Естественные науки УДК 579.2:519.2 Турская А.Л.1,2, Букин Ю.С.3, Степанов А.В.1, Маркова Ю.А.1, Верхотуров В.В.2 1 Сибирский институт физиологии и биохимии растений СО РАН 2 Иркутский государственный технический университет 3 Лимнологический институт СО РАН Email: turskayaanna@mail.ru ИССЛЕДОВАНИЕ ЗАКОНОМЕРНОСТЕЙ БИОХИМИЧЕСКИХ ПРОЦЕССОВ В РАСТЕНИЯХ С ПОМОЩЬЮ СРЕДЫ ПРОГРАММИРОВАНИЯ R В статье показана возможность использования среды программирования R для изучения об6 разования защитных соединений в растениях при бактериальном заражении. С помощью статис6 тического критерия Шапиро6Уилка и методов однофакторного дисперсионного и регрессионного анализа было достоверно подтверждено влияние длительности заражения микроорганизмом Escherichia coli проростков редиса на интенсивность генерации активных форм кислорода. Ключевые слова: среда программирования R, биометрия, фитоиммунитет, активные фор6 мы кислорода, Escherichia coli. Введение В основе ответных реакций растительной клетки на внедрение микроорганизма лежит сложная сеть биохимических процессов. В ре# зультате таких процессов меняется активность ряда ферментов, происходит накопление защит# ных соединений. Изменения всех этих перемен# ных величин во времени и пространстве состав# ляют кинетику биологических процессов, кото# рую сложно оценить стандартными статисти# ческими методами. Подобного рода задачи успеш# но решаются в среде программирования R. Сре# да R позволяет проводить как первичный ана# лиз данных (таблицы, графики), так и матема# тическую статистику со всеми приложениями. R является свободно распространяемым программным обеспечением, которое достаточ# но просто устанавливается под Windows, Mac OS X, Linux, базовая комплектация R занимает немного места на жестком диске и включает в себя все функции, необходимые для статистичес# кого анализа; для более серьезной работы всегда можно дополнительно установить вспомогатель# ные пакеты с необходимыми функциями [3]. Актуальность изучения ответных реак# ций растений на бактериальное заражение обусловлена растущим количеством заболе# ваний, вызываемых условно#патогенными микроорганизмами и, следовательно, необхо# димостью установления закономерностей циркуляции в окружающей среде, а также выявления новых источников заражения че# ловека. Многими исследованиями показано, что в природных условиях энтеробактерии способны колонизировать различные ткани и органы растений, сохраняться в них дли# 114 ВЕСТНИК ОГУ №13 (174)/декабрь`2014 тельное время, что представляет серьезную угрозу возникновения кишечных заболеваний человека при употреблении в пищу свежих растений или их плодов [1, 11, 14]. Продукция активных форм кислорода (АФК) является одним из первых событий в защитном ответе растений на вторжение мик# роорганизма, они играют роль сигнальных мо# лекул, а также служат защитными соединения# ми в стрессовых условиях [10, 12]. Время воз# никновения реакции образования АФК может колебаться от нескольких минут до часов, но, как правило, наблюдаются ранний и более по# здний окислительный «взрыв» [6]. Для проводимого исследования была по# ставлена следующая цель: с помощью статис# тического анализа выявить закономерности, по которым менялась концентрация АФК с тече# нием времени в корнях проростков редиса (Raphanus sativus L.) при заражении их кишеч# ной палочкой Escherichia coli. Для достижения цели были сформулированы следующие зада# чи: выбор статистических методов и анализ с их помощью искомой зависимости; выбор методов и их реализация для графической визуализа# ции искомой зависимости. Материалы и методы 1. Экспериментальные данные по динами# ке измерения концентрации активных форм кислорода E. сoli – важнейший модельный микроор# ганизм, условный патоген человека и животных, относящийся к группе возбудителей кишечных инфекций. Для статистического анализа были взяты данные по измерению концентрации Турская А.