Auswahl des RNA-Seq-ModellierungsparametersJMP Genomics bietet drei Optionen für den ANOVA-Modellierungsparameter im RNA-Seq Basic Analysis-Workflow: Poisson, Generalized Poisson und Negative Binomialverteilung. Wie soll man sich zwischen diesen Optionen entscheiden? Außerdem kriege ich die Negative Binomalverteilung nie zum Laufen. Ich erhalte bei verschiedenen Datensätzen den folgenden Fehler:
FEHLER: NEWRAP-Optimierung kann nicht abgeschlossen werden
Erweiterte statistische ModellierungGrundlegende Datenanalyse und ModellierungWindowsBetreff: Auswahl des RNA-Seq-ModellierungsparametersAntwort gelöscht, siehe vorherige Antwort
Betreff: Auswahl des RNA-Seq-ModellierungsparametersEinverstanden, könnten Sie es hier auf die Wunschliste setzen, damit die Leute darüber abstimmen können? Das Produktmanagement sieht sich diese Liste ebenfalls an.
JMP-Wunschliste – JMP-Benutzer-Community
Betreff: Auswahl des RNA-Seq-ModellierungsparametersOh verdammt ... Ich hatte gehofft, dass dies irgendwie in JMP Genomics integriert ist.
Nun, so etwas wäre eine gute Feature-Anfrage.
Betreff: Auswahl des RNA-Seq-ModellierungsparametersDiese Frage wird seit Jahren gestellt. Ich habe einen Zeitschriftenartikel aus dem Jahr 2013 gefunden, der dieses Thema behandelt, aber er ist reich an Gleichungen, was vielleicht ein bisschen viel zu lesen ist.
Zhang_TOBIOIJ (openbioinformaticsjournal.com)
Betreff: Auswahl des RNA-Seq-ModellierungsparametersDanke Lou,
Ich würde erwarten, dass der Wechsel von Generalized Poisson zu Poisson mehr differentiell exprimierte Gene ergeben würde, da Generlaized Poisson eine Art "Korrektur" aufgrund von Überdispersion ist (mehr Varianz als "erwartet").Die Filterung überrascht mich ein wenig, aber wenn ich darüber nachdenke, gibt es weniger Gene (weniger statistische Tests), sodass die FDR-Korrektur (angepasster p-Wert) möglicherweise nicht so streng ist und daher mehr Gene an diesem bestimmten Grenzwert als signifikant bezeichnet werden .
Wie Sie bemerkt haben, sind die vorherigen Methoden-Genlisten in der nächsten Methoden-Genliste enthalten (es handelt sich um eine Teilmenge der folgenden Methode). Dies liegt an der fortschreitenden Natur der Filterung und Korrekturen.
Praktischer ausgedrückt: Wenn Sie eine Liste durchsuchen und nach Teilmengen von Genen suchen, die Sie weiterverfolgen können, enthält die größte Liste wahrscheinlich die Gene, die an der Grenze zu "statistisch signifikant" für diesen p-Wert-Schwellenwert stehen und könnte dennoch von Interesse sein, wenn die Unterschiede groß genug sind, um nützlich/sinnvoll zu sein. Das heißt, etwas mit einem p-Wert von 0,08 (oder 0,1) erreicht möglicherweise nicht den Grenzwert von 0,05, hat aber einen zweifachen Unterschied in der Expression, der das Verhalten einer Zelle ändern könnte. Es kann sein, dass es zu viele unerklärliche Variabilität zwischen den Proben gibt, um sich auf diesen Unterschied sehr verlassen zu können, oder dass etwas Unbekanntes mit dem Versuchsdesign konkurriert (man müsste sich die Variation der Expression innerhalb jeder Gruppe ansehen, damit dieses Gen es weiß mehr).
Ich würde die Gene, die an der Grenze liegen, auf jeden Fall in meine Liste aufnehmen, um sie weiter zu untersuchen, wenn es sich leisten lässt. Alles hängt vom Zweck des Experiments ab.
