Dit rapport beschrijft een methode met een R-script in de open-source software RStudio om grootschalige datasets te analyseren die zijn verkregen uit tijdreeksexperimenten.
Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.
Methodenartikel
Een gebruiksvriendelijke en krachtige R-analyse van grootschalige datasets
In dit artikel
Samenvatting
Samenvatting
Grote datasets komen steeds vaker voor in het wetenschappelijke veld. Het is belangrijk om gebruiksvriendelijke tools te ontwikkelen waarmee onderzoekers deze grote datasets gemakkelijk kunnen analyseren. Hier introduceren we een methode met een R-script in de open-source software RStudio om grootschalige datasets te analyseren die zijn verkregen uit tijdreeksexperimenten. Deze methode vereist minimale input van een gebruiker, waardoor een beginner die geen eerdere R-kennis of programmeerervaring heeft, het kan gebruiken. De gedetailleerde instructies die hier en in het R-script worden beschreven, zullen gebruikers verder begeleiden bij het gebruik van de methode. De invoergegevens en de uitvoerresultaten worden opgeslagen in dezelfde map van een lokale computer, waardoor het mogelijk is om de analyse overal en altijd uit te voeren. De uitvoerresultaten zijn georganiseerd in mappen voor eenvoudige interpretatie, en ze kunnen gemakkelijk worden verwerkt om cijfers voor publicaties te genereren. Deze methode is met succes gebruikt om circadiane klokgegevens en burstgegevens van reactieve zuurstofsoorten te analyseren, beide met grootschalige datasets van tijdreeksexperimenten in een formaat met 96 putjes. Wij zijn van mening dat deze methode een gemakkelijke en krachtige oplossing biedt voor onderzoekers bij het analyseren van vergelijkbare grote datasets die zijn verkregen door middel van tijdreeksexperimenten.
Inleiding
Met de toegenomen beschikbaarheid van grote datasets op wetenschappelijk gebied, is het belangrijk om gebruiksvriendelijke tools te ontwikkelen waarmee onderzoekers deze grote datasets snel en nauwkeurig en gemakkelijk kunnen analyseren. Een type van de gemeenschappelijke grote dataset komt voort uit het gebruik van het luciferase-gen als reporter, waardoor een gemakkelijk, continu en niet-invasief onderzoek van genexpressie in levende cellen en organismen mogelijk is gemaakt. Automatisering bij het registreren van luminescentie heeft de meting van luciferase-luminescentie getransformeerd en geleid tot een uitbreiding van de gegevensverzameling, met name in het circadiane klokveld 1,2. Met behulp van microplaten met 96 putjes en een automatische plaatlezer met een stapelaar, kunnen duizenden monsters die het luciferase-gen tot expressie brengen, individueel worden getest in tijdreeksen, soms met tussenpozen van een uur gedurende dagen, in één experiment. Dergelijke high-throughput experimenten hebben geresulteerd in de productie van grote datasets die traditionele genexpressie-experimenten met behulp van handmonsterverzameling, gevolgd door RNA-verwerking, onmogelijk zouden kunnen bereiken. Het tijdig analyseren van dergelijke grote datasets is belangrijk, maar kan een uitdaging zijn.
Hoewel er een overvloed aan tools bestaat om gegevens te analyseren op ritmiek, analyseren veel van de tools op basis van diergedrag in plaats van luminescentiereporterexpressie 3,4,5,6,7 (aanvullende tabel S1). Sommige tools vereisen dat onderzoekers eerdere computerprogrammeervaardigheden hebben, zoals Python-vaardigheden of toegang tot MATLAB. Andere tools vereisen de aanschaf van software, wat kostbaar kan zijn. Sommige gratis werkbare oplossingen zijn online beschikbaar. Een van die tools is BioDare28, dat een verscheidenheid aan verschillende methoden biedt om ritmische gegevens te analyseren. BioDare2 is een gebruiksvriendelijke online tool en vereist minimale rekenexpertise. Gebruikers moeten gegevensinvoer online uploaden en gegevensuitvoer downloaden van de online interface voor verdere verwerking.
