一种提供更高分辨率和稳健阈值的加窗局部 fdr 估计器

动机：在微阵列分析中，必须特别考虑多重统计检验问题，通常对 p 值进行调整以控制族wise错误率（FWER）或错误发现率（FDR）。已有建议采用 FDR 指标控制假阳性，然而，p 值接近阈值的基因比 p 值极低的基因有更高概率为假阳性。局部 FDR（fdr）指标给出检验统计量邻近处的假阳性数量。我们提出一种使用窗口而非分箱的新的 fdr 估计器，并定义启发式方法，利用估计器中的波动确定用于分类差异表达的稳健阈值。结果：我们的 fdr 方法估计 p 值窗口内的错误发现率。我们提出推导稳健 fdr 阈值的启发式方法，使得 fdr 阈值的显著变化导致被拒绝假设数目的微小变化。我们使用两个模拟数据集和一个癌症微阵列数据集将这些阈值与其他方法的阈值进行比较。在后者中，我们的估计器发现两个稳健阈值。由于我们的 fdr 估计器是 FDR 指标的扩展，它可用于许多 FDR 估计方法。可用性：实现所提估计器的 R 函数可在 http://www.dbi.tju.edu/dbi/tools/fdr 获取。联系：[email protected] 补充信息：补充图表与代码可在 http://www.dbi.tju.edu/dbi/tools/fdr 获取。