====== Israel L. Cunha Neto ====== {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:alta-82.jpg?200|}} Doutorando em Botânica na Universidade de São Paulo (IB-USP), atua na área de Anatomia Vegetal com ênfase na diversidade e evolução do sistema vascular caulinar em plantas vasculares. Atualmente realiza estudos com a família Nyctaginaceae, simbolizada pela "primavera", espécies do gênero //Bougainvillea//. Em Anatomia Vegetal, muitos dos resultados são apresentados através das fotomicrografias. Veja um exemplo em anexo. {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:fotomicrografia_israel_l._cunha_neto.pdf|}} http://lattes.cnpq.br/4464035824316701 https://www.researchgate.net/profile/Israel_Cunha_Neto2 [[.:Exercícios]] {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:script_exercicio_1-3.r|}} {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:exercicios_4_israel_l._cunha_neto.r|}} {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:5.1_editando_alguns_parametros_graficos_israel.r|}} {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:7.2_o_modelo_mais_simples_possivel.r|}} {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:exercicios_regressao_multipla.r|}} {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:exercicios_8._reamostragem_e_simulacao.r|}} {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:exercicio_9.r|}} ----------------------------------------------------------------------------------- ----------------------------------------------------------------------------------- ** Trabalho Final: Criando Uma Função** --------------------------------------------------- **PLANO A: Prospectando o dimorfismo de vasos** **Contextualização** Em Anatomia Vegetal, o dimorfismo de vasos é uma característica da madeira (xilema secundário) e pode ser definida como a coocorrência de elementos de vaso de pequeno e de grande calibre (diâmetro) em uma mesma amostra (Carlquist, 1985). Essa característica é encontrada especialmente em caules de lianas (ou trepadeiras) que podem ter vasos variando de <10 µm à >500 µm -- enquanto plantas autossuportantes (e.g., arbustos e árvores) comumente não apresentam dimorfismo e possuem uma menor variância nos diâmetros de vasos, exceto para espécies com anel poroso. Na literatura, diferentes estratégias têm sido utilizadas para tentar expressar o dimorfismo de vasos de forma matemática. As metodologias utilizadas até o presente podem ser classificadas da seguinte forma: a) divisão arbitrária em classes de diâmetros, usualmente uma de 0>50 µm e a outra de >50 µm (Pace & Angyalossy, 2013; Gerolamo & Angyalossy, 2017); b) separação em uma ou duas classes de diâmetro dado se as distribuições de frequência são (aparentemente) uni- ou bimodais (Pelissari et al., 2018); c) caracterização da amplitude de diâmetro de vasos expresso pela razão do diâmetro máximo pelo diâmetro mínimo (DVmax/DVmin) em cada espécie, associado à um teste estatístico de uni ou multimodalidade (Gerolamo & Angyalossy, 2017). Diante desse cenário, podemos considerar que a integração dos diferentes métodos já utilizados seja uma maneira de facilitar a compreensão dos dados e a tomada de decisão sobre a presença do dimorfismo de vasos quando analisado de forma quantitativa. Além disso, é válido considerar cenários em que o dimorfismo possa ser analisado em estudos evolvendo espécies com diferentes hábitos. Desse modo, a função aqui proposta tem como objetivo otimizar a análise da variação de dimorfismos de vasos e/ou caracteres similares (e.g., comprimento de vasos, espessura das fibras). **Planejamento da função** **Entrada:** //vessel.dimorfism// (Dados, ...) **Onde:** Dados = um data.frame com as espécies e hábitos discriminados nas colunas e as observações nas linhas (classe: numeric, com 2 casas decimais); **Pressupostos:** O número de observações (N) deveria ser ≥ 30; **Verificando os parâmetros:** 1.O número de observações é ≥ 30? Se não, escreve: “O número de observações deveria ser ≥ 30”. 