עיקרי אַחֵר שיעור גילוי שגוי

שיעור גילוי שגוי

סקירה כללית

תוֹכנָה

תיאור

אתרי אינטרנט

קריאות

קורסים

סקירה כללית

דף זה מתאר בקצרה את שיעור הגילוי השגוי (FDR) ומספק רשימת משאבים מוסברת.

תיאור

בעת ניתוח תוצאות ממחקרים בכל רחבי השטח, לעיתים קרובות נערכים אלפי מבחני השערה בו זמנית. השימוש בשיטת בונפררוני המסורתית לתיקון להשוואה מרובה הוא שמרני מדי, מכיוון שהשמירה מפני התרחשותם של תוצאות חיוביות שגויות תוביל לממצאים רבים שהוחמצו. על מנת להיות מסוגלים לזהות כמה שיותר השוואות משמעותיות תוך שמירה על קצב חיובי כוזב נמוך, נעשה שימוש בשיעור גילוי כוזב (FDR) וערך ה- Q האנלוגי שלו.

הגדרת הבעיה
כאשר אנו מבצעים מבחני השערה, למשל כדי לראות אם שני אמצעים שונים זה מזה באופן משמעותי, אנו מחשבים ערך p, שהוא ההסתברות לקבל נתון מבחן שהוא קיצוני או יותר מזה שנצפה, בהנחה שההשערה האפסית נכונה. אם היה לנו ערך p של 0.03, למשל, זה אומר שאם ההשערה האפסית שלנו נכונה, יהיה סיכוי של 3% להשיג את נתון הבדיקה הנצפה שלנו או קיצוני יותר. מכיוון שמדובר בהסתברות קטנה, אנו דוחים את השערת האפס ואומרים שהאמצעים שונים באופן משמעותי. בדרך כלל אנו רוצים לשמור על הסתברות זו מתחת ל -5%. כאשר אנו קובעים את האלפא שלנו ל -0.05, אנו אומרים כי אנו רוצים שההסתברות שממצא אפס יקרא משמעותי יהיה פחות מ -5%. במילים אחרות, אנו רוצים שההסתברות לשגיאה מסוג I, או חיובי כוזב, תהיה פחות מ -5%.

כאשר אנו עורכים השוואות מרובות (אני אקרא לכל בדיקה תכונה), יש לנו סבירות מוגברת לחיובי שווא. ככל שיש לך יותר תכונות, כך גדל הסיכוי שתכונה null נקראת משמעותית. שיעור חיובי כוזב (FPR), או לפי שיעור שגיאות השוואה (PCER), הוא המספר הצפוי של תוצאות חיוביות שגויות מכל מבחני ההשערה שנערכו. אז אם אנו שולטים ב- FPR באלפא של 0.05, אנו מתחייבים כי אחוז החיובי השקרי (תכונות אפס הנקראות משמעותיות) מכל מבחני ההשערה הוא 5% או פחות. שיטה זו מהווה בעיה כאשר אנו עורכים מספר רב של מבחני השערה. לדוגמא, אם היינו עוסקים במחקר בכל רחבי הבדיקה של ביטוי גנים דיפרנציאלי בין רקמת גידול לרקמה בריאה, ובדקנו 1000 גנים ושלטנו ב- FPR, בממוצע 50 גנים אפסיים ייקראו משמעותיים. שיטה זו היא ליברלית מדי מכיוון שאיננו רוצים לקבל מספר כה רב של תוצאות כוזבות.

בדרך כלל, נהלי השוואה מרובים שולטים בשיעור השגיאה המשפחתית (FWER) במקום זאת, וזה ההסתברות לקבל חיוב כוזב אחד או יותר מכל מבחני ההשערה שנערכו. התיקון הנפוץ של Bonferroni שולט ב- FWER. אם אנו בודקים כל השערה ברמת מובהקות של (אלפא / # מבחני השערה), אנו מתחייבים שההסתברות לקיים תוצאה חיובית כזו או יותר קטנה מאלפא. אז אם אלפא היה 0.05 ואנחנו בודקים את 1000 הגנים שלנו, היינו בודקים כל ערך p ברמת מובהקות של 0.00005 כדי להבטיח שההסתברות לקיים תוצאה חיובית כזו או יותר היא 5% או פחות. עם זאת, השמירה מפני כל חיובי כוזב בודד עשויה להיות קפדנית מדי למחקרים ברחבי העולם, ועלולה להוביל לממצאים רבים שהוחמצו, במיוחד אם אנו מצפים שיהיו הרבה תוצאות חיוביות אמיתיות.

