Análisis estadístico: pruebas disponibles y cómo ejecutarlas

Cuando es posible, las recomendaciones de análisis de Graphing indican la prueba más adecuada en función de tus datos; para ello, ejecutan comprobaciones de normalidad e igualdad de varianzas en segundo plano, de modo que no tengas que buscarlas ni preguntar a un experto. Si eliges una prueba diferente, BioRender explicará las ventajas y desventajas para que puedas ejecutar los análisis de forma coherente en todo momento.

Índice

• Cómo funcionan las recomendaciones de análisis
• t-tests
• ANOVAs de una vía
• ANOVAs de dos vías
• Pruebas de comparaciones múltiples
• Regresiones lineales
• regression no lineal
  • Dose-response regression
  • Growth Curves
  • Decaimiento exponencial
  • Cinética enzimática y de receptores
• Survival analysis
• regression logística
• Correlación

Cómo funcionan las recomendaciones de análisis

BioRender ejecuta automáticamente dos comprobaciones de supuestos para las pruebas categóricas (t-tests y ANOVAs) en segundo plano:

La prueba recomendada aparece marcada con una insignia en el panel de análisis. Puedes sustituirla en cualquier momento. Si seleccionas una prueba que no coincide con los supuestos de tus datos, BioRender explicará por qué sigue recomendando la prueba original, para que comprendas las ventajas y desventajas. Algunas pruebas pueden aparecer atenuadas si tus datos no cumplen los requisitos. Pasa el cursor sobre la información emergente para entender el motivo.

📌 Nota: Estas sugerencias son orientativas. Ten siempre en cuenta las convenciones de tu campo al tomar la decisión final.

Pruebas T

Utiliza las t-tests para comparar las diferencias entre dos grupos. BioRender ofrece las siguientes opciones:

• Prueba t no apareada
• Prueba t no apareada con corrección de Welch (prueba t de Welch)
• Prueba t apareada
• Prueba de Mann-Whitney U (no paramétrica)
• Prueba de rangos con signo de pares emparejados de Wilcoxon (no paramétrica)

Configuración de una prueba t

1. En la página de edición de Graph, haz clic en + Run new analysis.
2. Si tu conjunto de datos tiene dos grupos, se suggested una prueba t. Las estadísticas descriptivas (media, mediana, desviación estándar, etc.) se calculan automáticamente con cada prueba.
3. Utiliza el panel de análisis para seleccionar la prueba adecuada. La prueba recomendada aparece marcada con una insignia. Pasa el cursor sobre ella para consultar una explicación de por qué se ha suggested.
4. Ajusta el análisis en el paso 2.
5. Elige el método de prueba de hipótesis (valor P) en el paso 3.
6. Haz clic en Run. Los resultados aparecen en el panel de análisis y las comparaciones significativas se marcan automáticamente en el gráfico.

ANOVAs de una vía

Utiliza una ANOVA de una vía para comparar las diferencias entre tres o más grupos. Opciones disponibles:

• ANOVA de una vía
• ANOVA de una vía de Welch
• Prueba de Kruskal-Wallis (no paramétrica)

Configuración de una ANOVA de una vía

1. En la página de edición de Graph, haz clic en + Run new analysis.
2. Si tu conjunto de datos tiene tres o más grupos, se suggested una ANOVA de una vía. Las estadísticas descriptivas se muestran automáticamente con el resultado del análisis.
3. BioRender recomendará una prueba adecuada, marcada con una insignia. Pasa el cursor sobre ella para consultar una explicación.
4. Si quieres cambiar la prueba preferida, selecciona la prueba y configura los ajustes adicionales.
5. Ajusta el análisis en el paso 2.
6. Elige los grupos para la prueba de comparaciones múltiples en el paso 3.
7. Haz clic en Run Analysis.

💡 Consejo: Si el resultado de tu ANOVA es significativo, probablemente querrás ejecutar una prueba de comparaciones múltiples para identificar qué grupos concretos difieren. Consulta la sección Comparaciones múltiples más abajo.

Two-Way ANOVAs

Utiliza una ANOVA de dos vías para analizar la interacción entre dos variables independientes.