Л. и др. Исследование закономерностей биохимических процессов... АФК в корнях проростков редиса при зараже# нии их E. сoli. Измерения концентрации АФК проводи# ли в динамике времени, в течение 5 часов. Через определенные промежутки времени после ино# куляции (5, 15, 30, 60, 180, 360 минут) определя# ли интенсивность образования АФК с помо# щью флуоресцентного красителя DCF#DA (2’,7’#дихлорофлуоресцеин диацетат) в концен# трации 1 мкМ. DCF#DA широко используется как маркер внутриклеточных оксидантов в жи# вотных и растительных тканях [13]. DCF#DA, проникая в клетки, гидролизуется внутрикле# точными эстеразами с выделением DCF. В ре# акции с перекисью водорода или гидроперок# сидами образуется DCF#производное соедине# ние, которое может обнаруживаться флуорес# ценцией при длине волны возбуждения и испус# кания 480 и 530 нм соответственно. На рисунке 1 представлены изображения корня редиса, полученные с помощью эпифлу# оресцентного микроскопа Axio Observer Z1 (Carl Zeiss, Германия). Светящиеся участки показы# вают интенсивность образования АФК в клет# ках корня. Обработка и анализ изображений проводились в программе Axio Vision, где со# держание АФК выражали в условных едини# цах флуоресценции. 2. Первичная обработка и подготовка дан# ных для расчетов с помощью языка програм# мирования R Данные, полученные в ходе экспериментов, сохранялись в электронных таблицах Microsoft Excel. Массив данных формировался в виде трех колонок. В первую колонку заносился номер из# мерения, во вторую колонку заносилось время (в минутах), прошедшее после заражения, при котором проводилось измерение показателей концентрации АФК, в третью колонку заноси# лось значение измеренного показателя концент# рации АФК. Результаты контрольных опытов были занесены в таблицу с показателем времени 0 минут, прошедших с момента заражения. После формирования массива данных в программе Microsoft Excel, он был сохранен в формате .csv с разделителями запятая между столбцами. Формат данных csv может быть про# читан стандартными функциями языка про# граммирования R. Для чтения данных в фор# мате csv служит функция: >data<#read.csv(file="C://Rrab//my_data/ /data.csv")[7]. В качестве аргументов этой функции выс# тупает переменная file, которая хранит в себе строку с полным именем файла, содержащего данные в формате csv. Данные считываются в переменную (в примере это переменная data) типа фрейм. Фреймы в языке программирова# ния R представляют собой сложные структу# ры, содержащие в себе несколько векторов (мас# сивов данных) одинаковой размерности. Име# на внутренних векторов фрейма соответству# ют названиям столбцов в файле формата csv [9]. Например, в нашем случае, столбец со вре# менем, прошедшим после заражения, был обо# значен как time. Обратиться к этому столбцу как к вектору в фрейме data можно с помощью конструкции data$time, а к конкретному элемен# ту вектора (например к 10) по его индексу data$time [10]. Столбец с показателями концен# трации АФК был обозначен как afk. Обратить# ся к этому столбцу как к вектору во фрейме мож# но с помощью конструкции data$afk. В случае рассматриваемого массива данных вектор data$time выступал в качестве фактора, опре# деляющего принадлежность конкретного изме# ренного показателя концентрации АФК опре# деленному времени, прошедшему с момента за# Рисунок 1. Корни проростков редиса, окрашенные флуоресцентным красителем DCF#DA. Через 1 час после заражения E. coli (слева); незараженные корни, контроль (справа). Масштабный отрезок – 200 мкм. ВЕСТНИК ОГУ №13 (174)/декабрь`2014 115 Естественные науки ражения корней проростков редиса кишечной палочкой. 