生物网络中的错误发现率
统计方法学
2021-02-05 v3 定量方法
应用统计
摘要
数据的日益可得为许多生物领域中的网络分析带来了前所未有的前景，例如神经科学（如脑网络）、基因组学（如基因-基因相互作用网络）和生态学（如物种相互作用网络）。估计此类网络的一个有力统计框架是高斯图模型，但相应图的标准估计量易于产生大量错误发现。在本文中，我们引入了一种基于 knockoffs 的新图估计量，其模仿未连接节点的偏相关结构。我们展示这一新估计量在理论、模拟和生物应用中保证对错误发现率的准确控制，并提供了易用的 R 代码。
引用
@article{arxiv.1907.03808,
title = {False Discovery Rates in Biological Networks},
author = {Lu Yu and Tobias Kaufmann and Johannes Lederer},
journal= {arXiv preprint arXiv:1907.03808},
year = {2021}
}