Índice
- O Curso R
-
- Tutoriais
-
- Apostila
-
- 6. Testes de Hipótese (em preparação!)
- Exercícios
-
- Material de Apoio
-
- Área dos Alunos
-
- Cursos Anteriores
-
IBUSP
Outras Insitutições
Linques
Visitantes
Ferramentas do usuário
Barra lateral
05_curso_antigo:r2016:alunos:trabalho_final:nataschabergo:start
Tabela de conteúdos
Natascha Bergo
Oceanógrafa, aluna de Doutorado em Oc. Biológica no Laboratório de Ecologia de Micro-organismos, no Instituto Oceanográfico da USP. Trabalho com micro-organismos marinhos de mar profundo e sua relação com a formação de minerais marinhos de valor comercial.
Currículo Lattes
nataschabergo@usp.br
Meus Exercícios
Trabalho Final
==== Proposta A ====
Função cito.analysis()
A técnica de citometria de fluxo permite quantificar micro-organismos marinhos autotróficos e heterotróficos por meio da florescência natural de pigmentos acessórios ou pela adição de corantes, no caso as bactérias heterotróficas totais. Resultando em dados quantitativos muitas vezes não normais.
Atualmente, na Oceanografia Microbiana, existe uma grande demanda pela análise dos dados gerados pela técnica de citometria de fluxo. Com o intuito de evitar o uso de vários programas proponho a criação de uma função.
A função fará uma análise exploratória dos dados em busca de NA’s,outyliers, homogeneidade, normalidade, relações e interações dos dados. Caso sejam registrados muitos outliers, estes serão excluídos.
O próximo passo seria investigar os padrões e as relações dos dados. Comparar a distribuição dos micro-organismos, se os dados forem normais, o teste paramétrico de hipótese baseado na média e desvio padrão dos dados, One-way Anova seria empregado. Caso os dados não forem normais, os mesmos serão transformados em log(x+1) e seria aplicado um teste baseado na mediana e amplitude inter-quartil, o teste de Friedman.
Para finalizar, um teste multivariado seria aplicado com o intuito de avaliar a distribuição dos dados de abundância comparando-os dados físico-químicos, no caso a PCA.
Input:
Matriz de dados contendo as informações abaixo:
• Abundância de Synechococcus spp – SYN;
• Abundância de Prochlorococcus spp – PRO;
• Abundância de Nanoplâncton eucarioto – NANOEUK;
• Abundância de Picoplâncton eucarioto – PICOEUK;
• Bactérias Heterotróficas – BACH;
• Dados físico-químicos: temperatura, pressão e salinidade.
Output:
Retornará os gráficos de análise exploratória, teste de comparação de distribuição dos dados (valor de p) e uma PCA.
Olá,
Gostei bastante da proposta. A função parece ser bem geral e acredito que você consiga fazer esta função sem muitos problemas, uma vez que utilizaria diversos elementos vistos em aula. Além disso você mostra conhecimento sobre o tema, o que sempre ajuda na hora de implementar a função.
Alguns pontos que podem melhorar:
* Nas variáveis de entrada é necessário colocar a abundância de Synechococcus spp e Prochlorococcus spp separadamente? Não seria interessante permitir ao usuário a possibilidade de colocar a abundância de espécies de outros gêneros?
* Faltou especificar, em “computez”, os objetos de entrada e saída. As abundâncias precisam ser em um vetor ou a função aceitaria outros tipos de dados (e.g., matriz). O teste de comparação será retornado em qual formato? Um valor de p seria suficiente? Aqui vale pensar em como estes dados são normalmente trabalhados (e.g., como estão organizados os dados da citometria de fluxo).
* Não entendi a relação entre o número de outliers e transformação dos dados [ log(x+1) ].
Olá Natascha, Você conseguiu apresentar bem o passo a passo da sua função. Porém toda a descrição parece mais um script para análise exploratória de um dado específico do que uma função. Recomendo você pensar em como tornar sua proposta mais geral: podendo o usuário colocar outras espécies e outras variáveis ambientais, por exemplo. Do contrário me parece que sua função servirá apenas para você. Sobre as transformações. Não entendi o porquê de fazer as transformações em se depois você vai fazer testes diferentes caso os dados sejam normais ou não. Eu deixaria a identificação de outliers como um passo diferente da transformação. E de repente um argumento: excluir outliers da análise ou não. E uma das coisas que sua função poderia retornar é qual a posição dos outliers. Do jeito que está a função é muito específica. Você ainda precisa trabalhar para torná-la mais geral. — Sara Mortara
Resposta Natascha
Obrigada pelas correções e comentários, Mauro e Sara!
