错误发现率及其扩展和应用.docVIP

错误发现率及其扩展和应用 王 婷，曾 平 （徐州医学院公共卫生学院，徐州 221002） 介绍多重假设检验中的错误发现率控制和在此基础上发展起来的q值和局部错误发现率。 将BH控制程序、q值和局部错误发现率应用于一个前列腺癌微阵数据的基因差别表达分析，控制和估计错误发现率。 当错误发现率为0.10时通过BH程序得到60个差别表达基因，q值≤0.10的有74个基因，局部错误发现率≤0.10的有31个基因高维数据多重假设检验中能同时控制或估计错误发现率，BH控制程序、q值和局部错误发现率的联合应用能提供更多的信息。 微阵列数据多重假设检验错误发现率q值局部错误发现率前列腺癌 R195.1 文献标识码：A False Discovery Rate and its Extension and Application WANG Ting, ZENG Ping* School of Public Health, Xuzhou medical college, Xuzhou 221002, China 【Abstract】Objective To introduce the multiple hypotheses testing based on the false discovery rate and its extension to q value and local false discovery rate. Methods False discovery rate, q value and local false discovery rate were applied for the analysis of differentially expressed genes concerning a prostate cancer microarray data to control and estimate the false discovery rate. Results It identified 60 differentially expressed genes exploiting the procedure of Benjamini and Hochberg when controlling the false discovery rate below 0.10, 74 genes with q value less than 0.10 and 31 genes with local false discovery rate less than 0.10. Conclusion We can control and estimate false discovery rate simultaneously in multiple comparisons of high-dimensional data. Combining false discovery rate, q value and local false discovery rate provide more information for microarray data analysis. 【Key Words】Microarray data; Multiple hypotheses testing; False discovery rate; Q value; Local false discovery rate; Prostate cancer 以微阵列技术（microarray）和功能磁共振成像（functional magnetic resonance imaging，fMRI）为代表的现代科学技术给生物医学研究带来了革命性的影响，给人们提供了一种从没有过的医学实践方式[1-2]。由此产生的大规模数据也给统计社会带来了前所未有的机遇和挑战，在这类数据中研究者常常需要同时进行上千次的多重假设检验，错误发现率（false discovery rate，FDR）为大规模数据多重检验中的错误控制提供了十分合适的测量指标，受到越来越多的重视[3]。自Benjamini和Hochberg 于1995年的开创性论文以来，关于错误发现率的理论研究和应用得到迅速发展[4]，本文主要以微阵列数据为例介绍多重假设检验中错误发现率的控制和估计，以及在Benjamini和Hochberg（1995）基础上的扩展及其应用。 1 方法和原理 1.1微阵列数据和多重假设检验 微阵列数据一般表示为m×n的矩阵形式，m表示基因数，n表示生物样本，通常只有几个或者几十个。表1给出了一个关于前列腺癌的微阵列实验数据（Singh et al.，2002），包括50个正常对照和52个前列腺癌患者6