Hier presenteren we gebruiksvriendelijke R-scripts met meerdere mogelijkheden om grootschalige datasets gemakkelijk te analyseren. We gebruiken de gratis, open-source software RStudio9, een interface voor R en Python, om de scripts uit te voeren. RStudio kan worden gebruikt op verschillende computersystemen, waaronder Windows, Mac en Linux. In dit rapport worden gedetailleerde stapsgewijze instructies gegeven om gebruikers te begeleiden bij het gebruik van de R-scripts, met name in protocolsecties 1 en 2. Deze methode vereist minimale input van de gebruiker. Een beginner die geen voorkennis van R heeft en geen programmeerervaring heeft, zal de methode kunnen gebruiken om grote datasets van luciferase-assays of andere soorten datasets met tijdreeksgegevens te analyseren. Alle invoer- en uitvoergegevens worden opgeslagen op een lokale computer, en dus kan een analyse overal worden uitgevoerd zonder de beperking van internettoegang, zodra alle relevante R-pakketten voor de eerste keer zijn gedownload. De uitvoergegevens worden gesorteerd in overzichtelijke mappen met resultaten die klaar zijn om te worden verwerkt voor publicaties. Statistische analyses worden ook opgenomen als onderdeel van de output om een snelle beoordeling van de verschillen tussen de steekproeven te geven. De R-methode zou dus een gemakkelijke en krachtige oplossing kunnen bieden voor onderzoekers bij het analyseren van grote datasets.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Protocol
1. Op luciferase gebaseerde circadiane klokanalyse
- Experimentele opstelling voor de luciferase-assay
OPMERKING: De luciferase-assay is een veelgebruikte methode die wordt gebruikt om de circadiane klokactiviteit in realtime te meten. Luminescentie, uitgezonden door de luciferase-reporter die wordt gedragen door levende transgene organismen en/of cellen, kan automatisch worden geregistreerd, wat leidt tot de productie van grootschalige tijdreeksdatasets. Ons laboratorium gebruikt voornamelijk Arabidopsis thaliana zaailingen die het luciferase-gen tot expressie brengen als reporter. Figuur 1 en Figuur 2 tonen een stroomschema van de typische experimentele opstelling voor de luciferase-assay met zaailingen in een formaat van 96 putjes in ons laboratorium, aangepast op basis van een eerdere beschrijving2.- Steriliseer zaden met bleekdamp die wordt gegenereerd door 3 ml 36% (w/m) HCl toe te voegen aan 100 ml huisbleekmiddel in een bekerglas gedurende 3 uur. Plaats het bekerglas in een stolp met een afgesloten deksel en plaats deze in een chemische zuurkast. Na de sterilisatie worden de zaden met behulp van een steriele glazen pasteurpipet op een laminaire stroomkast op 1/2MS platen met 0,5% sucrose en 0,8% agar (pH 5,7) op platen van 1/2MS met 0,5% sucrose en 0,8% agar (pH 5,7). Verzamel het chemisch afval in een pot met deksel en gooi het weg in samenwerking met de gemeentelijke milieugezondheidsdienst.
- Zet de platen 2 dagen in 4 °C voordat u ze naar een weefselkweekkamer verplaatst met een lichtcyclus van 12 uur en een donkerlichtcyclus van 12 uur (LD).
- Laat zaailingen 4 d groeien in LD.
- Breng de zaailingen over naar een plaat met 96 putjes; elk putje bevat 180 μL analysemedia (1/2MS, 0,5% sucrose, 0,4% agar, 0,25 mM luciferine). Plaats de platen gedurende 1 dag in LD, gevolgd door 1 dag in 24 uur constant licht (LL).
- Voeg behandelingen of nepoplossing toe aan de putjes en registreer de luminescentie met tussenpozen van 1 uur gedurende 5-7 dagen in LL. Stel de emissiefilterlens in op 3.600 voor versterking en de meetintervaltijd op 1 s.
