כיצד להשתמש במיין כדי להגביר את ניתוח הנתונים במחקר מדעי

סוג של כלי יסוד בניתוח נתונים מדעי

במחקר מדעי, היכולת להפיק תובנות משמעותיות מהנתונים הגולמיים תלויה במידה רבה בשאלה כיצד הנתונים מאורגנים.מיין – החל נתונים בסדר שנקבע – היא אחת הטכניקות הבסיסיות ביותר אך לעתים קרובות פחות ממוסכנות בערכת הכלים האנליטית של חוקר. רחוק יותר ממשימה פשוטה של משק בית, מיון משמש שער לזיהוי, גילויים יעילים, חישוביים, וחידושים של תכנון עבודה.

תחומים מדעיים מודרניים - מ-genomics וקלימטולוגיה ועד ניסויים קליניים ופיסיקה חלקיקים - הגמדים כמויות עצומות של נתונים מדי יום. A 2023 דו"ח העריכו כי התפוקה המדעית של העולם עולה על 2.5 exabytes מדי שנה, ונתון זה ממשיך לגדול.ללא מיון, איתור ערך קיצוני, זיהוי מגמות זמניות, או סטטיסטיקות כגון מדיה הופך להיות בלתי פוסקים של זמן, מחפש שיטות מחקר, מחפשות, מחפשות, הוראות מחקר, שיטות מחקר.

התפקיד של מיון בזרימות עבודה מדעיות

מיון הוא לעתים רחוקות נקודת מוצא בפני עצמו; במקום זאת, זהו צעד מקדים המגביר את יעילות הניתוחים הבאים.כאשר נתונים ממיין, העין האנושית יכולה לזהות במהירות קיצוניות ואנומליות, ותהליכים אלגוריתמיים כגון חיפוש בינארי, מיזוג פעולות, חישובים סטטיסטיים רבים הופכים לפקודות של סדרי גודל יעילים יותר.

• (ב) ,0) אספקת מידע ותיקון (ה): מיון מגלה ערכים כפולים, ערכים חסרים וערכים בלתי אפשריים, אשר מקבץ בקצה התפוצה.
• (ה)הניתוח של ה-FLT:0) Exploratory analysis (FLT:1): מחקרים השוואתיים הופכים אינטואיטיביים כאשר מדידות הקבוצה הניסויית והשליטה מאופיינות זה לצד זה.
• (FLT:0) rigorFLT:1 ; סטטיסטיקות סדר (מינימום, מקסימום, אמצעי, quartiles) תלוי ישירות במערךים מדומים והם יסוד למבחנים לא-פרמטריים.
• (FLT:0) ReproducibilityFLT:1: פרוטוקול מיון מתועדו מבטיח שכל אנליסט יכול לתקן מחדש את תחילת הנתונים באופן זהה, צמצום יכולת הסובייקטיבית.

למרות הפשטות שלה, הבחירה של איך ומתי למיין את התוצאות המחקר.לדוגמה, מיון נתוני עת ללא שמירה על רצף זמני יכול להרוס את הדפוסים ש נחקרו.

שיטות מיון ורלוונטיות מדעית

פקודות פשוטות: עלייה, נפילה, ואלפביתיות

ההוראות הנפוצות ביותר בסינון מחקרים עולה (נמוכות לגבוהים ביותר) וירידה (גבוהה לנמוך ביותר) אלה מוחלים על משתנים מתמשכים כגון מדידות pH, רמות ביטוי גנים, או שיעורי תגובה. אלפביתי חל על משתנים קטגוריאליים - קודים מעבדים, דגימות זהות או שמות טיפול - והוא שימושי במיוחד כאשר ממזג נתונים ממקורות מרובים.

במחקר קליני השוואת יעילות סמים, מיון לחץ דם המטופל בצו יורד מדגיש מיד את אלה בסיכון קרדיווסקולרי הגבוה ביותר.

