Содержание

🗎 Анализ научной статьи

🗎 Анализ научной статьи

Сдайте отчет с описанием статьи в виде блокнота ipynb или текстового документа (Word). В отчете Вы должны продемонстрировать умение создания структурированного текста со ссылками и нумерованными списками. Можно вместе с отчетом прикрепить полный текст статьи, особенно если ее трудно найти в открытом доступе. Оценка включает устное сообщение на семинаре в группе.

Требования к статье

Необходимо найти статью на интересную тему по специальности, ознакомиться с содержанием (прочитать) и извлечь признаки для описания проведенного в работе анализа данных. Ожидается, что это свежая экспериментальная статья с участием животных на английском языке в открытом журнале с доступом к исходным данным. Допускается статья в русскоязычном журнале при проблемах с английским языком. Допускается обзорная статья, если в ней проводился статистический мета-анализ.

Формальные требования:

  1. Полная статья в профильном журнале по биологии (медицине) выпуска за последние три года или препринт.

  2. Желательно открытый доступ к данным.

Этапы описания:

  1. Выходные данные статьи (ссылка, квартиль по Scopus) (см. Анализ публикационного ландшафта)

  2. Объект исследования (вид животного);

  3. Измеряемые зависимые параметры (приборы, единицы, предобработка);

  4. Повторы, объем выборки (ограничения, контроль);

  5. Факторы (уровни сравнения);

  6. Методы статистики (для описания можно выбрать один, если в работе несколько разных анализов);

  7. Что нужно, чтобы повторить? Найти соответствующий метод в пакете scipy.stats или statsmodels или описать специальный модуль для нестандартного метода.

Пример

Gut microbiota dynamics in Parkinsonian mice (Динамика микробиоты кишечника у мышей с паркинсонизмом)

журнал: ACS Chemical Neuroscience

адрес: https://pubs.acs.org/doi/abs/10.1021/acschemneuro.0c00386 (полный текст)

%D0%B8%D0%B7%D0%BE%D0%B1%D1%80%D0%B0%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5.png

Рис. 13 Схема развития болезни Паркинсона

  • объект: микробиота кишечника мыши

  • субъект: особь мыши M83 (склонность к накоплению альфа-синуклеина + введение α-syn)

  • N: 17. 10 повторов терапии, остальное - контроль.

  • образцы: фекалии, возобновляемость ~ 1 час. (57 шт.), но брали раз в 1.5 месяца. (ограниченный доступ к сложному анализу?)

  • измеряемые показатели: образцы 16S рибосомальной РНК (1 115 уникальных OTU из 1,340,271 ридов)

  • предобработка: стандартные методы при амплификации в пакете QIIME2 на Python.

  • расчетные параметры: филогенетическая дистанция UniFrac (разработан в 2005) в пакете Phyloseq на R.

  • факторы: воздействие (терапия, контроль (соляной раствор)), время после инъекции (0, 6, 12 недель)

  • гипотеза: разный кластеринг таксономических групп бактерий в динамике болезни/лечения.

  • методы статистики:

    • непарный U-тест Манна-Уитни и корректировка с использованием метода Бенджамини-Хохберга - для оценки различия в показателях альфа-разнообразия между группами в каждый момент времени;

    • тест Вальда (Wald’s) - для идентификации тех ОТЮ, которые были значительно отличались по обильности ОТЮ между группами в каждый момент времени;

    • Permutational multivariate analysis of variance (PERMANOVA) из пакета vegan на R - для оценки различий в невзвешенных измерениях дистанции UniFrac между группами с течением времени.

Чтобы повторить:

  • виварий с данной линией мышей.

  • средства для клеточной терапии.

  • контейнеры для доставки кала в лабораторию.

  • амплификация.

  • пакет анализа QIIME2 (знание языка Python)

  • RStudio с пакетом расчета UniFrac (знание языка R)

Если способы анализа Вас заинтересовали, то оцените доступность использованных в статье методов анализа в программных пакетах на Python. Если найти готовые реализации не удалось, приведите ссылки на формальное описание метода (статья в Википедии, оригинальная статья авторов метода).

  • Тест Манна-Уитни доступен в пакете scipy.stats.

scipy.stats.mannwhitneyu(x, y, use_continuity=True, alternative=None)
    #Compute the Mann-Whitney rank test on samples x and y.

  • Метод results.wald_test() встроен в OLS в statsmodels.

  • PERMANOVA доступна в пакете skbio skbio.stats.distance.permanova() или через вызов функции Adonis https://rdrr.io/rforge/vegan/man/adonis.html

Пример

https://www.elibrary.ru/item.asp?id=43938827

Рис. 14 Выходные данные статьи на сайте РИНЦ

  • объект: воздействие препаратов на кровь и клещей

  • субъект: особь кошки.

  • образцы: 36 кровь в начале и конце лечения, 3 группы по 6 животных в каждой группе.

  • измеряемые показатели: наличие/отсутствие клещей в соскобе, гематологические показатели

  • предобработка: стандартный общий и биохимический анализ крови

  • расчетные параметры: -

  • факторы: методы лечения 3 шт.

  • гипотеза: препараты действуют одинаково.

  • методы статистики: критерий Стьюдента

Чтобы повторить:

  • лечить котов с ушными клещами разными препаратами

  • брать на анализ кровь и соскоб в начале и конце лечения

  • сравнить средние по выборкам тестом Стьюдента

См.также

При возникновении сложности с получением полнотекстовой версии, попробуйте поискать копию статьи на других сайтах.

Актуальный адрес сайта sci-hub для доступа к полным текстам можно узнать в https://vk.com/sci_hub

назад

Анализ публикационного ландшафта

вперёд

Нелинейные модели