Tentei mudar a Proposta “A” para os argumentos de vocês. Sara, sim é um dado específico, mas se for pensar em Oceanografia Microbiana, não seria tão especifico assim. A entrada de grupos de organismos específicos é justificada pela saída do equipamento que só gera informações para esses organismos, por isso o nome da função de cito.analysis().
==== Proposta B ====
Função: ciano.correct()
Synechococcus spp e Prochlorococcus spp são as cianobactérias mais abundantes dos oceanos e responsáveis por mais da metade da produção primária marinha. Ultimamente a técnica de citometria de fluxo tem sido empregada para quantificar estes micro-organismos e estimar a biomassa de carbono dos oceanos.
No entanto, a técnica de citometria de fluxo quantifica as células de Synechococcus spp e Prochlorococcus spp por meio da florescência natural dos pigmentos acessórios. Se as amostras forem oriundas de águas superficiais de oceanos oligotróficos, as células de cianobactérias terão baixa concentração de clorofila-a e consequentemente emitiram pouca florescência. O que resulta na sobreposição do ruído do equipamento sobre a contagem geral de células dificultando a real quantificação desses micro-organismos marinhos nas amostras. O que leva a exclusão destas amostras do estudo.
Para solucionar o problema de sobreposição dos dados gerados pelo citômetro de fluxo proponho uma função que possa calcular este valor, por meio da estimativa do complemento do histograma de abundância, ou seja, a função completará a parte faltante dos dados do histograma para cada amostra.
Figura exemplo de sobreposição do número de eventos (células, preto) sobre o ruído (transparente).
Input:
Matriz com dados de abundância de todas as amostras de SYN, sendo cada amostra com dados em forma de histograma.
Matriz com dados de abundância de todas as amostras de PRO, sendo cada amostra com dados em forma de histograma.
Output:
• Matrix com dados corrigidos de abundância de SYN.
• Matrix com dados corrigidos de abundância de PRO.
• Histograma completo com dados de SYN.
• Histograma completo com dados de PRO.
Olá,
Não entendi muito bem esta proposta. Qual técnica exatamente você pretende utilizar? Você conseguiria explicar passo a passo (como a proposta A)? Os histogramas que você pretende utilizar para fazer esta sobreposição vieram da mesma amostra analisada diversas vezes? —Mauro Sugawara
Natascha, de novo, esta função funcionaria apenas para estas duas cianobactérias? Este caso não pareceu tão problemático quanto a sua proposta anterior, mas ainda assim pense nisto. Acho que você sabe o que fazer aqui mas faltou explicar melhor como é esta estimativa do complemento do histograma de abundância. Você precisa explicar no help como isto funciona e deixar mais claro quais informações a função retorna. Apenas o gráfico?
Suas duas propostas são muito específicas. Para as duas, faça o exercício de torná-las mais geral, mesmo dentro da sua questão específica. Você precisa especificar qual a estrutura dos objetos de entrada e o que eles devem conter. Tente pensar na estrutura mais geral possível para executar a tarefa que você propõe. Sugiro prosseguir com uma super atenção à generalização. — Sara Mortara
Resposta Natascha
Obrigada pelas correções e comentários, Mauro e Sara! Mauro, não pretendo usar uma técnica. Eu só quero completar o histograma de cada amostra. E assim, não elimina-lá dos meus dados devido a sobreposição do histrograma da amostra com o do ruído. Realmente é bem difícil explicar. POr isso quero trabalhar com a proposta A. =D Sara, este caso é super problemático e mais complexo que a Proposta A, simplesmente pelo fato da perda das amostras que são sobrepostas pelo ruído, estas amostras não podem ser utilizadas. A Proposta B, tentaria solucionar este problema, validando amostras que normalmente são excluídas dos trabalhos.
