- Biện luận kết quả.Nguyễn Chí Hào 21135981- Tính toán các giá trị tạitâm và giá trị phân táncho hàm lượngpolyphenol có trong láđu đủ khô ở cácphương pháp sấy khácnhau.- Tính toán các gi
Giới thiệu mô hình phân tích phương sai – mô tả – mô phỏng dữ liệu nghiên cứu
Phép kiểm định phân tích phương sai
ANOVA (Analysis of Variance) là một phương pháp thống kê dùng để kiểm tra sự khác biệt về trung bình giữa các nhóm.
Phương pháp này được sử dụng rộng rãi trong các nghiên cứu khoa học để phân tích dữ liệu và đưa ra kết luận về sự khác biệt giữa các nhóm.
ANOVA cho phép chúng ta kiểm tra sự khác biệt trung bình giữa hai hoặc nhiều nhóm Nó đánh giá sự phân tán của dữ liệu và giúp xác định xem liệu sự khác biệt trong trung bình có đáng kể hay không Kết quả của ANOVA cho biết sự khác biệt giữa các nhóm được đo lường bằng giá trị F.
Trong R - Stodio, có nhiều phép kiểm định ANOVA khác nhau để thực hiện phân tích sự khác biệt giữa các nhóm Sau đây là một số phép kiểm định ANOVA phổ biến trong R - Studio:
- One-Way ANOVA: là một loại thử nghiệm thống kê so sánh phương sai trong nhóm có nghĩa là trong một mẫu trong khi chỉ xem xét một yếu tố hoặc một biến độc lập.
Phương sai một yếu tố so sánh ba hoặc nhiều hơn ba nhóm phân loại để xác định xem có sự khác biệt giữa chúng hay không Trong mỗi nhóm nên có ba hoặc nhiều quan sát và phương tiện của các mẫu được so sánh.
- Two-Way ANOVA: là một phần mở rộng của phân tích phương sai một yếu tố Với One Way, bạn có một biến độc lập ảnh hưởng đến biến phụ thuộc Còn với two-way ANOVA, sẽ có 2 biến độc lập
- MANOVA (Multivariate Analysis of Variance): Phân tích sự khác biệt giữa trung bình của nhiều biến phụ thuộc và một hoặc nhiều biến độc lập.
- Repeated Measures ANOVA: Phân tích sự khác biệt giữa trung bình của một biến phụ thuộc và một biến độc lập với sự lặp lại đo lường trên thời gian hoặc trên điều kiện khác nhau.
Các loại ANOVA khác nhau sẽ được sử dụng tùy thuộc vào mục đích và kiểu dữ liệu của nghiên cứu.
Sau khi thực hiện ANOVA trong R, chúng ta cần phân tích kết quả để có thể hiểu và đưa ra kết luận về sự khác biệt giữa các nhóm Dưới đây là một số bước phân tích kết quả ANOVA trong R:
- Kiểm tra giả định của ANOVA: Trước khi tiến hành phân tích kết quả, chúng ta cần kiểm tra giả định của ANOVA bao gồm: giả định về sự phân phối chuẩn, giả định về sự đồng nhất của phương sai và giả định về sự độc lập giữa các mẫu.
- Kiểm tra sự khác biệt giữa các nhóm: Để kiểm tra sự khác biệt giữa các nhóm, chúng ta có thể sử dụng các biểu đồ như biểu đồ hộp và Whisker hoặc biểu đồ so sánh trực quan.
- Phân tích kết quả ANOVA: Kết quả của ANOVA được đưa ra dưới dạng bảng, bao gồm các giá trị F, p-value và Effect size Chúng ta cần phân tích và đưa ra kết luận dựa trên các giá trị này.
- Kiểm định các giả định của ANOVA: Sau khi phân tích kết quả ANOVA, chúng ta cần kiểm tra lại các giả định của ANOVA để đảm bảo tính chính xác của kết quả.
- Đánh giá kết quả: Cuối cùng, chúng ta cần đánh giá kết quả và đưa ra kết luận về sự khác biệt giữa các nhóm dựa trên kết quả của ANOVA và các bước phân tích trên.
