Analyse statistique : tests disponibles et comment les exécuter

Lorsque cela est possible, les recommandations d’analyse de Graphing proposent le test le plus approprié en fonction de vos données, en exécutant en arrière-plan des vérifications de normalité et d’égalité des variances afin que vous n’ayez pas à rechercher ces informations ni à demander conseil à un expert. Si vous choisissez un autre test, BioRender vous expliquera le compromis afin que vous puissiez effectuer vos analyses de manière cohérente, à chaque fois.

Table des matières

• Fonctionnement des recommandations d’analyse
• t-tests
• ANOVAs à un facteur
• ANOVAs à deux facteurs
• Tests de comparaisons multiples
• Régressions linéaires
• Régression non linéaire
  • Dose-response regression
  • Growth Curves
  • Décroissance exponentielle
  • Cinétique enzymatique et des récepteurs
• Survival analysis
• Régression logistique
• Corrélation

Fonctionnement des recommandations d’analyse

BioRender exécute automatiquement deux vérifications des hypothèses pour les tests catégoriels en arrière-plan (t-tests et ANOVAs) :

Le test recommandé est signalé par un badge dans le panneau d’analyse. Vous pouvez le remplacer à tout moment. Si vous sélectionnez un test qui ne correspond pas aux hypothèses de vos données, BioRender expliquera pourquoi il recommande toujours le test initial, afin que vous compreniez le compromis. Certains tests peuvent apparaître grisés si vos données ne répondent pas aux exigences requises. Survolez l’infobulle pour comprendre pourquoi.

📌 Remarque : ces suggestions sont des recommandations générales. Tenez toujours compte des conventions de votre domaine lorsque vous prenez votre décision finale.

Tests t

Utilisez les t-tests pour comparer les différences entre deux groupes. BioRender propose les options suivantes :

• Test t non apparié
• Test t non apparié avec correction de Welch (test t de Welch)
• Test t apparié
• Test de Mann-Whitney U (non paramétrique)
• Test des rangs signés pour séries appariées de Wilcoxon (non paramétrique)

Configurer un test t

1. Sur la page de modification du Graph, cliquez sur + Run new analysis.
2. Si votre jeu de données comporte deux groupes, un test t sera suggested. Les statistiques descriptives (moyenne, médiane, écart-type, etc.) sont calculées automatiquement avec chaque test.
3. Utilisez le panneau d’analyse pour sélectionner le test approprié. Le test recommandé est signalé par un badge. Survolez-le pour obtenir une explication de la raison pour laquelle il a été suggested.
4. Affinez votre analyse à l’étape 2.
5. Choisissez votre méthode de test d’hypothèse (valeur de p) à l’étape 3.
6. Cliquez sur Run. Les résultats apparaissent dans le panneau Analyse et les comparaisons significatives sont automatiquement indiquées sur votre graphique.

ANOVAs à un facteur

Utilisez une ANOVA à un facteur pour comparer les différences entre trois groupes ou plus. Options disponibles :

• ANOVA à un facteur
• ANOVA à un facteur de Welch
• Test de Kruskal-Wallis (non paramétrique)

Configurer une ANOVA à un facteur

1. Sur la page de modification du Graph, cliquez sur + Run new analysis.
2. Si votre jeu de données comporte trois groupes ou plus, une ANOVA à un facteur sera suggested. Les statistiques descriptives sont automatiquement indiquées avec le résultat de l’analyse.
3. BioRender recommandera un test approprié, signalé par un badge. Survolez-le pour obtenir une explication.
4. Si vous souhaitez modifier votre test préféré, sélectionnez votre test et configurez les paramètres supplémentaires.
5. Affinez votre analyse à l’étape 2.
6. Choisissez les groupes pour votre test de comparaisons multiples à l’étape 3.
7. Cliquez sur Run Analysis.

💡 Conseil : si le résultat de votre ANOVA est significatif, vous voudrez probablement exécuter un test de comparaisons multiples afin d’identifier les groupes qui diffèrent spécifiquement. Consultez la section Comparaisons multiples ci-dessous.

Two-Way ANOVAs

Utilisez une ANOVA à deux facteurs pour analyser l’interaction entre deux variables indépendantes.

Configurer une ANOVA à deux facteurs

1. Sur la page de modification du Graph, click + Run new analysis.
2. Sélectionnez ANOVA à deux facteurs dans la liste déroulante du type d’analyse.
3. Sélectionnez les groupes que vous souhaitez comparer (au moins 2 par variable indépendante) et choisissez votre plan expérimental à l’étape 2.
4. Décidez si vous souhaitez exécuter des tests de comparaisons multiples à l’étape 3. Si oui, choisissez les groupes à comparer et sélectionnez votre test post-hoc. BioRender suggère un test approprié en fonction de vos données, signalé par un badge.
5. Cliquez sur Run Analysis.

