성적 증명서
|
| 안녕하세요 여러분, 제 이름은 Anderson Mayfield이고 University of Miami의 Cooperative Institute Marine and Atmospheric Studies의 보조 과학자입니다. |
| 저는 실제로 마이애미 대학의 해양 연구소인 NOAA의 대서양 해양 및 기상 연구소에서 산호 프로그램의 일환으로 길 건너편에서 일하고 있습니다. |
| 오늘 저는 산호초의 운명을 예측하기 위한 도구를 개발하기 위해 노력해 온 저의 거의 전체 경력에 걸쳐 연구해 온 몇 가지 연구에 대해 이야기하려고 합니다. |
| 이것은 실제로 제가 작년에 논의한 것, 즉 디스커버리 서밋 강연에서 업데이트 또는 계속된 것입니다. 하지만 많은 분들이 듣지 못했거나 들어보셨을 수도 있다는 것을 압니다. |
| 당신은 모든 것을 기억하지 못할 수도 있습니다. 완전히 괜찮습니다. 제가 하고 있는 연구를 위한 무대를 마련할 것입니다. |
| 산호초가 직면한 몇 가지 문제에 대해 이야기하면서 제가 작년에 있었던 위치를 간략하게 요약해 보십시오. |
| 정말 흥미롭게도 작년 Discovery Summit 강연이 있은 지 두 달이 채 되지 않은 시점에 저는 산호 예측 모델링에서 일종의 큰 돌파구를 마련했습니다. |
| 이것은 부분적으로 일부 새로운 기능과 JMP Pro 덕분이었습니다. 그래서 저는 오늘 이러한 종류의 최신 언론 데이터를 공유할 것입니다. |
| 개별 산호 군체의 운명을 예측할 수 있습니까? |
| 따라서 산호초의 운명을 예측하여 산호의 전체 집합체를 예측하는 것은 산호초가 기본적으로 전 세계적으로 좋지 않은 상태이기 때문에 실제로 더 쉽습니다. |
| 해수 온도 상승으로 인해. 그래서 산호는 세포 내부에 과편모조류가 살고 있어 식물처럼 광합성을 하고 위치를 이동합니다. |
| 그들이 산호 호스트에게 생산하는 에너지. 문제는 물이 너무 뜨거워지면 적절한 광합성 능력이 망가진다는 것입니다. |
| 산호는 그것들을 소화시키거나 쫓아내거나, 최종 결과는 같은 산호가 효과적으로 굶어 죽는다는 것입니다. |
| 그리고 이것은 전 세계의 문제이므로 산호초의 운명을 예측할 때 이것이 쇠퇴하는 생태계라는 것을 우리는 이미 거의 알고 있습니다. |
| 그러나 개별적인 수준에서 여러분은 이질성을 볼 수 있습니다. 다른 종보다 더 나은 성능을 보이는 산호 종이 있고, 종 내에서 다른 종보다 더 잘하는 유전자형이 있습니다. 다른 종은 표백에 취약할 때 탄력적으로 표백됩니다. |
| 제 경력 전반에 걸쳐 제가 관심을 가지고 있었던 것은 이러한 회복력을 이끄는 것이며 실제로 예측할 수 있는 것입니까? |
| 그래서 저는 이것을 일종의 산호 보험계리사에 비유합니다. 가장 좋아하는 산호에서 생검을 보내주시면 분석을 하고 '이봐'라고 말할 수 있습니다. |
| 이 산호의 수명이 6개월이라는 것을 알고 있습니다. 이 산호는 수십 년 동안 괜찮을 것입니다. 이것이 제가 하려고 했던 종류의 것입니다. |
| 현재 우리가 산호 건강을 평가하는 방식은 소급적이기 때문입니다. 우리는 그곳에 가서 조사를 하고 기본적으로 죽은 산호의 양을 정량화합니다. |
| 따라서 이것들은 수집해야 하는 중요한 데이터이지만 이러한 종류의 접근 방식으로 이 산호들에게 어떤 호의도 베풀지 않았습니다. 이것은 유사할 것이다 |
| 방금 심장마비를 겪은 환자에게 의사에게 말하면서, 당신은 정말 고혈압이였습니다. 환자가 그 사실을 알았더라면 좋았을 것 |
| 몇 주, 몇 년 전에 미리 예방 조치를 취할 수 있었습니다. 약, 생활 방식의 변화, 더 나은 식단과 운동을 알 수 있습니다. 그래서 |
| 인간의 건강을 그런 소급 방식으로 평가하는 것은 용납될 수 없다고 생각합니다. 그런데 왜 우리는 산호에 대해서도 이런 종류의 보다 적극적인 접근을 할 수 없습니까? |
| 그래서 거기에 예측 도구가 있고 그 중 일부는 실제로 NOAA에서 개발했습니다. 실제로 대부분은 제 고용주인 NOAA에서 개발했습니다. |
| 산호 건강에 대한 예측 또는 예측. |
| 그들은 고온과 산호 백화 사이에 잘 알려진 잘 연구된 연관성이 있기 때문에 온도를 독점적으로 사용하고 있으므로 온도를 예측 변수로 연마하는 것이 합리적입니다. |
| 그래서 이것은 실제로 올해 나온 UN 보고서를 보는 것입니다. 그러나 많은 저자들이 NOAA에서 일하고 있습니다. 이것은보고있다 |
| 매년 심한 백화 현상이 시작되는 해입니다. 그래서 이것은 표백이 매년 여름에 일어나기 시작하는 해입니다. 그래서 |
| 산호는 백화에서 회복할 수 있고, 새로운 공생자를 얻을 수 있고, 먹을 수 있습니다. |
| 폭풍우를 어느 정도 견딜 수 있지만 매년 표백이 시작되면 능력을 잃습니다. |
