多重假设检验与校正

最新推荐文章于 2024-07-30 11:28:17 发布

cumt-nku-ting

最新推荐文章于 2024-07-30 11:28:17 发布

阅读量3.9k

点赞数 2

分类专栏：假设检验文章标签： matlab 学习

本文链接：https://blog.csdn.net/weixin_46271668/article/details/124340355

版权

假设检验专栏收录该内容

12 篇文章 15 订阅

订阅专栏

一、多重假设检验问题

二、方法

1、Bonferroni校正

2、FalseDiscovery Rate (FDR校正)

参考链接：https://blog.csdn.net/zhu_si_tao/article/details/71077703

一、多重假设检验问题

举一个具体的实例：

我们测量了M个基因在A,B,C,D,E一共5个时间点的表达量，求其中的差异基因，具体做法：

（1）首先做ANOVA，确定这M个基因中有哪些基因至少出现过差异

（2）5个时间点之间两两比较，一共比较5*4/2=10次，则多重假设检验的n=10

（3）每个基因做完10次假设检验后都有10个p-value，做多重假设检验校正（n=10），得到q-value

（4）根据q-value判断在哪两组之间存在差异

通过T检验等统计学方法对每个蛋白进行P值的计算。T检验是差异蛋白表达检测中常用的统计学方法，通过合并样本间可变的数据，来评价某一个蛋白在两个样本中是否有差异表达。

但是由于通常样本量较少，从而对总体方差的估计不很准确，所以T检验的检验效能会降低，并且如果多次使用T检验会显著增加假阳性的次数。

例如，当某个蛋白的p值小于0.05（5%）时，我们通常认为这个蛋白在两个样本中的表达是有差异的。但是仍旧有5%的概率，这个蛋白并不是差异蛋白。那么我们就错误地否认了原假设（在两个样本中没有差异表达），导致了假阳性的产生（犯错的概率为5%）。

如果检验一次，犯错的概率是5%；检测10000次，犯错的次数就是500次，即额外多出了500次差异的结论（即使实际没有差异）。为了控制假阳性的次数，于是我们需要对p值进行多重检验校正，提高阈值。

如果我们考虑一组假设检验同时进行，则产生一次或多次假阳性的概率称为总体第一类错误率。如果进行一次比较，则出现假阳性的概率为α；如果进行m次相互独立的比较，则出现至少一次假阳性的概率，即总体第一类错误率是1-（1-α）^m。当m取值较大时，即便两种条件下样本之间没有任何显著差异，被检测出一个或多个假阳性的概率还是很大的，并不能保证在显著性水平α下，这就是所谓的多重比较问题。

二、方法

1、Bonferroni校正

“最简单严厉的方法”

例如，如果检验1000次，我们就将阈值设定为5%/ 1000 = 0.00005；即使检验1000次，犯错误的概率还是保持在N×1000 = 5%。最终使得预期犯错误的次数不到1次，抹杀了一切假阳性的概率。

通过Boole不等式可以证明这以结论：

Bonferroni校正通过将显著性水平 $\alpha$ 降低到 $\alpha /m$ 的方式，严格控制总体第一类错误率。

Bonferroni校正是对总体第一类错误率的一种强控制。

该方法虽然简单，但是检验过于严格，导致最后找不到显著表达的蛋白（假阴性）。

2、FalseDiscovery Rate (FDR校正)

“比较温和的方法校正P值”（弱控制方法）

FDR校正方法是Benjamini和Hochberg于1995年提出了一种多重比较校正的方法。其实，FDR具体的算法也有多种，如Storey法（由Storey等人提出）、Benjamini-Hochberg法（简称BH法）等。其中BH法目前应用最广，这里主要介绍这种方法的基本原理。

基本原理是通过控制FDR值来决定P值的值域。相对Bonferroni来说，FDR用比较温和的方法对p值进行了校正。其试图在假阳性和假阴性间达到平衡，将假/真阳性比例控制到一定范围之内。例如，如果检验1000次，我们设定的阈值为0.05（5%），那么无论我们得到多少个差异蛋白，这些差异蛋白出现假阳性的概率保持在5%之内，这就叫FDR＜5%。

那么我们怎么从p value 来估算FDR呢，人们设计了几种不同的估算模型。其中使用最多的是Benjamini and Hochberg方法，简称BH法。虽然这个估算公式并不够完美，但是也能解决大部分的问题，主要还是简单好用！

基于BH法的FDR校正过程：

第一步：将我们单独统计得到的一系列的p=[p1,p2,…,pn]从大到小进行重新排序，计为P=[P1,P2,…,Pn]；

第二步：按照以下公式计算每个P值所对应的校正前的FDR值，这里称之为Q值：Q = Pi* (n/r)，Pi表示P中元素值，n是P值个数，r依次为n，n-1,…,1。

第三步：对Q进行校正，得到FDR值。对于计算出来的Q=[Q1,Q2,…,Qn]，若某一个Qi值大于前一位Qi-1值，则把Qi的值赋值为Qi-1；反之则保留相应的Q值。最终得到Q值称之为校正后的FDR值。

第四步：按照重排序之前的顺序返回各个p值对应的校正后的FDR值。

例子：假设p=[0.01, 0.005, 0.03, 0.03, 0.02, 0.04, 0.05]，计算相应的校正后的FDR值。

笔者按照上述步骤，自行编制相应的Matlab程序，计算过程和结果如下：

按照上述第一步步骤，计算得到P=[0.0500, 0.0400, 0.0300, 0.0300, 0.0200, 0.0100, 0.0050];

按照第二步中的方法，计算得到Q=[0.0500, 0.0467, 0.0420, 0.0525, 0.0467, 0.0350, 0.0350]；

按照第三步:得到校正后的FDR值为：FDR=[ 0.0500, 0.0467, 0.0420, 0.0420, 0.0420, 0.0350, 0.0350]；

最后，转换成原来的顺序：FDR=[0.0350, 0.0350, 0.0420, 0.0420, 0.0420, 0.0467, 0.0500].

对于本例来说，如果总体的显著性水平设置为0.05，那么从得到的最后的FDR值来说，这几个p值都具有显著性差异。