الإحصاء الحيوي

الإحصاء الحيوي (المعروف أيضًا باسم القياسات الحيوية ) هو فرع من فروع الإحصاء يطبق الأساليب الإحصائية على مجموعة واسعة من المواضيع في علم الأحياء . وهو يشمل تصميم التجارب البيولوجية وجمع البيانات وتحليلها وتفسير النتائج.

تشكل النمذجة الإحصائية الحيوية جزءًا مهمًا من العديد من النظريات البيولوجية الحديثة. استخدمت دراسات علم الوراثة منذ بدايتها المفاهيم الإحصائية لفهم النتائج التجريبية المرصودة. حتى أن بعض علماء الوراثة ساهموا بالتقدم الإحصائي من خلال تطوير الأساليب والأدوات. بدأ جريجور مندل دراسات علم الوراثة بالتحقيق في أنماط الفصل الجيني في عائلات البازلاء واستخدم الإحصائيات لشرح البيانات المجمعة. في أوائل القرن العشرين، بعد إعادة اكتشاف عمل مندل في الوراثة المندلية، كانت هناك فجوات في الفهم بين علم الوراثة والداروينية التطورية. حاول فرانسيس جالتون توسيع اكتشافات مندل بالبيانات البشرية واقترح نموذجًا مختلفًا مع كسور الوراثة القادمة من كل سلف تشكل سلسلة لا نهائية. أطلق على هذا نظرية " قانون الوراثة السلفية ". اختلف ويليام باتيسون بشدة مع أفكاره ، الذي اتبع استنتاجات مندل، بأن الوراثة الجينية كانت حصريًا من الوالدين، ونصفها من كل منهما. وقد أدى هذا إلى نقاش حاد بين علماء القياسات الحيوية، الذين أيدوا أفكار جالتون، مثل رافائيل ويلدون ، وآرثر دوكينفيلد داربيشاير، وكارل بيرسون ، والميندليين، الذين أيدوا أفكار باتيسون (ومندل)، مثل تشارلز دافنبورت وويلهلم يوهانسن . وفي وقت لاحق، لم يتمكن علماء القياسات الحيوية من إعادة إنتاج استنتاجات جالتون في تجارب مختلفة، وسادت أفكار مندل. وبحلول ثلاثينيات القرن العشرين، ساعدت النماذج المبنية على المنطق الإحصائي في حل هذه الاختلافات وإنتاج التوليف التطوري الحديث الدارويني الجديد .

كما سمح حل هذه الاختلافات بتحديد مفهوم علم الوراثة السكانية وجمع علم الوراثة والتطور معًا. وقد اعتمد القادة الثلاثة في تأسيس علم الوراثة السكانية وهذا التوليف على الإحصاءات وطوروا استخدامها في علم الأحياء.

• عمل رونالد فيشر جنبًا إلى جنب مع الإحصائية بيتي ألان في تطوير العديد من الأساليب الإحصائية الأساسية لدعم عمله في دراسة تجارب المحاصيل في روثامستيد للأبحاث ، والتي نُشرت في كتب فيشر الأساليب الإحصائية للعاملين في مجال الأبحاث (1925) والنظرية الوراثية للانتقاء الطبيعي (1930)، بالإضافة إلى أوراق ألان العلمية. ^[1] واصل فيشر تقديم العديد من المساهمات في علم الوراثة والإحصاء. بعضها يشمل تحليل التباين ، ومفاهيم القيمة الاحتمالية ، واختبار فيشر الدقيق ومعادلة فيشر لديناميكيات السكان . يُنسب إليه الفضل في الجملة "الانتقاء الطبيعي هو آلية لتوليد درجة عالية للغاية من عدم الاحتمالية". ^[2]
• قام سيوال جي رايت بتطوير إحصاءات F وطرق حسابها وعرف معامل التزاوج الداخلي .
• أعاد كتاب جيه بي إس هالدين ، أسباب التطور ، تأسيس نظرية الانتقاء الطبيعي باعتبارها الآلية الأولى للتطور من خلال تفسيرها من حيث العواقب الرياضية لعلم الوراثة المندلية. كما طور نظرية الحساء البدائي .

ساعد هؤلاء وغيرهم من علماء الإحصاء الحيوي، وعلماء الأحياء الرياضية ، وعلماء الوراثة ذوي الميول الإحصائية في الجمع بين علم الأحياء التطوري وعلم الوراثة في كل متماسك ومتسق يمكن البدء في نمذجته كميًا .

وبالتوازي مع هذا التطور الشامل، ساعد العمل الرائد الذي قام به دارسي تومسون في كتابه "حول النمو والشكل" في إضافة الانضباط الكمي إلى الدراسة البيولوجية.

على الرغم من الأهمية الأساسية والضرورة المتكررة للتفكير الإحصائي، فقد يكون هناك مع ذلك ميل بين علماء الأحياء إلى عدم الثقة أو الاستخفاف بالنتائج التي لا تظهر نوعيًا . تصف إحدى الحكايات توماس هانت مورجان وهو يحظر حاسبة فريدن من قسمه في معهد كاليفورنيا للتكنولوجيا ، قائلاً "حسنًا، أنا مثل رجل ينقب عن الذهب على طول ضفاف نهر ساكرامنتو في عام 1849. بقليل من الذكاء، يمكنني الوصول إلى أسفل والتقاط كتل كبيرة من الذهب. وطالما أنني أستطيع القيام بذلك، فلن أسمح لأي شخص في قسمي بإهدار الموارد النادرة في تعدين الرواسب الغرينية ". ^[3]

أي بحث في العلوم الحياتية يُقترح للإجابة على سؤال علمي قد يكون لدينا. وللإجابة على هذا السؤال بدرجة عالية من اليقين، نحتاج إلى نتائج دقيقة . إن التعريف الصحيح للفرضية الرئيسية وخطة البحث من شأنه أن يقلل من الأخطاء أثناء اتخاذ القرار في فهم ظاهرة ما. قد تتضمن خطة البحث سؤال البحث والفرضية المراد اختبارها والتصميم التجريبي وطرق جمع البيانات ومنظورات تحليل البيانات والتكاليف المترتبة على ذلك. من الضروري إجراء الدراسة بناءً على المبادئ الأساسية الثلاثة للإحصاء التجريبي: العشوائية والتكرار والتحكم المحلي.