| 그래서 매년 심한 백화현상이 일어나는 해를 되돌릴 수 없는 시점에서 부르는 것입니다. 당신이 볼 수 있기 때문에 이것은 매우 암울합니다 |
| 빨간색으로 표시된 몇 년, 2015년, 2020년, 그것은 분명히 이미 지나갔고 이것은 사우스 플로리다의 지도를 보고 있습니다. 그래서 이것이 우리의 현장 사이트가 있는 곳입니다. |
| 그러나 우리는 이것이 실제로 100% 사실이 아니라는 것을 알고 있습니다. 그렇습니다. 이 픽셀 안에는 이미 매년 백화되는 산호초가 있지만 그렇지 않은 산호초도 많이 있습니다. |
| 제 목표 중 하나는 이러한 온도 중심 모델의 공간적 및 시간적 해상도를 개선하는 것입니다. |
| 거기에 무엇이 있는지 고려하지 마십시오. 산호가 있는지 여부조차 고려하지 않습니다. 온도 패턴만 보고 있습니다. |
| 그래서 그들은 거기에 회복력이 있는 종이 있는지, 회복력이 있는 유전자형이 있는지 여부를 고려하지 않습니다. 하지만 우리는 밖으로 나가야 합니다. 솔직히 그들은 전혀 진실에 근거하지 않습니다. |
| 우리는 그곳에 나가서 산호의 풍부함을 보고 있는 생태학적 조사를 해야 합니다. |
| 생물량, 생물 다양성, 어떤 종류의 산호 적들이 거기 있는지, 특정 유형의 거대 조류와 산호를 좋아합니다. 하지만 그것만으로는 충분하지 않다고 생각합니다. |
| 이 이미지에서 볼 수 있듯이 산호가 완전히 깔려 있습니다. |
| 생태학자는 심지어 이것이 정말 건강해 보인다고 말할 수도 있습니다. 산호가 풍부하고 물이 꽤 깨끗해 보이고 조류가 많지 않습니다. 훈련된 눈으로도 알 수 있습니다. |
| 이것이 건강한 산호초라고 생각하지만 산호 생리학자로서 개인적으로 이것이 낮은 탄력성 산호초라는 것을 알고 있다면 이 종들은 잡초가 많기 때문에 많은 에너지를 유지하지 않는 것입니다 |
| 바닷물이 상승할 때를 위한 탱크에서, 그래서 이것은 풍부한 산호와 건강 사이의 본질적인 단절입니다. |
| 그러나 생각해보면 이것은 그리 놀라운 일이 아닙니다. 우리는 인간의 건강을 이런 식으로 관리하지 않습니다. 나는 내가 살고 있는 마이애미 시내를 돌아다니며 이 동네에 백만 명이 살고 있다고 말하지 않습니다. |
| 50만 명이 사는 이 동네보다 두 배는 더 건강합니다. 경제학자에게는 더 건강할 수도 있습니다. |
| 하지만 실제로 주민들의 건강 상태를 살펴보면 상관관계가 없을 수도 있다. 이 더 큰 도시에는 |
| 당신은 작은 마을보다 더 나은 의료 서비스를 알고 있습니다. 따라서 특정 상황에서는 인구 밀도 사이에 약간의 연관성이 있을 수 있습니다. |
| 그리고 인간의 건강, 하지만 그렇지 않은 곳에서 많은 곳을 찾을 수 있습니다. |
| 예를 들어 인구 밀도가 높은 지역은 범죄가 더 많이 발생하는 경향이 있으므로 이것이 여전히 우리가 그것을 관리하는 방식이라는 생각이 듭니다. |
| 또는 해양 유기체의 건강에 대한 추측을 하려고 시도하는 것은 단순히 외부에 무엇이 있는지 세는 것입니다. 제 생각에는 |
| 당신은 사람들과 이런 일을 하지 않을 것이라는 것을 알고 있고 우리가 더 잘할 수 있다고 생각합니다. |
| 그래서 제가 정말 하고 싶은 것은 온도만 보는 것이 아닙니다. 온도는 도움을 이해하는 데 중요하지만 고립되어 있지는 않습니다. |
| 유사하게, 생태학적 요인, 유기체의 풍부함, 생물다양성도 중요한 평가가 될 것입니다. 그것은 그 자체로 끈기와 장수에 대해 말하지 않을 것입니다. |
| 제가 하고 싶은 것은 이러한 것들을 고려하면서 이러한 생태계에 있는 유기체의 생리학적 및 실제 건강도 고려하여 |
| 그것은 매우 복잡하고 복잡한 모델이며 실제로 그것이 어떻게 제시될지 또는 어떻게 작동할 것인지에 대해 알아내지 못했습니다. |
| 지금 당장이지만 몇 가지 아이디어가 있습니다. 오늘 제가 정말로 초점을 맞추고 싶은 것은 제가 여기에 둘러싸고 있는 것입니다. 그래서 단순히 생리학적 데이터를 사용하여 산호가 표백에 저항할 것인지 아니면 민감해질 것인지 예측할 수 있는 능력을 가진 예측 모델을 만들려고 합니다. |
| 그리고 이러한 종류의 예측 분석을 위해 저는 분자 생물학에 관심을 기울이고 있습니다. |
| 육안으로 뭔가 잘못된 것을 알아차리기 전에 일종의 비정상적인 생리학을 반영하는 것입니다. 그래서 심장 마비로 돌아 가기 |
| 유추하면 고콜레스테롤 수치나 고혈압이 발병하기 몇 주, 몇 달, 심지어 몇 년 전에 기록될 것입니다. |
| 심장 마비 및 그것이 의사에게 가면 혈액을 채취하는 이유입니다. 혈당과 콜레스테롤과 같은 잘 발달된 바이오마커가 있습니다. |
| 당신의 미래 건강에 대한 추측을 하기 위해. 그들은 당신에게 말할 수 없을 것입니다, 당신은 당신이 양동이를 차게 될 날을 알고 있지만 이것들은 |
| 귀하의 미래 건강 안내서 측면에서 높은 예측력을 갖는 바이오마커 및 분석물. 그래서 |
