拨款通常需要功效分析来支持建议的样本量。在蛋白质组学（和大多数组学）中，在 10 个样本（可能是 100 个，但不太可能）中测量到 100 到 1000 个特征/变量。此外，众所周知，其中一些测量单位（例如蛋白质的光谱计数）不是正态分布的，因此我们将使用非参数检验进行分析。我已经看到假设单次测量和假设 t 检验确定的样本量的功效，但我认为这并不完全正确。光谱计数的另一个问题是，100 个特征中的每一个都在非常不同的尺度上，误差也大不相同（值越大误差越小）。[这个问题在极限倍数变化模型中得到了很好的描述，Mutch et al., 2002 ]
给定 FDR 的一些假设和可接受的倍数变化，确定建议样本量的功效的适当方法是什么？使用此处的工具，我能够确定以下内容：
- 300个基因
- 3 误报
- 1.4倍差异
- 0.8 所需功率
- 0.7 标准差
需要每组 49 个样本量。
这很方便，因为我提出了 50v50 设计，知道 1.4 倍的变化是可以接受的，1% FDR 很好，我可能会在这个实验中测量 300 种蛋白质。这种功效或样本量计算的问题将继续发生，因此最好有一个参考方法。
编辑： 我读到一位同事建议使用似然函数和 Wald 检验从负二项分布中对光谱计数进行建模。基本上使用初步数据来获得蛋白质方差估计，然后计算每个分位数组之间可检测的倍数变化。还有一个 FDR (alpha) 输入。因此，给定 >80% 的功效和设定的样本量，他们可以确定 25% 的最低方差、50% 的较小方差和 25% 的最高方差的可检测倍数变化。问题是我不知道他们是怎么做到的。不确定分享这种方法是否会帮助任何人提供可能的答案。