Введение

Данные были собраны на кафедре биоразнообразия и биоэкологии ИЕНиМ УрФУ во время летней практики. Плодовые мушки выращивались на средах с добавление экспериментальных групп: 1. Среда Альдрестона; 2. Среда Альдерстона с добавлением 5% экстрактом Monarda didyma; 3. Среда Альдерастона с добавлением 0,009% Цисплатина; 4. Среда Альдерстона с добавлением 5% экстрактом Monarda didyma и 0,009% Цисплатин (“Совместно”); 5. Среда Альдерстона с добавлением 5% экстрактом Monarda didyma с последующим перенесением на среду с 0,009% Цисплатином (“До”); 6. Среда Альдерстона с добавлением 0,009% Цисплатином с последующим перемещением на среду с 5% экстрактом Monarda didyma (“После”)

После перехода в имаго фиксировались в 96 %-ном этиловом спирте. Далее проводилось диссекция крыла и фото съемка. По снимку измеряли 18 линейных и 6 площадных параметров, данные заносились в таблицу. В 6 исследуемых группах было измерено по 25 пар крыльев.

Цель

Провести анализ морофометрических показателей крыловой пластинки Drosophila melanogaster и ответить на вопросы

Вопросы

  1. Влияет ли среда, на которой вырашивались мушки, на морфометрические параметры крыловой пластинки;
  2. Наблюдается ли разница между морфометрическими показателями у правого и левого крыла в разных группах

Методы

  1. Дисперсионный анализ
  2. Для визуализации данных - построение боксплотов
  3. Описательная статистика (дисперсия, стандартное отклонение, среднее)

Результаты

Описательная статистика

Рассчеты

library(tidyverse)
## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.3.6      ✔ purrr   0.3.5 
## ✔ tibble  3.1.8      ✔ dplyr   1.0.10
## ✔ tidyr   1.2.1      ✔ stringr 1.4.1 
## ✔ readr   2.1.3      ✔ forcats 0.5.2 
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
k <- readxl::read_excel("Крылья.xlsx", sheet = 1) %>%
  pivot_longer(cols = c('АK':`26`), names_to = "value", values_to = "mc")

n1 <- k %>%
  filter(wing == "left") %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n2 <- k %>%
  filter(wing == "right") %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n3 <- k %>%
  filter(diet == 1) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n4 <- k %>%
  filter(diet == 2) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n5 <- k %>%
  filter(diet == 3) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n6 <- k %>%
  filter(diet == 4) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n7 <- k %>%
  filter(diet == 5) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n8 <- k %>%
  filter(diet == 6) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n9 <- k %>%
  filter(wing == "left", diet == 1) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n10 <- k %>%
  filter(wing == "left", diet == 2) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n11 <- k %>%
  filter(wing == "left", diet == 3) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n12 <- k %>%
  filter(wing == "left", diet == 4) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n13 <- k %>%
  filter(wing == "left", diet == 5) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n14 <- k %>%
  filter(wing == "left", diet == 6) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n15 <- k %>%
  filter(wing == "right", diet == 1) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n16 <- k %>%
  filter(wing == "right", diet == 2) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n17 <- k %>%
  filter(wing == "right", diet == 3) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n18 <- k %>%
  filter(wing == "right", diet == 4) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n19 <- k %>%
  filter(wing == "right", diet == 5) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

n20 <- k %>%
  filter(wing == "right", diet == 6) %>%
  summarise(var1 = var(mc),mean1 = mean(mc),sd1 = sd(mc))

