.png){kind=icon}
返回
Evaluating statistical models for overdispersed multi-omics data: a multiplex immunofluorescence case study
.png){kind=icon}
OA
AI
DOI：10.1093/aje/kwag127.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多组学数据分析提出了统计学挑战。我们评估了用于结直肠癌T细胞亚群密度多色免疫荧光研究的统计模型。使用1235个病例，我们比较了七种模型——序数逻辑回归、泊松、准泊松、二次负二项（NB）、线性NB、零膨胀NB（ZINB）和障碍NB模型——评估与强暴露（微卫星不稳定性，MSI）和弱暴露（钙摄入）的关联。模拟研究评估了I型错误率和功效。对于强暴露（MSI），效应估计值通常一致，但对于弱暴露（钙），则有所不同。模拟显示泊松和基于NB的模型（包括二次NB、零膨胀和障碍）存在假阳性率膨胀，但序数逻辑回归或线性NB模型没有。准泊松模型显示低p值存在适度膨胀，但在零假设下，整体p值分布大致保持均匀。序数逻辑回归、线性NB和准泊松模型在零比例、离散程度和分布范围方面达到了最佳或接近最佳的统计功效。序数逻辑回归、线性NB和准泊松模型是分析过度离散、右偏多组学数据（其中非零计数比例非微不足道）的流行病学研究的有效且稳健的选项。
期刊
IF:
4.8
论文数:
10.0K
被引数:
3.7W
机构
查看更多机构
引用论文
暂无论文信息