La búsqueda global no está activada.
Salta al contenido principal
Foro

Foro de debate módulo 2

¿Pueden influir en los resultados las técnicas de procesamiento y normalización del ARN-seq seleccionadas?/Can the RNA-seq processing and normalization techniques selected influence the results?

Re: ¿Pueden influir en los resultados las técnicas de procesamiento y normalización del ARN-seq seleccionadas?/Can the RNA-seq processing and normalization techniques selected influence the results?

de Francisco Javier Fraguas Lasheras - Número de respuestas: 1
Me parece muy interesante la pregunta que se ha planteado. Mi experiencia con RNA-seq es mínima, sin embargo recuerdo lo complejo que es trabajar con todos esos datos. Creo que esto se puede abordar de distintas formas:
¿Realmente debería existir algún método único (o X métodos según el experimento) para tratar datos de RNA-seq?
¿Hay alguna forma de garantizar que los resultados son correctos (o al menos lógicos)?

Recuerdo leer hace poco un review de datos de metagenoma, en la que indicaban que para un mismo set de datos, según se procesaran los resultados también eran muy distintos. ¿Podrá pasar esto en un futuro para RNA-seq?
En la bibliografía del tema hay un artículo de 2017 en modo review que nos da información sobre este proceso (no lo he leído aún).

Creo que vamos a tener que andar con mucho cuidado trabajando estos datos. Y creo que una visión multiómica nos puede proporcionar datos "seguros" para los estudios de RNA-seq. Pero no tengo datos sobre esto, sólo opiniones. Gracias por la contribución al resto de participantes y lectores.

_________________________________________________________________________________________________________________________________________________________

I find the question raised very interesting. My experience with RNA-seq is minimal, but I remember how complex it is to work with all that data. I think this can be approached in different ways:
Should there really be a single method (or X methods depending on the experiment) for handling RNA-seq data?
Is there any way to ensure that the results are correct (or at least logical)?

I recall reading a review of metagenomic data recently, in which they indicated that for the same dataset, the results could be very different depending on how they were processed. Could this happen in the future for RNA-seq?
There is an article from 2017 in the literature on this topic that provides information about this process (which I haven't read yet).

I think we will have to be very careful when working with this data. And I believe that a multiomic approach could provide "safe" data for RNA-seq studies. But I don't have data on this, just opinions. Thanks for contributing to the discussion for the benefit of other participants and readers.
En respuesta a Francisco Javier Fraguas Lasheras

Re: ¿Pueden influir en los resultados las técnicas de procesamiento y normalización del ARN-seq seleccionadas?/Can the RNA-seq processing and normalization techniques selected influence the results?

de Pedro Carmona -
Hola
Muy interesantes los comentarios. En este asunto, un aspecto también esencial es el diseño experimental. La variabilidad que se tiene en función de los métodos de preprocesamiento puede ser fruto de un mal diseño experimental, que es también un problema frecuente en estos estudios.
Este hecho fue bastante evidente en los estudios de asociación genética, donde ha sido evidente el problema de reproducibilidad de algunos resultados publicados con tamaños muestrales pequeños o métodos estadísticos no aplicados correctamente
------------
Hello
Very interesting your comments. In this matter, another essential aspect is the experimental design. The variability depending on the preprocessing methods can be the result of poor experimental design, which is also a frequent problem in these studies.
This fact was quite evident in the genetic association studies, where the problem of reproducibility of some published results with small sample sizes or statistical methods that were not applied correctly was evident.