2.Os dados são numéricos? Se não, escreve: “Os dados precisam ser números.” **Argumentos:** //graphics// = se True, retorna o histograma com as informações associadas plotadas no graáfico; se False, o histograma não é apresentado e a função retorna somente o sumário com os valores; //habits// = se True, indica que existem espécies de diferentes hábitos, retornando um teste de médias entre as espécies ao final. **Pseudo-código:** - Abre o arquivo de ‘dados’ - Indexa as colunas para análises individuais por espécie - Carrega o pacote dip.test - Calcula o dip.test - Se significativo para multimodalidade, divide as observações em classes (0>50 µm e >50) - Utiliza a função //summary// - Calcula as médias do 1º e 3º quartis, e calcula o IDV - Se unimodal, realiza as demais análises para uma única classe - Utiliza a função //summary// - Calcula as médias do 1º e 3º quartis, e calcula o IDV - Se houver diferentes hábitos (habits = True), realizar um teste de médias para comparar as diferentes espécies - Construir um diagrama para plotar o histograma e demais informações - Fazer o histograma - Plotar as informações do dip.test e IDV no histograma - Construir o data.frame contendo o sumário dos resultados incluindo valores máximo, mínimo, média, desvio, dip.test (“D”, e p-value), IDV. - Construir um data.frame contendo o sumário dos resultados do IDV e o teste de médias associado. **Saída:** a)Uma lista incluindo: - Histograma com a distribuição dos diâmetros de vasos para cada espécie; o valor do Índice de Dimorfismo de Vasos (IDV) e o valor ‘D’ e p-value do dip.test serão plotados no histograma. - Um sumário (=data.frame) listando os valores mínimo, máximo, médio e desvio-padrão para cada classe de diâmetro; incluindo também os valores do IDV e os valores do dip.test com o teste de significância associado. - Quando houver espécies com diferentes hábitos, e o usuário optar por essa possibilidade, retornar também um sumário (=data.frame) listando os valores mínimo, máximo, médio e desvio-padrão para cada espécie, e um teste de médias comparando o IDV. Referências Carlquist, S. 1985. Observations on functional wood histology of vines and lianas: vessel dimorphism, tracheids, vasicentric tracheids, narrow vessels, and parenchyma. Aliso, 11: 139–157. Gerolamo, C.S & Angyalossy, V. 2017. Wood anatomy and conductivity in lianas, shrubs and trees of Bignoniaceae. IAWA J., 38: 412–432. Pace, M.R. & Angyalossy, V. 2013. Wood evolution: a case study in the Bignoniaceae. International Journal of Plant Sciences, 174: 1014–1048. Pellissari, L.C.O., Barros, C.F., Medeiros, H. & Tamaio, N. 2018. Cambial patterns of Paullinia (Sapindaceae) in southwestern Amazonia, Brazil. Flora, 246-247: 71–82. ------------------------------------------------------------------------------------------------------------------- **PLANO B** **Anatomia e hidráulica de plantas: o que correlaciona com o que?** **Contextualização** O estudo da diversidade morfológica dos organismos a partir de duas ou mais características qualitativas é sempre desafiador do ponto de vista da explicação biológica. Na botânica, os pesquisadores comumente analisam uma série de caracteres morfológicos e anatômicos, principalmente relacionados ao xilema e floema secundários, o que lhes permite fazer inferências sobre diferentes aspectos da morfologia, hidráulica, biomecânica e fisiologia das plantas. Nesses estudos, as análises multivariadas são muito importantes para descrever de maneira resumida o conjunto de dados, sendo a “Principal Component Analysis (PCA)” a mais simples e mais amplamente utilizada a fim de resumir o conjunto de dados em um número menor de variáveis, possibilitando assim identificar características possivelmente correlacionadas e determinar o quanto da variação é explicada por elas. Uma outra abordagem utilizada são as regressões, na qual é utilizado variáveis preditoras para explicar a variação de uma variável resposta. Nesses casos, pode-se predizer uma variável resposta ‘Y’ em função de uma variável preditora ‘X’ (regressão simples), ou mesmo a partir de três ou mais estimadores (regressão múltipla). Assim, a integração entre essas diferentes metodologias é uma forma de ampliar o modo pelo qual os dados podem ser explicados de forma matemática e, para tanto, análises recorrentes são realizadas para avaliar como a interação de características do xilema e floema podem responder perguntas sobre a biologia de plantas vasculares. Esta proposta tem como objetivo integrar as duas metodologias em uma única função, a fim de otimizar as análises de dados em investigações que buscam identificar correlações entre características anatômicas do xilema e floema secundários e os distintos hábitos das plantas. A ideia é realizar uma análise de PCA com dados anatômicos e, a partir dos dados de autovalores dos eixos da PCA com valor maior do que 1 de autovetor, ou seja, que explicam a maior quantidade de variação dos dados, relacionar com os dados de condutividade hidráulica através de uma regressão linear simples ou múltipla. **Planejamento da função** **Entrada:** hidraulica (Dados,...) **Onde:** Dados = um data.frame com as observações dos diferentes caracteres para vários indivíduos. **Pressupostos:** - O número de observações (N) deve ser ao menos 5 vezes maior que o número de variáveis. **Verificando os parâmetros:** - As variáveis são quantitativas (= numeric)? Se não, escreve: “As variáveis devem ser quantitativas do tipo “numeric”. - O número de observações é ao menos 5 vezes maior que o número de variáveis? Se não, escreve: “O número de observações deve ser ao menos 5 vezes maior que o número de variáveis”. **Pseudo-código:** - Organiza os dados para realizar o PCA - Indexa os valores das variáveis anatômicas a partir do data.frame - Normaliza os dados - Exclui os NA - Faz a PCA (utilizando covariância) - Gera a tabela resumida de eigenvector e autovetores para os eixos com eigenvector superior a 1 - Constrói argumento para apresentar ou não o bitplot (eixo 1 x eixo 2) - Organizar dados para Regressão - Construção de um data.frame com os respectivos autovalores de cada amostra para cada um dos eixos da PCA (eigenvector superior a 1) - Inclusão dos valores de condutividade hidráulica (variável funcional) no data.frame - Relaciona os autovalores de cada eixo da PCA com dados de hidráulica através de regressão simples ou múltipla - Análise dos resíduos do modelo (normalidade e homocedasticidade). - Criar gráficos simples ou parcial da regressão **Saída:** - Uma lista contendo: - Um sumário (data.frame) com os dados de de eigenvector e autovetores para os eixos com eigenvector superior a 1; - Bitplot (eixo 1 x eixo 2) - Gráficos simples ou parcial da regressão, caso não tenha normalidade e homogeneidade de variância, escreve “modelo não se adequa aos pressupostos de normalidade e homogeneidade de variância) Olá Israel Sua proposta A é interessante, mas eu tenho algumas perguntas: 1. não entendi onde entra a informação sobre o calibre dos vasos. 2. Como o data.frame terá informações sobre as espécies E os hábitos nas colunas? 3. Não entendi o que é o dip.test Tenho também duas sugestões sobre a proposta A: 1. eu sugiro que vc use o formato "long" de armazenamento de dados. Assim para cada observação o input teria uma coluna sobre o calibre, uma sobre a o hábito (no mínimo) e uma sobre a espécies. 2. Tbm sugiro que a função decida sozinha (através dos dados "inputados") se as espécies tem mais de um hábito, o que torna desnecessário a inclusão do argumento "habits" Pelo que entendi de sua proposta B (corrija-me se eu estiver errado, por favor) essa proposta não parece usar muito do controle de fluxo (que e necessário para a função do trabalho da disciplina). Se entendi bem, só há controle de fluxo (uso de "if" "for", "while"... etc) durante a verificação dos inputs. Será que não é possível incluir mais opções de controle de fluxo na proposta? De qualquer forma, acredito que sua proposta A está bem perto de estar adequada à proposta do trabalho (tente ver a possibilidade de fazer as inclusões que eu pedi) e portanto acho que é tranquil você começar por ela. A proposta B talvez precisaria de mais Se quiser conversar mais sobre as funções (ou pedir conselhos, dicas etc) é só escrever aqui que pretendo revisar esta página dia 20/06. Vc tbm pode me mandar uma mensagem por whatsapp (11) 9-9199-3842. Matheus Januario Olá Matheus, Por mim tudo bem seguir com a proposta A. Sobre suas dúvidas: 1 e 2 - Mudei a forma de apresentar os dados de acordo com a sua sugestão 1. Acho que responde as suas dúvidas 1 e 2. Veja abaixo. 3- O dip.test é uma função já existente. Ele realiza um teste para saber se o conjunto de dados tem uma ou mais modas. Pretendo incorporar essa função pra me dar esse resultado e a partir disso a função decide se faz as outras analises para uma classe de diâmetro ou duas. Sobre as sua sugestões: 1- Com a sua sugestão, os dados estariam organizados como na figura abaixo, correto? {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:capture.png?200|}} 2- Concordo, vou fazer isso. Obrigado pelas sugestões. Aguardo sua confirmação das modificações. Olá Israel, entendi suas respostas e com as novas implementações acho que sua função está adequada ao esperado pela disciplina, assim acho que você tem um bom plano para a aexecução da proposta A. Boa sorte e bom trabalho nessa etapa final da disciplina Matheus Januario **Trabalho Final** //Função vessel.dimorfism// {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:funcao_vessel.dimorfism.r|}} //Help função: vessel.dimorfism// {{:bie5782:01_curso_atual:alunos:trabalho_final:israelneto:help_funcao_vessel.dimorfism.r|}}