מהי ניתוח תוכן במחקר איכותני

שליטה בשיעור הגילוי הכוזב (FDR) היא דרך לזהות כמה שיותר תכונות משמעותיות תוך היווצרות חלק נמוך יחסית של תוצאות חיוביות שגויות.

שלבים לבקרת שיעור גילוי כוזב:

  • שליטה על FDR ברמה α * (כלומר, נשלטת הרמה הצפויה של תגליות כוזבות חלקי המספר הכולל של תגליות)

E [V⁄R]

  • חישוב ערכי p עבור כל מבחן וסדר השערה (הקטן לגדול ביותר, P (דקות) ...…. P (מקסימום))

  • עבור ערך ה- p שהוזמן בדוק אם הדברים מתקיימים:

    האם תיבת הדרקון חוקית

P (i) ≤ α × i / m

אם נכון, אז משמעותי

* מגבלה: אם שיעור השגיאות (α) גדול מאוד עלול להוביל למספר מוגבר של תוצאות חיוביות שגויות בקרב תוצאות משמעותיות

שיעור הגילוי השגוי (FDR)

ה- FDR הוא השיעור שהתכונות הנקראות משמעותיות באמת אפסיות.
FDR = צפוי (# חיזויים כוזבים / # חיזויים סה'כ)

ה- FDR הוא השיעור שהתכונות הנקראות משמעותיות באמת אפסיות. FDR של 5% פירושו שבין כל התכונות הנקראות משמעותיות, 5% מכל אלה באמת אפסים. בדיוק כפי שאנו מגדירים את אלפא כסף עבור ערך ה- p לשליטה ב- FPR, אנו יכולים גם לקבוע סף עבור ערך ה- q, שהוא האנלוג FDR של ערך ה- p. סף ערך p (אלפא) של 0.05 מניב FPR של 5% בקרב כל התכונות האפסיות באמת. סף ערך q של 0.05 מניב FDR של 5% בין כל התכונות הנקראות משמעותיות. ערך ה- q הוא הפרופורציה הצפויה של תוצאות חיוביות שגויות בין כל התכונות כקיצוניות או יותר מזו שנצפתה.

במחקר שלנו על 1000 גנים, נניח שלגן Y היה ערך p של 0.00005 וערך q של 0.03. ההסתברות שסטטיסטיקה של גן של ביטוי שאינו דיפרנציאלי תהיה קיצונית או יותר כמו שנתון הבדיקה לגן Y הוא 0.00005. עם זאת, נתוני הבדיקה של גן Y עשויים להיות קיצוניים מאוד, ואולי נתון בדיקה זה אינו סביר לגן המובע באופן דיפרנציאלי. בהחלט יתכן שיש באמת גנים שבאים לידי ביטוי דיפרנציאלי עם סטטיסטיקה של בדיקות פחות קיצוניים מגן Y. שימוש בערך q של 0.03 מאפשר לנו לומר ש -3% מהגנים הם קיצוניים או יותר (כלומר הגנים שיש להם p- נמוך יותר). ערכים) כגן Y הם תוצאות חיוביות כוזבות. שימוש בערכי q מאפשר לנו להחליט כמה תוצאות חיוביות שגויות אנו מוכנים לקבל בין כל התכונות שאנו מכנים משמעותיות. זה שימושי במיוחד כאשר אנו רוצים לבצע מספר רב של תגליות לאישור נוסף בהמשך (כלומר מחקר פיילוט או ניתוחים חקרניים, למשל אם עשינו מיקרו מערך ביטוי גנים כדי לבחור גנים שהביעו דיפרנציאלי לאישור באמצעות PCR בזמן אמת). זה שימושי גם במחקרים בכל רחבי העולם שבהם אנו מצפים שחלק ניכר מהתכונות יהיה אלטרנטיבי באמת ואיננו רוצים להגביל את יכולת הגילוי שלנו.

