Efeito de produtos biológicos e químicos na inibição do crescimento micelial de Colletotrichum spp.
Autores
Prof. Dr. Walmes Zeviani
Débora Petermann
1 Sobre o experimento
Introdução
Neste estudo, foi investigado o impacto de diferentes produtos biológicos e um produto químico na inibição do crescimento micelial de cinco diferentes espécies de Colletotrichum. A variável resposta analisada foi o diâmetro das colônias, expresso em milímetros.
Materiais e Métodos
Os experimentos 1 e 2 foram realizados no Laboratório de Epidemiologia para o Manejo Integrado de Doenças de Plantas (LEMID) sob a supervisão da aluna de mestrado Débora Petermann e da professora doutora Louise Larissa May De Mio.
Experimento 1:
Data de montagem: 17 de janeiro de 2022
Data de avaliação: 24 de janeiro de 2022
Estrutura do experimento: 6 tratamentos, 5 isolados e 3 repetições
Experimento 2:
Data de montagem: 24 de janeiro de 2022
Data de avaliação: 31 de janeiro de 2022
Estrutura do experimento: 6 tratamentos, 5 isolados e 4 repetições
Os tratamentos utilizados foram:
Biomassa de Bacillus alcalophilus (BBa) - produto biológico.
Sobrenadante de Bacillus alcalophilus (SBa) - produto biológico.
Bacillus subtilis (Bs) - produto biológico.
Bacillus amyloliquefaciens na dose de 1,0g/L (Bam 1,0g/L) - produto biológico.
Delan - produto químico.
Testemunha composta por água esterilizada (Controle).
Os isolados de Colletotrichum utilizados foram:
MdCn-142: C. nymphaeae.
MdCc-110: C. chrysophillum.
MdCs-3R4E: C. siamensis.
MdCm-21: C. melonis.
MdCl-180: C. limetticolum.
Análise Estatística
O objetivo da análise estatística é realizar uma análise fatorial, onde um dos fatores é composto pelos tratamentos (os 6) e o segundo fator pelos isolados (os 5). Neste caso, todos os isolados podem ser analisados juntos, sem separação. Além disso, os experimentos 1 e 2 serão analisados separadamente.
2 Análise dos dados
Código
#-----------------------------------------------------------------------# Pacotes.library(car)library(emmeans)library(tidyverse)#-----------------------------------------------------------------------# Importação e preparo.# Importação.tb <- readxl::read_excel("analises_artigo_mestrado.xlsx",sheet ="2 spp")# Nomes em caixa baixa.tb <- tb |>rename_with(tolower) |>rename("diameter"="colony diameter (mm)","treatment"="tratament")str(tb)
# Variáveis `specie` e `phenotype` são características do isolado.tb |>count(isolated, species, sort =TRUE)
# A tibble: 5 × 3
isolated species n
<chr> <chr> <int>
1 MdCc-110 C. chrysophillum 42
2 MdCl-180 C. limetticolum 42
3 MdCm-21 C. melonis 42
4 MdCn-142 C. nymphaeae 42
5 MdCs-3R4E C. siamensis 42
Código
# Variável `experiment` é a repetição do experimento.tb |>xtabs(formula =~treatment + experiment)
# Passa para fator.tb <- tb |>mutate_at(c("treatment", "isolated", "experiment"), factor)# Coloca em um ordem mais lógica.# levels(tb$treatment) |> dput()tb$treatment <-fct_relevel(tb$treatment,"Control","BBa","SBa","Bs","Bam 1,0g/L","Delan®")#-----------------------------------------------------------------------# Visualização.ggplot(data = tb,mapping =aes(x = treatment, y = diameter,color = isolated, group = isolated)) +facet_grid(facets =~experiment) +geom_point() +stat_summary(fun ="mean", geom ="line")