Custom and Multi-Criteria מיון

נתונים אמיתיים לעתים קרובות דורשים מיון של יותר מתכונה אחת.התאמה אישית מאפשר לחוקרים להגדיר הזמנה מועדפת לנתונים קאוליאורטיים (למשל, מיון חומרת המחלה כ"severe > מתון > מתון וגיל"; מתון "עד אלפביתי" ולא אלפביתי) Multi-criteria מיון (נקרא גם היררכיה היררכית) חל על כללים מוצלחים: ראשית על ידי מפתח, אז ברמה נמוכה, לאחר מכן, לדוגמה, אם כן, אם כן, ניתן לחשיפה גבוהה של נתונים).

בספריית פייתון (FLT:0) של Python, זה מושג עם (FLT:1) ב- SQL, FLT:2 (שליטה גריפיתית זו היא הכרחית בעת בחינת מערכות יחסים של אחריות על מינון או מגמות ארוכות טווח.

תצלום: Behind the Scenes

בעוד שרוב החוקרים לעולם לא ליישם אלגוריתמים מדומים ישירות, הבנת המאפיינים שלהם ביצועים חשובים כאשר עובדים עם אלגוריתמים גדולים.

• (FLT:0) QuickcksortsortsortFLT:1 - ממוצע O(n log n) מורכבות זמן, לעתים קרובות ברירת המחדל בסביבות תכנות רבות כגון R ו- Python.
• (FLT:0)MergesortFLT:1 - יציבה (הסדר המקורי של אלמנטים שווים) ו- O(n log n) מובטחת, בשימוש בשפות כמו Java עבור מחיקה.
• (ב) [15] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

עבור נתונים העולה על עשרות מיליוני שורות, בחירת האלגוריתם משפיעה על השימוש בריצה וזיכרון.מדענים עובדים עם פלטפורמות נתונים גדולות כמו Apache Spark או מופץ מסדי נתונים צריך להיות מודע לכך שפעולות מסוג זה יכולות להפוך לצוואר בקבוקונים.

המונחים: Tools and Techniques

תוכנת הפצה (Excel, Google Sheets)

למחקר בקנה מידה קטן או חקירה מהירה, גליונות התפשטות נשארים בכל מקום.מיין ב- Excel הפך חזק יותר עם תכונות כמו רשימות מותאמות אישית ומגוון רב-דרגי.עם זאת, זהירות נדרשת: סוגים בודדים ללא נעילת הבחירה יכולים להפריש שורות לא-טעות, משחיתת את ה-Dataset. Best Practice היא לבחור את טווח הנתונים כולו לפני מיון או שימוש ב-"Sort" של Excel" עם הסימון הראשי" של ה-" של ה-"מבדק" יש לי.

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

1. בחר כל תא בתוך הנתונים.
2. (ב) ויקרא י"א: "ה' ויקרא י"א ויקרא י"ד ויקרא י"ד ).
3. הוסף רמות על ידי לחיצה על "Add Level" כדי להגדיר ראשוני, משני וכו ', מפתחות.
4. בחר הזמנה: A to Z (כהמשך), Z ל-A (הופנה מהדף), או רשימת מותאמות אישית.
5. לחץ על OK ולוודא שכל השורות נותרו שלמות.

Google Sheets מציעה פונקציונליות דומה עם היתרון הנוסף של שיתוף פעולה בענן, אבל הביצועים הממיין שלה מתפוגגת עם ספירות שורות מעל 100,000.

Python (pandas)

פייתון, דרך ספריית הפנדות, היא הסביבה של בחירה עבור מדענים רבים של נתונים וחוקרים בתחומים כגון ביונופורמטיקה ואקוננומטריים.המס הוא אינטואיטיבי:

import pandas as pd
df = pd.read_csv('experiment_data.csv')
df_sorted = df.sort_values(by='response_time', ascending=False)

פנדה תומכת גם במינוי אינדקס (ראה FLT:6), על ידי עמודים מרובים עם פקודות שונות, ועל ידי מערך חיצוני. עבור נתונים גדולים מאוד כי עולה זיכרון, פנדות יכול למיין חלקים בשילוב עם FLT 7 או להשתמש Dask עבור ביצוע במקביל. למד עוד על פנדות מיון יכולות ב FLT:0 moto רשמי תיעודFLT 1:1 ).