Tive vários problemas com a função A. Acabei trabalhando com a proposta B. —-Natascha
Help da Função ciano_correct()
ciano_correct package:unknown R Documentation
Correções de dados de citometros de fluxo em Oceanografia Microbiana #
Description:
#Esta função determina em qual caso há necessidade de correção de dados de abundância de cianobácterias Synechococcus spp (SYN) e Prochlorococcus spp (PRO) oriundos de citômetros de fluxo Canto e C6 e retorna a abundância celular corrigida ("no correction", " cell in noise" ou "correction").
Usage:
ciano.correct=function(dados, citometro)
Arguments:
#dados: Entrada de dados
#Citometro: tipo de equipamento canto & C6
Details:
Essa função fornece correção de dados de abundância oriundos citometros de fluxo com dificuldade
detecção de células com baixa concentração de clorofila intracelular, no caso das cianobácterias
Synechococcus spp (SYN) e Prochlorococcus spp (PRO).
Ela permite a correção dos dados complementando os histrogramas com a parte faltante a partir da
parte completa dele.Ideal para dados dos citometros de fluxo:FaxCanto e C6.
Os dados introduzidos na função devem ser arquivos .txt para cada cianobácterias (ex.Syn._c6.txt
ou Syn_canto.txt) contendo o número de frequencia do histograma de cada amostra, sendo as frequencias
nas linhas e as amostras nas coluna.A primeira coluna deve se chamar "channel" e conter 500 linhas, ou seja,
o total de canais.
Importante que os arquivos a serem análisados sejam .txt.
Value:
Retorna um arquivos .txt contendo os valores de abudância com correções quando necessários e sem
correções para as cianobáctérias SYN e PRO (ex. stats_Syn_C6) dos citômetros C6 e Fascanto para cada
amostra.
Author:
Natascha M Bergo
nataschabergo@usp.br
References:
MARIE, D.; BRUSSAARD, C.; PARTENSKY, F.; VAULOT, D.; WILEY, J. Flow cytometric analysis of
phytoplankton, bacteria and viruses. Current protocols in cytometry, v. 11, p. 1-15, 1999.
John Wiley & Sons, Inc.
MARIE, D.; PIERRE, U.; CURIE, M.; SIMON, N.; VAULOT, D. Phytoplankton Cell Counting by Flow
Cytometry.p. 1-17, 2005.
~~objects to See Also as 'help', ~~~
Examples:
## Arquivo .txt de Input
ciano.correct=function(dados, citometro)
ciano.correct
channel sample135_C6_PRO_5m sample136_C6_PRO_50m sample137_C6_PRO_110m sample138_C6_PRO_130m sample139_C6_PRO_170m
1 0 0 0 0 0
2 0 0 0 0 0
3 0 0 0 0 0
4 0 0 0 0 0
5 0 0 0 0 0
6 0 0 0 0 0
7 0 0 0 0 0
8 0 0 0 0 0
9 0 0 0 0 0
10 0 0 0 0 0
11 0 0 0 0 0
12 0 0 0 0 0
13 0 0 0 0 0
14 0 0 0 0 0
15 0 0 0 0 0
16 0 0 0 0 0
17 0 0 0 0 0
18 0 0 0 0 0
19 0 0 0 0 0
20 0 0 0 0 0
21 0 0 0 0 0
22 0 0 0 0 0
23 0 0 0 0 0
