トランスクリプト
|
| みなさん、こんにちは。私の名前はアンダーソン・メイフィールドです。マイアミ大学の海洋大気研究所のアシスタントサイエンティストです。 |
| 私は実際、マイアミ大学の海洋研究所NOAAの大西洋海洋大気庁のサンゴプログラムの一環として通りの向かいで働いています。 |
| 今日は、サンゴ礁の運命を予測するためのツールを開発しようとしてきた、私のキャリアのほぼ全体にわたって取り組んできたいくつかの研究についてお話します。 |
| ですから、これは実際には、昨年のディスカバリーサミットの講演からの更新または継続ですが、多くの人がそれを聞いていないか、聞いたとしても聞いていないかもしれません。 |
| あなたはすべてを覚えていないかもしれません、それは私があなたに与えるつもりである私がしている研究のための準備をするつもりであるということは全く問題ありません。 |
| サンゴ礁が直面しているいくつかの問題について話して、去年の私がどこにいたかを少し要約してください。 |
| 本当にエキサイティングなことに、昨年のディスカバリーサミットの講演からおそらく2か月後ではなく、サンゴの予測モデリングに大きな進歩を遂げました。 |
| 進歩とこれは主にいくつかの新機能とJMPProによるものだったので、今日はこの種のホットオフプレスデータを共有します。 |
| そして、それは私たちが個々のサンゴのコロニーの運命を予測できるというこの考えに到達していますか？ |
| したがって、サンゴ礁の運命、つまりサンゴの集合体全体を予測することは、サンゴ礁が基本的に世界中で悪い状態にあるため、実際には簡単です。 |
| 海の水温の上昇による。 そのため、サンゴは細胞内に渦鞭毛藻が生息しており、植物のように光合成して移動します。 |
| 彼らがサンゴの宿主に生み出すエネルギー。 問題は、水が熱くなりすぎると、これが適切に光合成する能力を台無しにすることです。 |
| サンゴはそれらを消化するか追い出すかのどちらかであり、最終的な結果は同じサンゴが効果的に餓死することです。 |
| そして、これは世界中の問題であるため、サンゴ礁の運命を予測すると、これらが衰退している生態系であることはほぼすでにわかっています。 |
| しかし、個人レベルでは、不均一性が見られます。サンゴの種は他の種よりもうまくいきます。種の中には、他の種よりもうまくいく遺伝子型があります。 |
| それで、私が私のキャリア全体に興味を持っていたのは、この回復力を推進するものであり、それは私たちが実際に予測できるものですか？ |
| だから私はこれを一種の珊瑚のアクチュアリーに例えています。 お気に入りのサンゴから生検を送っていただけませんか。分析を行って、「ねえ」と言うことができます。 |
| この珊瑚の寿命は6か月ですが、これは何十年もの間大丈夫です。これは私がやろうとしてきたことの一種です。 |
| 私たちが現在サンゴの健康を評価する方法は遡及的だからです。 私たちはそこに出かけて調査を行い、基本的に死んだサンゴの量を定量化します。 |
| したがって、これらは収集する必要のある重要なデータですが、この種のアプローチでは、これらのサンゴを実際に好意的に行うことはありませんでした。 これは類似しているでしょう |
| 心臓発作を起こしたばかりの患者に、本当に高血圧だったと言っている医者に、あなたは患者がそれを知りたがっていたであろうことを知っています |
| 数週間、数ヶ月前に、彼らは何か積極的なことをすることができたでしょう-薬、ライフスタイルの変更、あなたはより良い食事と運動を知っています。 そう |
| そのような遡及的な方法で人間の健康を評価することは受け入れられないと私が思うので、なぜ私たちはサンゴに対してもこの種のより積極的なアプローチをとることができないのですか？ |
| ですから、そこには予測ツールがあり、それらのいくつかは実際にはNOAAによって開発されており、実際にはそれらのほとんどは私の雇用主であるNOAAによって開発されています。 |
| サンゴの健康に関する予測または予測。 |
| 高温とサンゴの白化の間には、このよく知られたよく研究された関連性があるため、温度のみを使用しているため、予測因子として温度に焦点を当てることは理にかなっています。 |
| ですから、これは実際には今年発表された国連の報告書を見ていますが、多くの著者がNOAAで働いています。 これは見ています |
| 彼らが毎年の重度の漂白と呼ぶものの発症の年。 ですから、今年は毎年夏に白化が起こり始める年です。 そう |
| サンゴは白化から回復し、新しい共生生物を獲得し、食べることができ、 |
| 彼らはある程度嵐を乗り切ることができますが、毎年漂白が起こり始めると、彼らは能力を失います |
| 回復するために、これが毎年の厳しい漂白年が一種である理由です。 あなたが見ることができるので、これはかなり厳しいです |
| これらの年のいくつかは赤で、2015年、2020年、それは明らかにすでに過ぎています、そしてこれは南フロリダの地図を見ているので、これは私たちのフィールドサイトがある場所です。 |
