使用cibersort对不同的GSE文件进行免疫细胞类别计算，发现得出的p-value各不相同，有的全是0，有的（0，1）之中散在分布。。。不确定计算得到的结果是否可靠，因此有必要明确p-value的含义~
example1
example2：p-value全为0
那么现在只剩下p值了，p值是怎么算的呢？
使用置换检验。
就是用蒙特卡罗方法，不断地从原来的数据中跟单个样本等长的数据，模拟新样本，进行CoreAlg计算。
每次抽取出相关性系数r，当次数足够多的时候，就形成背景相关性系数分布。
参考：http://www.sci666.net/56744.html
根据👆楼主的意思，cibersort函数内部使用的“置换检验”是关键，那么理解成每一个样本的计算其实需要参考整体样本，那么不同类别的（比如，bone metastasis/lung metastasis/primary）样本需要分别来计算的。（而我之前是把所有混在一起计算的）
我强行解释一波，每次真正的样本计算出来的r值，找到其在背景分布的位置，然后看右边红色的概率有多大。如果小于0.05，说明产生这种极端值并不是偶然的。
那么该样本的反卷积解析就是成功的，可信的。
参考：http://www.sci666.net/56744.html
p值小于0.05，说明产生「极端值」不是偶然的。
提取同一source（lymph node）的samples进行计算
（默认perm=1000）p值多>0.05，good？
可视化
上图可见Mast cell activated、NK cells activated等immune cell在不同样本中组成成分有较大不同……解释了为啥p-value会小于0.05。说明这批samples中的免疫浸润存在较大异质性。【存疑
接下来，改变置换次数，观察结果的差异。
使用上面同一个matrix。
perm=0，p-value=999（震惊！
perm=10
perm=100
迷糊了，最直接的问题：p-value<0.05好还是 ＞0.05好呢？
在cibersort用example data验证：Example job: Original Abbas et al. mixtures microarray (GSE11103)
https://cibersortx.stanford.edu/runcibersortx.php
得到的p-value均为0，这批样本有4类，差异较明显。
小结
p-value与perm置换次数、样本的异质性有关。
当p-value<0.05，说明存在异质性，最极端是p-value全为0.
当p-value全部大于0.05，说明这批样本的免疫细胞浸润无统计学差异。
end
网友评论