R (Dplyr)

ב-R, חבילת ה- R, ®FLT:8 מספקת את תצורת הנתונים למיין מסגרות.המפעיל של הצינור (% >%) מאפשר זרימת עבודה לקריאה:

library(dplyr)
data_sorted <- data %>%
 arrange(desc(temperature), time_point)

הוא מציע גם את ה-FLT:11 ו-FLT:12 עבור וקטורים אטומיים, תמיכה בטיעון FLT:13 כדי להציב ערכים חסרים בסוף - תכונה חיונית בעת טיפול בנתונים לא שלמים.

SQL

נתונים רבים של מחקר שוכנים במאגרי מידע יחסיים.סעיף 14 לחוק הוא syntax סטנדרטי של SQL, ורוב המנועים (PostgreSQL, MySQL, SQLite) ליישם עיבוד יעיל באמצעות אינדקס B-tree. עבור טבלאות גדולות, יצירת אינדקס על העמודה יכול להאיץ באופן דרמטי את שאילתות:

CREATE INDEX idx_exposure ON measurements (exposure_level DESC);
SELECT * FROM measurements ORDER BY exposure_level DESC;

הבנת תוכנית השאילתה והשימוש באינדקס מסייע לצוותי המחקר להימנע סריקות בעלות ערך יקר, ראה (FLT:0PostgreSQL Order By Record FLT:1 forפרטים על טיפול ב- Locale-aware ו- NULL.

תוכנה מדעית מיוחדת

תוכנה כמו MATLAB, GraphPad Prism, ו SPSS כוללים פונקציות ממיין. MATLAB's FLT:16 יכול לפעול לאורך כל ממד וחוזרים כתבי אישום (ראה FLT:17), אשר שימושי עבור בדיקות מוטציות ומגפיים resampling.phPad Prism באופן אוטומטי נתונים ב כמה ניתוחים (למשל, דירוג לא ניתוחי) אבל מאפשר בדיקות ידניות.

יישומים מדעיים של מיון

Genomics ו- Bioinformatics

ב-genomics, מיון הוא יסודי בשתי רמות: (i) מיון רצפים גנטיים על ידי מיקום כרומוזום כדי לאפשר אסיפה יעילה והיערכות, ו (ii) מיון ערכי ביטוי לזהות גנים שונים ביטאו באופן שונה, כגון (FLT 18) תהליך BAM קבצים המכילים מיליוני קוראים; מיון על ידי לתאם הוא תנאי מוקדם לקריאה עם GATK באופן דומה, בניתוח RNA-q, מסייע לסינון נמוך יותר לסינון מוקדם יותר ל-מסנן מוקדם יותר ל- פילטר מוקדם יותר.

מחקר:0Case Study:FLT:1 A מחקר חוקר את ההשפעות CRISPR מחוץ ל-target השתמש מיון כדי לדרג תדרי עריכת מחוץ ל-target ו- off-target RNAs מרובים מדריך.על ידי מיון תוצאות על ידי ציון מחוץ ל-target בסדר יורד, הצוות זיהה במהירות אשר מדריכים נדרשים אימות ספציפי נוסף.

אקלים ומדע סביבתי

מודלים אקלים מייצרים קטבים של נתונים של זמן-סדרה המאופיינים על ידי תאריכים וקואורדינטות גיאוגרפיות.מיין על ידי טמפרטורה אנומליה (העומדים) ב-Dataset חושף את אירועי ההתחממות הקיצוניים ביותר, תמיכה במחקרים על ידי כמות המשקעים (כמתקפה) מזהה תקופות בצורת עבור יבול מודל.

Example: The NOAA National Centers for Environmental Information provides daily climate summaries that researchers often import into pandas. Sorting by station ID and then by date in chronological order is a necessary first step before computing running means or seasonal decompositions. Failure to sort correctly can introduce lag effects that distort trend analysis.

ניסויים קליניים ואפילולוגיה

במחקר קליני, נתוני המטופל ממיין לעתים קרובות על ידי זרוע טיפול, ולאחר מכן על ידי חומרת תוצאות, אז על ידי זמן לאירוע.זה הופך את זה פשוט לזהות את החריגים - כגון מטופל עם עלייה משמעותית באופן בלתי צפוי בלחץ הדם יחסית לקבוצה - ולבצע ניתוח הישרדות קפלן-מייר, הדורש זמני אירוע.

