Работа с клетками. Выбор статистических методов, Теоретически распределение нормальное, на практике выборки малые Опции

[Sergey.Pustylnik...]

Уважаемые участники форума, добрый день!

--
Краткая версия вопроса.

Работа in vitro на клеточной линии, результаты теста снимаются спектрофотометрически в лунках планшета,
каждое измерение тройное (3 лунки на одну концентрацию вещества). Можно ли применять параметрическую
статистику для описания результатов, и проверки гипотез? Противоречие в том, что теоретически
распределение должно быть нормальным и можно пользоваться параметрической статистикой (я склонен к ней);
но практически в каждой группе всего три измерения и мне рекомендуют использовать непараметрику.

--
Развернутая версия вопроса.

Я зарегистрировался здесь, потому что очень важные детали для себя нашел в обсуждении темы:
http://forum.disser.ru/index.php?showtopic...%EE%F7%ED%FB%E5
Несмотря на то, что я в аспирантуре по биологической тематике, моя "математическая" проблема очень близка.
В теме обсуждается то, когда стоит применять параметрическую, а когда непараметрическую статистику.
У меня с моими коллегами и руководителями нет единого мнения по данному вопросу, поэтому надеюсь на
помощь профессионалов.

Сразу предупреждаю, я создаю длинный пост не для того, чтобы всех утомить,
а так как, чтобы дать квалифицированный ответ могут понадобиться детали.
Вот их я и привожу. Если детали не интересуют, то кратко вопрос я уже изложил.

Итак, задача.
Я работаю с клеточной линией фибробластов легкого эмбриона человека, культура гомогенна,
сохраняет свойства и фенотип при пересеве порядка 40-50 пассажей.
Для экспериментов высеваю по 10 000 клеток в лунку 96-луночного планшета.
Исследуется влияние 2 веществ в разных концентрациях на жизнеспособность клеток
при помощи МТТ теста. Суть его в том, что живые клетки способны восстанавливать соединение МТТ,
что приводит к образованию в клетках окрашенных кристаллов. После растворения кристаллов
оптическая плотность раствора позволяет судить об уровне жизнеспособности клеток в культуре.
(Жизнеспособность здесь - интегральный параметр, позволяющий оценить скорость роста культуры,
гибель клеток в ней, если таковая присутствует, а также уровень метаболической активности).
Каждая концентрация тестируется в трех лунках 96-луночного планшета, и между этими лунками сходимость высокая.
В результате получаются значения ОП, к примеру 0,837 0,859 0,793 в контроле и 0,435 0,482 0,455 в опыте,
которые нужно сравнить.

Отступление по поводу статистического анализа МТТ теста в статьях.
В литературе я встречал анализ результатов этого теста как с помощью параметрической статистики, так и непараметрической.
Статистическую обработку результатов проводят как при помощи t-критерия Стьюдента,
так и с использованием U-критерия Уилкоксона-Манна-Уитни. Если необходимо сравнивать все группы между собой,
в случае методов параметрической статистики используют дисперсионный анализ или вместе с t-тестом применяют поправку Бонферрони;
в случае методов непараметрической статистики применяют критерий Краскела-Уоллиса. Расхождение в подходах, видимо, связано с тем,
что в соответствии с теоретическими предпосылками распределения значений оптического поглощения в исследуемых группах должны
быть нормальными, однако в силу малых выборок (обычно 3 лунки в одном планшете) это не доказуемо . Для получения более надежных
данных исследования повторяют, но в повторяемость результатов для МТТ теста признается низкой. Мало того, некоторые работы
указывают, что у них распределение не было нормальным, что они проверяли по критерию Колмогорова-Смирнова. Но, конечно, как
они это делали - не указано. Если они брали 3 измерения, то очевидно, никакой нормальности там быть не могло.

В экспериментах на разных планшетах повторяемость не идеальна. Внутри одного планшета - хорошая.
(как указано в литературе, различия больше всего обусловлены неравномерным посевом клеток).
Доверительные интервалы для измерений чаще всего в пределах 5% от абсолютной величины оптической плотности,
соответственно я считаю выборку репрезентативной (высокая гомогенность), и считаю, что повтора достаточно одного.
Результаты по повтору должны давать близкие значения, но их, на мой взгляд, не следует сливать в одну группу с первичными.
(у них отличаются и среднее значение, и дисперсия, что не удивительно).
В результатах собираюсь приводить только расчет статистических параметров только для одного из экспериментов.