ל- FDR יש כמה מאפיינים שימושיים. אם כל השערות האפס נכונות (אין תוצאות חלופיות באמת) FDR = FWER. כאשר יש מספר היפותזות חלופיות באמת, שליטה ב- FWER שולטת באופן אוטומטי גם ב- FDR.

כוחה של שיטת ה- FDR (כזכור שכוח הוא ההסתברות לדחות את השערת האפס כשהאלטרנטיבה נכונה) גדול באופן אחיד משיטות בונפרוני. יתרון הכוח של ה- FDR על פני שיטות ה- Bonferroni גדל עם מספר הולך וגדל של מבחני השערה.

הערכת ה- FDR
(מקומה וטיבשיראני, 2003)

הגדרות: t: סף V: # של תוצאות חיוביות שגויות S: # של תכונות הנקראות significantm0: # של תכונות אפס באמת m: סך כל מבחני ההשערה (תכונות)
ה- FDR בסף מסוים, t, הוא FDR (t). FDR (t) ≈ E [V (t)] / E [S (t)] -> ניתן להעריך את ה- FDR בסף מסוים כ- # החיובי השקרי הצפוי באותו סף חלקי מספר התכונות הצפוי הנקרא משמעותי בסף זה.
כיצד אנו מעריכים את E [S (t)]?
E [S (t)] הוא פשוט S (t), מספר ערכי ה- p הנצפים ≤ t (כלומר מספר התכונות שאנו מכנים משמעותיות בסף הנבחר). ההסתברות שערך p p הוא ≤ t הוא t (כאשר אלפא = 0.05, קיימת סבירות של 5% שתכונה null באמת יש ערך p שנמצא במקרה מתחת לסף ולכן נקרא משמעותי).
כיצד אנו מעריכים את E [V (t)]?
E [V (t)] = m0 * t -> המספר הצפוי של תוצאות חיוביות שגויות עבור סף נתון שווה למספר המאפיינים האפסיים באמת כפול ההסתברות שתכונה אפס תיקרא משמעותית.
כיצד אנו מעריכים את m0?
הערך האמיתי של m0 אינו ידוע. אנו יכולים לאמוד את שיעור התכונות שאכן אפסיות, m0 / m = π0.
אנו מניחים שערכי p של מאפייני null יחולקו באופן אחיד (בעלי התפלגות שטוחה) בין [0,1]. גובה ההתפלגות השטוחה נותן אומדן שמרני של השיעור הכולל של ערכי p null, π0. לדוגמה, התמונה למטה שנלקחה מ- Storey ו- Tibshirani (2003) היא היסטוגרמת צפיפות של 3000 ערכי p עבור 3000 גנים ממחקר של ביטוי גנים. הקו המקווקו מייצג את גובה החלק השטוח של ההיסטוגרמה. אנו מצפים שתכונות אפסיות באמת יהוו את ההתפלגות השטוחה הזו מ- [0,1], ותכונות חלופיות באמת יהיו קרובות יותר ל -0.

π0 מכמת כ- איפה למבדה הוא פרמטר הכוונון (למשל בתמונה שלמעלה נבחר למבדה = 0.5, שכן אחרי ערך p של 0.5 ההתפלגות שטוחה למדי. שיעור התכונות האפסיות באמת שווה למספר p -ערכים הגדולים מלמדה חלקי מ '(1-למבדה). ככל שהלמדה מתקרבת ל -0 (כשרוב ההתפלגות שטוחה), המכנה יהיה בערך מ', וכך גם המונה מכיוון שרוב ערכי ה- p יהיו גדולים יותר מאשר למבדה, ו- π0 יהיה בערך 1 (כל התכונות בטלות).
הבחירה בממבה בדרך כלל אוטומטית על ידי תוכניות סטטיסטיות.

כעת, לאחר שהערכנו את π0, אנו יכולים לאמוד את FDR (t) כ-
המונה למשוואה זו הוא רק המספר הצפוי של תוצאות חיוביות שגויות, שכן π0 * m הוא המספר המשוער של השערות אפסיות באמת ו- t הוא ההסתברות שתכונה אפסית באמת תיקרא משמעותית (להיות מתחת לסף t). המכנה, כפי שאמרנו לעיל, הוא פשוט מספר התכונות הנקראות משמעותיות.
ערך ה- q עבור תכונה הוא אז ה- FDR המינימלי שניתן להשיג כאשר קוראים לתכונה זו משמעותית.