| しかし、これは実際には100％真実ではないことを私たちは知っています。 はい、これらのピクセル内にはすでに毎年白化しているサンゴ礁がありますが、そうでないサンゴ礁は他にもたくさんあります。 |
| したがって、私の目標の1つは、これらの温度中心モデルの空間的および時間的解像度を向上させることです。これらの温度中心モデルは |
| そこに何があるかを考えないでください、彼らはそこにサンゴがあるかどうかさえ考慮しません。 温度パターンを見ているだけです。 |
| ですから、彼らはそこに回復力のある種があるかどうか、回復力のある遺伝子型があるかどうかを考慮していませんが、私たちは外に出る必要があります、率直に言って、彼らはまったく真実に基づいていません。 |
| 私たちはそこに出かけて、サンゴの豊富さを調べている生態学的調査を行う必要があります。 |
| バイオマス、生物多様性、そこにいる珊瑚の敵の種類、特定の種類の大型藻類や珊瑚礁ですが、サンゴ礁を持つことができるので、私が感じるだけでは十分ではありません |
| このような珊瑚で完全にカーペットが敷かれています、あなたはこの画像でここに見ます。 |
| 生態学者は、これは本当に健康に見える、サンゴが豊富で、水はかなり澄んでいる、藻類はあまりない、訓練された目でさえ知っている、と言うかもしれません |
| これは健康的なサンゴ礁だと思いますが、サンゴの生理学者として個人的に知っていると、これらの種は雑草であるため、弾力性の低いサンゴ礁であり、エネルギーをあまり保持しません。 |
| 海水が上昇するときのためにタンクにあるので、これはサンゴの豊富さと健康の間のこの固有の断絶です。 |
| しかし、あなたがそれについて考えるならば、これはそれほど驚くべきことではありません。 私たちはこのように人間の健康を管理していません。 私が住んでいるマイアミのダウンタウンを回ることはありません。この近所には100万人の人々がいます。 |
| 50万人の人口を抱えるこの地域の2倍健康的です。つまり、経済学者にとっては健康的かもしれません。 |
| しかし、実際に住民の健康状態を見てみると、相関関係がないかもしれません。 あなたは言うかもしれませんねえこの大きな都市は持っています |
| あなたは小さな町よりも健康管理をよく知っています。 したがって、特定の状況では、人口密度の間に何らかの関連がある可能性があります |
| 人間の健康ですが、そうではない場所もたくさんあります。 |
| たとえば、人口密度の高い地域では犯罪が増える傾向があるため、これが依然として私たちがそれを管理する方法であることに私は少し驚かされます |
| または、海洋生物の健康について推測しようとするのは、単にそこにあるものを数えることです。 おもう |
| あなたはあなたが人々とこれをしないであろうことを知っています、そして私は私たちがもっと良くすることができると思います。 |
| ですから、私が本当にやりたいのは、温度だけを見ることではありません。 温度は助けを理解するために重要になりますが、単独ではありません。 |
| 同様に、生態学的要因、生物の豊富さ、生物多様性も重要な評価になるでしょう。 それ自体の持続性と寿命については説明しません。 |
| 私がやりたいのは、これらのことを考慮に入れるだけでなく、これらの生態系における生物の生理学的および実際の健康も考慮したいということです。 |
| これは非常に複雑で複雑なモデルであり、実際にどのように表示されるのか、またはどのように機能するのかはわかりません。 |
| 現時点では、しかし私はいくつかのアイデアがあります。 今日私が本当に焦点を当てたいのは、ここで囲んだものです。生理学的データを使用して、サンゴが白化に抵抗するのか、それとも影響を受けやすいのかを予測する能力を備えた予測モデルを作成しようとしています。 |
| そして、これらの種類の予測分析では、行動の細胞内シフトが見られるはずなので、私は分子生物学に引き寄せられます |
| 肉眼で何か問題に気付く前に、ある種の異常な生理機能を反映しています。 だからその心臓発作に戻る |
| アナロジーでは、個々の数週間、数か月、場合によっては数年前に、高コレステロール値または高血圧を記録することになります。 |
| 心停止とそれがあなたが医者に行くとき彼らが血を引く理由です。 血糖値やコレステロールなどのよく発達したバイオマーカーがあります |
| あなたの将来の健康について推測するため。 彼らはあなたに言うことができないでしょう、あなたはあなたがバケツを蹴る日を知っています、しかしこれらは |
| 将来の健康見通しの観点から高い予測力を持つバイオマーカーと分析物。 そう |
| コレステロールはサンゴの特に優れたバイオマーカーではありませんが、他のこともあるかもしれません。そのため、NOAAではこのマルチマーカーを使用しています。 |
| これをマルチオミクスアプローチと呼びます。ここでは、関心のある生物（私の場合はサンゴ）によって合成されたすべての異なる分子を調べて、どの分子が可能かを判断できるかどうかを確認します。 |
