GraphPad Prism统计习题,配合单元课学习效果拔群(五)

转载请注明:解螺旋·临床医生科研成长平台

习题

LncRNA-A、miRNA-B、Gene-C的表达如下,共30例,请分析三者的表达关系:

截取前5例

木有文献示例。

答案:线性回归或相关性分析

很明显,这是在同一批样本中检测了三个基因的表达,那么维度只有这一个。要看三者之间的两两关系,可以用简单的线性回归。选XY格式的数据表,把数据直接贴过来。

点Analyze之后,你会很快看到XY analyses下有个线性回归的选项。不过下边还有一个大同小异的Correlation,一会再说说它。

后边的选项看起来复杂,其实也挺好理解,很多选项都默认就行了,所以原谅我懒一回不截图了~

得到的结果有斜率、截距,以及表示相关程度的R2、P值。

画图时,可以选择各组分别出图,并加上拟合线:

这样就得到了两张图:

但线性回归是只能做一组X和各组Y之间的关系,所以如果要看B和C的关系,则要另建一个表,以B为X轴、C为Y轴再做一遍。

不过刚才提到的Correlation,则提供了另一种办法。那就是不管X轴!把数据全贴到Y轴上。

这样,Analyze选Correlation之后,右边会出现三列,全选点OK来到下一个弹窗,选第一行计算各个Y轴数据之间的相关性。下方会提示根据数据是否符合正态分布,从而决定用Pearson法还是Spearman法。单尾双尾的选择如前述。

得到R值的矩阵就是这个样子:

还有一个P值的矩阵:

P值的意义我们都熟悉了。在具有统计显著性的基础上,看看各对变量之间的R值,正相关还是负相关、相关程度如何。这个R和线性回归里的R是一样的,只不过报告中一个有平方一个没平方。并且散点图没有拟合线。

它们的确有所区别。线性回归多是用于预测,在X轴可控、可干预的情况下预测Y轴事件的变化。而相关性分析多用于观察现象,看两者是否同步变化及其变化的关系,无所谓谁是X谁是Y。

但也看到有些学者不主张把它俩分这么清楚,毕竟算出来都一样,而线性回归也是给它们的关系提供一种描述方式。所以你也会发现不少文献里会用线性回归描述相关性。

不过到画图时就要想一下了,如果再多几组,则有一种表现策略是作散点图矩阵。

这种矩阵图当然对角线上下两半是一样的,可以只画其中一半,随你~

不要怀疑,上图就用R做的,示个意而已~大家可以探索下用Prism怎么做。R只有一句咒语:plot(Data),没错又是因为我懒。(但这么短的命令只能管素颜)

再用R值矩阵做个热图,表现各组间相关程度。这回是Prism了(格子少的热图是真丑,我就示个意~>_

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180128A0FDXY00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券