選擇 RNA-Seq 建模參數JMP Genomics 為 RNA-Seq 基本分析工作流程中的 ANOVA 建模參數提供了三個選項：泊松、廣義泊松和負二項式。人們如何在這些選項中做出決定？而且，我似乎永遠無法讓負二項式發揮作用。我在各種數據集上收到以下錯誤：
錯誤：NEWRAP 優化無法完成
進階統計建模基礎資料分析與建模視窗回复：選擇 RNA-Seq 建模參數回复已刪除，見之前的回复
回复：選擇 RNA-Seq 建模參數同意，你能不能把它放在願望清單上，這樣人們就可以投票了？ 產品管理也會查看此列表。
JMP 願望清單 - JMP 用戶社區
回复：選擇 RNA-Seq 建模參數哦該死的... 我希望它能以某種方式內置到 JMP Genomics 中。
好吧，那種事情將是一個很好的功能請求。
回复：選擇 RNA-Seq 建模參數這個問題已經問了很多年了。 我確實找到了一篇 2013 年討論這個主題的期刊文章，但它包含豐富的方程式，可能讀起來有點多。
張_TOBIOIJ (openbioinformaticsjournal.com)
回复：選擇 RNA-Seq 建模參數謝謝婁，
我希望從 Generalized Poisson 到 Poisson 的轉換會產生更多差異表達的基因，因為 Generalized Poisson 是由於過度分散（比“預期”更多的方差）引起的各種“校正”。過濾確實讓我有點吃驚，但正如我所想，基因較少（統計測試較少），因此 FDR 校正（調整後的 p 值）可能不那麼嚴格，因此更多基因在該特定截止點被稱為顯著.
正如您所注意到的，之前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質。
從更實際的角度來看，如果您正在篩選一個列表並尋找要跟進的基因子集，那麼最大的列表可能包括那些對於該 p 值閾值處於“統計顯著性”邊緣的基因如果差異大到有用/有意義的話，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充滿信心，或者未知事物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 建模參數所以我拿了一個數據集，這些是我獲得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
- 泊松分佈，無過濾 = 316
- 泊松分佈，帶過濾 = 380
當您向下移動上面的項目符號列表時，每種方法都包括前一種方法中的所有基因。
包括成千上萬個幾乎為零的基因似乎沒有任何幫助。 Generalized Poisson 沒有捕獲任何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，但它們基本上將 p 值調整為零。
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，其他人也質疑這種方法。 讓我嘗試運行廣義泊松 +/- 過濾並查看它的外觀。
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。 保留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，它已經發生變化並且需要保留在分析中，即使倍數變化會很大（0 到 20 是 20 倍的變化，但產生的成績單數量可能不會有很大變化）。 所以這些基因更有可能關閉而不是打開。
我想我會保留零並使用廣義泊松，但其他人可能有更合適的建議。
回复：選擇 RNA-Seq 建模參數您建議如何評估 RNA-Seq 數據集的離散度？
回复：選擇 RNA-Seq 建模參數謝謝克里斯...
我的 RNA-Seq 數據集中肯定有許多計數為零或沒有計數的基因。 使用 Poisson 時，我通常使用選中截止值為 0.2 的“用於建模的過濾數據”選項。 通過這種方法，我丟失了樣本集中大約 25% 的映射基因。
你會建議不要過濾零計數基因然後使用廣義泊松嗎？
-婁
回复：選擇 RNA-Seq 建模參數你好@路易斯阿爾塔穆拉,
我認為您正在為 Model Data As: 選項選擇 Count。 默認為泊松分佈。 快速查看數據的分佈，這將有助於指導做出何種選擇
如果數據是過度分散那麼其他兩個中的一個更合適。
這是一篇描述負二項式何時更適合計數數據的文章：泊松分佈還是負二項分佈？ 使用計數模型診斷來選擇模型 - 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。 以下是對該主題的快速回顧：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（沒有表達或檢測不到表達），那麼廣義泊松可能是更好的選擇。 否則泊鬆就可以了。
至於你在選擇 Negative Binomial 時得到的錯誤，我得到了同樣的錯誤。 請報告給支持@jmp.com .
希望能有所幫助，
