exam L3 2022 solution
Consignes générales
Téléchargez le dossier Exam_terminal dans Moodle qui contient:
- Un fichier exam.html qui contient l’énoncé de
l’exam (une copie de cet énoncé)
- Un fichier exam.R qui contient le script R
dans lequel vous allez mettre vos scripts et réponses aux
questions
- Un dossier data qui contient les
données
Ouvrez exam.R et sauvez le dans le même dossier
sous le nom Exam_numéro_étudiant.R en remplaçant
numéro_étudiant par votre propre numéro
étudiant.
Pour chaque question, dans le fichier
Exam_numéro_étudiant.R:
- Commentez le code (en utilisant #) pour expliquer ce que vous allez faire et pourquoi vous utilisez telle ou telle fonction
- Utilisez des commandes appropriées pour répondre à la question
- Et finalement répondez (en commentant avec un #) à la question grâce au résultat des commandes
L’exam fini à 11h15. Quand vous
avez fini, déposez dans l’espace de dépôt Moodle votre script
Exam_numéro_etudiant.R, ainsi que les screenshots de
ePlant.Avant de sortir de la salle, vérifiez auprès de Sandra Cortijo
que vos fichiers sont bien dans l’espace de dépôt Moodle.
N’oubliez pas d’enregistrer régulièrement
Exam_numéro_étudiant.R pendant l’exam.
Description des données
Pour l’examen, vous allez analyser des données extraites de Wang et al., 2022.
Il s’agit de données issues d’expériences pour mesurer l’impact de la mutation et de la sur-expression du gène KIN10 chez Arabidopsis thaliana.
Pour cela l’aire des feuilles d’Arabidopsis thaliana a été
mesurée et est indiquée en cm2 (colonne
leaf_area_cm2) chez trois genotype:
Col-0, le mutant kin-10 et le sur-expresseur
p35S:KIN10. L’aire des feuilles a été mesurée chez des
plantes ayant poussé avec deux types d’intensité lumineuse (colonne
light_intensity) et qui ont subit un traitement (colonne
treatment).
L’objectif de cet examen est de définir si la mutation ou la sur-expression du gène KIN10 ont un impact phénotypique et si cet impact est influencé par l’environnement.
Préparation de l’environnement de travail
Question 0 (1 point)
Chargez les librairies dont vous aurez besoin.
library(tidyverse)## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.0 ──## ✔ ggplot2 3.3.6 ✔ purrr 0.3.4
## ✔ tibble 3.1.8 ✔ dplyr 1.0.10
## ✔ tidyr 1.2.1 ✔ stringr 1.4.0
## ✔ readr 1.4.0 ✔ forcats 0.5.2## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()library(ggpubr)Définissez le working directory de R pour être dans le dossier de l’exam.
getwd() #regarder où est le répertoire de travail
setwd("chemin vers le dossier de l'exam") #changer le répertoire de travailChargez le fichier Exam_L3_bioinfo.txt (qui est dans le dossier /data), qui contient les données de phénotypage pour le mutant et le sur-expresseur de KIN10, dans R et sauvez le dans un objet.
Aide: Utilisez la fonction appropriée pour le type de données (dans ce cas, des colonnes séparées par une tabulation)
kin10 <- read_tsv("Exam_L3_bioinfo.txt")##
## ── Column specification ────────────────────────────────────────────────────────
## cols(
## genotype = col_character(),
## light_intensity = col_double(),
## treatment = col_character(),
## leaf_area_cm2 = col_double()
## )kin10## # A tibble: 444 × 4
## genotype light_intensity treatment leaf_area_cm2
## <chr> <dbl> <chr> <dbl>
## 1 Col-0 80 KCl 0.827
## 2 Col-0 80 KCl 0.697
## 3 Col-0 80 KCl 0.789
## 4 Col-0 80 KCl 0.515
## 5 Col-0 80 KCl 0.598
## 6 Col-0 80 KCl 0.594
## 7 Col-0 80 KCl 0.634
## 8 Col-0 80 KCl 0.503
## 9 Col-0 80 KCl 0.443
## 10 Col-0 80 KCl 0.614
## # … with 434 more rowsPensez à inspecter ce que retourne cette commande dans la console pour avoir un tout premier aperçu des données et vérifier qu’elles sont encodées correctement.
# Pour inspecter les données, utilisez la fonction
# View(kin10)Vérification des données
Avant d’analyser les données, la première étape consiste à vérifier que le tableau importé dans R contient bien les données attendues.
Question 1 (1.5 point)
Combien y a t’il de lignes et de colonnes?
dim(kin10)## [1] 444 4Question 2 (2 point)
Combien y-a-t-il de traitements effectués? Donnez la liste des traitements
distinct(kin10, treatment)## # A tibble: 3 × 1
## treatment
## <chr>
## 1 KCl
## 2 NH4+
## 3 NO3-Il y a 3 traitements effectués: KCl, NH4+ et NO3-
Etude de l’impact phénotypique de la mutation et de le sur-expresseur de KIN10
Question 3 (6 points)
Faites une figure représentant la distribution de la taille des feuilles (en mm2) pour chaque génotype, avec l’intérieur des violin plots colorés en fonction du traitement effectué, et ce uniquement pour les plantes qui ont poussé avec une intensité lumineuse de 80. Ajoutez le résultat d’un test statistique comparant les moyennes des différents groupes.