| ストレスの状態または回復力の状態を反映している。 私は実際に遺伝子発現の世界から始めたので、メッセンジャーRNAです。 |
| しかし最近、タンパク質が実際に細胞内で働きをしているという理由だけで、私はプロテオミクス研究に切り替えました。 そう |
| 多くの場合、mRNAの発現とタンパク質のレベルの間に強い相関関係は見られません。 |
| mRNAは依然として本当に優れた健康診断バイオマーカーである可能性がありますが、メカニズムにとってあまり有用ではありません。 生理学者として私は |
| 私のケーキも食べているので、サンゴ細胞で何が起こっているのか、どのタンパク質が熱順化に関与しているのか、サンゴ細胞が高温にどのように反応するのかを知りたいです。 |
| これらは、サンプル内のすべてのタンパク質の集合体であるプロテオミクスと呼ばれるものによって対処できる種類の質問です。 |
| つまり、メカニズムのデータを取得できますが、これらのタンパク質を健康に役立つバイオマーカーとして機能させることもできます。これは、20年間の研究を単一のスライドに凝縮して、全員の理解を深めようとする私のスライドの一種です。 |
| 分析物の最適なスイートを決定します。 だから私はたんぱく質について話しました。 たんぱく質がすべての終わりであり、サンゴで測定するのにこれほど良いものになることは決してないだろうと思いますか？ |
| そしてそれが私がここにチェックを入れた理由です-絶対にありません。 そして、話の後半で、彼らが実際にタンパク質を使用して健康を推測することに問題があることがわかります。 おそらくもっと良いものがあるので、これはまだ進行中の作業です。 |
| 残念ながら、サンゴはモデル生物ではないので、これらすべてのことについて、私は自分で方法論を開発するのに何年も費やさなければならなかったことを測定したかったのです。 特に分子ベンチワーク。 |
| 遺伝子、タンパク質、脂質など、あらゆる種類の分析物を、自然の変動源に対応するために必要なバイオマーカーとして使用したいと考えています。 |
| そして、これらは光の周期のようなものです。 サンゴは細胞内に光合成渦鞭毛藻を持っているので |
| それらは、明暗サイクル全体、潮汐サイクル全体、季節ごとに生理学の大きな変動を示します。これらは、セクシーではありませんが、必要な悪のようなものです。 |
| 最終的にサンゴの健康のモデル化に向けて取り組むために必要なプロジェクト。 サンゴが日々の生活をどのように過ごしているかを把握したら、 |
| サンゴをストレッサーにさらすこれらの環境チャレンジ研究 |
| またはまたは実験室で、またはフィールドの環境勾配全体のストレッサーレジームを調べています。 |
| そして、これは実際に珊瑚の分野全体が最善を尽くしたことです。珊瑚の環境生理学に関する何千もの論文があります。そのような例の1つについては後で少し話します。 |
| しかし、私たちが立ち往生していて、現在何の作業も見られなかったのは、サンゴの健康データを使用してサンゴのストレス感受性の予測モデルを実際に生成するというこのアイデアです。の。 |
| そして、これは、ほとんどの生理学者や分子生物学者が、生物が死にかけているときに何が起こるかという、物事の記述的な側面に非常に精通しているためだと思います。 |
| これは、この種の研究を軽視するものではありません。これが私のキャリアをこれまでに作った理由です。 |
| この種の論文を発表する方が簡単です。 サンゴ礁の水槽の温度を上げて、タンパク質のレベルを確認します。 私はそれについて10の論文を発表しました、そしてあなたは到達するためにこのタイプの仕事をする必要があります |
| この予測アプローチ。 ですが、そうは言っても、私は個人的にこのようなシフトをしたいと思っています。 |
| サンゴの死亡記事、本質的にこれらの論文が何であるかを効果的に書いているアンダーテイカーは、有用なデータを生成していますが、サンゴは何の役にも立ちません。 |
| そして、私たちはそれらの本質的に記述的なプロジェクトから得たデータを取り、それらを予測能力で使用し、理解しようとします |
| どのサンゴが気候変動の勝者になり、どのサンゴが敗者になるのか。 それで、葬儀屋からこれに行くと、あなたは私が前に述べた獣医またはアクチュアリーを知っています。 |
| そして、私はあなたたちに私があなたがこれを素晴らしいことを知っているという印象を与えたくありません |
| モデラ。これは私が本当に自分で教えて、その場で拾い上げたものですが、これで多くの成功を収め、より説明的なことから予測的なことへのこの種のシームレスな移行を行ったと考えています。 |
| これはJMPによって推進されています。たとえば、Fit Modelプラットフォームに精通しているため、非常に簡単になりました。 |
| この説明を予測への移行のようなものにするために、たとえば、約1、2年前までの私のキャリア全体で行っていたであろうことは、左の例です。 |
