※ 引述《gsuper (绿色苏打心)》之铭言： : 在 affy 的 u133plus2 晶片 : 有 130 万个 probe cells : 经过 preprocessing : 剩下 54675 个 probesets ^^^^^^^^^^^^^^^^^^^^^^^^^^恩... 这边我不太清楚你的preprocessing 因为我平常在做的时候...只有import data -> normalization (RMA)就有54675个probe 然後probe QC以MAS5 generate出来的detection call当filter 取A/P+M+A <= 50% 大约剩个 23,XXX左右吧 : 平均每个基因有 2 个 probesets : 大致看了一下 range 为 1~7 个 probesets per gene : 如果 probesets 的结果冲突怎麽办? : 用投票决定好像不是好方法 : 必竟每个 probeset 的份量都很重 , : 1:2 为显着 , 2:1 为不显着 : 实在太武断了 probe跟gene之间的关系可以affy官方那边看到 http://www.affymetrix.com/support/help/IVT_glossary/index.affx 另外我记得probe seq也可以查的到 如果有怪怪的 可以回去看一下那个probe是detect哪 : ---------------------------------------- : Q二 : : 我是用 double filter 做 Inference : FC > 1.5 , paired t < 0.05*2 / 54675 (不知道为什麽 , 不取FDR就有数百个显着) : 因为我是 pair data : 且实验目的只要找显着大的 : : 请问 paired data 有必要做 SAM 或 Bayesian inference 吗? : 我想 paired t 的有效性应该很不错 : 用上述两种可能会拿牛刀杀鸡 : 不知道这样想对不对? 一般来说paired data用paired T是比较好的呀 恩...看到这边 不知道你们lab(或老板的意见) 只想要挑几个可以validation的来做? 因为...你FDR设得还蛮严的 像我做比较large-scale的network modeling 数百个significant genes我有点嫌太少耶 : --------------------------------------- : Q3 : : 在 R 的 packages "siggenes" 中 : d.stat() 的结果每次都不同 (这是一个t.test的函式 , 可 pair or unpair) : 我猜是因为加入了 permutation 的概念 : 但结果也差太多了 : 我选了 2600 个 receptors 来分析 : 有时後有 500 个显着 : 有时後有 300 个显着 : 请问有办法解决吗? : 还是我该跑一万次取平均 P-value??? permutation我的习惯大概做个1,000次啦 可是我一直不是很喜欢permuatation因为这个概念 是符合统计 但真的符合生物嘛? 这我很保留 : : ------------------------------------- : 不好意思专问些难题..... -- ★ミ ζ ○_. /(╯ 【今晚的天空有一颗流星划过 在预言着什麽】|> --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 118.167.201.87