基于多重竞争的肽段检测 FDR 控制
统计方法学
2019-11-14 v2 应用统计
摘要
基于竞争的 FDR（false discovery rate，错误发现率）控制已在计算质谱学界被广泛使用十余年（Elias and Gygi, 2007）。近来，在 Barber and Candes (2015) 于包含特征选择问题的更一般设定下奠定其理论基础后，该方法在其他领域也获得了显著关注。在这两种情况下，竞争都基于观测得分与相应诱饵/knockoff 之间的两两比较。Keich and Noble (2017b) 最近展示了在解决将肽序列分配给观测质谱的问题时，使用多个而非单个诱饵的一些优势。在本工作中，我们考虑一个相关问题——基于一组质谱检测肽段——并开发了一个使用多重零得分的基于竞争的 FDR 控制新框架。在该框架内，我们提供了若干方法，均基于一种在有限样本设定下严格控制系统 FDR 的新程序。利用真实数据研究肽段检测问题，我们表明，相对于现有的单诱饵方法，我们的方法在较小 FDR 阈值下可将发现的肽段数量提高多达 50%。
引用
@article{arxiv.1907.01458,
title = {Multiple competition-based FDR control for peptide detection},
author = {Kristen Emery and Syamand Hasam and William Stafford Noble and Uri Keich},
journal= {arXiv preprint arXiv:1907.01458},
year = {2019}
}
备注
Numerous changes from the initial submission including an expanded section on peptide detection (context/motivation and results), refocused and streamlined methods development section, revised and more selective figures reflecting the most recent analysis