Collègues,
Imaginez que je dispose de données RNAseq sous la forme d'un nombre de lectures mesurées dans 2 environnements, avec 3 répliques chacun, dans une seule expérience de séquençage. Comme ça:
Env lit
A 9
Un 10
A 11
B 4
B 5
B 6
Bien sûr, je peux traiter chaque nombre de lectures comme une variable indépendante et le faire au test et j'aurai une très faible puissance. Au lieu de cela, je veux pouvoir traiter chaque lecture comme une observation, puis remarquer que dans un seul effort de séquençage donné, j'ai obtenu 15 lectures dans des échantillons de l'environnement B, mais 30 lectures dans des échantillons de l'environnement A. Il est très peu probable que cela soit observé par hasard et ma capacité à détecter les différences entre les environnements A et B est beaucoup plus élevée et augmentera avec l'effort de séquençage, contrairement à celle d'un test t. (Dans une expérience RAseq typique, le nombre de lectures est beaucoup plus élevé, pour certains gènes souvent en centaines par échantillon; une différence de comptage double sera très significative).
Je veux pouvoir faire ce test de contingence avec un modèle plus complexe, peut-être avec 3 variables indépendantes différentes (et répliquer comme un effet de bloc).
La solution simple est alors la suivante: je crée une variable catégorielle supplémentaire, appelons-la "Modèle" avec les valeurs observées et attendues, avec "observé" correspondant aux lignes ci-dessus et "attendu" en nombre égal de lignes, mais avec la colonne: lectures contenant le nombre attendu si aucun effet n'est significatif, c'est-à-dire, dans ce cas, le nombre moyen de lectures (en supposant un effort égal dans chaque réplique).
Et puis exécutez ceci:
Modèle d'ajustement (Fréq (: lit), Y (: Modèle), Effets (: Env,: rep), Personnalité (Logistique nominale), Exécution (Tests de rapport de vraisemblance (1), Tests de Wald (0)))
... ou ceci (qui me donne des résultats identiques, je ne comprends pas très bien pourquoi, mais j'en suis content):
Fit Model (Freq (: reads), Y (: Model), Effects (: Env,: rep), Personality (Generalized Linear Model), GLM Distribution (Binomial), Link Function (Logit), Overdispersion Tests and Intervals (0) , Nom ("Estimations ajustées du biais de Firth") (0), Exécution)
Est-ce que je fais quelque chose de ridiculement mal ou est-ce que cela a du sens en tant que test valide?
Si cela a du sens, y a-t-il peut-être un moyen d'atteindre la même chose sans avoir besoin de créer des lignes supplémentaires avec les décomptes attendus?
Merci d'avance!!
L. Yampolsky
salut @l_yampolsky ,
Pour être clair, pour chaque environnement, vous disposez de trois échantillons (réplicats). Mais au lieu de combiner les réplicats pour chaque environnement et de faire une analyse de type test t, vous souhaitez traiter chaque échantillon comme si le nombre représentait le nombre d'observations de ce transcrit particulier (transcription A) dans la population de transcrits de cet échantillon. L'échantillon suivant de ce même environnement revient à dessiner un nouvel ensemble d'observations à partir de la même population de transcrits et à observer combien sont du même transcrit A. Ai-je bien compris ?
Question : chaque échantillon provient-il du même individu (c'est-à-dire un échantillon de la population de cellules au sein de cet individu, donc des répétitions techniques) ou sont-ils issus d'individus différents dans le même environnement (c'est-à-dire un échantillon de chaque individu et représentant ainsi un échantillon de populations différentes des cellules qui ont connu le même environnement) ?
Si les échantillons proviennent d'individus différents, je ne pense pas que ce soit une approche valable. Les comptes sont la réponse à certains changements dans l'environnement. C'est comme compter le nombre de photons d'une longueur d'onde particulière provenant d'une source lumineuse dans un environnement de test, puis le mettre en commun avec le nombre de photons de la même longueur d'onde provenant d'un autre appareil, mais différent, d'une source lumineuse similaire et également dans le même environnement. . Ce ne sont pas la même source lumineuse (ou dispositif), mais des représentants d'une même source lumineuse et doivent être traités indépendamment les uns des autres. Cela représenterait la variabilité d'un appareil à l'autre et doit être suivi séparément car chaque appareil n'est pas une copie exacte de l'autre. S'ils l'étaient, alors plusieurs dispositifs ne seraient pas nécessaires pour le test puisque tous les photons proviendraient d'une seule source et chaque échantillon serait un échantillon représentatif de cette source.
RNAseq est similaire en ce qu'il s'agit d'un effort de quantification de l'entité, ou de l'abondance d'un transcrit, dans un échantillon. L'échantillon suivant n'est généralement pas un échantillon de la même population source. Il s'agit généralement d'un échantillon provenant d'un individu différent et doit donc être traité de cette façon. Variabilité individuelle à individuelle. Même les échantillons du même tissu du même individu présentent une variabilité (cellules dans différents états de division, stratification de la fonctionnalité, etc.) et ne doivent pas être regroupés comme s'ils provenaient de la même population de cellules.
En fin de compte, tout dépend vraiment de la question scientifique posée et de la conception expérimentale utilisée pour découvrir la réponse à cette question. Vous pourrez peut-être les mettre en commun et faire ce que vous voulez ou peut-être pas. Ça dépend....
Les réplicats proviennent d'individus différents ; répliques biologiques. Et vous avez tout à fait raison, les mettre en commun ne serait pas une bonne idée. Cependant, je peux inclure la réplication en tant que variable indépendante aléatoire dans mon modèle, imbriquée dans des traitements environnementaux, traitant essentiellement cette conception comme une conception en bloc - la même expérience répétée 3 fois.
Je m'inquiète davantage de l'approche générale - créer des observations factices avec des "comptes" attendus sous hypothèse nulle (c'est-à-dire des nombres égaux de lectures partout) et utiliser un tableau de contingence/un modèle logistique nominal pour voir si les nombres réels diffèrent.
Je vais, comme un autre utilisateur l'a suggéré, poster un exemple avec les données réelles.
