选择 RNA-Seq 建模参数JMP Genomics 为 RNA-Seq 基本分析工作流程中的 ANOVA 建模参数提供三个选项：泊松、广义泊松和负二项式。 如何在这些选项中做出决定？ 此外，我似乎永远无法让负二项式工作。 我在各种数据集上收到以下错误：
错误：无法完成 NEWRAP 优化
分析视窗回复：选择 RNA-Seq 建模参数你好@LouisAltamura ,
我认为您正在为 Model Data As: 选项选择计数。 默认值为泊松。 快速查看数据的分布，这将有助于指导做出哪种选择
如果数据是过度分散那么其他两个中的一个更合适。
这是一篇文章，描述了负二项式何时是计数数据的更好选择：泊松还是负二项式？ 使用计数模型诊断选择模型 - 分析因素
广义泊松可能更适合过度分散具有许多（过多）零的数据。 以下是对此主题的快速回顾：广义泊松模型可以替代任何其他计数数据模型吗？ 评估 - ScienceDirect
如果您认为有很多基因的计数为零（无表达或无法检测到的表达），那么广义泊松可能是更好的选择。 否则泊松就可以了。
至于选择负二项式时出现的错误，我得到了同样的错误。 请将此报告给support@jmp.com .
希望有点帮助，
回复：选择 RNA-Seq 建模参数谢谢克里斯...
在我的 RNA-Seq 数据集中，我肯定有很多基因计数为零或零。 使用 Poisson 时，我通常使用 Filter Data for Modeling 选项检查截止值为 0.2。 通过这种方法，我在我的样本集中丢失了大约 25% 的映射基因。
您是否建议不要过滤零计数基因然后使用广义泊松？
-娄
回复：选择 RNA-Seq 建模参数您如何推荐评估 RNA-Seq 数据集的离散度？
回复：选择 RNA-Seq 建模参数嗨，娄，
嗯...不确定哪个最合适。 过滤行（基因）将其完全删除。 离开它允许它用于一些有计数的样本。保留这些基因可能很重要，因为如果表达的变化是从 0 到某个数字，它已经发生了变化，需要保留在分析中，即使倍数变化很大（0 到 20 是 20 倍的变化） ，但可能不会在产生的成绩单数量上有很大的变化）。 所以这些基因更有可能关闭与打开。
我想我会留下零并使用广义泊松，但其他人可能有更合适的建议。
回复：选择 RNA-Seq 建模参数好，谢谢。 我肯定一直在努力解决这个问题，其他人也对这种方法提出了质疑。 让我尝试运行广义泊松 +/- 过滤，看看它的外观。
回复：选择 RNA-Seq 建模参数所以我拿了一个数据集，这些是我得到的差异表达基因的数量
- 广义泊松，无过滤 = 127
- 广义泊松，过滤 = 226
- 泊松，无过滤 = 316
- 泊松，过滤 = 380
当您向下移动上面的项目符号列表时，每种方法都包含前一种方法中的所有基因。
包括成千上万个几乎为零计数的基因似乎没有任何帮助。 广义泊松没有捕捉到任何那些未表达到高表达基因的重要基因。 我可以在火山图中看到它们，但它们基本上已将 p 值调整为零。
回复：选择 RNA-Seq 建模参数谢谢娄，
我预计从广义泊松到泊松的转换会产生更多差异表达的基因，因为广义泊松是由于过度分散而导致的某种“校正”（比“预期的”更大）。过滤确实让我有点吃惊，但是当我考虑到它时，基因更少（统计测试更少），因此 FDR 校正（调整后的 p 值）可能没有那么严格，因此更多的基因在那个特定的截止点被称为显着.
正如您所注意到的，前面的方法基因列表包含在下一个方法基因列表中（它是下面方法的子集）。 这是由于过滤和校正的渐进性。
在更实际的情况下，如果您正在筛选列表并寻找要跟进的基因子集，最大的列表可能包括那些对于该 p 值阈值具有“统计意义”边界的基因如果差异足够大以至于有用/有意义，仍然可能会引起人们的兴趣。 意思是，p 值为 0.08（或 0.1）的东西可能不会达到 0.05 的截止值，但在表达上会有 2 倍的差异，这可能会改变细胞的行为。 可能是样本之间存在太多无法解释的变异性，以至于无法对这种差异非常有信心，或者未知的事物正在与实验设计竞争（需要查看每个组内的表达变异以了解该基因更多的）。
如果可以负担得起，我肯定会将边界上的基因包括在我的列表中以进一步调查。 一切都取决于实验的目的。
回复：选择 RNA-Seq 建模参数这个问题已经问了很多年了。 我确实找到了 2013 年的一篇期刊文章，讨论了这个主题，但它包含丰富的方程式，可能有点难以阅读。
Zhang_TOBIOIJ (openbioinformaticsjournal.com)
