可重复效应量比不可重复的假设检验更有助于分析高通量测序数据
基因组学
2019-05-14 v2
摘要
动机：由零假设显著性检验框架得出的 P 值受样本量影响很大，且在统计功效不足的研究中已知不可重复，然而尚未提出合适的替代方案。结果：在此我们给出针对高通量测序数据的非参数标准化中位数效应量估计 dNEF 的实现。展示了转录组和标签测序数据集的案例分析。dNEF 度量被证明比 P 值更具可重复性与稳健性，且仅需小至 3 的样本量即可可重复地识别差异丰度特征。可用性：源代码与二进制文件可自由获取：https://bioconductor.org/packages/ALDEx2.html、omicplotR 以及 https://github.com/ggloor/CoDaSeq。
引用
@article{arxiv.1809.02623,
title = {A reproducible effect size is more useful than an irreproducible hypothesis test to analyze high throughput sequencing datasets},
author = {Andrew D. Fernandes and Michael T. H. Q. Vu and Lisa-Monique Edward and Jean M. Macklaim and Gregory B. Gloor},
journal= {arXiv preprint arXiv:1809.02623},
year = {2019}
}
备注
Draft paper explaining the properties and utility of the ALDEx2 effect size metric