статистический анализ

В данной научной работе представлен новый статистический рабочий процесс (workflow) для обнаружения дифференциально представленных аналитов в экспериментах масс-спектрометрической визуализации (MSI) со сложным дизайном. Исследование фокусируется на критических аспектах обработки сигналов, выборе областей интереса (ROI) и методологии статистического анализа для выявления пространственной гетерогенности молекул. Авторы протестировали предложенный метод на гистологических образцах плато большеберцовой кости человека, сравнивая пациентов с остеоартритом и контрольную группу (кадавры), а также на симулированных наборах данных. Результаты демонстрируют, что правильная агрегация признаков и предварительная обработка сигналов позволяют сохранить биологическую релевантность и снизить строгость поправки на множественную проверку гипотез. В статье проводится сравнительный анализ различных статистических моделей и обосновывается важность использования репликации для корректной интерпретации данных. Итогом работы является открытая реализация на языке R, которая позволяет исследователям стандартизировать процесс анализа и проводить расчет необходимого размера выборки для последующих клинических исследований.

В статье представлен новый статистический метод LOCOM2, разработанный для решения критических проблем анализа данных микробиома, таких как ошибки в контроле уровня ложноположительных результатов (FDR), что способствует кризису воспроизводимости в исследованиях. Авторы предлагают усовершенствованную схему взвешивания, которая устраняет влияние размера библиотек и позволяет работать с данными относительной численности вместо прямых подсчетов чтений. В отличие от своего предшественника LOCOM, новый метод заменяет ресурсоемкие процедуры перестановок тестом Вальда, что значительно повышает вычислительную эффективность при работе с крупномасштабными исследованиями. В ходе масштабного тестирования с использованием симулятора MIDASim и трех шаблонов данных различных участков тела, LOCOM2 продемонстрировал превосходство над современными методами, такими как LinDA, ANCOM-BC2, MaAsLin2 и MaAsLin3. Результаты показали, что LOCOM2 обеспечивает точный контроль FDR во всех сценариях моделирования, в то время как другие методы не справлялись с этой задачей стабильно. Кроме того, метод показал наивысшую чувствительность при обнаружении истинных биологических сигналов, что подтверждается применением алгоритма к трем реальным наборам данных микробиома.