(הערה: ההגדרות שלעיל מניחות כי m הוא גדול מאוד, ולכן S> 0. כאשר S = 0 ה- FDR אינו מוגדר, כך בספרות הסטטיסטית הכמות E [V /? S? | S> 0]? * Pr (S> 0) משמש כ- FDR. לחלופין, משתמשים ב- FDR (pFDR) החיובי, שהוא E [V / S? | S> 0]. ראה בנימיני והוכברג (1995) ו- Storey and Tibshirani (2003) למידע נוסף.)

קריאות

ספרי לימוד ופרקים

התקדמות אחרונה בביוסטיסטיקה (כרך 4):
שיעורי גילוי שגויים, ניתוח הישרדות ונושאים קשורים
נערך על ידי Manish Bhattacharjee (המכון הטכנולוגי של ניו ג'רזי, ארה'ב), Sunil K Dhar (המכון הטכנולוגי של ניו ג'רזי, ארה'ב), ו- Sundarraman Subramanian (המכון הטכנולוגי של ניו ג'רזי, ארה'ב).
http://www.worldscibooks.com/lifesci/8010.html
הפרק הראשון של ספר זה מספק סקירה של נהלי בקרת FDR שהוצעו על ידי סטטיסטיקאים בולטים בתחום, ומציע שיטה אדפטיבית חדשה השולטת ב- FDR כאשר ערכי ה- p אינם תלויים או תלויים באופן חיובי.

ביוסטטיסטיקה אינטואיטיבית: מדריך לא מתמטי לחשיבה סטטיסטית
מאת הארווי מוטולסקי
http://www.amazon.com/Intuitive-Biostatistics-Nonmathematical-Statistical-Thinking/dp/product-description/0199730067
זהו ספר סטטיסטיקה שנכתב עבור מדענים חסרי רקע סטטיסטי מורכב. חלק ה ', אתגרים בסטטיסטיקה, מסביר במונחי הדיוט את בעיית ההשוואות המרובות ואת הדרכים השונות להתמודד איתה, כולל תיאורים בסיסיים של שיעור השגיאות המשפחתי ו- FDR.

הסקה בקנה מידה גדול: שיטות Bayes אמפיריות לאמידה, בדיקה וחיזוי
מאת אפרון, ב '(2010). המכון למונוגרפיות לסטטיסטיקה מתמטית, הוצאת אוניברסיטת קיימברידג '.
http://www.amazon.com/gp/product/0521192498/ref=as_li_ss_tl?ie=UTF8&tag=chrprobboo-20&linkCode=as2&camp=1789&creative=390957&creativeASIN=0521192498
זהו ספר הבודק את מושג ה- FDR ובוחן את ערכו לא רק כהליך אומדן אלא גם כאובייקט לבדיקת משמעות. המחבר מספק גם הערכה אמפירית של דיוק הערכות ה- FDR.

מאמרים מתודולוגיים

בנימיני, י 'וי' הוכברג (1995). שליטה בשיעור הגילוי השגוי: גישה מעשית ועוצמתית לבדיקות מרובות. כתב העת של החברה הסטטיסטית המלכותית. סדרה ב '(מתודולוגית) 57 (1): 289-300.
מאמר זה משנת 1995 היה התיאור הרשמי הראשון של FDR. המחברים מסבירים מתמטית כיצד ה- FDR מתייחס לשיעור השגיאות המשפחתי (FWER), מספקים דוגמה פשוטה לשימוש ב- FDR, ומבצעים מחקר סימולציה המדגים את כוחו של הליך ה- FDR בהשוואה להליכים מסוג Bonferroni.

קומה, ג'יי ד 'ור' טיבשיראני (2003). משמעות סטטיסטית למחקרים בכל רחבי העולם. הליכי האקדמיה הלאומית למדעים 100 (16): 9440-9445.
מאמר זה מסביר מהו ה- FDR ומדוע הוא חשוב למחקרים בכל רחבי העולם, ומסביר כיצד ניתן לאמוד את ה- FDR. זה נותן דוגמאות למצבים בהם ה- FDR יהיה שימושי, ומספק דוגמה לעבודה כיצד המחברים השתמשו ב- FDR לניתוח נתוני ביטוי גנים דיפרנציאלי של מערך מיקרו.