إن سؤال البحث سوف يحدد هدف الدراسة. وسوف يتصدر البحث السؤال، لذا يجب أن يكون موجزًا، وفي نفس الوقت يركز على مواضيع مثيرة للاهتمام وجديدة قد تعمل على تحسين العلم والمعرفة وهذا المجال. لتحديد طريقة طرح السؤال العلمي ، قد تكون مراجعة الأدبيات الشاملة ضرورية. لذا فإن البحث يمكن أن يكون مفيدًا لإضافة قيمة للمجتمع العلمي . ^[4]

بمجرد تحديد هدف الدراسة، يمكن اقتراح الإجابات المحتملة لسؤال البحث، وتحويل هذا السؤال إلى فرضية . يُطلق على الاقتراح الرئيسي اسم الفرضية الصفرية (H ₀ ) ويستند عادةً إلى معرفة دائمة بالموضوع أو حدوث واضح للظواهر، مدعومًا بمراجعة عميقة للأدبيات. يمكننا القول إنها الإجابة المتوقعة القياسية للبيانات في ظل الموقف قيد الاختبار . بشكل عام، تفترض H ₀ عدم وجود ارتباط بين المعالجات. من ناحية أخرى، فإن الفرضية البديلة هي إنكار H _0. تفترض درجة معينة من الارتباط بين العلاج والنتيجة. على الرغم من أن الفرضية مدعومة بأبحاث الأسئلة وإجاباتها المتوقعة وغير المتوقعة. ^[4]

على سبيل المثال، لنأخذ مجموعات من الحيوانات المتشابهة (الفئران على سبيل المثال) تحت نظامين غذائيين مختلفين. سيكون سؤال البحث: ما هو أفضل نظام غذائي؟ في هذه الحالة، ستكون H ₀ أنه لا يوجد فرق بين النظامين الغذائيين في عملية التمثيل الغذائي للفئران (H ₀ : μ ₁ = μ ₂ ) وستكون الفرضية البديلة أن الأنظمة الغذائية لها تأثيرات مختلفة على عملية التمثيل الغذائي للحيوانات (H ₁ : μ ₁ ≠ μ ₂ ).

يحدد الباحث الفرضية وفقًا لاهتماماته في الإجابة على السؤال الرئيسي. بالإضافة إلى ذلك، يمكن أن تكون الفرضية البديلة أكثر من فرضية واحدة. ويمكنها أن تفترض ليس فقط الاختلافات عبر المعلمات المرصودة، بل ودرجة اختلافها ( أي أعلى أو أقصر).

عادةً ما تهدف الدراسة إلى فهم تأثير ظاهرة ما على مجموعة سكانية . في علم الأحياء ، يُعرَّف السكان بأنهم جميع الأفراد من نوع معين ، في منطقة محددة في وقت معين. في الإحصاء الحيوي، يمتد هذا المفهوم إلى مجموعة متنوعة من مجموعات الدراسة الممكنة. على الرغم من أن السكان في الإحصاء الحيوي لا يقتصرون على الأفراد فحسب، بل يشملون أيضًا إجمالي مكون محدد من الكائنات الحية ، مثل الجينوم بالكامل ، أو جميع خلايا الحيوانات المنوية ، للحيوانات، أو إجمالي مساحة الأوراق، للنبات، على سبيل المثال.

لا يمكن أخذ القياسات من جميع عناصر المجتمع . وبسبب ذلك، فإن عملية أخذ العينات مهمة جدًا للاستدلال الإحصائي . يتم تعريف أخذ العينات على أنها الحصول بشكل عشوائي على جزء تمثيلي من المجتمع بأكمله، لإجراء استنتاجات لاحقة حول المجتمع. لذلك، قد تلتقط العينة أكبر قدر من التباين عبر المجتمع. ^{[5] يتم تحديد} حجم العينة من خلال عدة أشياء، منذ نطاق البحث إلى الموارد المتاحة. في البحث السريري ، يعد نوع التجربة، مثل الدونية والتكافؤ والتفوق ، مفتاحًا في تحديد حجم العينة . ^[4]

تدعم التصميمات التجريبية تلك المبادئ الأساسية للإحصاءات التجريبية . هناك ثلاثة تصميمات تجريبية أساسية لتخصيص المعالجات بشكل عشوائي في جميع قطع التجربة . وهي التصميم العشوائي الكامل ، وتصميم الكتل العشوائية ، وتصميمات العوامل . يمكن ترتيب المعالجات بعدة طرق داخل التجربة. في الزراعة ، يعد التصميم التجريبي الصحيح هو أساس الدراسة الجيدة وترتيب المعالجات داخل الدراسة أمر ضروري لأن البيئة تؤثر بشكل كبير على القطع ( النباتات ، والثروة الحيوانية ، والكائنات الحية الدقيقة ). يمكن العثور على هذه الترتيبات الرئيسية في الأدبيات تحت أسماء " الشبكات "، و"الكتل غير المكتملة"، و" القطعة المنقسمة "، و"الكتل المعززة"، وغيرها الكثير. قد تتضمن جميع التصميمات قطع تحكم ، يحددها الباحث، لتوفير تقدير للخطأ أثناء الاستدلال .

في الدراسات السريرية ، تكون العينات عادة أصغر من تلك الموجودة في الدراسات البيولوجية الأخرى، وفي معظم الحالات، يمكن التحكم في تأثير البيئة أو قياسه. من الشائع استخدام التجارب السريرية العشوائية ، حيث تتم مقارنة النتائج عادةً بتصميمات الدراسة الرصدية مثل دراسة الحالة والشاهد أو دراسة المجموعة . ^[6]

يجب أن تؤخذ طرق جمع البيانات في الاعتبار عند التخطيط للبحث، لأنها تؤثر بشكل كبير على حجم العينة والتصميم التجريبي.

يختلف جمع البيانات وفقًا لنوع البيانات. بالنسبة للبيانات النوعية ، يمكن إجراء الجمع باستخدام استبيانات منظمة أو عن طريق الملاحظة، مع مراعاة وجود المرض أو شدته، باستخدام معيار النتيجة لتصنيف مستويات الحدوث. ^[7] بالنسبة للبيانات الكمية ، يتم الجمع عن طريق قياس المعلومات الرقمية باستخدام الأدوات.

