作者gsuper (統計的巴比倫塔)
看板BioMedInfo
標題[問題] ANOVA table 是否能降維?
時間Tue Mar 9 16:34:21 2010
two-way ANOVA table
-----------------------------------------------------
控制組 控制組 控制組 實驗組 實驗組 實驗組
row1 15 15 15 400 400 400
row2 50 50 50 300 300 300
row3 10 10 10 200 200 200
-----------------------------------------------------
在
交互作用不顯著 時
能否進行以下的降維動作?
三條 rows 取平均 , 變成 rowPOOL
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
控制組 控制組 控制組 實驗組 實驗組 實驗組
rowPOOL 25 25 25 300 300 300
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
或是只有交互作用不顯著的條件仍然不夠
需要其它條件
還是跟本不能這樣做?
誠心請教
--
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.113.239.247
※ 編輯: gsuper 來自: 140.113.239.247 (03/08 23:32)
※ 編輯: gsuper 來自: 140.113.239.247 (03/08 23:32)
※ 編輯: gsuper 來自: 140.113.239.247 (03/08 23:34)
※ 編輯: gsuper 來自: 140.113.239.247 (03/08 23:35)
※ 編輯: gsuper 來自: 140.113.239.247 (03/08 23:36)
1F：→ bmka:這樣做的結果是sample size少了1/3耶.... 03/09 07:01
2F：→ yhliu:Interaction 不顯著固可考慮用無交互作用模型, 甚至 two-way 03/09 08:12
3F：→ yhliu:簡化成 one-way, 但不宜改用 "平均值" 做分析. 03/09 08:14
4F：→ yhliu:事實上 two-way without replication 本就難考慮interaction 03/09 08:16
5F：→ yhliu:而僅有 one-way group means 也無法做 means 之間差異推論. 03/09 08:17
有點一言難盡....
這個 case 實際上是這樣
-----------------------------------------------------
控制組 控制組 控制組 實驗組 實驗組 實驗組
row1 15 15 15 400 400 400
"Inpp5d"
row2 50 50 50 300 300 300
"Inpp5d"
row3 10 10 10 200 200 200
"Inpp5d"
-----------------------------------------------------
右邊綠色的是 基因名
上面的 table 可以視為 one gene region
Total 約 20000~30000 gene regions
Naive method :
3條rows 任意一條顯著 , 就說此基因顯著
(Most people used)
但這樣會造成 Data 的浪費
或是找出一堆 outlier rows
甚至是 兩條rows 的結果矛頓
(同時支持顯著大和顯著小!?)
--> 所以 rows 必需適當的整合
若是樣本夠大
確實只需要組合 one-way ANOVA 和 two-way ANOVA
就可以靠穩健性直接搞定問題
但因為在實務上樣本數都很小
(控制實驗各5片就要花 10萬 NT)
而且 PDF 為左偏
所以我覺的用 ANOVA 做檢定會有問題
(Table 內可能只有 16~40 個數字)
有人幫晶片分析設計了小樣本專用的無母數統計 (SAM)
套用 Permutation + Ordered statistic 的概念
可以搞定小樣本統計
但此統計方法是套用上述的 Naive method
所以我想是否能用 ANOVA 檢定交互作用不顯著後
直接變成
rowPool
然後就直接套用 SAM 搞定.....
避免 multiple testing 變成雞尾酒式的統計流程
所以回歸原本的問題
整合成 rowPool 是否會有什麼潛在問題
還是我跟本在亂做? 冏
※ 編輯: gsuper 來自: 140.113.239.247 (03/09 16:29)
※ 編輯: gsuper 來自: 140.113.239.247 (03/09 16:32)
--
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.113.239.247
※ 編輯: gsuper 來自: 140.113.239.247 (03/09 16:35)
※ 編輯: gsuper 來自: 140.113.239.247 (03/09 17:10)
6F：推 hajimels:我可以想成在處理multi-probes for one gene的問題嘛？ 03/12 21:46
7F：→ gsuper:就是這個問題!! 沒錯~~ 03/12 22:47
8F：→ huggie:R 的 affy package 不是有 summarization 的方法嗎? 03/13 00:16
在 preprocessing 中
有 summarization 方法
比方說
十條 1007_at -> 一條 1007_at
十條 104898_at -> 一條 104898_at
而在做完 annotation 後 , 會發現
1007_at -> "Surf4"
1004898_at -> "Surf4"
不同的 probeSet
卻指向相同的 Symbol
稱為 sibling probe set , 或 redundent probe set
※ 編輯: gsuper 來自: 140.113.177.165 (03/13 00:51)
10F：→ huggie:不知道實不實用..但至少有些 discussion 03/14 15:35
11F：→ huggie:看來可能也可能要考慮為何affy設計了多個probe set 03/14 15:36
13F：→ gsuper:1st 就是我準備要書報討論的 paper 03/14 18:26
14F：→ gsuper:不過我覺的他的方法只適用於大樣本 03/14 18:26
15F：→ gsuper:後面那篇我會努力看看 3Q 03/14 18:27
16F：推 hajimels:Pubmed id: 20181266 參考看看 03/15 10:30