ஆதாயங்கள்:
- RNA-seq பணிப்பாய்வு, வேறுபட்ட வெளிப்பாடு பகுப்பாய்வு மற்றும் பல சோதனை திருத்தம் (FDR) மற்றும் செயற்கை நுண்ணறிவு சரிபார்க்கக்கூடிய பகுப்பாய்வு குறியீட்டை உருவாக்கும் திறன்
- பாதை செறிவூட்டல் முடிவுகளை புள்ளியியல் ரீதியாகவும் உயிரியல் ரீதியாகவும் விமர்சன ரீதியாக விளக்கும் திறன்
- புள்ளிவிவர அனுமானங்கள் மற்றும் பல சோதனைக் குறைபாடுகளைச் சரிபார்த்தல் மற்றும் உயிரியல் முக்கியத்துவத்தை சுயாதீனமாகச் சரிபார்த்தல் ஆகியவற்றின் ஒழுக்கத்தைக் கடைப்பிடிக்கும் திறன்.
"ஓமிக்ஸ்" என்பது ஒரு செல் அல்லது திசுக்களின் அனைத்து மூலக்கூறுகளையும் ஒன்றாக அளவிடும் அணுகுமுறைகளின் கூட்டுப் பெயர்: மரபியல் (அனைத்து டிஎன்ஏ), டிரான்ஸ்கிரிப்டோமிக்ஸ் (அனைத்து ஆர்என்ஏ/வெளிப்பாடு), புரோட்டியோமிக்ஸ் (அனைத்து புரதங்களும்), வளர்சிதை மாற்றங்கள் (அனைத்து வளர்சிதை மாற்றங்கள்). இந்தத் தரவு மிகப் பெரியது - RNA-seq சோதனையானது பல்லாயிரக்கணக்கான மரபணுக்களின் அளவீடுகளை உள்ளடக்கியது. இந்த பிரிவில், குறியீட்டை எழுதும், புள்ளிவிவரங்களைத் தேர்ந்தெடுத்து, உயிரியல் விளக்கத்தை உருவாக்கும் ஓமிக்ஸ் பகுப்பாய்வில் உதவியாளராக செயற்கை நுண்ணறிவை (AI) எவ்வாறு பயன்படுத்துவது என்பதை நீங்கள் கற்றுக் கொள்வீர்கள்; ஆனால் புள்ளிவிவர மற்றும் உயிரியல் முடிவை ஏன் சரிபார்க்க வேண்டும் என்பதை நீங்கள் அறிந்து கொள்வீர்கள்.
முக்கியமான எச்சரிக்கை: ஓமிக்ஸில், மிகவும் ஆபத்தான பிழைகள் புள்ளியியல் மற்றும் கண்ணுக்கு தெரியாதவை. AI ஆனது பல ஒப்பீட்டுத் திருத்தத்தைத் தவிர்த்து (கீழே), தவறான சோதனையைத் தேர்ந்தெடுக்கும் அல்லது "தவறான நேர்மறை" மரபணுப் பட்டியலை உருவாக்கும் குறியீட்டை எழுத முடியும். கூடுதலாக, எந்த ஆதாரமும் இல்லாமல் "இந்த மரபணு அந்த நோயில் அதிகரிக்கிறது" போன்ற உயிரியல் உரிமைகோரல்களை AI உருவாக்க முடியும். சரியான வழி: இயங்கக்கூடிய, தணிக்கை செய்யக்கூடிய குறியீட்டைக் கொண்டு பகுப்பாய்வு செய்து இலக்கியத்தில் உள்ள ஒவ்வொரு உயிரியல் உரிமைகோரலையும் உறுதிப்படுத்தவும்.
அடிப்படை கருத்துக்கள்
- வெளிப்பாடு: ஒரு மரபணு ஆர்என்ஏவில் எவ்வளவு மொழிபெயர்க்கப்பட்டுள்ளது; "செயல்பாடு" அளவீடு.
- வேறுபட்ட வெளிப்பாடு (DE): இரண்டு குழுக்களிடையே (எ.கா., நோயாளி/ஆரோக்கியமான) வெளிப்பாடு கணிசமாக மாறும் மரபணுக்கள்.
- p-மதிப்பு: ஒரு வித்தியாசம் ஒரு தற்செயல் நிகழ்வாகும் நிகழ்தகவு; அது சிறியதாக இருந்தால், வேறுபாடு "குறிப்பிடத்தக்கது" என்று கருதப்படுகிறது.
