Was tun, wenn Microarray t-Test, ANOVA, SAM und LImma verschiedene ausgewählte signifikante Gene zeigen?

Benötigen Sie Rat: wie man Diskrepanzen in den Ergebnissen von differentiellen Microarray-Genexpressionstests angeht: Was tun, wenn ANOVA-, ttest-, SAM- und Limma-Verfahren unterschiedliche Ergebnisse zeigen und insbesondere diskrepantere Ergebnisse bei der Verwendung von Log-Transformationen und Normalisierungsoperationen zeigen?

Antworten (1)

Ich würde nicht erwarten, dass verschiedene Methoden die gleichen Ergebnisse liefern. Warum testen Sie überhaupt nicht normalisierte Datensätze, deren Ergebnisse für andere Zwecke völlig und völlig nutzlos sind, als zu zeigen, dass Normalisierung wichtig ist? Außerdem ist ein T-Test ein Sonderfall einer ANOVA (und natürlich verwendet Limma selbst einen moderierten T-Test, obwohl er deutlich mehr Power haben wird als die anderen), also muss ich mich fragen, welche Art genau Design, das Sie verwenden, dass es angebracht ist, das eine durch das andere zu ersetzen und trotzdem scheinbar sehr unterschiedliche Ergebnisse zu erzielen.

Im Allgemeinen würde ich Ihnen dringend empfehlen, für Ihre vermutlich erste Microarray-Analyse mit einem Bioinformatiker oder Statistiker vor Ort zusammenzuarbeiten, insbesondere wenn Sie keinen starken Hintergrund in Statistik haben.

Wir sind alle akademisch in Medizin und Informatik ausgebildet, wissen Sie. Wir haben jedoch 7 Jahre lang Angiogenese betrieben, keine Microarray-Forschung, und dieses Thema erst kürzlich begonnen. Wir haben viele Bücher gelesen, und Ratschläge sind ziemlich umstritten. In der Routine führen wir eine Quantil-Normalisierung und eine log2- oder log1o-Transformation zur Visualisierung durch. Das Design ist einfach: 4 Spalten mit Kontroll-Biochips und 6 mit experimentellen Daten. Das Problem ist, dass bei massiver Normalisierung, Log-Transformation, FDR usw. kein hoch- oder runtersignifikanter Ausdruck erreicht wird. Danke, dass du mir geholfen hast.