RNA-Seq 모델링 매개변수 선택JMP Genomics는 RNA-Seq 기본 분석 워크플로에서 ANOVA 모델링 매개변수에 대해 세 가지 옵션을 제공합니다. 포아송, 일반화 포아송, 음이항식입니다. 이러한 옵션 중에서 어떻게 결정해야 할까요? 또한, 음이항식을 작동시킬 수 없는 것 같습니다. 다양한 데이터 세트에서 아래 오류가 발생합니다.
오류: NEWRAP 최적화를 완료할 수 없습니다.
고급 통계 모델링기본 데이터 분석 및 모델링윈도우Re: RNA-Seq 모델링 파라미터 선택하기답글 삭제됨, 이전 답글 참조
Re: RNA-Seq 모델링 파라미터 선택하기동의합니다. 여기 위시리스트에 올려 사람들이 투표할 수 있게 해주실 수 있나요? 제품 관리도 이 목록을 확인합니다.
JMP 위시리스트 - JMP 사용자 커뮤니티
Re: RNA-Seq 모델링 파라미터 선택하기오 젠장 ... 어떻게든 이것이 JMP Genomics에 내장되기를 바랐습니다.
글쎄, 그런 종류의 것은 좋은 기능 요청이 될 것입니다.
Re: RNA-Seq 모델링 파라미터 선택하기그 질문은 수년 동안 요청되었습니다. 2013년에 이 주제를 다루는 저널 기사를 찾았지만 방정식이 풍부하여 읽기가 조금 어려울 수 있습니다.
Zhang_TOBIOIJ (openbioinformaticsjournal.com)
Re: RNA-Seq 모델링 파라미터 선택하기고마워 루,
일반화된 포아송에서 포아송으로의 전환은 일반화된 포아송이 과분산("예상"보다 더 많은 분산)으로 인한 종류의 "보정"이라는 점을 감안할 때 더 차등적으로 발현된 유전자를 생성할 것으로 예상합니다.필터링은 저를 조금 놀라게 하지만 제가 생각하기에 유전자 수가 적기 때문에(통계 테스트가 적음) FDR 보정(조정된 p-값)이 엄격하지 않을 수 있으므로 특정 컷오프에서 더 많은 유전자가 중요하다고 합니다. .
언급한 바와 같이 이전 방법 유전자 목록은 다음 방법 유전자 목록에 포함됩니다(아래 방법의 하위 집합임). 필터링 및 수정의 점진적 특성 때문입니다.
보다 실용적으로 목록을 통해 스크리닝하고 추적할 유전자 하위 집합을 찾는 경우 가장 큰 목록에는 해당 p-값 임계값에 대해 "통계적으로 유의미한" 경계에 있는 유전자가 포함될 가능성이 높습니다. 차이가 유용하고 의미가 있을 만큼 충분히 크다면 여전히 관심이 있을 수 있습니다. 즉, p-값이 0.08(또는 0.1)인 항목은 컷오프가 0.05가 되지 않을 수 있지만 표현에 2배의 차이가 있어 세포 행동을 변경할 수 있습니다. 그 차이를 확신하기에는 샘플 사이에 설명할 수 없는 변동성이 너무 많거나 알려지지 않은 무언가가 실험 설계와 경쟁하고 있을 수 있습니다(해당 유전자가 알기 위해서는 각 그룹 내에서 발현의 변동을 살펴봐야 함) 더).
감당할 수 있다면 추가로 조사할 유전자 목록에 경계에 있는 유전자를 확실히 포함할 것입니다. 모든 것은 실험의 목적에 달려 있습니다.
Re: RNA-Seq 모델링 파라미터 선택하기그래서 제 데이터 세트 중 하나를 가져왔고, 이것들은 제가 얻은 차별적으로 발현된 유전자의 수입니다.
- 일반화 포아송, 필터링 없음 = 127
- 일반화 포아송, 필터링 포함 = 226
- 푸아송, 필터링 없음 = 316
- 포아송, 필터링 포함 = 380
위의 글머리 기호 목록 아래로 이동하면 각 방법에는 이전 방법의 모든 유전자가 포함됩니다.
