STATISTIK-FORUM.de

[Teigteich]

Hi,
ich schreibe gerade an der Masterarbeit in Biochemie und muss noch Daten auswerten. Ich habe jeweils 12 Werte zu 3 verschiedenen Genotypen (wt,tg,ko). Die Daten sind eigentlich ziemlicher Mist, dh es gibt riesige Schwankungen und man kann keine wirkliche Aussage machen - das sieht man schon am Balkendiagramm. Aber der Form halber will ich sie noch statistisch auswerten.
Da ich 3 Genotypen habe, muss ich wohl eine ANOVA machen, wenn ich wissen will, ob es einen signifikanten Unterschied zwischen ihnen gibt oder? Um die Bedingung der Varianzhomogenität zu checken (die wahrscheinlich nicht gegeben ist), macht man nach meiner Info einen Levene-Test. Da ich aber die Genotypen tg und ko auf wt normalisiert habe (also wt immer auf 100% gesetzt habe) muss ich ja wohl die Rohdaten (nicht normalisiert) für die Analyse nehmen, weil die Varianz der Daten sonst sowieso unterschiedlich ist. Muss ich das für die ANOVA auch tun? Und macht das überhaupt Sinn, wenn die nicht-normalisierten Daten versuchsbedingt große Unterschiede in den Wertegrößen zwischen den Versuchen aufweisen? Also zum Beispiel in einem Versuch für wt,tg,ko die Werte 900, 720, 940 und dem nächsten 1770, 2100, 1560 sind?
Die gleiche Frage hab ich für andere Daten, bei denen ich nur 2 Gruppen habe, also den t-Test nehmen würde, aber auch auf wt normalisiert habe.
Oder ist vielleicht eine ganz andere Bewertung sinnvoller. Zum Beispiel habe ich gigantische Standardfehler. Kann ich einfach anhand derer argumentieren, dass die Daten "wertlos" sind? Gibt es ein allgemein anerkanntes Maß dafür?
Ihr seht ich hab von Statistik nicht wirklich Ahnung und bin etwas aufgeschmissen. Ich danke daher für jede hilfreiche Antwort!!!

[aziz]

Hallo Teigteich,

beschreib mal deine Daten bitte genauer, z. B.: sind die Beobachtungen an verschiedenen Personen gemacht worden, was wurde genau erhoben, irgendwelche Expressionen an den jeweiligen Genotypen?

Da ich 3 Genotypen habe, muss ich wohl eine ANOVA machen, wenn ich wissen will, ob es einen signifikanten Unterschied zwischen ihnen gibt oder?

Könntest du machen, wobei wir hier noch eine genauere Beschreibung deiner Daten abwarten sollten.

Um die Bedingung der Varianzhomogenität zu checken (die wahrscheinlich nicht gegeben ist), macht man nach meiner Info einen Levene-Test. Da ich aber die Genotypen tg und ko auf wt normalisiert habe (also wt immer auf 100% gesetzt habe) muss ich ja wohl die Rohdaten (nicht normalisiert) für die Analyse nehmen, weil die Varianz der Daten sonst sowieso unterschiedlich ist. Muss ich das für die ANOVA auch tun?

Ich denke nicht unbedingt, spontan würde ich aber ja sagen.

Die gleiche Frage hab ich für andere Daten, bei denen ich nur 2 Gruppen habe, also den t-Test nehmen würde, aber auch auf wt normalisiert habe.
Oder ist vielleicht eine ganz andere Bewertung sinnvoller. Zum Beispiel habe ich gigantische Standardfehler. Kann ich einfach anhand derer argumentieren, dass die Daten "wertlos" sind? Gibt es ein allgemein anerkanntes Maß dafür?

Beschreib auch hier mal deine Daten genauer.

Gruß
A.

[Teigteich]

