Verstehen der Ausreißererkennung (ROUT-Methode)

BioRender Graphing erkennt automatisch Ausreißer in Ihrem Datensatz, jedes Mal wenn ein Diagramm erstellt wird – keine manuelle Einrichtung erforderlich. Dieser Artikel erklärt, wie die Ausreißererkennung funktioniert, wie Sie die Ergebnisse interpretieren und wie Sie die Sensitivität anpassen oder Datenpunkte ausschließen können.

Wie die Ausreißererkennung funktioniert

BioRender verwendet die ROUT-Methode (Robuste Regression und Ausreißerentfernung) zur Ausreißererkennung. Weitere Informationen finden Sie in diesem Artikel. ROUT kombiniert robuste nichtlineare Regression mit einem False Discovery Rate (FDR)-Rahmenwerk, um Datenpunkte zu identifizieren, die wahrscheinlich nicht zur gleichen Population wie der Rest der Gruppe gehören.

Im Gegensatz zu einfachen Methoden wie dem Grubbs-Test ist ROUT darauf ausgelegt, Datensätze mit mehreren Ausreißern gleichzeitig zu verarbeiten. Es setzt keine perfekte Normalverteilung voraus und ist weniger anfällig dafür, einen Ausreißer durch das Vorhandensein eines anderen zu überdecken – ein häufiges Problem, das als Maskierungseffekt bekannt ist.

Wichtige Voraussetzungen:

• ROUT wird nur ausgeführt, wenn eine Gruppe mindestens 4 Beobachtungen hat – Gruppen mit weniger als 4 Punkten werden übersprungen
• Maximale Grenzen gelten: bis zu 28 Gruppen und 5.000 Beobachtungen pro Gruppe
• ROUT wird innerhalb jeder Gruppe unabhängig angewendet, nicht über den zusammengefassten Datensatz hinweg

📌 Warum ROUT? ROUT wird häufig in der präklinischen und biomedizinischen Forschung verwendet. Es ist robust gegenüber Datensätzen, in denen mehr als ein Ausreißer vorhanden sein kann, und eignet sich daher für die kleinen bis mittleren Gruppengrößen, die typisch für die experimentelle Biologie sind.

Was Sie sehen werden

Wenn Sie ein Diagramm erstellen, läuft die Ausreißererkennung automatisch im Hintergrund. Hier finden Sie die Ergebnisse:

• Die Anzahl der erkannten Ausreißer erscheint im Bereich „Angezeigte Daten“ unterhalb des Diagramms.
• Ausreißer sind in der Datentabelle unter dem Diagramm gelb hervorgehoben, sodass Sie sie auf einen Blick erkennen können.
• Klicken Sie auf den Link zum Ausreißerbericht, um den vollständigen Bericht zu öffnen, der Folgendes enthält:
  • Gesamtzahl der analysierten Datenpunkte
  • Anzahl der erkannten Ausreißer
  • Aufschlüsselung der Ausreißer nach Gruppen

Anpassen der Sensitivität mit dem Q-Parameter

Der Q-Parameter steuert, wie aggressiv BioRender Ausreißer markiert. Er entspricht direkt dem maximal akzeptierten FDR – mit anderen Worten dem Schwellenwert, bei dem ein Datenpunkt als statistisch unwahrscheinlich genug angesehen wird, um als Ausreißer bezeichnet zu werden.

So passen Sie den Q-Parameter an

1. Öffnen Sie den Ausreißerbericht, indem Sie ihn im linken Bereich anklicken.
2. Klicken Sie auf „Einstellungen aktualisieren“.
3. Geben Sie einen Q-Wert zwischen 0,1 und 10 ein.
4. Klicken Sie auf „Neu ausführen“, um den neuen Schwellenwert anzuwenden und aktualisierte Ergebnisse zu sehen.

💡 Tipp: Das Anpassen von Q ist nützlich, wenn Sie testen möchten, wie knapp ein bestimmter Datenpunkt an der Grenze liegt. Wenn ein Punkt beispielsweise bei Q=1 markiert wurde, aber nicht bei Q=0,5, handelt es sich um einen Rand-Ausreißer – es lohnt sich, ihn zu untersuchen, aber er ist nicht eindeutig extrem.

Ausschließen von Datenpunkten

Das Erkennen eines Ausreißers führt nicht automatisch dazu, dass er von Ihrer Analyse ausgeschlossen wird – das ist Ihre Entscheidung. BioRender bietet Ihnen zwei Möglichkeiten, damit umzugehen:

Bewährte Vorgehensweisen im Umgang mit Ausreißern

Der Ausschluss von Ausreißern ist eine Entscheidung, die sorgfältig getroffen und transparent dokumentiert werden sollte.

Hier einige Richtlinien:

• Überprüfen Sie zuerst Ihre Skala: ROUT funktioniert am besten, wenn die Werte einer Gruppe ungefähr gleichmäßig über und unter dem Mittelwert verteilt sind. Wenn Ihre Messwerte naturgemäß viele Größenordnungen umfassen (Konzentrationen, Fluoreszenz, Expressionsniveaus), sollten Sie vor der Ausreißererkennung eine Log-Transformation in Betracht ziehen. Ein sicheres Anzeichen, dass Sie die falsche Skala verwenden: Jeder markierte „Ausreißer“ liegt auf derselben Seite des Mittelwerts (alle hoch oder alle niedrig).
• Untersuchen, bevor Sie ausschließen: Untersuchen Sie immer, warum ein Datenpunkt ein Ausreißer ist, bevor Sie ihn ausschließen. War es ein Messfehler, ein Problem bei der Probenbehandlung oder ein echtes biologisches Ergebnis?
• Verwenden Sie Q konservativ: Der Standardwert (Q=1%) ist für die meisten Experimente geeignet. Eine Erhöhung von Q, um mehr Punkte zu markieren, birgt das Risiko, echte Variationen in Ihren Daten auszuschließen.
• Berichten Sie Ihre Methode: Geben Sie an, dass BioRender die ROUT-Methode mit einem bestimmten Q-Wert verwendet und welche Datenpunkte ausgeschlossen wurden und warum.
• Verwenden Sie den Schalter zum Vergleichen: Das Kontrollkästchen „Ausreißer ausschließen“ macht es einfach, Kollegen oder Gutachtern die Analyse sowohl mit als auch ohne Ausreißer zu zeigen.