في الدراسات الزراعية والبيولوجية، يمكن الحصول على بيانات الغلة ومكوناتها من خلال القياسات المترية . ومع ذلك، يتم الحصول على إصابات الآفات والأمراض في النباتات من خلال الملاحظة، مع مراعاة مقاييس الدرجات لمستويات الضرر. وخاصة في الدراسات الجينية، يجب النظر في الأساليب الحديثة لجمع البيانات في الحقل والمختبر، كمنصات عالية الإنتاجية للأنماط الظاهرية والأنماط الجينية. تسمح هذه الأدوات بإجراء تجارب أكبر، بينما يمكن تقييم العديد من القطع في وقت أقل من الطريقة القائمة على الإنسان فقط لجمع البيانات. أخيرًا، يجب تخزين جميع البيانات التي تم جمعها ذات الأهمية في إطار بيانات منظم لمزيد من التحليل.

يمكن تمثيل البيانات من خلال الجداول أو التمثيل البياني ، مثل المخططات الخطية، والمخططات الشريطية، والمدرجات البيانية، ومخططات التشتت. كما يمكن أن تكون مقاييس الاتجاه المركزي والتباين مفيدة للغاية لوصف نظرة عامة على البيانات. اتبع بعض الأمثلة:

أحد أنواع الجداول هو جدول التردد ، والذي يتكون من بيانات مرتبة في صفوف وأعمدة، حيث يكون التردد هو عدد مرات حدوث أو تكرار البيانات. يمكن أن يكون التردد: ^[8]

مطلق : يمثل عدد المرات التي تظهر فيها قيمة محددة؛

$${\displaystyle N=f_{1}+f_{2}+f_{3}+...+f_{n}}$$

نسبي : يتم الحصول عليه عن طريق قسمة التردد المطلق على العدد الإجمالي؛

$${\displaystyle n_{i}={\f_{i}}{N}}}$$

في المثال التالي، لدينا عدد الجينات في عشرة أوبرونات لنفس الكائن الحي.

الجينات = {2،3،3،4،5،3،3،3،3،4}

عدد الجينات	التردد المطلق	التردد النسبي
1	0	0
2	1	0.1
3	6	0.6
4	2	0.2
5	1	0.1

تمثل الرسوم البيانية الخطية تباين القيمة على مقياس آخر، مثل الوقت. بشكل عام، يتم تمثيل القيم في المحور الرأسي، بينما يتم تمثيل تباين الوقت في المحور الأفقي. ^[10]

المخطط الشريطي هو رسم بياني يعرض بيانات تصنيفية على هيئة أشرطة تمثل ارتفاعات (شريط عمودي) أو عرض (شريط أفقي) متناسبة لتمثيل القيم. توفر المخططات الشريطية صورة يمكن تمثيلها أيضًا بتنسيق جدولي. ^[10]

في مثال الرسم البياني الشريطي، لدينا معدل المواليد في البرازيل لأشهر ديسمبر من عام 2010 إلى عام 2016. ^[9] يعكس الانخفاض الحاد في ديسمبر 2016 تفشي فيروس زيكا في معدل المواليد في البرازيل.

الهيستوجرام (أو التوزيع التكراري) هو تمثيل بياني لمجموعة بيانات مُجدولة ومقسمة إلى فئات موحدة أو غير موحدة. تم تقديمه لأول مرة بواسطة كارل بيرسون . ^[11]

الرسم البياني للتشتت هو رسم بياني رياضي يستخدم إحداثيات ديكارتية لعرض قيم مجموعة بيانات. يُظهر الرسم البياني للتشتت البيانات كمجموعة من النقاط، حيث تعرض كل منها قيمة متغير واحد يحدد الموضع على المحور الأفقي ومتغير آخر على المحور الرأسي. ^[12] يُطلق عليها أيضًا الرسم البياني للتشتت أو مخطط التشتت أو الرسم البياني للتشتت أو الرسم البياني للتشتت . ^[13]

المتوسط ​​الحسابي هو مجموع مجموعة من القيم ( ) مقسومًا على عدد عناصر هذه المجموعة ( ). ${\displaystyle {x_{1}+x_{2}+x_{3}+\cdots +x_{n}}}$${\displaystyle {n}}$

${\displaystyle {\bar {x}}={\frac {1}{n}}\left(\sum _{i=1}^{n}{x_{i}}\right)={\frac {x_{1}+x_{2}+\cdots +x_{n}}{n}}}$

الوسيط هو القيمة الموجودة في منتصف مجموعة البيانات.

الوضع هو قيمة مجموعة البيانات التي تظهر في أغلب الأحيان. ^[14 ]

المقارنة بين المتوسط ​​والوسيط والمنوال
القيم = { 2,3,3,3,3,3,4,4,11 }

يكتب	مثال	نتيجة
يقصد	( 2 + 3 + 3 + 3 + 3 + 3 + 4 + 4 + 11 ) / 9	4
متوسط	2، 3، 3، 3، 3 ، 3، 4، 4، 11	3
وضع	2، 3، 3، 3، 3، 3 ، 4، 4، 11	3

الرسم البياني الصندوقي هو طريقة لتصوير مجموعات من البيانات الرقمية بيانياً. يتم تمثيل القيم القصوى والدنيا بواسطة الخطوط، ويمثل النطاق الربعي (IQR) ما بين 25% و75% من البيانات. يمكن رسم القيم المتطرفة على شكل دوائر.