| 콜레스테롤은 산호에 대해 특별히 좋은 바이오마커는 아니지만 다른 것들이 있을 수 있으므로 NOAA에서 우리는 이 다중 지표를 취합니다. |
| 우리는 그것을 다중 오믹스 접근이라고 부릅니다. 관심 있는 유기체, 제 경우에는 산호에 의해 합성된 모든 다른 분자를 살펴보고 어떤 분자가 |
| 스트레스 상태나 회복력 상태를 반영해야 합니다. 저는 실제로 유전자 발현 세계에서 시작했습니다. 그래서 전령 RNA입니다. |
| 그러나 최근에는 단백질이 실제로 세포에서 작업을 수행하기 때문에 단백질 연구로 전환했습니다. 그래서 |
| 많은 경우 mRNA 발현과 단백질 수준 사이의 강한 상관관계를 보지 못합니다. |
| mRNA는 여전히 매우 좋은 건강 진단 바이오마커가 될 수 있지만 메커니즘에 너무 유용하지는 않을 것입니다. 생리학자로서 갖고 싶은 |
| 내 케이크도 먹고, 그래서 내 산호 세포에서 무슨 일이 일어나고 있는지, 산호 세포가 고온에 어떻게 반응하는지, 어떤 단백질이 열적응에 관여하는지 알고 싶습니다. |
| 이것들은 우리가 단백질체학이라고 부르는 것으로 해결할 수 있는 종류의 질문입니다. 이것은 샘플에 있는 모든 단백질의 집합체입니다. |
| 그래서 기계론적 데이터를 얻을 수 있지만 이 단백질이 건강에 유익한 바이오마커 역할을 하도록 할 수도 있습니다. 그래서 이것은 제가 20년 동안 연구한 내용을 하나의 슬라이드로 압축하여 모든 사람들이 속도를 낼 수 있도록 하는 일종의 슬라이드입니다. |
| 최적의 분석물을 결정합니다. 그래서 저는 단백질에 대해서만 이야기했습니다. 나는 단백질이 모두 끝이라고 생각하고 산호에서 측정하기에 더 좋은 것이 결코 없을 것이라고 생각합니까? |
| 그래서 여기에 수표를 넣었습니다. 절대 아닙니다. 그리고 당신은 그들이 건강 추론을 하기 위해 단백질을 사용하는 것과 관련하여 실제로 문제가 있다는 것을 나중에 이야기에서 보게 될 것입니다. 아마도 더 나은 것이 있을 것이므로 아직 진행 중인 작업입니다. |
| 불행히도 산호는 모델이 아닌 유기체이기 때문에 이 모든 것에 대해 직접 방법론을 개발하는 데 몇 년을 소비해야 한다는 것을 측정하고 싶었습니다. 특히 분자 벤치워크. |
| 유전자, 단백질, 지질 등 모든 종류의 분석물을 자연적 변이원을 수용하는 데 필요한 바이오마커로 사용하려고 합니다. |
| 그리고 이것들은 빛의 순환과 같은 것들입니다. 산호는 세포 내부에 광합성 과편모조류를 가지고 있기 때문에 |
| 그들은 명암 주기를 가로질러, 조수 주기를 가로질러, 계절에 따라 생리학적으로 큰 변화를 보여줍니다. 이것들은 일종의 섹시하지 않지만 일종의 필요악입니다. |
| 궁극적으로 산호 건강을 모델링하기 위해 수행해야 하는 프로젝트. 산호가 일상 생활에서 어떻게 지내는지 파악하고 나면 |
| 산호를 스트레스 요인에 노출시키는 환경 문제 연구 |
| 또는 실험실에서 또는 현장의 환경 구배에 걸쳐 스트레스 요인 체제를 보고 있습니다. |
| 그리고 이것은 실제로 산호 밭 전체가 최선을 다한 것입니다. 산호 환경 생리학에 대한 수천 개의 논문이 있습니다. 저는 나중에 이야기의 뒷부분에서 그러한 예에 대해 조금 이야기할 것입니다. |
| 그러나 우리가 막혔고 지금 당신이 작업을 볼 수 없었던 곳은 산호 건강 데이터를 사용하여 산호 스트레스 민감도의 예측 모델을 실제로 생성하기 위해 얻은 아이디어입니다. 그래서 그것이 제가 진출하려고하는 것입니다. 에. |
| 그리고 제 생각에 이것은 대부분의 생리학자와 분자 생물학자들이 사물의 설명적인 측면에 훨씬 더 익숙하기 때문이라고 생각합니다. 유기체가 죽어갈 때 일어나는 일입니다. |
| 이것은 이런 종류의 연구를 과소평가하는 것이 아니라 지금까지 제 경력을 만든 것입니다. |
| 이런 종류의 논문을 출판하는 것이 더 쉽습니다. 스틱 산호초 탱크 탱크의 온도를 올려 단백질 수치를 보세요. 나는 그것에 대해 10편의 논문을 발표했고, 당신은 이런 종류의 일을 해야 합니다. |
| 이 예측 접근 방식. 하지만 저는, 즉, 저는 개인적으로 이런 종류의 변화를 만들고 싶습니다. |
| 산호 사망 기사를 효과적으로 작성하는 장의사, 본질적으로 이 문서가 무엇인지 그들은 유용한 데이터를 생성하고 있지만 산호에 아무런 도움이 되지 않습니다. |
| 그리고 우리는 본질적으로 설명적인 프로젝트에서 얻은 데이터를 예측 능력으로 사용하여 |
| 어떤 산호가 기후 변화의 승자가 되고 어떤 산호가 패자가 될 것입니다. 장의사에서 여기까지 가시면 제가 앞서 말씀드린 수의사 또는 보험계리사를 아실 겁니다. |
| 그리고 나는 너희들에게 내가 이 놀라운 사실을 알고 있다는 인상을 주고 싶지 않다. |
