Analysing bacterial data obtained with phenotype microarrays

In this thesis the main idea is analyse bacterial data obtained with specific technology called phenotype microarrays. The goal is to implement statistical methods and model cell respiration over period of 48 hours. The data are a bacterium called yersinia enterocolitica, which is a pathogen mainly carried by animals. Data was originally published in a scientific journal called Proceedings of the National Acedemy of Sciences of the United States of America and a small part of strain was chosen for thesis. Data consists about 110 000 rows of observations and it is divided to two experimental setups that are tested in two different temperatures. Data analysis consists three steps: cluster analysis, data normalization and comparing experimental setups. Statistical methods used are k-means clustering, Michaelis-Menten kinetics for growth curves, linear mixed effects models, restricted maximum likelihood estimation, random walk Metropolis-Hastings algorithm and highest posterior density intervals. Main results are there is a recognizable cluster for substrates implying grow and there are no differences between experimental setups. In conclusion statistical methods used in thesis are satisfactory for modelling data and while there are noticeable clusters, there lies no differences between experimental setups. In further analyses it should be better to include more experimental setups in one analysis.Pääidea tässä tutkielmassa on analysoida bakteeridataa, joka on saatu spesifistä teknologiasta nimeltä fenotyyppi mikrosirut.Tavoitteena on soveltaa tilastollisia menetelmiä ja mallintaa soluhengitystä 48 tunnin ajalta. Data on bakteeri nimeltään Yersinia enterocolitica, joka on taudinaiheuttaja, jota eläimet pääasiassa kantavat. Data oli alunperin julkaistu tieteellisessä julkaisussa nimeltään Proceedings of the National Academy of Sciences of the United States of America ja pieni osa kannasta oli valittu tutkielmaa varten. Data koostuu noin 110 000 rivistä tietoja havaintoja ja se on jaettu kahteen kokeelliseen asetelmaan, jotka testataan kahdessa eri lämpötilassa. Tiedot analysoidaan kolmessa vaiheessa: klusterianalyysillä, datan normalisoinnilla ja vertaamalla kokeellisia asetelmia toisiinsa. Menetelmät ovat k:n keskiarvon klusterointi, Michaelis-Menten kinetiikan kasvukäyrät, lineaarinen sekamalli, rajoitettu suurimman uskottavuuden estimointi, Metropolis-Hastings-algoritmi ja suurimman posteoritodennäköisyyden luottamusväli. Päätulokset ovat, että on selkeästi klusterit jossa kasvualustat implikoivat kasvua ja ettei kokeellisilla asetelmilla ole eroja. Johtopäätöksinä voidaan sanoa, että tutkielmassa käytetyt tilastolliset menetelmät ovat toimivia ja vaikka klusterit erottuvat selkeästi, niin kokeellisilla asetelmilla ei ole eroa. Jatkotutkimuksissa olisi suotavaa sisältää enemmän kokeellisia asetelmia yhdessä analyysissä