Configuración de una ANOVA de dos vías

1. En la página de edición de Graph, haz clic en + Run new analysis.
2. Selecciona la ANOVA de dos vías en el menú desplegable del tipo de análisis.
3. Selecciona los grupos que quieres comparar (un mínimo de 2 por variable independiente) y elige el diseño experimental en el paso 2.
4. Decide si quieres ejecutar pruebas de comparaciones múltiples en el paso 3. Si es así, elige los grupos que quieres comparar y selecciona la prueba post hoc. BioRender sugiere una prueba adecuada en función de tus datos, marcada con una insignia.
5. Haz clic en Run Analysis.

Medidas repetidas

Si has tomado muestras repetidas de los mismos sujetos (por ejemplo, a lo largo del tiempo), puedes configurar una ANOVA de medidas repetidas siguiendo estos pasos:

1. Selecciona «Repeated Measures» en el paso 2.
2. Selecciona como ID del sujeto la variable de datos que contiene identificadores únicos para cada sujeto.
   Si tus datos se han formateado para Prism, Smart Data Import habrá añadido una variable «replicates» para el formato de columnas de réplicas que utiliza Prism; esta variable puede utilizarse como variable de ID del sujeto.
3. Si ejecutas una ANOVA de dos vías, indica qué variable o variables cambian en cada muestra repetida de un sujeto.
4. Si algunos sujetos tienen datos incompletos, puedes ajustar opcionalmente un modelo de efectos mixtos seleccionando «Analyze available data» en la opción Valores ausentes.
5. Especifica opcionalmente si quieres tener en cuenta las infracciones de esfericidad. «Auto» ejecutará la prueba de Mauchly y aplicará la corrección de Greenhouse-Geisser si es necesario.

Pruebas de comparaciones múltiples

Después de obtener un resultado significativo en una ANOVA, las pruebas de comparaciones múltiples ayudan a identificar qué grupos concretos difieren. BioRender sugiere una prueba post hoc adecuada en función de tus datos y del tipo de comparación.

Estas son todas las pruebas de comparaciones múltiples disponibles:

Para ejecutar una prueba de comparaciones múltiples, haz clic en esta opción en el paso 3 del panel de análisis al configurar tu ANOVA. Elige si quieres comparar todos los grupos entre sí o con un grupo de control; BioRender sugerirá la prueba adecuada en función de tu selección.

Regresión lineal

Utiliza la regression lineal para analizar la relación entre dos variables continuas.

Configuración de una regression lineal

1. En la página de edición de Graph, haz clic en + Run new analysis.
2. Selecciona tu modelo de regression (simple o con una variable de agrupación).
3. Decide si quieres restringir la intersección con el eje Y a cero en función de tu diseño experimental.
4. Haz clic en Run. La línea de mejor ajuste se muestra automáticamente en el gráfico junto con los resultados de la regression.

📌 Nota: La regression múltiple no está disponible actualmente, pero estará disponible próximamente. Si tienes una variable categórica en la leyenda del gráfico, se ejecutará automáticamente una regression univariante por grupos.

Regresión no lineal

Regresión de respuesta a la dosis

También conocidas como curvas de dose-response, curvas de Hill, ecuación de Hill o análisis de EC50/IC50. Utilízalas para analizar el efecto de variar las dosis sobre una respuesta medida.

Configuración de una dose-response regression

1. En la página de edición de Graph, haz clic en + Run new analysis.
2. Selecciona el tipo de experimento: estimulación o inhibición; después, haz clic en Continuar.
3. Indica si ya has transformado mediante logaritmo de base 10 los valores X.
4. Decide si quieres restringir la pendiente de Hill a 1, según tu diseño experimental.
5. Haz clic en Run. BioRender ajusta automáticamente la curva de mejor ajuste y la muestra en el gráfico.

Ajuste global de curvas

El ajuste global de curvas permite ajustar varios conjuntos de datos conjuntamente, comprobar si las curvas de dose-response tienen la misma forma y comparar potencias (como EC50 o IC50) entre grupos.

Para comparar la pendiente de Hill o EC/IC50 entre grupos:

• Restringe los parámetros superior e inferior a un valor fijo o a un ajuste compartido.
• Restringe la pendiente de Hill (si comparas EC/IC50) o EC/IC50 (si comparas la pendiente de Hill) a un ajuste compartido.

BioRender ajusta modelos de dose-response compartiendo todos los parámetros (la hipótesis nula) y con el parámetro que se va a comparar ajustado por grupo. Después ejecuta una prueba F para determinar si se rechaza la hipótesis nula. Los resultados de esta comparación se encuentran en la página de análisis.