Código
# NOTE: Sem problemas aparentes em relação a observações extremas.
2.1 Experimento 1
Código
#-----------------------------------------------------------------------# Análise do experimento 1. --------------------------------------------# Filtra para um dos experimentos.tbi <- tb |>filter(experiment =="1")# Ajuste do modelo aos dados.m0 <-lm(diameter ~ treatment * isolated, data = tbi)# Exame gráfico integrado dos pressupostos.par(mfrow =c(2, 2))plot(m0)
Código
layout(1)# car::residualPlots(m0)# car::qqPlot(m0)# Quadro de análise de variância.anova(m0)
# Para armazenar as comparações de médias.tb_means <-list(isolated =NULL, treatment =NULL)# Aplica o teste de comparação de médias separado por espécie.tb_means$isolated <-emmeans(m0,specs =~isolated | treatment) |> multcomp::cld(Letters = letters, reversed =TRUE) |>as.data.frame() |>mutate(.group =trimws(.group))tb_means$isolated
isolated treatment emmean SE df lower.CL upper.CL .group
3 MdCs-3R4E Control 46.00000 1.213549 60 43.57254 48.42746 a
4 MdCc-110 Control 43.78500 1.213549 60 41.35754 46.21246 a
2 MdCl-180 Control 43.04167 1.213549 60 40.61421 45.46913 a
1 MdCn-142 Control 41.65333 1.213549 60 39.22587 44.08079 a
5 MdCm-21 Control 34.06833 1.213549 60 31.64087 36.49579 b
8 MdCs-3R4E BBa 25.78500 1.213549 60 23.35754 28.21246 a
7 MdCn-142 BBa 25.62667 1.213549 60 23.19921 28.05413 a
6 MdCc-110 BBa 24.62667 1.213549 60 22.19921 27.05413 ab
9 MdCl-180 BBa 23.84000 1.213549 60 21.41254 26.26746 ab
10 MdCm-21 BBa 20.19833 1.213549 60 17.77087 22.62579 b
14 MdCs-3R4E SBa 31.47000 1.213549 60 29.04254 33.89746 a
12 MdCm-21 SBa 29.98000 1.213549 60 27.55254 32.40746 ab
11 MdCc-110 SBa 26.86000 1.213549 60 24.43254 29.28746 abc
13 MdCl-180 SBa 25.52833 1.213549 60 23.10087 27.95579 bc
15 MdCn-142 SBa 24.64833 1.213549 60 22.22087 27.07579 c
18 MdCs-3R4E Bs 19.71833 1.213549 60 17.29087 22.14579 a
16 MdCn-142 Bs 16.90167 1.213549 60 14.47421 19.32913 ab
17 MdCl-180 Bs 16.15333 1.213549 60 13.72587 18.58079 ab
19 MdCc-110 Bs 15.79000 1.213549 60 13.36254 18.21746 ab
20 MdCm-21 Bs 14.31333 1.213549 60 11.88587 16.74079 b
23 MdCs-3R4E Bam 1,0g/L 19.29500 1.213549 60 16.86754 21.72246 a
21 MdCl-180 Bam 1,0g/L 17.07667 1.213549 60 14.64921 19.50413 a
24 MdCn-142 Bam 1,0g/L 15.88667 1.213549 60 13.45921 18.31413 ab
22 MdCc-110 Bam 1,0g/L 15.56167 1.213549 60 13.13421 17.98913 ab
25 MdCm-21 Bam 1,0g/L 12.08000 1.213549 60 9.65254 14.50746 b
28 MdCs-3R4E Delan® 46.00000 1.213549 60 43.57254 48.42746 a
29 MdCl-180 Delan® 43.87000 1.213549 60 41.44254 46.29746 a
26 MdCc-110 Delan® 43.26167 1.213549 60 40.83421 45.68913 a
27 MdCn-142 Delan® 41.56000 1.213549 60 39.13254 43.98746 a