3. Методы, используемые для статистичес# кой обработки данных Критерий Шапиро#Уилка Данный критерий проверяет гипотезу H0 – исследуемая выборка распределена по нормаль# ному закону [2]. В языке программирования R критерий реализован в виде функции: > shapiro.test(x), где x – вектор, содержащий зна# чения проверяемой выборки [8]. Однофакторный дисперсионный анализ с помощью непараметрического критерия Крас# кела#Уоллиса Данный критерий проверяет гипотезу H0 – выбранные градации фактора не влияют на сред# ние значения в сравниваемых выборках [4]. В язы# ке программирования R критерий реализован в виде функции: >kruskal.test(x~fac), где x – вектор, содержащий массив данных, fac – переменная типа фактор, указывающая принадлежность измере# ния определенной градации фактора [7]. Критерий Вилкоксона#Манна#Уитни С помощью данного критерия можно срав# нить две выборки на предмет равенства их сред# них значений [4]. Гипотеза H0 – средние значе# ния двух выборок достоверно не различаются. В качестве альтернативных гипотез могут выс# тупать следующие предположения H1 – сред# ние значения в выборках достоверно отличают# ся, H2 – среднее значение в первой выборке больше, чем во второй выборке и H3 – среднее значение в первой выборке меньше чем, во вто# рой выборке. В языке программирования R кри# терий реализован в виде функции: > wilcox.test(x,y,alternative ="greater"), где x – век# тор, содержащий массив данных первой выбор# ки, y – вектор, содержащий массив данных вто# рой выборки, alternative – параметр, задающий альтернативную гипотезу [7]. Оценка параметров регрессии методом наименьших квадратов Для оценки параметров регрессионной за# висимости с помощью метода наименьших квад# ратов в языке программирования R существует функция: > nls(y ~ a * x^2+b*x+c, Data, start = list(a=1,b=1,c=1)), где y ~ a * x^2+b*x+c – пред# полагаемая зависимость для регрессионного анализа между зависимой и независимой пере# менной, Data – переменная типа фрейм, содер# жащая экспериментальные значения независи# 116 ВЕСТНИК ОГУ №13 (174)/декабрь`2014 мой переменной x и соответствующие значения зависимой переменной y, start – список, содер# жащий начальные значения для параметров регрессионной функции [9]. F критерий Фишера Использовался в работе для тестирования гипотезы H0 – кривая с выбранными парамет# рами при регрессионном анализе способна адекватно отразить наблюдаемую эксперимен# тальную зависимость между рядами данных [5]. В языке программирования R критерий ре# ализован в виде функции: > var.test(yr,yp), где yr – наблюдаемые значения зависимой пере# менной, yp – ожидаемые (рассчитанные с по# мощью регрессионной функции) значения за# висимой переменной [3]. 4. Методы графической визуализации ре# зультатов Для визуализации распределения величин в выборках первичных данных использовался метод боксплотов (ящик с усами). В языке про# граммирования R графическая функция боксп# лот имеет следующий вид: > boxplot(x~fac), где x – вектор, содержащий массив данных, fac – переменная типа фактор, указывающая при# надлежность измерения определенной града# ции фактора [7]. Построение графика распределения на плоскости точек, отражающих зависимость средних показателей концентрации АФК от времени, прошедшего с момента заражения кишечной палочкой, осуществлялось с помо# щью следующей функции: > plot(x~t), где x – вектор, содержащий средние значения пока# зателей АФК, t – вектор, содержащий момен# ты времени, соответствующие значению век# тора x. Визуализация кривой, отражающей рег# рессионную зависимость на графике распреде# ления на плоскости точек, показывающих за# висимость средних показателей концентрации АФК от времени, прошедшего с момента зара# жения кишечной палочкой, осуществлялось с помощью следующей функции: > lines(x,t), где x – вектор, содержащий рассчитанные с помо# щью регрессионной зависимости средние пока# зателей концентрации АФК, t – вектор, содер# жащий временные точки, прошедшие с момен# та заражения бактериальной культурой, в ко# торые производился расчет средних показате# лей концентрации АФК. Турская А.