MINTAVÉTEL NÖVÉNYI SEJT-, SZÖVET- ÉS SZERVTENYÉSZETEKBŐL

Hasonló dokumentumok
STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

6. Előadás. Vereb György, DE OEC BSI, október 12.

Patogén mikroorganizmusok vizsgálata molekuláris biológiai módszerekkel

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Elemi statisztika fizikusoknak

y ij = µ + α i + e ij

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Biomatematika 2 Orvosi biometria

Mérési hibák

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Panelvizsgálatok. HASMENÉS panel 1. ALAP csomag (1-2 galambhulla esetén) KOMPLEX csomag (2-3 galambhulla esetén) 1 Bélsár transzport táptalajon 1

MINŐSÉGÜGYI STATISZTIKAI MÓDSZEREK. Dr. Drégelyi-Kiss Ágota ÓE BGK

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

KÖVETKEZTETŐ STATISZTIKA

Statisztikai becslés

Posztanalitikai folyamatok az orvosi laboratóriumban, az eredményközlés felelőssége

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Lövedékálló védőmellény megfelelőségének elemzése lenyomatmélységek (traumahatás) alapján

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Valószínűségszámítás és Statisztika I. zh november MEGOLDÁS

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A Statisztika alapjai

Kabos: Statisztika II. ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

Többváltozós lineáris regressziós modell feltételeinek

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Varianciaanalízis 4/24/12

[Biomatematika 2] Orvosi biometria

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Mangalica specifikus DNS alapú módszer kifejlesztés és validálása a MANGFOOD projekt keretében

[Biomatematika 2] Orvosi biometria

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Dr Nagy Bálint Emlékülés

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

A leíró statisztikák

Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Prof. Dr. Maróti Mihály ( )

A mérési eredmény megadása

3. A mintavételi kockázat elfogadható szintjének meghatározása (pl. 5 vagy 10%)

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv


A Kecskeméti Jubileum paradicsomfajta érésdinamikájának statisztikai vizsgálata

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

QualcoDuna jártassági vizsgálatok - A évi program rövid ismertetése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

A Bodrog-folyó vízkémiai adatainak elemzése egy- és kétváltozós statisztikai

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Magyar Tejgazdasági Kísérleti Intézet Kft., Biológiai K+F+I Osztály, Mosonmagyaróvár

[Biomatematika 2] Orvosi biometria

Statisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

Kutatásmódszertan és prezentációkészítés

Biostatisztika VIII. Mátyus László. 19 October

SALMONELLA SSP. GYORS, MOLEKULÁRIS BIOLÓGIAI MÓDSZEREKKEL TÖRTÉNŐ DETEKTÁLÁSA

nem kezelt 1.29, 1.60, 2.27, 1.31, 1.81, 2.21 kezelt 0.96, 1.14, 1.59

Kémiai technológia laboratóriumi gyakorlatok M É R É S I J E G Y Z Ő K Ö N Y V. című gyakorlathoz

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Biomatematikai Tanszék

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével

MAGYAR ÉLELMISZERKÖNYV. Codex Alimentarius Hungaricus /78 számú előírás

MEMBRÁNKONTAKTOR SEGÍTSÉGÉVEL TÖRTÉNŐ MINTAVÉTEL A MVM PAKSI ATOMERŐMŰ ZRT PRIMERKÖRI RENDSZERÉNEK VIZEIBEN OLDOTT GÁZOK VIZSGÁLATÁRA

Valószín ségszámítás és statisztika Gyakorlat (Statisztika alapjai)

Mintavételi eljárások

2012. évi jártassági vizsgálati program biológiai program összefoglaló évi program. Dr. Zsuga Katalin

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Függetlenségvizsgálat, Illeszkedésvizsgálat

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)

Adatok statisztikai értékelésének főbb lehetőségei

A valószínűségszámítás elemei

Burgonya fajták azonosítása és minősítése digitális képanalízis felhasználásával

A Legionella jelenlétének kimutatása

Hanthy László Tel.:

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre

Nemzeti Akkreditáló Testület. MÓDOSÍTOTT RÉSZLETEZŐ OKIRAT (1) a NAT /2011 nyilvántartási számú akkreditált státuszhoz

Antal Gergő Környezettudomány MSc. Témavezető: Kovács József

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Kun Ágnes 1, Kolozsvári Ildikó 1, Bíróné Oncsik Mária 1, Jancsó Mihály 1, Csiha Imre 2, Kamandiné Végh Ágnes 2, Bozán Csaba 1

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

A GDP hasonlóképpen nem tükrözi a háztartások közötti munka- és termékcseréket.