Aide : Pour cela, filtrez les données pour garder seulement l’intensité lumineuse de 80. Créez une nouvelle colonne contenant l’aire de la feuille en mm2 à partir de celle existante qui contient l’aire en de la feuille en cm2. Puis, réalisez des violin plot de l’aire de la feuille en mm pour les différent génotypes que vous colorez en fonction du traitement. Pour finir ajoutez au graphique un test de comparaison de moyennes.
filter(kin10, light_intensity==80) %>%
mutate(leaf_area_mm2=leaf_area_cm2*100) %>%
ggplot(aes(x=genotype, y=leaf_area_mm2, fill=treatment )) +
geom_violin() +
stat_compare_means(label="p.format")
Formulez une interprétation de ce que nous apprend cette figure quant à l’influence du traitement effectué sur la taille des feuilles. Est-ce que tous les génotypes répondent aux traitements?
L’aire des feuilles est augmentée par les traitements NH4+ et NO3- par rapport au trairement KCl et ce pour tous les génotypes.
Question 4 (5.5 points: 2pt pour graph, 2.5pt pour group_by/summarise, 1pt interpretation )
Faites une figure représentant la distribution de la taille des feuilles (en mm2) pour chaque traitement, avec l’intérieur des violin plots colorés en fonction du génotype, et ce uniquement pour les génotypes
Col-0etkin-10. Créez deux facets en fonction de l’intensité lumineuse utilisée. Ajoutez le résultat d’un test statistique comparant les moyennes des différents groupes.
Lisez bien la consigne car ce graphique est différent de celui de la question précédente.
Aide : Pour cela, filtrez les données pour enlever le génotype
p35S:KIN10. Créez une nouvelle colonne contenant l’aire de la feuille en mm2 à partir de celle existante qui contient l’aire en de la feuille en cm2. Puis, réalisez des violin plot de l’aire de la feuille en mm2 pour les différent traitements que vous colorez en fonction du génotype, avec des facets en fonction de l’intensité lumineuse. Pour finir ajoutez au graphique un test de comparaison de moyennes.
filter(kin10, genotype!="p35S:KIN10") %>%
mutate(leaf_area_mm2=leaf_area_cm2*100) %>%
ggplot(aes(x=treatment, y=leaf_area_mm2, fill=genotype)) +
geom_violin() +
stat_compare_means(label="p.format") +
facet_wrap(~light_intensity)
Pour confirmer le résultat de ce graphique, calculez et affichez dans la console la moyenne de l’aire de la feuille (en mm2) pour l’intensité lumineuse et chaque traitement en fonction du génotype. Effectuez ceci uniquement sur les génotypes
Col-0etkin-10.
filter(kin10, genotype!="p35S:KIN10") %>%
mutate(leaf_area_mm2=leaf_area_cm2*100) %>%
group_by(light_intensity, treatment, genotype) %>%
summarise(average_area_leaf_mm2=mean(leaf_area_mm2))## `summarise()` has grouped output by 'light_intensity', 'treatment'. You can
## override using the `.groups` argument.## # A tibble: 12 × 4
## # Groups: light_intensity, treatment [6]
## light_intensity treatment genotype average_area_leaf_mm2
## <dbl> <chr> <chr> <dbl>
## 1 20 KCl Col-0 60.9
## 2 20 KCl kin-10 59.8
## 3 20 NH4+ Col-0 128.
## 4 20 NH4+ kin-10 135.
## 5 20 NO3- Col-0 145.
## 6 20 NO3- kin-10 181.
## 7 80 KCl Col-0 63.8
## 8 80 KCl kin-10 61.8
## 9 80 NH4+ Col-0 130.
## 10 80 NH4+ kin-10 145.
## 11 80 NO3- Col-0 245.
## 12 80 NO3- kin-10 267.Formulez une interprétation complète de ce que nous apprend cette figure et l’extraction des moyennes de l’aire des feuilles quant à l’effet du traitement effectué sur le génotype du mutant kin-10. Est-ce que l’effet de cette mutation est visible dans toutes les conditions?
L’effet de la mutation kin10 sur l’aire des feuilles n’est pas visible chez les plantes traitées au KCl. Par contre pour les plantes traitées avec du NH4+ et du NO3-, la mutation kin10 est associées à une augmentation de l’aire des feuilles. Cet effet est plus important quand les plantes sont traitées avec du NO3-. Les résultats sont les mêmes peu importe l’intensité lumineuse analysée.
Etude du gène KIN10 en utilisant une base de donnée
Question 5 (4.5 points: 1pt q1, 1.5pt q2 et 2pt q3)
Pour les questions suivantes, utilisez les outils proposés par l’ePlant de BAR. Vos réponses devront s’accompagner de copies d’écran permettant de suivre vos analyses in silico. Pensez à indiquer dans votre réponse à chaque question le nom du fichier de cette copie d’écran à les déposer sur Moodle avec votre script.
Quelle est la fonction du gène d’Arabidopsis At3g01090 (KIN10) ?
KIN10 est une kinase SNF1-related
Quel est le gène le plus similaire à At3g01090 (KIN10) chez Arabidopsis ?
Le gène le plus similaire à At3g01090 (KIN10) est At3g29160 (KIN11).
Est-ce que ces deux gènes répondent de la même manière à un traitement à l’azote (nitrogen)?
KIN10 montre une légère augmentation de l’expression en réponse à l’azote dans la lateral root cap, mais ne réponds pas dans les autres types cellulaires de la racine. KIN11 ne réponds pas à l’azote. Ces deux gènes ont donc une réponse différente à l’azote dans la latéral root cap, mais se comportent de la même manière dans les autres types cellulaires.
Réponse à l’azote pour KIN10: 
Réponse à l’azote pour KIN11: 
Fin de l’exam. N’oubliez pas de
vous relire, et de déposer votre script
Exam_numéro_etudiant.R, ainsi que les screenshots de ePlant
sur l’espace de dépôt Moodle. Avant de sortir de la salle, vérifiez
auprès de Sandra Cortijo que le dépôt a bien été effectué.