(ב) כאשר ממיין מזהה מטופל, החוקרים חייבים להיות זהירים לשמור על פרטיות.למיין מידע המאפשר זיהוי אישי (PII) יש להימנע; במקום זאת, להשתמש בקודים מטופלים מזוהים.

פיזיקה והנדסה

ניסויים בפיסיקה בקנה מידה גדול, כגון אלה של CERN גדול קולדר, אירועים התנגשות חלקיקים על ידי אנרגיה, מומנטום, או זמן טיסה. מיון עוזר לבודד אירועים נדירים - כמו Higgs boson מועמדים - מרעש רקע. בהנדסה, מיון זמני כישלונות בבדיקת אמינות מאפשר חישוב של סטטיסטיקות Weibull, דרגות מדיה, וסיכון.

יתרונות של מיון שיטתי

יישום שיטות מיון מכוון מניב יתרונות מוחשיים בניתוח נתונים מדעי:

• (FLT:0) סקירת נתונים של FLT:1: סוג של נתונים מאפשר חוקר לסרוק את הערכים הקיצוניים ביותר, שגיאות תעתיק פוטנציאליות, או דפוסים בלתי צפויים בתוך שניות.
• (FLT:0) הבהירות המודגשת בדמיון של ויזואליזציה 1: מיון נתונים לפני מזימה (למשל, הזמנת ברים בגובה בתרשים בר) מייצרת גרפיקה תקשורתית יותר. תהליכי המוח האנושי הורו מידע חזותי מהר ומדויק יותר.
• (FLT:0) חישובים סטטיסטיים מחוסנים 1FLT: פונקציות סטטיסטיות רבות מסתמכות על סדר ממונן.התקשורת, אחוזות, טווח בין-החלל, ומבחנים המבוססים על דירוג (Mann-Whitney U, Croskal-Wallis) מחייבות נתונים להיות מתואמים על ידי המשתנים של העניין.
• (FLT:0) שיפור ביצועים אלגוריתמיים של אלגוריתם 1FLT: נתונים מדומים מאפשרים אלגוריתמי חיפוש בינאריים לרוץ בזמן O(log n) במקום O(n) לחיפוש ליניארי.זה קריטי כאשר שוב ושוב שאילתת נתונים גדולים לסף (למשל, "מצא את כל הגנים מעל רמת ביטוי 5").
• (ב) ,0) ,המידע על היתוך 1: העלאת שני נתונים דורשת מהם לעתים קרובות להיות מכוונן על מפתח ההצטרפות כדי לאפשר מיזוג יעיל (פגישת מין) זה סטנדרטי בפעולות מסד נתונים ובפנדות (FLT:19 כאשר FLT:20).

ההליכים הטובים ביותר והמלכודות הנפוצות

ערכים חסרים

נתונים חסרים הם כלולים במחקר מדעי.אלגוריתמים ממיין עשויים להציב ערכים חסרים בהתחלה או בסופו של דבר בהתאם לכלי.בפנדות פייתון, FLT:21 יש פרמטר 22:22 ('ראשון' או 'אחרונה') ב R,FLT:23 מקומות NAs בסוף כברירת מחדל, בעוד ש-FLT 24 מציעה את פרמטר LTF:25 או 'לפני') ב- R, אם יש צורך להסיר את המסמכים האלה, או להסיר אותם, אם יש צורך לבצע בדיקה ספציפית, אם יש צורך לבצע, או להסיר אותם, אם יש צורך לבצע את המסמכים, או למנוע אותם, או למנוע אותם, אם יש צורך למנוע את הפרוטוקול, אם יש צורך לבצע בדיקה מסוימת, אם יש צורך לבצע בדיקה, אם יש צורך לבצע את המסמכים, אם יש צורך לבצע בדיקה מסוימת, או למנוע אותם מראש, אם יש צורך לבצע את המסמכים, אם יש צורך לבצע בדיקה, אם יש צורך לבצע, אם יש צורך לבצע בדיקה מסוימת, אם יש צורך לבצע בדיקה מסוימת, אם יש צורך לבצע בדיקה מסוימת, אם יש צורך לבצע בדיקה מסוימת, אם יש צורך לבצע, אם יש צורך לבצע, אם יש צורך לבצע בדיקה מסוימת, אם יש צורך לבצע, אם יש צורך לבצע בדיקה מסוימת, אם יש צורך לבצע בדיקה מסוימת, אם יש צורך לבטל את זה

