FDR校正方法是Benjamini和Hochberg于1995年提出了一种多重比较校正的方法。其实,FDR具体的算法也有多种,如Storey法(由Storey等人提出)、Benjamini-Hochberg法(简称BH法)等。其中BH法目前应用最广,这里主要介绍这种方法的基本原理。 基于BH法的FDR校正过程: 第一步:将我们单独统计得到的一系列的p=[p1,p2,…,pn]从...
相对Bonferroni来说,FDR用比较温和的方法对p值进行了校正。其试图在假阳性和假阴性间达到平衡,将假/真阳性比例控制到一定范围之内。例如,如果检验1000次,我们设定的阈值为0.05(5%),那么无论我们得到多少个差异蛋白,这些差异蛋白出现假阳性的概率保持在5%之内,这就叫FDR<5%。 那么我们怎么从p value 来估算FDR呢,人...
但是这也存在问题:Bonferroni 委实太过严格,被校正后的阈值拒绝的不只有假阳性结果,很多阳性结果也会被它拒绝。 2. FDR(FalseDiscovery Rate) 校正 相对Bonferroni 来说,FDR温和得多,这种校正方法不追求完全没有假阳性结果,而是将假阳性结果和真阳性的比例控制在一定范围内。 举个例子,我们最开始设定的情况中进行了...
FWER校正有多种实现,其中最经典的是Bonferroni correction;FDR校正也有多种实现,其中最经典的就是Benjamini–Hochberg procedure。 为什么要使用FWER和FDR校正 在一次假设检验中,我们使用显著性水平α和p值得出结论。显著性水平α一般取0.05或0.01,可以保证一次假设检验中犯I类错误的概率和决策错误的风险小于α。 但是在m...
(4)加权网络:每个脑网络都可以表示为邻接矩阵的形式,横轴和纵轴都是脑区编号,横纵交叉的地方就是相应脑区间的连接值,这种网络就是加权网络。” 二值网络 (5)二值网络:设定一个阈值,当连接值大于这个阈值时,就视为1(有连接);小于这个阈值时,就视为0(无连接),这样就得到一个只区分有连接或者无连接的二值网...
1.我们将一系列p值、校正方法(BH)以及所有p值的个数(length(p))输入到p.adjust函数中。 2.将一系列的p值按照从大到小排序,然后利用下述公式计算每个p值所对应的FDR值。 公式:p * (n/i), p是这一次检验的pvalue,n是检验的次数,i是排序后的位置ID(如最大的P值的i值肯定为n,第二大则是n-1,依次...
除了可以使用excel的BH计算方法外,对于较大的数据,我们推荐使用R命令p.adjust。 p.adjust(p, method = p.adjust.methods, n = length§) p.adjust.methods c(“holm”, “hochberg”, “hommel”, “bonferroni”, “BH”, “BY”, “fdr”, “none”) ...
BH FDR作为经典频率主义假设检验的拓展，是现代大规模假设检验的常用准则。第一次接触BH FDR这样的放大...
在进行多次假设检验的时候,为了避免增大犯I型错误的概率,常用bonferroni,fdr等方法对比较结果的p值进行校正。下面我们使用bonferroni,fdr(BH),以及q值来进行校正(严格的来说,q值并不是用来校正p值得)。qvalue来自R包, "qvalue":<http://www.bioconductor.org/packages/release/bioc/html/qvalue.html> ...
1.我们将一系列p值、校正方法(BH)以及所有p值的个数(length(p))输入到p.adjust函数中。 2.将一系列的p值按照从大到小排序,然后利用下述公式计算每个p值所对应的FDR值。 公式:p * (n/i), p是这一次检验的pvalue,n是检验的次数,i是排序后的位置ID(如最大的P值的i值肯定为n,第二大则是n-1,依次...