Omicsデータの解析手法の概説（トランスクリプトーム）(初めてのヒトのチェック事項)

• Omicsデータの解析手法を概説しているBioinformatics for Omics Data Methods in Molecular Biology, 2011, Volume 719, Part 1, 113-131, DOI: 10.1007/978-1-61779-027-0_5(こちら)を眺める
• 発現解析を主なターゲットにしている
• イントロ
  • オミックスデータの特徴
    • p>>n パラダイム(サンプル数よりマーカー数が多い)
    • 統計(検定)手法自体が新しい
    • マルチプルテスティング補正
    • 共線性の回避
    • 適切な特徴抽出
• 対象(Materials)
  • 母集団と標本の基本的なこと
  • 「統計学的検定」とは、の基礎
  • オミックスデータでの検定に特徴的なこと
    • 「個別の何か」に関する情報が得られるのではなくて、「全体の何か」についての情報が得られること(そのうえで、「個別の何か」についても何がしかの判断がなされる)
  • 統計量
    • 記述統計量と補正・ＱＣ
    • Fold change
    • t-統計量
    • Moderated t-統計量
    • 有意差の評価法
    • ノン-パラ　Wilcoxon Rank-Sum
    • ノン-パラ Rank-product
  • マルチプルテスティング
    • FWER
    • FDR
      • 帰無仮説ばかりではなく、「対立仮説が真」も一定量ある、という立場からのスタート
      • p-value, q-value
  • FDRベースでの有意差判定
    • ステップワイズ
    • シミュレーション
• Methods
  • FDRの前提
    • 全仮説の数
    • 対立仮説が真の数
    • False Positivesの許容上限数
    • 「平均の違い」(普通は『差なし』)
    • 観測ごと・サンプルごとの分散
    • 実験間の差(バイアス)・・・結構ある
  • Data preprocessing
  • Quality checks
  • Filtering
  • 「違いの評価」
  • 可視化
  • バリデーション
    • フィルタリングの違いの影響のありなしを評価
    • 検定統計量の違いの影響のありなしを評価
    • リサンプリングして再現性があるかの評価