Л. и др. Исследование закономерностей биохимических процессов... Результаты и обсуждение 1.Проверка исходных данных на предмет со# ответствия закону нормального распределения При проверке выборок на предмет соответ# ствия нормальному закону распределения с по# мощью критерия Шапиро#Уилка были полу# чены вероятности принятия нулевой гипотезы, представленные в таблице 1. Нулевая гипотеза соответствия выборки закону нормального распределения отверга# лась при вероятности ее меньше, чем 0,1. Из таб# лицы 1 видно, что при времени, прошедшем с момента заражения t=0 и t=360, нулевая гипо# теза о соответствии выборок закону нормаль# ного распределении, не может быть принята. Из этого следует, что для дальнейшего статисти# ческого анализа необходимо использовать не# параметрические статистические критерии. 2.Однофакторный дисперсионный анализ выборок Перед проведением однофакторного дис# персионного анализа массив данных был визу# ализирован в виде боксплотов (рис. 2). На ри# сунке видно, что медианы выборок показателей концентраций АФК, полученных при разном времени с момента заражения, различаются между собой. Максимальное различие достига# ет 100 процентов. При использовании критерия Краскела# Уоллиса вероятность принятия нулевой гипо# тезы об отсутствии достоверных различий меж# ду средними значениями выборок оказалась равной 0,049, что существенно меньше вероят# ностного порога 0,1. Это означает, что между выборками существуют достоверные различия по их средним значениям. Следовательно, на# блюдаемые различия между выборками, полу# ченными при различных периодах времени, прошедших с момента заражения носят законо# мерный (неслучайный) характер. На рисунке 2 видно, что уже через 5 минут воздействия бактерии E. coli уровень АФК в корнях проростков редиса достоверно повыша# ется по сравнению с контрольным вариантом. Максимальное содержание АФК наблюдается через 3 часа после инокуляции, а к 5 часам пока# затель стрессового ответа значительно снижа# ется. Это согласуется с литературными данны# ми о характере «всплеска» уровня АФК у рас# тений при биотическом стрессе; первый пик яв# ляется неспецифическим и возникает в первые минуты после взаимодействия растения с мик# роорганизмом, что наблюдается в нашем слу# чае, а второй связан со специфическим узнава# нием партнеров [6]. 3. Попарное сравнение средних значений в выборках Результаты попарного сравнения выборок на предмет равенства средних значений с помо# щью критерия Вилкоксона#Манна#Уитни представлены в таблице 2. Из таблицы видно, что нулевая гипотеза об отсутствии достовер# ных различий между средними значениями мо# жет быть принята при уровне ее достоверности больше, чем 0,1 только при сравнении выборок, соответствующих моментам времени 5, 15 и 360 и моментам времени 30, 60 и 180, прошедших с момента заражения. При попарном сравнении выборок, соответствующих моментам времени 5#30, 5#60, 5#180, 15#30, 15#60, 15#360, 30#360, 60# 360 были получены достоверные различия по средним показателям концентрации АФК. Рисунок 2. Зависимость концентрации АФК в корнях проростков редиса от времени заражения бактерией E. coli Таблица 1. Значения вероятностей принятия нулевой гипотезы H0 соответствия выборок показателей концентрации АФК закону нормального распределения Âðåìÿ ïîñëå çàðàæåíèÿ, ìèí p-value t0 0,08014 t5 0,4487 t 15 0,1896 t 30 0,8036 t 60 0,9647 t 180 0,4005 ВЕСТНИК ОГУ №13 (174)/декабрь`2014 t 360 0,05 117 Естественные науки С помощью критерия Вилкоксона#Манна# Уитни была оценена вероятность принятия ну# левой гипотезы (отсутствие достоверных раз# личий между выборками) против вероятности принятия альтернативной гипотезы о том, что среднее значение в первой сравниваемой выбор# ке больше, чем во второй сравниваемой выбор# ке. Результаты данного сравнения представле# ны в таблице 3. Таким образом, использование критерия Вилкоксона#Манна#Уитни позволяет сделать вывод о том, что средние значения показателей концентрация АФК в моменты времени 30, 60 и 180 минут, прошедших с момента заражения достоверно больше показателей концентрации АФК в моменты времени 5, 15 и 360 минут, про# шедших с момента заражения. 