Statistische Analyse: Verfügbare Tests und wie man sie durchführt

Wann immer möglich empfiehlt die Analyseanleitung von Graphing den am besten geeigneten Test basierend auf Ihren Daten – sie führt im Hintergrund Normalitäts- und Varianzhomogenitätsprüfungen durch, sodass Sie diese nicht selbst nachschlagen oder einen Experten fragen müssen. Wenn Sie einen anderen Test wählen, erklärt BioRender den Kompromiss, damit Sie Analysen jedes Mal konsistent durchführen können.

Inhaltsverzeichnis

• Wie die Analyseanleitung funktioniert
• t-Tests
• Einfaktorielle ANOVAs
• Zweifaktorielle ANOVAs
• Tests für Mehrfachvergleiche
• Lineare Regressionen
• Dosis-Wirkungs-Regression
• Wachstumskurven
• Überlebensanalyse
• Logistische Regression
• Korrelation

Wie die Analyseanleitung funktioniert

BioRender führt automatisch zwei Annahmeprüfungen für kategoriale Tests im Hintergrund durch (t-Tests und ANOVAs):

Der empfohlene Test ist im Analysefenster mit einem Abzeichen markiert. Sie können die Empfehlung jederzeit überschreiben – wenn Sie einen Test wählen, der nicht zu den Annahmen Ihrer Daten passt, erklärt BioRender, warum der ursprüngliche Test trotzdem empfohlen wird, damit Sie den Kompromiss verstehen. Einige Tests können ausgegraut erscheinen, wenn Ihre Daten die Voraussetzungen nicht erfüllen – fahren Sie mit der Maus über das Tooltip, um den Grund zu erfahren.

📌 Hinweis: Diese Vorschläge sind Richtlinien. Berücksichtigen Sie stets die Konventionen Ihres Fachgebiets bei der endgültigen Entscheidung.

t-Tests

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

• Unabhängiger t-Test
• Unabhängiger t-Test mit Welch-Korrektur (Welch-t-Test)
• Abhängiger (gepaarter) t-Test
• Mann-Whitney-U-Test (nichtparametrisch)
• Wilcoxon-Vorzeichen-Rang-Test für gepaarte Stichproben (nichtparametrisch)

Einrichtung eines t-Tests

1. Klicken Sie auf der Grafikbearbeitungsseite auf + Neue Analyse starten.
2. Wenn Ihr Datensatz zwei Gruppen enthält, wird ein t-Test vorgeschlagen. Deskriptive Statistiken (Mittelwert, Median, Standardabweichung usw.) werden bei jedem Test automatisch berechnet.
3. Wählen Sie im Analysefenster den passenden Test aus. Der empfohlene Test ist mit einem Abzeichen markiert – fahren Sie mit der Maus darüber, um eine Erklärung zu erhalten, warum er vorgeschlagen wurde.
4. Passen Sie Ihre Analyse in Schritt 2 an.
5. Wählen Sie Ihre Hypothesentest-Methode (p-Wert) in Schritt 3.
6. Klicken Sie auf Ausführen. Die Ergebnisse erscheinen im Analysefenster und signifikante Vergleiche werden automatisch in Ihrer Grafik markiert.

Einfaktorielle ANOVAs

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

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

Einrichtung einer einfaktoriellen ANOVA

1. Klicken Sie auf der Grafikbearbeitungsseite auf + Neue Analyse starten.
2. Wenn Ihr Datensatz drei oder mehr Gruppen enthält, wird eine einfaktorielle ANOVA vorgeschlagen. Deskriptive Statistiken werden automatisch mit dem Analyseergebnis angezeigt.
3. BioRender empfiehlt einen geeigneten Test, der mit einem Abzeichen markiert ist. Fahren Sie mit der Maus darüber, um eine Erklärung zu erhalten.
4. Wenn Sie einen anderen Test bevorzugen, wählen Sie diesen aus und konfigurieren Sie weitere Einstellungen.
5. Passen Sie Ihre Analyse in Schritt 2 an.
6. Wählen Sie in Schritt 3 die Gruppen für Ihren Mehrfachvergleichstest aus.
7. Klicken Sie auf Analyse ausführen.

💡 Tipp: Wenn Ihr ANOVA-Ergebnis signifikant ist, möchten Sie wahrscheinlich einen Mehrfachvergleichstest durchführen, um zu identifizieren, welche spezifischen Gruppen sich unterscheiden. Siehe den Abschnitt Mehrfachvergleiche unten.

