는 사용되지 않습니다. 그러나 많은 연구 실에서는 이미 유사한 시스템을 구현하면 큰 이점을 얻을 수 있는 "중간 크기", 저속, 다차원 데이터를 생성합니다. 이 문서에서는 데이터베이스가 어떻게 작동하는지 설명하고 조직 공학 응용 프로그램에서 제공하는 이점을 설명하는 개념적 개요를 제공합니다. 라메 A/C 돌연변이를 가진 개별에게서 구조섬유아세포 데이터는 특정 실험 문맥 내의 보기를 설명하기 위하여 이용되었습니다. 예를 들어 다차원 데이터 시각화, 관계형 데이터베이스 구조의 테이블 연결, 원시 데이터를 구조화 된 형식으로 변환하는 반자동 데이터 파이프라인 매핑, 쿼리의 기본 구문 설명 등이 있습니다. 데이터를 분석한 결과, 허친슨-길포드 프로게리아, 잘 알려진 laminopathy 및 기타 모든 실험 군 사이의 정렬된 환경에서 세포 조직에서 다양한 배열및 중요성의 플롯을 생성하는 데 사용되었다. 스프레드시트와 비교하여 데이터베이스 메서드는 매우 시간 효율적이고, 한 번 설정하면 사용하기 쉽고, 원본 파일 위치에 즉시 액세스할 수 있으며, 데이터 엄격성도 향상되었습니다. 국립 보건원 (NIH)이 실험적 엄격함을 강조함에 따라 많은 과학 분야가 복잡한 데이터를 효과적으로 구성 할 수있는 강력한 능력으로 인해 결국 데이터베이스를 일반적인 관행으로 채택 할 가능성이 높습니다.

데이터의 다차원성 여기에 제시된 예제 데이터 세트의 맥락에서, 방법 섹션에 기술된 피험자는 심장 질환을 유발하는 LMNA 돌연변이("환자"), 관련 비돌연변이 음성 대조군("대조군"), 관련 비돌연변이 음성 대조군("Donors"), 허친슨-길포드 프로게리아 증후군(HGPS)을 가진 개인으로부터 3개의 가족으로부터의 집단으로분할되었다. 대조군과 기증자의 결과는 LMNA 돌연변이의 그들의 집합적인 부족을 감안할 때 전반적인 음성 통제 (N.C.) 단으로 더 그룹화될 수 있었습니다. 모든 피험체의 세포주에는 상태군(그림 1 – 진한 청색축)에 따라 "돌연변이 상태"가 연관되었다. 각 실험에 대해, 피험자로부터의 섬유아세포 세포는 조직화되지 않은(등방성) 또는 미세패턴(Lines) 섬유넥틴의 배열에 배양되었고, "패턴 유형"(도1</s...

많은 연구자들은 스프레드시트가 아닌 데이터베이스로 보다 효율적으로 관리할 수 있는 "중간 크기", 저속 및 다차원 데이터를 생성합니다. 여기서는 다차원 데이터 시각화, 관계형 데이터베이스 구조의 테이블 연결, 반자동 데이터 파이프라인 매핑, 데이터베이스 사용 등 데이터베이스의 개념적 개요를 제공하여 데이터 의미를 설명합니다.

Science relies on increasingly complex data sets for progress, but common data management methods such as spreadsheet programs are inadequate for the ...