24 0 0 0 0 0
25 0 0 0 0 0
26 0 0 0 0 0
27 0 0 0 0 0
28 0 0 0 0 0
29 0 0 0 0 0
30 0 0 0 0 0
31 0 0 0 0 0
32 0 0 0 0 0
33 0 0 0 0 0
34 0 0 0 0 0
35 0 0 0 0 0
36 0 0 0 0 0
37 0 0 0 0 0
38 0 0 0 0 0
39 0 0 0 0 0
40 0 0 0 0 0
41 0 0 0 0 0
42 0 0 0 0 0
43 0 0 0 0 0
44 0 0 0 0 0
45 0 0 0 0 0
46 0 0 0 0 0
47 0 0 0 0 0
48 0 0 0 0 0
49 0 0 0 0 0
50 0 0 0 0 0
51 0 0 0 0 0
52 0 0 0 0 0
53 0 0 0 0 0
54 0 0 0 0 0
55 0 0 0 0 0
56 0 0 0 0 0
57 0 0 0 0 0
58 0 0 0 0 0
59 0 0 0 0 0
60 0 0 0 0 0
61 0 0 0 0 0
62 0 0 0 0 0
63 0 0 0 0 0
64 0 0 0 0 0
65 0 0 0 0 0
66 0 0 0 0 0
67 0 0 0 0 0
68 0 0 0 0 0
69 0 0 0 0 0
70 0 0 0 0 0
71 0 0 0 0 0
72 0 0 0 0 0
73 0 0 0 0 0
74 0 0 0 0 0
75 0 0 0 0 0
76 0 0 0 0 0
77 0 0 0 0 0
78 0 0 0 0 0
79 0 0 0 0 0
80 0 0 0 0 0
81 0 0 0 0 0
82 0 0 0 0 0
83 0 0 0 0 0
84 0 0 0 0 0
85 0 0 0 0 0
86 0 0 0 0 0
87 0 0 0 0 0
88 0 0 0 0 0
89 0 0 0 0 0
90 0 0 0 0 0
91 0 0 0 0 0
92 0 0 0 0 0
93 0 0 0 0 0
94 0 0 0 0 0
95 0 0 0 0 0
96 0 0 0 0 0
97 0 0 0 0 0
98 0 0 0 0 0
99 0 0 0 0 0
100 0 0 0 0 0
101 0 0 0 0 0
102 0 0 0 0 0
103 0 0 0 0 0
104 0 0 0 0 0
105 0 0 0 0 0
106 0 0 0 0 0
107 0 0 0 0 0
108 0 0 0 0 0
109 0 0 0 0 0
110 0 0 0 0 0
111 0 0 0 0 0
112 0 0 0 0 0
113 0 0 0 0 0
114 0 0 0 0 0
115 0 0 0 0 0
116 0 0 0 0 0
117 0 0 0 0 0
118 0 0 0 0 0
119 0 0 0 0 0
120 0 0 0 0 0
121 0 0 0 0 0
122 0 0 0 0 0
123 0 0 0 0 0
124 0 0 0 0 0
125 0 0 0 0 0
126 0 0 0 0 0
127 0 0 0 0 0
128 0 0 0 0 0
129 0 0 0 0 0
130 0 0 0 0 0
131 0 0 0 0 0
132 0 0 0 0 0
133 0 0 0 0 0
134 0 0 0 0 0
135 0 0 0 0 0
136 0 0 0 0 0
137 0 0 0 0 0
138 0 0 0 0 0
139 0 0 0 0 0
140 0 0 0 0 0
141 0 0 0 0 0
142 0 0 0 0 0
143 0 0 0 0 0
144 0 0 0 0 0
145 0 0 0 0 0
146 0 0 0 0 0
147 0 0 0 0 0
148 0 0 0 0 0
149 0 0 0 0 0
150 0 0 0 0 0
151 0 0 0 0 0
152 0 0 0 0 0
153 0 0 0 0 0
154 0 0 0 0 0
155 0 0 0 0 0
156 0 0 0 0 0
157 0 0 0 0 0
158 0 0 0 0 0
159 0 0 0 0 0
160 0 0 0 0 0
161 0 0 0 0 0
162 0 0 0 0 0
163 0 0 0 0 0
164 0 0 0 0 0
165 0 0 0 0 0
166 0 0 0 0 0
167 0 0 0 0 0
168 0 0 0 0 0
169 0 0 0 0 0
170 0 0 0 0 0
171 0 0 0 0 0
172 0 0 0 0 0
173 0 0 0 0 0
174 0 0 0 0 0
175 0 0 0 0 0
176 0 0 0 0 0
177 0 0 0 0 0
178 0 0 0 0 0
179 0 0 0 0 0
180 0 0 0 0 0
181 0 0 0 0 0
182 0 0 0 0 0
183 0 0 0 0 0
184 0 0 0 0 0
185 0 0 0 0 0
186 0 0 0 0 0
187 0 0 0 0 0
188 0 0 0 0 0
189 0 0 0 0 0
190 0 0 0 0 0
191 0 0 0 0 0
192 0 0 0 0 0
193 0 0 0 0 0
194 0 0 0 0 0
195 0 0 0 0 0
196 442 440 303 0 0
197 1104 1055 963 0 0
198 1647 1615 1519 9 0
199 1664 1604 1696 203 0
200 1385 1362 1440 545 0
201 1158 1123 1241 851 0
202 933 939 1048 882 0
203 748 760 898 716 0
204 590 591 745 543 0
205 479 474 661 421 0
206 376 362 566 322 0
207 286 283 529 239 0