OPMERKING: De starttijd voor de opname kan op elk moment zijn. Omdat het R-script echter alleen gehele getallen (gehele getallen) gebruikt, moeten de opname-intervallen een geheel getal zijn. Een interval van 1 uur is bijvoorbeeld toegestaan, maar een interval van 15 minuten is niet toegestaan voor het R-script. - Maak aan het einde van de opname een foto van de plaat om de groei van de zaailingen vast te leggen.
- Sla ruwe gegevens op als een CSV-bestand voor R-analyse, met behulp van de functie Opslaan als met de gegevensanalysesoftware voor de plaatlezer.
- Stapsgewijze uitleg van R-analyse van op luciferase gebaseerde circadiane gegevens
OPMERKING: Deze R-analyse maakt gebruik van het R-scriptAanvullend bestand 1(LUC_2025.R), ontwikkeld voor circadiane gegevensanalyse, en het invoerbestandAanvullend bestand 2(NO7.csv). Het R-script is samen met het invoerbestand openbaar beschikbaar via het online repository-platform Github (https://github.com/elvenfire29/Circadian-Luciferase-Analysis).- Download RStudio-software die compatibel is met het computersysteem 9,10.
- Download de RStudio-algoritmische pakketten die vereist zijn voor aanvullend bestand 1 (LUC_2025.R): MetaCycle11: ARSER-algoritme12 van het MetaCycle-pakket, ggplot213, dplyr14, magrittr15, stringr16, filesstrings17, circular18, AICcmodavg19 en broom20.
OPMERKING: Zie ook de bovenkant van het R-script voor de lijst met pakketten. - Wijzig gebruikersinvoer I (volgens een specifieke dataset op een lokale computer, inclusief de werkmap, de naam van het invoerbestand, labels voor de behandelingen en de relatieve starttijd van de test.
OPMERKING: Stappen 1.2.1 en 1.2.2 hoeven slechts één keer te worden voltooid; waarna de RStudio-interfaceconsole klaar is om gebruikersinvoer te ontvangen, met wijzigingen voor elke nieuwe analyse. Er zijn twee delen in de sectie Gebruikersinvoer (Aanvullende Figuur S1).- Selecteer de werkmap. Geef aan waar het invoerbestand zich bevindt. Dezelfde map zal de locatie zijn voor de uitvoerbestanden.
- Selecteer het invoerbestand, een CSV-bestand dat correct is geformatteerd voor het R-script (Afbeelding 2B). In het bijzonder bevat de bovenste rij de tijdreeks en de eerste kolom bevat individuele steekproefposities op een plaat met 96 putjes.
OPMERKING: Een voorbeeld van een dergelijk CSV-invoerbestand is te vinden in Aanvullend bestand 2 (NO7.csv). - Benoem de monsters en/of behandelingen. Aangezien deze analyse wordt gebruikt voor gegevens die zijn verkregen uit instellingen met 96 putjes met een tijdsverloop, ontwerpt u de experimenten als 8 replicaten per behandeling voor een totaal van maximaal 12 behandelingen per plaat, of als 12 replicaten per behandeling voor een totaal van maximaal 8 behandelingen per plaat. Zorg ervoor dat u het juiste aantal monsters invoert, 8 of 12, want het monsteraantal telt; Als het aantal steekproeven niet 8 of 12 is, wordt de code niet uitgevoerd. Als er echter rijen lege putten zijn, vermeld ze dan gewoon als zodanig in de ruimte voor behandelingsnamen, bijvoorbeeld door ze te benoemen als leeg 1, leeg 2...
