Корректное/полное представление статистики RTPCR

В статьях, сообщающих об относительной количественной оценке экспрессии генов с помощью RTPCR, я часто вижу гистограмму со средним значением ± стандартная ошибка или отклонение, при этом отклонение относится к биологическим повторам. При этом игнорируются все предыдущие уровни технических реплик. В обычном 2 Δ ( Δ С т ) оценка с 3 реакциями на праймер/матрицу, у нас есть стандартное отклонение (SD) для каждой технической повторности, затем стандартное отклонение от нормализации и, наконец, стандартное отклонение от количественного определения. Если конечным результатом являются складки, добавьте к этому еще один слой. Я даже не включаю нормализацию со средним геометрическим 3 генов домашнего хозяйства (лучший метод). Как я могу правильно рассчитать/отобразить статистические вариации в этом случае?

Может быть, эти статьи показывают относительные изменения экспрессии между временными точками? В моем институте мы делаем то же самое, и в этих случаях SD исходит из биологических повторов. Также это может быть только проблема представления данных.

Ответы (1)

Я думаю, вы можете следовать этому методу:

  1. Проверьте статистическую значимость одного эксперимента, сравнив технические повторы (скажем, тесты: T 1 , T 2 , T 3 и контроли: C 1 , C 2 , C 3 ). Это скажет вам, может ли прибор надежно обнаружить разницу или нет. Обратите внимание, что вам следует сравнивать относительную экспрессию (т.е. относительно вашего эталонного гена), а не значения CT. Метод ΔΔCt хорош, но вы должны отметить, что это не обязательно степень числа 2; 2 обозначает идеальную эффективность ПЦР. Смотрите эти сообщения:
  2. Если обнаружено значительное различие во всех технических повторностях, проверьте разницу между биологическими повторами, используя средства технических повторов в каждом эксперименте; например, среднее значение T 1 , T 2 и T 3 в биологической повторности - a ( Т а ¯ ), используемое в качестве значения выборки для этой реплики. Вы можете приступить к t-тесту для вычисления статистической значимости, который скажет вам, вызвана ли разница в экспрессии случайным клеточным поведением или нет. Вы также можете выполнить дисперсионный анализ, чтобы сравнить разницу между техническими повторами (в рамках эксперимента) и биологическими повторами (среднее значение технических повторов между экспериментами). ANOVA позволяет узнать некоторые аспекты воспроизводимости метода измерения.
  3. Изменения складок (FC) являются проблематичным вопросом, потому что многие биологи, кажется, путаются в интерпретации данных. Прежде всего, t-критерий нельзя применять непосредственно к FC (особенно, если FC рассчитывается попарно для каждой повторности). Теперь все, что у вас есть, это одна случайная переменная, то есть кратное изменение, которое вы не можете ни с чем статистически сравнить. Изменения кратности не так уж плохи, но я бы порекомендовал провести t-тест между контрольной и тестовой выборками, и если разница окажется статистически значимой, сообщить о FC. Я лично знаю многих людей, которые делают наоборот и устанавливают дисперсию контрольной выборки равной нулю (потому что попарный FC будет = 1 во всех случаях): это грубая ошибка.
Корректное/полное представление статистики RTPCR
СпросиСетьПолитика конфиденциальности1y, 0v