Choisir le paramètre de modélisation RNA-SeqJMP Genomics propose trois options pour le paramètre de modélisation ANOVA dans le flux de travail RNA-Seq Basic Analysis : Poisson, Poisson généralisé et Binomial négatif. Comment trancher entre ces options ? De plus, je n'arrive jamais à faire fonctionner le binôme négatif. J'obtiens l'erreur ci-dessous sur divers ensembles de données :
ERREUR : l'optimisation NEWRAP ne peut pas être terminée
Analytiqueles fenêtresRe : Choisir le paramètre de modélisation RNA-Seqsalut @LouisAltamura ,
Je suppose que vous choisissez Count pour l'option Model Data As:. La valeur par défaut est Poisson. Jetez un coup d'œil à la distribution des données, cela vous aidera à guider le choix à faire
Si les données sont surdispersé alors l'un des deux autres est plus approprié.
Voici un article qui décrit quand le binôme négatif est un meilleur choix pour les données de comptage : Poisson ou binôme négatif ? Utilisation des diagnostics de modèle de comptage pour sélectionner un modèle - Le facteur d'analyse
Poisson généralisé pourrait être un meilleur ajustement pour surdispersé données avec beaucoup de zéros (excessifs). Voici une rapide revue sur ce sujet : Le modèle de Poisson généralisé peut-il remplacer d'autres modèles de données de comptage ? Une évaluation - ScienceDirect
Si vous pensez qu'il y a beaucoup de gènes qui ont des zéros pour les comptes (aucune expression ou expression indétectable), alors Poisson généralisé est probablement un meilleur choix. Sinon, Poisson serait OK.
Quant à l'erreur que vous obtenez lorsque vous choisissez Negative Binomial, j'obtiens la même erreur. Merci de le signaler à support@jmp.com .
J'espère que ça aide un peu,
Re : Choisir le paramètre de modélisation RNA-SeqMerci Chris...
J'ai certainement de nombreux gènes avec zéro ou aucun compte dans mon ensemble de données RNA-Seq. Lorsque j'utilise le Poisson, j'utilise généralement l'option Filtrer les données pour la modélisation cochée avec un seuil de 0,2. Par cette approche, je perds peut-être 25 % des gènes cartographiés dans mon échantillon.
Recommanderiez-vous de ne pas filtrer les gènes à comptage nul, puis d'utiliser le Poisson généralisé ?
-Lou
Re : Choisir le paramètre de modélisation RNA-SeqComment recommandez-vous d'évaluer la dispersion sur un ensemble de données RNA-Seq ?
Re : Choisir le paramètre de modélisation RNA-SeqSalut Lou,
Hmm... je ne sais pas lequel est le plus approprié. Le filtrage de la ligne (gène) la supprime complètement. Le laisser lui permet d'être utilisé pour certains échantillons qui ont des décomptes.Il peut être important de conserver ces gènes car si le changement d'expression est de 0 à un certain nombre, il a changé et doit être conservé dans l'analyse, même si un changement de pli serait énorme (0 à 20 est un changement de 20 fois , mais peut ne pas être un grand changement dans le nombre de transcriptions produites). Donc, ces gènes sont plus susceptibles d'être désactivés que activés.
Je pense que je laisserais les zéros et utiliserais Poisson généralisé, mais d'autres peuvent avoir des recommandations plus appropriées.
Re : Choisir le paramètre de modélisation RNA-SeqD'accord merci. J'ai certainement lutté avec cela, et d'autres ont également remis en question l'approche. Permettez-moi d'essayer d'exécuter le filtrage généralisé de Poisson +/- et de voir à quoi cela ressemble.
Re : Choisir le paramètre de modélisation RNA-SeqJ'ai donc pris un de mes ensembles de données, et ce sont les nombres de gènes différentiellement exprimés que j'ai obtenus
- Poisson généralisé, pas de filtrage = 127
- Poisson généralisé, avec filtrage = 226
- Poisson, pas de filtrage = 316
- Poisson, avec filtrage = 380
Au fur et à mesure que vous descendez dans la liste à puces ci-dessus, chaque méthode inclut tous les gènes de la méthode précédente.
Il ne semble pas que l'inclusion des milliers de gènes pour la plupart à nombre zéro aide quoi que ce soit. Le Poisson généralisé n'a capturé aucun de ceux qui ne sont pas exprimés par des gènes hautement exprimés comme étant significatifs. Je peux les voir dans les tracés des volcans, mais ils ont essentiellement des valeurs p ajustées de zéro.
Re : Choisir le paramètre de modélisation RNA-SeqMerci Lou,
Je m'attendrais à ce que le passage de Poisson généralisé à Poisson produise des gènes exprimés de manière plus différentielle étant donné que Poisson généralisé est une sorte de "correction" due à une surdispersion (plus de variance que "prévu").Le filtrage me surprend un peu, mais en y réfléchissant, il y a moins de gènes (moins de tests statistiques), donc la correction FDR (valeur p ajustée) peut ne pas être aussi stricte et donc plus de gènes appelés significatifs à ce seuil particulier .
Comme vous l'avez noté, les listes de gènes de méthode précédentes sont incluses dans la liste de gènes de méthodes suivante (il s'agit d'un sous-ensemble de la méthode ci-dessous). Cela est dû à la nature progressive du filtrage et des corrections.
Sur une note plus pratique, si vous parcourez une liste et recherchez des sous-ensembles de gènes à suivre, la plus grande liste est susceptible d'inclure les gènes qui sont sur le point d'être "statistiquement significatifs" pour ce seuil de valeur p et pourrait encore être intéressant si les différences sont suffisamment importantes pour être utiles/significatives. Cela signifie que quelque chose avec une valeur p de 0,08 (ou 0,1) pourrait ne pas atteindre le seuil de 0,05, mais avoir une différence d'expression de 2 fois qui pourrait changer le comportement d'une cellule. Il se peut qu'il y ait trop de variabilité inexpliquée entre les échantillons pour être très sûr de cette différence ou que quelque chose d'inconnu entre en concurrence avec la conception de l'expérience (il faudrait examiner la variation d'expression au sein de chaque groupe pour que ce gène sache Suite).
J'inclurais certainement ce ou ces gènes qui se trouvent à la frontière dans ma liste de ceux à étudier plus avant s'ils peuvent se le permettre. Tout dépend du but de l'expérience.
Re : Choisir le paramètre de modélisation RNA-SeqCette question est posée depuis des années. J'ai trouvé un article de journal de 2013 qui traite de ce sujet, mais il est riche en équations, ce qui pourrait être un peu trop à lire.
Zhang_TOBIOIJ (openbioinformaticsjournal.com)