Statisztikai csalások és paradoxonok. Matematikai statisztika Gazdaságinformatikus MSc november 26. 1/31

A levélanalízis alapjai

LIV. Georgikon Napok Keszthely, Hízott libamáj zöldülésének vizsgálata

Adszorbeálható szerves halogén vegyületek kimutatása környezeti mintákból

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Átírás:

MINTAVÉTEL NÖVÉNYI SEJT-, SZÖVET- ÉS SZERVTENYÉSZETEKBŐL Tóth Endre Kristóf MTA ATK Növényvédelmi Intézet és Óbuda Kert Kft. Budapest Kriston Éva NÉBIH, Növény-, Talaj- és Agrárkörnyezet-védelmi Igazgatóság, Növény-egészségügyi és Molekuláris Biológiai Laboratórium, Budapest Józsa Sándor Pannon Egyetem, Georgikon Kar, Keszthely DR. MARÓTI MIHÁLY EMLÉKÜLÉS 2017. április 21.

MINTAVÉTEL SOKFÉLE OKBÓL Mintavétel táptalajból (táptalajalkotó fogyás, exudátum mérés, maradó elektromos vezetőképesség (EC), ph, stb.) Mintavétel növényből - diagnosztika: - vírus és fitoplazma koncentráció! ELISA, PCR, bioteszt - inhibitorhatás kevesebb Mintavétel növényből - biokémiai mérés (milyen egységre vonatkoztasunk?) Mintavétel szuszpenziós kultúrából, sejtszámlálás Gyarapodásmérés szuszpenziós kultúrában Mintavétel sterilitás ellenőrzési céllal Mintavétel termésbecslési céllal

Mintavétel a táptalajból I. 1. A tenyészedények sokaságából véletlenszerűen kiveszünk n darabot és feldolgozzuk a méréshez Relatíve nagy szórás 2. Mindig ugyanazokból a tenyészedényekből veszünk mintát Kis térfogatú minta Nagy térfogatú minta Visszapótlás lehetséges Növekvő fertőződési kockázat Bonyolult korrekciós számítás

Mintavétel a táptalajból II. mg/l Idő (nap) Miscanthus sinensis L. folyadékkultúra

Üvegházi növény Mintavétel növényből Szárazanyag % In vitro növény

AZ IN VITRO NÖVÉNYEKEN ELVÉGEZHETŐ VIROLÓGIAI TESZTEK MINTAVÉTELEZÉSE I. ELISA (és egyéb szerológiai tesztek) Alapos szakmai előbírálat alapján érdemes (ELISA kimutatási határ: 1 ng/ml) - merisztéma eredetű-e a kultúra? (A carnation mottle virus példája) - mennyi ideje van in vitro körülmények között? - milyen hőfokon? - hogyan vegyük a mintát? - mely víruscsoportba tartozó vírust szeretnénk vizsgálni? Jól vizsgálhatók: TOBAMO (pl. dohány mozaik vírus, Odontoglossum gyűrűsfoltosság vírus, Obuda pepper virus, stb.) POTEX (pl. Cymbidium mosaic virus, burgonya X vírus, hortenzia gyűrűsfoltosság vírus, stb.) A VIRUSCSOPORTOK tagjainak többségét nem, vagy csak előszűrésként érdemes ELISA-val vizsgálni. Esetenkén spontán eliminálódás is előfordul in vitro kultúrákban: pl. clostero-(pl. CarNFV), tospo-(pl. INSV) vírusok, vagy fitoplazmák (pl. ESFY)

+Barbara Ginger + Casablanca Eleonora lilac 508 gerbera CSVd + in vitro Palisade Negatív kontroll Pozitív kontroll (plazmid) AZ IN VITRO NÖVÉNYEKEN ELVÉGEZHETŐ VIROLÓGIAI TESZTEK MINTAVÉTELEZÉSE II. Polimeráz láncreakció (PCR, RT-PCR) Jó hatékonyság, a kimutathatósági határ: 1 pg/ml körül Esetenként előnyösebb az in vitro növények vizsgálata: Sokkal kevesebb a reakciót gátló inhibitor tartalom! Nincsenek jelen az esetleg zavaró mikroorganizmusok! Szöveti homogenizátumok (1 g/10 ml) balra: dohány, jobbra: krizantém

AZ IN VITRO NÖVÉNYEKEN ELVÉGEZHETŐ VIROLÓGIAI TESZTEK MINTAVÉTELEZÉSE III. Egyszerű eset: csipesszel véletlenszerűen - in vitro értelemben vett középkorú levelet Minősített eset: célzottan levélemeletenként és oldalanként - reprezentatív minta

Gyarapodásmérés Kallusz és szuszpenziós kultúrában A szokásos mért paraméterek: friss súly, száraz súly (60 o C vagy 105 o C, esetleg liofilizálás), turbiditás (zavarosság) növekedési index

