Analisi statistica: test disponibili e come eseguirli

Quando possibile, la guida all’analisi di Graphing consiglia il test più appropriato in base ai dati, eseguendo in background i controlli di normalità e di uguaglianza delle varianze, così non dovrai cercarli o chiedere a un esperto. Se scegli un test diverso, BioRender spiegherà il compromesso, così potrai eseguire le analisi in modo coerente, ogni volta.

Sommario

• Come funziona la guida all’analisi
• t-tests
• ANOVAs a una via
• ANOVAs a due vie
• Test per confronti multipli
• Regressioni lineari
• Regressione non lineare
  • Dose-response regression
  • Growth Curves
  • Decadimento esponenziale
  • Cinetica enzimatica e dei recettori
• Survival analysis
• Regressione logistica
• Correlazione

Come funziona la guida all’analisi

BioRender esegue automaticamente in background due controlli delle assunzioni per i test categoriali (t-tests e ANOVAs):

Il test consigliato è contrassegnato da un badge nel pannello dell’analisi. Puoi sostituirlo in qualsiasi momento; se selezioni un test che non corrisponde alle assunzioni dei tuoi dati, BioRender spiegherà perché continua a consigliare il test originale, così potrai comprendere il compromesso. Alcuni test potrebbero apparire disattivati se i dati non soddisfano i requisiti: passa il cursore sul tooltip per capire il motivo.

📌 Nota: questi suggerimenti sono linee guida. Quando prendi la decisione finale, considera sempre le convenzioni del tuo settore.

Test t

Usa i t-tests per confrontare le differenze tra due gruppi. BioRender offre le seguenti opzioni:

• Test t non appaiato
• Test t non appaiato con correzione di Welch (test t di Welch)
• Test t appaiato
• Test Mann-Whitney U (non parametrico)
• Test dei ranghi con segno per coppie appaiate di Wilcoxon (non parametrico)

Configurazione di un test t

1. Nella pagina di modifica del Graph, fai clic su + Run new analysis.
2. Se il tuo set di dati contiene due gruppi, verrà suggested un test t. Le statistiche descrittive (media, mediana, deviazione standard ecc.) vengono calcolate automaticamente con ogni test.
3. Usa il pannello dell’analisi per selezionare il test appropriato. Il test consigliato è contrassegnato da un badge: passa il cursore sopra di esso per visualizzare una spiegazione del motivo per cui è stato suggested.
4. Perfeziona l’analisi nel passaggio 2.
5. Scegli l’approccio per il test delle ipotesi (valore P) nel passaggio 3.
6. Fai clic su Run. I risultati vengono visualizzati nel pannello Analisi e i confronti significativi vengono contrassegnati automaticamente nel grafico.

ANOVAs a una via

Usa una ANOVA a una via per confrontare le differenze tra tre o più gruppi. Opzioni disponibili:

• ANOVA a una via
• ANOVA a una via di Welch
• Test di Kruskal-Wallis (non parametrico)

Configurazione di una ANOVA a una via

1. Nella pagina di modifica del Graph, fai clic su + Run new analysis.
2. Se il tuo set di dati contiene tre o più gruppi, verrà suggested una ANOVA a una via. Le statistiche descrittive vengono riportate automaticamente nel risultato dell’analisi.
3. BioRender consiglierà un test appropriato, contrassegnato da un badge. Passa il cursore sopra di esso per visualizzare una spiegazione.
4. Se desideri modificare il test preferito, seleziona il test e configura le impostazioni aggiuntive.
5. Perfeziona l’analisi nel passaggio 2.
6. Scegli i gruppi per il test dei confronti multipli nel passaggio 3.
7. Fai clic su Run Analysis.

💡 Suggerimento: se il risultato della tua ANOVA è significativo, probabilmente vorrai eseguire un test per confronti multipli per identificare quali gruppi specifici differiscono. Consulta la sezione Confronti multipli qui sotto.

Two-Way ANOVA a due vie

Usa una ANOVA a due vie per analizzare l’interazione tra due variabili indipendenti.

