Bioinformatics 101

آخرین باری که در یک سمینار از سخنرانش، شنیدید اظهار کند که به دلیل "نبود تفاوت معنی‌دار"، هیچ تفاوتی بین دو گروه وجود ندارد کی بود؟ بعد یکی از حاضرین شوکه شده که از روی جداول و نمودارها کاملا قابل مشاهده است که تفاوت معنادار است. برای مدت‌ها، به پژوهشگران هشدار داده شده است که نبود تفاوت معنادار، به معنی اثبات فرضیه H0 (فرضیه‌ای که نشان از چیز خاصی ندارد) نمی‌باشد. و همینطور عکس آن که تفاوت معنادار به معنی اثبات فرضیه‌های دیگر نیست. بگذارید تا بگوییم چه چیزی از این پس باید شفاف بشود: ما نباید هیچوقت برداشت کنیم که هیچ تفاوت یا هیچ همبستگی وجود ندارد آن هم فقط به دلیل این که P value بالاتر از یا مساوی 0.05 است. بحث بین دو گروهی که مطالعاتشان بر خلاف یکدیگر، یکی معنادار و دیگری غیر آن، که آن هم می‌تواند حاصل خطا باشد، فقط باعث هدر رفت انرژی و توان پژوهشگران می‌شود. اطلاعات بیشتر در بلاگ نیچر: https://www.nature.com/articles/d41586-019-00857-9 #bioinformatics #paper #statistics #p_value #research #error 📣 لطفا به اشتراک بگذارید https://t.me/bioinformatics101

در مورد RPKM و FPKM و TPM که در آنالیز داده‌های RNAseq با آنها روبرو هستیم، اولی به معنی خوانش در هر هزارباز میلیون، دومی فرگمنت در هر هزارباز میلیون و سومی به معنی ترنسکریپت در میلیون است. اینکه از کدام باید استفاده کرد بر طبق این مقاله توصیه می‌شود که از TPM استفاده شود آن هم به این دلیل است که برای مقایسه نمونه‌های (کتابخانه‌ها) مختلف، می‌تواند یک مشکل بزرگ که عمق توالی‌یابی متفاوت در نمونه‌های مختلف است را حل کند. برای توضیحات بیشتر شما را به این مقاله رجوع می‌دهم. 📣 لطفا به اشتراک بگذارید https://link.springer.com/article/10.1007/s12064-012-0162-3 #rnaseq #normalizing #paper #analyzing @bioinformatics101