على الرغم من أنه يمكن استنتاج الارتباطات بين نوعين مختلفين من البيانات من خلال الرسوم البيانية، مثل مخطط التشتت، فمن الضروري التحقق من صحة ذلك من خلال المعلومات الرقمية. لهذا السبب، هناك حاجة إلى معاملات الارتباط . فهي توفر قيمة عددية تعكس قوة الارتباط. ^[10]

معامل ارتباط بيرسون هو مقياس للارتباط بين متغيرين، X وY. هذا المعامل، الذي يُمثل عادةً بـ ρ (rho) للسكان و r للعينة، يفترض قيمًا بين -1 و1، حيث يمثل ρ = 1 ارتباطًا إيجابيًا مثاليًا، ويمثل ρ = −1 ارتباطًا سلبيًا مثاليًا، و ρ = 0 لا يوجد ارتباط خطي. ^[10]

تُستخدم هذه الطريقة لاستخلاص استنتاجات ^[15] حول مجموعة سكانية غير معروفة، وذلك عن طريق التقدير و/أو اختبار الفرضيات. بعبارة أخرى، من المستحسن الحصول على معلمات لوصف مجموعة السكان محل الاهتمام، ولكن نظرًا لأن البيانات محدودة، فمن الضروري الاستفادة من عينة تمثيلية لتقديرها. وبهذا، من الممكن اختبار الفرضيات المحددة مسبقًا وتطبيق الاستنتاجات على المجموعة السكانية بالكامل. يُعد الخطأ المعياري للمتوسط ​​مقياسًا للتباين وهو أمر بالغ الأهمية لاستخلاص الاستنتاجات. ^[5]

• اختبار الفرضيات

يعد اختبار الفرضيات أمرًا ضروريًا لاستخلاص استنتاجات حول السكان الذين يهدفون إلى الإجابة على أسئلة البحث، كما هو موضح في قسم "تخطيط البحث". حدد المؤلفون أربع خطوات يجب تحديدها: ^[5]

1. الفرضية المراد اختبارها : كما ذكرنا سابقًا، علينا العمل بتعريف الفرضية الصفرية (H ₀ )، التي سيتم اختبارها، والفرضية البديلة . ولكن يجب تعريفهما قبل تنفيذ التجربة.
2. مستوى الدلالة وقاعدة القرار : تعتمد قاعدة القرار على مستوى الدلالة ، أو بمعنى آخر، معدل الخطأ المقبول (α). من الأسهل أن نتصور أننا نحدد قيمة حرجة تحدد الدلالة الإحصائية عند مقارنة إحصائية اختبار بها. لذا، يجب أيضًا تحديد α مسبقًا قبل التجربة.
3. التجربة والتحليل الإحصائي : وذلك عندما يتم تنفيذ التجربة فعليا باتباع التصميم التجريبي المناسب ، وجمع البيانات وتقييم الاختبارات الإحصائية الأكثر ملاءمة.
4. الاستدلال : يتم ذلك عندما يتم رفض الفرضية الصفرية أو عدم رفضها، بناءً على الأدلة التي يجلبها مقارنة قيم p وα. من الجدير بالذكر أن الفشل في رفض H ₀ يعني فقط أنه لا يوجد دليل كافٍ لدعم رفضها، ولكن ليس أن هذه الفرضية صحيحة.

• فترات الثقة

الفاصل الزمني للثقة هو نطاق من القيم التي يمكن أن تحتوي على قيمة المعلمة الحقيقية الحقيقية عند مستوى معين من الثقة. الخطوة الأولى هي تقدير أفضل تقدير غير متحيز لمعلمة السكان. يتم الحصول على القيمة العليا للفاصل الزمني من خلال مجموع هذا التقدير مع الضرب بين الخطأ المعياري للمتوسط ​​ومستوى الثقة. حساب القيمة الدنيا مشابه، ولكن بدلاً من المجموع، يجب تطبيق الطرح. ^[5]

عند اختبار الفرضية، هناك نوعان من الأخطاء الإحصائية المحتملة: خطأ من النوع الأول وخطأ من النوع الثاني .

• الخطأ من النوع الأول أو الإيجابي الكاذب هو الرفض الخاطئ لفرضية العدم الصحيحة
• الخطأ من النوع الثاني أو السلبي الكاذب هو الفشل في رفض الفرضية الصفرية الكاذبة .

مستوى الدلالة الذي يرمز له بـ α هو معدل الخطأ من النوع الأول ويجب اختياره قبل إجراء الاختبار. معدل الخطأ من النوع الثاني يرمز له بـ β والقوة الإحصائية للاختبار هي 1 − β.

القيمة الاحتمالية هي احتمال الحصول على نتائج متطرفة مثل تلك التي لوحظت أو أكثر تطرفًا منها، على افتراض أن الفرضية الصفرية (H ₀ ) صحيحة. وتسمى أيضًا الاحتمالية المحسوبة. من الشائع الخلط بين القيمة الاحتمالية ومستوى الأهمية (α) ، ولكن α هي عتبة محددة مسبقًا لاستدعاء نتائج مهمة. إذا كانت p أقل من α، يتم رفض الفرضية الصفرية (H ₀ ). ^[16]

في الاختبارات المتعددة لنفس الفرضية، تزداد احتمالية حدوث نتائج إيجابية كاذبة (معدل الخطأ على مستوى الأسرة) ويتم استخدام بعض الاستراتيجيات للتحكم في هذا الحدوث. يتم تحقيق ذلك عادةً باستخدام عتبة أكثر صرامة لرفض الفرضيات الصفرية. يحدد تصحيح بونفيروني مستوى أهمية عالمي مقبول، يُشار إليه بـ α* ويتم مقارنة كل اختبار على حدة بقيمة α = α*/m. يضمن هذا أن يكون معدل الخطأ على مستوى الأسرة في جميع اختبارات m أقل من أو يساوي α*. عندما يكون m كبيرًا، قد يكون تصحيح بونفيروني متحفظًا بشكل مفرط. أحد البدائل لتصحيح بونفيروني هو التحكم في معدل الاكتشاف الخاطئ (FDR) . يتحكم FDR في النسبة المتوقعة من الفرضيات الصفرية المرفوضة (ما يسمى بالاكتشافات) الخاطئة (الرفض غير الصحيح). يضمن هذا الإجراء أنه بالنسبة للاختبارات المستقلة، يكون معدل الاكتشاف الخاطئ q* على الأكثر. وبالتالي، فإن تصحيح روزفلت أقل تحفظًا من تصحيح بونفيروني ولديه قوة أكبر، على حساب المزيد من الإيجابيات الخاطئة. ^[17]

غالبًا ما تكون الفرضية الرئيسية التي يتم اختبارها (على سبيل المثال، عدم وجود ارتباط بين العلاجات والنتائج) مصحوبة بافتراضات تقنية أخرى (على سبيل المثال، حول شكل توزيع احتمالات النتائج) والتي تعد أيضًا جزءًا من الفرضية الصفرية. عندما يتم انتهاك الافتراضات التقنية في الممارسة العملية، فقد يتم رفض الفرضية الصفرية بشكل متكرر حتى لو كانت الفرضية الرئيسية صحيحة. ويقال إن مثل هذه الرفض ترجع إلى خطأ في تحديد النموذج. ^[18] إن التحقق مما إذا كانت نتيجة الاختبار الإحصائي لا تتغير عندما يتم تغيير الافتراضات التقنية قليلاً (ما يسمى بفحوصات المتانة) هي الطريقة الرئيسية لمكافحة الخطأ في التحديد.