Growth Curves

BioRender ha implementado varios modelos no lineales habituales de crecimiento y estimará los parámetros pertinentes (por ejemplo, el valor inicial y la tasa de crecimiento) a partir de tus datos.

Modelos disponibles:

• Crecimiento exponencial
  • Modelización del crecimiento sin restricciones a partir de entradas en escala lineal o logarítmica.
• Crecimiento exponencial con meseta
  • Se utiliza para modelizar un crecimiento que se desacelera hasta alcanzar un límite superior, como en la modelización de la ocupación de receptores o de la saturación de una señal de fluorescencia.
• Crecimiento de Gompertz
  • Curva sigmoidea en la que el crecimiento se acelera rápidamente y después se desacelera de forma más gradual hasta alcanzar el límite superior. El punto de inflexión se encuentra aproximadamente en el 37 % del máximo; es habitual en la modelización del crecimiento tumoral y microbiano.
• Crecimiento logístico
  • Curva sigmoidea en la que el crecimiento se acelera desde el valor basal y después se desacelera simétricamente hacia un límite superior. El punto de inflexión se encuentra en el 50 % del máximo; es habitual en la modelización de cultivos bacterianos desde la inoculación hasta la fase estacionaria.
• Modelo beta
  • Crecimiento que aumenta hasta alcanzar un máximo y después disminuye; es habitual en la cinética de la respuesta inmunitaria.

Decaimiento exponencial

BioRender implementa modelos de una y dos fases de decaimiento exponencial, que calculan la semivida, las tasas, los intervalos y la meseta inicial con los intervalos de confianza adecuados a partir de tus datos.

Cinética enzimática y de receptores

BioRender implementará un conjunto de modelos de cinética bioquímica para calcular la función enzimática y de los receptores. Actualmente podemos modelizar:

• Cinética de Michaelis-Menten, para determinar la velocidad a la que una enzima puede catalizar la reacción de sustrato a producto.
• Unión específica a un único sitio, para calcular la cinética de una unión simple entre receptor y ligando.

Survival analysis

También conocido como análisis de duración o de historia de eventos, se utiliza para estimar la probabilidad de que ocurra un evento a lo largo del tiempo. Entre los análisis de estos datos se incluyen la estimación de Kaplan-Meier y la regression de riesgos proporcionales de Cox.

Configuración de un análisis de supervivencia

1. En la página de edición de Graph, haz clic en + Run new analysis.
2. Selecciona los grupos que quieres analizar.
3. Selecciona el método o los métodos de comparación que quieres utilizar.
4. Selecciona la corrección para comparaciones múltiples que quieres utilizar.
5. Elige un método para gestionar los tiempos de eventos coincidentes.
6. Haz clic en Run Analysis. BioRender ajusta el modelo y representa la curva en el gráfico.

Regresión logística

También conocida como regression logit. Utiliza este análisis para predecir el resultado de un evento binario (por ejemplo, vivo/muerto, sí/no).

Configuración de una regression logística

1. En la página de edición de Graph, haz clic en + Run new analysis.
2. Haz clic en Run Analysis. BioRender ajusta el modelo y representa la curva en el gráfico.

Correlación

Utiliza este análisis para averiguar cómo se relacionan dos variables. ¿Los valores más altos de una variable están asociados a valores más altos o más bajos de la otra?

Configuración de un análisis de correlación

1. En la página de edición de Graph, haz clic en + Run new analysis.
2. Selecciona si quieres realizar una correlación de Pearson o de Spearman.
3. Haz clic en Run Analysis. BioRender calcula la correlación y representa la línea en el gráfico.

Resumen

• t-tests – Comparar dos grupos
• ANOVA de una vía – Comparar tres o más grupos
• ANOVA de dos vías – Analizar la interacción entre dos variables independientes
• Comparaciones múltiples – Identificar qué grupos difieren después de una ANOVA
• regression lineal – Evaluar la relación entre dos variables continuas
• Dose-response regression – Evaluar relaciones de dose-response
• Curvas de crecimiento: varios modelos de crecimiento biológico
• Decaimiento exponencial: estimar la semivida a partir de cambios en la abundancia a lo largo del tiempo
• Cinética enzimática y de receptores: modelizar parámetros de funciones bioquímicas
• Survival analysis – Estimar la probabilidad de que ocurra un evento a lo largo del tiempo
• regression logística – Predecir el resultado de un evento binario
• Correlación – Medir cómo se relacionan dos variables