| ほら、yボックスにこれらのサンゴタンパク質が入っています。 これらは、それらが何を意味するかに注意を払う必要のない難解なアクセッション番号です。それらはタンパク質であることを知っているだけです。 |
| 温度、サンゴの遺伝子型、サンプリングされたとき、その性質のものに興味があることを示すモデル効果を構築し、素敵な論文を公開することができます |
| これらの種類のデータセットを調べます。 今私がしていることは、基本的にそれをひっくり返して、それらすべてのタンパク質を取り、それらをコンストラクトモデルに移動することです |
| ボックス、実験データおよび/または環境データと一緒に、しかしyに何が含まれるのか |
| ここで私が白化現象の感受性と呼んでいるものになります。 後で別の名前を付けますが、考え方は同じです。 サンゴが白化する可能性があります。 |
| ですから、JMPは、純粋に説明的なものから、足を濡らして予測生物学へと移行するのに、本当に役立っていると思います。 |
| だから私は少し説明的なものを要約し、JMPプロ内のいくつかのツールのいくつかを紹介したいと思います |
| 特に私が大ファンであるパッケージ。 そこで、このサンゴから得た小さなデータセット（orbicella faveolata）を試してみます。これは、 |
| フロリダキーズで最も弾力性のあるサンゴの1つであるため、気候変動の影響は非常に悪いため、必ずしもすべてのサンゴを処理する余裕がないため、基本的にはすでに本質的に少しのサンゴを処理する必要があります。少し強い。 |
| そこで、さまざまなサンゴ礁からサンゴを採取し、さまざまな温度、さまざまな時間にさらし、タンパク質濃度を調べました。バイオマーカーが何であるかをある程度把握する必要があるため、モデル構築に役立つ可能性があります。 |
| 温度はこの珊瑚のプロテオームにどのように影響しますか、あなたがするかもしれないあらゆる種類の記述的なもの |
| 対処したいので、これは私が前に示したものと非常に似ています。 これは私のモデルボックスです。私は多くの単変量の作業を行っており、どのタンパク質が |
| 気温、サンゴ礁の場所、その性質の影響を最も受けます。 私は多くの多変量作業を行います-主成分分析、多次元尺度構成法。 |
| サンプル間の関係を探し、多変量治療効果を調べます。ここで、このいくつかをすぐに見ていきます。 昨年、私が示したものとそれ以来この論文を発表したもの、これは多次元尺度構成法で作成されたものです |
| JMP Pro 16多変量プラットフォームでは-実際にはこれは15でしたが、ここでお見せしたいのは、詳細に行き詰まらないことです。 また、色覚異常の場合はお詫び申し上げます。 |
| しかし、右下の3つのサンプルである緑は、コントロールサンゴであるため、コントロール温度になっています。 一番上の3つは |
| 32度で、これはほとんどのサンゴにとって死刑判決です。 そして、数週間の曝露後、それらのプロテオーム、つまりそれらのタンパク質プロファイルがより安定し始めていることがわかります。これは重要です。 |
| あらゆる種類の予測モデルを実行する前に、プロテオームに温度の影響があることを知っておく必要があります。 |
| それらのデータは、プレゼンス不在データを見ていました。 つまり、タンパク質が存在するかどうか、そしてそれは約7または800のタンパク質でした。 |
| それ以来、方法論が改善されたので、これは分子生物学で働くことについての良いことであり、方法は常に良くなっています。 |
| それで、私がしたことは同じサンプルを取りましたが、存在の不在として7つまたは800のタンパク質を測定するのではなく、86のサブセットを取りました。 |
| しかし、データは完全に定量的です。 だから私はあなたにほぼ10倍知ってもらいます |
| タンパク質は少なくなりますが、濃度に関してははるかに解像度が高いため、これから試してみるデータセットには86個のタンパク質しか含まれていません。 そう |
| これは、これらのタンパク質が正規分布していないように見える典型的な分布であり、常に歪んでいるため、パラメトリックアプローチのみを使用するという点で制限がありますが、問題ではありません。 |
| JMPで。 |
| それでは、JMPテーブルに移りましょう。 |
| これが最初のものです、お見せしたいと思います。 あなたは基本的にこのテーブルの2つの機能を持っています私が本当にあなたに焦点を合わせて欲しいのは |
| その広い性質。 したがって、プロテオミクスは高価です。 サンプルは200ドルで、予算は限られています。この特定の実験では、サンプルは20個しかありませんでした。 |
| しかし、私は86のタンパク質を持っています。 つまり、典型的な多変量分散分析を実行して治療効果を探すことはできませんが、それは意味しません |