Mesures répétées

Si vos données ont été échantillonnées à plusieurs reprises auprès des mêmes sujets (au fil du temps, par exemple), vous pouvez configurer une ANOVA à mesures répétées en suivant les étapes ci-dessous :

1. Sélectionnez « Repeated Measures » à l’étape 2.
2. Sélectionnez comme identifiant de sujet la variable de données contenant des identifiants uniques pour chaque sujet.
   Si vos données ont été formatées pour Prism, Smart Data Import aura ajouté une variable « replicates » pour le format des colonnes de réplicats utilisé par Prism, qui peut être utilisée comme variable d’identifiant de sujet.
3. Si vous exécutez une ANOVA à deux facteurs, indiquez quelle(s) variable(s) change(nt) pour chaque échantillon répété d’un sujet.
4. Si certains sujets ont des données incomplètes, vous pouvez éventuellement ajuster un modèle à effets mixtes en sélectionnant « Analyze available data » dans l’option Valeurs manquantes.
5. Indiquez éventuellement si vous souhaitez tenir compte des violations de la sphéricité. « Auto » exécutera le test de Mauchly et appliquera la correction de Greenhouse-Geisser si nécessaire.

Tests de comparaisons multiples

Après un résultat significatif d’ANOVA, les tests de comparaisons multiples permettent d’identifier les groupes qui diffèrent spécifiquement. BioRender suggère un test post-hoc approprié en fonction de vos données et du type de comparaison.

Voici tous les tests de comparaisons multiples proposés :

Pour exécuter un test de comparaisons multiples, cliquez sur cette option à l’étape 3 du panneau d’analyse lors de la configuration de votre ANOVA. Choisissez de comparer tous les groupes entre eux ou tous les groupes à un groupe témoin. BioRender suggérera le test approprié en fonction de votre sélection.

Régression linéaire

Utilisez la regression linéaire pour analyser la relation entre deux variables continues.

Configurer une regression linéaire

1. Sur la page de modification du Graph, click + Run new analysis.
2. Sélectionnez votre modèle de regression (simple ou avec une variable de regroupement).
3. Décidez de contraindre ou non l’ordonnée à l’origine Y à zéro en fonction de votre plan expérimental.
4. Cliquez sur Run. La droite d’ajustement optimal s’affiche automatiquement sur votre graphique avec les résultats de la regression.

📌 Remarque : la regression multiple n’est pas disponible actuellement, mais le sera prochainement. Si votre légende de graphique contient une variable catégorielle, une regression univariée par groupe sera exécutée automatiquement.

Régression non linéaire

Régression dose-réponse

Également appelée courbes dose-response, courbes de Hill, équation de Hill ou analyse EC50/IC50. Utilisez cette analyse pour étudier l’effet de doses variables sur une réponse mesurée.

Configurer une dose-response regression

1. Sur la page de modification du Graph, cliquez sur + Run new analysis.
2. Sélectionnez le type d’expérience : Stimulation ou Inhibition, puis cliquez sur Continuer.
3. Indiquez si vous avez déjà transformé vos valeurs X en logarithme de base 10.
4. Décidez de contraindre ou non la pente de Hill à 1, en fonction de votre plan expérimental.
5. Cliquez sur Run. BioRender ajuste automatiquement la courbe optimale et l’affiche sur votre graphique.

Ajustement global de courbe

L’ajustement global de courbe vous permet d’ajuster plusieurs jeux de données ensemble, de vérifier si les courbes dose-response ont la même forme et de comparer les puissances (comme EC50 ou IC50) entre les groupes.

Pour comparer la pente de Hill ou EC/IC50 entre les groupes :

• Contraignez les paramètres supérieur et inférieur à une valeur fixe ou à un ajustement partagé.
• Contraignez la pente de Hill (si vous comparez EC/IC50) ou EC/IC50 (si vous comparez la pente de Hill) à un ajustement partagé.

BioRender ajuste les modèles dose-response en partageant tous les paramètres (l’hypothèse nulle) ou en ajustant le paramètre à comparer pour chaque groupe. Il effectue ensuite un test F pour déterminer s’il faut invalider l’hypothèse nulle. Les résultats de cette comparaison sont disponibles sur la page d’analyse.

