Myszy, testy post hoc i diffogramy


Pracowałem ostatnio z ciekawym problemem.

Mamy dwa rodzaje myszy. Z każdego rodzaju wybieramy trzy osobniki. Jesteśmy ciekawi jak pewien sposób traktowania komórek nerwowych wpływa na kolce dendrytyczne, czyli małe wypustki na neuronach. Z każdej myszy pobieramy ileś skrawków mózgu, każdy skrawek traktujemy na dwa badane sposoby. Każdemu skrawkowi robimy kilkadziesiąt zdjęć. Na każdym zdjęciu oznaczamy setki kolców dendrytycznych.

Mierzymy parametry kolców (np. długość), ale ich pomiary nie są niezależne. Musimy uwzględnić efekt zdjęcia, zagnieżdżony w efekcie skrawka, zagnieżdżony w efekcie myszy, zagnieżdżony w efekcie typu myszy. A interesuje nas porównanie pomiędzy sobą czterech warunków eksperymentalnych (skrzyżowane efekty typu myszy i sposobu traktowania).

Czym to modelować?

Ponieważ efekty myszy, skrawków i zdjęć nas nie interesują, użyjemy efektów losowych by je opisać. Efekty typu mysz i sposobu traktowania są interesujące, więc użyjemy efektów stałych by je opisać. W sumie wychodzą modele mieszane, czyli funkcja lmer z pakietu lme4 (Jak się okazało, ta funkcja bez problemu radzi sobie z tysiącem efektów).

Do testowania post hoc znalazłem funkcję lsmeans z pakietu o tej samej nazwie (funkcjonalność zapożyczona z procedury LSMEANS SASa).
Ten pakiet pozwala na testowanie najróżniejszych kontrastów. Przykładowo poniższa instrukcja porównuje wszystkie pary pomiędzy sobą korzystając z procedury post hoc Tukeya.

Jedyną wadą tego pakietu jest brak funkcji do graficznej prezentacji wyników testów post hoc. W SASie jednym ze sposobów graficznego przedstawiania testów post hoc są diffogramy. Nie mogłem ich znaleźć w R i nie dawało mi to spokoju, więc napisałem funkcję diffogram (dostępna w pakiecie DendriticSpineR).

A oto i przykładowy diffogram.

Screen Shot 2015-05-21 at 00.35.53

Same diffogramy są ciekawe w czytaniu, ponieważ przedstawiają zarówno wartości poszczególnych efektów (cztery przerywane linie i na osi OX i na osi OY) jak również wyniki testów dla każdej pary (4 średnie więc 6 par) oraz przedziały ufności dla różnic.

Więcej o tym jak czytać diffogramy i dlaczego to dobra technika przedstawiania wyników testów post hoc można znaleźć w dokumentacji dla diffogramów w SAS.

Wpisy z kategorii ,,Duże i złożone” powstają przy współpracy z firmą CodiLime.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *

Możesz użyć następujących tagów oraz atrybutów HTML-a: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code class="" title="" data-url=""> <del datetime=""> <em> <i> <q cite=""> <strike> <strong> <pre class="" title="" data-url=""> <span class="" title="" data-url="">