대부분 제로 카운트 유전자 수천 개를 포함하는 것이 도움이 되는 것 같지는 않습니다. Generalized Poisson은 고도로 발현된 유전자로 발현되지 않은 어떤 것도 중요한 것으로 포착하지 않았습니다. 화산 플롯에서 볼 수 있지만 본질적으로 p 값을 0으로 조정했습니다.
Re: RNA-Seq 모델링 파라미터 선택하기알았어 고마워. 나는 확실히 이것과 씨름해 왔으며 다른 사람들도 접근 방식에 의문을 제기했습니다. Generalized Poisson +/- 필터링을 실행하고 어떻게 보이는지 보도록 하겠습니다.
Re: RNA-Seq 모델링 파라미터 선택하기안녕 루,
음...어느 것이 가장 적절한지 잘 모르겠습니다. 행(유전자)을 필터링하면 완전히 제거됩니다. 그대로 두면 카운트가 있는 일부 샘플에 사용할 수 있습니다.발현의 변화가 0에서 어떤 숫자로 바뀌면, 배수 변화가 엄청나더라도(0에서 20은 20배 변화이므로) 변화되어 분석에 보관해야 하기 때문에 이러한 유전자를 유지하는 것이 중요할 수 있습니다. , 그러나 생성된 성적표의 수에는 큰 변화가 없을 수 있습니다). 그래서 그 유전자들은 꺼져있을 가능성이 더 높습니다.
나는 0을 그대로 두고 Generalized Poisson을 사용할 것이라고 생각하지만 다른 사람들이 더 적절한 권장 사항을 가지고 있을 수 있습니다.
Re: RNA-Seq 모델링 파라미터 선택하기RNA-Seq 데이터 세트에 대한 분산 평가를 어떻게 권장합니까?
Re: RNA-Seq 모델링 파라미터 선택하기고마워요 크리스...
내 RNA-Seq 데이터 세트에는 카운트가 0이거나 전혀 없는 많은 유전자가 확실히 있습니다. 포아송을 사용할 때 저는 일반적으로 컷오프 0.2로 선택된 모델링을 위한 필터 데이터 옵션을 사용합니다. 이 접근 방식을 사용하면 샘플 세트에서 매핑된 유전자의 25% 정도가 손실됩니다.
제로 카운트 유전자를 필터링하지 않고 일반화된 포아송을 사용하는 것이 좋습니다.
-루
Re: RNA-Seq 모델링 파라미터 선택하기안녕 @LouisAltamura ,
나는 당신이 Model Data As: 옵션에 대해 Count를 선택하고 있다고 생각합니다. 기본값은 푸아송입니다. 어떤 선택을 해야 하는지 안내하는 데 도움이 되는 데이터 분포를 빠르게 살펴보세요.
데이터가 과분산 그러면 다른 둘 중 하나가 더 적합합니다.
다음은 음수 이항이 카운트 데이터에 대해 더 나은 선택인 경우를 설명하는 문서입니다. 푸아송 또는 음이항? 카운트 모델 진단을 사용하여 모델 선택 - 분석 요인
일반화된 포아송이 다음에 더 적합할 수 있습니다. 과분산 많은 (과도한) 0이 있는 데이터. 다음은 이 주제에 대한 간단한 검토입니다. 일반화 포아송 모델이 다른 카운트 데이터 모델을 대체할 수 있습니까? 평가 - ScienceDirect
개수가 0인 유전자(표현이 없거나 감지할 수 없는 표현)가 많다고 생각한다면 일반화 포아송이 더 나은 선택일 수 있습니다. 그렇지 않으면 푸아송이 괜찮을 것입니다.
Negative Binomial을 선택할 때 발생하는 오류에 대해서는 동일한 오류가 발생합니다. 에 신고해주세요 support@jmp.com .
조금이나마 도움이 되길 바라며,
