但 p 值易受样本量等因素影响。FDR 则是在多重检验中控制错误发现率的方法。它旨在平衡假阳性和真阳性的比例。与 p 值不同,FDR 更适用于大规模数据的分析。生信研究中,正确解读 p 值和 FDR 至关重要。过高的 p 值可能导致错过有意义的结果。 而错误估计 FDR 可能得出错误的结论。一些生信分析工具会直接给...
我们可以用Benjamini-Hochberg (𝐵𝐻) 方法。 对于m个独立的假设检验(比如m个基因),它们的P-value分别为:𝑝𝑖, 𝑖=1,2,…,𝑚 (1)按照升序的方法对这些P-value进行排序,得到: (2)对于给定的统计显著性值𝛼∈(0,1)(通常是0.05,在某些情况下,可以放大到0.1),找...
即False Discovery Rate错误发现率,是通过对差异显著性p值(p-value)进行校正得到的。由于转录组测序的差异表达分析是对大量的基因表达值进行独立的统计假设检验,会存在假阳性问题,因此在进行差异表达分析过程中,采用了公认的Benjamini-Hochberg校正方法对原有假设检验得到的显著性p值(p-value)进行校正,并最终采用FDR作为...
02 FDR值计算由于FDR值是对多重假设检验的校正，我们必须要有足够多的P-value，才能支撑起我们的FDR校正算法，这里不展示数据，只展示一下过程。只需输入所有的p值，选择校正算法为BH算法即可，代码如下：pvalue_adjust <- p.adjust(pvalues, method = "BH", n = length(pvalues)) 03 Q值计算同FDR值计算...
因此,FDR和p值是衡量统计检验结果的有效工具。FDR用于评估多重检验的结果,而p值则用于衡量检验的可信度。它们并不完全相同,但它们都可以用来帮助判断统计检验的结果是否可信。 通常情况下,FDR和p值之间的关系是:当FDR较低时,p值也较低,因此可以接受统计检验的结果。然而,在某些情况下,FDR和p值之间的关系可能不明...
FDR（False Discovery Rate，错误发现率）是对p值进行校正后得到的指标，用于解决转录组测序差异分析中的假阳性问题。通过Benjamini-Hochberg方法调整原有显著性p值，FDR作为筛选差异表达基因的重要标准。通常，FDR小于0.01或0.05作为默认标准。FDR值的选择并非固定，依据实验情况可适当调整。差异表达火山图中...
在生信分析中,隔三差五地就需要和p值探讨是否显著差异,还要搬出FDR对p值进行校正。让每个基因根据p值大小从小到大排个队,拿个号牌,然后把自己的p值乘上总基因数,再除以自己号牌上的数就是FDR校正后的p值啦。这个过程用数学语言表示为: 其中,q-valuei是校正后的p值,length(p)是总基因数,rank(p)是每个基因...
p值、pFDR和q值 p值相关 单个假设检验中主要依靠p值(或统计量t)做出是否拒绝零假设H0的决定:p值和预先设定的检验水准alpha做对比,如果p值小于等于alpha,拒绝原假设,否则不拒绝原假设。 p值:表征了在原假设成立的条件下,重复进行当前的试验,获得现有统计量t及其更极端情况的概率。 给定检验水准alpha时,可得出对应...