Ik heb genen met verhoudingen verkregen. Als een klein voorbeeld kun je mijn gegevens hieronder zien.
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 is mijn vraag dat ik drie controles heb en drie behandeld, controle heeft twee biologische replicatie en dat behandeling heeft twee biologische replicas
Hoe kan ik de vouwverandering ervoor berekenen?
Ik zie twee manieren
De eerste manier Ik neem het gemiddelde van mijn controlegroep, noem het A (één kolom) Ik neem het gemiddelde van mijn behandelde groep, anders noem ik het B (één kolom) Vervolgens bereken ik the fold change (B / A)
Op deze manier kan ik ook controleren of de correlatie tussen alle biologische replicatie van controle of behandelde zijn hoog, wat aangeeft dat het nemen van het gemiddelde prima is
De tweede manier Ik voer een multi-vergelijkingstest uit op beide groepen I vind gereguleerde genen en neerwaarts gereguleerde genen Ik gooi de rest van de genen weg. Ik neem het gemiddelde van mijn controlegroep, noem het A (één kolom) Ik neem het gemiddelde van mijn behandelde groep, anders noem ik het B (één kolom) Vervolgens bereken ik de vouwwijziging (B / A)
welke van hen is logischer?
Mijn grootste zorg is hoe de vouwverandering te berekenen als ik een biologische replicatie heb,
Ik heb in de biologiegroep gepost, ze zeiden dat het beter is om het hier te plaatsen
Hoe kan men dan p-waarden berekenen voor vouwverandering als het is gebaseerd op gemiddelde
Reacties
- Ik denk dat je bedoelt drie herhalingen.
- @Student Ja, ik bedoel
- Cross gepost in Biology.SE . @NikBernou Kruis geen berichten op twee sites. Als je denkt dat de ene site beter is, verwijder dan de vraag op de andere site.
- @WYSIWYG Ik weet dat hij kruislings heeft gepost. Bekijk mijn antwoord in ieder geval. Geïnspireerd door jouw idee van t-test in het andere bericht.
Antwoord
2 🙂 slaat nergens op naar mij. Je zou alleen een t-test doen tussen controle / behandeld als je wilt testen op verschillen in de steekproefgemiddelden, maar niet om de fold-change te berekenen.
Fold-verandering wordt doorgaans berekend door simpelweg average of group 2/ average of group 1. Ik “zal je een bewijs geven, in http://seqanswers.com/forums/showthread.php?t=49101 , schreef de auteur van DESeq2:
(average in group2)/(average in group1)
De vraag is waarom zou je wilt u dit doen? Er zijn goede Bioconductor-pakketten die dat voor u kunnen doen. DESeq2 past bijvoorbeeld krimpmethoden toe op de fold-changes. Raw fold-change is niet informatief in bioinformatische statistische analyse, omdat het geen betrekking heeft op het expressieniveau (en variantie) van het gen. Hoog en laag tot expressie gebrachte genen kunnen u dezelfde vouwverandering geven, en u wilt niet dat dit gebeurt.
Opmerkingen
- dankjewel veel. eigenlijk is het uren en uren geweest dat ik probeerde uit te leggen wat ik wilde. dit geeft me het juiste pad. Ik ben meer geïnteresseerd om het zelf te doen dan klikken op pakket lijkt een beetje een zwarte doos. is het mogelijk om mij een uitleg over bijvoorbeeld hoe ze vervolgens de p-waarde berekenen voor deze vouwverandering? weet je dat?
- @NikBernou Ik weet het wel. Maar kun je het antwoord accepteren als het helpt en dan een nieuw Dit zal je waardering tonen en mensen zullen je meer kunnen helpen.
- @NikBernou Ik denk dat je beter af bent als je de hoogontwikkelde, geavanceerde pakketten zoals DESeq2 gebruikt en wat moeite doet om te begrijpen wat dergelijke " zwarte dozen " doen dat ook. Het heruitvinden van dergelijke programmas is lastig en vatbaar voor fout. Je kunt ook de code bekijken om te zien hoe de auteurs van het programma omgaan met zaken als p-waarden.
- @EdM Ik ben het ermee eens, maar het is moeilijk om een pakket te doorlopen als je het niet hebt geschreven. de meeste documentatie ontbreekt, dus onderschatten wat echt pijn is. Ik ben het ermee eens dat dergelijke pakketten zijn gebouwd voor degenen die geen programmeerkennis hebben en daarom probeer ik zelf iets te maken dat ik volledig begrijp. Kun je me bijvoorbeeld vertellen waarom DESeq2 werkt aan telwaarden en niet continu? zie je, het is een zwarte doos
- @EdM het berekenen van fold change is geen moeilijke berekening. DESeq2 is bedoeld voor een specifiek soort gegevens.Het is geen algemeen statistisch hulpmiddel. En het is altijd goed om de onderliggende statistieken / wiskunde te kennen in plaats van simpelweg op enkele knoppen te klikken.