RNA-Seqモデリングパラメータの選択JMP Genomics は、RNA-Seq 基本分析ワークフローの ANOVA モデリング パラメータに、ポアソン、一般化ポアソン、負の二項分布の 3 つのオプションを提供しています。これらのオプションからどのように選択すればよいでしょうか。また、負の二項分布がうまく機能しないようです。さまざまなデータ セットで以下のエラーが発生します。
エラー: NEWRAP 最適化を完了できません
高度な統計モデリング基本的なデータ分析とモデリングウィンドウズRe: RNA-Seq モデリングパラメータの選択返信 削除されました。前の返信を参照してください
Re: RNA-Seq モデリングパラメータの選択同意します。ウィッシュ リストに載せて、人々が投票できるようにしてもらえますか? 製品管理もこのリストを参照します。
JMPウィッシュリスト - JMPユーザーコミュニティ
Re: RNA-Seq モデリングパラメータの選択しまった ... これが何らかの形で JMP Genomics に組み込まれることを望んでいました。
まあ、そのようなことは良い機能要求になるでしょう。
Re: RNA-Seq モデリングパラメータの選択その質問は何年も尋ねられてきました。 このトピックについて議論している 2013 年のジャーナル記事を見つけましたが、方程式が豊富で、少し読みにくいかもしれません。
Zhang_TOBIOIJ (openbioinformaticsjournal.com)
Re: RNA-Seq モデリングパラメータの選択ありがとうルー、
一般化ポアソンからポアソンへの切り替えは、一般化ポアソンが過分散（「予想」よりも大きな分散）による一種の「修正」であることを考えると、より差別的に発現する遺伝子を生み出すと予想します。フィルタリングには少し驚きましたが、考えてみると、遺伝子の数が少ない (統計的検定が少ない) ため、FDR 補正 (調整された p 値) はそれほど厳密ではない可能性があり、したがって、その特定のカットオフでより多くの遺伝子が有意であると見なされます。 .
お気づきのように、前のメソッドの遺伝子リストは次のメソッドの遺伝子リストに含まれています (以下のメソッドのサブセットです)。 これは、フィルタリングと修正のプログレッシブな性質によるものです。
より実際的な注意として、リストをスクリーニングしてフォローアップする遺伝子のサブセットを探している場合、最大のリストには、その p 値のしきい値に対して「統計的に有意」である境界にある遺伝子が含まれる可能性があります。違いが有用/意味のあるほど大きい場合は、それでも興味深いかもしれません。 つまり、p 値が 0.08 (または 0.1) の場合、カットオフが 0.05 にならない可能性がありますが、発現に 2 倍の差があり、細胞の挙動が変わる可能性があります。 サンプル間に原因不明のばらつきが多すぎてその違いを確信できないか、未知の何かが実験計画と競合している可能性があります (その遺伝子を知るには、各グループ内の発現の変動を調べる必要があります)もっと）。
余裕があれば、境界にある遺伝子をリストに含めて、さらに調査します. すべては実験の目的に依存します。
Re: RNA-Seq モデリングパラメータの選択そこで私は自分のデータセットの1つを取りました これらは私が得た差次的に発現する遺伝子の数です
- 一般化ポアソン、フィルタリングなし = 127
- 一般化ポアソン、フィルタリング = 226
- ポアソン、フィルタリングなし = 316
- ポアソン、フィルタリングあり = 380
上記の箇条書きリストを下に移動すると、各方法には前の方法のすべての遺伝子が含まれます。
ほとんどゼロカウントの何千もの遺伝子を含めても、何の役にも立たないようです。 一般化されたポアソンは、高度に発現された遺伝子に発現していないものを有意であると捉えませんでした。 火山プロットでそれらを見ることができますが、基本的に p 値がゼロに調整されています。
Re: RNA-Seq モデリングパラメータの選択わかりました、ありがとう。 私は間違いなくこれに取り組んできましたが、他の人もこのアプローチに疑問を抱いています。 Generalized Poisson +/- フィルタリングを実行して、その様子を見てみましょう。
Re: RNA-Seq モデリングパラメータの選択こんにちは、ルーさん
うーん...どれが最も適切かわかりません。 行 (遺伝子) をフィルタリングすると、完全に削除されます。 そのままにしておくと、カウントのある一部のサンプルに使用できます。発現の変化が 0 からある数値に変化した場合、それは変化しており、分析に保持する必要があるため、それらの遺伝子を保持することが重要である可能性があります。 、しかし生成されたトランスクリプトの数の大きな変化ではないかもしれません)。 したがって、これらの遺伝子はオンよりもオフである可能性が高くなります。
ゼロをそのままにして一般化ポアソンを使用すると思いますが、他の人はより適切な推奨事項を持っているかもしれません。
Re: RNA-Seq モデリングパラメータの選択RNA-Seq データセットの分散をどのように評価することをお勧めしますか?
Re: RNA-Seq モデリングパラメータの選択ありがとうクリス...
私の RNA-Seq データセットには、カウントがゼロまたはゼロの遺伝子がたくさんあります。 ポアソンを使用する場合、私は通常、0.2 のカットオフでチェックされた [モデリング用のデータをフィルター] オプションを使用しています。 このアプローチにより、サンプルセット全体でマッピングされた遺伝子のおそらく 25% を失っています。
ゼロ カウント遺伝子をフィルタリングせずに一般化ポアソンを使用することをお勧めしますか?
-ルー
Re: RNA-Seq モデリングパラメータの選択やあ@LouisAltamura 、
Model Data As: オプションで Count を選択していると思います。 デフォルトはポアソンです。 データの分布を簡単に見てみましょう。これは、どの選択を行うべきかをガイドするのに役立ちます
データが過分散その場合、他の 2 つのうちの 1 つがより適切です。
負の二項式がカウント データに適している場合について説明した記事を次に示します。ポアソンまたは負の二項式? カウント モデル診断を使用してモデルを選択する - 分析係数
一般化されたポアソンは、過分散多くの (過剰な) ゼロを含むデータ。 このトピックに関する簡単なレビューを次に示します。一般化ポアソン モデルは、他のカウント データ モデルを置き換えることができますか? 評価 - ScienceDirect
カウントがゼロの遺伝子 (発現なしまたは検出不能な発現) が多数あると思われる場合は、おそらく一般化ポアソンの方が適しています。 そうでなければ、ポアソンは問題ありません。
Negative Binomial を選択したときに発生するエラーについては、同じエラーが発生します。 これをに報告してくださいsupport@jmp.com .
それが少し役立つことを願って、