- பல ஒப்பீடு திருத்தம்: பல்லாயிரக்கணக்கான மரபணுக்களை ஒரே நேரத்தில் பார்க்கும்போது, தற்செயலாக சில "குறிப்பிடத்தக்கவை" இருக்கும். இதை சரிசெய்ய, FDR (தவறான கண்டுபிடிப்பு விகிதம்) / Benjamini-Hochberg போன்ற முறைகள் பயன்படுத்தப்படுகின்றன. இந்த திருத்தம் தவிர்க்கப்பட்டால், நூற்றுக்கணக்கான தவறான கண்டுபிடிப்புகள் எழும்.
- log2 மடங்கு மாற்றம் (log2FC): இரண்டு குழுக்களுக்கு இடையே ஒரு மரபணுவின் வெளிப்பாடு விகிதத்தின் அடிப்படை 2 வரையிலான மடக்கை; +1 என்றால் இரு மடங்கு அதிகரிப்பு, −1 என்பது இரு மடங்கு குறைவு.
- பாதை செறிவூட்டல்: மாற்றப்பட்ட மரபணுக்கள் எந்த உயிரியல் பாதைகளில் (எ.கா. செல் பிரிவு, நோய் எதிர்ப்பு சக்தி) குவிந்துள்ளன என்பதைக் கண்டறிதல்; GO மற்றும் KEGG போன்ற தரவுத்தளங்கள் பயன்படுத்தப்படுகின்றன.
- தொகுதி விளைவு: வெவ்வேறு நாட்கள்/சாதனங்களில் மாதிரிகளைச் செயலாக்குவதால் எழும் உயிரியல் அல்லாத போலி வேறுபாடு.
படிப்படியாக: AI-இயங்கும் ஓமிக்ஸ் பகுப்பாய்வு
1. சோதனை வடிவமைப்பு மற்றும் கேள்வியை தெளிவுபடுத்தவும். எத்தனை மாதிரிகள், எத்தனை குழுக்கள், எத்தனை மறுபடியும்? புள்ளியியல் சக்தி போதுமானதா? AIக்கு வடிவமைப்பை விளக்குங்கள்.
2. AI உடன் பொருத்தமான கருவி/முறையைத் தேர்ந்தெடுக்கவும். RNA-seqக்கு, DESeq2/edgeR போன்ற நிலையான முறைகளைத் தேர்வுசெய்யவும் (கணக்கு தரவுக்காக வடிவமைக்கப்பட்ட புள்ளியியல் தொகுப்புகள்); AI "உருவாக்கப்பட்ட" புள்ளிவிவரத்தை விட நிரூபிக்கப்பட்ட முறைகளைப் பயன்படுத்தவும்.
3. குறியீட்டை இயக்கவும் மற்றும் இடைநிலை வெளியீடுகளை சரிபார்க்கவும். இயல்பாக்கம், தொகுதி விளைவு கட்டுப்பாடு, தர அடுக்குகள் (PCA) இல்லாமல் DE பகுப்பாய்வுக்கு செல்ல வேண்டாம்.
4. பல ஒப்பீட்டு திருத்தத்தை செயல்படுத்தவும். திருத்தப்பட்ட மதிப்பின்படி முடிவுகளை வடிகட்டவும் (padj/FDR), raw p-value அல்ல.
5. இலக்கியத்தில் உயிரியல் விளக்கத்தை உறுதிப்படுத்தவும். AI உடன் பாதை செறிவூட்டல் வெளியீட்டை விளக்கவும், ஆனால் ஒவ்வொரு உரிமைகோரலையும் மூலத்தில் சரிபார்க்கவும்.
உதவிக்குறிப்பு: DE பகுப்பாய்வில், முதலில் தரத்தைப் பார்த்து, தாக்க வரைபடங்களைத் தொகுக்கவும். மாதிரிகள் உயிரியல் குழுவால் அல்லாமல் அவை செயலாக்கப்பட்ட நாளின் அடிப்படையில் கொத்தாக இருந்தால், நீங்கள் கண்டறிந்த "குறிப்பிடத்தக்க" மரபணுக்களில் பெரும்பாலானவை ஒட்டுமொத்த விளைவுகளாகும், உண்மையான உயிரியல் அல்ல.