Configurazione di una ANOVA a due vie

1. Nella pagina di modifica del Graph, fai clic su + Run new analysis.
2. Seleziona ANOVA a due vie dal menu a discesa del tipo di analisi.
3. Seleziona i gruppi da confrontare (almeno 2 per variabile indipendente) e scegli il disegno sperimentale nel passaggio 2.
4. Decidi se eseguire test per confronti multipli nel passaggio 3. In caso affermativo, scegli i gruppi da confrontare e seleziona il test post-hoc. BioRender suggerisce un test appropriato in base ai dati, contrassegnato da un badge.
5. Fai clic su Run Analysis.

Misure ripetute

Se i dati sono stati campionati ripetutamente dagli stessi soggetti (ad esempio nel tempo), puoi configurare una ANOVA per misure ripetute seguendo questi passaggi:

1. Seleziona “Repeated Measures” nel passaggio 2.
2. Seleziona come ID soggetto la variabile dei dati che contiene identificatori univoci per soggetto.
   Se i dati sono stati formattati per Prism, Smart Data Import avrà aggiunto una variabile “replicates” per il formato delle colonne delle repliche utilizzato da Prism; questa variabile può essere usata come variabile ID soggetto.
3. Se esegui una ANOVA a due vie, indica quali variabili cambiano per ogni campione ripetuto di un soggetto.
4. Se alcuni soggetti hanno dati incompleti, puoi facoltativamente adattare un modello a effetti misti selezionando “Analyze available data” nell’opzione Valori mancanti.
5. Facoltativamente, specifica se desideri tenere conto delle violazioni della sfericità. “Auto” eseguirà il test di Mauchly e applicherà la correzione di Greenhouse-Geisser se necessario.

Test per confronti multipli

Dopo un risultato significativo dell’ANOVA, i test per confronti multipli aiutano a identificare quali gruppi specifici differiscono. BioRender suggerisce un test post-hoc appropriato in base ai dati e al tipo di confronto.

Ecco tutti i test per confronti multipli disponibili:

Per eseguire un test per confronti multipli, fai clic su questa opzione nel passaggio 3 del pannello dell’analisi durante la configurazione della tua ANOVA. Scegli se confrontare tutti i gruppi tra loro o con un gruppo di controllo: BioRender suggerirà il test appropriato in base alla selezione.

Regressione lineare

Usa la regression lineare per analizzare la relazione tra due variabili continue.

Configurazione di una regression lineare

1. Nella pagina di modifica del Graph, fai clic su + Run new analysis.
2. Seleziona il modello di regression (semplice o con una variabile di raggruppamento).
3. Decidi se vincolare l’intercetta Y a zero in base al disegno sperimentale.
4. Fai clic su Run. La linea di miglior adattamento viene visualizzata automaticamente nel grafico insieme ai risultati della regression.

📌 Nota: la regression multipla non è attualmente disponibile, ma lo sarà presto. Se nella legenda del grafico è presente una variabile categoriale, verrà eseguita automaticamente una regression univariata per gruppo.

Regressione non lineare

Regressione dose-risposta

Nota anche come curve dose-response, curve di Hill, equazione di Hill o analisi EC50/IC50. Usala per analizzare l’effetto di dosi variabili su una risposta misurata.

Configurazione di una dose-response regression

1. Nella pagina di modifica del Graph, fai clic su + Run new analysis.
2. Seleziona il tipo di esperimento: Stimolazione o Inibizione, quindi fai clic su Continua.
3. Specifica se hai già trasformato con logaritmo in base 10 i valori X.
4. Decidi se vincolare la pendenza di Hill a 1, in base al disegno sperimentale.
5. Fai clic su Run. BioRender adatta automaticamente la curva migliore e la visualizza nel grafico. 

Adattamento globale della curva

L’adattamento globale della curva consente di adattare più set di dati insieme, verificando se le curve dose-response condividono la stessa forma e confrontando le potenze (come EC50 o IC50) tra i gruppi.

Per confrontare la pendenza di Hill o EC/IC50 tra gruppi:

• Vincola i parametri superiore e inferiore a un valore fisso o a un adattamento condiviso.
• Vincola la pendenza di Hill (se confronti EC/IC50) o EC/IC50 (se confronti la pendenza di Hill) a un adattamento condiviso.

BioRender adatta i modelli dose-response sia condividendo tutti i parametri (l’ipotesi nulla), sia adattando il parametro da confrontare per ciascun gruppo. Esegue quindi un test F per determinare se invalidare l’ipotesi nulla. I risultati di questo confronto sono disponibili nella pagina dell’analisi.

