差异基因检测方法

差异基因的检测方法很多,但生物学家偏好使用的是fold change(FC)和t-test。猜测因为一是它们比较简单,二来好解释。很多研究表明,改进的t-test可以提高top gene list的质量。现在简单的说一下原理

1 Fold change 或log ratio

指两个组group之间每个gene平均值在log2水平的差异。 FC=3=log2A-log2B=log(A/B) 所以,A/B=2^3=8 这样有一个缺点就是高的FC并非真正的差异,而是来自变异,并无生物学意义。 值得注意的是,基于FC的gene list比基于t-test的可重复性强,但这不代表着更准确。 所以,如果关注基因表达的绝对变化,则看FC 如果关注潜在的噪音,则用t-test。 也就是说,FC只考虑到组间差异,二未考虑组内变异。

2 T-test

差异性=signal/noise,期中signal即为组间变异,二noise为组内变异 groupA和groupB的差异XA均值-XB均值,这个同FC的M均值。受3个因素影响 (1)Fold change(M均值):M均值越大,t值越大,也就是说signal大 (2)Variance(s):s越小,t越小,就是组内差异大,即noise大 (3)sample size(n):n越大,t越大,即M均值和s同样的情况下,n越大,结果越精确。

上面可以看出,即使FC不大,但s值足够小,也会有大的t值,所以引入惩罚t-test。初衷是避免将表达水平和变异程度较低的无生物学意义的gene识别为差异gene。

其中,s0是个小的正数。引入s0消除s过小 可见,若S小,则S0作用大,反之,S大,S0作用小。 芯片分析中的SAM(significant analysis of microarrays)即这种方法。 步骤 (1)samples在AB之间随机打乱重拍1000次,d-value依次计算,这些d-value的均值作为整个gene的d-value,观察到的d-value偏离期望d-value越大,越可能是真正的差异gene。 (2)随着作者的cut off(德尔塔value)被选择,需要权衡差异基因数目和假阳性结果的数目(FDR).

继而,有基于贝叶斯理论的moerated t-test。也是最常用的。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏华章科技

经典回顾 | 十大数据挖掘领域的经典算法

国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖...

14240
来自专栏CDA数据分析师

Python环境下的8种简单线性回归算法

本文中,作者讨论了 8 种在 Python 环境下进行简单线性回归计算的算法,不过没有讨论其性能的好坏,而是对比了其相对计算复杂度的度量。 GitHub 地址:...

19890
来自专栏大数据文摘

斯坦福CS224d深度学习课程第八弹: RNN,MV-RNN与RNTN

11820
来自专栏机器学习算法与Python学习

推荐|深度学习领域引用最多的20篇论文,建议收藏!

深度学习是机器学习和统计学交叉领域的一个子集,在过去的几年里得到快速的发展。强大的开源工具以及大数据爆发使其取得令人惊讶的突破进展。本文根据微软学术(acade...

18050
来自专栏用户2442861的专栏

python朴素贝叶斯实现-2

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/haluoluo211/article/d...

15020
来自专栏大数据文摘

熬过深宫十几载,深度学习上位这五年

22740
来自专栏编程

Python环境下的8种简单线性回归算法

选自Medium 作者:Tirthajyoti Sarkar 机器之心编译 参与:晏奇、刘晓坤 本文中,作者讨论了 8 种在 Python 环境下进行简单线性回...

25790
来自专栏专知

【论文笔记】对话模型新方法,条件DialogWAE生成多模态回答

DialogWAE: Multimodal Response Generation with Conditional Wasserstein Auto-Enco...

26420
来自专栏机器学习算法与Python学习

深度学习领域引用量最多的前20篇论文简介

18950
来自专栏机器之心

ECCV 2018 | 腾讯优图&港科大提出较大前景运动下的深度高动态范围成像

作者:Shangzhe Wu(吴尚哲)、Jiarui Xu(徐嘉瑞)、Yu-Wing Tai(戴宇榮)、Chi-Keung Tang(鄧志強)

15730

扫码关注云+社区

领取腾讯云代金券