سيؤدي اختيار معايير النموذج إلى اختيار أو نمذجة النموذج الحقيقي الأكثر تقريبية. يعد معيار المعلومات الخاص بأكايكي (AIC) ومعيار المعلومات البايزي (BIC) من الأمثلة على المعايير ذات الكفاءة التقريبية.

يحتاج هذا القسم إلى مصادر إضافية للتحقق . يُرجى المساعدة في تحسين هذه المقالة عن طريق إضافة مصادر موثوقة في هذا القسم. قد يتم الطعن في المواد غير الموثقة وإزالتها. ( ديسمبر 2016 ) ( تعرف على كيفية ومتى يمكنك إزالة هذه الرسالة )

أحدثت التطورات الأخيرة تأثيرًا كبيرًا على الإحصاء الحيوي. وكان من بين التغييرات المهمة القدرة على جمع البيانات على نطاق واسع، والقدرة على إجراء تحليلات أكثر تعقيدًا باستخدام تقنيات حسابية. ويأتي هذا من التطور في مجالات مثل تقنيات التسلسل ، وعلم المعلومات الحيوية ، والتعلم الآلي ( التعلم الآلي في علم المعلومات الحيوية ).

تولد التقنيات الطبية الحيوية الجديدة مثل المصفوفات الدقيقة وأجهزة التسلسل من الجيل التالي (للجينوميات) ومطياف الكتلة (للبروتينات) كميات هائلة من البيانات، مما يسمح بإجراء العديد من الاختبارات في وقت واحد. ^[19] يلزم إجراء تحليل دقيق باستخدام الأساليب الإحصائية الحيوية لفصل الإشارة عن الضوضاء. على سبيل المثال، يمكن استخدام المصفوفة الدقيقة لقياس آلاف الجينات في وقت واحد، وتحديد أي منها له تعبير مختلف في الخلايا المريضة مقارنة بالخلايا الطبيعية. ومع ذلك، سيتم التعبير عن جزء صغير فقط من الجينات بشكل مختلف. ^[20]

غالبًا ما يحدث التعدد الخطي في الإعدادات الإحصائية الحيوية عالية الإنتاجية. نظرًا للترابط العالي بين المتنبئين (مثل مستويات التعبير الجيني )، فقد تكون معلومات أحد المتنبئين موجودة في آخر. قد يكون 5٪ فقط من المتنبئين مسؤولين عن 90٪ من تباين الاستجابة. في مثل هذه الحالة، يمكن للمرء تطبيق تقنية الإحصائية الحيوية لتقليل الأبعاد (على سبيل المثال من خلال تحليل المكونات الأساسية). لا تعمل التقنيات الإحصائية الكلاسيكية مثل الانحدار الخطي أو اللوجستي وتحليل التمييز الخطي بشكل جيد للبيانات عالية الأبعاد (أي عندما يكون عدد الملاحظات n أصغر من عدد الميزات أو المتنبئين p: n < p). في الواقع، يمكن للمرء الحصول على قيم R ² عالية جدًا على الرغم من القوة التنبؤية المنخفضة جدًا للنموذج الإحصائي. تم تطوير هذه التقنيات الإحصائية الكلاسيكية (خاصة الانحدار الخطي لأقل المربعات ) للبيانات منخفضة الأبعاد (أي حيث يكون عدد الملاحظات n أكبر بكثير من عدد المتنبئين p: n >> p). في حالات الأبعاد العالية، يجب دائمًا مراعاة مجموعة اختبار التحقق المستقلة ومجموع المربعات المتبقية المقابلة (RSS) وR ² لمجموعة اختبار التحقق، وليس تلك الخاصة بمجموعة التدريب.

غالبًا ما يكون من المفيد تجميع المعلومات من عدة متنبئين معًا. على سبيل المثال، يأخذ تحليل إثراء مجموعة الجينات (GSEA) في الاعتبار اضطراب مجموعات الجينات الكاملة (المرتبطة وظيفيًا) بدلاً من الجينات الفردية. ^[21] قد تكون مجموعات الجينات هذه مسارات كيميائية حيوية معروفة أو جينات مرتبطة وظيفيًا بطريقة أخرى. تتمثل ميزة هذا النهج في أنه أكثر قوة: فمن المرجح أن يتم العثور على جين واحد مضطربًا بشكل خاطئ بدلاً من أن يكون المسار بأكمله مضطربًا بشكل خاطئ. علاوة على ذلك، يمكن للمرء دمج المعرفة المتراكمة حول المسارات الكيميائية الحيوية (مثل مسار إشارات JAK-STAT ) باستخدام هذا النهج.

يتيح تطوير قواعد البيانات البيولوجية تخزين وإدارة البيانات البيولوجية مع إمكانية ضمان الوصول للمستخدمين في جميع أنحاء العالم. إنها مفيدة للباحثين الذين يقومون بإيداع البيانات واسترجاع المعلومات والملفات (الخام أو المعالجة) التي نشأت من تجارب أخرى أو فهرسة المقالات العلمية، كما هو الحال في PubMed . هناك إمكانية أخرى وهي البحث عن المصطلح المطلوب (جين، بروتين، مرض، كائن حي، وما إلى ذلك) والتحقق من جميع النتائج المتعلقة بهذا البحث. هناك قواعد بيانات مخصصة لـ SNPs ( dbSNP )، والمعرفة المتعلقة بتوصيف الجينات ومساراتها ( KEGG ) ووصف وظيفة الجين وتصنيفها حسب المكون الخلوي والوظيفة الجزيئية والعملية البيولوجية ( علم الجينات ). ^[22] بالإضافة إلى قواعد البيانات التي تحتوي على معلومات جزيئية محددة، هناك قواعد بيانات أخرى وفيرة بمعنى أنها تخزن معلومات حول كائن حي أو مجموعة من الكائنات الحية. كمثال على قاعدة بيانات موجهة نحو كائن حي واحد فقط، ولكنها تحتوي على الكثير من البيانات عنه، هي قاعدة البيانات الوراثية والجزيئية لنبات أرابيدوبسيس ثاليانا ^{- TAIR. [23]} يقوم Phytozome، ^[24] بدوره بتخزين التجميعات وملفات التوضيح لعشرات الجينومات النباتية، كما يحتوي أيضًا على أدوات التصور والتحليل. علاوة على ذلك، هناك ترابط بين بعض قواعد البيانات في تبادل المعلومات/مشاركتها وكانت إحدى المبادرات الرئيسية هي التعاون الدولي لقاعدة بيانات تسلسل النوكليوتيدات (INSDC) ^[25] والتي تربط البيانات من DDBJ، ^{[26] و} EMBL-EBI، ^[27] وNCBI. ^[28]

