允许非期望变异的经验贝叶斯收缩与错误发现率估计

我们结合了大规模基因组学实验分析中的两个重要思想（例如旨在鉴定在两种条件间差异表达的基因的实验）。第一个是使用经验贝叶斯（EB）方法来处理大量潜在的稀疏效应，并估计错误发现率及相关量。第二个是使用因子分析方法来处理诸如批次效应和未测量的混杂因素等非期望变异来源。我们描述了一种简单的模块化拟合程序，结合了这两条研究路线的关键思想。这产生了新的、强大的EB方法，用于分析同时考虑稀疏效应和非期望变异的基因组学实验。在真实模拟中，这些新方法在功效和校准方面均优于竞争方法。在实际数据分析中，我们发现不同方法虽然在概念上常常相似，但在统计显著性评估上可能差异很大。这凸显了在方法选择和结果解释上均需谨慎。本文引入的所有方法均在R包vicar中实现，可在https://github.com/dcgerard/vicar获取。