選擇 RNA-Seq 建模參數JMP Genomics 為 RNA-Seq 基本分析工作流程中的 ANOVA 建模參數提供三個選項：泊松、廣義泊松和負二項式。 如何在這些選項中做出決定？ 此外，我似乎永遠無法讓負二項式工作。 我在各種數據集上收到以下錯誤：
錯誤：無法完成 NEWRAP 優化
分析視窗回复：選擇 RNA-Seq 建模參數你好@LouisAltamura ,
我認為您正在為 Model Data As: 選項選擇計數。 默認值為泊松。 快速查看數據的分佈，這將有助於指導做出哪種選擇
如果數據是過度分散那麼其他兩個中的一個更合適。
這是一篇文章，描述了負二項式何時是計數數據的更好選擇：泊松還是負二項式？ 使用計數模型診斷選擇模型 - 分析因素
廣義泊松可能更適合過度分散具有許多（過多）零的數據。 以下是對此主題的快速回顧：廣義泊松模型可以替代任何其他計數數據模型嗎？ 評估 - ScienceDirect
如果您認為有很多基因的計數為零（無表達或無法檢測到的表達），那麼廣義泊松可能是更好的選擇。 否則泊鬆就可以了。
至於選擇負二項式時出現的錯誤，我得到了同樣的錯誤。 請將此報告給support@jmp.com .
希望有點幫助，
回复：選擇 RNA-Seq 建模參數謝謝克里斯...
我的 RNA-Seq 數據集中肯定有很多基因計數為零或沒有計數。 使用 Poisson 時，我通常使用 Filter Data for Modeling 選項檢查截止值為 0.2。 通過這種方法，我在我的樣本集中丟失了大約 25% 的映射基因。
您是否建議不要過濾零計數基因然後使用廣義泊松？
-婁
回复：選擇 RNA-Seq 建模參數您如何推薦評估 RNA-Seq 數據集的離散度？
回复：選擇 RNA-Seq 建模參數嗨，婁，
嗯...不確定哪個最合適。 過濾行（基因）將其完全刪除。 離開它允許它用於一些有計數的樣本。保留這些基因可能很重要，因為如果表達的變化是從 0 到某個數字，它已經發生了變化，需要保留在分析中，即使倍數變化很大（0 到 20 是 20 倍的變化） ，但可能不會在產生的成績單數量上有很大的變化）。 所以這些基因更有可能關閉與打開。
我想我會留下零並使用廣義泊松，但其他人可能有更合適的建議。
回复：選擇 RNA-Seq 建模參數好，謝謝。 我肯定一直在努力解決這個問題，其他人也對這種方法提出了質疑。 讓我嘗試運行廣義泊松 +/- 過濾，看看它的外觀。
回复：選擇 RNA-Seq 建模參數所以我拿了一個數據集，這些是我得到的差異表達基因的數量
- 廣義泊松，無過濾 = 127
- 廣義泊松，過濾 = 226
- 泊松，無過濾 = 316
- 泊松，過濾 = 380
當您向下移動上面的項目符號列表時，每種方法都包含前一種方法中的所有基因。
包括成千上萬個幾乎為零計數的基因似乎沒有任何幫助。 廣義泊松沒有捕捉到任何那些未表達到高表達基因的重要基因。 我可以在火山圖中看到它們，但它們基本上已將 p 值調整為零。
回复：選擇 RNA-Seq 建模參數謝謝婁，
我預計從廣義泊松到泊鬆的轉換會產生更多差異表達的基因，因為廣義泊松是由於過度分散而導致的某種“校正”（比“預期的”更大）。過濾確實讓我有點吃驚，但是當我考慮到它時，基因更少（統計測試更少），因此 FDR 校正（調整後的 p 值）可能沒有那麼嚴格，因此更多的基因在那個特定的截止點被稱為顯著.
正如您所注意到的，前面的方法基因列表包含在下一個方法基因列表中（它是下面方法的子集）。 這是由於過濾和校正的漸進性。
在更實際的情況下，如果您正在篩選列表並尋找要跟進的基因子集，最大的列表可能包括那些對於該 p 值閾值具有“統計意義”邊界的基因如果差異足夠大以至於有用/有意義，仍然可能會引起人們的興趣。 意思是，p 值為 0.08（或 0.1）的東西可能不會達到 0.05 的截止值，但在表達上會有 2 倍的差異，這可能會改變細胞的行為。 可能是樣本之間存在太多無法解釋的變異性，以至於無法對這種差異非常有信心，或者未知的東西正在與實驗設計競爭（需要查看每個組內的表達變異才能知道該基因更多的）。
如果可以負擔得起，我肯定會將邊界上的基因包括在我的列表中以進一步調查。 一切都取決於實驗的目的。
回复：選擇 RNA-Seq 建模參數這個問題已經問了很多年了。 我確實找到了 2013 年的一篇期刊文章，討論了這個主題，但它包含豐富的方程式，可能有點難以閱讀。
Zhang_TOBIOIJ (openbioinformaticsjournal.com)
