Hola,
Estoy tratando con conjuntos de datos muy grandes en los que hemos realizado muchos estudios diferentes (study_id) donde comparamos varios 'test_article' versus un control (es decir, PBS). Esto se realiza en múltiples réplicas (subject_id). Para cada sujeto_id, en cada uno de esos estudios, estamos realizando mediciones para hasta 50000 tipos diferentes de medición (verduras). El resultado de cada medición se informa como un log2 (de la medición de un sujeto determinado normalizado por la media del grupo de control del mismo estudio, pero la naturaleza de la medición no es tan importante, creo).
En un pequeño conjunto de datos, realizaría una anova de una vía (una por estudio) para cada vegetal para comparar el efecto del tratamiento (test_article) y seguir con un Dunnett. En un dato grande, parece volverse intratable por 2 razones (medición múltiple, por lo que FDR se convierte en un requisito) e incapaz (es decir, no sabe cómo) informar solo el valor p y omitir la fase gráfica (lo que no es práctico para tantas pruebas)
El 'examen de respuesta' parece ser una alternativa ligeramente mejor, pero le falta la opción de definir un grupo de control de referencia, ya que no estoy interesado en saber si el artículo de prueba A es mejor que B, pero solo si alguno de los test_article es diferente del controlar.
Finalmente, me gustaría poder codificar el proceso para la reproducibilidad.
Adjunto un ejemplo de juguete del conjunto de datos.
Cualquier sugerencia sería muy apreciada.
Sebastien