Việc phân tích kết quả ANOVA đòi hỏi sự hiểu biết về thống kê và cách sử dụng R để phân tích dữ liệu Chúng ta nên luôn cẩn thận và cân nhắc kỹ trước khi đưa ra kết luận cuối cùng về sự khác biệt giữa các nhóm.
Giả sử cần so sánh số trung bình của k tổng thể độc lập.
Ta lấy k mẫu có số quan sát là n1, n2,… n ; tuân theo phân phốik chuẩn Trung bình của các tổng thể được ký hiệu là μ ; μ ,….μ1 2 k thì mô hình phân tích phương sai một yếu tố ảnh hưởng được mô tả dưới dạng kiểm định giả thuyết như sau:
Mô tả cách thiết kế thí nghiệm - Mô phỏng bộ dữ liệu
- Lá đu đủ được sấy theo 3 phương pháp: sấy không khí nóng (HD6, HD7, HD8), sấy ở điều kiện thường (FD) và sấy thăng hoa (SD) Sau đó, mẫu lá sẽ được nghiền thành bột bằng máy xay , thêm 10ml nước/0.1g bột lá, tiếp tục chiết xuất bằng phương pháp siêu âmSonication- ứng dụng của tần số thấp, sóng siêu âm cường độ cao thành một chất lỏng hoặc bột nhão trung bình trong 30 phút Tiếp tục xử lý ở mức 2935*g trong 10 phút Chất nổi phía trên được sử dụng ngay hoặc bảo quản lạnh trong 24-48h tiếp.
- Hàm lượng Polyphenol tổng được xác định bằng phương phỏp đo quang phổ 20 mẫu (100à) được thêm 7,9ml nước cất sau đó thêm 500π thuốc thử phenol Folin-Ciocaltue Hỗn hợp được lắc đều và để yên trong 30s trước khi thêm 1,5ml dung dịch natri cacbonat 25% (w/v) Độ hấp thu được đo ở bước sóng 765nm sau thời gian ủ 2h ở nhiệt độ phòng Đường cong chuẩn là tuyến tính trong khoảng từ 100 đến 500 mg L-1 axit galic TPC của mẫu được biểu thị bằng miligam đương lượng axit gallic (GAE) cho 100 g mẫu khô Tất cả các phép đo được thực hiện trong ba lần.
Ta lập giả thuyết: “Hàm lượng polyphenol có trong lá đu đủ theo các phương pháp sấy có sự khác nhau” Khi đó ta có mô hình kiểm định giả thuyết trên với giả thuyết đảo là:
Từ giả thuyết và theo dữ liệu bài báo nhóm chúng em đã mô phỏng lại bộ dữ liệu bao gồm 20 cỡ mẫu đối với mỗi loại phương pháp sấy như trên:
Bảng 1 Bảng số liệu mô phỏng hàm lượng polyphenol có trong lá đu đủ theo các phương pháp sấy khác nhau
FD HD6 HD7 HD8 SD
Vẽ biểu đồ histogram và boxplot cho bộ dữ liệu mô phỏng:
Hình 1 Biểu đồ histogram của hàm lượng polyphenol có trong lá đu đủ theo các phương pháp sấy khác nhau
Hình 2 Biểu đồ boxplot của hàm lượng polyphenol có trong lá đu đủ theo các phương pháp sấy khác nhau
Biểu đồ thể hiện kết quả phân tích hoạt tính chống oxy hóa từ xét nghiệm ABTS Khả năng thu hồi ABTS của lá đu đủ được điều chỉnh từ phương pháp của Thaipong.
Dung dịch gốc bao gồm dung dịch L-1 ABTS+ 7,4 mmol và dung dịch persulfate kali 2,6 mmol L-1 Sau đó, dung dịch làm việc được chuẩn bị bằng cách trộn hai dung dịch gốc với lượng bằng nhau và cho chúng phản ứng trong 12-16 giờ ở nhiệt độ phòng trong bóng tối Sau đó, dung dịch này được pha loãng bằng cách trộn 1 mL dung dịch ABTS+ với 25 mL metanol để thu được độ hấp thụ 1,1 ± 0,02 đơn vị ở bước sóng 734 nm bằng máy đo quang phổ16 (VersaMax; Molecular Devices, Sunnyvale, CA, USA) Dung dịch ABTS+ mới được chuẩn bị cho mỗi xột nghiệm Mẫu (10 àL) được phộp phản ứng với (190 àL) dung dịch ABTS+ trong 2 giờ ở điều kiện tối Độ hấp thụ sau đó được đo ở bước sóng 734 nm bằng máy đo quang phổ Đường cong chuẩn là tuyến tính giữa 0,391 và 25 mg L-1 Trolox Kết quả được biểu thị bằng miligam Trolox tương đương (TE) trên 100 g mẫu khô.
