top of page
Collections

Colección de colonias y muestras de coral

Contadora%2520Coral_August15_JPEGS%2520(

I'm a paragraph. Click here to add your own text and edit me. It's easy.

Extracciones de ADN y ARN

DNA

In the Reef Futures Lab we use a DNA extraction protocol developed to optimize extraction of the Symbiodiniaceae algae. However, this protocol is time consuming. 

Extractions

Fisiología coralina

Physiology
Screenshot from 2020-05-24 19-57-53.png

 

  • Extracción de tejido coralino

​

  • Clorofila-a

​

  • Estimación de la densidad área de Symbiodiniaceae (microscopía)

​

  • Tasas de calcificación utilizando la técnica de peso flotante

​

  • Estimación total de lípidos

Análisis de datos

R_data.png

Actualmente utilizo R y paquetes de R para la mayoría de mis análisis de datos, sin embargo, durante mi pregrado utilicé programas privativos para el análisis estadístico. Aprender a usar estos programas no fue tan difícil, pero replicar los análisis se volvió complejo después de cambiar de computadora o perder el acceso a las licencias de software (que eran bastante caras para un estudiante); además, usar programas propietarios se hizo muy complicado al cambiar mi sistema operativo a una distribución GNU/Linux que estaba más de acuerdo con mi filosofía.

​

Finalmente decidí dejar mis temores a un lado y comencé a usar R en mi primer año de doctorado. Sí, me tomó más tiempo aprender a usarlo, pero ya no lo cambio por nada. R tiene miles de paquetes ... ¡las opciones son casi ilimitadas!

R facilita la tarea de hacer ciencia reproducible y abierta. Es gratis, se ejecuta en LINUX, Windows y MacOS, y si eres bueno manteniendo scripts bien documentados y organizados, cualquiera podría reproducir y validar tus análisis. Personalmente me gusta el combo R (para estadísticas y gráficos), Markdown (para documentación del código ), git (para control de versiones) y GitHub (para alojamiento/intercambio/colaboración).

 

Aprender a usar R y sus paquetes fue más fácil cuando realicé mis propios análisis. Sugiero familiarizarse con los conceptos básicos y luego comenzar su propio trabajo, incluso si parece complicado.

​

Aquí hay algunos enlaces y materiales útiles para comenzar:

Rlogo.png
github-logo.png
Markdown

​

 

 

Este es un ejemplo de análisis de datos en el que integré estas herramientas para hacer que el proyecto fuera abierto y reproducible:

 

Protocolos

  • Protocolos.io : una plataforma segura para desarrollar y compartir métodos reproducibles

Acceso a artículos

  • Unpaywall (base de datos y extensión del navegador): enlaces a artículos de texto completo de fuentes de acceso abierto. El contenido se obtiene de fuentes legales, incluids repositorios administrados por universidades, gobiernos y sociedades académicas, así como contenido abierto alojado por editores.

 

  • OpenAccessButton:  extensión del navegador que encuentra artículos de manera legal, gratuitos y de texto completo en repositorios agregados en el mundo, artículos híbridos, revistas de acceso abierto y páginas personales de los autores.

Ciencia abierta

Data

© 2020 by Ana M. Palacio-Castro

bottom of page