மூன்று சிறிய வழக்குகள்
வழக்கு 1 - திருத்தப்படாத p-மதிப்பு. ஒரு மாணவர் AI ஆல் எழுதப்பட்ட குறியீட்டைக் கொண்டு 20,000 மரபணுக்களை சோதித்து "540 குறிப்பிடத்தக்க மரபணுக்களை" கண்டறிந்தார். அவர் குறியீட்டை ஆய்வு செய்தபோது, AI பல ஒப்பீட்டு திருத்தங்களைத் தவிர்த்துவிட்டதைக் கண்டார். FDR திருத்தம் சேர்க்கப்பட்டபோது, குறிப்பிடத்தக்க மரபணுக்களின் எண்ணிக்கை 32 ஆக குறைந்தது. திருத்தம் இல்லாமல், 500 க்கும் மேற்பட்ட தவறான மரபணுக்கள் கதையை அடிப்படையாகக் கொண்டிருக்கும்.
வழக்கு 2 - புனையப்பட்ட உயிரியல் உரிமைகோரல். DE பட்டியலில் உள்ள ஒரு மரபணுவிற்கு, ஒரு ஆராய்ச்சியாளர் AI யிடம் "இந்த நோயில் இந்த மரபணு என்ன செய்கிறது?" அவர் கேட்டார்; AI ஒரு உறுதியான பொறிமுறையையும் கட்டுரையையும் விளக்கியது. அவர் PubMed இல் தேடியபோது, அந்த வழிமுறையோ அல்லது கட்டுரையோ இல்லை என்பதைக் கண்டார். அறிக்கையிலிருந்து உரிமைகோரல் நீக்கப்பட்டது.
வழக்கு 3 - உறுதிப்படுத்தல் கிடைத்தது. பிசிஏ ப்ளாட்டில் இரண்டு நாட்கள் மாதிரிகள் பிரிக்கப்பட்டிருப்பதை ஒரு PhD மாணவர் கவனித்தார். குறியீட்டில் ஒரு தொகுதி விளைவு மாறியைச் சேர்க்க AI ஐக் கேட்டது; திருத்தத்திற்குப் பிறகு, மரபணு பட்டியல் முற்றிலும் மாற்றப்பட்டு உயிரியல் ரீதியாக முக்கியத்துவம் பெற்றது. தரக்கட்டுப்பாட்டு விளக்கப்படம் இல்லாமல், போலியான முடிவு வெளியிடப்பட்டிருக்கலாம்.
எடுத்துக்காட்டு: திருத்தப்பட்ட p-மதிப்புடன் வடிகட்டுதல்
பாண்டாக்களை pd ஆக இறக்குமதி செய்யவும் (de["log2FC"].abs() >= 1)]அச்சு("Raw p<0.05:", (de["pvalue"] < 0.05).sum())print("FDR-corrected padj<0.05 & |log2FC|>=1:", len(குறிப்பிடத்தக்கது))
பல ஒப்பீடுகள் ஏன் முக்கியமானவை என்பதை மூல மற்றும் திருத்தப்பட்ட எண்ணுக்கு இடையிலான வேறுபாடு விளக்குகிறது.
நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்
1) பகுப்பாய்வுத் திட்டம் மற்றும் முறை தேர்வு:
உங்கள் பங்கு: உயிர் தகவலியல் உதவியாளர். பின்வரும் RNA-seq பரிசோதனைக்கான பகுப்பாய்வுத் திட்டத்தை அமைக்கவும்:[குழுக்களின் எண்ணிக்கை, மாதிரிகள்/பிரதிகளின் எண்ணிக்கை, கேள்வி]. எந்த நிலையான கருவியை (DESeq2/edgeR) நான் தேர்வு செய்ய வேண்டும், ஏன், என்ன தரக் கட்டுப்பாட்டுப் படிகள் (PCA, தொகுதி விளைவு) தேவை, பல ஒப்பீட்டுத் திருத்தத்தை எவ்வாறு பயன்படுத்துவது? படிப்படியாக எழுதுங்கள்.