Ta lập giả thuyết: “Hoạt tính chống oxy hóa theo thí nghiệm ABST/Trolox có trong lá đu đủ theo các phương pháp sấy có sự khác nhau” Khi đó ta có mô hình kiểm định giả thuyết trên với giả thuyết đảo là:
Từ giả thuyết và theo dữ liệu bài báo nhóm chúng em đã mô phỏng lại bộ dữ liệu bao gồm 20 cỡ mẫu đối với mỗi loại phương pháp sấy như trên:
Bảng 2 Bảng số liệu mô phỏng hoạt tính chống oxy hóa ABST/Trolox có trong lá đu đủ theo các phương pháp sấy khác nhau
FD HD6 HD7 HD8 SD
Vẽ biểu đồ histogram và boxplot cho bộ dữ liệu mô phỏng:
Hình 3 Biểu đồ histogram của hoạt tính chống oxy hóa ABST/Trolox có trong lá đu đủ theo các phương pháp sấy khác nhau
Hình 4 Biểu đồ boxplot của hoạt tính chống oxy hóa ABST/Trolox có trong lá đu đủ theo các phương pháp sấy khác nhau
Biểu đồ thể hiện kết quả phân tích hoạt tính chống oxy hóa từ xét nghiệm DPPH Khả năng loại bỏ gốc tự do DPPH của mẫu được xác định bằng cách đo độ giảm độ hấp thụ của dung dịch DPPH ở bước sóng 517nm với sự có mặt của dịch chiết Dung dịch DPPH trong metanol có nồng độ ban đầu là 0,2 mmol L-1 được chuẩn bị và ủ trong bóng tối trong 2 giờ ở nhiệt độ phòng Dung dịch DPPH mới được chuẩn bị cho từng xét nghiệm Sau đó, trộn dung dịch DPPH (100àL) với mẫu (50àL) Độ hấp thụ được đo bằng phép đo quang phổ ở bước sóng 517nm sau 30 phút ủ ở nhiệt độ phòng.
Ta lập giả thuyết: “Hoạt tính chống oxy hóa theo thí nghiệm DPPH/IC50 có trong lá đu đủ theo các phương pháp sấy có sự khác nhau” Khi đó ta có mô hình kiểm định giả thuyết trên với giả thuyết đảo là:
Từ giả thuyết và theo dữ liệu bài báo nhóm chúng em đã mô phỏng lại bộ dữ liệu bao gồm 20 cỡ mẫu đối với mỗi loại phương pháp sấy như trên:
Bảng 3 Bảng số liệu mô phỏng hoạt tính chống oxy hóa DPPH/IC50 có trong lá đu đủ theo các phương pháp sấy khác nhau
ST T FD HD6 HD7 HD8 SD 1 215
Vẽ biểu đồ histogram và boxplot cho bộ dữ liệu mô phỏng:
Hình 5 Biểu đồ histogram của hoạt tính chống oxy hóa DPPH/IC50 có trong lá đu đủ theo các phương pháp sấy khác nhau
Hình 6 Biểu đồ boxplot của hoạt tính chống oxy hóaDPPH/IC50 có trong lá đu đủ theo các phương pháp sấy khác nhau
Xử lý số liệu mô phỏng
Hàm lượng polyphenol tổng số có trong lá đu đủ khô từ các phương pháp sấy khác nhau
Bảng 4 Các giá trị tại tâm của hàm lượng polyphenol có trong lá đu đủ theo các phương pháp sấy khác nhau
FD HD6 HD7 HD8 SD
Bảng 5 Các giá trị phân tán của hàm lượng polyphenol có trong lá đu đủ theo các phương pháp sấy khác nhau
FD HD6 HD7 HD8 SD Độ lệch chuẩn 1,119 3,011 3,359 3,359 2,235
Hình 7 Hàm lượng polyphenol có trong lá đu đủ theo các phương pháp sấy khác nhau
Ghi chú: (a), (b), (c), (d), (e) trên cùng của cột thể hiện sự khác nhau của hàm lượng polyphenol có trong lá đu đủ theo các phương pháp sấy khác nhau và có ý nghĩa thông kê với α = 5%.