קומה JD. (2010) שיעורי גילוי שגויים. באנציקלופדיה הבינלאומית למדע הסטטיסטי, לובריק מ '(עורך).
מאמר טוב מאוד שצופה על בקרת FDR, ה- FDR החיובי (pFDR) והתלות. מומלץ לקבל סקירה פשוטה של ​​ה- FDR והשיטות הנלוות להשוואה מרובה.

ריינר A, יקותיאלי ד ', בנימיני י: זיהוי גנים המובעים באופן דיפרנציאלי באמצעות פרוצדורות שליטה בקצב גילוי שגוי. ביואינפורמטיקה 2003, 19 (3): 368-375.
מאמר זה משתמש בנתוני מיקרו מערך מדומים כדי להשוות בין שלושה נהלי בקרת FDR מבוססי דגימה מחדש לנוהל בנימיני-הוכברג. דגימה מחודשת של סטטיסטיקות הבדיקה נעשית כדי לא להניח את התפלגות נתוני הבדיקה של הביטוי הדיפרנציאלי של כל גן.

Verhoeven KJF, Simonsen KL, McIntyre LM: יישום בקרת קצב גילוי שגוי: הגדלת כוחך. Oikos 2005, 108 (3): 643-647.
מאמר זה מסביר את הליך בנימיני-הוכברג, מספק דוגמה לסימולציה, ודן בהתפתחויות האחרונות בתחום ה- FDR שיכולים לספק יותר כוח משיטת ה- FDR המקורית.

סטן פאונד וצ'נג צ'נג (2004) שיפור הערכת שיעור גילוי שגוי ביואינפורמטיקה כרך. 20 לא. 11 2004, עמודים 1737–1745.
מאמר זה מציג שיטה הנקראת היסטוגרמת הרווחים LOESS (SPLOSH). שיטה זו מוצעת לאמידת ה- FDR המותנה (cFDR), השיעור הצפוי של תוצאות חיוביות שגויות המותנה בכך שיש ממצאים 'משמעותיים'.

דניאל יקותיאלי, יואב בנג'מיני (1998) קצב גילוי כוזב מבוסס דגימה השולט בהליכי בדיקה מרובים לסטטיסטיקה מתואמת של כתב העת Journal of Statistical Planning and Inference 82 (1999) 171-196.
מאמר זה מציג נוהל בקרה חדש של FDR לטיפול בסטטיסטיקה של בדיקות המתואמים זה עם זה. השיטה כוללת חישוב ערך p מבוסס על דגימה מחדש. מאפיינים של שיטה זו מוערכים באמצעות מחקר סימולציה.

יואב בנג'מיני ודניאל יקותיאלי (2001) השליטה בשיעור הגילוי השקרי בבדיקות מרובות בתלות The Annals of Statistics 2001, Vol. 29, מס '4, 1165–1188.
שיטת FDR שהוצעה במקור הייתה לשימוש בבדיקות השערה מרובות של סטטיסטיקה בלתי תלויה של הבדיקה. מאמר זה מראה כי שיטת ה- FDR המקורית שולטת גם ב- FDR כאשר לסטטיסטיקה של הבדיקה יש תלות רגרסיה חיובית בכל אחת מסטטיסטיקות הבדיקה המתאימות להשערת האפס האמיתית. דוגמה לסטטיסטיקה תלויה של בדיקות תהיה בדיקת נקודות קצה מרובות בין קבוצות הטיפול לביקורת בניסוי קליני.

John D. Storey (2003) שיעור הגילוי השקרי החיובי: פרשנות בייסיאנית וערך q The Annals of Statistics 2003, Vol. 31, מס '6, 2013–2035.
מאמר זה מגדיר את קצב גילוי השווא החיובי (pFDR), שהוא המספר הצפוי של תוצאות חיוביות שגויות מכל הבדיקות הנקראות משמעותיות בהתחשב בכך שיש לפחות ממצא חיובי אחד. העיתון מספק גם פרשנות בייסית ל- pFDR.