Mintavétel és sejtszám meghatározás szuszpenziós kultúrából SZUSZPENZIÓS KULTÚRA Centrifugálás és friss súly mérés Pl. burgonya (Désiree) szuszpenziós kultúra Enzimes sejtfal emésztés (protoplasztálás) 2,67 x 10 6 sejt/g (4 ismétlés átlaga, D(X)= 0,380 x 10 6 ) (Tóth, publikálatlan) Számolás Bürker (Buerker) kamrában

gramm friss súly Klasszikus növekedési görbe (logisztikus görbe) MÉRÉSI MÓDSZER: Mintavétel: 8.; 28.; 43.; 55. napon Ismétlés: 6, véletlenszerűen kiválasztott edényből Mérés: 20, egyben lemért kalluszcsomó Szénhidrát (szacharóz) koncentrációtól függő Kallusznövekedés (Nicotiana rustica L. kallusz) Hunt és Loomis (1976) nyomán Burgonya (Désiree) szuszpenziós kultúra (Tóth, publikálatlan)

Mintavétel sterilitás ellenőrzési céllal

Mintavétel termésbecslési céllal Esetenként előfordul, hogy nagy mennyiségű in vitro növényt kell kiadnunk: Hány üveggel kell belőle megszámolnunk?

x x MATEMATIKAI STATISZTIKAI FORMULA A MEGFELELŐ MINTASZÁM MEGÁLLAPÍTÁSÁRA I. Jelölések: Sokasági paraméterek: M = sokasági átlag (átlagosan hány növényegyed (szál) van egy edényben) s = sokasági szórás, az edények növényegyed száma közötti ingadozás mértéke cv = relatív szórás (variációs koefficiens) = s /M, a heterogenitás mérőszáma Egyéb jelölések: N a megrendelt szál (növényszál egyed). k 0 = N/M a leszállítandó edényszám, ha minden edényben M szál van. (s = 0) x = az n elemű mintából számolt átlagos növényszám. k = N/x a minta-átlag alapján számított leszállítandó edényszám alapesetben.

MATEMATIKAI STATISZTIKAI FORMULA A MEGFELELŐ MINTASZÁM MEGÁLLAPÍTÁSÁRA II. A FELADAT: n elemű mintát veszünk (azaz leszámolunk n db nevelőedényt) Megszámoljuk az ezekben talált növényegyedeket és kiszámoljuk ezek átlagát. Ha N a rendelt növényszám, akkor k = N/x edényt küldünk alapesetben A KÉRDÉS: Mekkora legyen a mintaelem szám ahhoz, hogy a küldeményben az összes szálak száma elég nagy valószínűséggel legfeljebb 1%-kal térjen el a megrendelt N száltól? Az elég nagy valószínűség legalább 90%-ot jelent. A VÁLASZ: ha elég sok edényt küldünk (k elég nagy /pontosabban k o =N/M elég nagy/, 100-as nagyságrendű), akkor a minimálisan szükséges minta nagyság: n = z 2 (CV ) 2, ahol CV = 100cv, a sokasági relatív szórás %-ban kifejezett értéke, (a továbbiakban ismertnek tekintjük), z pedig (ha cv ismert) a kívánt biztonsághoz képezhető standard normális változó értéke. (90%-os biztonságnál z=1,65, 95%-nál z=1,96, 99%-nál z=2,58).

x x x x MATEMATIKAI STATISZTIKAI FORMULA A MEGFELELŐ MINTASZÁM MEGÁLLAPÍTÁSÁRA III. Fontos megjegyzés: Elég jelentős megrendelés mellett a szükséges mintanagyság (n) nem függ (!) sem a sokasági átlagtól (M), sem a rendelt szálak számától (N), csakis az edény-állomány homogenitásától, a relatív szórástól! (cv)! Szemléltetés: szükséges mintanagyság (n) sokasági biztonság rel. szórás 90% 95% (cv) 2% 11 16 5% 68 96 10% 273 384 Látható, hogy már az 5%-os relatív szórásnál is elég sok edény tartalmát kellene leszámolni. Hogyan lehetne csökkenteni a szükséges minta-nagyságot? Kézenfekvő lehetőségek: 1. Csökkentjük az inhomogenitást (a relatív szórást). Ez technológiai finomítást kíván. 2. Enyhítjük a megengedett 1%-os eltérést (2-3%-ra). Ez alku a megrendelővel. 3. A k = N/x edény helyett néhány %-kal többet küldünk a megrendelőnek.

MATEMATIKAI STATISZTIKAI FORMULA A MEGFELELŐ MINTASZÁM MEGÁLLAPÍTÁSÁRA IV. A minimálisan szükséges minta-nagyság, ha elég sok edényt postázunk n = z 2 2 cv ( h q) 2 Ahol a z értékről fentebb szóltunk, cv, h és q akár %-ban, akár decimálisan adott értékek. cv = a sokasági relatív szórás (pl. 0,05, avagy 5%) h = a küldemény megengedett eltérése a rendelt növényszáltól (pl. 0,01, avagy 1%) q = a relatív többlet-küldemény (a k = N/ x edényhez képest, pl. 0,02, avagy 2%). SZEMLÉLTETÉS: Szükséges leszámolandó edény (n), 95 %-os biztonságra, 5 % szórásnál Megengedett eltérés a rendeléstől (h) 1% 2% Többlet küldés (q) 0% 96 24 1% 24 11 2% 11 6 3% 6 4

KÖSZÖNJÜK A FIGYELMET!