Scelta del parametro di modellazione RNA-SeqJMP Genomics fornisce tre opzioni per il parametro di modellazione ANOVA nel flusso di lavoro RNA-Seq Basic Analysis: Poisson, Poisson generalizzato e Negative Binomal. Come si fa a decidere tra queste opzioni? Inoltre, non riesco mai a far funzionare Negative Binomal. Ricevo l'errore seguente su vari set di dati:
ERRORE: l'ottimizzazione NEWRAP non può essere completata
Modellazione statistica avanzataAnalisi e modellazione dei dati di baseFinestreOggetto: scelta del parametro di modellazione RNA-SeqRisposta cancellata, vedi risposta precedente
Oggetto: scelta del parametro di modellazione RNA-SeqD'accordo, potresti inserirlo nella lista dei desideri in modo che le persone possano votarlo? Anche la gestione del prodotto esamina questo elenco.
Lista dei desideri di JMP - Comunità di utenti di JMP
Oggetto: scelta del parametro di modellazione RNA-SeqOh mannaggia ... Speravo che questo fosse integrato in JMP Genomics in qualche modo.
Bene, questo genere di cose sarebbe una buona richiesta di funzionalità.
Oggetto: scelta del parametro di modellazione RNA-SeqQuesta domanda è stata posta per anni. Ho trovato un articolo di giornale del 2013 che tratta questo argomento, ma è ricco di equazioni, che potrebbero essere un po' troppo da leggere.
Zhang_TOBIOIJ (openbioinformaticsjournal.com)
Oggetto: scelta del parametro di modellazione RNA-SeqGrazie Lou,
Mi aspetto che il passaggio da Poisson generalizzato a Poisson produca geni espressi in modo più differenziato dato che Poisson generalizzato è una sorta di "correzione" dovuta alla sovradispersione (più varianza del "previsto").Il filtraggio mi sorprende un po', ma se ci penso, ci sono meno geni (meno test statistici), quindi la correzione FDR (valore p aggiustato) potrebbe non essere così rigorosa e quindi più geni chiamati significativi a quel particolare limite .
Come hai notato, gli elenchi di geni del metodo precedente sono inclusi nell'elenco di geni del metodo successivo (è un sottoinsieme del metodo seguente). È dovuto alla natura progressiva del filtraggio e delle correzioni.
Su una nota più pratica, se stai esaminando un elenco e stai cercando sottoinsiemi di geni da seguire, è probabile che l'elenco più grande includa quei geni che sono al limite dell'essere "statisticamente significativi" per quella soglia del valore p e potrebbe comunque essere interessante se le differenze sono abbastanza grandi da essere utili/significative. Ciò significa che qualcosa con un valore p di 0,08 (o 0,1) potrebbe non raggiungere il limite di 0,05, ma avere una differenza di espressione di 2 volte che potrebbe modificare il comportamento di una cella. Può darsi che ci sia troppa variabilità inspiegabile tra i campioni per essere molto sicuri di quella differenza o che qualcosa di sconosciuto sia in competizione con il progetto dell'esperimento (dovrebbe dare un'occhiata alla variazione di espressione all'interno di ciascun gruppo per sapere quel gene Di più).
Includerei sicuramente quel gene o quei geni che sono al confine nella mia lista di quelli per indagare ulteriormente se può essere permesso. Tutto dipende dallo scopo dell'esperimento.
Oggetto: scelta del parametro di modellazione RNA-SeqQuindi ho preso uno dei miei set di dati, e questi sono i numeri di geni differenzialmente espressi che ho ottenuto
- Poisson generalizzato, nessun filtro = 127
- Poisson generalizzato, con filtraggio = 226
- Poisson, nessun filtro = 316
- Poisson, con filtraggio = 380
Scendendo dall'elenco puntato sopra, ogni metodo include tutti i geni del metodo precedente.
Non sembra che includere le molte migliaia di geni per lo più a conteggio zero aiuti qualcosa. Il Poisson generalizzato non ha catturato nessuno di quelli non espressi in geni altamente espressi come significativi. Posso vederli nei grafici del vulcano, ma essenzialmente hanno valori p aggiustati pari a zero.
Oggetto: scelta del parametro di modellazione RNA-SeqOk grazie. Ho sicuramente lottato con questo, e anche altri hanno messo in dubbio l'approccio. Consentitemi di provare a eseguire il filtro Poisson generalizzato +/- e vedere come appare.
Oggetto: scelta del parametro di modellazione RNA-SeqCiao Lou,
Hmm... non sono sicuro di quale sia il più appropriato. Il filtraggio della riga (gene) lo rimuove completamente. Lasciarlo consente di utilizzarlo per alcuni campioni che hanno conteggi.Potrebbe essere importante mantenere quei geni poiché se il cambiamento nell'espressione è da 0 a un certo numero, è cambiato e deve essere tenuto nell'analisi, anche se un cambiamento di piega sarebbe enorme (da 0 a 20 è un cambiamento di 20 volte , ma potrebbe non essere un grande cambiamento nel numero di trascrizioni prodotte). Quindi quei geni sono più probabilmente spenti rispetto a quelli accesi.
Penso che lascerei gli zeri dentro e userei Poisson generalizzato, ma altri potrebbero avere consigli più appropriati.
Oggetto: scelta del parametro di modellazione RNA-SeqCome consigliate di valutare la dispersione su un set di dati RNA-Seq?
Oggetto: scelta del parametro di modellazione RNA-SeqGrazie Cris...
Ho sicuramente molti geni con zero o nessun conteggio nel mio set di dati RNA-Seq. Quando si utilizza il Poisson, in genere utilizzo l'opzione Filtro dati per la modellazione selezionata con un limite di 0,2. Con questo approccio, sto perdendo forse il 25% dei geni mappati nel mio set di campioni.
Consiglieresti di non filtrare i geni a conteggio zero e quindi di utilizzare il Poisson generalizzato?
-Lui
Oggetto: scelta del parametro di modellazione RNA-SeqCIAO @LuigiAltamura ,
Presumo che tu stia scegliendo Conta per i dati del modello come: opzione. L'impostazione predefinita è Poisson. Dai una rapida occhiata alla distribuzione dei dati, che ti aiuterà a guidare la scelta da fare
Se i dati sono sovradisperso allora uno degli altri due è più appropriato.
Ecco un articolo che descrive quando il binomio negativo è una scelta migliore per i dati di conteggio: Poisson o binomio negativo? Utilizzo della diagnostica del modello di conteggio per selezionare un modello: il fattore di analisi
Poisson generalizzato potrebbe essere più adatto sovradisperso dati con molti (eccessivi) zeri. Ecco una rapida rassegna su questo argomento: Il modello di Poisson generalizzato può sostituire altri modelli di dati di conteggio? Una valutazione - ScienceDirect
Se pensi che ci siano molti geni che hanno zeri per i conteggi (nessuna espressione o espressione non rilevabile), allora Generalized Poisson è probabilmente una scelta migliore. Altrimenti Poisson andrebbe bene.
Per quanto riguarda l'errore che si ottiene quando si sceglie Negative Binomial, ottengo lo stesso errore. Si prega di segnalare questo a support@jmp.com .
Spero che questo aiuti un po',