| どんな種類の有用な多変量解析もできないということです。 JMP開発者からの提案として私が得た巧妙なアプローチの1つは、従来の多次元尺度構成法を実行することです。 これが私の86のタンパク質で、変換されたものにログを記録します。ここに配置します。 |
| そして、その前にこれを行ったことから、4つの次元が私にかなり良い解決策を与えることを知っています。 |
| これが多次元尺度構成法のプロットです。これらは私のサンプルのさまざまな運命です。健康なコントロール、積極的なブリーチについては、後で詳しく説明します。 |
| しかし、ここでやりたいのはストレスを見下ろすことです。通常はポイント1を下回るように、少し高くなっているようです。 |
| 次元数を増やすことでストレスをさらに軽減することもできますが、4次元でも大丈夫だと思いますので、どうしますか？ |
| 実際にこれらの座標を保存します。 これらのサンプル間の類似性に本当に興味があるので、類似性マトリックスも保存できます。 |
| そして、それらは私の（???）になるので、今、私はサンプルよりもyが少ない状況にあるので、従来の多変量分散分析を行うことができます。 |
| そして私のモデル効果、私はこれをやりたいです。 CHDラボ、それはどういう意味ですか？ それが珊瑚の健康の指定であり、珊瑚が弾力性があるかストレスを受けているかどうかです。 |
| だからおっと。 |
| つまり、これはBLRであり、漂白耐性があることを意味します。この用語は、講演全体で使用します。 BLS、ブリーチの影響を受けやすく、これはサンプルのこれら2つのグループのこれらの4次元のプロットを見ているので、多変量分散分析を実行します。 |
| そして、私は健康状態のわずかな影響を見ます、そしてこれはあなたが知りたいと思う何かです。 |
| これらのブリーチに強いサンゴが、ブリーチに敏感なサンゴとは著しく異なるプロテオームを持っている場合。 ですから、それはそれほど重要ではありませんが、国境のようなものですが |
| このような環境データセットがあれば、喜んで出版物で報告したいと思います。 あなたができるもう一つのことはおそらくより良いアプローチはそれらの同じ4つの座標を取ることです |
| MANOVAは、小さなデータセット、このような小さな広いデータセットでは扱いにくいものになります。ここでは、さまざまな環境パラメーターが多数あるため、代わりに、私が使用している部分最小二乗プラットフォームを実際に使用します。の大ファン。 |
| そして、実験データを取得します。これらは、サンゴがどこから来たのか、サンゴがさらされた温度、遺伝子型などであり、応答曲面法を実行します。 |
| そして、何が実行されています。 |
| データセットが非常に小さいという理由だけで、実際にはKFoldを4つに減らします。 |
| そして、これは私が望んでいた出力ではありません。少し違うものを含めたに違いないと思いますが、それは大丈夫なので、実際に表示したいスクリプトを保存しました。 |
| ここにいて、本当に私は要因の数にあまり関心がありません。 |
| あなたはここで見ることができました、私は3つを選びました。 |
| 本当に、私があなたに見せたいのはこれだけです、それは非常に混沌としていて散らかっているように見えます、しかしこれは相関負荷プロットとして知られています、そしてこれは本当にJMPProパッケージ全体であまり活用されていないツールだと思います。 |
| この図からどれだけ得ることができるかという理由だけで、これは私のサンプルが互いに対してどこに落ちるかを示しています、そして私は私の環境要因、遺伝子型、サイト温度時間を重ねることができます。 |
| この場合、私は座標を使用しているので、yの解釈はより困難になりますが、生データでもこれを行うことができたので、実際にどのように見始めることができますか |
| 分析物、環境変数、サンプルはすべて種類のメッシュであり、これは非常に強力な探索ツールであり、一部の人にはあまり馴染みがないかもしれません。 |
| これが私のお気に入りの多変量記述ツールの1つであり、JMPProパッケージで使用するのが好きです。 それで、それはすべて実験データだったので、それらの実験を行っている間 |
| これらのサンゴは私の患者です。 彼らは無柄です。 私は彼らがサンゴ礁のどこに行くのかを正確に知っています。 |
| 季節ごとに試食できます。 私は小さな生検を行っているので、彼らの健康を大きく乱すことはありません。 |
| だから私はこれらのサンゴのサンプルを時空を超えて持っており、それらがいつ漂白するかを知っています、 |
| 彼らが漂白する場所、漂白したもの、漂白しなかったもの。 だから今、私はアーカイブとサンゴを見ているハインドキャストを通して時間を遡ることができます |
| それはまだ漂白されておらず、どれが実行され、どれが実行されなかったかについて予測できるかどうかを確認しようとしています。 |
| フロリダキーズの上部にあるサイトについてもう少し詳しく説明するために、2つの沿岸サイトであるTheRocksとCheecaRocks、2つのオフショアサイトであるLittleConchとCrockerReefがあります。 |
