Búsqueda · 31 momentos en 21 episodios
María RibesSara RobiscoJuan Carlos GilFrancis VillatoroHéctor Socascorrección bonferroni análisis genómicofluctuación estadística valor p 0 05umbral significancia dividido número variablesvalor PBonferroniFrancis VillatoroHolm von FerroniHolm BonferroniMaría RibesNature
Corrección Bonferroni análisis genómico
Ep500: Petaneutrino; Escribas; Primeras Ciudades; Trilobites; Einstein Ring; Ganimedismo
21 de febrero de 20253 momentos
Con
0:000:301:001:302:002:303:003:41
Francis Villatoro explica la corrección de Bonferroni, una técnica utilizada en medicina y análisis genómico para evitar falsos positivos al estudiar múltiples genes.
…lo de buscar Planeta 9 es precisamente con que salen muchos falsos positivos que hay que descartar luego y no sé cómo una técnica estadística te puede ayudar con eso, la verdad, pero me parece, no sé, habrá que mirarlo. Nunca se sabe suficiente estadística. La idea básica de la corrección de Bonferroni es que si se usa mucho en medicina y sobre todo en análisis genómico, etcétera, si tú estás estudiando mil genes y pones como un criterio de significancia, pues yo que sé, que el valor P sea menor de 0.05, como tienes mil genes, es muy probable que una fluctuación estadística haga que alguno de ellos tenga una significancia mucho menor, un valor P mucho menor de 0.05 Porque son mil, 0 .05 es, si haces la inversa, 20, es uno entre 20, si tienes mil es muy probable que mucho fluctúe más que eso, entonces tú tienes que corregir tu valor P, tu umbral, dividirlo por el número, básicamente el número de muestras de variables que estás estudiando Si estudias mil variables, pones una significación de 0,05 dividido entre mil De tal manera que una significación equivalente a ese umbral de 0,05 entre 2, pues es equivalente a ese 0,010 a la menos 5, 5 por 10 a la menos 5 para mil muestras. Esto está relacionado con el famoso Look Elsewhere Effect, que tiene que ver con eso, ¿no? El…
Significado #1 · Palabras #1
Francis Villatoro explica cómo los autores del artículo criticado han respondido a las dudas planteadas sobre su metodología, ampliando considerablemente el número de genes analizados para confirmar su hipótesis original.
Habla: Francis VillatoroSignificado #9genes analizados metodología artículohipótesis original confirmada investigadoressignificancia estadística autores artículoevolución bacteriana estudio cuestionadoanálisis genético respuesta a estudionuevo análisis estadístico justificacióngenes humanos mismas conclusiones…de la evolución de los genes que se habían tomado, y se muestra que no, lo clásico: correlación no implica causalidad. El análisis de esos alelos que se estudiaron en ese artículo no es suficiente para inferir los resultados de la evolución de la bacteria. Se da la oportunidad a los investigadores, autores del artículo criticado, a que contesten; y los autores lo que han hecho ha sido añadir un gran número, casi triplicar el número de genes que analizaban, y con esos datos adicionales confirman la hipótesis original y logran una significancia estadística que, digamos, suaviza mucho la atención. Ahora tenemos un artículo que dice que lo que concluyeron no está bien fundamentado, no hay una buena correlación entre el resultado, no está apoyado el resultado con el análisis estadístico y ahora un nuevo análisis estadístico hecho, digamos, a pisa y corriendo para justificar esta respuesta y supongo que habrá futuros artículos en los que entrarán en todos los detalles, una cosita muy cortita, lo que se ha publicado, en el que dicen que sí, que incluso añadiendo nuevos genes humanos se logra obtener la misma conclusión. Así que el asunto es que estamos ahí en la balanza. No sabemos si esto acabará siendo confirmado por futuros estudios en los próximos años o acabará teniendo razón los que ahora critican ese artículo y resulta que no se podía hacer esto. Entonces, ahora…
María Ribes explica cómo se corrigieron los falsos positivos en un estudio sobre escribas del Antiguo Egipto, utilizando la corrección de Holm von Ferroni.
Habla: María RibesSignificado #3 · Palabras #4corrección holm von ferronirasgos óseos estudio escribasfalsos positivos prueba estadística…Amarilla, Sara, roja no, porque si no lo echamos y es el jefe, tía. Ok, la prueba de Eji cuadrado, de la que estáis hablando, para comparar proporciones o frecuencias observadas con las esperadas, para ver si realmente las diferencias son significativas. Y luego para corregir los falsos positivos han utilizado la corrección de Holm von Ferroni, porque a veces salen demasiados positivos. Entonces con esta prueba lo que hicieron fue: fijaos, había 68 rasgos óseos que mostraban diferencias significativas y después de aplicar esta corrección de Holm Bonferroni se redujeron a 40. Esta sí que no la conozco y me parece súper interesante. Tendré que mirarla porque, claro, una cosa que nosotros nos peleamos mucho con lo de buscar Planeta 9 es precisamente con que salen muchos falsos positivos que hay que descartar luego y no sé cómo una…
Francis Villatoro explica la corrección de Bonferroni, una técnica utilizada en medicina y análisis genómico para evitar falsos positivos al estudiar múltiples genes.
Habla: Francis VillatoroSignificado #1 · Palabras #1corrección bonferroni análisis genómicofluctuación estadística valor p 0 05umbral significancia dividido número variables…lo de buscar Planeta 9 es precisamente con que salen muchos falsos positivos que hay que descartar luego y no sé cómo una técnica estadística te puede ayudar con eso, la verdad, pero me parece, no sé, habrá que mirarlo. Nunca se sabe suficiente estadística. La idea básica de la corrección de Bonferroni es que si se usa mucho en medicina y sobre todo en análisis genómico, etcétera, si tú estás estudiando mil genes y pones como un criterio de significancia, pues yo que sé, que el valor P sea menor de 0.05, como tienes mil genes, es muy probable que una fluctuación estadística haga que alguno de ellos tenga una significancia mucho menor, un valor P mucho menor de 0.05 Porque son mil, 0 .05 es, si haces la inversa, 20, es uno entre 20, si tienes mil es muy probable que mucho fluctúe más que eso, entonces tú tienes que corregir tu valor P, tu umbral, dividirlo por el número, básicamente el número de muestras de variables que estás estudiando Si estudias mil variables, pones una significación de 0,05 dividido entre mil De tal manera que una significación equivalente a ese umbral de 0,05 entre 2, pues es equivalente a ese 0,010 a la menos 5, 5 por 10 a la menos 5 para mil muestras. Esto está relacionado con el famoso Look Elsewhere Effect, que tiene que ver con eso, ¿no? El…