对"在半合成RNA-seq数据模拟中忽视正常化影响会产生人工假阳性"和"在分析人类人口样本时,Winsorization通过流行的差异表达方法大大减少了假阳性"的回应
Xinzhou Ge1,2, Yumei Li3,4, Wei Li5
1Department of Statistics and Data Science, University of California, Los Angeles, CA, 90095, USA.
Genome biology
|October 31, 2024
概括
威尔科克森等级和试验是微分表达式 (DE) 分析中最强大的方法,其性能优于其他五种方法. 在考虑数据预处理步骤 (如规范化和winorization) 之后,新的分析证实了它的可靠性.
科学领域:
- 生物信息学是一种生物信息学.
- 统计基因组学 统计基因组学
- 计算生物学 计算生物学
背景情况:
- 人们对差异表达 (DE) 分析中的高假阳性率表示担忧.
- 现有的DE方法可能会产生不可靠的结果,需要强大的统计方法.
研究的目的:
- 为了解决对先前对微分表达 (DE) 方法分析的评论.
- 重新评估和确认威尔科克森等级总和测试与其他DE方法的稳定性.
- 评估数据预处理步骤 (规范化,winorization) 对DE分析性能的影响.
主要方法:
- 六种差异表达 (DE) 方法的比较分析:威尔科克森等级和试验,DESeq2,edgeR,limma-voom,dearseq和NOISeq.
- 将标准化和winorization作为数据预处理步骤纳入评估中.
- 通过新的分析来验证发现.
主要成果:
- 与其他五种测试方法相比,威尔科克森等级和试验在双条件DE分析中表现出优越的稳定性.
- 在考虑标准化和winorization数据预处理技术后,这些发现得到了确认.
- 在之前的信件中提出的具体问题得到了讨论和解决.
结论:
- 威尔科克森等级和试验被推为两种条件差分表达式 (DE) 分析中最强大的方法.
- 数据预处理步骤,如规范化和winorization不会改变威尔科克森等级和值测试的优越性能.
- 进一步的验证证实了威尔科克森等级总和测试在生物信息学管道中的可靠性.
