निम्नलिखित कोड को हिंदी में प्रदर्शित करने के लिए, WordPress के कोड संपादक के लिए निम्नलिखित कोड दिया गया है:
आईपीए (इंजेनुइटी पैथवे एनालिसिस) में, पी-मूल्य आंकलन विशेष्टा का उपयोग करके किया जाता है। पी-मूल्य, अवलोकित डेटा को यादृच्छिक स्थिति में प्राप्त होने वाले डेटा के साथ तुलना करके सांक्षिकीय रूप से महत्वपूर्ण होने की आंकणीय बताता है।
उपायोग का अनुमान
आईपीए में पाठवे विश्लेषण में, पी-मूल्य की गणना निम्नलिखित प्रक्रिया के माध्यम से की जाती है:
- इनपुट डेटा की पूर्व प्रसंस्करण: पाठवे विश्लेषण के लिए, जीन अभिव्यक्ति डेटा या प्रोटीन अभिव्यक्ति डेटा जैसे रॉ डेटा को इनपुट किया जाता है।
- पाठवे का चयन: विश्लेषण करना चाहते हैं पाठवे का चयन करें। उदाहरण के लिए, किसी विशेष रोग से संबंधित सिग्नल ट्रांसडक्शन पाठवे या खान-पान पाथवे जैसा चयन किया जा सकता है।
- पाठवे के स्कोरिंग: चयनित पाठवे में शामिल जीन या प्रोटीन के स्कोर की गणना करें। इसमें, उदाहरण के लिए, जीन अभिव्यक्ति डेटा के अंतर-व्यक्ति विश्लेषण या प्रोटीन के अभिव्यक्ति के परिवर्तन का विश्लेषण शामिल हो सकता है।
- पर्म्युटेशन टेस्ट: पाठवे में शामिल जीन या प्रोटीन के स्कोर के आधार पर, एक यादृच्छिक डेटा सेट उत्पन्न करें। यह यादृच्छिक डेटा सेट इनपुट डेटा की विशेषता को बनाए रखते हुए, जीन या प्रोटीन के स्कोर को यादृच्छिक रूप से आवंटित किया गया है।
- P-मूल्य की गणना: पर्म्युटेशन टेस्ट में उत्पन्न यादृच्छिक डेटा सेट का उपयोग करके, स्कोर का यादृच्छिक वितरण बनाया जाता है। फिर, देखा जाता है कि अवलोकित स्कोर यादृच्छिक वितरण के किस स्थान पर है, और P-मूल्य की गणना की जाती है। पी -मूल्य, अवलोकित स्कोर को यादृच्छिक वितरण में प्राप्त होने वाले प्रावधानिकता को दर्शाता है।
पी-मूल्य छोटा होने पर, अवलोकित स्कोर यादृच्छिक स्थिति में प्राप्त होने की प्रावधानिकता बहुत कम होती है। सामान्य रूप से, पी-मूल्य 0.05 से कम (आमतौर पर 0.01 से कम) होने पर, सांक्षिकीय रूप से प्रावधानिक माना जाता है। इस तरह के मामले में, अवलोकित स्कोर यादृच्छिक स्थिति में प्राप्त होने की प्रावधानिकता बहुत कम होती है, इसलिए वास्तविक बायोलॉजिकल संबंध संभावना होती है।
पाठवे का स्कोरिंग कैसे करें?
पाठवे का स्कोरिंग में, जीन के महत्व और योगदान को संख्यात्मक रूप से मूल्यांकित करके मूल्यांकन किया जाता है।
विशेष उदाहरण के रूप में, एक पाठवे में संबंधित तीन जीन (A, B, C) हैं, और इनके व्यक्ति विश्लेषण के लिए निम्नलिखित जीन के अभिव्यक्ति स्तर दिए गए हैं:
जीन A का अभिव्यक्ति स्तर: 10 जीन B का अभिव्यक्ति स्तर: 5 जीन C का अभिव्यक्ति स्तर: 8
इस मामले में, जीनों को स्कोर देने के लिए उनके अभिव्यक्ति स्तर के आधार पर मूल्यांकन किया जा सकता है। जीन A उच्चतम अभिव्यक्ति स्तर रखने के कारण, इसे 10 अंक दिया जाता है। जीन B मध्यम अभिव्यक्ति स्तर पर होने के कारण, इसे 5 अंक दिया जाता है। जीन C भी उच्च अभिव्यक्ति स्तर रखने के कारण, इसे 8 अंक दिया जाता है।
फिर, इन स्कोरों को सामान्य करें। उदाहरण के लिए, 0 से 1 तक के सीमा तक स्केलिंग किया जा सकता है। इस मामले में, जीन A को 1.0, जीन B को 0.5, और जीन C को 0.8 बना दिया जाता है।
इस तरह से, पाठवे के भीतर जीनों को स्कोर दिया जा सकता है। इससे, जीनों के महत्व और पाठवे के भीतर उनकी भूमिका का मूल्यांकन किया जा सकता है।
पर्म्यु टेशन टेस्ट क्या है?