Growth Curves

BioRender ha implementato diversi modelli non lineari comuni di crescita e stimerà i parametri pertinenti (ad esempio, valore iniziale e tasso di crescita) dai tuoi dati.

Modelli disponibili:

• Crescita esponenziale
  • Modellazione della crescita non vincolata da input su scala lineare o logaritmica.
• Crescita esponenziale con plateau
  • Usata per modellare una crescita in decelerazione verso un limite superiore, come nella modellazione dell’occupazione dei recettori o della saturazione del segnale di fluorescenza.
• Crescita di Gompertz
  • Una curva sigmoide in cui la crescita accelera rapidamente e poi decelera più gradualmente verso il limite superiore. Il punto di inflessione è a circa il 37% del massimo, caratteristico della modellazione della crescita tumorale e microbica.
• Crescita logistica
  • Una curva sigmoide in cui la crescita accelera dalla linea di base e poi decelera simmetricamente verso un limite superiore. Il punto di inflessione è al 50% del massimo, caratteristico della modellazione della coltura batterica dall’inoculazione alla fase stazionaria.
• Modello beta
  • Crescita che raggiunge un picco e poi diminuisce, caratteristica della cinetica della risposta immunitaria.

Decadimento esponenziale

BioRender implementa modelli a una e due fasi del decadimento esponenziale, che calcolano dai tuoi dati l’emivita, il/i tasso/i, l’ampiezza/le ampiezze e il plateau iniziale con intervalli di confidenza appropriati.

Cinetica enzimatica e dei recettori

BioRender implementerà una serie di modelli di cinetica biochimica per calcolare la funzione degli enzimi e dei recettori. Attualmente possiamo modellare:

• Cinetica di Michaelis-Menten, per determinare la velocità con cui un enzima può catalizzare la reazione da substrato a prodotto.
• Legame specifico a un singolo sito, per calcolare la cinetica del semplice legame recettore-ligando.

Survival analysis

Nota anche come analisi della durata o della storia degli eventi, viene usata per stimare la probabilità che un evento si verifichi nel tempo. Le analisi di questi dati includono la stima di Kaplan-Meier e la regression dei rischi proporzionali di Cox.

Configurazione di un’analisi di sopravvivenza

1. Nella pagina di modifica del Graph, fai clic su + Run new analysis.
2. Seleziona i gruppi da analizzare.
3. Seleziona il metodo o i metodi di confronto da utilizzare.
4. Seleziona la correzione per confronti multipli da utilizzare.
5. Scegli un metodo per gestire i tempi degli eventi coincidenti.
6. Fai clic su Run Analysis. BioRender adatta il modello e traccia la curva nel grafico.

Regressione logistica

Nota anche come regression logit. Usa questa analisi per prevedere l’esito di un evento binario (ad es. vivo/morto, sì/no).

Configurazione di una regression logistica

1. Nella pagina di modifica del Graph, fai clic su + Run new analysis.
2. Fai clic su Run Analysis. BioRender adatta il modello e traccia la curva nel grafico.

Correlazione

Usa questa analisi per determinare in che modo due variabili sono correlate. Valori più elevati di una variabile sono associati a valori più elevati o più bassi dell’altra?

Configurazione di un’analisi di correlazione

1. Nella pagina di modifica del Graph, fai clic su + Run new analysis.
2. Seleziona se desideri eseguire una correlazione di Pearson o Spearman.
3. Fai clic su Run Analysis. BioRender calcola la correlazione e traccia la linea nel grafico.

Riepilogo

• t-tests – Confronto tra due gruppi
• ANOVA a una via – Confronto tra tre o più gruppi
• ANOVA a due vie – Analisi dell’interazione tra due variabili indipendenti
• Confronti multipli – Identificazione dei gruppi che differiscono dopo un’ANOVA
• regression lineare – Valutazione della relazione tra due variabili continue
• Dose-response regression – Valutazione delle relazioni dose-response
• Curve di crescita – Vari modelli di crescita biologica
• Decadimento esponenziale – Stima dell’emivita a partire dai cambiamenti nell’abbondanza nel tempo
• Cinetica enzimatica e dei recettori – Modellazione dei parametri delle funzioni biochimiche
• Survival analysis – Stima della probabilità che un evento si verifichi nel tempo
• regression logistica – Previsione dell’esito di un evento binario
• Correlazione – Misurazione della relazione tra due variabili