Факторы, влияющие на значимость оценок
Объединение выборок и метаисследования Учет множественности сравнений
Темы для обсуждения
- Главная
- Разное
- Бизнес и предпринимательство
- Образование
- Развлечения
- Государство
- Спорт
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Религиоведение
- Черчение
- Физкультура
- ИЗО
- Психология
- Социология
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Что такое findslide.org?
FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.
Обратная связь
Email: Нажмите что бы посмотреть
Презентация на тему ОСНОВЫ БИОСТАТИСТИКИ
Содержание
- 2. Оценка ассоциаций «генотип-фенотип» и их
- 3. Выявление ассоциаций «генотип-фенотип»:минимальный набор действий Фенотип
- 4. OR – непременный атрибут «case-control association study»
- 5. Soft для вычисления OR и проведения матаисследований
- 6. Статистический анализ сопряженности генотипов и количественных признаков
- 7. Сравнение частот генотипов для групп
- 8. Сравнение частот генотипов для групп
- 9. Soft для работы с генотипами и гаплотипами
- 10. Оценка ассоциаций «генотип-фенотип» и их
- 11. Чуть-чуть об ошибках статистических тестовОшибка I рода
- 12. От чего зависят ошибки статистических тестов?
- 13. Сравнение частот при уровне значимости 0.05 Объемы
- 14. Оценка ассоциаций «генотип-фенотип» и их
- 15. Проверка однородности материала и вычисление OR для
- 16. Mantel-Haenszel test
- 17. Объединение выборок с незначимыми эффектамиЕсли ассоциации нет,
- 18. Mantel-Haenszel test with WinPepi: результатыПротективное действие гетерозиготы w/d CCR5 достоверно, но не велико: OR=1.15
- 19. Оценка ассоциаций «генотип-фенотип» и их
- 20. Генерируем две одинаково распределенные выборки по 100
- 21. Как избежать фальшивых открытий? False Discovery
- 22. Зависимость ошибки II рода от числа тестов
- 23. Новый принцип проверки статистических гипотез: FDR-контроль False
- 24. Пример: множественные сравнения по 10 тестамЗначимые различия
- 25. Permutation tests: случайные перестановки пометок «case-control» в
- 26. Скачать презентацию
- 27. Похожие презентации
Оценка ассоциаций «генотип-фенотип» и их значимости Факторы, влияющие на значимость оценок Объединение выборок и метаисследования Учет множественности сравненийТемы для обсуждения
Слайд 2 Оценка ассоциаций «генотип-фенотип» и их значимости
Объединение выборок и метаисследования
Слайд 3
Выявление ассоциаций «генотип-фенотип»:
минимальный набор действий
Фенотип -
качественный признак
(например: «здоровый -
больной», «русский - татарин») Фенотип - количественный признак
(например: вес, содержание кальция, частота аберраций)
Кроме этого в обоих случаях можно
строить различные регрессионные модели:
Зависимая переменная – признак (фенотип),
независимыми переменные – генотипы.
Например так: A/A - 0, A/T - 1, T/T - 2
Слайд 4
OR – непременный атрибут «case-control association study»
(выявление
«генов предрасположенности» к заболеванию
путем сопоставлений частот генотипов у больных
и здоровых)OR – количественная мера предрасположенности
(Odd Ratio)
OR>1 – генотип связан с болезнью
OR=1 – нет связи между генотипом и болезнью
OR<1 – протективный генотип
OR показывает во сколько раз повышена вероятность заболеть для носителя «плохого» генотипа
Слайд 6
Статистический анализ сопряженности генотипов и количественных признаков
Самое простое и необходимое: вычисление средних значений признака для
носителей различных генотипов. Далее сравнение по непараметрическому тесту(не по Стьюденту!)
Гомозигота по мажорному аллелю
Гомозигота по минорному аллелю
Обычно стараются рассмотреть две группы
Слайд 7 Сравнение частот генотипов для групп с
низким (или высоким) значением признака
Самое простое
и необходимое: вычисление средних значений признака для носителей различных генотипов. Далее сравнение по непараметрическому тесту (не по Стьюденту!)
Группа людей с нулевым уровнем аберраций
Статистический анализ сопряженности генотипов и количественных признаков
Далее вычисляется OR
и значимость по точному критерию Фишера.
В данном примере риск возникновения аберраций у носителей минорного аллеля G равен OR=2,1 и р=0,015
Слайд 8 Сравнение частот генотипов для групп с
низким (или высоким) значением признака
Логистическая и пуассоновская
регрессиир – частота аберраций
xi – генотип i-го локуса
аi – коэф. регрессии
Нелинейные многомерные регрессии,
реализованные в пакетах Statistica и SPSS
Самое простое и необходимое: вычисление средних значений признака для носителей различных генотипов. Далее сравнение по непараметрическому тесту
(не по Стьюденту!)
Статистический анализ сопряженности генотипов и количественных признаков
Зависимая переменная – признак (р),
независимыми переменные – генотипы (xi).