4. Регрессионный анализ В качестве модели кривой для регрессион# ного анализа была выбрана квадратичная за# висимость, имеющая следующий общий вид: y=ax^2+bx+c. Независимой переменной x вы# ступает время, прошедшее с момента зараже# ния бактериальной культурой, в качестве за# висимой переменной y выступает средняя кон# центрация АФК. В процессе расчетов были получены следу# ющие значения для коэффициентов регрессии: a = #0,033±0,015; b = 5,6±2,17; c = 2130,94±252,27. Исходные средние значения для выборок вмес# те с линией тренда в виде квадратичной зави# симости представлены на рисунке 3. Дисперсии показателей концентрации свободных радикалов для экспериментальных значений составило σn = 543,52, дисперсия по# казателей концентрации свободных радика# лов, рассчитанных по квадратичной аппрок# симации, составила σr = 399,95. Значение F критерия Фишера для рассчитанных значений дисперсии составило 0,5415, для этого значе# ния критерия вероятность принятия нулевой гипотезы об отсутствии достоверных значений между дисперсиями составляет p#value = 0,4743. Полученное значение p#value > 0,1, что означает принятие нулевой гипотезы. В на# шем случае это говорит о том, что зависимость между временем, прошедшим с момента зара# жения, и средней концентрацией АФК может быть достаточно точно приближена квадра# тичной зависимостью с указанными значени# ями параметров. 118 ВЕСТНИК ОГУ №13 (174)/декабрь`2014 Таблица 2. Значения вероятностей принятия гипотезы H0 об отсутствии достоверных различий между средними значениями выборок показателей концентрации АФК t5 t 15 t 30 t 60 t 180 t5 0 t 15 0,7959 t 30 0,1051 0,2799 t 60 0,1051 0,2799 0,4813 t 180 0,0630 0,0892 0,5787 0,3527 t 360 0,2475 0,4813 0,0524 0,0355 0,0115 t 360 0,7959 0,1051 0,1051 0,0630 0,2475 0 0,2799 0,2799 0,0892 0,4813 0 0,4813 0,5787 0,0524 0 0,3527 0,0355 0 0,0115 0 Таблица 3. Матрица результатов оценки принятия или отвержения нулевой гипотезы H0 об отсутствии достоверных различий против альтернативной гипотезы H1 – значения в первой выборке больше, чем во второй выборке для показателей концентрации АФК t5 t 15 t 30 t 60 t 180 t 360 t5 0 > > > < > t 15 > 0 > > < > t 30 > > 0 > > < t 60 > > > 0 > < t 180 < < > > 0 < t 360 > > < < < 0 Знак «>» в таблице означает принятие гипотезы H1, знак «<» означает принятие гипотезы H0 Рисунок 3. Зависимость между временем, прошедшим с момента заражения проростков редиса бактериальной культурой, и концентрацией АФК, выраженная в виде точек, соответствующих реальным наблюдениям и регрессионной кривой квадратичной функции. На графике приведено полученное в ходе анализа данных уравнение квадратичной зависимости Турская А.Л. и др. Исследование закономерностей биохимических процессов... В результате проведенного статистическо го анализа закономерностей изменения концен трации АФК в корнях проростков редиса при бактериальном заражении с помощью средств языка программирования R выяснено, что уро вень концентрации АФК в начальные момен ты времени растет, затем достигает определен ного максимума в точке 180 минут с момента заражения, после чего начинает снижаться. Максимальная концентрация АФК в опыте в среднем в два раза превышала показания конт роля (отсутствие заражения кишечной палоч кой). Это согласуется с литературными данны ми об активации неспецифического защитного ответа растения сразу после взаимодействия с чужеродным микроорганизмом посредством, так называемых, образраспознающих рецепто ров. В результате происходит окислительный «взрыв» вследствие накопления активных форм кислорода [8, 12]. 