Statistische Analyse: Verfügbare Tests und deren Durchführung

Wenn möglich, empfiehlt die Analysehilfe von Graphing basierend auf Ihren Daten den geeignetsten Test. Dabei werden im Hintergrund Normalitäts- und Varianzgleichheitstests durchgeführt, sodass Sie diese nicht nachschlagen oder einen Experten fragen müssen. Wenn Sie einen anderen Test auswählen, erläutert BioRender den jeweiligen Kompromiss, damit Sie Analysen jedes Mal konsistent durchführen können.

Inhaltsverzeichnis

• Funktionsweise der Analysehilfe
• t-tests
• Einfaktorielle ANOVAs
• Zweifaktorielle ANOVAs
• Tests für multiple Vergleiche
• Lineare Regressionen
• Nichtlineare regression
  • Dose-response regression
  • Growth Curves
  • Exponentieller Zerfall
  • Enzym- und Rezeptorkinetik
• Survival analysis
• Logistische regression
• Korrelation

Funktionsweise der Analysehilfe

BioRender führt im Hintergrund automatisch zwei Überprüfungen der Voraussetzungen für kategoriale Tests durch (t-tests und ANOVAs):

Der empfohlene Test wird im Analysebereich mit einem Badge gekennzeichnet. Sie können diese Auswahl jederzeit überschreiben. Wenn Sie einen Test auswählen, der nicht zu den Voraussetzungen Ihrer Daten passt, erklärt BioRender, warum weiterhin der ursprüngliche Test empfohlen wird, damit Sie den jeweiligen Kompromiss verstehen. Einige Tests werden möglicherweise ausgegraut angezeigt, wenn Ihre Daten die Anforderungen nicht erfüllen. Bewegen Sie den Mauszeiger über den Tooltip, um den Grund zu erfahren.

📌 Hinweis: Diese Vorschläge dienen als Richtlinien. Berücksichtigen Sie bei Ihrer endgültigen Entscheidung stets die Konventionen Ihres Fachgebiets.

T-Tests

Verwenden Sie t-tests, um Unterschiede zwischen zwei Gruppen zu vergleichen. BioRender bietet folgende Optionen:

• Ungepaarter t-Test
• Ungepaarter t-Test mit Welch-Korrektur (Welch-t-Test)
• Gepaarter t-Test
• Mann-Whitney U-Test (nichtparametrisch)
• Wilcoxon-Test für verbundene Paare und Rangvorzeichen (nichtparametrisch)

Einrichten eines t-Tests

1. Klicken Sie auf der Bearbeitungsseite des Graph auf + Run neue Analyse.
2. Wenn Ihr Datensatz zwei Gruppen enthält, wird ein t-Test suggested. Deskriptive Statistiken (Mittelwert, Median, Standardabweichung usw.) werden automatisch mit jedem Test berechnet.
3. Wählen Sie im Analysebereich den geeigneten Test aus. Der empfohlene Test ist mit einem Badge gekennzeichnet. Bewegen Sie den Mauszeiger darüber, um eine Erklärung zu erhalten, warum er suggested wurde.
4. Verfeinern Sie Ihre Analyse in Schritt 2.
5. Wählen Sie in Schritt 3 Ihren Ansatz für die Hypothesenprüfung (P-Wert).
6. Klicken Sie auf Run. Die Ergebnisse werden im Analysebereich angezeigt, und signifikante Vergleiche werden automatisch in Ihrem Diagramm markiert.

Einfaktorielle ANOVAs

Verwenden Sie eine einfaktorielle ANOVA, um Unterschiede zwischen drei oder mehr Gruppen zu vergleichen. Verfügbare Optionen:

• Einfaktorielle ANOVA
• Einfaktorielle Welch-ANOVA
• Kruskal-Wallis-Test (nichtparametrisch)

Einrichten einer einfaktoriellen ANOVA

1. Klicken Sie auf der Bearbeitungsseite des Graph auf + Run neue Analyse.
2. Wenn Ihr Datensatz drei oder mehr Gruppen enthält, wird eine einfaktorielle ANOVA suggested. Deskriptive Statistiken werden automatisch mit dem Analyseergebnis angezeigt.
3. BioRender empfiehlt einen geeigneten Test, der mit einem Badge gekennzeichnet ist. Bewegen Sie den Mauszeiger darüber, um eine Erklärung zu erhalten.
4. Wenn Sie Ihren bevorzugten Test ändern möchten, wählen Sie Ihren Test aus und konfigurieren Sie zusätzliche Einstellungen.
5. Verfeinern Sie Ihre Analyse in Schritt 2.
6. Wählen Sie in Schritt 3 die Gruppen für Ihren Test für multiple Vergleiche aus.
7. Klicken Sie auf Run Analysis.

