{"id":964,"date":"2014-12-08T15:48:48","date_gmt":"2014-12-08T20:48:48","guid":{"rendered":"http:\/\/bioinfo.iric.ca\/?p=964"},"modified":"2014-12-08T15:49:54","modified_gmt":"2014-12-08T20:49:54","slug":"trafiquer-le-test-exact-de-fisher-pour-les-besoins-du-biologiste","status":"publish","type":"post","link":"https:\/\/bioinfo.iric.ca\/fr\/trafiquer-le-test-exact-de-fisher-pour-les-besoins-du-biologiste\/","title":{"rendered":"Trafiquer le test exact de Fisher pour les besoins du biologiste"},"content":{"rendered":"

Le test exact de Fisher est largement utilis\u00e9 en bioinformatique. Il est d’ailleurs \u00e0 la base d’un grand nombre d’outils recherchant des enrichissements pour des ensembles de g\u00e8nes ou des voies biologiques. Je n’introduirai pas le test en tant que tel dans cet article car plusieurs l’ont d\u00e9j\u00e0 fait (commencez ici<\/a>!). Je vais plut\u00f4t me concentrer sur l’incompatibilit\u00e9 qui existe parfois entre ce que calcule le test et ce qui est requis par les biologistes.<\/p>\n

Dans le test exact de Fisher, l’hypoth\u00e8se nulle est qu’il n’y a pas<\/strong> d’enrichissement entre les variables \u00e9tudi\u00e9es. Lorsqu’on utilise ce test avec des nombres \u00e9lev\u00e9s (comme le nombre de g\u00e8nes dans le g\u00e9nome humain ou le nombre de cat\u00e9gories disponibles dans Gene Ontology<\/i>), il est assez fr\u00e9quent de trouver de l\u00e9gers enrichissements d\u00e9sign\u00e9s comme tr\u00e8s significatifs. Dans ces cas-l\u00e0, le r\u00e9sultat du test devient tr\u00e8s difficile \u00e0 interpr\u00e9ter. En effet, que faire avec un enrichissement de 2% retournant une p-value<\/i> de 0.0001? <\/p>\n

Il existe une variante du test qui change l’hypoth\u00e8se nulle en posant que l’enrichissement est plus petit qu’une valeur donn\u00e9e. Cette variante utilise la distribution hyperg\u00e9om\u00e9trique non-centrale de Fisher (Fisher’s non-central hypergeometric distribution<\/i><\/a>) et est disponible dans R. Le param\u00e8tre \"or\"<\/code>, pass\u00e9 \u00e0 la fonction fisher.test<\/code>, permet d’utiliser ce test. Cette variante permet de v\u00e9rifier si les donn\u00e9es supportent un enrichissement significativement sup\u00e9rieur \u00e0 une valeur seuil<\/strong> pr\u00e9-d\u00e9finie (pr\u00e9f\u00e9rablement choisie en fonction de sa signification biologique). Vous trouverez la documentation concernant la fonction en R ici<\/a>.<\/p>\n

Les deux tests ont \u00e9t\u00e9 appliqu\u00e9s \u00e0 l’exemple fictif suivant : <\/p>\n

> data \r\n     [,1] [,2]\r\n[1,] 1100 8900\r\n[2,] 1000 9000\r\n\r\n> fisher.test (data, alt=\"greater\")<\/em>\r\n\r\n\tFisher's Exact Test for Count Data\r\n\r\ndata:  data\r\np-value = 0.01119<\/strong>\r\nalternative hypothesis: true odds ratio is greater than 1\r\n95 percent confidence interval:\r\n 1.029899      Inf\r\nsample estimates:\r\nodds ratio \r\n  1.112353 \r\n\r\n> fisher.test (data, or=1.25<\/strong>, alt=\"greater\")<\/em>\r\n\r\n\tFisher's Exact Test for Count Data\r\n\r\ndata:  data\r\np-value = 0.9946<\/strong>\r\nalternative hypothesis: true odds ratio is greater than 1.25\r\n95 percent confidence interval:\r\n 1.029899      Inf\r\nsample estimates:\r\nodds ratio \r\n  1.112353 \r\n<\/em><\/pre>\n
Ce type de test avec seuil offre une r\u00e9ponse int\u00e9ressante au probl\u00e8me \u00e9nonc\u00e9 r\u00e9cemment dans mon article intitul\u00e9 \u00ab\u00a0Dois-je calculer une p-value<\/i>?\u00a0\u00bb<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"
Le test exact de Fisher est largement utilis\u00e9 en bioinformatique. Il est d’ailleurs \u00e0 la base d’un grand nombre d’outils recherchant des enrichissements pour des ensembles de g\u00e8nes ou des voies biologiques. Je n’introduirai pas le test en tant que tel dans cet article car plusieurs l’ont d\u00e9j\u00e0 fait (commencez ici!). Je vais plut\u00f4t me concentrer sur l’incompatibilit\u00e9 qui existe parfois entre ce que calcule le test et ce qui est requis par les biologistes. Dans le test exact de  […]<\/a><\/p>\n","protected":false},"author":5,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jetpack_post_was_ever_published":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":false,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[41,42,27],"tags":[62],"class_list":["post-964","post","type-post","status-publish","format-standard","hentry","category-bioinformatique","category-biologie","category-statistiques","tag-statistiques"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts\/964","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/comments?post=964"}],"version-history":[{"count":12,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts\/964\/revisions"}],"predecessor-version":[{"id":978,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts\/964\/revisions\/978"}],"wp:attachment":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/media?parent=964"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/categories?post=964"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/tags?post=964"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}