| そして、沿岸のサンゴ礁ははるかに丈夫になる傾向があることを知っておくことが重要です。それでも、どこでもではなく、いくつかの場所で大きな健康なサンゴが見られます。 |
| オフショアでは、これらの小さなプレスを扱っているので、その場での回復力の素晴らしい勾配があります。 |
| これは、強い珊瑚だけ、または弱い珊瑚だけを使用してモデルを構築またはテストしたくないモデル構築にとって重要になります。両方を組み合わせたいと思うでしょう。 |
| これは私がまとめた簡単なグラフビルダーのプロットであり、これはカラースコアを調べているので、5になりたいと思います。 5は基本的にあなたが完全に健康であることを意味します。 |
| ゼロは、あなたが真っ白で、もうすぐ死ぬことを意味します。 実際には、3〜4人がかなりストレスを感じています。 だからあなたは8月にここで見ることができます |
| これはブリーチイベントの真っ最中です。これらの4つのサイトではかなりの市場ブリーチがあり、より弾力性のある沿岸サイトでもある程度ブリーチが行われていました。 |
| しかし、その後、10月までに回復し、12月までに回復しましたが、このような異常な行動が見られ、これは病気が原因だと思います。 |
| だから、これは私が先に述べた私のジャーゴニーサンゴの健康指定のようなものに戻ってきています。 |
| これは基本的に、私がこれを最終的に、または最終的には連続変数、おそらく1から10にしたいことを知っています。 |
| しかし現在、私たちは本質的に3つのカテゴリーの1つを予測しようとしています。 あなたは、弾力性または耐性のある漂白剤であるか、漂白剤の影響を受けやすいか、または中級者です。 したがって、漂白抵抗は上部のこの緑色の線になります。カラースコアは実際には変化しません。 |
| 漂白イベントの過程で。 これは別のグラフビルダープロットであるため、これは下半分の温度を調べています。 |
| ですから、中間の珊瑚はあなたが少し知っていることを白くするつもりです、しかしそれからそれは回復します。 |
| 漂白の影響を受けやすいものは、著しく漂白して回復するか、場合によっては、すべてを回復しない可能性があります。 したがって、これらは、yと私のモデルになる3つの本質的な表現型です。 |
| そして、これは設計によって複雑になっています。心配しないでください。これは基本的にさまざまな方法を示しています。最終的にはモデル構築プロセスを実行できます。 だから左側に |
| モデルのトレーニングと検証に使用するデータが表示されます。 |
| モデル自体、何を使用するか、モデルをテストしてから、最終的に何を予測しようとしているのか。 したがって、ラボのサンゴデータを使用しているだけの場合 |
| より多くのラボ世界データを使用してテストする予測モデルを作成するには、 |
| それはあなたに実験室でサンゴの健康を予測する力を与えるでしょう、しかしそれは私たちが本当に求めているものではありません。 それは出版には問題ないということですが、私たちは知りたいのです。現場で何が起こっているのかを予測できるようにしたいのです。 |
| しかし、その後、ラボデータを使用して予測モデルを作成する方法についてこの問題に遭遇します。 |
| それは現場で何が起こっているかを予測しようとしているのですが、これは常にこのラボデータを使用してこれについての予測を少なくすることの不安定な問題になることを知っています |
| 関係する制約されたフィールド。 しかし、とにかくそれを試してみるつもりです。 繰り返しになりますが、これはこのコロニーの健全性の指定をyとして使用しています。 |
| 先に述べたように、予測子には最終的にタンパク質だけでなくそれ以上のものが含まれますが、簡単にするために、今日はタンパク質を使用します。 そしてこれは |
| JMP Pro 16.1を使用して私は本当に好きなXGブーストアドインを持っています、そして私は本当にお勧めします。 これは私自身にとってはもっと重要なことですが、重要なことを1つ挙げておきたいと思います。 |
| プロテオミクスの1つの大きな欠点であり、その性質上確率論的です。 ですから、ラボのサンプルで86のタンパク質をシーケンスしたことを思い出してください。これらは、私が使用したいものであり、予測モデルです。 |
| 外に出てプロテオームとフィールドサンプルを測定したところ、86個のタンパク質が得られなかったため、まったく異なるタンパク質のセットが得られました。 |
| それで、私は実際にどのタンパク質が実際に見つかったのか、そして私のすべてのサンプルを見つけようとしなければならなかったので、これは劇的に減少しました。 |
| 使用できるタンパク質の数は、実際には86から31になり、5つのタンパク質になりました。5つのタンパク質で何らかの予測力が得られるかどうか本当にわからなかったので、心配しました。見る。 |
| そのデータセットはここにあります |