Сейчас я рассчитываю среднее значение, стандартное отклонение и доверительный интервал в MS Excel функциями
"СРЗНАЧ", "СТАНДОТКЛОН", и "ДОВЕРИТ" для отображения на графиках.
Для проверки гипотез о достоверности различий между группами я собираюсь делать так.
Подключив пакет "статистика" в Excel воспользоваться анализом данных
"Двухвыборочный t-тест с одинаковыми дисперсиями", затем при значении t-статистики больше
t критического двустороннего, считать, что есть достоверные различия (при уровне статистической значимости 0,05).
В противном случае, так не считать; различия, если они просматриваются, считать не достоверными.
Поправку Бонферрони я применять не собираюсь, у меня всего 2 вещества в 6 концентрациях,
сравнивать буду результаты контроля и концентраций, при которых заметны различия.
По большому счету интересно лишь парное сравнение с минимальной действующей концентрацией.

Мне же говорят, что нужно пользоваться непараметрической статистикой, так как образцов меньше 30.
Плюс к этому с меня просят минимум 2 повтора (итого 9 измерений), и если я все верно понял, то слить группы
измерений в разных планшетах.
Возможно мне следует сделать 30 одинаковых контролей и проверить распределение на нормальность?
Или нужно 30 опытных образцов? Позволит ли это применять параметрическую статистику?

Главный вопрос - кто прав в этом споре? Каким критерием правильнее всего пользоваться?
Есть ли ссылки на соответствующую литературу, где содержался бы разбор такого случая?
Я разбираюсь с этим уже 3 дня и самое релевантное, что я нашел - давнее обсуждение здесь на форуме.

Очень прошу помочь! Хочется понять, как же делать правильно и почему.

С уважением,
Сергей

[Sergey.Pustylnik...]

DrgLena, спасибо за подсказку про анализ по условию!
Я обычно медленно в программах разбираюсь, не нашел этого сам.

--
Отлично!
Я, кажется, понял, как делать выбор случаев и проверять нормальность.
Мне хотелось проверить, нормальное ли распределение
в результатах до концентрации 0,02 включительно и до 0,01 включительно
(я дальше обозначу результаты как (а) и (б) для этих случаев).
Там как раз достаточно значений (120 и 96 соответственно) получается,
и высока вероятность, что получится нормальное распределение.

Я сделал tools/selection conditions/enable; tools/selection conditions/edit,
где написал в Specific, selected by/Expression: conc<0,03 для первого случая
и conc<0,015 для второго (что-то подсказывало, что программа поймет )

Затем graphs/histograms/ в variable - выбрал значения; во вкладке advanced
поставил галочки на Shapiro-Wilk test и Kolmogorov-Smirnov test;

Получил гистограмму, с распределением, очень похожим на нормальное.
Под ней подписи:
1) а) Value: D = 0,0688; p < n.s.; Lilliefors-p < 0,2; (Это как я понял, про тест Колмогорова-Смирнова)
б) Value: D = 0,0887; p < n.s.; Lilliefors-p < 0,1; (n.s. - это not significant, как я проверил)
2) а) SW-W = 0,9764; p = 0,0330 (Это относится к критерию Шапиро-Вилкса).
б) SW-W = 0,9602; p = 0,0053

Помимо этого, я проверил эти же данные по критерию Хи квадрат -
statistics/distribution fitting/normal-OK/ выбрал переменную "результат"
и получил табличку с подписью сверху
3) а) Chi-Square = 1,18140, df = 1 (adjusted) , p = 0,27707
б) Chi-Square = 1,66646, df = 1 (adjusted) , p = 0,19673

Выводы я понимаю так (минимальный допустимый уровень статистической значимости беру 0,05).:
а) По критерию Колмогорова-Смирнова нельзя утверждать, что распределение нормальное.
Распределение нормальное по критерию Шапиро-Вилкса с уровнем статистической значимости p<0.05;
По критерию Хи квадрат также нельзя утверждать, что распределение нормальное.
б) По критерию Колмогорова-Смирнова нельзя утверждать, что распределение нормальное.
Распределение нормальное по критерию Шапиро-Вилкса с уровнем статистической значимости p<0.01;
По критерию Хи квадрат также нельзя утверждать, что распределение нормальное.

Верно ли я тестирую нормальность?
Верно ли я интерпретирую результаты?
Почему такие различия при разных критериях?

Сообщение отредактировал Sergey.Pustylnikov - 20.07.2010 - 07:45