과학 데이터는 지난 수십 년 동안 점점 더 복잡하고 풍부해졌지만 과학자들은 확장되는 데이터 요구를 더 이상 충족시키지 못하는 조직 방법을 계속 사용하고 있습니다. 이 비디오에 설명된 기술의 주요 장점은 데이터 분석을 위한 유연성을 유지하면서 엄격한 데이터 파이프라인과 스토리지를 제공하는 데이터베이스를 허용한다는 것입니다. 관심 있는 데이터 집합에 대한 평가를 시작하려면 이 표에 표시된 예제 코드 및 데이터베이스를 다운로드합니다.다음으로 다차원 데이터베이스의 그래픽 표현을 사용하여 관심 데이터 집합이 실제로 다차원인지 평가합니다. 데이터는 데이터베이스 조직의 이점을 위해 두 가지 조건을 충족해야 합니다. 첫째, 데이터는 다차원 형태로 시각화할 수 있어야 합니다.둘째, 특정 실험 결과를 차원에 공감할 수 있게 됨으로써 더 큰 과학적 통찰력을 얻어야 합니다. 관계형 데이터베이스는 행과 열로 구성된 테이블 형태로 정보를 저장하며 데이터베이스 내에서 식별 정보를 연결하는 데 사용할 수 있습니다. 다차원성은 테이블의 열 및 개별 테이블과 같은 서로 다른 필드를 서로 관련시켜 처리됩니다.첫째, 데이터 파일을 구성하여 고유한 이름을 잘 생각했습니다. 파일 명명 규칙 및 폴더/하위 폴더 구조의 좋은 방법은 파일에 수동으로 액세스하는 가독성을 손상시키지 않으면서 광범위한 데이터베이스 확장성을 허용합니다. 메타데이터에 따라 일관된 형식과 이름 하위 폴더에 일자 파일을 추가합니다.데이터베이스 구조가 설계되면 서로 다른 테이블의 필드 간의 관계를 그립니다. 생성된 데이터베이스및 관계를 설명하는 README 설명서를 만듭니다. 이 그림이나 텍스트 기반과 같은 그래픽일 수 있습니다.서로 다른 테이블 간의 항목이 연결되면 모든 관련 정보가 해당 항목과 관련이 있으며 복잡한 쿼리를 호출하여 원하는 정보로 필터링하는 데 사용할 수 있습니다. 개인의 다른 특성이 해당 개인의 관련 실험 데이터와 관련된 이 예제와 유사한 최종 결과를 만듭니다. 패턴 유형 및 데이터 형식의 관련 열을 통해 기본 DataValue 테이블의 일치하는 항목에 대해 다양한 약기 표기를 설명했습니다.각 데이터 형식에 대한 일반적인 데이터 저장소 관행과 함께 데이터 수집으로 이어질 수 있는 모든 다양한 실험 및 데이터 분석 방법을 식별합니다. GitHub와 같은 오픈 소스 버전 제어 소프트웨어와 협력하여 사용자 부담을 최소화하면서 필요한 일관성과 버전 제어를 보장합니다. 자동화된 파이프라인을 허용하기 위해 일관된 데이터 명명 및 저장 절차를 만들어야 합니다.편리한 프로그래밍 언어를 사용하여 데이터베이스에 대한 새 데이터 항목을 생성합니다. 자동화된 데이터 선택을 안내할 수 있는 별도의 파일에 작은 도우미 테이블을 만듭니다. 이러한 파일은 파이프라인에서 작동할 수 있는 가능성의 템플릿역할을 하며 편집이 용이합니다.데이터 파이프라인에 대한 새 데이터 항목을 생성하려면 이 문서의 보충 파일에 제공되는 예제와 유사한 방식으로 코드를 프로그래밍합니다. 이렇게 하면 도우미 테이블을 사용자가 선택할 입력으로 사용할 수 있습니다. 여기에서 새 항목을 이전 항목과 결합하여 파일 위치의 새 스프레드시트를 어셈블합니다.여기에 표시되고 추가 파일에 제공된 코드는 이 프로세스를 자동화하는 데 사용할 수 있습니다. 그런 다음 여기에 표시된 코드를 사용하여 병합된 스프레드시트를 사용하여 이 단계를 자동화합니다. 또한 스프레드시트에서 자동화된 방법을 사용하여 오류를 확인하고 사용자에게 이유 및 위치를 알립니다.또한 컴파일된 데이터베이스를 확인하고 누락된 잘못된 데이터 점을 식별하는 코드를 작성할 수 있습니다. 여기에 표시된 것과 유사한 코드를 사용하여 데이터베이스의 무결성을 잃지 않고 잘못된 점을 수동으로 제거합니다. 데이터 포인트를 더 추가하려면 다음 단계를 반복합니다.