Betreff: Auswahl des RNA-Seq-ModellierungsparametersAlso habe ich einen meiner Datensätze genommen, und das sind die Zahlen der differentiell exprimierten Gene, die ich erhalten habe
- Verallgemeinertes Poisson, keine Filterung = 127
- Verallgemeinertes Poisson, mit Filterung = 226
- Poisson, keine Filterung = 316
- Poisson, mit Filterung = 380
Wenn Sie sich in der Aufzählungsliste oben nach unten bewegen, enthält jede Methode alle Gene der vorherigen Methode.
Es scheint nicht, dass das Einbeziehen der vielen Tausend Gene, die meistens Null zählen, irgendetwas hilft. Das generalisierte Poisson erfasste keines der nicht exprimierten bis stark exprimierten Gene als signifikant. Ich kann sie in den Vulkandiagrammen sehen, aber sie haben im Wesentlichen angepasste p-Werte von Null.
Betreff: Auswahl des RNA-Seq-ModellierungsparametersOK danke. Ich habe definitiv damit gerungen, und andere haben den Ansatz ebenfalls in Frage gestellt. Lassen Sie mich versuchen, die Generalized Poisson +/- Filterung auszuführen und zu sehen, wie sie aussieht.
Betreff: Auswahl des RNA-Seq-ModellierungsparametersHallo Lou,
Hmm ... nicht sicher, was am besten geeignet ist. Das Filtern der Zeile (Gen) entfernt sie vollständig. Wenn Sie es belassen, kann es für einige Proben mit Zählwerten verwendet werden.Es kann wichtig sein, diese Gene beizubehalten, denn wenn sich die Expression von 0 bis zu einer bestimmten Zahl ändert, hat sie sich geändert und muss in der Analyse beibehalten werden, selbst wenn eine fache Änderung enorm wäre (0 bis 20 ist eine 20-fache Änderung , aber möglicherweise keine große Änderung in der Anzahl der erstellten Transkripte). Diese Gene sind also eher aus als an.
Ich denke, ich würde die Nullen drin lassen und Generalized Poisson verwenden, aber andere haben vielleicht passendere Empfehlungen.
Betreff: Auswahl des RNA-Seq-ModellierungsparametersWie empfehlen Sie die Beurteilung der Streuung in einem RNA-Seq-Datensatz?
Betreff: Auswahl des RNA-Seq-ModellierungsparametersDanke Chris...
Ich habe definitiv viele Gene mit null oder keinen Zählungen in meinem RNA-Seq-Datensatz. Bei der Verwendung von Poisson verwende ich normalerweise die Option Filter Data for Modeling, die mit einem Cutoff von 0,2 aktiviert ist. Durch diesen Ansatz verliere ich vielleicht 25 % der kartierten Gene in meinem Probensatz.
Würden Sie empfehlen, keine Gene mit Nullzählung zu filtern und dann das verallgemeinerte Poisson zu verwenden?
-Lou
Betreff: Auswahl des RNA-Seq-ModellierungsparametersHallo @LouisAltamura ,
Ich nehme an, Sie wählen Zählen für die Modelldaten als: Option. Der Standardwert ist Poisson. Werfen Sie einen kurzen Blick auf die Verteilung der Daten, die Ihnen dabei helfen wird, die richtige Wahl zu treffen
Wenn die Daten sind überstreut dann ist einer der anderen beiden besser geeignet.
Hier ist ein Artikel, der beschreibt, wann negatives Binomial eine bessere Wahl für Zähldaten ist: Poisson oder negatives Binomial? Verwenden der Zählmodelldiagnose zur Auswahl eines Modells - Der Analysefaktor
Generalized Poisson könnte besser geeignet sein überstreut Daten mit vielen (zu vielen) Nullen. Hier ein kurzer Rückblick zu diesem Thema: Kann das verallgemeinerte Poisson-Modell andere Zähldatenmodelle ersetzen? Eine Bewertung - ScienceDirect
Wenn Sie der Meinung sind, dass es viele Gene gibt, die Nullen für Zählwerte haben (kein Ausdruck oder nicht nachweisbarer Ausdruck), dann ist Generalized Poisson wahrscheinlich die bessere Wahl. Sonst wäre Poisson OK.
Was den Fehler betrifft, den Sie bei der Auswahl von Negative Binomial erhalten, erhalte ich den gleichen Fehler. Bitte melden Sie dies an support@jmp.com .
Hoffe das hilft ein wenig,
