这是我们最常用的校正P-value控制假阳性率的方式。假设针对10000个基因进行了统计检验,对所有的原始P-value进行由小到大的排序分别为p1, p2, ..., p10000,校正后的FDR为:p1*10000/1, p2*10000/2, ..., p10000*10000/10000。与Bonferroni correction一致的地方是都乘以了检测总数,不一致的地方是BH算法在此...
BH法有时也称fdr法,是我们最常用的多重假设检验校正方法,可以很好的控制假阳性率和维持统计检出力。R函数p.adjust可用来计算一组p-value校正后的fdr值。(DESeq2中返回的padj也是用BH方法控制的FDR) q-value是什么? q-value是Storey和Tibshirani提出的基于p-value分布的FDR计量方法,具体见什么,你算出的P-value看...
这是我们最常用的校正P-value控制假阳性率的方式。假设针对10000个基因进行了统计检验,对所有的原始P-value进行由小到大的排序分别为p1, p2, ..., p10000,校正后的FDR为:p1*10000/1, p2*10000/2, ..., p10000*10000/10000。与Bonferroni correction一致的地方是都乘以了检测总数,不一致的地方是BH算法在此...
在一份普林斯顿大学的关于Storey_FDR方法的讲义中发现了一段关于Storey法计算qvalue的讲解(Storey本人写的。qvalue包的vignettes引用了这篇文章): 大意似乎是,Storey把最小FDR当做qvalue? q-value是什么? 使用FDR校正得到的p-adjust即为q-value。 clusterProfiler包中的enrichKEGG函数和enrichGO函数用的什么方法? p-a...
q-value是Storey和Tibshirani提出的基于p-value分布的FDR计量方法,具体见什么,你算出的P-value看上去像齐天大圣变的庙?。 如何尽量减少统计检验次数 我们看到上面的校正方法多于统计检测次数有关,统计检测次数越多,校正也会越强烈。有没有合适的办法来规避一些无意义的统计检验呢?
q-value是Storey和Tibshirani提出的，它基于p-value分布，能提供一个调整后的FDR估计。减少统计检验次数的方法之一是通过筛选或预处理数据，只对可能重要的部分进行深入分析。总的来说，这些校正方法旨在平衡检验的敏感性和可靠性，确保在大量假设检验中得出的结果更为准确。通过理解这些概念，研究人员能够更...
⼀⽂了解P-value，多重⽐较，FDR和Qvalue的差别 ⾸先交代⼀下⽤来说明这⼏个统计量的例⼦。这⾥会使⽤基因表达作为⼀个例⼦。假设我们有两组细胞：对照组和处理组。我们正在研究基因 A 在处理的条件下是否受到表达或没有表达。每组我们有 12 个重复。我们通常做的是取每组 12 个重复的平均...
每组我们有 12 个重复。我们通常做的是取每组 12 个重复的平均值,并进行 t 检验以比较差异是否显着(假设正态分布)。然后我们得到一个 p 值,比如 p = 0.035。如果它小于 0.05(所设置的阈值),我们得出结论,在处理后基因 A 的表达发生了显着变化。好,问题来了,p value为0.035告诉了我们怎样的信息?
q值(q-value)是p值校正后的结果。 可定义为:多重假设检验过程中,错误拒绝(拒绝真的原假设(零假设))的个数占所有拒绝的原假设个数的比例的期望值(也是代表出错率)。 总结: p-value和q-value是统计学检验变量,衡量“假阳性概率”,应用到基因检测结果中,可衡量“某个基因差异表达的假阳性概率”,代表差异显著性...
p-value:p-value是在假设检验中产生出来的概念,比如t-test,f-test,z-test等检验方法都会产生p-value 值。(我还记得年轻时提出了和别人讨论了一个问题,这些pvalue是不是都是一个概念。其实他们周围的人都说不是一个概念,但是我想说的是其实它就是一个概念) 。如图所示,p-value表示支持原假设的程度,取值范围...