6.10.2014 Список литературы: 1. Алексеенко А.Л. Особенности взаимодействия условнопатогенных энтеробактерий с растениями. Автореферат дис. на соиск. уч. степ. канд. биол. наук. Иркутск. – 2010. 22 с. 2. Закс Л. Статистическое оценивание. М.: Статистика. – 1976. 598 с. 3. Зарядов И.С. Введение в статистический пакет R: типы переменных, структуры данных, чтение и запись информации, графика. М.: Издво Российского университета дружбы народов. – 2010. 207 с. 4. Ивантер Э.В. Элементарная биометрия: учеб. пособие. Петрозаводск: Издво ПетрГУ. – 2010. 104 с. 5. Лакин Г.Ф. Биометрия. М.: Высшая школа. – 1990. 352 с. 6. Полесская О.Г. Растительная клетка и активные формы кислорода. Под ред. И.П. Ермакова. М.: КДУ. – 2007. 140 с. 7. Baayen R.H. Analyzing Linguistic Data. A Practical Introduction to Statistics Using R. UK: Cambridge University Press. – 2008. 369 pp. 8. Boller T.А., Felix G.A. Renaissance of Elicitors: Perception of MicrobeAssociated Molecular Patterns and Danger Signals by PatternRecognition Receptors // Annual Review of Plant Biology. – 2009. – V.60. – Р. 379406. 9. Crawley M.J. The R Book. England: John Wiley and Sons Ltd. – 2007. 951 pp. 10. Daudi A., Cheng Z., O’Brien J. A. et al. The Apoplastic Oxidative Burst Peroxidase in Arabidopsis is a Major Component of PatternTriggered Immunity // Plant Cell. – 2012. – V.24. – № 1. – Р. 275–287. 11. Kirzinger M.W., Nadarasah G., Stavrinides J. Insights into CrossKingdom Plant Pathogenic Bacteria // Genes. – 2011. – V.2. – № 4. – Р. 980–997. 12. O’Brien J. A., Daudi A., Finch P. et al. PeroxidaseDependent Apoplastic Oxidative Burst in Cultured Arabidopsis Cells Functions in MAMPElicited Defense // Plant Physiology. – 2012. – V.158. – Р. 2013–2027. 13. RodriguezSerrano M., RomeroPuertas M.C., Zabalza A. et al. Cadmium effect on oxidative metabolism of pea (Pisum sativum L.) roots. Imaging of reactive oxygen species and nitric oxide accumulation in vivo // Plant Cell Environ. – 2006. – V.29. – P. 1532–1544. 14. Tyler H.L., Triplett E.W. Plants as a Habitat for Beneficial and/or Human Pathogenic Bacterium // Annu. Rev. Phytopathol. – 2008. – V.46. – Р. 53–73. Сведения об авторах: Турская Анна Леонидовна, научный сотрудник лаборатории фитоиммунологии Сибирского института физиологии и биохимии растений СО РАН, магистрант Института кибернетики им. Е.И. Попова Иркутского государственного технического университета, кандидат биологических наук, email: turskayaanna@mail.ru Степанов Алексей Владимирович, научный сотрудник лаборатории физиологической генетики растений Сибирского института физиологии и биохимии растений СО РАН, email: stepanov@sifibr.irk.ru Маркова Юлия Александровна, заведующая лабораторией фитоиммунологии Сибирского института физиологии и биохимии растений СО РАН, доктор биологических наук, email: juliam06@mail.ru 664033, г. Иркутск, ул. Лермонтова, 132, тел. (3952) 426753 Верхотуров Василий Владимирович, заведующий кафедрой технологии продуктов питания и химии Института пищевой инженерии и биотехнологии Иркутского государственного технического университета, доктор биологических наук, профессор, email: vervv@mail.ru 664074, г. Иркутск, ул. Лермонтова, 83, тел. (3952) 405178 Букин Юрий Сергеевич, старший научный сотрудник лаборатории геносистематики, Лимнологический институт СО РАН, кандидат биологических наук, email: bukinyura@mail.ru 664033, г. Иркутск, ул. УланБаторская, 3, тел. (3952) 422623 ВЕСТНИК ОГУ №13 (174)/декабрь`2014 119