יכולת של מיון

סוג יציב משמר את הסדר המקורי של רשומות עם מפתחות שווים.הישויות כאשר ממיין מפתח משני לאחר סוג ראשוני.לדוגמה, אם בדיקת נתונים ממיין לראשונה על ידי קבוצת טיפול ולאחר מכן על ידי ערך תגובה, סוג יציב על ערך תגובה יהיה לשמור על הקבוצה הסדר בתוך הקשרים.רוב סביבות התכנות המדעיות חדלות-ה לשמש לסוג יציב (pandasFLT הוא יציב, RsFLT הוא יציב, כנראה אם הוא בלתי-אפשרי לכאורה לייצר רצף).

זיכרון ושיקולי ביצועים

במינוי של קידוד נתונים העולה על ה- RAM זמין יכול לגרום החלפת מערכת או כשלון גלוי.עבור נתונים גדולים מאוד, החוקרים צריכים לשקול אלגוריתמים מדומים, או מסגרות מבוזרות כמו Apache. in Python, הפונקציה FPLT:29 משתמשת במהירות על ידי ברירת מחדל (במקום) ויכולה למיין כמה מאות מיליוני צפים על עבודות טיפוסיות אם אישורי זיכרון תמיד משתמשים בתבניות ייצוגיות על מנת להפעיל נתונים מלאים.

שמירה על אינטגרity

בעת מיון נתוני גליון מבוזר, הטעות הנפוצה ביותר היא בחירת עמודה אחת במקום כל טווח הנתונים.זה עיוות שורות ובאופן בלתי הפיך משחית את תחילת הנתונים.תמיד להשתמש בשיח "סוטר" עם טווח שנבחר, או טוב יותר, לעבוד עם פורמטים מובנים (VCS, מסדי נתונים) שבו פעולות מיון הן מפורשות וניתן לשלוט עליהן (למשל, לנטרול מידע, להתאמה) עבור קוד, ל-Gyt.

מעבר להגדרה בסיסית: סטטיסטיקות סדר ודירוג

לאחר שהנתונים ממוזנים, החוקרים יכולים למקם נתונים סטטיסטיים - אבני הבניין של ההיקף הסטטיסטי חזק.מינימום והמקסימום הם טריוויאליים.המדן (ערך האמצעי) הוא מדד חזק של נטייה מרכזית שמתנגדת לערים. Quartiles, deless, ו- %iles מחבקים את הנתונים המנוונים לקבוצות קידודות שוות ערך, ויוצרים את הבסיס למזימה ולקמתונות קוונטיים.

דירוג קשור הדוק: הקצאת כל תצפית דרגה (1 עבור הקטנה ביותר, n עבור הגדולה ביותר) מאפשרת בדיקות לא-פרמטריות אשר לא לעשות הנחות על הפצה הבסיסית. בניסויים קליניים, מבחן Wilcoxon מדורג משווה שתי קבוצות על ידי השוואת סכום הדירוג.

כלים כמו FLT:30 (Python) ו-FLT:31 (R) מטפלים בקשרים בממוצע, מינוס, מקס, או שוברים קשרים באופן שרירותי.

מסקנה

מיון נשאר אחת הטכניקות הפשוטות ביותר אך החזקות בארסנל של החוקר המדעי.כאשר הוא מיושם בחשיבה, הוא מפשט את סקירת הנתונים, מאפשר חישוב יעיל, תומך בהקצאה סטטיסטית חזקה, ומקדמת התחדשות.המפתח הוא לבחור את השיטה המתאימה ואת הכלי עבור גודלו של סט הנתונים, מבנה ומטרות אנליטיות.

כדי להעמיק את ההבנה של אלגוריתמים וביצועיהם, להתייעץ עם FLT:0) משאב מקיף זה על מחיקת אלגוריתמים אלגוריתמים FLT:1 (למדריך מעשי על יישום Python עבור מחשוב מדעי, ה-FLT:2NumPy תיעוד על מיון אלגוריתמים של סימולציהFLT:3 מספק דוגמאות מפורטות.