في الوقت الحاضر، يؤدي زيادة حجم وتعقيد مجموعات البيانات الجزيئية إلى استخدام أساليب إحصائية قوية توفرها خوارزميات علوم الكمبيوتر التي طورتها منطقة التعلم الآلي . لذلك، يسمح تعدين البيانات والتعلم الآلي باكتشاف الأنماط في البيانات ذات البنية المعقدة، مثل البيانات البيولوجية، باستخدام أساليب التعلم الخاضع للإشراف وغير الخاضع للإشراف ، والانحدار، واكتشاف العناقيد وتعدين قواعد الارتباط ، من بين أمور أخرى. ^[22] للإشارة إلى بعضها، تعد الخرائط ذاتية التنظيم و k -means أمثلة على خوارزميات العناقيد؛ تعد نماذج تنفيذ الشبكات العصبية وآلات المتجهات الداعمة أمثلة على خوارزميات التعلم الآلي الشائعة.

يعد العمل التعاوني بين علماء الأحياء الجزيئية وعلماء المعلومات الحيوية والإحصائيين وعلماء الكمبيوتر أمرًا مهمًا لإجراء التجربة بشكل صحيح، بدءًا من التخطيط، مرورًا بتوليد البيانات وتحليلها، وانتهاءً بالتفسير البيولوجي للنتائج. ^[22]

ومن ناحية أخرى، أدى ظهور تكنولوجيا الكمبيوتر الحديثة وموارد الحوسبة الرخيصة نسبيا إلى تمكين أساليب الإحصاء الحيوي التي تتطلب استخدام الكمبيوتر بكثافة مثل أساليب إعادة الاختبار وإعادة أخذ العينات.

في الآونة الأخيرة، اكتسبت الغابات العشوائية شعبية كطريقة لإجراء التصنيف الإحصائي . تولد تقنيات الغابات العشوائية مجموعة من أشجار القرار. تتمتع أشجار القرار بميزة أنه يمكنك رسمها وتفسيرها (حتى مع فهم أساسي للرياضيات والإحصاء). وبالتالي، تم استخدام الغابات العشوائية في أنظمة دعم القرار السريرية. ^{[ بحاجة لمصدر ]}

هذا القسم بصيغة قائمة ولكن قد يكون من الأفضل قراءته كنص نثري . يمكنك المساعدة عن طريق تحويل هذا القسم، إذا كان ذلك مناسبًا. تتوفر مساعدة في التحرير . ( مارس 2016 )

الصحة العامة ، بما في ذلك علم الأوبئة ، وبحوث الخدمات الصحية ، والتغذية ، والصحة البيئية ، وسياسة الرعاية الصحية وإدارتها. في محتويات هذه الأدوية ، من المهم مراعاة تصميم وتحليل التجارب السريرية . على سبيل المثال، هناك تقييم لحالة شدة المريض مع تشخيص نتيجة مرض ما.

مع التقنيات الجديدة والمعرفة الوراثية، تُستخدم الإحصاء الحيوي الآن أيضًا في الطب النظامي ، والذي يتألف من طب أكثر تخصيصًا. ولهذا الغرض، يتم دمج البيانات من مصادر مختلفة، بما في ذلك بيانات المرضى التقليدية، والمعايير السريرية المرضية، والبيانات الجزيئية والوراثية بالإضافة إلى البيانات الناتجة عن تقنيات الجينوم الجديدة الإضافية. ^[29]

دراسة علم الوراثة السكانية وعلم الوراثة الإحصائي بهدف ربط التباين في النمط الجيني بالتباين في النمط الظاهري . بعبارة أخرى، من المرغوب فيه اكتشاف الأساس الجيني لصفة قابلة للقياس، وهي صفة كمية، تخضع لسيطرة متعددة الجينات. تسمى منطقة الجينوم المسؤولة عن صفة مستمرة بموضع الصفة الكمية (QTL). تصبح دراسة موضع الصفة الكمية ممكنة باستخدام العلامات الجزيئية وقياس الصفات في السكان، لكن رسم خرائطها يحتاج إلى الحصول على مجموعة سكانية من تهجين تجريبي، مثل F2 أو سلالات/خطوط مهجنة معاد التركيب (RILs). لمسح مناطق موضع الصفة الكمية في الجينوم، يجب إنشاء خريطة جينية تعتمد على الارتباط. بعض من أفضل خوارزميات رسم خرائط موضع الصفة الكمية المعروفة هي رسم الخرائط الفاصلة، ورسم الخرائط الفاصلة المركبة، ورسم الخرائط الفاصلة المتعددة. ^[30]

ومع ذلك، فإن دقة رسم خريطة QTL تتضرر بسبب كمية إعادة التركيب التي يتم اختبارها، وهي مشكلة للأنواع التي يصعب فيها الحصول على ذرية كبيرة. علاوة على ذلك، يقتصر تنوع الأليل على الأفراد الذين نشأوا من آباء متناقضين، مما يحد من دراسات تنوع الأليل عندما يكون لدينا مجموعة من الأفراد يمثلون مجموعة سكانية طبيعية. ^[31] لهذا السبب، تم اقتراح دراسة الارتباط على مستوى الجينوم من أجل تحديد QTLs بناءً على اختلال التوازن الارتباطي ، أي الارتباط غير العشوائي بين السمات والعلامات الجزيئية. وقد تم الاستفادة منها من خلال تطوير النمط الجيني SNP عالي الإنتاجية . ^[32]