| 基本的に、すべてのフィールドサンプルで見つかった31のタンパク質のサブセットを取得しましたが、今日やりたいのは、7月にサンプリングしたサンゴのタンパク質だけに焦点を当てたいということです。 |
| 2019.これは白化現象の前なので、私はこれらのサンゴのサンプルだけを知りたいです。 これらのサンゴが白化する前に検出できるものがあるか知りたい |
| それで、それは私の31を5に落としたので、私はこれらの5つのタンパク質で予測モデルを作成しようとしています。 そして、モデルスクリーニングとして知られているJMP Proの私のお気に入りの新機能を使用します。これにより、テストが可能になるからです。 |
| 並行して複数の異なるモデル。 そこで、ここにラボのサンゴの健康の指定を入れます。 ここに5つのタンパク質を入れます。 |
| 私はこれらすべての異なるオプションに、私が実際にこのコンピューターにXGブーストをインストールしていないことを知っているチャンスを与えるつもりですが、それは大丈夫です、私たちはできると思います、 |
| それでもまともなモデルを見つけることができます。 5つのKfold交差検定を使用します。 ここでこれらのオプションのいくつかが必要です。 |
| そして、私たちが何を得るのか見てみましょう。 |
| 20の異なるモデルを並行してチェックし、これらすべての異なる階乗の組み合わせを使用し、ここにいくつかの診断データがあるため、これを実行するのに少し時間がかかりますが、検証セットに直接取り掛かりたいと思います。 |
| つまり、これらは基本的にここでランク付けされているので、うまく機能しているように見えるニューラルブーストモデルがあります。 私は正確さに関心があるので、誤分類率に引き寄せられる傾向があります。 |
| 一般化された回帰モデルがあります。それを確認して、選択します。 かなり見栄えがします。 |
| 実行します。 |
| ここにすべての診断が表示されます。少し時間がかかります |
| プロファイラーを見るために |
| これが教えてくれるから |
| どのタンパク質が最も貢献しているのか。 |
| 先ほど言ったことをお詫びします。今すぐリセットする必要があります。 |
| 私は通常、漂白剤の影響を受けやすいものであれ、漂白剤の弾力性があるものであれ、私の治療法の1つが最大化される場所への望ましさを持っています。 それで私にできることは、ブリーチに強いサンゴになるために必要なことを教えてくれると言えるので、実際にはブリーチに敏感なものを最小限に抑えるつもりです |
| と |
| まあ、それが私に示しているのは、1つのオプションを示しているだけです。 私はあなたが何を知っていると思います、それはすでにそれがすでにそれに設定されているのでそれは大丈夫です |
| そう |
| この場合、それは私を示しています |
| これらのタンパク質のレベルを変更したときに、漂白感受性に関してサンプルの割合がどのように低下するか、これは物事に役立つ可能性があります |
| 遺伝子工学のように、そうなるタンパク質を見つけようとするなら |
| サンゴの弾力性に最も関与しています。 あなたはプロファイラーをいじりたいと思うでしょうが、今日私がもっと興味を持っているのは実際には予測そのものなので、ここで予測式を公開します。 |
| あなたは気付くでしょう |
| タンパク質の1つが脱落したため、それらの1つは実際のモデル構築に役立つとは見なされませんでした。 |
| 信じられないかもしれませんが、これは私が過去2、3日でやったことです。 したがって、このデータテーブルに7月のサンゴが含まれているので、比較したいと思います。 |
| そのデータテーブルからの予測を確認したいので、その一般化された回帰モデルに基づいて何を推測したかを見てみましょう。 推測が正しかったか間違っていたかにかかわらず、サンプルは12個しかないため、ここで簡単に説明します。 |
| 右。申し訳ありませんが、rはこのコンピューターでは機能しません。信じられないかもしれませんが、これは正しいです。 |
| 右。 |
| 右。 |
| はい、これを行うためのより簡単な方法は間違いなくありますが、これは間違っているためです。 |
| そうです、今では再び正しく機能します。 |
| 右。 |
| 右と右。 |
| したがって、これをタンパク質一般化回帰モデルに使用する12サンプルのこのサブセットでは。 |
| 12個のサンプルのうち11個でブリーチの可能性がありましたが、これは実際には非常にクールです。つまり、シミュレーションをさまざまな方法で何度も実行したということです。 |
| 私が通常バッティングしているものよりも優れているので、それは92 93％であり、特にタンパク質専用であるため、非常にエキサイティングです。 そう |
| さて、すでにそれについて話しました、そうそう、そうそう、この種のシミュレーションをすることからの私の平均は約80から90％の精度です。 |
| これは私にとって非常にエキサイティングです。 実際にひどい医師に。 あなたが正しいなら |