פעמים חדשות נגד אותנו

Yudi Pawitan, Stefan Michiels, Serge Koscielny, Arief Gusnanto, and Alexander Ploner (2005) שיעור גילוי שגוי, רגישות וגודל מדגם למחקרי מיקרו מערך ביואינפורמטיקה כרך. 21 לא. 13 2005, עמודים 3017-3024.
מאמר זה מתאר שיטה לחישוב גודל המדגם למחקר השוואתי של שני דגימות המבוסס על בקרת FDR ורגישות.

Grant GR, Liu J, Stoeckert CJ Jr. (2005) גישה מעשית לגילוי שגוי לזיהוי דפוסי ביטוי דיפרנציאלי בנתוני מיקרו מערך. ביואינפורמטיקה. 2005, 21 (11): 2684-90.
מחברים מתארים את שיטות הערכת התמורות ודנים בסוגיות הנוגעות לבחירת החוקרים בשיטות סטטיסטיקה ושינוי נתונים. נחקר גם אופטימיזציה של הספק הקשורה לשימוש בנתוני מיקרו מערך.

אוהד ג'יאנקינג, פרדריק ל. מור, שו האן, וויג'י גו, הערכת שיעור גילוי שגוי בתלות שרירותית בשונות שונות. J Am Stat Assoc. 2012; 107 (499): 1019-1035.
מאמר זה מציע ומתאר שיטה לבקרה על FDR המבוססת על קירוב גורמים עיקרי של מטריצת המשתנות לסטטיסטיקה של הבדיקה.

מאמרי יישום

Han S, Lee K-M, Park SK, Lee JE, Ahn HS, Shin HY, Kang HJ, Koo HH, Seo JJ, Choi JE et al: מחקר גנוני רחב של לוקמיה לימפובלסטית חריפה בילדות בקוריאה. מחקר לוקמיה 2010, 34 (10): 1271-1274.
זה היה מחקר של איגוד כל הגנום (GWAS) שבדק מיליון פולימורפיזמים של נוקלאוטיד יחיד (SNP) לצורך קשר עם לוקמיה לימפובלסטית פעילה בילדות (ALL). הם שלטו ב- FDR ב- 0.2 ומצאו כי 6 SNPs ב -4 גנים שונים קשורים חזק לכול הסיכון.

Pedersen, K. S., Bamlet, W. R., Oberg, A. L., de Andrade, M., Matsumoto, M. E., Tang, H., Thibodeau, S. N., Petersen, G. M. and Wang, L. (2011). חתימת מתילציה של ה- DNA בלוקוציט מבדילה בין חולי סרטן הלבלב לביקורת בריאה. PLoS ONE 6, e18223.
מחקר זה נשלט על FDR<0.05 when looking for differentially methylated genes between pancreatic adenoma patients and healthy controls to find epigenetic biomarkers of disease.

דניאל וו. לין, ליזל מ 'פיצג'רלד, רונג פו, אריקה מ' קווון, סיקון לילי ג'נג, סוזן ואל. וריאציות גנטיות בגנים LEPR, CRY1, RNASEL, IL4 ו- ARVCF הם סמנים פרוגנוסטיים של ספציפי לסרטן הערמונית. תמותה (2011), הסמנים הביולוגיים של סרטן אפידמיול הקודם .2011; 20: 1928-1936. מחקר זה בחן את השונות בגנים המועמדים שנבחרו הקשורים להופעת סרטן הערמונית במטרה לבדוק את ערכו הפרוגנוסטי בקרב אנשים בסיכון גבוה. FDR שימש לדירוג פולימורפיזמים בודדים של נוקליאוטידים (SNP) ולזהות קטעי עניין בדירוג העליון.

Radom-Aizik S, Zaldivar F, Leu S-Y, Adams GR, Oliver S, Cooper DM: ההשפעות של פעילות גופנית על ביטוי microRNA אצל גברים צעירים תאים חד-גרעיניים בדם היקפיים. מדע קליני ותרגומי 2012, 5 (1): 32-38.
מחקר זה בחן את השינוי בביטוי מיקרו-רנ'א לפני ואחרי האימון באמצעות מיקרו מערך. הם השתמשו בהליך בנימיני-הוכברג כדי לשלוט ב- FDR ב 0.05, ומצאו ש 34 מתוך 236 מיקרו-רנ'א באים לידי ביטוי באופן דיפרנציאלי. החוקרים בחרו אז מיקרו-רנ'א מבין 34 אלו כדי לאשר אותם באמצעות PCR בזמן אמת.

