MVApp: онлайн-платформа для анализа больших данных в растениеводстве

Исследователи из KAUST разработали MVApp — открытую онлайн-платформу для проведения многомерного статистического анализа сложных данных, которые генерируют современные методы фенотипирования растений.

Высокопроизводительное фенотипирование создаёт огромные наборы данных о характеристиках растений. Эти многомерные данные содержат ключевую информацию о физиологии растений: их реакции на разные среды, изменения в росте и потенциальной урожайности. Это важно для развития устойчивого сельского хозяйства и продовольственной безопасности.

«Наши эксперименты обычно включают ежедневные измерения тысяч растений по множеству признаков — от размера листьев до устойчивости к засолению или патогенам», — говорит Магдалена Юльковска, научный сотрудник лаборатории Марка Тестера в KAUST. Эти данные очень мощные, но их сложно анализировать.

Команда создала MVApp на языке R, включив в него наиболее релевантные пакеты для анализа фенотипических данных. Платформа работает с наборами данных разного масштаба: от крупных исследований естественного разнообразия до небольших проектов по сравнению мутантных и диких фенотипов.

В MVApp также внедрён метод квантильной регрессии — специализированный инструмент, который ещё не раскрыл свой полный потенциал в науке о растениях.

«Когда мы скриним популяции из сотен различных образцов растений со всего мира, признаки, влияющие на урожайность у высокоурожайных растений, могут отличаться от признаков у низкоурожайных», — объясняет Юльковска. Квантильная регрессия помогает количественно оценить, насколько каждый признак (например, биомасса или водопотребление) влияет на основной интересующий признак (урожайность).

MVApp создаёт комплексные, понятные результаты и готовые к публикации графики, имеющие чёткую связь с исходными данными. Команда стремится повысить прозрачность данных и упростить их обработку, чтобы каждый учёный мог получать ценные и воспроизводимые результаты.

«Мы надеемся, что MVApp поможет всему научному сообществу — не только растениеводам — освоить различные статистические методы и научиться применять их, особенно с большими данными», — говорит Юльковска. Команда приветствует обратную связь от пользователей.