पर्म्युटेशन टेस्ट में, सांक्षिकीय विश्लेषण के लिए डेटा को यादृच्छिक रूप से व्यवस्थित किया जाता है। इस यादृच्छिक व्यवस्थित के माध्यम से, डेटा को बिना ज्ञात विशेषता के प्राप्त होने वाले परिणामों के पूर्वानुमान किया जाता है।
रोगी डेटा से जीन A और जीन B के अभिव्यक्ति ज्ञात होने पर, यह जानने के लिए कि यह पाथवे X में संलग्न हैं या नहीं, निम्नलिखित प्रक्रिया द्वारा पर्म्युटेशन टेस्ट किया जा सकता है:
कृपया जापानी भाषा में लिखें।
- प्रक्रिया की पूर्व-संस्कार: रोगी डेटा से जीन A और जीन B के अभिव्यक्ति डेटा को अलग किया जाता है।
- जीन का स्कोरिंग: जीन A और जीन B के अभिव्यक्ति डेटा का उपयोग करके, प्रत्येक जीन को स्कोर दिया जाता है। स्कोर की गणना विभिन्न परिकल्पनाओं में किया जा सकता है, जैसे जीन के अभिव्यक्ति स्तर और महत्वाकांक पर आधारित हो सकता है।
- पर्म्युटेशन टेस्ट की तैयारी: पर्म्युटेशन टेस्ट के लिए, जीन A और जीन B के स्कोर डेटा को तैयार किया जाता है।
- पर्म्युटेशन का निष्पादन: जीन A और जीन B के स्कोर डेटा को यादृच्छिक रूप से व्यवस्थित किया जाता है, और पर्म्युटेशन टेस्ट को निष्पादित किया जाता है। इससे, जीन A और जीन B के संबंध संबंध की प्राप्ति के मामले में परिणामों की पूर्वानुमान किया जाता है।
- पर्म्युटेशन का अधिकारी: पर्म्युटेशन को कई बार दोहराया जाता है, और यादृच्छिक डेटा सेट उत्पन्न किया जाता है। सामान्यतः, कई हजार बार से अधिक दोहराए जाते हैं।
- परिणामों का मूल्यांकन: पर्म्युटेशन टेस्ट से प्राप्त यादृच्छिक डेटा सेट और मूल डेटा को तुलना किया जाता है। विशेष रूप से, जीन A और जीन B के स्कोर यादृच्छिक डेटा सेट में कहाँ स्थित हैं, उनका मूल्यांकन किया जाता है। इससे, जीन A और जीन B के स्कोर का पाठवे X के साथ संबंध होने का वैज्ञानिकता वैयक्तिक रूप से मूल्यांकन किया जा सकता है।
पर्म्युटेशन टेस्ट के माध्यम से, जीन A और जीन B के स्कोर का पाठवे X के साथ स्टैटिस्टिकल रूप से महत्वपूर्ण संबंध होने का मूल्यांकन किया जा सकता है। इससे, विशिष्ट जीन के विशिष्ट पाठवे में संलग्न होने की संभावना को सांक्षिकीय रूप से सत्यापित किया जा सकता है।
P-मान कैसे निकाला जा रहा है?
- पर्म्युटेशन टेस्ट के पश्चात, मूल डेटा यादृच्छिक डेटा सेट में कहाँ स्थित है, इसे मूल्यांकन किया जाता है।
- मूल्यांकन के लिए, मूल डेटा के सांक्षिकीय संकेतक (उदाहरण के लिए, जीन A और जीन B के स्कोर के अंतर की वैशिष्ट्यिकता या सम्बन्ध संख्यात्मक) की गणना की जाती है।
- पर्म्युटेशन टेस्ट से प्राप्त यादृच्छिक डेटा सेट में, मूल डेटा से अधिक संकेतक के अंदर आने की वापसी की गणना की जाती है।
- इस गणना का परिणाम परम्यूटेशन की बार-बारिक बार गणना के संख्या से विभाजित करके, एक अनुपात की गणना की जाती है। यही P-मान होता है।
P-मान मूल डेटा को यादृच्छिक रूप से प्राप्त होने वाले परिणामों के पूर्वानुमान करने की संभावना दर्शाता है। P-मान की मात्रा छोटी होने पर, मूल डेटा को यादृच्छिक रूप से प्राप्त होने की संभावना छोटी होती है। सांक्षिकीय अवलोकन में, पहले से निर्धारित विशेष अर्थसूचक स्तर (सामान्यतः 0.05 या 0.01) के साथ तुलना करके, P-मान छोटा होने पर परिणाम को सांक्षिकीय रूप से महत्वपूर्ण माना जाता है।
ऊपर दिए गए कोड में, एक उदाहरण द्वारा प्रस्तुत किया गया है कि जीन A और जीन B के स्कोर के अंतर की वैशिष्ट्यिकता को मूल्यांकन करने के लिए P-मान की गणना कैसे की जाती है। इसके माध्यम से, पर्म्युटेशन टेस्ट के परिणाम को सांक्षिकीय रूप से मूल्यांकन किया जा सकता है, और जीन A और जीन B के स्कोर का पाठवे X में संलग्न होने की संभावना की जांच की जा सकती है।
उम्मीद है, यह विवरण आपके लिए सहायक साबित होगा।
ऊपर दिए गए तस्वीर में यह कैसे दिखता है?