המכללה הטובה ביותר בניו יורק

אתרי אינטרנט

חבילה סטטיסטית R
http://genomine.org/qvalue/results.html
קוד R מסומן המשמש לניתוח נתונים במאמר Storey and Tibshirani (2003), כולל קישור לקובץ הנתונים. ניתן להתאים קוד זה לעבודה עם כל נתוני המערך.

http://www.bioconductor.org/packages/release/bioc/html/qvalue.html
חבילת qvalue ל- R.

http://journal.r-project.org/archive/2009-1/RJournal_2009-1.pdf

פרויקט Journal R הוא פרסום עם עמיתים ופתוח גישה של קרן R למחשוב סטטיסטי. כרך זה מספק מאמר שכותרתו 'אומדן גודל המדגם תוך כדי שליטה בשיעורי גילוי שגויים לניסויים במיקרו-מערך' מאת מייגן אור ופנג ליו. ניתנים פונקציות ספציפיות ודוגמאות מפורטות.

http://strimmerlab.org/notes/fdr.html
אתר זה מספק רשימה של תוכנות R לניתוח FDR, עם קישורים לדפי הבית שלהם לתיאור תכונות החבילה.

SAS
http://support.sas.com/documentation/cdl/en/statug/63347/HTML/default/viewer.htm#statug_multtest_sect001.htm
תיאור של PROC MULTTEST ב- SAS, המספק אפשרויות לשליטה ב- FDR בשיטות שונות.

מדינה
http://www.stata-journal.com/article.html?article=st0209
מספק פקודות STATA לחישוב ערכי q להליכי בדיקה מרובה (חישוב ערכי q מותאמים FDR).

משאבי רשת FDR_ כללי
http://www.math.tau.ac.il/~ybenja/fdr/index.htm
אתר המנוהל על ידי הסטטיסטיקאים באוניברסיטת תל אביב שהציגו לראשונה רשמית את ה- FDR.

http://www.math.tau.ac.il/~ybenja/
לאתר FDR זה יש הרבה הפניות. הרצאה בנושא FDR זמינה לבדיקה.

http://www.cbil.upenn.edu/PaGE/fdr.html
הסבר נחמד ותמציתי על FDR. סיכום שימושי במבט אחד עם דוגמה.

http://www.rowett.ac.uk/~gwh/False-positives-and-the-qvalue.pdf
סקירה קצרה של תוצאות חיוביות שגויות וערכי q.

קורסים

הדרכה בנושא בקרת גילוי שגוי מאת כריסטופר ר 'ג'נובזה המחלקה לסטטיסטיקה באוניברסיטת קרנגי מלון.
Powerpoint זה הוא הדרכה יסודית מאוד למי שמעוניין ללמוד את הבסיס המתמטי של ה- FDR ואת הווריאציות על ה- FDR.

בדיקות מרובות מאת יהושע אייקי, המחלקה למדעי הגנום, אוניברסיטת וושינגטון.
Powerpoint זה מספק הבנה אינטואיטיבית מאוד של השוואות מרובות ו- FDR. הרצאה זו טובה למי שמחפש הבנה פשוטה של ​​ה- FDR ללא הרבה מתמטיקה.

הערכת שיעור גילוי השווא המקומי בזיהוי ביטוי דיפרנציאלי בין שתי כיתות.
מצגת מאת ג'פרי מקלאכלן, פרופסור, אוניברסיטת קווינסלנד, אוסטרליה.
www.youtube.com/watch?v=J4wn9_LGPcY
הרצאת וידיאו זו הועילה ללמוד על ה- FDR המקומי, המהווה את ההסתברות שההשערה הספציפית תהיה נכונה, בהתחשב בנתון הבדיקה הספציפי שלה או בערך ה- p.

