Elección del parámetro de modelado de RNA-SeqJMP Genomics ofrece tres opciones para el parámetro de modelado ANOVA en el flujo de trabajo de análisis básico de RNA-Seq: Poisson, Poisson generalizado y Binomial negativo. ¿Cómo se decide entre estas opciones? Además, parece que nunca puedo hacer funcionar el Binomal Negativo. Recibo el siguiente error en varios conjuntos de datos:
ERROR: No se puede completar la optimización de NEWRAP
AnalíticaventanasRe: Elegir el parámetro de modelado de RNA-SeqHola @LouisAltamura ,
Supongo que está eligiendo Contar para la opción Datos del modelo como:. El valor predeterminado es Poisson. Eche un vistazo rápido a la distribución de los datos, que ayudarán a orientar qué elección tomar
Si los datos son sobredispersado entonces uno de los otros dos es más apropiado.
Aquí hay un artículo que describe cuándo Binomial Negativo es una mejor opción para contar datos: ¿Binomio de Poisson o negativo? Uso de Count Model Diagnostics para seleccionar un modelo: el factor de análisis
Poisson generalizado podría ser más adecuado para sobredispersado datos con muchos (excesivos) ceros. Aquí hay una revisión rápida sobre este tema: ¿Puede el modelo de Poisson generalizado reemplazar cualquier otro modelo de datos de conteo? Una evaluación - ScienceDirect
Si cree que hay muchos genes que tienen ceros para los recuentos (sin expresión o expresión indetectable), entonces el Poisson generalizado es probablemente una mejor opción. De lo contrario, Poisson estaría bien.
En cuanto al error que obtiene al elegir Binomial Negativo, obtengo el mismo error. Por favor informe esto a support@jmp.com .
Espero que esto ayude un poco,
Re: Elegir el parámetro de modelado de RNA-SeqGracias Cris...
Definitivamente tengo muchos genes con cero o ningún conteo en mi conjunto de datos de RNA-Seq. Cuando uso el Poisson, normalmente uso la opción Filtrar datos para modelado marcada con un límite de 0.2. Con este enfoque, estoy perdiendo quizás el 25% de los genes mapeados en mi conjunto de muestras.
¿Recomendaría no filtrar genes de conteo cero y luego usar el Poisson generalizado?
-Lou
Re: Elegir el parámetro de modelado de RNA-Seq¿Cómo recomienda evaluar la dispersión en un conjunto de datos de RNA-Seq?
Re: Elegir el parámetro de modelado de RNA-SeqHola Lou,
Hmm... no estoy seguro de cuál es el más apropiado. Filtrar la fila (gen) la elimina por completo. Dejarlo permite usarlo para algunas muestras que tienen conteos.Puede ser importante mantener esos genes ya que si el cambio en la expresión es de 0 a algún número, ha cambiado y debe mantenerse en el análisis, incluso si un cambio de pliegue sería enorme (0 a 20 es un cambio de 20 veces). , pero puede no ser un gran cambio en el número de transcripciones producidas). Por lo tanto, es más probable que esos genes estén activados o desactivados.
Creo que dejaría los ceros y usaría Poisson generalizado, pero otros pueden tener recomendaciones más apropiadas.
Re: Elegir el parámetro de modelado de RNA-SeqOK gracias. Definitivamente he estado luchando con esto, y otros también han cuestionado el enfoque. Permítanme intentar ejecutar el filtrado generalizado de Poisson +/- y ver cómo se ve.
Re: Elegir el parámetro de modelado de RNA-SeqAsí que tomé uno de mis conjuntos de datos, y estos son los números de genes expresados diferencialmente que obtuve
- Poisson generalizado, sin filtrado = 127
- Poisson generalizado, con filtrado = 226
- Poisson, sin filtrado = 316
- Poisson, con filtrado = 380
A medida que avanza hacia abajo en la lista con viñetas anterior, cada método incluye todos los genes del método anterior.
No parece que incluir los muchos miles de genes en su mayoría de recuento cero ayude en nada. El Poisson generalizado no capturó ninguno de los que no se expresaron en genes altamente expresados como significativos. Puedo verlos en los diagramas de volcanes, pero esencialmente tienen valores p ajustados de cero.
Re: Elegir el parámetro de modelado de RNA-SeqGracias Lou,
Esperaría que el cambio de Poisson generalizado a Poisson produjera más genes expresados diferencialmente dado que Poisson generalizado es una especie de "corrección" debido a la sobredispersión (más variación de la "esperada").El filtrado me sorprende un poco, pero si lo pienso, hay menos genes (menos pruebas estadísticas), por lo que la corrección FDR (valor p ajustado) puede no ser tan estricta y, por lo tanto, más genes se consideran significativos en ese límite en particular. .
Como ha notado, las listas de genes del método anterior se incluyen en la lista de genes del siguiente método (es un subconjunto del método a continuación). Se debe a la naturaleza progresiva del filtrado y las correcciones.
En una nota más práctica, si está revisando una lista y buscando subconjuntos de genes para realizar un seguimiento, es probable que la lista más grande incluya aquellos genes que están en el borde de ser "estadísticamente significativos" para ese umbral de valor p y aún podría ser de interés si las diferencias son lo suficientemente grandes como para ser útiles/significativas. Es decir, algo con un valor p de 0,08 (o 0,1) podría no alcanzar el límite de 0,05, pero tener una diferencia de 2 veces en la expresión que podría cambiar el comportamiento de las células. Puede ser que haya demasiada variabilidad no explicada entre las muestras para tener mucha confianza en esa diferencia o que algo desconocido esté compitiendo con el diseño del experimento (habría que echar un vistazo a la variación de expresión dentro de cada grupo para que ese gen sepa más).
Definitivamente incluiría esos genes que están en el borde en mi lista de genes para investigar más a fondo si se puede pagar. Todo depende del propósito del experimento.
Re: Elegir el parámetro de modelado de RNA-SeqEsa pregunta se ha hecho durante años. Encontré un artículo de revista de 2013 que analiza este tema, pero es rico en ecuaciones, lo que podría ser demasiado para leer.
Zhang_TOBIOIJ (openbioinformaticsjournal.com)