💡 Tipp: Wenn Ihr ANOVA-Ergebnis signifikant ist, möchten Sie wahrscheinlich einen Test für multiple Vergleiche durchführen, um festzustellen, welche spezifischen Gruppen sich unterscheiden. Siehe dazu den Abschnitt „Multiple Vergleiche“ weiter unten.

Zweifaktorielle ANOVAs

Verwenden Sie eine zweifaktorielle ANOVA, um die Wechselwirkung zwischen zwei unabhängigen Variablen zu analysieren.

Einrichten einer zweifaktoriellen ANOVA

1. Klicken Sie auf der Bearbeitungsseite des Graph auf + Run neue Analyse.
2. Wählen Sie im Dropdown-Menü für den Analysetyp die zweifaktorielle ANOVA aus.
3. Wählen Sie die zu vergleichenden Gruppen aus (mindestens 2 pro unabhängiger Variable) und legen Sie in Schritt 2 Ihr Versuchsdesign fest.
4. Entscheiden Sie in Schritt 3, ob Sie Tests für multiple Vergleiche durchführen möchten. Wenn ja, wählen Sie die zu vergleichenden Gruppen und anschließend Ihren Post-hoc-Test aus. BioRender schlägt basierend auf Ihren Daten einen geeigneten Test vor, der mit einem Badge gekennzeichnet ist.
5. Klicken Sie auf Run Analysis.

Messwiederholungen

Wenn Ihre Daten wiederholt von denselben Probanden oder Versuchseinheiten erfasst wurden (beispielsweise im Zeitverlauf), können Sie anhand der folgenden Schritte eine ANOVA mit Messwiederholungen einrichten:

1. Wählen Sie in Schritt 2 „Repeated Measures“ aus.
2. Wählen Sie Ihre Datenvariable mit eindeutigen Identifikatoren pro Proband oder Versuchseinheit als Subject ID aus.
   Wenn Ihre Daten für Prism formatiert wurden, hat Smart Data Import eine „replicates“-Variable für das Format der Replikatspalten hinzugefügt, das Prism verwendet. Diese kann als Subject-ID-Variable verwendet werden.
3. Wenn Sie eine zweifaktorielle ANOVA durchführen, geben Sie an, welche Variable(n) sich bei jeder wiederholten Messung eines Probanden ändern.
4. Wenn bei einigen Probanden unvollständige Daten vorliegen, können Sie optional ein Modell mit gemischten Effekten anpassen, indem Sie unter der Option für fehlende Werte „Analyze available data“ auswählen.
5. Geben Sie optional an, ob Sie Verletzungen der Sphärizität berücksichtigen möchten. „Auto“ führt den Mauchly-Test durch und wendet bei Bedarf die Greenhouse-Geisser-Korrektur an.

Tests für multiple Vergleiche

Nach einem signifikanten ANOVA-Ergebnis helfen Tests für multiple Vergleiche dabei, festzustellen, welche spezifischen Gruppen sich unterscheiden. BioRender schlägt basierend auf Ihren Daten und der Art des Vergleichs einen geeigneten Post-hoc-Test vor.

Dies sind alle angebotenen Tests für multiple Vergleiche:

Um einen Test für multiple Vergleiche durchzuführen, klicken Sie beim Einrichten Ihrer ANOVA im Analysebereich in Schritt 3 auf diese Option. Wählen Sie aus, ob alle Gruppen miteinander oder mit einer Kontrollgruppe verglichen werden sollen. BioRender schlägt basierend auf Ihrer Auswahl den geeigneten Test vor.

Lineare Regression

Verwenden Sie eine lineare regression, um die Beziehung zwischen zwei kontinuierlichen Variablen zu analysieren.