| 모델러. 이것은 제가 정말 방금 스스로 가르치고 배운 것입니다. 그러나 저는 이것에서 많은 성공을 돌렸고 더 설명적인 작업을 수행하는 것에서 예측적인 작업으로 이러한 종류의 원활한 전환을 만들었습니다. |
| 예를 들어 Fit Model 플랫폼에 대한 친숙함이 실제로 나를 더 쉽게 만들었기 때문에 이것은 JMP에 의해 주도되었습니다. |
| 예를 들어 약 1~2년 전까지 내 전체 경력에서 했을 일이 왼쪽의 예입니다. |
| 보시다시피 y 상자에 있는 이 산호 단백질입니다. 이것들은 당신이 그들이 의미하는 바에 주의를 기울일 필요가 없는, 단지 그들이 단백질이라는 것을 알고 있는 난해한 등록 번호입니다. |
| 내가 관심을 가질 수 있는 온도, 산호의 유전자형, 표본을 추출했을 때 그 성질을 가진 것들을 보여주는 모델 효과를 구성하면 멋진 논문을 출판할 수 있습니다. |
| 이러한 종류의 데이터 세트를 보고 있습니다. 이제 내가 하는 일은 기본적으로 머리를 뒤집어서 모든 단백질을 구성 모델로 옮기는 것입니다. |
| 상자, 실험 및/또는 환경 데이터와 함께 표시되지만 y에는 무엇이 들어갈지 |
| 여기에서 산호 표백 감수성이라고 부르는 것입니다. 나중에 다른 이름을 부여하지만 아이디어는 동일합니다. 산호가 표백될 가능성이 있습니다. |
| 그래서 JMP는 순전히 설명적인 내용에서 발을 젖게 하고 예측 생물학으로 이러한 전환을 하는 데 정말 중요한 역할을 했다고 생각합니다. |
| 따라서 설명적인 내용을 간략히 요약하고 JMP Pro 내 도구 중 일부를 소개하고자 합니다. |
| 내가 특히 좋아하는 패키지. 그래서 저는 여기 이 산호에서 얻은 약간의 데이터 세트를 가지고 놀려고 합니다. orbicella faveolata - 그것은 다음 중 하나입니다. |
| 플로리다 사주에서 더 탄력적인 산호 중 하나이므로 기후 변화 영향이 너무 나빠서 우리가 모든 산호와 함께 작업할 수 있는 사치가 없다는 것을 알고 있으므로 기본적으로 이미 본질적으로 약간의 산호와 함께 작업해야 합니다 좀 더 강해. |
| 그래서 우리는 다른 산호초에서 산호를 가져와 다른 온도, 다른 시간에 노출시키고 단백질 농도를 관찰했습니다. 왜냐하면 우리는 바이오마커가 무엇인지에 대한 아이디어가 필요하고 모델 구축에 유용할 수 있기 때문입니다. |
| 온도는 이 산호의 프로테옴에 어떤 영향을 미치나요? |
| 해결하고자 하므로 이전에 보여드린 것과 매우 유사합니다. 이것은 제 모델 상자입니다. 어떤 단백질이 |
| 온도, 암초 지역, 자연의 것들에 의해 가장 큰 영향을 받습니다. 주성분 분석, 다차원 스케일링 등 다변수 작업을 많이 합니다. |
| 샘플 간의 관계를 찾고, 다변량 처리 효과를 살펴보고 여기에 잠시 후에 일부를 살펴보겠습니다. 그래서 작년에 제가 보여주고 그 이후로 이 논문을 출판한 것은 음, 이것은 다차원 스케일링 플롯으로 만든 것입니다. |
| JMP Pro 16 다변수 플랫폼에서 - 실제로 이것은 15였을 것이지만 여기서 내가 보여주고 싶은 것은 세부 사항에 너무 얽매이지 않습니다. 그리고 색맹이라면 사과드립니다. |
| 그러나 오른쪽 아래에 있는 세 개의 샘플인 녹색은 대조 산호입니다. 따라서 제어 온도에 있습니다. 맨 위에 있는 3개는, |
| 32도에서 대부분의 산호에 대한 사형 선고입니다. 그리고 몇 주 동안 노출된 후에 그들의 단백질체와 단백질 프로필이 더 안정되기 시작하는 것을 볼 수 있습니다. 이것이 중요합니다. |
| 어떤 종류의 예측 모델을 수행하기 전에 온도가 프로테옴에 미치는 영향을 알아야 합니다. |
| 그 데이터는 존재 부재 데이터를 보고 있었습니다. 그래서 단백질이 있든 없든 약 7개에서 800개 정도였습니다. |
| 그 이후로 방법론이 개선되어 분자 생물학에서 작업할 때 좋은 점이며 방법론은 항상 개선되고 있습니다. |
| 그래서 내가 한 일은 동일한 샘플을 취했지만 존재 부재로 7개 또는 800개의 단백질을 측정하는 대신 86개의 부분 집합을 취했습니다. |
| 그러나 데이터는 이제 완전히 정량적입니다. 그래서 나는 당신이 거의 10 배 알고 있습니다 |
| 더 적은 수의 단백질이 있지만 농도와 관련하여 훨씬 더 많은 분해능이 있으므로 지금 가지고 놀 데이터 세트는 86개의 단백질만 특징으로 합니다. 그래서 |
| 이것은 이러한 단백질이 정규 분포를 따르지 않는 것처럼 보이는 일반적인 분포입니다. 항상 왜곡되어 있어 독점적인 매개변수 접근 방식을 사용하는 데 제한이 있지만 문제는 아닙니다. |
| 제이엠피와 함께합니다. |
| 이제 JMP 테이블로 넘어가 보겠습니다. |
| 이것이 첫 번째 것입니다. 여러분에게 보여주고 싶습니다. 기본적으로 이 테이블의 두 가지 기능에 중점을 두고 싶습니다. |
| 그 넓은 성질. 그래서 proteomics는 비싸다. 200달러 샘플, 내 예산은 제한되어 있습니다. 이 특정 실험에서는 샘플이 20개 밖에 없었습니다. |