OPMERKING: Voor voorbeeldnamen moet men het gebruik van backslashes of soortgelijke symbolen vermijden, omdat deze problemen met de bestandsnaam kunnen veroorzaken. Bovendien moet men ook het gebruik van "NA" als label vermijden bij het selecteren van het gebruik van ANOVA in User Input II. Alle behandelingen met exact dezelfde naam worden gecombineerd tot één grote behandelgroep. - Geef de relatieve starttijd van de test aan. Voor een bepaalde dag van 24 uur is subjectieve zonsopgang wanneer het kamerlicht wordt ingeschakeld tijdens een normale licht/donker-cyclus. Als het licht bijvoorbeeld om 7 uur 's ochtends brandt, beschouw deze tijd dan als de circadiane tijd 0. Als een luciferase-test om 9 uur 's ochtends begint, is de analysetijd op circadiane tijd 2; Voer 2 in als de relatieve starttijd.
OPMERKING: De relatieve starttijd moet een geheel getal zijn en mag niet negatief zijn. Dit heeft invloed op de faseaflezing van de monsters.
- Wijzig de opties voor gebruikersinvoer II op basis van specifieke behoeften.
OPMERKING: De onderstaande instructies bevatten een meer gedetailleerde uitleg van de secties Gebruikersinvoer en een stapsgewijze handleiding voor het aanbrengen van de wijzigingen.- Voeg grafieken toe: luminescentiecurves, grafieken voor de periode, fase en amplitude per genotype en behandeling.
- Gebruik de ANOVA-test met de Tukey HSD om behandelingen te vergelijken op hun periode, fase en amplitude. Kies een regelaar voor de ANOVA-testuitvoer; specificeer de controle voor de ANOVA-test of laat de optie leeg om elke behandeling als controle te gebruiken in de paarsgewijze vergelijking. U kunt ook kiezen of u de ANOVA-uitvoerbestanden wilt nummeren voor snellere referentie en organisatie.
- Gebruik een t-toets om behandelingen te vergelijken op hun periode, fase en amplitude. Kies of de t-toets een paarsgewijze vergelijking moet zijn; Als een paarsgewijze T-toets is geselecteerd, selecteert u of de gegevens zijn gekoppeld. Kies een besturing voor de t-toets; Specificeer de besturing voor de T-toets of laat de optie leeg om elke behandeling als controle te gebruiken. Kies of u de uitvoerbestanden van de t-toets wilt nummeren voor snellere referentie en organisatie.
OPMERKING: Dit mag alleen worden gebruikt om twee behandelingen tegelijk te vergelijken, zoals twee lijnen van hetzelfde genotype waaraan SA of Mock is toegevoegd. De getoonde p-waarden zijn niet aangepast om rekening te houden met meerdere vergelijkingen met dezelfde lijn. - Kies of u de tijdstippen wilt afronden. Als de tijdstippen slechts een minuut of twee afwijken, rond dan af op het dichtstbijzijnde uur en gebruik deze analyse.
OPMERKING: Deze code berekent de periode, fase en amplitude met behulp van de ARS-methode12. Deze methode vereist een consistente tijdreeks in uren om te draaien. - Afhankelijk van de manier waarop de plaatlezer putjes registreert, wijzigt u de manier waarop de invoer wordt gelezen. Kies de standaard gegevenslijst van putten op A1, A2, A3... of die voor putten vermeld door A1, B1, C1...
- Voer de analyse uit door simpelweg op de knop Bron in de rechterbovenhoek van de console te klikken.
OPMERKING: De analyse duurt minder dan 1 minuut. De uitvoer van de R-analyse verschijnt automatisch in dezelfde bestandsmap als de invoergegevensset. - Uitvoer weergeven: De uitvoermap bevat verschillende documenten en submappen om een uitgebreide analyse te bieden, inclusief statistische informatie over de gemiddelde periode, fase en amplitude voor replicaten van elk genotype en/of behandeling.
OPMERKING: Voor het invoerbestand Supplemental File 2 (NO7.csv) wordt een lijst van de uitvoerdocumenten die zijn gegenereerd door het Supplemental File 1 (LUC_2025.R)-script in protocolsectie 1 beschreven in Tabel 1 en kan deze gemakkelijk worden bekeken met de boomstructuur in Supplemental Figure S2.