Growth Curves

BioRender a implémenté plusieurs modèles non linéaires courants de croissance et estimera les paramètres pertinents (par exemple, la valeur initiale et le taux de croissance) à partir de vos données.

Modèles disponibles :

• Croissance exponentielle
  • Modélisation de la croissance sans contrainte à partir de données sur une échelle linéaire ou logarithmique.
• Croissance exponentielle avec plateau
  • Utilisée pour modéliser une croissance qui ralentit jusqu’à un plafond, comme dans la modélisation de l’occupation des récepteurs ou de la saturation d’un signal de fluorescence.
• Croissance de Gompertz
  • Courbe sigmoïde où la croissance s’accélère rapidement, puis ralentit plus progressivement jusqu’au plafond. Le point d’inflexion se situe à environ 37 % du maximum, ce qui est courant dans la modélisation de la croissance tumorale et microbienne.
• Croissance logistique
  • Courbe sigmoïde où la croissance s’accélère depuis la ligne de base, puis ralentit symétriquement vers un plafond. Le point d’inflexion se situe à 50 % du maximum, ce qui est courant dans la modélisation de cultures bactériennes, de l’inoculation à la phase stationnaire.
• Modèle bêta
  • Croissance qui atteint un pic puis diminue, ce qui est courant dans la cinétique des réponses immunitaires.

Décroissance exponentielle

BioRender implémente des modèles à une ou deux phases de décroissance exponentielle, qui calculeront la demi-vie, le ou les taux, l’étendue et le plateau initial avec des intervalles de confiance appropriés à partir de vos données.

Cinétique enzymatique et des récepteurs

BioRender implémentera un ensemble de modèles de cinétique biochimique pour calculer la fonction des enzymes et des récepteurs. Actuellement, nous pouvons modéliser :

• La cinétique de Michaelis-Menten, afin de déterminer la vitesse à laquelle une enzyme peut catalyser la réaction d’un substrat en produit.
• La liaison spécifique à un seul site, afin de calculer la cinétique simple de liaison récepteur-ligand.

Survival analysis

Également appelée analyse de durée ou analyse de l’historique des événements, cette analyse sert à estimer la probabilité qu’un événement se produise au fil du temps. Les analyses de ces données comprennent l’estimation de Kaplan-Meier et la regression des risques proportionnels de Cox.

Configurer une analyse de survie

1. Sur la page de modification du Graph, cliquez sur + Run new analysis.
2. Sélectionnez les groupes que vous souhaitez analyser.
3. Sélectionnez la ou les méthodes de comparaison que vous souhaitez utiliser.
4. Sélectionnez la correction pour comparaisons multiples que vous souhaitez utiliser.
5. Choisissez une méthode pour gérer les temps d’événements ex æquo.
6. Cliquez sur Run Analysis. BioRender ajuste le modèle et trace la courbe sur votre graphique.

Régression logistique

Également appelée regression logit. Utilisez cette analyse pour prédire le résultat d’un événement binaire (par exemple, vivant/mort, oui/non).

Configurer une regression logistique

1. Sur la page de modification du Graph, cliquez sur + Run new analysis.
2. Cliquez sur Run Analysis. BioRender ajuste le modèle et trace la courbe sur votre graphique.

Corrélation

Utilisez cette analyse pour déterminer comment deux variables sont liées l’une à l’autre. Des valeurs élevées pour une variable sont-elles associées à des valeurs élevées ou faibles pour l’autre variable ?

Configurer une analyse de corrélation

1. Sur la page de modification du Graph, cliquez sur + Run new analysis.
2. Indiquez si vous souhaitez effectuer une corrélation de Pearson ou de Spearman.
3. Cliquez sur Run Analysis. BioRender calcule la corrélation et trace la droite sur votre graphique.

Résumé

• t-tests – Comparer deux groupes
• ANOVA à un facteur – Comparer trois groupes ou plus
• ANOVA à deux facteurs – Analyser l’interaction entre deux variables indépendantes
• Comparaisons multiples – Identifier les groupes qui diffèrent après une ANOVA
• regression linéaire – Évaluer la relation entre deux variables continues
• Dose-response regression – Évaluer les relations dose-response
• Courbes de croissance - Divers modèles de croissance biologique
• Décroissance exponentielle - Estimer la demi-vie à partir des variations d’abondance au fil du temps
• Cinétique enzymatique et des récepteurs - modéliser les paramètres des fonctions biochimiques
• Survival analysis – Estimer la probabilité qu’un événement se produise au fil du temps
• Régression logistique – Prédire le résultat d’un événement binaire
• Corrélation – Mesurer la relation entre deux variables