比较来自许多线性模型的 p 值数量

机器算法验证 遗传学 微阵列
2022-04-08 03:32:03

我当前的数据集包含三个条件，我们测量了每个条件下 10,000 个基因的活性水平。复制 8 次。

使用 10,000 个线性模型，我们确定了每对条件（即三个对比中的每一个）具有显着不同活性水平的基因数量。这是此类微阵列数据的标准程序。

我们发现：

  • 2000 个基因在 A 和 B 之间具有显着不同的活性水平
  • 1500 个基因在 A 和 C 之间具有显着不同的活性水平
  • 100 个基因在 B 和 C 之间具有显着不同的活性水平

这表明条件 B 和 C 彼此之间比 C 更相似。PCA 表明相同的结果。我们有什么方法可以量化“条件 B 和 C 彼此之间比 C 更相似的程度（即在其上放置 p 值？）

感谢您的帮助，如果这个问题微不足道，我们深表歉意。

亲切的问候，

1个回答

在回答您的问题之前 - 基因的影响分布是否使用线性模型证明是合理的（例如：它们或多或少地分布正常？）

现在回答你的问题——我可能会提出用不同的方式来解决它。听起来您要求的是衡量不同条件之间的相关性（例如行为的相似性）。一种简单的方法是获取 8 次复制的平均值（或者可能是修剪后的平均值或中位数），然后您将有 10K 三元组可用于创建相关矩阵（在 3 个条件之间）。

第二步是回答一个相关性（比如 A 和 B 之间）是否显着高于其他两个相关性（比如 --A 和 C-- 以及 --B 和 C-- 之间）的问题。在这里，您可以使用以下不错的在线工具，也可以使用此处提供的信息在 R 中自己编写代码。

干杯，塔尔

其它你可能感兴趣的问题
上一篇测量多个因变量的预测准确性 下一篇使用 R 的文本的逐点互信息