2. Op luminol gebaseerde ROS-test
- Experimentele opstelling voor ROS-assay
- Snijd met een biopsiepons bladschijven met een diameter van 4 mm van de vierde tot zevende bladeren van 25 dagen oude planten.
- Laat de bladschijven met de harige kant naar boven drijven op 100 μL steriel water in een plaat met 96 putjes.
- Dek de plaat af met schone aluminiumfolie en plaats deze een nacht in een LD-groeikamer.
- Vervang water door 100 μL luminoloplossing (300 μM in 10 mM MOPS-buffer met pH 7,4 en 1 μM flg22 of een andere elicitor). Gebruik een nepoplossing in plaats van flg22 als controle.
- Begin onmiddellijk met het registreren van luminescentiemetingen elke minuut gedurende 40-60 minuten.
- Stapsgewijze uitleg van R-analyse van ROS-gegevens
OPMERKING: Deze R-analyse maakt gebruik van Rstudio, het R-script, aanvullend bestand 3 (ROS_2025.R) en de invoerbestanden aanvullend bestand 4 (ROS_flg22.csv) of aanvullend bestand 5 (ROS_elf26.csv). Het R-script is samen met het invoerbestand Supplemental File 4 (ROS_flg22.csv) openbaar beschikbaar via het online repository-platform Github (https://github.com/elvenfire29/ROS-Luminol-Analysis)- Download RStudio-pakketten: gplot213, dplyr14, magrittr15, stringr16 en filesstrings17.
OPMERKING: Stap 2.2.1 hoeft slechts één keer te worden voltooid. Om gebruikers te helpen elke analyse aan te passen aan een specifieke set gegevens op de computer, is een sectie met de naam "Gebruikersinvoer" gemaakt om gebruikers in staat te stellen specifieke parameters voor hun experimenten aan te geven (aanvullende figuur S3). - Wijzig gebruikersinvoer I op basis van een specifieke gegevensset op een lokale computer, inclusief de werkmap, de naam van het invoerbestand, labels voor de behandelingen en de relatieve starttijd van de test.
- Selecteer de werkmap. Geef aan waar het invoerbestand zich bevindt. Dezelfde map zal de locatie zijn voor de uitvoerbestanden.
- Selecteer het invoerbestand, een CSV-bestand dat correct is geformatteerd voor het R-script (Afbeelding 2B). In het bijzonder bevat de bovenste rij de tijdreeks en de eerste kolom bevat individuele steekproefposities op een plaat met 96 putjes.
OPMERKING: Een voorbeeld van een dergelijk CSV-invoerbestand is te vinden in het aanvullende materiaal, Aanvullend Bestand 4 (ROS_flg22.csv) of Aanvullend Bestand 5 (ROS_elf26.csv). - Benoem de monsters en/of behandelingen. Aangezien deze analyse wordt gebruikt voor gegevens die zijn verkregen uit instellingen met 96 putjes met een tijdsverloop, ontwerpt u de experimenten als 8 replicaten per behandeling voor een totaal van maximaal 12 behandelingen per plaat, of als 12 replicaten per behandeling voor een totaal van maximaal 8 behandelingen per plaat. Als er rijen lege putten zijn, vermeld ze dan gewoon als zodanig in de ruimte voor behandelingsnamen, bijvoorbeeld door ze te benoemen als leeg 1, leeg 2...
OPMERKING: Het is belangrijk om het juiste aantal monsters in te voeren, 8 of 12, omdat het monsteraantal telt. Als het aantal steekproeven niet 8 of 12 is, wordt de code niet uitgevoerd. Vermijd voor voorbeeldnamen het gebruik van backslashes of soortgelijke symbolen, omdat deze problemen met de bestandsnaam kunnen veroorzaken. Vermijd ook het gebruik van "NA" als label wanneer u ervoor kiest om ANOVA te gebruiken in User Input II. In tegenstelling tot het Supplemental File 1 (LUC_2025.R)-script, worden behandelingen met dezelfde naam niet gecombineerd tot een enkele groep in dit Supplemental File 3 (ROS_2025.R)-script.