2) குறியீடு + கட்டாய காசோலைகள்:
பின்வரும் DE பகுப்பாய்வைச் செய்யும் இயங்கக்கூடிய குறியீட்டை எழுதவும்: [விவரம்]. குறியீட்டில் இயல்பாக்கம், PCA தர சதி, தொகுதி விளைவு கட்டுப்பாடு மற்றும் FDR (பெஞ்சமினி-ஹோச்பெர்க்) திருத்தம் ஆகியவை இருக்க வேண்டும். ஒவ்வொரு அடியிலும் கருத்து தெரிவிக்கவும். திருத்தப்பட்ட p-மதிப்புடன் வடிகட்டவும், மூல p-மதிப்பு அல்ல.
3) பாதை செறிவூட்டல் கருத்து:
இந்த குறிப்பிடத்தக்க மரபணுக்களின் பட்டியலுக்கான பாதை செறிவூட்டல் முடிவுகளை விளக்க உதவுங்கள்: [list/output]. எந்தப் பாதைகள் முக்கியமானவை என்பதை விளக்குங்கள், ஆனால் ஒவ்வொரு உயிரியல் உரிமைகோரலையும் எந்த ஆதாரத்தில் (GO, KEGG, சக மதிப்பாய்வு செய்யப்பட்ட கட்டுரை) உறுதிப்படுத்த வேண்டும் என்பதைச் சொல்லுங்கள். பொறிமுறை/கட்டுரை பொருத்துதல்.
4) புள்ளியியல் தணிக்கை:
புள்ளியியல் பிழைகளுக்கு பின்வரும் பகுப்பாய்வுக் குறியீட்டைச் சரிபார்க்கவும்: [குறியீடு]. குறிப்பாக: தவறான சோதனைத் தேர்வு, பல ஒப்பீட்டுத் திருத்தங்களைத் தவிர்ப்பது, தொகுதி விளைவைப் புறக்கணித்தல், போதிய பிரதிபலிப்பு. நீங்கள் கண்டறிந்த ஒவ்வொரு பிரச்சனையையும் அதன் தீர்வுகளையும் பட்டியலிடுங்கள்.
பலவீனமான வரியில் / வலுவான வரியில்
பலவீனமானது: "இந்த RNA-seq தரவுகளில் குறிப்பிடத்தக்க மரபணுக்களைக் கண்டறியவும்."
சிக்கல்: முறை, தரக் கட்டுப்பாடு மற்றும் பல ஒப்பீடுகள் குறிப்பிடப்படவில்லை; திருத்தம் இல்லாமல் தவறான நேர்மறைகள் நிறைந்த பட்டியலை AI வழங்க முடியும்.
வலிமையானது: "DESEq2 தர்க்கத்துடன் இந்த RNA-seq எண்ணிக்கை தரவுக்கான DE பகுப்பாய்வு செய்யும் குறியீட்டை எழுதவும், தரக் கட்டுப்பாடு மற்றும் PCA உடன் மொத்த விளைவுக் கட்டுப்பாடு மற்றும் FDR திருத்தம் கொண்ட வடிப்பான்கள் ஆகியவை அடங்கும்; ஒவ்வொரு அடியிலும் கருத்துத் தெரிவிக்கவும், ஏன் இந்த முறையைத் தேர்ந்தெடுத்தீர்கள் என்பதை விளக்கவும்."
இது ஏன் சக்தி வாய்ந்தது: முறை நிலையானது, தரம் மற்றும் திருத்தம் கட்டாயமாகும், இதன் விளைவாக தணிக்கை செய்யப்படுகிறது.
ஆபத்து
அறிகுறி
முன்னெச்சரிக்கை
தவறான நேர்மறை
பல "அர்த்தமுள்ள" மரபணுக்கள்
FDR/பல ஒப்பீடு திருத்தம்
கூட்டு தாக்கம்
மாதிரிகள் நாளுக்கு நாள் கொத்தாக இருக்கும்
பிசிஏ + தொகுதி மாறி
தவறான சோதனை
தரவை எண்ணுவதற்கான சாதாரண சோதனை
DESeq2/edgeR போன்ற பொருத்தமான முறை
உயிரியலை உருவாக்கியது
வெல்ட்லெஸ் மெக்கானிசம்
இலக்கிய உறுதிப்படுத்தல்
போதுமான சக்தி இல்லை
1-2 மறுபடியும்
வடிவமைப்பில் போதுமான அளவு மீண்டும்
பொதுவான தவறுகள்
- பல ஒப்பீடு திருத்தத்தைத் தவிர்க்கிறது. மிகவும் பொதுவான மற்றும் மிகவும் தீங்கு விளைவிக்கும் புள்ளியியல் பிழை.