Ich habe die Phosphorylierung von einem Protein untersucht. Dazu hatte ich Proteinfraktionen aus Mäusehirnen. Den Nachweis habe ich per Western-Blot gemacht.
Meine Enddaten sind Quotienten aus den Bandenintensitäten von dem phosphorylierten Protein zu der gesamten Menge des Proteins (phosphoryliert und nicht phosphoryliert). Ich habe also bei den Genotypen tg und ko vergleichen wollen, ob das Protein mehr oder weniger in phosphoryliertem Zustand vorliegt, als beim Wildtyp (wt). Da die Daten Bandenintensitäten sind und damit von der Detektionszeit, der Antikörpermenge, der Blotqualität etc abhängen, können sie nur relativ zueinander betrachtet werden, weshalb ich standardgemäß tg und ko auf wt beziehe, welcher dann immer 100 % hat.
Ich habe von jeder Maus dreimal den Proteinnachweis gemacht und habe insgesamt das Experiment, das drei Mäuse (wt,tg,ko) beinhaltet vier mal durchgeführt, so dass ich zu jedem Genotyp 12 Werte habe. Die Daten Schwanken aber stark und das schon innerhalb eines Experiments (also zwischen den drei Nachweisen aus dem selben Lysat) und noch mehr zwischen den Experimenten 1-4. Beispielsweise liegt der niedrigste der 12 Werte von tg bei 67 % vom wt, während der höchste weit über 400 % von wt beträgt. Dadurch habe ich natürlich riesige Fehlerbalken. Es ist auch alles total deprimierend, aber die Daten müssen nun einmal präsentiert werden und das einzige, was ich tun kann, ist zumindest mit einer durchdachten und fundierten Auswertung anzukommen, was auch ein Anspruch an mich selbst ist
Ich hoffe, ich habe die nötigen Infos auf verständliche Weise darlegen können.

[aziz]

Prinzipiell würde ich sagen, wenn ANOVA dann mit Meßwiederholungen. Wobei ich mir nicht sicher bin, ob dein Stichprobenumfang nicht zu klein sein könnte.

Alternativ könnte man über die Bindung der Daten hinweg sehen (ob das Sinnvoll ist, halte ich für fraglich) und eine gewöhnliche ANOVA durchführen.

Es wäre auch ein multipler Friedman-Test denkbar, wobei auch hier der Stichprobenumfang zu klein sein dürfte. Trotz der Eignung des Tests für kleine Stichproben.

Prinzipiell möchte ich dir raten dich mit deinem Betreuer nach Ostern zusammen zusetzen, um ein weiteres Vorgehen zubesprechen.

Gruß

[Teigteich]

Hi,
erstmal danke für die Hilfe! Meinst du mit Bindung der Daten, dass die Beziehung zwischen den Daten nicht einheitlich ist, weil jeweils 3 Werte von einem Tier stammen und die nächsten 3 wieder von einem anderen Tier? Ich hatte das rein intuitiv als problematisch empfunden.
Mein Betreuer war der, der mir die ANOVA vorgeschlagen hatte. Leider ist das statistische Wissen ja in den "Life Sciences" bei den meisten nicht besonders vertieft, was du auch an mir siehst Eigentlich ein totaler Mangel in der Ausbildung, weil an der richtigen Einstufung von Ergebnissen auch die Bildung der allgemeinen wissenschaftlichen Meinung dran hängt!
Hast du vielleicht spontan einen Tipp, wie du die Daten behandeln würdest?

[aziz]

Hi,
erstmal danke für die Hilfe! Meinst du mit Bindung der Daten, dass die Beziehung zwischen den Daten nicht einheitlich ist, weil jeweils 3 Werte von einem Tier stammen und die nächsten 3 wieder von einem anderen Tier?

Du hast doch die Proteine an 3 Mäusen jeweils 4mal gemessen. Diesbezüglich sind die Daten voneinander abhängig (da Messwiederholung an den selben Untersuchungseinheiten). Oder anders ausgedrückt die Daten sind verbunden.

Mein Betreuer war der, der mir die ANOVA vorgeschlagen hatte. Leider ist das statistische Wissen ja in den "Life Sciences" bei den meisten nicht besonders vertieft, was du auch an mir siehst Eigentlich ein totaler Mangel in der Ausbildung, weil an der richtigen Einstufung von Ergebnissen auch die Bildung der allgemeinen wissenschaftlichen Meinung dran hängt!
Hast du vielleicht spontan einen Tipp, wie du die Daten behandeln würdest?

Tipps habe ich geäußert, jeweils mit Bedenken. Könntest eine ANOVA ohne Meßwederholung durchführen, auch wenn die Daten vermutlich ungeeignet sind und hierrauf (Mangelnde Eignung der Daten) hinweisen. Auf Grund der anscheinend geringen Datenqualität (weng Beobachtungen) fällt mir spontan keine "bessere" Herangehensweise ein.

[bele]

Was wäre mit einem hierarchischen Modell? Nicht, dass ich mich damit besonders auskennen würde, aber nach dem, was ich so lese, könnte es für diese Anforderungen passen.

http://www.stat.columbia.edu/~gelman/arm/
http://www.bias-project.org.uk/WB2011Ma ... slides.pdf