Analýza biochemických dat

Abstract

Chemie a biochemie prošly významným vývojem laboratorní techniky, který způsobil, že měřená data jsou mnohem složitější a větší než kdy předtím. Analýza chemických a biochemických dat vyžaduje spolupráci chemiků a biologů s datovými analytiky a statistiky. Tato práce prezentuje několik obecných závěrů o analýze chemických a biochemických dat. Data jsou vysoce dimenzionální, obvykle s méně pozorováními než proměnnými. Z povahy dat jsou proměnné obvykle kolineární. To vymezuje specifické požadavky na metody datové analýzy. Práce nabízí přehled metod vhodných pro tento typ dat a věnuje zvláštní pozornost generalizovaným mixed effect modelům a jejich výhodám při modelování vztahů v komplexních datech. Významná část práce je věnovaná metodám založených na simulacích pro statistickou inferenci a porovnání modelů.

The chemistry and biochemistry witnessed substantial instrumental advances, which resulted in a measurement of ever more complex and bigger data. The analysis of data from modern chemical and biochemical laboratory analyses requires dedicated support from data scientists or statisticians. In this work, we present several general findings of the chemical and biochemical data analysis. The data are high-dimensional, usually have small number of observations and a large number of variables. Due to the nature of the data, the variables are generally collinear. This property imposes specific limitations on the data analysis methods. We present and discuss the recommended methods and pipelines. We emphasize the generalised mixed effect models as an efficient tool for modelling relationships in complex data. An important part of the work is devoted to simulation-based methods for statistical inference as well as for model comparison.