Einrichten einer linearen regression

1. Klicken Sie auf der Bearbeitungsseite des Graph auf + Run neue Analyse.
2. Wählen Sie Ihr regression-Modell aus (einfach oder mit einer Gruppierungsvariable).
3. Entscheiden Sie basierend auf Ihrem Versuchsaufbau, ob der Y-Achsenabschnitt auf null festgelegt werden soll.
4. Klicken Sie auf Run. Die Ausgleichsgerade wird zusammen mit den Ergebnissen der regression automatisch in Ihrem Diagramm angezeigt.

📌 Hinweis: Multiple regression ist derzeit nicht verfügbar, wird aber bald angeboten. Wenn Ihre Diagrammlegende eine kategoriale Variable enthält, wird automatisch eine univariate regression nach Gruppen durchgeführt.

Nichtlineare Regression

Dosis-Wirkungs-Regression

Auch bekannt als dose-response-Kurven, Hill-Kurven, Hill-Gleichung oder EC50/IC50-Analyse. Verwenden Sie diese Analyse, um die Auswirkung unterschiedlicher Dosen auf eine gemessene Reaktion zu untersuchen.

Einrichten einer dose-response-regression

1. Klicken Sie auf der Bearbeitungsseite des Graph auf + Run neue Analyse.
2. Wählen Sie den Experimenttyp aus: Stimulation oder Inhibition, und klicken Sie anschließend auf Weiter.
3. Geben Sie an, ob Sie Ihre X-Werte bereits zur Basis 10 logarithmisch transformiert haben.
4. Entscheiden Sie abhängig von Ihrem Versuchsaufbau, ob die Steigung Ihrer Hill-Kurve auf 1 festgelegt werden soll.
5. Klicken Sie auf Run. BioRender passt automatisch die am besten passende Kurve an und zeigt sie in Ihrem Diagramm an.

Globale Kurvenanpassung

Mit der globalen Kurvenanpassung können Sie mehrere Datensätze gemeinsam anpassen und prüfen, ob dose-response-Kurven dieselbe Form aufweisen, sowie Potenzen (wie EC50 oder IC50) zwischen Gruppen vergleichen.

So vergleichen Sie die Hill-Steigung oder EC/IC50 zwischen Gruppen:

• Legen Sie die oberen und unteren Parameter entweder auf einen festen Wert oder auf eine gemeinsame Anpassung fest.
• Legen Sie die Hill-Steigung (beim Vergleich von EC/IC50) oder EC/IC50 (beim Vergleich der Hill-Steigung) auf eine gemeinsame Anpassung fest.

BioRender passt dose-response-Modelle sowohl mit gemeinsamen Parametern (Nullhypothese) als auch mit einer gruppenspezifischen Anpassung des zu vergleichenden Parameters an. Anschließend wird ein F-Test durchgeführt, um zu bestimmen, ob die Nullhypothese verworfen werden kann. Die Ergebnisse dieses Vergleichs finden Sie auf der Analyseseite.

Growth Curves

BioRender hat verschiedene gängige nichtlineare Wachstumsmodelle implementiert und schätzt die relevanten Parameter (z. B. Ausgangswert und Wachstumsrate) aus Ihren Daten.

Verfügbare Modelle:

• Exponentielles Wachstum
  • Uneingeschränkte Wachstumsmodellierung anhand von Eingaben auf linearer oder logarithmischer Skala.
• Exponentielles Wachstum mit Plateau
  • Zur Modellierung eines abflachenden Wachstums bis zu einem Grenzwert, beispielsweise bei der Modellierung von Rezeptorbesetzung oder der Sättigung eines Fluoreszenzsignals.
• Gompertz-Wachstum
  • Eine sigmoide Kurve, bei der das Wachstum zunächst schnell beschleunigt und anschließend allmählicher bis zum Grenzwert abgebremst wird. Der Wendepunkt liegt bei etwa 37 % des Maximums; häufig bei der Modellierung von Tumor- und mikrobiellem Wachstum.
• Logistisches Wachstum
  • Eine sigmoide Kurve, bei der das Wachstum vom Ausgangswert aus beschleunigt und anschließend symmetrisch zu einem Grenzwert hin abgebremst wird. Der Wendepunkt liegt bei 50 % des Maximums; häufig bei der Modellierung von Bakterienkulturen von der Inokulation bis zur stationären Phase.
• Beta-Modell
  • Wachstum, das bis zu einem Höchstwert ansteigt und anschließend abfällt; häufig bei der Kinetik von Immunreaktionen.