- கூட்டு தாக்கத்தை புறக்கணித்தல். இது தவறான உயிரியல் வேறுபாட்டை உருவாக்குகிறது.
- தரவை எண்ணுவதற்கு தவறான சோதனையைப் பயன்படுத்துதல். RNA-seq க்கு சிறப்பு முறைகள் தேவை.
- ஆதாரமின்றி உயிரியல் உரிமைகோரல்களை ஏற்றுக்கொள்வது. AI ஆனது வழிமுறைகள் மற்றும் கட்டுரைகளை உருவாக்க முடியும்.
- போதுமான மறுபரிசீலனையுடன் பொதுமைப்படுத்துதல். புள்ளிவிவர சக்தி இல்லாமல், விளைவு நம்பமுடியாதது.
எச்சரிக்கை: "புள்ளியியல் முக்கியத்துவம் வாய்ந்தது" என்பது "உயிரியல் முக்கியத்துவம் வாய்ந்தது" என்பதற்கு சமமானதல்ல. மிகச் சிறிய ஆனால் தொழில்நுட்ப ரீதியாக குறிப்பிடத்தக்க மடிப்பு மாற்றம் உயிரியல் ரீதியாக முக்கியமற்றதாக இருக்கலாம்; பெரிய மாதிரிகளில் எல்லாம் "குறிப்பிடத்தக்கதாக" மாறிவிடும். log2FC மற்றும் p-மதிப்பை ஒன்றாக மதிப்பிடவும்.
ஆழம்: பாதை செறிவூட்டலில் பின்னணி மற்றும் இரட்டை எண்ணும் ஆபத்துகள்
பாதை செறிவூட்டல் முடிவுகள் பெரும்பாலான மக்கள் உணராத இரண்டு மறைக்கப்பட்ட அனுமானங்களை நம்பியுள்ளன, மேலும் AI அவற்றை அமைதியாக கடந்து செல்லும். முதலாவது பின்னணி/பிரபஞ்சத் தேர்வு: செறிவூட்டல் என்பது "மாறிய மரபணுக்களின்" தொகுப்பை "எந்த மரபணுக்கள் பார்க்கப்பட்டன" என்ற தொகுப்புடன் ஒப்பிடுகிறது. பின்னணி முழு மரபணுவிலிருந்து எடுக்கப்பட்டாலும், உங்கள் பரிசோதனையானது ஒரு குறிப்பிட்ட திசு பேனலை மட்டுமே அளவிடுகிறது என்றால், முடிவுகள் செயற்கையாக "செறிவூட்டப்பட்டதாக" தோன்றும். சரியான பின்னணி என்பது பரிசோதனையில் உண்மையில் வெளிப்படுத்தப்படும்/அளக்கப்படக்கூடிய மரபணுக்கள். ஒரு குழு முழு மரபணுவையும் தவறாகப் பின்னணியாகக் கொண்டு "நோய் எதிர்ப்புப் பாதையின் மிகவும் குறிப்பிடத்தக்க செறிவூட்டலை" கண்டறிந்தது; சரியான பின்புலத்துடன் (அளவிடப்பட்ட மரபணுக்கள்) பகுப்பாய்வு மீண்டும் மீண்டும் செய்யப்பட்டபோது, செறிவூட்டல் மறைந்தது-கண்டுபிடிப்பு ஒரு முறை கலைப்பொருள்.
இரண்டாவதாக, மரபணு தொகுப்பு அளவு மற்றும் இரட்டை எண்ணிக்கை: மிகப் பெரிய மற்றும் பொதுவான பாதைகள் (எ.கா. "வளர்சிதை மாற்ற செயல்முறைகள்", ஆயிரக்கணக்கான மரபணுக்கள்) கிட்டத்தட்ட ஒவ்வொரு பட்டியலிலும் "குறிப்பிடத்தக்கதாக" தோன்றும்; சிறிய, குறிப்பிட்ட பாதைகள் அதிக தகவல் தரும். கூடுதலாக, ஒரே மரபணு பல பாதைகளில் காணப்படுவதால், ஒன்றுடன் ஒன்று பாதைகளை சுயாதீன ஆதாரமாகக் கருதுவது தவறாக வழிநடத்துகிறது. மூன்றாவது புள்ளி: இது செறிவூட்டலின் திசையைக் காட்டாது; ஒரு பாதை செறிவூட்டப்படலாம், ஆனால் அதில் பாதி மரபணுக்கள் அதிகரிக்கப்படலாம் மற்றும் மற்ற பாதி குறைக்கப்படலாம். இதைப் பார்க்க, திசைத் தகவல்களை (GSEA போன்றவை) தனித்தனியாக ஆய்வு செய்வது அவசியம்.
