УДК 616-092.4
DOI: 10.36871/26189976.2026.06-3.010
Авторы
Адам Умалтович Менциев,
Чеченский государственный университет имени А. А. Кадырова, Грозный, Россия; Грозненский государственный нефтяной технический университет им. академика М. Д. Миллионщикова, Грозный, Россия
Усам Русланович Тахаев,
Чеченский государственный университет имени А. А. Кадырова, Грозный, Россия
Грозненский государственный нефтяной технический университет им. академика М. Д. Миллионщикова, Грозный, Россия
Муса Вахаевич Шаванов,
Чеченский государственный университет имени А. А. Кадырова, Грозный, Россия
Аннотация
Промышленные лаборатории микроразмножения генерируют плотный поток визуальных наблюдений за эксплантами in vitro, который, как правило, не фиксируется в пригодной для анализа форме, а связь между составом питательной среды и итоговыми биологическими результатами партии остаётся слабо документированной. В статье представлена методология сбора и анализа данных, предназначенная для лабораторий, эксплуатирующих роботизированную платформу инспекции in vitro, в частности АС-МР. Методология состоит из шести этапов: непрерывный фотомониторинг с фиксированной геометрией съёмки; связывание каждого кадра с метаданными сосуда, культивара, питательной среды и партии; персистентное реляционное хранение; грубая предварительная разметка всего корпуса изображений на основе HSV-порогов; стратифицированная экспертная разметка с оценкой межэкспертного согласия; и статистический конвейер анализа, включающий оценку качества классификатора, анализ выживаемости и регрессию «среда-результат». Методология превращает роботизированную платформу инспекции в исследовательский инструмент, пригодный для формирования FAIR-совместимых наборов данных.
Ключевые слова
автоматизированная система,
интеллектуальный мониторинг,
анализ данных,
протокол сбора данных,
FAIR-данные,
статистический анализ.
Список литературы
[1] Cohen J. A coefficient of agreement for nominal scales. Educational and Psychological Measurement. 1960;20(1), C.37-46.
[2] Cox D.R. Regression models and life-tables. Journal of the Royal Statistical Society, Series B. 1972;34(2), C.187-220.
[3] Delfel N.E., Smith L.J. The importance of culture conditions and medium component interactions on the growth of Cephalotaxus harringtonia tissue cultures. Planta Medica. 1980;40(11), С.237-244.
[4] Fleiss J.L. Measuring nominal scale agreement among many raters. Psychological Bulletin. 1971;76(5), C.378-382.
[5] Kamilaris A., Prenafeta-Boldú F.X. Deep learning in agriculture: a survey. Computers and Electronics in Agriculture. 2018;147, C.70-90.
[6] Kaplan E.L., Meier P. Nonparametric estimation from incomplete observations. Journal of the American Statistical Association. 1958;53(282), C.457-481.
[7] Leifert C., Waites W.M. Bacterial growth in plant tissue culture media. Journal of Applied Bacteriology. 1992;72(6), С.460-466.
[8] Mann H.B. Nonparametric tests against trend. Econometrica. 1945;13(3), C.245-259.
[9] Mendes P., Robacker C.D. A macronutrient optimization platform for micropropagation and acclimatization: using turmeric (Curcuma longa L.) as a model plant. In Vitro Cellular & Developmental Biology — Plant. 2011;47, С.257-273.
[10] Monson S.M., Cutler A.J., Fristensky B.W. Effects of N source concentration and NH4 +/ NO3 — ratio on phenylethanoid glycoside pattern in tissue cultures of Plantago lanceolata L.: A metabolomics driven full-factorial experiment. Phytochemistry. 2014;106, С.44- 54.
[11] Murashige T., Skoog F. A revised medium for rapid growth and bio assays with tobacco tissue cultures. Physiologia Plantarum. 1962;15(3), C.473-497.
[12] Wilkinson M.D., Dumontier M., Aalbersberg I.J. et al. The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data. 2016;3, C.160018.
