RNAseqデータの一般化線形モデルまたは名目ロジスティック同僚、
1回のシーケンス実験で2つの環境で測定された読み取りカウントの形式のRNAseqデータがあり、それぞれ3つの複製があるとします。 このような：
Envは読み取ります
A 9
A 10
A 11
B 4
B 5
B 6
もちろん、各読み取りカウントを独立変数として扱い、テストで行うことができ、電力は非常に低くなります。 代わりに、各読み取りを観測として扱い、1回のシーケンス作業で、環境Bからのサンプルで15回の読み取りが得られたが、環境Aからのサンプルでは30回の読み取りが行われたことに気付きたいと思います。 これが偶然に観察される可能性は非常に低く、環境AとBの違いを検出する私の能力は、t検定とは異なり、はるかに高く、シーケンスの努力とともに増加します。 （典型的なRAseq実験では、読み取り数がはるかに多く、一部の遺伝子ではサンプルあたり数百であることがよくあります。2倍のカウント差が非常に重要になります）。
この不測の事態のテストを、おそらく3つの異なる独立変数を使用して、より複雑なモデルで実行できるようにしたいと考えています（ブロック効果として複製します）。
簡単な解決策は次のとおりです。追加のカテゴリ変数を作成し、値がObservedとExpectedの「Model」と呼びます。「Observed」は上の行に対応し、「Expected」は同じ行数ですが、列は次のとおりです。重要な影響がない場合、つまり、この場合は平均読み取りカウント（各レプリケートでの努力が等しいと仮定）の場合、予想されるカウントを含む読み取り。
そして、これを実行します：
Fit Model（Freq（：reads）、Y（：Model）、Effects（：Env、：rep）、Personality（Nominal Logistic）、Run（尤度比検定（1）、Wald Tests（0）））
...またはこれ（同じ結果が得られます。理由はよくわかりませんが、満足しています）：
Fit Model（Freq（：reads）、Y（：Model）、Effects（：Env、：rep）、Personality（Generalized Linear Model）、GLM Distribution（Binomial）、Link Function（Logit）、Overdispersion Tests and Intervals（0） 、Name（ "Firth Bias-adjusted Estimates"）（0）、Run）
私はばかげて間違ったことをしていますか、それともこれは有効なテストとして意味がありますか？
それが理にかなっている場合、予想される数で追加の行を作成する必要なしに同じことを達成する方法はおそらくありますか？
前もって感謝します！！
L.ヤンポルスキー
分析DOERe: RNAseq データの一般化線形モデルまたはノミナル ロジスティックさまざまな分析を含むサンプル データ テーブルを添付すると役立つ場合があります。 テキストの説明からデータ テーブルを想像するよりも、はるかに理解しやすいと思います。Re: RNAseq データの一般化線形モデルまたはノミナル ロジスティックこんにちは@l_yampolsky 、
明確にするために、各環境には 3 つのサンプル (複製) があります。 ただし、各環境の反復を組み合わせて t 検定のような分析を行う代わりに、各サンプルを、そのサンプルからのトランスクリプトの母集団におけるその特定のトランスクリプト (トランスクリプト A) の観測数を表すかのように扱います。 同じ環境からの次のサンプルは、同じトランスクリプトの母集団から新しい観察セットを引き出し、同じトランスクリプト A の数を観察するようなものです。 私はそれを正しく理解しましたか？
質問: 各サンプルは同じ個体 (つまり、その個体内の細胞集団のサンプル、つまり技術的複製) からのものか、それとも同じ環境内の異なる個体からのものか (つまり、各個体のサンプルであり、サンプルの異なる集団を表しています)同じ環境を経験した細胞の数)?
サンプルが異なる個人からのものである場合、これは有効なアプローチではないと思います。 カウントは、環境の何らかの変化に対する反応です。 これは、テスト環境で光源からの特定の波長の光子の数を数え、それを別の、さらに異なる、同様の光源のデバイスからの同じ波長の光子の数とプールするようなものです。 . それらは同じ光源 (またはデバイス) ではありませんが、同じ光源の代表であり、互いに独立して扱う必要があります。 これは、デバイス間のばらつきを表し、各デバイスは他のデバイスの正確なコピーではないため、個別に追跡する必要があります。 もしそうであれば、すべての光子が単一の光源から来て、各サンプルがその光源の代表サンプルになるため、テストに複数のデバイスは必要ありません。
RNAseq は、サンプル中のエンティティまたは転写物の存在量を定量化する取り組みであるという点で類似しています。 次のサンプルは、通常、同じソース母集団からのサンプルではありません。 それは通常、別の個人からのサンプルであるため、そのように処理する必要があります。 個人から個人への変動。 同じ個人の同じ組織からのサンプルでさえ、変動性 (分裂の異なる状態の細胞、機能の層別化など) があり、あたかもそれらが同じ細胞集団から来たかのようにプールされるべきではありません。
最終的に、これはすべて、尋ねられている科学的質問の内容と、その質問に対する答えを発見するために使用された実験計画によって異なります。 それらをプールして、やりたいことをしたり、やりたくないことをしたりできるかもしれません。 場合によります....
Re: RNAseq データの一般化線形モデルまたはノミナル ロジスティック複製は異なる個人からのものです。生物学的複製。 そして、あなたは絶対に正しいです。それらをプールすることは良い考えではありません。 ただし、複製をランダムな独立変数としてモデルに組み込み、環境処理内にネストして、基本的にこの設計をブロック設計として扱うことができます - 同じ実験を 3 回繰り返しました。
私は一般的なアプローチについてもっと心配しています.帰無仮説の下で予想される「カウント」でダミーの観察を作成し（つまり、どこでも同じ読み取り数）、分割表/名目ロジスティクスモデルを使用して実際のカウントが異なるかどうかを確認します。
別のユーザーが提案したように、実際のデータの例を投稿します。