பொறி
அறிகுறி
முன்னெச்சரிக்கை
தவறான பின்னணி
எல்லாம் செழுமையாகத் தெரிகிறது
அளவிடப்பட்ட மரபணுக்களின் பின்னணியைப் பெறுங்கள்
மிகவும் பொதுவான பாதை
"வளர்சிதை மாற்றம்" எப்போதும் வருகிறது
சிறிய, குறிப்பிட்ட பாதைகளில் கவனம் செலுத்துங்கள்
இரட்டை எண்ணுதல்
ஒன்றுடன் ஒன்று பாதைகள்
சுதந்திரமான ஆதாரமாக எடுத்துக் கொள்ளாதீர்கள்
திசையைத் தவிர்க்கவும்
கலப்பு ஏறுதல்/இறங்கும்
GSEA உடன் திசைக் கட்டுப்பாடு
சுருக்கமாக
- ஓமிக்ஸ் பகுப்பாய்வில் AI; முறைகளைத் தேர்ந்தெடுக்கும், குறியீட்டை எழுதும் மற்றும் கருத்துகளை வரைவு செய்யும் உதவியாளர்; புள்ளிவிவரங்கள் மற்றும் உயிரியல் முடிவுகள் நியாயப்படுத்தப்பட வேண்டும்.
- நிலையான, நிரூபிக்கப்பட்ட முறைகள் (DESeq2/edgeR) பயன்படுத்தப்பட வேண்டும்; தரக் கட்டுப்பாடு மற்றும் கூட்டுத் தாக்கத் தணிக்கை தவிர்க்கப்படக் கூடாது.
- பல ஒப்பீடு திருத்தம் (FDR) கட்டாயமாகும்; முடிவுகள் திருத்தப்பட்ட மதிப்புடன் வடிகட்டப்படுகின்றன.
- ஒவ்வொரு உயிரியல் கூற்றும் இலக்கியத்தில் உறுதிப்படுத்தப்பட வேண்டும்; "குறிப்பிடத்தக்கது" என்பது "முக்கியமானது" என்பதிலிருந்து வேறுபடுத்தப்பட வேண்டும்.
விண்ணப்ப பணி
மாதிரி DE முடிவுகள் அட்டவணையை (அல்லது திறந்த RNA-seq தரவுத்தொகுப்பு) எடுக்கவும். கச்சா p-மதிப்பு மற்றும் திருத்தப்பட்ட padj வரம்புகளின் அடிப்படையில் குறிப்பிடத்தக்க மரபணு எண்ணிக்கையை மேலே உள்ள துணுக்குடன் ஒப்பிடுக. ஒரு வாக்கியத்தில் உள்ள வித்தியாசத்தைப் பற்றி கருத்து தெரிவிக்கவும். பின்னர் ஒரு பிரத்யேக மரபணுவிற்கு டெம்ப்ளேட் 3 உடன் உயிரியல் விளக்கத்தைக் கேட்கவும் மற்றும் பப்மெடில் உரிமைகோரலை நீங்களே சரிபார்க்கவும்.
சரிபார்ப்பு பட்டியல்
- [ ] நான் சோதனை வடிவமைப்பு மற்றும் புள்ளிவிவர சக்தியை மதிப்பீடு செய்தேன்.
- [ ] நான் ஒரு நிலையான, வசதியான முறையைத் தேர்ந்தெடுத்தேன்.
- [ ] நான் பிசிஏ மற்றும் தொகுதி விளைவு தரக் கட்டுப்பாடு செய்தேன்.
- [ ] நான் பல ஒப்பீடு (FDR) திருத்தத்தைப் பயன்படுத்தினேன்.
- [ ] திருத்தப்பட்ட p-மதிப்புடன் முடிவுகளை வடிகட்டினேன்.
- [ ] இலக்கியத்தில் உள்ள உயிரியல் கூற்றுகளை நான் உறுதிப்படுத்தினேன்.