Hereditäre Tumorsyndrome des Kolons und Rektums

zweier Verteilungen, also ob zwei unabhängige Verteilungen A und B (zum
Beispiel eine unbeeinflusste und eine beeinflusste) zu derselben Grundgesamtheit
gehören. Der Mann-Whitney-Test gehört zu den stärksten Tests, um einen
Zusammenhang zwischen zweistufigen nominalskalierten Variablen zu testen.
Man hat 2 Stichproben vor sich, Stichprobe A mit n 1 Werten und Stichprobe B mit
n 2 Werten. Man vergleicht jeden Wert der Stichprobe A mit jedem Wert der
Stichprobe B. Es gibt also Vergleiche. Die Nullhypothese H(0) besagt, dass es
keinen Unterschied zwischen den Verteilungen gibt, d. h. A = B. Der Test
funktioniert einseitig oder zweiseitig. Beim einseitigen Test wird geprüft, ob A > B
bzw. A < B ist, beim zweiseitigen Test wird geprüft, ob A = B ist.
Die False Discovery Rate (FDR) ist ein junges Fehlerkontrollkriterium in multiplen
Testsituationen. Sie wird insbesondere in Anwendungsgebieten der explorativen
Datenanalyse und bei Vorliegen von sehr grossen Hypothesensystemen immer
populärer. Diese statistische Evaluationsmethode findet in Genom, RNA/-
Microarray Analysen und Proteomanalysen zunehmend Anwendung, um
Expressionsunterschiede großer Datensätzen zu evaluieren.
Die Theorie und Anwendung der FDR hat sich in kurzer Zeit zu einem
bedeutsamen Forschungsgebiet entwickelt. Die FDR, die von Benjamini und
Hochberg erstmals 1995 beschrieben wurde, ist eine relativ neue statistische
Strategie, um den Fehler in verschiedenen vergleichenden Berechnungen zu
ermitteln 127 . Die FDR ist der erwartete Anteil falscher Werte innerhalb einer
Werteserie und in der Lage, die echten Unterschiede in Wertegruppen
herauszuarbeiten. Werte werden als statistisch relevant angesehen, wenn die
FDR unter 10% liegt.
In dieser Arbeit wurden die Proteinexpressionswerte (Densitätsniveaus) zwischen
Normalgewebe, Polypen und Tumoren separat für sporadische und FAP Fälle
verglichen. Die Analyse wurde auf solche Proteine limitiert, die in allen Gelen
vorhanden waren. Die Proteindensitätswerte wurden für alle Berechnungen logtransformiert.
Die p-Werte wurden für die Subentitäten adaptiert, indem sie in eine
„False Discovery Rate“ (FDR) transformiert wurden. Die Expressionsunterschiede
wurden als signifikant definiert, wenn die FDR unter 10% lag.
Die „Principal Component Analysis“ (PCA) (Hauptkomponentenanalyse) ist ein
Verfahren der multivariaten Statistik und hilft, unterschiedliche Merkmale großer
Datenmengen zu identifizieren. Sie dient dazu, umfangreiche Datensätze zu
43