| 하지만 나는 86개의 단백질을 가지고 있습니다. 이것이 의미하는 바는 치료 효과를 찾기 위해 일반적인 다변량 ANOVA를 수행할 수 없다는 것입니다. |
| 어떤 종류의 유용한 다변수 분석도 할 수 없습니다. JMP 개발자의 제안으로 얻은 한 가지 영리한 접근 방식은 기존의 다차원 확장을 수행하는 것입니다. 여기 86개의 단백질이 있으며 변환된 상태로 기록됩니다. |
| 그리고 저는 4차원이 저에게 꽤 좋은 해결책을 줄 것이라는 것을 전에 이것을 해본 적이 있다는 것을 압니다. |
| 여기 다차원적 스케일링 플롯이 있습니다. 이것은 제 샘플의 다양한 운명입니다. 따라서 건강한 대조군, 능동적인 표백제, 나중에 더 자세히 다룰 것입니다. |
| 하지만 여기서 하고 싶은 것은 스트레스를 낮추는 것인데, 보통 1번 포인트 아래로 올라가는 것과 같이 약간 높아지는 것이 괜찮아 보입니다. |
| 차원수를 늘리면 스트레스를 더 낮출 수도 있지만 4차원도 괜찮을 것 같아서 어떻게 할까 |
| 실제로 이 좌표를 저장할 것입니다. 이 샘플 간의 유사성에 더 관심이 있기 때문에 유사성 매트릭스도 저장할 수 있습니다. |
| 그리고 그것들은 이제 내(???)가 될 것입니다. 그래서 지금 저는 샘플보다 y가 더 적은 상황이 있으므로 전통적인 다변량 ANOVA를 수행할 수 있습니다. |
| 그리고 내 모델 효과, 나는 이것을 하고 싶습니다. CHD 연구실, 그게 무슨 뜻인가요? 그것은 산호 건강 지정이므로 산호가 탄력적이거나 스트레스를 받았는지 여부입니다. |
| 그래서 이런. |
| 이것은 BLR입니다. 즉, 표백 저항성을 의미합니다. 저는 이 용어를 강연 내내 사용할 것입니다. BLS, 표백에 취약합니다. 이것은 이 두 샘플 그룹에 대한 4차원 플롯을 보고 있으므로 다변량 ANOVA를 실행하겠습니다. |
| 그리고 저는 건강 상태의 한계 효과를 보았습니다. 이것은 다시 여러분이 알고 싶어하는 것입니다. |
| 이러한 표백 탄력 산호가 표백에 민감한 산호와 상당히 다른 프로테옴을 가진다면. 그래서 경계에 있어서는 그다지 중요하지 않지만, |
| 이와 같은 환경 데이터 세트를 사용하여 출판물에 기꺼이 보고하겠습니다. 당신이 할 수 있는 또 다른 일은 아마도 더 나은 접근 방식은 동일한 4개의 좌표를 취하는 것입니다 |
| MANOVA는 다양한 환경 매개변수가 있는 작은 데이터 세트, 이와 같은 작은 폭의 데이터 세트에서는 까다로울 것입니다. 따라서 대신에 저는 실제로 부분 최소 제곱 플랫폼을 사용할 것입니다. 의 큰 팬. |
| 그리고 저는 제 실험 데이터를 가져갈 것입니다. 이것들은 산호가 어디에서 왔는지, 산호가 노출된 온도, 유전자형과 같은 것들입니다. 그리고 저는 반응 표면을 할 것입니다. |
| 그리고 실행 중인 것입니다. |
| 데이터 세트가 너무 작기 때문에 실제로 KFold를 4로 낮추겠습니다. |
| 그리고 이것은 정확히 내가 원하는 출력이 아닙니다. 약간 다른 것을 포함해야 한다고 생각하지만 괜찮습니다. 그래서 실제로 보여주고 싶은 스크립트를 저장했습니다. |
| 여기 있고 정말 나는 요인의 수에 대해 너무 걱정하지 않습니다. |
| 보시다시피 저는 3개를 선택했습니다. |
| 정말, 제가 보여드리고 싶은 것은 매우 혼란스럽고 지저분해 보입니다. 하지만 이것은 상관 관계 로딩 플롯으로 알려져 있으며, 이것은 전체 JMP Pro 패키지에서 정말 잘 알려지지 않은 활용도가 낮은 도구라고 생각합니다. |
| 이 수치에서 얼마나 많은 것을 얻을 수 있기 때문에 이것은 내 샘플이 서로에 대해 떨어지는 위치를 보여주고 있으므로 환경 요인, 유전자형, 현장 온도 시간을 겹칠 수 있습니다. |
| 이 경우 좌표를 사용하므로 y를 해석하기가 더 어렵지만 원시 데이터로도 이 작업을 수행할 수 있습니다. 그러면 실제로 어떻게 |
| 여러분의 분석물, 환경 변수 및 시료는 모든 종류의 메쉬이며 저는 이것이 여러분 중 일부에게는 덜 친숙할 수 있는 정말 강력한 탐색 도구라고 생각합니다. |
| 이것은 제가 가장 좋아하는 다변수 설명 도구 중 하나이며 JMP Pro 패키지에서 사용하고 싶습니다. 그 동안 그것은 모두 실험 데이터였습니다. 그래서 우리가 그 실험을 진행하는 동안 |
| 이 산호들은 내 환자야. 그들은 고착입니다. 나는 그들이 암초에서 어디로 가는지 정확히 알고 있습니다. |
| 나는 다른 계절에 그들을 샘플링 할 수 있습니다. 나는 그들의 건강에 큰 지장을 주지 않기 위해 아주 작은 생검을 하고 있습니다. |
| 그래서 저는 이 산호 샘플을 시공간에 걸쳐 가지고 있으며 언제 표백되는지 알고 있습니다. |
| 어디에서 표백되고 어떤 것은 표백되고 어떤 것은 그렇지 않습니다. 이제 아카이브와 힌드 캐스트를 통해 산호를 보면서 시간을 거슬러 올라갈 수 있습니다. |
