Signifikant erhöhte Aminosäurenkonzentration berechnen? |
| 02.12.2010, 22:14 | HerrPythagoras | Auf diesen Beitrag antworten » | ||||||||
| Signifikant erhöhte Aminosäurenkonzentration berechnen? Hallo, ich habe da ein Problem für das mir einfach keine Lösung einfällt. Folgendes: Ich arbeite mit einem Satz Proteinsequenzen (~15000 Sequenzen). Einige der Sequenzen aus dem Gesamtsatz zeigen einen deutlich höheren Anteil an zB der Aminosäure Histidin. Da die Aminosäuresequenzen sich natürlich zT sehr stark in der Länge unterscheiden, kann ich einen Vergleich zwischen einer Sequenz und dem ganzen Datensatz nur über prozentuale Vergleiche mit Bezug zur Länge machen, zB: - 10% aller Aminosäuren von Protein A sind Histidine - im Durchschnitt enthält ein Protein aus meinem Datensatz aber nur 8% Histidine (in Relation zur Länge) Wie kann ich jetzt sagen, dass mein Protein A eine signifikante Erhöhung an Histidinen aufweißt? Wahrscheinlich ist das ganze ziemlich trivial, aber die liebe Statistik war noch nie so mein Freund 
Wäre sehr dankbar für Denkanstöße jedweder Art! Meine Ideen: quasi keine, da ja jeder Signifikanztest der mir in den Sinn kommt (t-test, etc.) normalverteilte Daten vorrausetzt. Womit zeige ich die aber, wenn ich nur ~15000 Prozent-Werte habe? Ob Chi-Quadrat, Shapiro-Wilk oder andere, entweder ich kann keine Prozente benutzen oder nicht mehr als 5000 Werte haben. |
||||||||||
| 04.12.2010, 13:29 | Huggy | Auf diesen Beitrag antworten » | ||||||||
| RE: Signifikant erhöhte Aminosäurenkonzentration berechnen? Um zu überprüfen, ob die Daten näherungsweise normalverteilt sind, würde ich vorschlagen, die empirische Verteilungsverteilung mit einer Skalierung entsprechend der Normalverteilung zu plotten. Als mathematischen Test würde ich den Kolmogrov-Smirnov-Test empfehlen. Ich sehe keinen Grund, weshalb man keine Prozentwerte verwenden sollte. Man sollte natürlich bedenken, dass bei 15000 Sequenzen auch seltene Prozentsätze von Histidin auftauchen können. |
||||||||||
| 06.12.2010, 07:21 | HerrPythagoras | Auf diesen Beitrag antworten » | ||||||||
| RE: Signifikant erhöhte Aminosäurenkonzentration berechnen? Hallo Huggy, erstmal vielen Dank für deine Antwort. Den K-S-test hatte ich nicht in Betracht gezogen, da man ihn ja gerade dann benutzt, wenn man wenige Daten hat... Hab es jetzt aber trotzdem mal versucht. Das Problem was ich jetzt allerdings habe ist, dass die Werte für die K-S-tabelle ja unheimlich klein werden: Meine größte Abweichung gegen die Normalverteilung liegt aber bei 0,054 - also deutlich darüber. Deinen letzten Satz interpretiere ich so, dass ich aber für einen "kleinen" Anteil eine Abweichung nicht ausschließen kann (richtig?) Ich geh mal davon aus, dass 4000 nicht klein ist (das ist bei mir die anzahl der werte, die über den 0,00874 liegen). Die Werte sind also nicht normalverteilt - überascht mich jetzt nicht so wirklich, aber was hab ich denn sonst noch für eine chance meiner aussage eine statistische signifikanz nachzuweisen? gruß, HP |
||||||||||
| 06.12.2010, 07:48 | Huggy | Auf diesen Beitrag antworten » | ||||||||
RE: Signifikant erhöhte Aminosäurenkonzentration berechnen?
Ja.
Das ist wirklich nicht mehr klein!