Tiến hành xử lý số liệu bằng R-studio ta được p-value group=c(rep(1,20),rep(2,20),rep(3,20),rep(4,20),rep(5,20))
> anova(analysis) Analysis of Variance Table
Response: polyphenol Df Sum Sq Mean Sq F value Pr(>F) group 4 5509314 1377328 181804 < 2.2e-16 ***
Call: lm(formula = polyphenol ~ group)
Estimate Std Error t value Pr(>|t|) (Intercept) 2157.6150 0.6155 3505.68 anova(analysis) Analysis of Variance Table
Response: ABST Df Sum Sq Mean Sq F value Pr(>F) group 4 15944.0 3986.0 3224.7 < 2.2e-16 ***
Call: lm(formula = ABST ~ group)
Estimate Std Error t value Pr(>|t|) (Intercept) 570.7150 0.2486 2295.679 < 2e-16 group2 -3.0000 0.3516 -8.533 2.24e-13 group3 -4.0000 0.3516 -11.377 < 2e-16 group4 -17.0000 0.3516 -48.353 < 2e-16 group5 -34.0000 0.3516 -96.707 < 2e-16
(Intercept) *** group2 *** group3 *** group4 *** group5 ***
Residual standard error: 1.112 on 95 degrees of freedom Multiple R-squared: 0.9927, Adjusted R-squared: 0.9924 F-statistic: 3225 on 4 and 95 DF, p-value: < 2.2e-16
> TukeyHSD(res) Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = ABST ~ group)
$group diff lwr upr p adj2-1 -3 -3.977694 -2.02230601 0.00000003-1 -4 -4.977694 -3.02230601 0.00000004-1 -17 -17.977694 -16.02230601 0.00000005-1 -34 -34.977694 -33.02230601 0.00000003-2 -1 -1.977694 -0.02230601 0.04237834-2 -14 -14.977694 -13.02230601 0.00000005-2 -31 -31.977694 -30.02230601 0.00000004-3 -13 -13.977694 -12.02230601 0.00000005-3 -30 -30.977694 -29.02230601 0.00000005-4 -17 -17.977694 -16.02230601 0.0000000
> #xử lý s liệu theo ANOVA
> DPPH=c(FD,HD6,HD7,HD8,SD)
> group=c(rep(1,20),rep(2,20),rep(3,20),rep(4,20),rep(5,20))
> anova(analysis) Analysis of Variance Table
Response: DPPH Df Sum Sq Mean Sq F value Pr(>F) group 4 1070364 267591 908.71 < 2.2e-16 ***
Call: lm(formula = DPPH ~ group)
Estimate Std Error t value Pr(>|t|) (Intercept) 205.000 3.837 53.425 < 2e-16 *** group2 43.000 5.427 7.924 4.35e-12 *** group3 47.500 5.427 8.753 7.61e-14 *** group4 58.000 5.427 10.688 < 2e-16 *** group5 291.000 5.427 53.625 < 2e-16 ***
Residual standard error: 17.16 on 95 degrees of freedom Multiple R-squared: 0.9745, Adjusted R-squared: 0.9735 F-statistic: 908.7 on 4 and 95 DF, p-value: < 2.2e-16
> TukeyHSD(res) Tukey multiple comparisons of means 95% family-wise confidence level
Fit: aov(formula = DPPH ~ group)
$group diff lwr upr p adj2-1 43.0 27.90951892 58.09048 0.00000003-1 47.5 32.40951892 62.59048 0.00000004-1 58.0 42.90951892 73.09048 0.00000005-1 291.0 275.90951892 306.09048 0.00000003-2 4.5 -10.59048108 19.59048 0.92091694-2 15.0 -0.09048108 30.09048 0.05218845-2 248.0 232.90951892 263.09048 0.00000004-3 10.5 -4.59048108 25.59048 0.30626385-3 243.5 228.40951892 258.59048 0.00000005-4 233.0 217.90951892 248.09048 0.0000000