그런 다음 파일 위치를 사용하여 데이터 값 스프레드시트를 생성합니다. 또한 파일 위치를 식별하거나 향후 항목과 병합하기 위해 액세스할 수 있는 항목의 업데이트된 목록을 만듭니다. 데이터베이스 생성을 시작하려면 먼저 빈 데이터베이스 문서를 만들어 셀주, 데이터 유형 및 패턴 유형에 대한 도우미 테이블을 로드합니다.외부 데이터 메뉴로 이동하여 텍스트 파일 가져오기를 선택하고 찾아보기를 클릭한 다음 원하는 파일을 선택합니다. 가져오기 마법사에서 제한 해제를 선택하고 다음을 공격합니다. 디리미터 유형에 대한 필드 이름과 쉼표가 포함된 첫 번째 행을 선택합니다.다음을 클릭한 후 기본 필드 옵션을 선택한 다음 기본 키 없음을 선택합니다. 다음을 클릭한 다음 완료합니다. 그런 다음 동일한 단계를 반복하여 데이터 및 패턴 유형을 로드합니다.다음으로 데이터 값 테이블을 로드합니다. 외부 데이터 메뉴로 이동하여 텍스트 파일 가져오기를 선택하고 찾아보기를 클릭한 다음 원하는 파일을 선택합니다. 가져오기 마법사에서 제한 해제를 선택하고 다음을 공격합니다.디리미터 유형에 대한 필드 이름과 쉼표가 포함된 첫 번째 행을 선택합니다. 다음을 클릭한 후 기본 필드 옵션을 선택한 다음 액세스 가 기본 키를 추가하도록 선택합니다. 다음을 클릭한 다음 완료합니다.이제 데이터베이스 도구를 선택하고 관계로 이동하며 모든 테이블을 보드로 드래그하여 관계를 만듭니다. 그런 다음 관계 편집으로 이동하여 새 만들기를 선택합니다. 테이블 과 열 이름을 선택한 다음 도우미 테이블을 가리키는 조인 타이핑을 클릭합니다.원하는 각 관계를 설정한 후 쿼리 디자인 만들기로 이동하여 모든 관련 테이블을 선택하거나 상단 창으로 드래그합니다. 이 예제에서는 셀주, 데이터 값, 데이터 형식 및 패턴 유형이 표시됩니다. 관계는 이전 관계 설계에 따라 자동으로 설정되어야 합니다.이제 원하는 결과를 위해 쿼리 열을 작성합니다. 이 데이터 집합의 경우 합계를 표시하고 선택합니다. 여기에 표시된 첫 번째 열, 두 번째 열 및 세 번째 열을 작성합니다.네 번째 열, 다섯 번째 열 및 여섯 번째 열도 작성합니다. 열을 작성하면 쿼리를 저장하고 실행합니다. 이 샘플 실험 데이터의 경우 Tukey 테스트를 사용하여 분산의 단방향 분석을 사용하여 다양한 조건 간의 평균 비교를 사용하십시오.수많은 가능한 확인이 주어지면 수동 데이터 집계 방법을 사용하여 새로운 관계가 존재하는 위치를 식별하기 어려울 수 있습니다. 여기서, 여러 조건에 걸친 세포세포 액틴 필라멘트의 조직은 서로 다른 확인으로 데이터베이스를 쿼리하여 방향 순서의 정도를 사용하여 측정되었다. 이방성 및 등위성 데이터 세트는 섬유네틴 마이크로패터닝이 조직 조직에 큰 영향을 미치기 때문에 예상된 매우 다른 OOP를 보여줍니다.그러나, 등위 위 조직을 비교할 때 돌연변이 상태 조건 사이 유의한 다름이 없었습니다. 반대로, 패턴 조직은 양성 대조군 세포주에서 통계적으로 덜 조직되었다. 이 관계는 데이터가 서로 다른 가족에 의해 집계된 경우에도 유지되었으며 긍정적이고 부정적인 제어가 가능합니다.필요한 경우 데이터를 더 구문 분석할 수 있습니다. 예를 들어, 여기서 actin OOP는 임상 변수에 대한 응집을 설명하기 위해 돌연변이 상태와 가족에 의해 분리 된 생검 시에 개인의 나이에 대해 플롯되었습니다. 이 데이터 집합에서는 actin 조직과 개인의 나이 사이에는 상관 관계가 없습니다.이는 동일한 데이터를 서로 다른 조합으로 분석할 수 있는 방법과 여러 클래스에 속하는 데이터를 집계하는 데 일반적으로 어려운 작업이 데이터베이스를 사용하여 얼마나 쉽게 수행할 수 있는지를 보여줍니다. 데이터 조직 파이프라인을 만들고 데이터베이스를 생성하는 이 프로토콜은 대량 데이터 수집 시대에 절대적으로 필수적인 과학적 엄격함을 제공합니다.