| 아직 표백되지 않았으며 어떤 것이 하고 어떤 것이 그렇지 않은지 예측할 수 있는지 확인하려고 합니다. |
| 여기 플로리다 사주 위쪽에 있는 사이트에 대한 정보를 조금 더 제공하기 위해 The Rocks와 Cheeca Rocks라는 두 개의 해안 사이트와 두 개의 오프쇼어 사이트인 Little Conch와 Crocker Reef가 있습니다. |
| 그리고 해안의 산호초가 훨씬 더 튼튼한 경향이 있다는 것을 아는 것이 중요합니다. 여전히 크고 건강한 산호를 모든 곳이 아니라 일부 지역에서 볼 수 있습니다. |
| 해외에서 이 작은 언론을 다루고 있으므로 현장에서 탄력적인 정도가 좋습니다. |
| 이것은 독점적으로 강한 산호 또는 독점적으로 약한 산호를 사용하여 모델을 구축하거나 테스트하고 싶지 않은 모델 구축에 중요할 것입니다. 두 가지를 혼합하기를 원할 것입니다. |
| 이것은 제가 조합한 간단한 그래프 빌더 플롯이며, 이것은 색상 점수를 보고 있으므로 5가 되기를 원합니다. 5는 기본적으로 당신이 완전히 건강하다는 것을 의미합니다. |
| 0은 당신이 완전히 하얗고 곧 죽을 것임을 의미합니다. 실제로 3~4명은 꽤 스트레스를 받고 있다. 8월에 여기서 볼 수 있는 |
| 이것은 표백 이벤트의 한가운데에 있습니다. 우리는 이 4개 사이트에서 꽤 시장 표백을 했습니다. 더 탄력적인 해안 사이트는 어느 정도 표백되고 있었습니다. |
| 하지만 10월에는 회복되었고 12월에는 회복되었습니다. 하지만 이런 종류의 변칙적인 행동을 볼 수 있습니다. 제 생각에는 이것이 질병에 의한 것이라고 생각합니다. |
| 그래서 이것은 제가 앞서 언급한 저의 전문 용어인 산호 건강 명칭으로 돌아가고 있습니다. |
| 이것은 기본적으로 제가 궁극적으로 또는 궁극적으로 연속 변수, 아마도 1에서 10까지의 변수가 되기를 원한다는 것을 알고 있습니다. |
| 그러나 지금 우리는 본질적으로 세 가지 범주 중 하나를 예측하려고 합니다. 당신은 표백에 탄력이 있거나 내성이 있습니다. 당신은 표백에 민감하거나 중간입니다. 따라서 표백 저항은 상단의 녹색 선이 될 것이며 색상 점수는 실제로 변경되지 않습니다. |
| 표백 이벤트 동안. 이것은 또 다른 그래프 빌더 플롯이므로 아래쪽 절반의 온도를 보고 있습니다. |
| 그래서 중간 산호는 당신이 조금 알고 있는 표백제가 될 것이지만, 그 후에는 회복됩니다. |
| 표백에 민감한 사람은 표백이 현저하게 이루어지고 회복되거나 경우에 따라 모두 회복되지 않을 수 있습니다. 그래서 이것들은 y와 나의 모델이 될 세 가지 본질적으로 표현형입니다. |
| 그리고 이것은 설계상 복잡합니다. 걱정하지 마세요. 이것은 기본적으로 다른 방법을 보여주는 것입니다. 궁극적으로 모델 구축 프로세스를 거칠 수 있습니다. 그래서 왼쪽에 |
| 모델을 훈련하고 검증하는 데 사용할 데이터를 확인할 수 있습니다. |
| 모델 자체, 모델을 테스트하는 데 사용할 항목과 궁극적으로 예측하려는 항목. 따라서 실험실 산호 데이터를 사용하는 경우 |
| 더 많은 실험실 세계 데이터로 테스트하는 예측 모델을 만들기 위해 |
| 그것은 실험실에서 산호의 건강을 예측할 수 있는 힘을 줄 것이지만, 우리가 추구하는 것은 그것이 아닙니다. 내 말은 그것이 출판용으로 괜찮다는 뜻입니다. 하지만 우리는 알고 싶습니다. 우리는 현장에서 무슨 일이 일어나고 있는지 예측할 수 있기를 원합니다. |
| 하지만 그런 다음 실험실 데이터를 사용하여 예측 모델을 만드는 방법에 대한 이 문제에 직면하게 됩니다. |
| 현장에서 무슨 일이 일어나고 있는지 예측하려고 시도하는 것입니다. 이 실험 데이터를 사용하여 이에 대한 예측을 줄이는 것은 항상 위태로운 문제가 될 것입니다. |
| 제한된 필드가 포함됩니다. 그러나 우리는 어쨌든 그것을 시도 할 것입니다. 다시 말하지만, 이것은 이 콜로니 건강 지정을 y로 사용하고 있습니다. |
| 앞서 언급했듯이 예측 변수에는 궁극적으로 단순한 단백질 이상의 것이 포함될 것이지만, 오늘은 간단하게 하기 위해 단백질을 사용할 것입니다. 그리고 이건 |
| JMP Pro 16.1을 사용하여 제가 정말 좋아하고 정말 추천하는 XG 부스트 추가 기능이 있습니다. 이것은 나 자신을 위한 참고 사항이지만 한 가지 중요한 사항을 언급하고 싶습니다. |
| proteomics의 한 가지 큰 단점은 그 특성상 확률론적입니다. 제 실험실 샘플에서 86개의 단백질을 시퀀싱했다는 것을 기억하세요. 그래서 그것들이 제가 사용하고 싶은 것과 제 예측 모델입니다. |
| 나가서 프로테옴과 현장 샘플을 측정했을 때 86개의 단백질을 얻지 못했고 완전히 다른 세트의 단백질을 얻었습니다. |