Сводная таблица

library(readxl)
d <- read_excel("Крылья.xlsx", sheet = 2) 
## New names:
## • `` -> `...1`
as_tibble(d)
## # A tibble: 20 × 4
##    ...1    var  mean    sd
##    <chr> <dbl> <dbl> <dbl>
##  1 n1    0.437 0.862 0.661
##  2 n2    0.442 0.867 0.665
##  3 n3    0.442 0.868 0.664
##  4 n4    0.455 0.883 0.674
##  5 n5    0.433 0.858 0.658
##  6 n6    0.425 0.842 0.652
##  7 n7    0.443 0.868 0.666
##  8 n8    0.44  0.867 0.663
##  9 n9    0.438 0.862 0.662
## 10 n10   0.456 0.889 0.676
## 11 n11   0.427 0.852 0.653
## 12 n12   0.42  0.837 0.648
## 13 n13   0.444 0.869 0.666
## 14 n14   0.439 0.864 0.662
## 15 n15   0.445 0.874 0.667
## 16 n16   0.454 0.878 0.674
## 17 n17   0.44  0.864 0.663
## 18 n18   0.429 0.848 0.655
## 19 n19   0.444 0.867 0.666
## 20 n20   0.441 0.869 0.664

Дисперсионный анализ

library(tidyverse)

k <- readxl::read_excel("Крылья.xlsx", sheet = 1) %>%
  pivot_longer(cols = c('АK':`26`), names_to = "value", values_to = "mc")

m1 <- lm(mc ~ diet*wing, data = k)
anova(m1)  
## Analysis of Variance Table
## 
## Response: mc
##             Df Sum Sq Mean Sq F value Pr(>F)
## diet         1    0.1 0.07840  0.1784 0.6728
## wing         1    0.0 0.03481  0.0792 0.7784
## diet:wing    1    0.0 0.00013  0.0003 0.9861
## Residuals 7196 3162.8 0.43952
AIC(m1)
## [1] 14519.76
m2 <- lm(mc ~ diet, data = k)
anova(m2)
## Analysis of Variance Table
## 
## Response: mc
##             Df Sum Sq Mean Sq F value Pr(>F)
## diet         1    0.1  0.0784  0.1784 0.6727
## Residuals 7198 3162.8  0.4394
AIC(m2)
## [1] 14515.84
m3 <- lm(mc ~ wing, data = k)
anova(m3)
## Analysis of Variance Table
## 
## Response: mc
##             Df Sum Sq Mean Sq F value Pr(>F)
## wing         1    0.0 0.03481  0.0792 0.7784
## Residuals 7198 3162.9 0.43941
AIC(m3)
## [1] 14515.94

Графики

Разница между правым и левым крылом

library(tidyverse)
theme_set(theme_bw())

k <- readxl::read_excel("Крылья.xlsx", sheet = 1) %>%
  pivot_longer(cols = c('АK':`26`), names_to = "value", values_to = "mc")

k$wing <- factor(k$wing, ordered = TRUE, levels = c("left", "right"))
k$wing <- as.character(k$wing)

ggplot(k, aes(wing, mc))+
  geom_boxplot()

Разница между средами

library(tidyverse)
theme_set(theme_bw())

k <- readxl::read_excel("Крылья.xlsx", sheet = 1) %>%
  pivot_longer(cols = c('АK':`26`), names_to = "value", values_to = "mc")

k$diet <- factor(k$diet, ordered = TRUE, levels = c( 1, 2, 3, 4, 5, 6))
k$diet <- as.character(k$diet)

ggplot(k, aes(diet, mc))+
  geom_boxplot()

Разница между средами у правого и левого крыла

library(tidyverse)
theme_set(theme_bw())

k <- readxl::read_excel("Крылья.xlsx", sheet = 1) %>%
  pivot_longer(cols = c('АK':`26`), names_to = "value", values_to = "mc")

k$diet <- factor(k$diet, ordered = TRUE, levels = c( 1, 2, 3, 4, 5, 6))
k$diet <- as.character(k$diet)
k$wing <- factor(k$wing, ordered = TRUE, levels = c("left", "right"))
k$wing <- as.character(k$wing)

ggplot(k, aes(diet, mc, fill = wing)) + 
  geom_boxplot()