Ciao. Sono nuovo sia per JMP Genomics che per l'analisi dei dati RNA-Seq. Sembra che JMP Genomics 10 implementa ANOVA come mezzo per determinare i dati di espressione genica differenziale. Tuttavia, la stragrande maggioranza degli studi sull'espressione genica dell'RNA-Seq utilizza deseq2 o pacchetti R simili. Qualcuno ha fatto un confronto (o conosce un rapporto pubblicato) confrontando i due metodi? Quali sono i pro e i contro?
Azione supplementare ... Esiste un modo per implementare deseq2 in JMP Genomics?
Ciao @LouisAltamura ,
Non sono a conoscenza di nessuno che pubblichi la differenza. Posso dirti che ANOVA in JMP G può gestire molteplici fattori, interazioni, annidamento e fattori casuali, nonché covariate di base come precursori dell'espressione differenziale. Qualcosa che Deseq2 non può fare bene o senza molto lavoro. Inoltre è la natura interattiva degli output.
Sono equivalenti nei risultati quando si esaminano progetti sperimentali di base simili. Entrambi utilizzano binomiale negativo per i conteggi o log2 per la trasformazione dei dati (stabilizzazione della varianza).Entrambi possono eseguire metodi di correzione di test multipli come le correzioni FDR Benjamini-Hochberg. Potrebbe esserci qualche deviazione con alcune opzioni, ma sono sottili da quello che posso dire per quanto riguarda i risultati.
Differenza più grande: codifica e interfaccia punta e clicca
Un'altra differenza correlata: percepito gratuitamente (ma richiede tempo e quindi denaro per programmare) rispetto al costo di acquisto del software (ma non è necessaria la codifica)
Poiché JMP Genomics è basato su JMP, è possibile connettersi facilmente a una copia locale di R e scrivere JSL per effettuare la connessione, richiamare Deseq2 e restituire i risultati a JMP G / JMP per visualizzazioni interattive. Fornisci anche interfacce personalizzate per i non programmatori. Abbiamo creato componenti aggiuntivi per situazioni come questa in Expression / Genetics ( Allineamento QuasR , Incorporamento , Regressione bayesiana genomica , e Mappe di collegamento Outcross ) e Predictive Modeling ( XGBoost ) in JMP Pro / JMP Genomics connettendosi a R o Python.