208 203 198 494 184 0
209 147 149 488 135 0
210 103 102 478 100 0
211 80 77 463 71 0
212 56 56 475 53 0
213 43 41 486 36 0
214 35 30 491 22 0
215 24 21 489 16 0
216 16 12 492 13 1
217 10 7 488 12 6
218 9 5 501 12 9
219 7 5 491 9 11
220 6 6 509 7 10
221 3 5 507 6 10
222 2 4 511 7 9
223 2 3 491 7 8
224 3 3 472 5 8
225 2 3 450 5 9
226 2 2 435 5 8
227 1 1 408 8 9
228 0 0 384 9 8
229 0 0 357 11 9
230 1 0 343 10 7
231 2 1 330 11 8
232 2 1 302 11 8
233 1 1 271 14 8
234 1 0 237 16 6
235 1 1 224 18 6
236 1 0 205 17 6
237 0 0 190 20 7
238 1 0 180 22 7
239 1 0 175 31 7
240 1 0 166 34 7
241 0 0 160 35 8
242 0 0 156 43 11
243 0 0 157 48 14
244 0 0 149 58 16
245 0 0 140 59 20
246 0 0 143 66 22
247 0 0 148 71 24
248 0 0 148 84 25
249 0 0 142 91 33
250 0 0 134 94 40
251 0 0 136 101 46
252 0 0 131 112 48
253 0 0 124 126 54
254 0 0 112 130 56
255 0 0 107 126 67
256 0 0 107 127 68
257 0 0 106 127 77
258 0 0 97 125 75
259 0 0 85 121 74
260 0 0 68 114 75
261 0 0 56 120 73
262 0 0 51 117 79
263 0 0 48 123 75
264 0 0 46 108 73
265 0 0 39 107 71
266 0 0 34 93 68
267 0 0 27 89 64
268 0 0 19 75 61
269 0 0 13 73 60
270 0 0 10 73 59
271 0 0 11 65 55
272 0 0 10 56 48
273 0 0 8 43 43
274 0 0 6 39 36
275 0 0 5 35 36
276 0 0 3 27 32
277 0 0 3 26 28
278 0 0 3 18 22
279 0 0 3 17 18
280 0 0 3 13 20
281 0 0 2 11 18
282 0 0 3 9 18
283 0 0 3 6 13
284 0 0 4 5 10
285 0 0 3 5 7
286 0 0 2 5 9
287 0 0 2 5 10
288 0 0 1 3 12
289 0 0 2 2 8
290 0 0 1 2 6
291 0 0 1 3 4
292 0 0 1 3 4
293 0 0 0 2 3
294 0 0 0 1 2
295 0 0 0 1 1
296 0 0 0 1 2
297 0 0 0 1 2
298 0 0 0 0 1
299 0 0 0 0 2
300 0 0 0 0 3
301 0 0 0 0 3
302 0 0 0 0 2
303 0 0 0 0 1
304 0 0 0 0 1
305 0 0 0 0 2
306 0 0 0 0 1
307 0 0 0 0 0
308 0 0 0 0 0
309 0 0 0 0 0
310 0 0 0 0 0
311 0 0 0 0 0
312 0 0 0 0 0
313 0 0 0 0 0
314 0 0 0 0 0
315 0 0 0 0 0
316 0 0 0 0 0
317 0 0 0 0 0
318 0 0 0 0 0
319 0 0 0 0 0
320 0 0 0 0 0
321 0 0 0 0 0
322 0 0 0 0 0
323 0 0 0 0 0
324 0 0 0 0 0
325 0 0 0 0 0
326 0 0 0 0 0
327 0 0 0 0 0
328 0 0 0 0 0
329 0 0 0 0 0
330 0 0 0 0 0
331 0 0 0 0 0
332 0 0 0 0 0
333 0 0 0 0 0
334 0 0 0 0 0
335 0 0 0 0 0
336 0 0 0 0 0
337 0 0 0 0 0
338 0 0 0 0 0
339 0 0 0 0 0
340 0 0 0 0 0
341 0 0 0 0 0
342 0 0 0 0 0
343 0 0 0 0 0
344 0 0 0 0 0
345 0 0 0 0 0
346 0 0 0 0 0
347 0 0 0 0 0
348 0 0 0 0 0
349 0 0 0 0 0
350 0 0 0 0 0
351 0 0 0 0 0
352 0 0 0 0 0
353 0 0 0 0 0
354 0 0 0 0 0
355 0 0 0 0 0
356 0 0 0 0 0
357 0 0 0 0 0
358 0 0 0 0 0
359 0 0 0 0 0
360 0 0 0 0 0
361 0 0 0 0 0
362 0 0 0 0 0
363 0 0 0 0 0
364 0 0 0 0 0
365 0 0 0 0 0
366 0 0 0 0 0
367 0 0 0 0 0
368 0 0 0 0 0
369 0 0 0 0 0
370 0 0 0 0 0
371 0 0 0 0 0
372 0 0 0 0 0
373 0 0 0 0 0
374 0 0 0 0 0