Zweifaktorielle ANOVAs

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

Einrichtung einer zweifaktoriellen ANOVA

1. Klicken Sie auf der Grafikbearbeitungsseite auf + Neue Analyse starten.
2. Wählen Sie im Dropdown-Menü den Analyse-Typ „Zweifaktorielle ANOVA“ aus.
3. Wählen Sie die Gruppen aus, die Sie vergleichen möchten (mindestens 2 pro unabhängiger Variable) und wählen Sie Ihr Versuchsdesign in Schritt 2.
4. Entscheiden Sie in Schritt 3, ob Sie Mehrfachvergleichstests durchführen möchten. Falls ja, wählen Sie die zu vergleichenden Gruppen und Ihren Post-hoc-Test aus. BioRender schlägt basierend auf Ihren Daten einen geeigneten Test vor, der mit einem Abzeichen markiert ist.
5. Klicken Sie auf Analyse ausführen.

Messwiederholungen

Wenn Ihre Daten mehrfach von denselben Probanden (z. B. über die Zeit) erhoben wurden, können Sie eine ANOVA mit Messwiederholungen wie folgt einrichten:

1. Wählen Sie in Schritt 2 „Messwiederholungen“ aus.
2. Wählen Sie Ihre Datenvariable mit eindeutigen Identifikatoren pro Proband als Ihre Probanden-ID aus.
   Wenn Ihre Daten für Prism formatiert wurden, hat Smart Data Import eine Variable „Replikate“ für das von Prism verwendete Replikat-Spaltenformat hinzugefügt, die als Probanden-ID verwendet werden kann.
3. Wenn Sie eine zweifaktorielle ANOVA durchführen, geben Sie an, welche Variable(n) sich bei den wiederholten Messungen eines Probanden ändern.
4. Wenn einige Probanden unvollständige Daten haben, können Sie optional ein Mixed-Effects-Modell anpassen, indem Sie unter der Option Fehlende Werte „Verfügbare Daten analysieren“ auswählen.
5. Geben Sie optional an, ob Sie Verstöße gegen die Sphärizitätsannahme berücksichtigen möchten. „Auto“ führt den Mauchly-Test durch und wendet bei Bedarf die Greenhouse-Geisser-Korrektur an.

Tests für Mehrfachvergleiche

Nach einem signifikanten ANOVA-Ergebnis helfen Tests für Mehrfachvergleiche dabei, zu identifizieren, welche spezifischen Gruppen sich unterscheiden. BioRender schlägt basierend auf Ihren Daten und dem Vergleichstyp einen geeigneten Post-hoc-Test vor.

Hier sind alle angebotenen Mehrfachvergleichstests:

Um einen Mehrfachvergleichstest durchzuführen, klicken Sie in Schritt 3 des Analysefensters bei der Einrichtung Ihrer ANOVA auf diese Option. Wählen Sie, ob alle Gruppen miteinander oder gegen eine Kontrollgruppe verglichen werden sollen – BioRender schlägt basierend auf Ihrer Auswahl den passenden Test vor.

Lineare Regression

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

Einrichtung einer linearen Regression

1. Klicken Sie auf der Grafikbearbeitungsseite auf + Neue Analyse starten.
2. Wählen Sie Ihr Regressionsmodell (einfach oder mit Gruppierungsvariable).
3. Entscheiden Sie, ob der Y-Achsenabschnitt auf Null gesetzt werden soll, basierend auf Ihrem Versuchsaufbau.
4. Klicken Sie auf Ausführen. Die Best-Fit-Linie wird automatisch in Ihrer Grafik zusammen mit den Regressionsdaten angezeigt.

📌 Hinweis: Multiple Regression ist derzeit nicht verfügbar, wird aber bald kommen. Wenn Sie eine kategoriale Variable in der Legende Ihres Diagramms haben, wird automatisch eine gruppenweise univariate Regression durchgeführt.

Dosis-Wirkungs-Regression

Auch bekannt als Dosis-Wirkungskurven, Hill-Kurven, Hill-Gleichung oder EC50/IC50-Analyse. Verwenden Sie diese, um die Wirkung unterschiedlicher Dosen auf eine gemessene Reaktion zu analysieren.

Einrichtung einer Dosis-Wirkungs-Regression

1. Klicken Sie auf der Grafikbearbeitungsseite auf + Neue Analyse starten.
2. Wählen Sie den Versuchstyp: Stimulation oder Hemmung, dann klicken Sie auf Weiter.
3. Geben Sie an, ob Sie Ihre X-Werte bereits mit Basis 10 logarithmiert haben.
4. Entscheiden Sie, ob Sie die Hill-Steigung auf 1 beschränken möchten, abhängig von Ihrem Versuchsaufbau.
5. Klicken Sie auf Ausführen. BioRender passt automatisch die beste Kurve an und zeigt sie in Ihrem Diagramm an.

