RNAseq 데이터에 대한 일반화 된 선형 모델 또는 공칭 로지스틱동료,
단일 시퀀싱 실험에서 각각 3 개의 복제를 사용하여 2 개의 환경에서 측정 된 읽기 수 형태의 RNAseq 데이터가 있다고 상상해보십시오. 이렇게 :
Env 읽기
A 9
A 10
A 11
B 4
B 5
B 6
물론 각 읽기 수를 독립 변수로 취급하고 테스트에서 수행 할 수 있으며 전력이 매우 낮습니다. 대신, 각 읽기를 관찰로 취급 할 수 있기를 원하며 단일 시퀀싱 노력으로 환경 B의 샘플에서 15 개의 읽기를 얻었지만 환경 A의 샘플에서 30 개의 읽기를 얻었습니다. 이것은 우연히 관찰 될 가능성이 거의 없으며 환경 A와 B 사이의 차이를 감지하는 나의 힘은 훨씬 더 높으며 t- 검정과 달리 시퀀싱 노력에 따라 증가 할 것입니다. (일반적인 RAseq 실험에서 일부 유전자의 경우 샘플 당 수백 개에 대해 판독 횟수가 훨씬 더 많으며 2 배 계수 차이는 매우 중요합니다).
3 개의 서로 다른 독립 변수를 사용하여 더 복잡한 모델을 사용하여이 우발성 테스트를 수행 할 수 있기를 원합니다 (블록 효과로 복제).
쉬운 해결책은 다음과 같습니다. 추가 범주 형 변수를 만들고 Observed 및 Expected 값이있는 "Model"이라고 부르겠습니다. 위의 줄에 해당하는 "Observed"와 같은 수의 줄에 "Expected"가 있지만 열은 다음과 같습니다. 효과가 크지 않은 경우 예상 카운트를 포함하는 읽기, 즉이 경우 평균 읽기 카운트 (각 복제에서 동일한 노력을 가정).
그리고 이것을 실행하십시오.
모델 적합 (Freq (: reads), Y (: Model), Effects (: Env, : rep), Personality (Nominal Logistic), Run (Likelihood Ratio Tests (1), Wald Tests (0)))
... 또는 이것은 나에게 동일한 결과를 제공합니다. 이유를 잘 이해하지 못하지만 만족합니다.
적합 모형 (Freq (: reads), Y (: Model), Effects (: Env, : rep), Personality (Generalized Linear Model), GLM Distribution (Binomial), Link Function (Logit), Overdispersion Tests and Intervals (0) , 이름 ( "5 차 바이어스 조정 추정값") (0), 실행)
내가 엄청나게 잘못된 일을하고 있거나 이것이 유효한 테스트로 이해가됩니까?
의미가 있다면 예상 개수로 추가 라인을 만들 필요없이 동일한 결과를 얻을 수있는 방법이 있습니까?
미리 감사드립니다 !!
엘 얌폴 스키
해석학암사슴Re : RNAseq 데이터에 대한 일반화 된 선형 모델 또는 공칭 로지스틱다른 분석과 함께 예제 데이터 테이블을 첨부하면 도움이 될 수 있습니다. 텍스트 설명에서 데이터 테이블을 상상하는 것보다 훨씬 이해하기 쉽습니다.Re : RNAseq 데이터에 대한 일반화 된 선형 모델 또는 공칭 로지스틱안녕하세요 뿡 빵뀨 ,
명확하게 말하면 각 환경에 대해 세 개의 샘플 (복제)이 있습니다. 그러나 각 환경에 대한 복제물을 결합하고 분석과 같은 t- 테스트를 수행하는 대신 각 샘플을 해당 샘플의 전 사체 모집단에서 해당 특정 전 사체 (전 사체 A)의 관찰 수를 나타내는 것처럼 각 샘플을 처리하려고합니다. 동일한 환경의 다음 샘플은 동일한 성적표 집단에서 새로운 관찰 세트를 그리고 동일한 성적표 A가 얼마나 많은지 관찰하는 것과 같습니다. 내가 올바르게 이해 했습니까?
질문 : 각 샘플은 동일한 개인 (즉, 해당 개인 내의 세포 집단의 샘플, 따라서 기술적 복제)의 샘플입니까, 아니면 동일한 환경에서 다른 개인의 샘플입니까 (즉, 각 개인의 샘플이므로 샘플이 다른 집단을 나타냄) 동일한 환경을 경험 한 세포의 수)?
샘플이 다른 개인의 것이라면 이것이 유효한 접근 방식이라고 생각하지 않습니다. 카운트는 환경의 일부 변화에 대한 반응입니다. 그것은 테스트 환경의 광원에서 특정 파장의 광자 수를 계산 한 다음 동일한 파장의 광자 수를 다른 유사한 광원의 다른 장치 및 동일한 환경에서 풀링하는 것과 같습니다. . 이들은 동일한 광원 (또는 장치)이 아니지만 동일한 광원을 대표하며 서로 독립적으로 처리되어야합니다. 이는 장치 간 가변성을 나타내며 각 장치가 서로의 정확한 사본이 아니기 때문에 별도로 추적해야합니다. 그렇다면 모든 광자가 단일 소스에서 나오고 각 샘플이 해당 소스의 대표 샘플이되므로 테스트에 여러 장치가 필요하지 않습니다.
RNAseq는 샘플에서 개체의 정량화 또는 전 사체의 풍부함이라는 점에서 유사합니다. 다음 샘플은 일반적으로 동일한 소스 모집단의 샘플이 아닙니다. 일반적으로 다른 개인의 샘플이므로 그렇게 처리해야합니다. 개별적 가변성. 동일한 개체의 동일한 조직에서 채취 한 샘플조차도 가변성이 있으며 (분열 상태가 다른 세포, 기능성 계층화 등) 동일한 세포 집단에서 나온 것처럼 통합해서는 안됩니다.
궁극적으로이 모든 것은 질문되는 과학적 질문과 그 질문에 대한 답을 발견하기 위해 사용한 실험 설계에 달려 있습니다. 그것들을 모아서 원하는 것을 할 수도 있고 아닐 수도 있습니다. 때에 따라 다르지....
Re : RNAseq 데이터에 대한 일반화 된 선형 모델 또는 공칭 로지스틱복제물은 다른 사람에게서 나옵니다. 생물학적 복제. 그리고 당신은 절대적으로 옳습니다. 그것들을 모으는 것은 좋은 생각이 아닙니다. 그러나 환경 처리 내에 중첩 된 내 모델에 복제를 무작위 독립 변수로 포함 할 수 있으며, 본질적으로이 설계를 블록 설계로 취급합니다. 동일한 실험이 3 회 반복되었습니다.
저는 일반적인 접근 방식에 대해 더 걱정하고 있습니다. 즉, 귀무 가설 (즉, 모든 곳에서 동일한 읽기 횟수) 하에서 예상 "카운트"를 사용하여 더미 관측치를 생성하고, 실제 개수가 다른지 확인하기 위해 비상 테이블 / 명목 물류 모델을 사용합니다.
다른 사용자가 제안했듯이 실제 데이터와 함께 예제를 게시하겠습니다.