375 0 0 0 0 0
376 0 0 0 0 0
377 0 0 0 0 0
378 0 0 0 0 0
379 0 0 0 0 0
380 0 0 0 0 0
381 0 0 0 0 0
382 0 0 0 0 0
383 0 0 0 0 0
384 0 0 0 0 0
385 0 0 0 0 0
386 0 0 0 0 0
387 0 0 0 0 0
388 0 0 0 0 0
389 0 0 0 0 0
390 0 0 0 0 0
391 0 0 0 0 0
392 0 0 0 0 0
393 0 0 0 0 0
394 0 0 0 0 0
395 0 0 0 0 0
396 0 0 0 0 0
397 0 0 0 0 0
398 0 0 0 0 0
399 0 0 0 0 0
400 0 0 0 0 0
401 0 0 0 0 0
402 0 0 0 0 0
403 0 0 0 0 0
404 0 0 0 0 0
405 0 0 0 0 0
406 0 0 0 0 0
407 0 0 0 0 0
408 0 0 0 0 0
409 0 0 0 0 0
410 0 0 0 0 0
411 0 0 0 0 0
412 0 0 0 0 0
413 0 0 0 0 0
414 0 0 0 0 0
415 0 0 0 0 0
416 0 0 0 0 0
417 0 0 0 0 0
418 0 0 0 0 0
419 0 0 0 0 0
420 0 0 0 0 0
421 0 0 0 0 0
422 0 0 0 0 0
423 0 0 0 0 0
424 0 0 0 0 0
425 0 0 0 0 0
426 0 0 0 0 0
427 0 0 0 0 0
428 0 0 0 0 0
429 0 0 0 0 0
430 0 0 0 0 0
431 0 0 0 0 0
432 0 0 0 0 0
433 0 0 0 0 0
434 0 0 0 0 0
435 0 0 0 0 0
436 0 0 0 0 0
437 0 0 0 0 0
438 0 0 0 0 0
439 0 0 0 0 0
440 0 0 0 0 0
441 0 0 0 0 0
442 0 0 0 0 0
443 0 0 0 0 0
444 0 0 0 0 0
445 0 0 0 0 0
446 0 0 0 0 0
447 0 0 0 0 0
448 0 0 0 0 0
449 0 0 0 0 0
450 0 0 0 0 0
451 0 0 0 0 0
452 0 0 0 0 0
453 0 0 0 0 0
454 0 0 0 0 0
455 0 0 0 0 0
456 0 0 0 0 0
457 0 0 0 0 0
458 0 0 0 0 0
459 0 0 0 0 0
460 0 0 0 0 0
461 0 0 0 0 0
462 0 0 0 0 0
463 0 0 0 0 0
464 0 0 0 0 0
465 0 0 0 0 0
466 0 0 0 0 0
467 0 0 0 0 0
468 0 0 0 0 0
469 0 0 0 0 0
470 0 0 0 0 0
471 0 0 0 0 0
472 0 0 0 0 0
473 0 0 0 0 0
474 0 0 0 0 0
475 0 0 0 0 0
476 0 0 0 0 0
477 0 0 0 0 0
478 0 0 0 0 0
479 0 0 0 0 0
480 0 0 0 0 0
481 0 0 0 0 0
482 0 0 0 0 0
483 0 0 0 0 0
484 0 0 0 0 0
485 0 0 0 0 0
486 0 0 0 0 0
487 0 0 0 0 0
488 0 0 0 0 0
489 0 0 0 0 0
490 0 0 0 0 0
491 0 0 0 0 0
492 0 0 0 0 0
493 0 0 0 0 0
494 0 0 0 0 0
495 0 0 0 0 0
496 0 0 0 0 0
497 0 0 0 0 0
498 0 0 0 0 0
499 0 0 0 0 0
500 0 0 0 0 0
## Arquivo .txt de Output
sample cell_tot cell_tot_correc
1 sample135_C6_PRO_5m 134 cells in noise
2 sample136_C6_PRO_50m 111 cells in noise
3 sample137_C6_PRO_110m 13072 20240
4 sample138_C6_PRO_130m 3598 no correction
5 sample139_C6_PRO_170m 2211 no correction
Código da Função
###########################################################################
######################### Função: ciano.correct() #########################
### Correção de dados de citometros de fluxo em Oceanografia Microbiana ###
###########################################################################
#
ciano.correct=function(dados, citometro)
# Cria a função
#
{
if ("ggplot2" %in% rownames(installed.packages())==FALSE) {
stop("A função requer os pacotes 'ggplot2', 'reshape2', 'plyr' e 'scales'")
} else {
library("ggplot2") }
if ("reshape2" %in% rownames(installed.packages())==FALSE) {