Exponentieller Zerfall

BioRender implementiert ein- und zweiphasige Modelle des exponentiellen Zerfalls. Damit werden aus Ihren Daten Halbwertszeit, Rate(n), Spannweite(n) und Anfangsplateau mit geeigneten Konfidenzintervallen berechnet.

Enzym- und Rezeptorkinetik

BioRender implementiert eine Reihe biochemischer Kinetikmodelle zur Berechnung der Enzym- und Rezeptorfunktion. Derzeit können wir Folgendes modellieren:

• Michaelis-Menten-Kinetik zur Bestimmung der Rate, mit der ein Enzym die Reaktion eines Substrats zu einem Produkt katalysieren kann.
• Spezifische Bindung an einer Stelle zur Berechnung der Kinetik einer einfachen Rezeptor-Ligand-Bindung.

Survival analysis

Diese Analyse wird auch als Dauer- oder Ereigniszeitanalyse bezeichnet und dient dazu, die Wahrscheinlichkeit des Eintretens eines Ereignisses im Zeitverlauf zu schätzen. Zu den Analysen dieser Daten gehören die Kaplan-Meier-Schätzung und die Cox-regression der proportionalen Hazards.

Einrichten einer Überlebenszeitanalyse

1. Klicken Sie auf der Bearbeitungsseite des Graph auf + Run neue Analyse.
2. Wählen Sie die zu analysierenden Gruppen aus.
3. Wählen Sie die Vergleichsmethode oder -methoden aus, die Sie verwenden möchten.
4. Wählen Sie die gewünschte Korrektur für multiple Vergleiche aus.
5. Wählen Sie eine Methode für den Umgang mit zeitgleichen Ereigniszeiten aus.
6. Klicken Sie auf Run Analysis. BioRender passt das Modell an und zeichnet die Kurve in Ihrem Diagramm.

Logistische Regression

Auch als Logit-regression bezeichnet. Verwenden Sie diese Analyse, um das Ergebnis eines binären Ereignisses vorherzusagen (z. B. lebendig/tot, ja/nein).

Einrichten einer logistischen regression

1. Klicken Sie auf der Bearbeitungsseite des Graph auf + Run neue Analyse.
2. Klicken Sie auf Run Analysis. BioRender passt das Modell an und zeichnet die Kurve in Ihrem Diagramm.

Korrelation

Verwenden Sie diese Analyse, um festzustellen, wie zwei Variablen miteinander zusammenhängen. Sind höhere Werte der einen Variablen mit höheren oder niedrigeren Werten der anderen Variablen verbunden?

Einrichten einer Korrelationsanalyse

1. Klicken Sie auf der Bearbeitungsseite des Graph auf + Run neue Analyse.
2. Wählen Sie aus, ob Sie eine Pearson- oder Spearman-Korrelation durchführen möchten.
3. Klicken Sie auf Run Analysis. BioRender berechnet die Korrelation und zeichnet die Linie in Ihrem Diagramm.

Zusammenfassung

• t-tests – Vergleich zweier Gruppen
• Einfaktorielle ANOVA – Vergleich von drei oder mehr Gruppen
• Zweifaktorielle ANOVA – Analyse der Wechselwirkung zwischen zwei unabhängigen Variablen
• Multiple Vergleiche – Ermittlung der Gruppenunterschiede nach einer ANOVA
• Lineare regression – Bewertung der Beziehung zwischen zwei kontinuierlichen Variablen
• Dose-response-regression – Bewertung von dose-response-Beziehungen
• Wachstumskurven – Verschiedene Modelle biologischen Wachstums
• Exponentieller Zerfall – Schätzung der Halbwertszeit anhand von Veränderungen der Menge im Zeitverlauf
• Enzym- und Rezeptorkinetik – Modellierung von Parametern biochemischer Funktionen
• Survival analysis – Schätzung der Wahrscheinlichkeit, dass ein Ereignis im Zeitverlauf eintritt
• Logistische regression – Vorhersage des Ergebnisses eines binären Ereignisses
• Korrelation – Messung des Zusammenhangs zwischen zwei Variablen