Jeg har opnået gener med forhold. Som et lille eksempel kan du se mine data nedenfor
Gene Control1 Control2 Control3 Treated1 Treated2 Treated3 pps-1 324680000 211350000 356350000 269770000 258080000 292830000 R11A8.7 477490000 610780000 539550000 533590000 530810000 578290000 ugt-21 105080000 103430000 74137000 78915000 42381000 31415000 spp-18 1042800000 615030000 332720000 538340000 448280000 412310000 Nu er mit spørgsmål, at jeg har tre kontroller og tre behandlet, kontrol har to biologiske replikater og behandlede har to biologiske replikater
Hvordan kan jeg beregne foldændringen for det?
Jeg ser to måder
Den første måde Jeg tager gennemsnittet af min kontrolgruppe, lad os kalde det A (en kolonne) Jeg tager gennemsnittet af min behandlede gruppe, så jeg ikke kalder det B (en kolonne) Så beregner jeg foldændringen (B / A)
På denne måde kan jeg også kontrollere, om sammenhængen mellem alle biologiske replikater af kontrol eller behandlede er høje, hvilket indikerer, at gennemsnittet er fint
Den anden måde Jeg udfører multisammenligningstest på begge gruppe I finde regulerede gener og nedregulerede gener Jeg kaster resten af de gener, jeg tager gennemsnittet af min kontrolgruppe, lad os kalde det A (en kolonne) Jeg tager gennemsnittet af min behandlede gruppe, så jeg ikke kalder det B (en kolonne) Så beregner jeg foldeskiftet (B / A)
hvilken af dem giver mere mening?
Min største bekymring er, hvordan man beregner foldændringen, når jeg har en biologisk replik,
Jeg skrev i biologigruppen, de sagde, at det er bedre, jeg sender det her
Hvordan kan man så beregne p-værdier for foldændring, hvis det er baseret på gennemsnit
Kommentarer
- Jeg tror du mener tre gentagelser.
- @Student T ja, jeg mener
- Cross postet i Biology.SE . @NikBernou Kryds ikke indlæg på to sider. Hvis du mener, at et websted er bedre, skal du slette spørgsmålet på det andet websted.
- @WYSIWYG Jeg ved, at han krydsindgav. Under alle omstændigheder bedes du gennemgå mit svar. Inspireret af din idé om t-test i det andet indlæg.
Svar
2 🙂 giver ingen mening til mig. Du ville kun foretage en t-test mellem kontrol / behandlet, hvis du vil teste for forskel i prøve middel, men ikke til beregning af fold-ændring.
Fold ændring beregnes typisk ved simpelthen average of group 2/ average of group 1. Jeg giver dig et bevis i http://seqanswers.com/forums/showthread.php?t=49101 skrev forfatteren af DESeq2:
(average in group2)/(average in group1)
Spørgsmålet er hvorfor vil du ønsker at gøre dette? Der er gode Bioconductor-pakker, der kan gøre det for dig. F.eks. anvender DESeq2 krympemetoder til fold-ændringer. Rå fold-ændring er ikke informativ i bioinformatisk statistisk analyse, fordi den ikke adresserer genets ekspressionsniveau (og varians). Gener med højt og lavt udtryk kan give dig den samme fold-ændring, og du vil ikke have dette til at ske.
Kommentarer
- tak så meget. faktisk har det været time og time, hvor jeg prøvede at forklare, hvad jeg vil. det giver mig den rigtige vej. Jeg er mere interesseret i at gøre det selv end at klikke på pakken ser lidt sort boks ud. er det muligt at give mig en forklaring på for eksempel hvordan de derefter beregner p-værdi for denne foldændring? ved du det?
- @NikBernou Jeg ved det lidt. Men kan du acceptere svaret, hvis det hjælper og derefter starte et nyt spørgsmål? Dette vil vise din påskønnelse, og folk vil være i stand til at hjælpe dig mere.
- @NikBernou Jeg tror, du vil have det bedre med at bruge de højtudviklede, sofistikerede pakker som DESeq2 og bruge en vis indsats på at forstå, hvad sådan " sorte kasser " faktisk gør. At prøve at genopfinde sådanne programmer er fyldt med vanskeligheder og tilbøjelig til fejl. Du kan også undersøge koden for at se, hvordan forfatterne af programmet håndterer ting som p-værdier.
- @EdM Jeg er enig, men det er svært at gennemgå en pakke, når du ikke skrev den. det meste af dokumentationen mangler, så underdrivelse af, hvad der virkelig er smerte. Jeg er enig i, at sådanne pakker er bygget til dem, der ikke har nogen programmeringsviden, og at si hvorfor jeg forsøger at lave noget selv, som jeg forstår det fuldt ud. Kan du for eksempel fortælle mig, hvorfor DESeq2 arbejder på tællingsværdier og ikke kontinuerligt? ser du, det er en sort boks
- @EdM beregning af foldændring er ikke en vanskelig beregning. DESeq2 er beregnet til en bestemt type data.Det er ikke et generelt statistisk værktøj. Og det er altid godt at kende den underliggende statistik / matematik i stedet for blot at klikke på nogle knapper.