30 MdCm-21 Delan® 33.00667 1.213549 60 30.57921 35.43413 b
#-----------------------------------------------------------------------# Análise do experimento 2. --------------------------------------------# Filtra para um dos experimentos.tbi <- tb |>filter(experiment =="2")# Ajuste do modelo aos dados.m0 <-lm(diameter ~ treatment * isolated, data = tbi)# Exame gráfico integrado dos pressupostos.par(mfrow =c(2, 2))plot(m0)
Código
layout(1)# car::residualPlots(m0)# car::qqPlot(m0)# Quadro de análise de variância.anova(m0)
# Para armazenar as comparações de médias.tb_means <-list(isolated =NULL, treatment =NULL)# Aplica o teste de comparação de médias separado por espécie.tb_means$isolated <-emmeans(m0,specs =~isolated | treatment) |> multcomp::cld(Letters = letters, reversed =TRUE) |>as.data.frame() |>mutate(.group =trimws(.group))tb_means$isolated
isolated treatment emmean SE df lower.CL upper.CL .group
1 MdCl-180 Control 38.64167 3.279293 90 32.126778 45.15656 a
3 MdCs-3R4E Control 30.60333 4.637621 90 21.389889 39.81678 ab
4 MdCn-142 Control 25.25333 4.637621 90 16.039889 34.46678 ab
5 MdCm-21 Control 19.22333 4.637621 90 10.009889 28.43678 b
2 MdCc-110 Control 17.66167 4.637621 90 8.448223 26.87511 b
9 MdCc-110 BBa 43.36000 4.637621 90 34.146556 52.57344 a
7 MdCs-3R4E BBa 32.71500 3.279293 90 26.200111 39.22989 ab
8 MdCm-21 BBa 31.23000 4.637621 90 22.016556 40.44344 ab
10 MdCl-180 BBa 26.65167 4.637621 90 17.438223 35.86511 ab
6 MdCn-142 BBa 25.52583 3.279293 90 19.010945 32.04072 b
12 MdCs-3R4E SBa 41.09667 3.279293 90 34.581778 47.61156 a
13 MdCn-142 SBa 34.15667 3.279293 90 27.641778 40.67156 ab
11 MdCc-110 SBa 26.06667 4.637621 90 16.853223 35.28011 abc
14 MdCm-21 SBa 22.49333 4.637621 90 13.279889 31.70678 bc
15 MdCl-180 SBa 17.17500 4.637621 90 7.961556 26.38844 c
17 MdCs-3R4E Bs 46.00000 4.637621 90 36.786556 55.21344 a
18 MdCn-142 Bs 39.14000 4.637621 90 29.926556 48.35344 ab
16 MdCc-110 Bs 26.43333 4.637621 90 17.219889 35.64678 b
19 MdCm-21 Bs 25.95167 4.637621 90 16.738223 35.16511 b
20 MdCl-180 Bs 25.64500 3.279293 90 19.130111 32.15989 b
23 MdCl-180 Bam 1,0g/L 44.69667 4.637621 90 35.483223 53.91011 a
24 MdCs-3R4E Bam 1,0g/L 34.23500 4.637621 90 25.021556 43.44844 ab
21 MdCc-110 Bam 1,0g/L 26.02775 3.279293 90 19.512861 32.54264 b
25 MdCn-142 Bam 1,0g/L 25.61000 4.637621 90 16.396556 34.82344 b
22 MdCm-21 Bam 1,0g/L 23.33583 3.279293 90 16.820945 29.85072 b
29 MdCc-110 Delan® 37.28500 3.279293 90 30.770111 43.79989 a
30 MdCm-21 Delan® 33.43500 3.279293 90 26.920111 39.94989 a
27 MdCl-180 Delan® 25.50500 4.637621 90 16.291556 34.71844 ab
28 MdCs-3R4E Delan® 23.31000 4.637621 90 14.096556 32.52344 ab
26 MdCn-142 Delan® 16.97000 4.637621 90 7.756556 26.18344 b