נהלי בקרת שיעור שגוי לבדיקות דיסקרטיות
מצגת מאת רות הלר, פרופסור, המחלקה לסטטיסטיקה ומחקר תפעול. אוניברסיטת תל אביב
http://www.youtube.com/watch?v=IGjElkd4eS8
הרצאת וידאו זו הועילה ללמוד על יישום בקרת FDR על נתונים בדידים. נדון בכמה הליכי עלייה וירידה לבקרת FDR בעת התמודדות עם נתונים נפרדים. נבדקות חלופות שלוקחות בסופו של דבר להגדיל את הכוח.

מאמרים מעניינים

בחירת העורך

המכונה שיכולה לקרוא את דעתך
המכונה שיכולה לקרוא את דעתך
במרכז המחקר לתהודה מגנטית בקולומביה, מדענים חושפים את הבסיס העצבי של מחשבות, זיכרונות ורגשות אנושיים - וחולקים את ההבטחה של טכנולוגיית סריקת מוח חדישה עם העולם.
עורך דין לזכויות אדם מניגריה הוענק מלגת בייקר מקנזי לשנת 2020–2021
עורך דין לזכויות אדם מניגריה הוענק מלגת בייקר מקנזי לשנת 2020–2021
הלרי מדוקה 21 LL.M., תומכת מוכשרת לאוכלוסיות מוחלשות, הוענקה על ידי משרד עורכי הדין העולמי בסך 50,000 דולר.
ברנדנבורג נ. אוהיו
ברנדנבורג נ. אוהיו
חופש הביטוי העולמי של קולומביה מבקש לקדם את ההבנה של הנורמות והמוסדות הבינלאומיים המגנים בצורה הטובה ביותר על זרימת המידע והביטוי החופשית בקהילה גלובלית מקושרת זו עם אתגרים נפוצים גדולים להתמודד איתם. כדי להשיג את משימתה, חופש הביטוי הגלובלי מתחייב ומזמין פרויקטים של מחקר ומדיניות, מארגן אירועים וכנסים, ומשתתף בתורמים לוויכוחים עולמיים בנושא הגנה על חופש הביטוי והמידע במאה ה -21.
קומפנה ומזארה נ 'רומניה
קומפנה ומזארה נ 'רומניה
חופש הביטוי העולמי של קולומביה מבקש לקדם את ההבנה של הנורמות והמוסדות הבינלאומיים המגנים בצורה הטובה ביותר על זרימת המידע והביטוי החופשית בקהילה גלובלית מקושרת זו עם אתגרים נפוצים גדולים להתמודד איתם. כדי להשיג את משימתה, חופש הביטוי הגלובלי מתחייב ומזמין פרויקטים של מחקר ומדיניות, מארגן אירועים וכנסים, ומשתתף בתורמים לוויכוחים עולמיים בנושא הגנה על חופש הביטוי והמידע במאה ה -21.
ביולוגיה אבולוציונית
ביולוגיה אבולוציונית
מחקר על יהודים אשכנזים פותח חלון גנומי
מחקר על יהודים אשכנזים פותח חלון גנומי
האוכלוסייה היהודית האשכנזית מילאה תפקיד חשוב בחקר הגנטיקה האנושית בגלל היסטוריית הבידוד הדמוגרפי שלה. מכיוון שליהודים האשכנזים יש מעט וריאציות גנטיות בקרבם, המדענים מתקשים יחסית לאתר גנים חריגים שמגדילים את הסיכון למחלות - תובנות שיכולות להוביל לאבחון וטיפולים רפואיים טובים יותר עבור כולם.
סיטיזנס יונייטד נגד ועדת הבחירות הפדרלית
סיטיזנס יונייטד נגד ועדת הבחירות הפדרלית
חופש הביטוי העולמי של קולומביה מבקש לקדם את ההבנה של הנורמות והמוסדות הבינלאומיים המגנים בצורה הטובה ביותר על זרימת המידע והביטוי החופשית בקהילה גלובלית מקושרת זו עם אתגרים נפוצים גדולים להתמודד איתם. כדי להשיג את משימתה, חופש הביטוי הגלובלי מתחייב ומזמין פרויקטים של מחקר ומדיניות, מארגן אירועים וכנסים, ומשתתף בתורמים לוויכוחים עולמיים בנושא הגנה על חופש הביטוי והמידע במאה ה -21.