Fold change와 p-value의 차이

🟦 간단 요약 

[RNA-seq Data 결과 해석]

Fold change > 0   : 발현 증가 

Fold change < 0  : 발현 감소

P-value : 분포 양상이 통계적으로 유의하게 차이가 나는지 ( p-value < 0.05 -> 유의)

 

 

🟦 Fold change와 p-value의 차이

Fold change는 크기 비교이며, FDR/P-value는 분포 비교이다. 

예시 이미지로 간단하게 이해해 보자. 

https://biocorecrg.github.io/CRG_Bioinformatics_for_Biologists/differential_gene_expression.html

 

WT(Wild Type)과 KO(Knock Otu)타입을 비교한 데이터이다. 

각각 이미지에서 평균 값의 차이는 같지만, 분포양상(분산)이 다르다.

 

각 값의 Fold change 값이 같을 때, 

위는 p value 작으며, 아래는 p value가 크다. 왜 그런가?

 

이는 분포가 좁은 WT과 KO 타입에서 각 값들이 우연히 겹칠 확률이 작기 때문에 p-value값이 작다.  

 

 

🟦 Log2 fold change값을 쓰는 이유는?

https://seqqc.wordpress.com/2015/02/16/should-you-transform-rna-seq-data-log-vst-voom/

어느정도 정규분포에 가까운 값을 얻을 수 있기 때문이다.

 

 

---

🟦 출처 

https://biocorecrg.github.io/CRG_Bioinformatics_for_Biologists/differential_gene_expression.html

https://seqqc.wordpress.com/2015/02/16/should-you-transform-rna-seq-data-log-vst-voom/