stop("A função requer os pacotes 'ggplot2', 'reshape2', 'plyr' e 'scales'")
} else {
library("reshape2") }
if ("plyr" %in% rownames(installed.packages())==FALSE) {
stop("A função requer os pacotes 'ggplot2', 'reshape2', 'plyr' e 'scales'")
} else {
library("plyr") }
if ("scales" %in% rownames(installed.packages())==FALSE) {
stop("A função requer os pacotes 'ggplot2', 'reshape2', 'plyr' e 'scales'")
} else {
library("scales") }
# Verifica se os pacotes necessários para o cálculo estão instalados. Caso
# não estejam, a função para e informa que os mesmos são necessá¡rios. Caso
# estejam, carrega-os.
#
if (!is.data.frame(dados) && nrow(dados) > 500)
stop("'dados' deve ser um data.frame com até 500 linhas, que é o número máximomo de canais dos citômetros.")
# Define o valor e o formato da entrada de dados
if (citometro != "canto" && citometro != "c6") {
stop("Essa funÇÃO suporta apenas os citômetros 'canto' e 'c6'.")
} else if (citometro == 'canto') {
decades = 5
channel_min = 100
channel_max = 500
xmin = 10
xmax = 10000
} else if (citometro == "c6") {
decades = 7
channel_min = 214
channel_max = 500
xmin = 100
xmax = 100000
}
# Define qual citômetro será utilizado e quais os parâ¢metros de cada um.
#
d1 = dados[dados$channel>=channel_min,]
dm = melt(d1, id.vars=c("channel"), variable.name="sample", value.name="cell_number")
dm1 = ddply(dm, c("sample"), transform, cell_smooth=as.vector(smooth(cell_number)))
cor_factor=function(channel, cell_number, cell_smooth)
{
i_min = which.min(channel)
i_max = which.max(channel)
i_cell_max = which.max(cell_smooth)
if (cell_smooth[i_cell_max] > 5*cell_smooth[i_min]) {
cor_factor = "no correction"
} else if (i_cell_max == i_min) {
cor_factor = "cells in noise"
} else {
cor_factor = 2*sum(cell_number[i_cell_max:i_max]) }
return(cor_factor)
}
dm2 = ddply(dm1, c("sample"), transform, cell_norm=cell_smooth/max(cell_smooth))
dm3 = ddply(dm2, c("sample"), transform, fluo=(10^decades)^(channel/channel_max))
stats = ddply(dm3, c("sample"), summarise, cell_tot=sum(cell_number), cell_tot_correc=cor_factor(sample, cell_number, cell_smooth))
return(stats)
}
Arquivos da Função:
Função:ciano.correct.r
Help: help.r
Input: pro_c6.txt
pro_canto.txtsyn_c6.txtsyn_canto.txt
Output: stats_pro_c6.txtstats_pro_canto.txtstats_syn_c6.txtstats_syn_canto.txt
05_curso_antigo/r2016/alunos/trabalho_final/nataschabergo/start.txt · Última modificação: 2020/08/12 06:04 (edição externa)
Exceto onde for informado ao contrário, o conteúdo neste wiki está sob a seguinte licença: CC Attribution-Noncommercial-Share Alike 4.0 International