Globale Kurvenanpassung

Die globale Kurvenanpassung ermöglicht es, mehrere Datensätze zusammen anzupassen, um zu testen, ob Dosis-Wirkungskurven dieselbe Form haben, und Potenzen (wie EC50 oder IC50) zwischen Gruppen zu vergleichen.

Um Hill-Steigung oder EC/IC50 zwischen Gruppen zu vergleichen:

• Beschränken Sie die oberen und unteren Parameter auf einen festen Wert oder eine gemeinsame Anpassung.
• Beschränken Sie die Hill-Steigung (wenn EC/IC50 verglichen wird) oder EC/IC50 (wenn Hill-Steigung verglichen wird) auf eine gemeinsame Anpassung.

BioRender passt Dosis-Wirkungs-Modelle sowohl mit allen gemeinsamen Parametern (Nullhypothese) als auch mit dem zu vergleichenden Parameter pro Gruppe an. Anschließend wird ein F-Test durchgeführt, um zu entscheiden, ob die Nullhypothese verworfen werden soll. Die Ergebnisse dieses Vergleichs finden Sie auf der Analyse-Seite.

Wachstumskurven

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

Verfügbare Modelle:

• Exponentielles Wachstum
  • Unbeschränkte Wachstumsmodellierung basierend auf linearen oder logarithmischen Eingabedaten.
• Exponentielles Wachstum mit Plateau
  • Wird verwendet, um ein verlangsamtes Wachstum bis zu einer Obergrenze zu modellieren, wie bei Rezeptorbesetzung oder Fluoreszenzsignal-Sättigung.
• Gompertz-Wachstum
  • Eine sigmoidale Kurve, bei der das Wachstum schnell beschleunigt und dann allmählich zum Plateau abflacht. Der Wendepunkt liegt bei etwa 37 % des Maximums, typisch für Tumor- und mikrobielles Wachstum.
• Logistisches Wachstum
  • Eine sigmoidale Kurve, bei der das Wachstum vom Ausgangswert aus beschleunigt und dann symmetrisch zum Plateau abflacht. Der Wendepunkt liegt bei 50 % des Maximums, typisch für bakterielle Kulturen vom Inokulat bis zur stationären Phase.
• Beta-Modell
  • Wachstum, das einen Höhepunkt erreicht und dann abfällt, typisch für Kinetiken der Immunantwort.

Überlebensanalyse

Auch bekannt als Dauer- oder Ereignisverlaufsanalyse, wird diese verwendet, um die Wahrscheinlichkeit des Eintretens eines Ereignisses über die Zeit zu schätzen. Analysen umfassen die Kaplan-Meier-Schätzung und die Cox-Regression für proportionale Risiken.

Einrichtung einer Überlebensanalyse

1. Klicken Sie auf der Grafikbearbeitungsseite auf + Neue Analyse starten.
2. Wählen Sie die Gruppen aus, die Sie analysieren möchten
3. Wählen Sie die Vergleichsmethode(n) aus, die Sie verwenden möchten
4. Wählen Sie die Korrektur für Mehrfachvergleiche aus
5. Wählen Sie eine Methode zum Umgang mit gebundenen Ereigniszeiten
6. Klicken Sie auf Analyse ausführen. BioRender passt das Modell an und zeichnet die Kurve in Ihrem Diagramm.

Logistische Regression

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

Einrichtung einer logistischen Regression

1. Klicken Sie auf der Grafikbearbeitungsseite auf + Neue Analyse starten.
2. Klicken Sie auf Analyse ausführen. BioRender passt das Modell an und zeichnet die Kurve in Ihrem Diagramm.

Korrelation

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

Einrichtung einer Korrelationsanalyse

1. Klicken Sie auf der Grafikbearbeitungsseite auf + Neue Analyse starten.
2. Wählen Sie, ob Sie eine Pearson- oder Spearman-Korrelation durchführen möchten
3. Klicken Sie auf Analyse ausführen. BioRender berechnet die Korrelation und zeichnet die Linie in Ihrem Diagramm.

Zusammenfassung

• t-Tests – Vergleich von zwei Gruppen
• Einfaktorielle ANOVA – Vergleich von drei oder mehr Gruppen
• Zweifaktorielle ANOVA – Analyse der Wechselwirkung zwischen zwei unabhängigen Variablen
• Mehrfachvergleiche – Identifikation der Gruppenunterschiede nach einer ANOVA
• Lineare Regression – Bewertung der Beziehung zwischen zwei kontinuierlichen Variablen
• Dosis-Wirkungs-Regression – Bewertung von Dosis-Wirkungs-Beziehungen
• Überlebensanalyse – Schätzung der Wahrscheinlichkeit eines Ereignisses über die Zeit
• Logistische Regression – Vorhersage des Ergebnisses eines binären Ereignisses
• Korrelation – Messung, wie zwei Variablen zueinander in Beziehung stehen