选择 RNA-Seq 建模参数JMP Genomics 在 RNA-Seq 基本分析工作流程中提供了三个 ANOVA 建模参数选项：泊松、广义泊松和负二项式。如何在这些选项中做出选择？此外，我似乎永远无法让负二项式发挥作用。我在各种数据集上都收到以下错误：
错误：NEWRAP 优化无法完成
高级统计建模基础数据分析与建模视窗回复：选择 RNA-Seq 建模参数回复已删除，见之前的回复
回复：选择 RNA-Seq 建模参数同意，你能不能把它放在愿望清单上，这样人们就可以投票了？ 产品管理也会查看此列表。
JMP 愿望清单 - JMP 用户社区
回复：选择 RNA-Seq 建模参数哦该死的... 我希望它能以某种方式内置到 JMP Genomics 中。
好吧，那种事情将是一个很好的功能请求。
回复：选择 RNA-Seq 建模参数这个问题已经问了很多年了。 我确实找到了一篇 2013 年讨论这个主题的期刊文章，但它包含丰富的方程式，可能读起来有点多。
张_TOBIOIJ (openbioinformaticsjournal.com)
回复：选择 RNA-Seq 建模参数谢谢娄，
我希望从 Generalized Poisson 到 Poisson 的转换会产生更多差异表达的基因，因为 Generalized Poisson 是由于过度分散（比“预期”更多的方差）引起的各种“校正”。过滤确实让我有点吃惊，但正如我所想，基因较少（统计测试较少），因此 FDR 校正（调整后的 p 值）可能不那么严格，因此更多基因在该特定截止点被称为显着.
正如您所注意到的，之前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质。
从更实际的角度来看，如果您正在筛选一个列表并寻找要跟进的基因子集，那么最大的列表可能包括那些对于该 p 值阈值处于“统计显着性”边缘的基因如果差异大到有用/有意义的话，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，但在表达上有 2 倍的差异，这可能会改变细胞行为。 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充满信心，或者未知事物正在与实验设计竞争（需要查看每个组内的表达变异才能知道该基因）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 建模参数所以我拿了一个数据集，这些是我获得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
- 泊松分布，无过滤 = 316
- 泊松分布，带过滤 = 380
当您向下移动上面的项目符号列表时，每种方法都包括前一种方法中的所有基因。
包括成千上万个几乎为零的基因似乎没有任何帮助。 Generalized Poisson 没有捕获任何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，但它们基本上将 p 值调整为零。
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，其他人也质疑这种方法。 让我尝试运行广义泊松 +/- 过滤并查看它的外观。
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。 保留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，它已经发生变化并且需要保留在分析中，即使倍数变化会很大（0 到 20 是 20 倍的变化，但产生的成绩单数量可能不会有很大变化）。 所以这些基因更有可能关闭而不是打开。
我想我会保留零并使用广义泊松，但其他人可能有更合适的建议。
回复：选择 RNA-Seq 建模参数您建议如何评估 RNA-Seq 数据集的离散度？
回复：选择 RNA-Seq 建模参数谢谢克里斯...
我的 RNA-Seq 数据集中肯定有许多计数为零或没有计数的基因。 使用 Poisson 时，我通常使用选中截止值为 0.2 的“用于建模的过滤数据”选项。 通过这种方法，我丢失了样本集中大约 25% 的映射基因。
你会建议不要过滤零计数基因然后使用广义泊松吗？
-娄
回复：选择 RNA-Seq 建模参数你好@路易斯阿尔塔穆拉,
我认为您正在为 Model Data As: 选项选择 Count。 默认为泊松分布。 快速查看数据的分布，这将有助于指导做出何种选择
如果数据是过度分散那么其他两个中的一个更合适。
这是一篇描述负二项式何时更适合计数数据的文章：泊松分布还是负二项分布？ 使用计数模型诊断来选择模型 - 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。 以下是对该主题的快速回顾：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（没有表达或检测不到表达），那么广义泊松可能是更好的选择。 否则泊松就可以了。
至于你在选择 Negative Binomial 时得到的错误，我得到了同样的错误。 请报告给支持@jmp.com .
希望能有所帮助，
