Hallo. Ich bin sowohl in der JMP Genomics- als auch in der RNA-Seq-Datenanalyse neu. Es scheint, dass JMP Genomics 10 ANOVA als Mittel zur Bestimmung der differentiellen Genexpressionsdaten implementiert. Diese überwiegende Mehrheit der RNA-Seq-Genexpressionsstudien verwendet jedoch deseq2 oder ähnliche R-Pakete. Hat jemand einen Vergleich (oder einen veröffentlichten Bericht) durchgeführt, in dem die beiden Methoden verglichen wurden? Was sind die Vor- und Nachteile?
Nachverfolgen ... Gibt es eine Möglichkeit, deseq2 in JMP Genomics zu implementieren?
Hallo @ LouisAltamura ,
Mir ist nicht bekannt, dass jemand den Unterschied veröffentlicht. Ich kann Ihnen sagen, dass ANOVA in JMP G mehrere Faktoren, Wechselwirkungen, Verschachtelungs- und Zufallsfaktoren sowie Basiskovariaten als Vorläufer für die differentielle Expression behandeln kann. Etwas, das Deseq2 nicht gut oder ohne viel Arbeit machen kann. Auch ist die interaktive Natur der Ausgänge.
Sie sind in den Ergebnissen gleichwertig, wenn ähnliche grundlegende experimentelle Designs betrachtet werden. Beide verwenden entweder ein negatives Binom für Zählungen oder log2 für die Transformation von Daten (Varianzstabilisierung).Beide können mehrere Testkorrekturmethoden wie Benjamini-Hochberg FDR-Korrekturen durchführen. Es kann einige Abweichungen bei einigen Optionen geben, aber sie sind subtil von dem, was ich in Bezug auf die Ergebnisse sagen kann.
Größter Unterschied: Codierung vs. Point and Click-Oberfläche
Ein weiterer verwandter Unterschied: Frei wahrgenommen (benötigt aber Zeit und Geld, um zu codieren) im Vergleich zu den Kosten für den Kauf von Software (aber keine Codierung erforderlich)
Da JMP Genomics auf JMP basiert, kann eine einfache Verbindung zu einer lokalen Kopie von R hergestellt und JSL geschrieben werden, um die Verbindung herzustellen, Deseq2 aufzurufen und die Ergebnisse für interaktive Visualisierungen an JMP G / JMP zurückzugeben. Stellen Sie sogar benutzerdefinierte Schnittstellen für Nicht-Codierer bereit. Für solche Situationen haben wir in Expression / Genetics Add-Ins erstellt ( QuasR-Ausrichtung , Einbetten , Genomische Bayes'sche Regression , und Outcross Linkage Maps ) und prädiktive Modellierung ( XGBoost ) in JMP Pro / JMP Genomics entweder eine Verbindung zu R oder Python herstellen.