Man könnte sich mal die empirische Dichtefunktion anschauen. Vielleicht ergibt sich daraus ein Hinweis, ob man die Gesamtpopulation in 2 oder mehr Teilpopulationen aufteilen sollte, die dann jede für sich besser normalverteilt sind. Dann kann mit üblichen Verfahren untersuchen, ob sich die Teilpopulationen signifikant unterscheiden. Wenn die empirische Dichtefunktion nicht monomodal ist, wäre das ein deutlicher Hinweis für eine Überlagerung von Teilpopulationen. |
||||||||||
| 06.12.2010, 09:45 | HerrPythagoras | Auf diesen Beitrag antworten » | ||||||||
Ok, wahrscheinlich habe ich dir nur nicht alle notwendigen Informationen gegeben, dass klar wird worin mein Problem besteht, deshalb gebe ich erstmal ein Bsp für eine meiner Häufigkeitsverteilungen: [attach]17020[/attach] Mich interessiert ab wann ich sagen kann, dass, im Bezug auf die Grundgesamtheit, eine Aminosäure erhöht vorliegt. Konkreter: Ab welchem Balken ist ein Protein zB Histidin-reich (wenn es zwischen 5% und 6% histidine enthält (5-6) oder darüber) Mir ist dabei gerade auch in den Sinn gekommen, dass ich dank zentralem Grenzwertsatz annehmen kann, dass meine Grundgesamtheit approximativ normalverteilt ist, oder? Wenn ich meine Daten nämlich aufteile wie du vorgeschlagen hast, dann kann ich für 95% aller Daten (0-1 bis 4-5) eine Normalverteilung bestätigen. Macht das Sinn oder hab ich mich jetzt total verlaufen? 
|
||||||||||
| 06.12.2010, 10:00 | Huggy | Auf diesen Beitrag antworten » | ||||||||
Dieses Beispiel zeigt eine zwar monomodale, aber klar nichtnormale Verteilung. Da muss man gar keinen Test machen. Eine Lognormalverteilung könnte eventuell passen.
Der zentrale Grenzwertsatz würde vorraussetzen, dass sich die Zufallsgröße als Summe vieler unabhängiger Zufallsgrößen ergibt. Das ist hier zumindest fraglich. |
||||||||||
| Anzeige | ||||||||||
|
|
||||||||||
| 06.12.2010, 11:22 | HerrPythagoras | Auf diesen Beitrag antworten » | ||||||||
Dieses Bsp ist auch der Extremfall, bei anderen Datensätzen ist es ähnlich, aber nicht so deutlich.
Ok, das kannte ich schonmal nicht. Wenn ich es richtig verstanden habe, muss ich einfach meine einzelnen werte logarithmieren und dann kann ich wie vorher auch mit KS auf Normalverteilung testen? Wenn das alles ist, klappt es leider nicht, d.h. auch log-normalverteilt sind die daten nach KS nicht.
Wieso ist die Unabhängikeit fraglich? |
||||||||||
| 07.12.2010, 09:28 | Huggy | Auf diesen Beitrag antworten » | ||||||||
Richtig.
Das kommt für mich nicht unerwartet. Reale Verteilungen unterscheiden sich häufig von idealen theoretischen Verteilungen und bei einer großen Datenbasis decken die Tests auch kleinere Abweichungen auf. Immerhin sollte die Lognormalverteilung besser passen.
Einflussfaktoren sind oft korreliert. Man kann jedenfalls nicht ohne Begründung einfach behaupten, es müssen viele unabhängige Faktoren vorliegen, die sich additiv überlagern. Also muss es eine Normalverteilung sein. So kann man aus jeder Verteilung eine Normalverteilung machen. Das ist keine Wissenschaft sondern Nonsens. Und es liegt ja auch offensichtlich keine Normalverteilung vor. Selbst wenn man viele unabhängig Faktoren hat, können sich die auch anders überlagern, zum Beispiel multiplikativ. Und dann führt der Grenzwertsatz zu einer Lognormalverteilung. |
||||||||||
| 07.12.2010, 16:09 | HerrPythagoras | Auf diesen Beitrag antworten » | ||||||||
Nein, leider ist es sogar schlimmer geworden...
Du hast Recht, sofern ich annehme, dass die Häufigkeit einer bestimmten Aminosäure in einer Sequenz einen Einfluss auf die Funktion hat, was wiederum heißt, dass Proteine mit vergleichbarer Funktion (oder Lokalisation) vergleichbare Häufigkeiten aufweisen, was zT natürlich auch so ist... Leider hilft mir das für meine Fragestellung nicht wirklich weiter. Außerdem ist meine Motivation zu diesem Thema ziemlich am Ende. Ich werde es wohl einfach dabei belassen und von einer deutlichen Erhöhung gegenüber dem Mittelwert der Grundgesamtheit reden. Das ist in den meisten Fällen allgemein und deutlich genug, dass ich keinen Beweis brauche. Ich danke dir trotzdem sehr für deine Hilfe Huggy! |
||||||||||
| 07.12.2010, 18:07 | Huggy | Auf diesen Beitrag antworten » | ||||||||
Das wundert mich sehr. Normalerweise kann man sich recht gut auf den optischen Eindruck verlassen. Hast du das auch richtig gemacht? Du darfst nicht die Häufigkeiten logarithmieren sondern die Histidinkonzentrationen. |
||||||||||
|
|
Verwandte Themen
| Die Beliebtesten » |
|
| Die Größten » |
|
| Die Neuesten » |
|
