Оценка статистической мощи RNA-Seq

Оценка статистической мощи RNA-Seq

 

Изучение дифференциальной экспрессии было основным фокусом многих биологических экспериментов и многих когортных исследований пациентов в течение нескольких десятилетий. С тех пор, как примерно двадцать лет назад были изобретены РНК - микрочипы, огромное количество данных было сформировано путем профилирования тысяч генов в различных клеточных линиях, модельных организмах и образцах человека. Не так давно технология RNA-Seq пришла на смену технологии микрочипов, поскольку она способна не только количественно оценивать экспрессию генов, но также обнаруживать изоформы, новые транскрипты и события слияния генов. Как и в исследованиях с использованием микрочипов, расчеты размера выборки и оценка мощности по-прежнему остаются одной из ключевых проблем при разработке экспериментов RNA-Seq.

Вычисление размера выборки и оценка мощности являются важными компонентами экспериментальных проектов в биомедицинских исследованиях. Очень сложно оценить мощность дифференциальной экспрессии RNA-Seq в сложных экспериментах, кроме того, зависимость от генов должна быть принята во внимание для получения более точных результатов.

 

Исследователи из университета штата Огайо (США) предлагают основанную на моделировании процедуру оценки мощности с использованием отрицательного биномиального распределени, в работе они используют обобщенную линейную модель (на уровне генов), которая учитывает зависимость между уровнем экспрессии генов и ее вариабельностью (дисперсией), а также допускает равную или неравную дисперсию в разных условиях. В недавно опубликованной работе проведено сравнение производительности теста  Вальда и теста правдоподобия при разных сценариях. Моделирование нулевого распределения тестовой статистики было симулировано для нужного ложноположительного контроля, чтобы избежать избыточных ложных позитивных с использованием асимптотического распределения хи-квадрат. Авторы применили этот метод к набору данных анализа транскриптома образцов рака молочной железы TCGA. Предлагаемая процедура способна должным образом контролировать частоту ложноположительных ошибок.



Ссылка на статью

 

все для dle
0
Добавить комментарий

Оставить комментарий