Например так: A/A - 0, A/T - 1, T/T - 2
Слайд 10 Оценка ассоциаций «генотип-фенотип» и их значимости
Факторы, влияющие на значимость оценок
Объединение выборок и метаисследования Учет множественности сравнений
Темы для обсуждения
Слайд 11
Чуть-чуть об ошибках статистических тестов
Ошибка I рода ()
Вероятность отвергнуть правильную нулевую гипотезу = Вероятность обнаружить различия
там, где их нет = Вероятность совершить фальшивое открытие Ошибка II рода ()
Вероятность принять неправильную нулевую гипотезу = Вероятность не обнаружить существующие различия = Вероятность упустить открытие
Мощность теста = 1- Ошибка II рода =
Вероятность правильно отвергнуть нулевую гипотезу
Вероятность не упустить открытие
Нулевая гипотеза – обычно предположение об отсутствии различий = 2 выборки из одной генеральной совокупности
Традиционно биолог ориентирован на контроль
ошибки I рода (через уровень значимости),
т.е. на гарантии отсутствия ложных открытий,
… и при этом мало заботится о возможности
упустить открытие (ошибка II рода)
Слайд 12
От чего зависят ошибки статистических тестов?
От
размаха реально существующих отличий и разброса
данныхОт объемов выборок
Ошибки I и II рода однозначно не связаны. В целом
ошибка II рода растет при уменьшении ошибки I рода
С увеличением объема выборки мощность теста
(вероятность не упустить открытие)
всегда возрастает
Крайний случай:
«критерий» св. Фомы Неверующего (0033)
Ошибка I рода = 0 Ошибка II рода = 1
Ошибка I рода (вероятность фальшивого открытия)
слабо зависит от объемов выборок,
если они сравнимы по величине
Слайд 13 Сравнение частот при уровне значимости 0.05 Объемы выборок
в опыте и контроле одинаковы
Если в контроле нет мутаций,
то при значимости отличий в опыте их должно бытьбольше 5
независимо от объемов выборок
(100 или 1000)
Слайд 14 Оценка ассоциаций «генотип-фенотип» и их значимости
Факторы, влияющие на значимость оценок
Объединение выборок и метаисследования Учет множественности сравнений
Темы для обсуждения
Слайд 15 Проверка однородности материала и вычисление OR для нескольких
выборок
Выборки можно объединять, если
Можно ли объединить k независимых
выборок и оценить частоту как Индекс рассеяния для биномиальных выборок
Mantel-Haenszel test
Слайд 17
Объединение выборок с незначимыми эффектами
Если ассоциации нет, то
случаи «больше-меньше» должны появляться с вероятностью ½
Только в 3
выборках из 18 частота гетерозигот w/d у HIV+ выше, чем у HIV-
Монета достоверно несимметрична!
Гетерозиготы w/d чаще встречаются среди HIV-
Но какое OR?
Слайд 18
Mantel-Haenszel test with WinPepi: результаты
Протективное действие гетерозиготы
w/d
CCR5 достоверно, но не велико: OR=1.15
Слайд 19 Оценка ассоциаций «генотип-фенотип» и их значимости
Факторы, влияющие на значимость оценок
Объединение выборок и метаисследования Учет множественности сравнений
Темы для обсуждения
Слайд 20
Генерируем две одинаково распределенные выборки
по 100 особей
с 20-локусными генотипами
Как это бывает?
Наблюдаем появление фальшивых ассоциаций
OR p Ген Выборка 1 Выборка 2
Больные Здоровые
1
Должно быть
OR=1
2
3
4
Сразу 3 локуса
«ассоциированы»
с заболеваемостью!
Частоты минорых аллелей (в среднем 0.1)
Слайд 21
Как избежать фальшивых открытий?
False Discovery Rate
control: FDR - контроль
Permutation test
(компьютерная перестановка лэйблов «case-control») Слайд 22 Зависимость ошибки II рода от числа тестов (SNP)
при использовании поправки Бонферрони
Вероятность пропустить ген с OR=2.7
на
выборках 100 (case) и 100 (control)При 100 сравнениях ради того, чтобы гарантировать
отсутствие хотя бы одного
ложного результата, мы упускаем 88% открытий!
При m=100 ошибка равна 0.88
В отдельном тесте вероятность упустить открытие равна 0.2
При 5 сравнениях упускаем 50% открытий
Слайд 23
Новый принцип проверки статистических гипотез: FDR-контроль
False Discovery
Rate control: Benjamini, Hochberg (1995)
Вероятность хотя бы одного
фальшивого
открытия < Уровня значимостиОшибка I рода < 0.05
Слайд 24
Пример: множественные сравнения по 10 тестам
Значимые различия без
поправок на множественность
Располагаем тесты в порядке увелечения p
Поправка Бонферрони
оставляет значимым лишь первое сравнение В первой клетке
как у Бонферрони,
во второй клетке
вдвое больше,
втрое больше
и т.д ….
Для 6-ого теста p больше этого значения
Значимые различия после коррекции по FDR
И это все!!!
Слайд 25
Permutation tests:
случайные перестановки пометок «case-control»
в компьютерных
симуляциях по алгоритму:
Что делать, если FDR не помогает?
В
исходной базе данных делаем случайную перестановку лейблов case-control
Вычисляем заново p-уровни для каждого гена (pperm)
Повторяем процедуру N раз (минимум 10000), фиксируя
случаи, когда pperm меньше исходного значения p
Вычисляем откорректированное p как
Тем самым мы отказываемся от попыток
вычислить значимость различий.
Вместо этого мы ее «измеряем» экспериментально,
разыгрывая ситуацию на компьютере
Точный тест Фишера – это тоже permutation test,
только реализованный аналитически (р вычисляется
по формулам комбинаторной теории вероятностей)
