1. 超几何分布
根据维基百科，超几何分布描述了由有限个对象中抽出n个对象，成功抽出指定种类的对象的个数（抽出不放回 （without replacement））
例如在有N个样本，其中K个是不及格的。超几何分布描述了在该N个样本中抽出n个，其中k个是不及格的概率：
道理都懂，但公式为啥长这样？
举个简单通俗好理解的栗子：
100张彩票中有10个有奖，如果我抽了20个，求有4个彩票中奖的概率，怎么求？
高中知识：有4个彩票中奖，就是从10个中奖的彩票里抽到了4个
(
10
4
)
\binom{10}{4}
(410) , 再从没奖的里面抽到6个
(
100
−
10
6
)
\binom{100-10}{6}
(6100−10) , 除以从100个彩票中抽20个
(
100
20
)
\binom{100}{20}
(20100)
P
(
k
=
4
)
=
(
10
4
)
(
100
−
10
6
)
/
(
100
20
)
P(k = 4) = \binom{10}{4} \binom{100-10}{6} /\binom{100}{20}
P(k=4)=(410)(6100−10)/(20100)
2. fisher exact test
对上面的问题列个表，用符号代替实际数字：
| 抽的a+c个 | 没抽到的b+d个 | |
|---|---|---|
| 总中奖样本a+b个 | a | b |
| 总没奖样本c+d个 | c | d |
a + b + c + d =n
把问题换一下，现在已知抽到了a个中奖的彩票，想问，这一共a+b个中奖彩票，这一把在抽到的a+c个和没抽到的b+d个里分布不均的可能性有多大？就是想计算一下我这把抽奖，是个“欧皇”还是“非酋”。
这样就要用到Fisher’s exact test:
是不是很眼熟？？ 这就是上面那个P(k = 4)公式啊亲！一毛一样！
算出了概率统计值，我们要对这个结果求统计显著性（pvalue）
p-value = the sum of the probabilities for all tables having a probability equal to or smaller than that observed.
简单来说，对于最初的彩票问题，如果我们观测到P(k=4)=0.06，那么就把概率P(k=1)到P(k = 10)的结果全部算出来，然后把那些小于或者等于P(k=4)的概率值求和，得到的就是fisher exact test 的 pvalue. （pvlue为什么这样算看这里：史上最通俗易懂 pvalue）
3. gene over representation analysis （ORA）
轮到基因富集分析了。富集分析说白了就是把我们感兴趣的基因对应到各种pathway/GO 公共数据集上去，然后进行各种假设检验看显著性。
举个栗子：假设我们检测了10000个基因， 其中100个是差异表达基因/ 我们感兴趣的基因。其中，有40个基因在某一个pathway上，这个pathway上有150个gene。那么，我们就想知道，这种情况（抽100个中命中40个）的罕见情况。仍然画个图：
| 抽的100个基因 | 没抽到的10000-100个gene | |
|---|---|---|
| pathway上总共150个gene | 40 | 110 |
| 不在这个pathway上一共10000-150个gene | 60 | 10000-150-60 |
这不就还是买彩票中奖问题么。解答过程不做赘述。
唯一需要留意的是，这里只展示了怎么对一个pathway的gene set进行计算，一般ORA是要对所有的pathway/GO 进行计算，得到每一个pathway的p-value，这就成了一个multiple hypothesis testing 问题，需要对p-value进行校正。
校正方法可以用Bonferroni correction， FDR 之类的。
8883
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