| 그래서 나는 가서 어떤 단백질이 실제로 기본적으로 발견되었고 내 모든 샘플을 알아내려고 노력해야 했습니다. 그래서 이것은 극적으로 줄어들었습니다. |
| 내가 사용할 수 있는 단백질의 수는 실제로 86개에서 31개로 줄었고 5개의 단백질로 줄어들었고 5개의 단백질이 어떤 종류의 예측력을 주기에 충분할지 확신이 서지 않았기 때문에 걱정이 되었습니다. 보다. |
| 데이터 세트가 여기에 있으므로 |
| 기본적으로 모든 현장 샘플에서 발견된 31개 단백질의 하위 집합을 취했지만 오늘 하고 싶은 것은 7월에 샘플링한 산호의 단백질에만 초점을 맞추는 것입니다. |
| 2019. 백화 현상 이전이기 때문에 이 산호 샘플만 알고 싶습니다. 이 산호가 표백되기 전에 감지할 수 있는 것이 있는지 알고 싶습니다. |
| 그래서, 그것은 제 31을 5로 줄였습니다. 그래서 저는 이 5개의 단백질로 예측 모델을 만들려고 노력할 것입니다. 그리고 모델 스크리닝으로 알려진 JMP Pro의 가장 좋아하는 새 기능을 사용할 것입니다. |
| 병렬로 여러 다른 모델. 그래서 나는 여기에 실험실에 대한 나의 산호 건강 명칭을 넣을 것입니다. 여기에 다섯 가지 단백질을 넣을 것입니다. |
| 이 컴퓨터에 XG 부스트가 실제로 설치되어 있지 않은 것을 알 수 있는 기회를 이 모든 다양한 옵션에 제공하겠습니다. 하지만 괜찮습니다. |
| 여전히 괜찮은 모델을 찾을 수 있습니다. 저는 5개의 Kfold 교차 검증을 사용할 것입니다. 여기에 이러한 옵션 중 일부가 필요합니다. |
| 그리고 우리가 얻는 것을 봅시다. |
| 이 모든 다른 요인 조합을 사용하여 20개의 서로 다른 모델을 병렬로 검사하기 때문에 실행하는 데 시간이 좀 걸릴 것입니다. 여기에 몇 가지 진단 데이터가 있지만 유효성 검사 세트로 바로 들어가고 싶습니다. |
| 그래서 그것들은 본질적으로 여기에 순위가 매겨져 있습니다. 그래서 우리는 잘 수행되는 것처럼 보이는 신경 부스트 모델을 가지고 있습니다. 나는 정확성에 관심이 있기 때문에 오분류 비율에 끌리는 경향이 있습니다. |
| 일반화된 회귀 모델이 있으므로 선택하겠습니다. 꽤 좋아보이네요. |
| 실행하겠습니다. |
| 여기에서 모든 진단을 볼 수 있습니다. 시간이 조금 소요됩니다. |
| 프로파일러를 보기 위해 |
| 이것은 나에게 말할 것이기 때문에 |
| 어떤 단백질이 가장 많이 기여하는지. |
| 그래서 내가 전에 말한 것을 사과합니다. 지금 재설정해야합니다. |
| 나는 일반적으로 표백에 민감하거나 표백 탄력이 있든 내 치료법 중 하나가 최대화되는 곳이 바람직합니다. 그러면 제가 할 수 있는 것은 탄력 있는 산호를 표백하는 데 필요한 것이 무엇인지 보여줄 수 있다는 것입니다. 그래서 저는 사실 표백에 민감한 |
| 그리고 |
| 글쎄, 그것은 나에게 한 가지 옵션을 보여줍니다. 내 생각엔 알잖아 이미 그렇게 설정되어 있으니까 괜찮아 |
| 그래서 |
| 이 경우에 나에게 보여주고있다 |
| 내가 이 단백질의 수준을 변경함에 따라 표백 감수성과 관련하여 샘플의 비율이 어떻게 떨어지는지, 그리고 이것은 상황에 유용할 수 있습니다 |
| 유전 공학처럼, 단백질을 찾으려면 |
| 산호의 회복력에 가장 많이 관여합니다. 프로파일러를 가지고 놀고 싶겠지만 오늘은 실제로 예측 자체에 더 관심이 있습니다. 그래서 제가 하려는 것은 여기에 예측 공식을 게시하는 것입니다. |
| 당신은 알 수 있습니다 |
| 단백질 중 하나가 떨어져서 실제 모델 구축에 유용하지 않은 것으로 간주되었습니다. |
| 그리고 이것은 제가 지난 2, 3일 동안에만 한 일입니다. 믿거나 말거나 말이죠. 그래서 저는 이 데이터 테이블에 제 7월 산호를 가지고 있고 비교하고 싶습니다. |
| 해당 데이터 테이블에서 예측한 내용을 보고 싶으므로 일반화된 회귀 모델을 기반으로 추측한 내용을 살펴보겠습니다. 그리고 저는 여기를 빠르게 살펴보고 여러분에게 말할 것입니다. 추측이 맞든 틀리든 12개의 샘플에 불과하기 때문입니다. 그래서 이것은 |
| 오른쪽. 죄송합니다. r은 이 컴퓨터에서 작동하지 않습니다. 믿거나 말거나 맞습니다. |
| 오른쪽. |
| 오른쪽. |
| 예, 분명히 이것을 하는 더 쉬운 방법이 있지만 이것은 잘못되었기 때문입니다. |
| 맞습니다. 이제 다시 제대로 작동합니다. |
| 오른쪽. |
| 오른쪽과 오른쪽. |
| 따라서 12개 샘플의 이 하위 집합에서 단백질 일반화 회귀 모델에 이것을 사용합니다. |
| 12개 샘플 중 11개 샘플에서 표백 가능성을 얻었습니다. 이는 실제로 정말 멋집니다. 제 말은 시뮬레이션을 다양한 방법으로 반복해서 실행했는데 실제로는 |
| 내가 일반적으로 타율을 치는 것보다 더 좋기 때문에 92 93%로 매우 흥미진진합니다. 특히 이것이 오직 단백질만을 위한 것이기 때문입니다. 그래서 |