- Wijzig de opties voor Gebruikersinvoer II op basis van de specifieke behoeften van de gebruiker.
OPMERKING: Voorbeeld van gebruikersinvoer is te zien in aanvullende afbeelding S3.- Gebruik de ANOVA-test met de Tukey HSD om de luminescentiscentiesommen van de behandeling te vergelijken.
- Gebruik een tweezijdige t-toets om de gegevens van slechts twee behandelingen tegelijk te vergelijken.
OPMERKING: De getoonde p-waarden zijn niet aangepast om rekening te houden met meerdere vergelijkingen met dezelfde lijn. - Maak een grafiek van de fluorescentiecurven en een staafdiagram waarin de totale som van de fluorescentie wordt vergeleken. Voeg de standaarddeviatie of standaardfout van het gemiddelde toe aan de grafieken.
- Afhankelijk van de manier waarop de plaatlezer putjes registreert, wijzigt u de manier waarop de invoer wordt gelezen. Gebruik de standaard gegevenslijst van putten met A1, A2, A3... of die voor putten vermeld door A1, B1, C1...
- Download RStudio-pakketten: gplot213, dplyr14, magrittr15, stringr16 en filesstrings17.
- Voer de analyse uit door simpelweg op de knop Bron in de rechterbovenhoek van de console te klikken.
OPMERKING: De analyse duurt minder dan 1 minuut. De uitvoer van de R-analyse verschijnt automatisch in dezelfde bestandsmap als de invoergegevensset. - Uitvoer weergeven: De uitvoermap bevat verschillende documenten en submappen voor een uitgebreide analyse.
OPMERKING: Voor het invoerbestand Supplemental File 4 (ROS_flg22.csv) wordt een boomstructuur van de uitvoerdocumenten die zijn gegenereerd door het Supplemental File 3 (ROS_2025.R)-script beschreven in protocolsectie 2 weergegeven in Supplemental Figure S4.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Resultaten
Casestudy 1. De luminescentietest voor circadiane klokactiviteit met Arabidopsis-zaailingen
We hebben eerder aangetoond dat het GLYCINE-RICH RNA-BINDING PROTEIN 7 (GRP7)-gen werd gecontroleerd door het masterklokeiwit CIRCADIAN CLOCK-ASSOCIATED 1 (CCA1) en dat circadiane expressie van GRP7 belangrijk is voor zijn rol in de afweer van planten, met behulp van transgene Col-0-planten die de luciferase reporter tot expre...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Discussie
We presenteren hier het gebruik van R-scripts in RStudio om een gebruiksvriendelijke methode te bieden voor het analyseren van grootschalige gegevens die zijn verkregen uit tijdreeksexperimenten met 96 putjes. Deze methode heeft ons in staat gesteld om snel en eenvoudig luminescentieregistratiegegevens te analyseren die zijn verkregen uit duizenden monsters in tijdreeksexperimenten om de circadiane klokactiviteit van plantzaailingen tot celculturen van zoogdieren te meten, naast gegevens...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Openbaarmakingen
De auteurs hebben geen belangenconflicten te onthullen.
