Molbiol.ru | О проекте | Справочник | Методы | Растворы | Расчёты | Литература | Орг.вопросы Web | Фирмы | Coffee break | Картинки | Работы и услуги | Биржа труда | Zbio-wiki NG SEQUENCING · ЖИЗНЬ РАСТЕНИЙ · БИОХИМИЯ · ГОРОДСКИЕ КОМАРЫ · А.А.ЛЮБИЩЕВ · ЗООМУЗЕЙ Темы за 24 часа [ Вход* | Регистрация* ] Форум: | |
Fury-of-Bury |
1. если производится сравнение одних и тех же групп по нескольким признакам, то имеет место множественные сравнения, даже если групп две - я правильно понял? 2. Если 1 верно, то перевожу к своей работе. Мы исследуем воздействие гормона на лимфоциты. Мы выделили лимфоциты из крови 10 (условно) доноров. Лимфоциты каждого донора мы культивировали в присутствии 4 концентраций гормона (0, 1, 10, 100). Спустя несколько дней мы сравнивали процент клеток экспрессирующих условно 3 (пусть А, Б и В) поверхностных молекулы по сравнению с контролем. То есть у нас 4 группы и 3 признака. Для каждого признака мы сравнивали группы методом Фридмана, для апостериорных сравнений с контрольной группой использовали критерий Данна. То есть 3 раза мы проводили сравнения. И вот тут у нас ошибка получается: мы не учли эффект множественных сравнений для признаков, так как группы одни и те же - я правильно понял? 3. Если 1 и 2 верно, где найти инфу о возможных решениях проблемы. Хотелось бы в рамках традиционных стат. пакетов, а то я до R ибутстрепа еще не дорос, да и я лизко не математик. Если такого простого решения нет. подскажите хоть как поанглийски называется тема, которую стоит разобрать. Там, глядишь, и до R дорасту... С уважением. Сообщение было отредактировано Fury-of-Bury - 03.04.2017 17:16 |
Den-N Постоянный участник |
Вы можете в принципе использовать параметрику после преобразований: ANOVA или MANOVA. Считается, что проценты распределены примерно нормально в диапазоне 30-70. В диапазоне 0-30 распределение положительно асимметричное, в 70-100 - отрицательно асимметричное. Для устранения асимметрии % применяются угловые преобразования типа фи-преобразования (арксинус корня из частоты). Если весь эксперимент загнать в один анализ - проблемы не будет совсем (хотя я бы, пожалуй, оставил у вас всё как есть, безо всяких поправок). |
Fury-of-Bury |
(Den-N @ 03.04.2017 23:44) Посмотрите ещё эту тему: - не очень понял вот это. В какой-то многофакторный анализ или как?Если весь эксперимент загнать в один анализ - проблемы не будет совсем А насчет отказа от поправок - я тоже об этом думал. Стоит ли настолько упарываться в статистику. Рискуем не заметить некоторые эффекты, данные то не такие уж многочисленные. На эту тему один дядька прикольно написал: "For example, let's say you've gone to a lot of trouble and expense to knock out your favorite gene, mannose-6-phosphate isomerase (Mpi), in a strain of mice that spontaneously develop lots of tumors. Hands trembling with excitement, you get the first Mpi-/- mice and start measuring things: blood pressure, growth rate, maze-learning speed, bone density, coat glossiness, everything you can think of to measure on a mouse. You measure 50 things on Mpi-/- mice and normal mice, run the approriate statistical tests, and the smallest P value is 0.013 for a difference in tumor size. If you use a Bonferroni correction, that P=0.013 won't be close to significant; it might not be significant with the Benjamini-Hochberg procedure, either. Should you conclude that there's no significant difference between the Mpi-/- and Mpi+/+ mice, write a boring little paper titled "Lack of anything interesting in Mpi-/- mice," and look for another project? No, your paper should be "Possible effect of Mpi on cancer." You should be suitably cautious, of course, and emphasize in the paper that there's a good chance that your result is a false positive; but the cost of a false positive—if further experiments show that Mpi really has no effect on tumors—is just a few more experiments. The cost of a false negative, on the other hand, could be that you've missed out on a hugely important discovery." И еще вопрос - а имеет ли смысл смотреть зависимость процента экспрессии молекул от концентрации гормона? В том смысле, что выборки у нас обычно не велики и более 20 образцов вряд ли будет. Не имел дела с корреляцией/регрессией, хорошо бы совет опытного человека. И будет ли кстати расчет корреляции/функции регрессии еще одним повторным измерением? Сообщение было отредактировано Fury-of-Bury - 04.04.2017 08:10 |
Den-N Постоянный участник |
Теперь, учитывая, что признаков - 3, вводим в анализ дополнительно фактор "Молекула". Если мы считаем, что экспрессия одной молекулы не завивисит от экспрессии другой - имеем трёхфаторный дисп. анализ (ANOVA). В нём появятся новые взаимодействия: Концентрация х Молекула, Донор х Молекула и трёхфакторное Концентрация х Донор х Молекула. В таком комплексе "множественность" уже заложена изначально, поэтому и проблемы с ней нет - я это имел ввиду. Если же считаем, что экспрессия 3 молекул идёт не независимо, а как-то скоррелировано - используем MANOVA. Получаются достаточно сложные для осмысления большие анализы, поэтому и написал, что не стал бы так усложнять. Регрессия в вашем случае логична, т.к. и в дисперсионном анализе, и по Фридману 0, 1, 10 и 100 обрабатываются не как количественный показатель, а как метка - номинальная категория. Т.е. в анализе не учитывается, что это - конкретные числовые значения концентраций. Если ввести в схему анализа этот регрессионный компонент будет тоже сложнее: нужно либо линеаризовать преобразованием скорее всего исходно нелинейные зависимости экспрессии от концентрации (индивидуальные зависимости для доноров) и работать далее ковариационным анализом (ANCOVA), или как-то моделировать в рамках так называемого конфлюэнтного анализа или в рамках анализа функциональных зависимостей нелинейные зависимости какой-то функцией, например полиномом второй или третьей степени (см. простые варианты в Монтгомери Д.К. Планирование эксперимента и анализ данных и/или материалы по статистике в R). Зато такой сложный анализ позволит не только констатировать различия экспрессии на разных концентрациях, но и найти функцию, позволяющую интерполировать экспрессию во всём диапазоне концентраций. Т.е. задача моделирования зависимости по-иному расставляет акценты в работе. Поэтому считаю, что формально регрессионный анализ "снимает" проблему "множественности": не статистически, но исходя из целей работы. По крайней мере, если бы я проделал такую работу - сумел бы отмоделировать экспрессию каждой из трёх молекул в отдельности с учётом измерения одних и тех же доноров и построил бы 3 графика регрессии с доверительными границами, то послал бы нахер любого, кто бы только заикнулся о каких-то множественных сравнениях экспрессии. Ну или нашёл бы менее экспрессивную форму усомниться в адекватности оппонента. А объём выборки не принципиален и даже наоборот, чем меньше данных, тем важнее использовать наиболее специализированные и мощные в статистическом смысле методы. Сообщение было отредактировано Den-N - 04.04.2017 23:56 |
Fury-of-Bury |
|
guest: great IP-штамп: frj5GEfdEWR5M гость |
|
guest: 123 IP-штамп: frJhOCvSv9ICE гость |
|
guest: 123 IP-штамп: fr4iy3.kHUw02 гость |
|
guest: 123 IP-штамп: frXqkB4MpP2jQ гость |
|
12 IP-штамп: frAWeMdOsBSXM гость |
|
« Предыдущая тема · Биофизика и матметоды в биологии · Следующая тема » |