في تربية الحيوانات والنباتات ، ساعد استخدام العلامات في الاختيار بهدف التربية، وخاصة العلامات الجزيئية، في تطوير الاختيار بمساعدة العلامات . في حين أن رسم الخرائط الكمية محدودة بسبب الدقة، فإن دراسات ارتباط الجينوم الكامل لا تتمتع بالقوة الكافية عندما تكون المتغيرات النادرة ذات التأثير الصغير متأثرة أيضًا بالبيئة. لذا، نشأ مفهوم الاختيار الجينومي (GS) من أجل استخدام جميع العلامات الجزيئية في الاختيار والسماح بالتنبؤ بأداء المرشحين في هذا الاختيار. الاقتراح هو تحديد النمط الجيني والنمط الظاهري لسكان التدريب، وتطوير نموذج يمكنه الحصول على قيم التربية المقدرة الجينومية (GEBVs) للأفراد الذين ينتمون إلى نمط جيني ولكن ليس إلى سكان النمط الظاهري، ويسمى سكان الاختبار. ^[33] يمكن أن يشمل هذا النوع من الدراسة أيضًا سكان التحقق، والتفكير في مفهوم التحقق المتبادل ، حيث تتم مقارنة نتائج النمط الظاهري الحقيقية المقاسة في هذا السكان بنتائج النمط الظاهري بناءً على التنبؤ، وهو ما يستخدم للتحقق من دقة النموذج.

باختصار، بعض النقاط المتعلقة بتطبيق علم الوراثة الكمية هي:

• وقد تم استخدامه في الزراعة لتحسين المحاصيل ( تربية النبات ) والثروة الحيوانية ( تربية الحيوان ).
• في مجال البحوث الطبية الحيوية، يمكن أن يساعد هذا العمل في العثور على أليلات جينية مرشحة يمكن أن تسبب أو تؤثر على الاستعداد للإصابة بالأمراض في علم الوراثة البشرية

تتطلب الدراسات الخاصة بالتعبير التفاضلي للجينات من بيانات RNA-Seq ، كما هو الحال بالنسبة لـ RT-qPCR والمصفوفات الدقيقة ، مقارنة الظروف. والهدف هو تحديد الجينات التي لديها تغير كبير في الوفرة بين الظروف المختلفة. بعد ذلك، يتم تصميم التجارب بشكل مناسب، مع تكرارات لكل حالة/علاج، والعشوائية والحظر، عند الضرورة. في RNA-Seq، يستخدم تحديد كمية التعبير معلومات القراءات المرسومة التي يتم تلخيصها في بعض الوحدات الجينية، كإكسونات تشكل جزءًا من تسلسل الجينات. نظرًا لأنه يمكن تقريب نتائج المصفوفات الدقيقة من خلال توزيع طبيعي، فإن بيانات تعداد RNA-Seq يمكن تفسيرها بشكل أفضل من خلال توزيعات أخرى. كان أول توزيع مستخدم هو توزيع بواسون ، لكنه يقلل من تقدير خطأ العينة، مما يؤدي إلى نتائج إيجابية خاطئة. حاليًا، يتم النظر في التباين البيولوجي من خلال طرق تقدر معلمة التشتت للتوزيع الثنائي السلبي . تُستخدم النماذج الخطية المعممة لإجراء الاختبارات للأهمية الإحصائية ونظرًا لأن عدد الجينات مرتفع، فيجب مراعاة تصحيح الاختبارات المتعددة. ^[34] تأتي بعض الأمثلة على التحليلات الأخرى لبيانات الجينوم من تجارب المصفوفات الدقيقة أو تحليل البروتينات . ^{[35] [36]} غالبًا ما تتعلق بالأمراض أو مراحل المرض. ^[37]

• علم البيئة ، التنبؤ البيئي
• تحليل التسلسل البيولوجي ^[38]
• علم الأحياء النظمي لاستنتاج شبكة الجينات أو تحليل المسارات. ^[39]
• البحث السريري وتطوير الأدوية
• ديناميكيات السكان ، وخاصة فيما يتعلق بعلم مصايد الأسماك .
• علم الوراثة والتطور
• الديناميكية الدوائية
• الحركية الدوائية
• التصوير العصبي

هناك العديد من الأدوات التي يمكن استخدامها لإجراء التحليل الإحصائي للبيانات البيولوجية. معظمها مفيدة في مجالات أخرى من المعرفة، وتغطي عددًا كبيرًا من التطبيقات (مرتبة أبجديًا). فيما يلي أوصاف موجزة لبعضها:

• ASReml : برنامج آخر تم تطويره بواسطة VSNi ^[40] والذي يمكن استخدامه أيضًا في بيئة R كحزمة. تم تطويره لتقدير مكونات التباين في ظل نموذج مختلط خطي عام باستخدام أقصى احتمال مقيد (REML). يُسمح بالنماذج ذات التأثيرات الثابتة والتأثيرات العشوائية والتأثيرات المتداخلة أو المتقاطعة. يمنح إمكانية التحقيق في هياكل مصفوفة التباين والتغاير المختلفة.
• CycDesigN: ^[41] حزمة كمبيوتر طورتها VSNi ^[40] تساعد الباحثين على إنشاء تصميمات تجريبية وتحليل البيانات القادمة من تصميم موجود في إحدى الفئات الثلاث التي يتعامل معها CycDesigN. هذه الفئات هي تصميمات قابلة للحل، وغير قابلة للحل، ومكررة جزئيًا ومتقاطعة . وهي تتضمن تصميمات أقل استخدامًا مثل التصميم اللاتيني، مثل التصميم اللاتيني. ^[42]
• برتقالي : واجهة برمجة لمعالجة البيانات عالية المستوى واستخراج البيانات وتصور البيانات. تتضمن أدوات للتعبير الجيني وعلم الجينوم. ^[22]
• R : بيئة مفتوحة المصدر ولغة برمجة مخصصة للحوسبة الإحصائية والرسومات. وهي عبارة عن تنفيذ للغة S التي تديرها CRAN. ^[43] بالإضافة إلى وظائفها في قراءة جداول البيانات، وأخذ الإحصاءات الوصفية، وتطوير النماذج وتقييمها، يحتوي مستودعها على حزم طورها باحثون في جميع أنحاء العالم. وهذا يسمح بتطوير وظائف مكتوبة للتعامل مع التحليل الإحصائي للبيانات التي تأتي من تطبيقات محددة. ^[44] في حالة علم المعلومات الحيوية، على سبيل المثال، توجد حزم موجودة في المستودع الرئيسي (CRAN) وفي مستودعات أخرى، مثل Bioconductor . ومن الممكن أيضًا استخدام حزم قيد التطوير يتم مشاركتها في خدمات الاستضافة مثل GitHub .
• SAS : برنامج تحليل بيانات يستخدم على نطاق واسع في الجامعات والخدمات والصناعة. تم تطويره بواسطة شركة تحمل نفس الاسم ( SAS Institute )، ويستخدم لغة SAS للبرمجة.
• PLA 3.0: ^[45] هو برنامج تحليل إحصائي حيوي للبيئات المنظمة (مثل اختبار الأدوية) والذي يدعم اختبارات الاستجابة الكمية (الخط المتوازي، واللوجستيات المتوازية، ونسبة الميل) والاختبارات الثنائية (الاستجابة الكمية، والاختبارات الثنائية). كما يدعم طرق الترجيح لحسابات التركيبة والتجميع التلقائي للبيانات لبيانات الاختبار المستقلة.
• Weka : برنامج جافا للتعلم الآلي واستخراج البيانات ، بما في ذلك الأدوات والطرق للتصور والتجميع والانحدار وقاعدة الارتباط والتصنيف. هناك أدوات للتحقق المتبادل والتمهيد ووحدة لمقارنة الخوارزميات. يمكن أيضًا تشغيل Weka بلغات برمجة أخرى مثل Perl أو R. ^[22]
• تحليل الصور باستخدام لغة البرمجة بايثون ، التعلم العميق، التعلم الآلي
• قواعد بيانات SQL
• NoSQL
• بايثون رقمي NumPy
• سكيباي
• سيج ماث
• الجبر الخطي لاباك
• ماتلاب
• أباتشي هادوب
• أباتشي سبارك
• خدمات الويب من أمازون

تُقدم جميع البرامج التعليمية في مجال الإحصاء الحيوي تقريبًا على مستوى الدراسات العليا . وغالبًا ما توجد هذه البرامج في كليات الصحة العامة، أو التابعة لكليات الطب، أو الغابات، أو الزراعة، أو باعتبارها محورًا للتطبيق في أقسام الإحصاء.

في الولايات المتحدة، حيث خصصت العديد من الجامعات أقسامًا للإحصاء الحيوي، تقوم العديد من الجامعات الأخرى من الدرجة الأولى بدمج أعضاء هيئة التدريس في الإحصاء الحيوي في الإحصاء أو أقسام أخرى، مثل علم الأوبئة . وبالتالي، قد توجد أقسام تحمل اسم "الإحصاء الحيوي" تحت هياكل مختلفة تمامًا. على سبيل المثال، تم تأسيس أقسام إحصاء حيوي جديدة نسبيًا مع التركيز على المعلوماتية الحيوية وعلم الأحياء الحاسوبي ، في حين أن الأقسام القديمة، المرتبطة عادةً بمدارس الصحة العامة ، سيكون لديها خطوط بحث أكثر تقليدية تتضمن الدراسات الوبائية والتجارب السريرية بالإضافة إلى المعلوماتية الحيوية. في الجامعات الأكبر حجمًا حول العالم، حيث يوجد قسم للإحصاء وقسم للإحصاء الحيوي، قد تتراوح درجة التكامل بين القسمين من الحد الأدنى إلى التعاون الوثيق للغاية. بشكل عام، الفرق بين برنامج الإحصاء وبرنامج الإحصاء الحيوي هو ثنائي: (أ) غالبًا ما تستضيف أقسام الإحصاء أبحاثًا نظرية / منهجية أقل شيوعًا في برامج الإحصاء الحيوي و (ب) تحتوي أقسام الإحصاء على خطوط بحث قد تشمل التطبيقات الطبية الحيوية ولكن أيضًا مجالات أخرى مثل الصناعة ( مراقبة الجودة ) والأعمال والاقتصاد والمجالات البيولوجية غير الطب.

تقدم الأدبيات العلمية العديد من المقالات المثيرة للاهتمام والمفيدة التي تمت مراجعتها من قبل الأقران مع نظرة عامة على المفاهيم الأساسية لتطبيق الإحصاء الحيوي على البحث الحديث، مثل مقال حول كيفية كتابة قسم التحليل الإحصائي في البحث الطبي، ^[46] وآخر حول الأخطاء الإحصائية الشائعة في البحث العلمي الأساسي ^[47] أو مقال حول الأخطاء الإحصائية الشائعة التي يجب الانتباه إليها عند كتابة أو مراجعة مخطوطة. ^[48] هذه المقالات التي تمت مراجعتها من قبل الأقران مؤخرًا ذات قيمة كبيرة لتدريب الطلاب على الاستخدام المتقدم للإحصاء الحيوي. ^[49]

• الإحصاء الحيوي ^[50]
• المجلة الدولية للإحصاء الحيوي ^[51]
• مجلة علم الأوبئة والإحصاء الحيوي ^[52]
• الإحصاء الحيوي والصحة العامة ^[53]
• القياسات الحيوية ^[54]
• القياسات الحيوية ^[55]
• المجلة البيومترية ^[56]
• الاتصالات في علم القياسات الحيوية وعلوم المحاصيل ^[57]
• التطبيقات الإحصائية في علم الوراثة والبيولوجيا الجزيئية ^[58]
• الأساليب الإحصائية في البحث الطبي ^[59]
• إحصائيات الصيدلة ^[60]
• الإحصاء في الطب ^[61]

• المعلوماتية الحيوية
• الطريقة الوبائية
• علم الأوبئة
• مقاييس حجم المجموعة
• مؤشر الصحة
• علم الأحياء الرياضي والنظري

الوسائط المتعلقة بالإحصاء الحيوي في ويكيميديا ​​كومنز

• الجمعية الدولية للقياسات الحيوية
• مجموعة أرشيف أبحاث الإحصاء الحيوي
• دليل الإحصاء الحيوي (MedPageToday.com) محفوظ في 22 مايو 2012 على موقع Wayback Machine
• إحصائيات طبية حيوية