| 心停止イベントの可能性と患者の80％の観点からすると、それは大きな失敗になると思いますが、私は思います |
| これはサンゴにとっては新しいものなので、80〜90％の精度で大丈夫です。 そして、これは私が言及しなかったことです |
| 5つのタンパク質のサブセットは、その後4つに絞り込まれ、ホストのサンゴだけを見ていました。 数週間前、IIが文字通りこれらのデータを取得したばかりなので、シンビオントタンパク質を削除しました。 |
| これらのシンビオントタンパク質を追加すると、精度が上がるだけで、これも覚えていると思います。 |
| 私は実験室のデータを使用して、野外のサンゴの行動について予測していました。 したがって、100％正確であるとは期待できません。 おそらくこの話を終えてから数時間以内に、私がすべきことと私がやろうとしていること、 |
| 私はすべてのフィールドデータを持っています。 私はすべてのラボデータを持っています。 先に進んで、トレーニングと検証でこれらのデータセットの両方を使用できます。 |
| フィールドサンゴの行動を予測するモデルを作成します。 そして、私はそのアプローチの精度が上がるだけだと確信しています。 あなたは主張することができます、 |
| このフィールドデータセットがあるのに、なぜラボサンゴデータを使用したいのですか？ そして、あなたが知っている、私はそれが非常に有効なポイントである可能性があると思います。 |
| 生物学的側面から、あなたはこれらのタンパク質の実際の性質が私にとって非常に興味深いことを知っています、そして私はちょうど昨夜それらが何であったかを明らかにしました。 |
| 時間がなくなったので、それらについては説明しませんが、それは非常に興味深いものであり、私たちが掘り出すことができると言えば十分です。 それらの1つは進化し、獲物を捕獲します。 |
| メカニズムを開発しようとしています。 |
| つまり、これらは非常に小さなデータセットであり、数十のサンプルです。 それで、私は世界最高のサンゴストレステストをしたと思いますか？ |
| いいえ、これは非常に進行中の作業であり、解決する必要のある他の方法論的な問題がありますが、私が最終的にやりたいのは、この種のストレスを発生させることです |
| そこに行って、私がサンゴ礁のトリアージと呼んでいることを実行できるようにテストします。 私は私の小さなサンプルを取ることができました |
| プロテオミクスまたはその他の分子分析を行い、データをJMPに入力します。 |
| これらのレジリエンスの推測を吐き出します。マネージャーに、ここにあるこのリーフは本当に良い形になっているように見えるので、今のところはそれを監視してください。 |
| ここにあるこれは、私のモデルではすべてのサンゴが白化しやすいと見なされていました。 サンゴを軽減したり、チャンスを与えたりするためにできることがあれば、水質をきれいにし、抑制します |
| 乱獲-それらはあなたがあなたの努力をトリアージするべきだと私が思うものです。 だから本当にそれが私がこれらの種類のデータセットでやりたいことです。 したがって、もちろん、データセットを増やす必要があります。 |
| スケールは本質的に異なりますが、私はそれらをそこにあるこの温度ベースのモデルと比較したいと思います。 |
| そして、私は本当に、この種のビジュアル、またはここにある悪い場所がここにある良い場所であることを知っていると言うだけの地図を作成できるようにしたいと思っています。 |
| 私はすべての汚い仕事をするつもりです、私はこれをマネージャーまたは一般の人が簡単に消化できるものに蒸留できるようにしたいですそして私はねじれが解決されたらそして私たちが少しあなたがより大きく知っていると思いますデータセット、 |
| より多くのサンゴ種を取り入れ、地理的範囲を拡大することで、このサンゴの健康予測モデリングアプローチを |
| ご存知のように、意思決定ツールとして。 したがって、監視のためだけでなく、回復のためのサンゴの養殖に役立つ可能性のある回復力のある遺伝子型を探すためにも使用されます。 |
| このアプローチを使用して、緩和プロジェクトの成功やその性質のものを追跡することもできるので、この種の可能性はたくさんあると思います。 |
| このようなより積極的な海洋管理のためのサンゴの健康予測モデリングアプローチ、そして私は願っています |
| これは、特にこれらの生態系がますます危うくなるにつれて、今後数年間、マイアミ大学のNOAAで成長し続けることができるものです。 |
| それで、私はどんな質問でも喜んで受けます。 私はトレーニングによるモデラーではないので、絶対に歓迎します |
| 助言がありますか。 これを教義と見なさないでください。データのひどい誤解などがあるかどうかを知っています。私の気持ちを傷つけることはありません。質問やフィードバックをいただければ幸いです。 |
| それで、私は私の話を終えて、あなたから聞いてうれしいです。 ありがとう。 |