databases-to-efficiently-manage-medium-sized-low-velocity

Research

연구

JoVE Journal

Bioengineering

생명공학

우리는 관절 연골 결손에 이전의 이식 연골의 BioComposite을 일축 또는 이축 기계적 변형을 적용 할 수 있습니다 소설 기계적 하중 생물 반응기를 설계했습니다.

조직 공학을위한 이축 기계 로딩 생물 반응기의 설계

입자 추적 microrheology은 비파괴 정량 및 공간적 차원 종양 모델에서 세포 외 기질 (extracellular matrix) 기계적 성질의 변화를 매핑하는 데 사용할 수 있습니다.

입자 추적 microrheology은을 사용하여 3D 종양 모델에서 세포 외 매트릭스 강성의 경도 측정

이 프로토콜 cryogelation 기술로 제작을 통합 하 여 탄력 있는 3D macroporous microcryogels의 제작을 설명 합니다. 재생 치료를 촉진 하기 위하여 쉽게 주입된 비보 수 또는 생체 외에서 높은 처리량 마약 검사에 대 한 배열로 조립 셀 로딩 시 3D microtissues 생성 됩니다.

주 사용 재생 치료와 높은 처리량 마약 검사에 대 한 3D Microtissues

혈관 개장 및 생 분해성 고분자 비 계 기반 조직 설계 혈관의 자극 타악기와 실시간 문화에 비 계 저하의 과정을 감시 하는 비파괴 및 긴 기간에 대 한 단계 프로토콜 광학 일관성 단층 촬영을 사용 하 여 여기에 설명 되어 있습니다.

광학 일관성 단층 촬영을 사용 하 여 분해 비 계 기반 조직 설계 혈관 개발의 비파괴 모니터링

이 프로토콜의 목표는 관형 전기 스캐폴드에서 인간 대식세포와 근섬유세포의 동적 공동 배양을 실행하여 재료 중심 조직 재생을 조사하는 것이며, 전단 응력과 순환 스트레칭의 분리를 가능하게 하는 생체 반응기를 사용하는 것입니다.

유량 및 스트레치 하에서 생체 재료의 염증 및 재생 능력을 평가하는 다중 큐 생물 반응기

이 프로토콜은 선반 재료가 없는 1차 인간 유방 조직을 사용하여 유방암을 연구하기 위한 체외 미생물 시스템의 건설을 설명합니다.

미생물 시스템을 사용하여 인간 유방 조직에서 유방암 모델링

여기에 제시된 프로토콜은 기계학 연구, 질병 모델링 및 스크리닝 애플리케이션에 적합한 이중 극이 있는 다중 우물 판에서 48개의 조직의 병렬 배양에 대한 엔지니어링 된 결합 조직을 생성하는 프로토콜입니다. 프로토콜은 다른 장기와 종에서 섬유 아세포와 호환되며 인간의 기본 심장 섬유 아세포와 함께 여기에 예시됩니다.

섬유아세포, 선별 애플리케이션을 위한 인간 공학형 결합 조직

줄기 세포 유래 심근 세포를 사용하여 생체 공학적으로 설계된 3차원 심장 조직은 건강한 심근과 병든 인간 심근 을 체외 에서 연구하는 동시에 천연 심장 틈새 시장의 주요 측면을 요약하기 위한 유망한 모델로 부상했습니다. 이 원고는 인간 유도 만능 줄기 세포 유래 심근세포에서 생성된 high-content engineered 심장 조직을 제작하고 분석하기 위한 프로토콜을 설명합니다.

공학적 심장 조직의 데이터 수집 및 모델 처리량을 개선하기 위한 바이오리액터 설계

이 프로토콜은 3D 엔지니어링된 심장 및 골격근 조직을 생성하는 방법을 제공하고 전임상 약물 스크리닝 양식에서의 사용을 설명합니다. 설명된 방법은 자기 감지 시스템을 사용하여 24개의 조직을 동시에 동시에 평가할 수 있습니다.

확장 가능한 3D 엔지니어링 근육 조직의 전임상 약물 테스트

이 프로토콜은 3D 콜라겐 하이드로겔(두께 &lt;250μm)에서 섬유를 정렬하기 위해 확장 변형(스트레칭)을 생성하기 위해 유체 흐름 방향을 따라 기하학이 변화하는 미세유체 채널의 사용을 보여줍니다. 결과 정렬은 수 밀리미터에 걸쳐 확장되며 연신 변형률의 영향을 받습니다.

Microengineering 3D 콜라겐 하이드로겔(장거리 섬유 정렬 포함)

종방향 in vivo rat radial defect model에서 사용자 정의 관심 영역(ROI)을 분석하는 방법을 제시합니다. 이 방법을 사용하면 이전에는 μCT(microcomputed tomography) 스캔 시야, 표본 방향 및 골격의 기준선 존재 여부의 변화에 의해 제한되었던 서로 다른 골격 간의 비교 분석을 수행할 수 있습니다.

Critical-sized bone defects에서 사용자 정의 관심 영역에 대한 종방향 마이크로 컴퓨터 단층 촬영 이미지 분석

학습하세요 조직 공학에서 다차원 데이터를 효율적으로 관리하는 데이터베이스 구축 방법을. 관계형 테이블 구조와 자동화 파이프라인을 활용하여 복잡한 과학 데이터를 체계적으로 저장하고 시각화할 수 있습니다.

조직 공학에서 중간 크기의 저속, 다차원 데이터를 효율적으로 관리하는 데이터베이스

더 많은 동영상 탐색