| 이미 그것에 대해 이야기 했으므로 이러한 종류의 시뮬레이션을 수행한 평균 정확도는 약 80~90%입니다. |
| 저에게는 엄청나게 흥미진진합니다. 정말 끔찍한 의사에게. 당신이 옳다면 |
| 심장 마비가 발생할 가능성과 환자의 80%의 관점에서 볼 때 그것은 큰 실패가 될 것입니다. 하지만 제 생각에는 |
| 이것이 산호에 대한 새로운 종류의 것을 감안할 때 80 ~ 90%의 정확도로 괜찮습니다. 그리고 이것은 내가 언급하지 않은 |
| 5개 단백질의 하위 집합은 4개로 줄어들었고 숙주 산호만 바라보았습니다. 저는 공생 단백질을 제거했습니다. 왜냐하면 II는 말 그대로 몇 주 전에 이 데이터를 얻었기 때문입니다. |
| 그 공생 단백질을 추가하면 정확도가 올라가고 이것 또한 기억할 것입니다. |
| 나는 현장 산호 행동에 대한 예측을 하기 위해 실험실 데이터를 사용하고 있었습니다. 따라서 100% 정확하다고 기대하지는 않습니다. 내가 무엇을 했어야 하고 무엇을 할 것인지, 아마도 이 강연을 마치고 몇 시간 안에 |
| 모든 필드 데이터를 가지고 있습니다. 나는 모든 실험 데이터를 가지고 있습니다. 계속해서 교육 및 검증에서 해당 데이터 세트를 모두 사용할 수 있습니다. |
| 필드 산호 행동을 예측하는 모델을 만드십시오. 그리고 그 접근 방식의 정확도가 높아질 것이라고 확신합니다. 당신은 논쟁 할 수 있습니다, |
| 이 필드 데이터 세트가 있는데도 실험실 산호 데이터를 사용하고 싶은 이유는 무엇입니까? 그리고 그것이 매우 타당한 지적이 될 수 있다고 생각합니다. |
| 생물학적 측면에서 당신은 이 단백질의 실제 성질이 저에게 매우 흥미롭다는 것을 알고 있습니다. 그리고 저는 어젯밤에 그것들이 무엇인지 밝혀냈습니다. |
| 시간이 부족하기 때문에 자세히 다루지는 않겠습니다. 그러나 우리가 채굴할 수 있다는 점에서 매우 흥미로울 것입니다. 그 중 하나는 진화하고 먹이를 잡는 것입니다. |
| 메커니즘을 개발하려고 합니다. |
| 이것은 수십 개의 샘플로 이루어진 정말 작은 데이터 세트입니다. 그래서 내가 세계 최고의 산호 스트레스 테스트를 만들었다고 생각합니까? |
| 아니요, 이것은 진행 중인 작업이고 해결해야 할 다른 방법론적 문제가 있지만 실제로 궁극적으로 하고 싶은 것은 이런 종류의 스트레스를 키우는 것입니다. |
| 우리가 그곳에 가서 내가 산호초 분류라고 부르는 것을 할 수 있도록 테스트하십시오. 나는 나의 작은 표본을 가져갈 수 있었다 |
| 내 proteomic 또는 기타 분자 분석을 수행하고 데이터를 JMP에 입력하고 |
| 이러한 탄력성 추측을 뱉어내고 저는 매니저에게 여기 이 암초가 정말 좋은 모양을 하고 있는 것 같습니다. |
| 여기 있는 모든 산호는 내 모델에 의해 표백되기 쉬운 것으로 간주되었습니다. 산호를 완화하거나 기회를 주기 위해 할 수 있는 일이 있다면 - 수질을 정화하고 억제하십시오. |
| 남획 - 이러한 것들이 노력을 분류해야 한다고 생각합니다. 이것이 바로 제가 이러한 종류의 데이터 세트로 할 수 있기를 바라는 것입니다. 따라서 데이터 세트는 당연히 증가해야 합니다. |
| 규모가 본질적으로 다르지만 나는 그것들을 시중에 나와 있는 이 온도 기반 모델과 비교하고 싶습니다. |
| 그리고 저는 정말 이런 종류의 시각 자료를 갖고 싶거나 여기 좋은 곳이 나쁜 곳이라는 것을 알고 있는 지도를 갖고 싶습니다. |
| 나는 모든 더러운 일을 할 것입니다. 나는 이것을 관리자나 평신도가 쉽게 소화할 수 있는 것으로 증류할 수 있기를 원합니다. 문제가 해결되고 우리가 조금 더 큰 것을 알게 되면 생각합니다. 데이터 세트, |
| 더 많은 산호 종을 통합하고 지리적 범위를 확장하면 이 산호 건강 예측 모델링 접근 방식을 |
| 의사 결정 도구로 사용됩니다. 따라서 모니터링뿐만 아니라 복원을 위한 산호 양식에 유용할 수 있는 탄력적인 유전자형을 찾는 데 사용됩니다. |
| 또한 이 접근 방식을 사용하여 완화 프로젝트의 성공과 그러한 특성을 추적할 수 있으므로 이러한 종류의 가능성이 있다고 생각합니다. |
| 보다 적극적인 해양 관리를 위한 산호 건강 예측 모델링 접근 방식, |
| 이것은 특히 이러한 생태계가 점점 더 위태로워짐에 따라 마이애미 대학의 NOAA에서 계속 성장할 수 있는 것입니다. |
| 그럼 어떤 질문이든 기꺼이 받아드리겠습니다. 다시 한 번 말씀드리고 싶은 것은 저는 교육을 받은 모델러가 아니므로 당연히 환영합니다. |
| 어떤 제안. 이것을 도그마로 받아들이지 마십시오. 데이터에 대한 심각한 오해 또는 이와 유사한 것이 있는 경우 제 감정을 상하게 하지 않을 것이며 어떤 질문이나 피드백도 확실히 감사할 것입니다. |
| 이것으로 내 이야기를 끝내고 당신의 소식을 들으니 기쁩니다. 감사 해요. |
