利用假设的组结构增强多重检验功效：在过滤拒绝集上控制 FDR
统计方法学
2025-09-22 v1 统计理论
统计理论
摘要
现代生物研究通常涉及对按组或层次结构组织的许多假设进行检验，例如有向无环图 (DAG)。在这些研究中，研究者通常希望在过滤发现结果以获得可解释结果后控制错误发现率 (FDR)。为实现这一目标，Katsevich、Sabatti 和 Bogomolov (2023, Journal of the American Statistical Association, 118(541), 165-176) 开发了一种通用方法 Focused BH，在一定假设下保证对过滤拒绝集进行 FDR 控制。我们通过使用数据依赖的权重对 Focused BH 进行适配，提出了提升其功效的方法。该引入此类权重的通用方法称为加权聚焦 BH (WFBH)。对于 DAG 结构的假设，我们提出了 WFBH 的一个变体，该变体可以通过自适应 DAG 结构并利用假设之间的逻辑关系来提升功效。我们证明了 WFBH 及其针对 DAG 结构假设检验所提出的变体在一定假设下控制过滤后的 FDR。通过模拟实验，我们证明了后者变体对这些假设的偏离具有鲁棒性，并且比可比方法功效显著更强。最后，我们通过将其应用于微生物组和基因表达研究的真实数据集，阐明了其实际用途。
引用
@article{arxiv.2509.15444,
title = {Leveraging the group structure of hypotheses for more powerful multiple testing with FDR control for the filtered rejection set},
author = {Marina Bogomolov and Shinjini Nandi},
journal= {arXiv preprint arXiv:2509.15444},
year = {2025}
}
备注
51 pages, 15 figures