RNA-Seq 모델링 매개변수 선택JMP Genomics는 RNA-Seq 기본 분석 워크플로에서 ANOVA 모델링 매개변수에 대해 포아송, 일반화된 포아송 및 음의 이항의 세 가지 옵션을 제공합니다. 이 옵션 중에서 어떻게 결정합니까? 또한, 나는 Negative Binomal이 작동하도록 할 수 없는 것 같습니다. 다양한 데이터 세트에서 아래 오류가 발생합니다.
오류: NEWRAP 최적화를 완료할 수 없습니다.
해석학창Re: RNA-Seq 모델링 매개변수 선택안녕 @LouisAltamura ,
Model Data As: 옵션에 대해 Count를 선택하고 있다고 생각합니다. 기본값은 푸아송입니다. 어떤 선택을 해야 하는지 안내하는 데 도움이 될 데이터 분포를 간략히 살펴보십시오.
데이터가 과분산 그러면 다른 둘 중 하나가 더 적합합니다.
다음은 음수 이항이 개수 데이터에 더 나은 선택일 때를 설명하는 기사입니다. 포아송 또는 음의 이항? 카운트 모델 진단을 사용하여 모델 선택 - 분석 요인
일반화된 푸아송이 더 적합할 수 있습니다. 과분산 (과도한) 0이 많은 데이터. 다음은 이 주제에 대한 간략한 검토입니다. 일반화된 푸아송 모델이 다른 카운트 데이터 모델을 대체할 수 있습니까? 평가 - ScienceDirect
개수가 0인 유전자가 많다고 생각한다면(발현이 없거나 감지할 수 없는 발현) 일반화된 포아송이 더 나은 선택일 것입니다. 그렇지 않으면 포아송이 괜찮을 것입니다.
Negative Binomial을 선택할 때 발생하는 오류에 대해서도 동일한 오류가 발생합니다. 에 신고해 주십시오. support@jmp.com .
조금이나마 도움이 되길 바라며,
Re: RNA-Seq 모델링 매개변수 선택고마워 크리스...
내 RNA-Seq 데이터 세트에 카운트가 없거나 전혀 없는 많은 유전자가 있습니다. Poisson을 사용할 때 나는 일반적으로 0.2의 컷오프로 선택된 Filter Data for Modeling 옵션을 사용합니다. 이 접근 방식을 사용하면 샘플 세트에서 매핑된 유전자의 25%가 손실됩니다.
제로 카운트 유전자를 필터링하지 않고 일반화된 포아송을 사용하는 것이 좋습니까?
-루
Re: RNA-Seq 모델링 매개변수 선택RNA-Seq 데이터 세트의 분산을 어떻게 평가할 것을 권장합니까?
Re: RNA-Seq 모델링 매개변수 선택안녕하세요 루,
흠...가장 적절한지 잘 모르겠습니다. 행(유전자)을 필터링하면 완전히 제거됩니다. 그대로 두면 개수가 있는 일부 샘플에 사용할 수 있습니다.발현의 변화가 0에서 어떤 숫자로 바뀌면, 배수 변화가 엄청날지라도(0에서 20은 20배 변화가 되더라도) 변화하고 분석에 유지해야 하기 때문에 해당 유전자를 유지하는 것이 중요할 수 있습니다. , 그러나 생성된 성적표의 수에는 큰 변화가 없을 수 있음). 따라서 해당 유전자는 on 대 off일 가능성이 더 큽니다.
나는 0을 그대로 두고 Generalized Poisson을 사용할 것이라고 생각하지만 다른 사람들이 더 적절한 권장 사항을 가질 수 있습니다.
Re: RNA-Seq 모델링 매개변수 선택알았어 고마워. 나는 확실히 이것과 씨름해 왔으며 다른 사람들도 접근 방식에 의문을 가지고 있습니다. Generalized Poisson +/- 필터링을 실행하고 어떻게 보이는지 보겠습니다.
Re: RNA-Seq 모델링 매개변수 선택그래서 저는 제 데이터 세트 중 하나를 가져왔고, 이것들은 제가 얻은 차등적으로 발현된 유전자의 수입니다.
- 일반화된 푸아송, 필터링 없음 = 127
- 일반화된 푸아송, 필터링 포함 = 226
- 포아송, 필터링 없음 = 316
- 포아송, 필터링 포함 = 380
위의 글머리 기호 목록 아래로 이동하면 각 방법에는 이전 방법의 모든 유전자가 포함됩니다.
대부분 제로 카운트 유전자를 포함하는 수천 개의 유전자를 포함하는 것이 도움이 되는 것 같지 않습니다. Generalized Poisson은 고도로 발현된 유전자에 발현되지 않은 유전자를 유의미한 것으로 포착하지 못했습니다. 화산 플롯에서 볼 수 있지만 본질적으로 조정된 p 값은 0입니다.
Re: RNA-Seq 모델링 매개변수 선택고마워 루,
Generalized Poisson에서 Poisson으로의 전환은 Generlaized Poisson이 과분산("예상"보다 더 많은 분산)으로 인한 일종의 "수정"이라는 점을 감안할 때 더 차등적으로 발현된 유전자를 산출할 것으로 예상합니다.필터링은 조금 놀랍지만 생각해보면 유전자가 더 적기 때문에(통계 테스트가 적음) FDR 수정(조정된 p-값)이 그렇게 엄격하지 않을 수 있으며 따라서 특정 컷오프에서 더 많은 유전자가 중요하다고 합니다. .
언급했듯이 이전 방법 유전자 목록은 다음 방법 유전자 목록에 포함됩니다(아래 방법의 하위 집합임). 필터링 및 수정의 점진적인 특성 때문입니다.
보다 실용적인 참고 사항으로, 목록을 통해 스크리닝하고 추적할 유전자의 하위 집합을 찾고 있는 경우 가장 큰 목록에는 해당 p-값 임계값에 대해 "통계적으로 유의한" 경계선에 있는 유전자가 포함될 가능성이 높습니다. 차이가 유용하거나 의미가 있을 만큼 충분히 큰 경우 여전히 관심이 있을 수 있습니다. 즉, p-값이 0.08(또는 0.1)인 무언가는 0.05의 컷오프를 만들지 않을 수 있지만 세포 행동을 변경할 수 있는 발현의 2배 차이가 있을 수 있습니다. 그 차이를 확신하기에는 샘플 사이에 설명할 수 없는 변이가 너무 많거나 알려지지 않은 것이 실험 설계와 경쟁하고 있을 수 있습니다(해당 유전자가 알기 위해서는 각 그룹 내의 발현 변이를 살펴볼 필요가 있습니다. 더).
여유가 된다면 추가 조사를 위해 내 목록에 경계에 있는 유전자를 확실히 포함할 것입니다. 모든 것은 실험의 목적에 달려 있습니다.
Re: RNA-Seq 모델링 매개변수 선택그 질문은 수년 동안 제기되었습니다. 2013년에 이 주제에 대해 논의한 저널 기사를 찾았지만 방정식이 풍부하여 읽기가 다소 어려울 수 있습니다.
Zhang_TOBIIOIJ (openbioinformaticsjournal.com)