Dankbetuigingen
We danken de leden van het Lu-laboratorium voor hun hulp bij dit werk. We danken Min Gao en Matthew Fabian voor het gebruik van hun onverwerkte gegevens en Benjamin Harris voor hulp en/of begeleiding bij het maken van dit R-script. We danken John B. Hogenesch van het Cincinnati Children's Hospital Medical Center voor het verstrekken van luminescentiegegevens van zoogdiercellen voor Case Study 2. Verder danken we John B. Hogenesch, Andrew Millar van de Universiteit van Edinburgh en Mary Harrington van Smith College voor de nuttige discussies tijdens de ontwikkeling van deze methode. Dit werk werd gedeeltelijk ondersteund door subsidies van de National Science Foundation, NSF 1456140 en NSF 2223886 aan Hua Lu.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Materialen
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| R | The R Project | https://www.r-project.org/ | Een gratis, open-source platform die online kan worden gedownload en gebruikt om te coderen, vooral voor statistiek. |
| Rstudio | Posit Software | https://posit.co/download/rstudio-desktop/ | Een gratis software die online kan worden gedownload voor meer gebruiksvriendelijke toegang tot R. |
| MetaCycle | Gang Wu, Xavier Li, Matthew Carlucci, Ron Anafi, Michael Hughes, Karl Kornacker, en John Hogenesch | https://cran.r-project.org/web/packages/MetaCycle/vignettes/implementation.html | De ARSER-algoritme van het MetaCycle-pakket wordt gebruikt om klokparameters, periode, fase en amplitude te evalueren. |
| ggplot2 | Posit Software | https://cran.r-project.org/web/packages/ggplot2/index.html | Maakt datavisualisaties, met name voor statistische grafieken. |
| dplyr | Posit Software | https://cran.r-project.org/web/packages/dplyr/index.html | Een fundamentele R-bibliotheek voor efficiënte gegevensmanipulatie. |
| magrittr | Posit Software | https://cran.r-project.org/web/packages/magrittr/index.html | Biedt een set operatoren om de leesbaarheid van code te verbeteren en een meer natuurlijke flow van databewerkingen te faciliteren. |
| stringr | Posit Software | https://cran.r-project.org/web/packages/stringr/index.html | Biedt een consistente, eenvoudige en gebruiksvriendelijke set functies voor het werken met tekenreeksen. |
| filesstrings | Rory Nolan en Sergi Padilla-Parra | https://cran.r-project.org/web/packages/filesstrings/index.html | Biedt handige functies voor het manipuleren van bestanden en tekenreeksen, met name die gerelateerd aan bestandsnamen en paden. |
| circular | Ulric Lund, Claudio Agostinelli, Hiroyoshi Arai, Alessando Gagliardi, Eduardo García-Portugués, Dimitri Giunchi, Jean-Olivier Irisson, Matthew Pocernich en Federico Rotolo | https://cran.r-project.org/web/packages/circular/index.html | Biedt de statistische analyse en grafische weergave van circulaire gegevens. |
| AICcmodavg | Marc J. Mazerolle | https://cran.r-project.org/web/packages/AICcmodavg/index.html | Maakt modelselectietabellen op basis van Akaike's informatiecriterium (AIC) en gerelateerde informatie. |
| broom | Posit Software | https://cran.r-project.org/web/packages/broom/index.html | Converteert de uitvoer van verschillende statistische modellen en objecten naar "netjes" tibbles (een moderne dataframe-indeling), waardoor het gemakkelijker wordt om modelresultaten te bewerken, te analyseren en te visualiseren. |
| Autoclave machine | Steris Amsco Eagle Century SG120 Scientific, Inc. | 8901400012 | Autoclave media |
| Chemical fume hood | Lab Design & Supply | zaden steriliseren | |
| Omega Luminescence Reader | BMG LABTECH, Inc. | plaatlezer | |
| Laminar flow cabinet | NuAire Nu-408FM-400 | Class II/TypeA | zaailingen overbrengen naar 96-well plaat |
| 96-well microplates | Perkin-Elmer | OptiPlate-96 | zaailingen laten groeien voor luciferase assay |
| Flg22 | GenScript Inc. | RP19986 | Een elicitor van bacterieel flagelline. |
| Elf26 | Alpha Diagnostic Intl. Inc. | 2427 | Een elicitor van bacteriële translatie Elongation Factor-Tu. |
| D-Luciferin Firefly, potassium salt | Biosynth Chemistry & Biology | L-8220 | luciferase substraat |
| L-012 (Luminol) | Fisher Scientific | NC0733364 | ROS assay reagens |
Referenties
- 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).
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Herprints en machtigingen
