رئيسي آخر معدل الاكتشاف الخاطئ

معدل الاكتشاف الخاطئ

ملخص

برمجة

وصف

مواقع الويب

قراءة٪ s

الدورات

ملخص

تصف هذه الصفحة بإيجاز معدل الاكتشاف الخاطئ (FDR) وتوفر قائمة موارد مشروحة.

وصف

عند تحليل نتائج الدراسات على مستوى الجينوم ، غالبًا ما يتم إجراء الآلاف من اختبارات الفرضيات في وقت واحد. يعد استخدام طريقة Bonferroni التقليدية لتصحيح المقارنات المتعددة متحفظًا للغاية ، نظرًا لأن الحماية من حدوث الإيجابيات الخاطئة ستؤدي إلى العديد من النتائج المفقودة. من أجل التمكن من تحديد أكبر عدد ممكن من المقارنات المهمة مع الحفاظ على معدل إيجابي كاذب منخفض ، يتم استخدام معدل الاكتشاف الخاطئ (FDR) وقيمة q التناظرية.

عرف المشكل
عند إجراء اختبارات الفرضيات ، على سبيل المثال لمعرفة ما إذا كانت وسيلتان مختلفتان بشكل كبير ، نحسب قيمة p ، وهي احتمالية الحصول على إحصائية اختبار مماثلة أو أكثر تطرفًا من تلك الملاحظة ، بافتراض صحة الفرضية الصفرية. إذا كانت لدينا قيمة p تبلغ 0.03 ، على سبيل المثال ، فهذا يعني أنه إذا كانت فرضيتنا الصفرية صحيحة ، فستكون هناك فرصة بنسبة 3 ٪ للحصول على إحصائية الاختبار المرصودة أو أكثر تطرفًا. نظرًا لأن هذا احتمال صغير ، فإننا نرفض الفرضية الصفرية ونقول إن الوسائل مختلفة بشكل كبير. نحب عادةً إبقاء هذه الاحتمالية أقل من 5٪. عندما قمنا بتعيين alpha الخاص بنا على 0.05 ، فإننا نقول إننا نريد أن يكون احتمال أن تكون النتيجة الصفرية أقل من 5٪. بمعنى آخر ، نريد أن يكون احتمال الخطأ من النوع الأول ، أو الإيجابي الخاطئ ، أقل من 5٪.

عندما نجري مقارنات متعددة (سأطلق على كل اختبار ميزة) ، يكون لدينا احتمال متزايد للإيجابيات الخاطئة. كلما زاد عدد الميزات التي لديك ، زادت فرص تسمية الميزة الفارغة بأنها مهمة. المعدل الإيجابي الخاطئ (FPR) ، أو لكل معدل خطأ مقارنة (PCER) ، هو العدد المتوقع للإيجابيات الخاطئة من جميع اختبارات الفرضيات التي تم إجراؤها. لذلك إذا قمنا بالتحكم في FPR عند مستوى ألفا قدره 0.05 ، فإننا نضمن أن النسبة المئوية للإيجابيات الخاطئة (السمات الفارغة تسمى كبيرة) من جميع اختبارات الفرضيات هي 5٪ أو أقل. تطرح هذه الطريقة مشكلة عندما نجري عددًا كبيرًا من اختبارات الفرضيات. على سبيل المثال ، إذا كنا نجري دراسة على مستوى الجينوم تبحث في التعبير الجيني التفاضلي بين أنسجة الورم والأنسجة السليمة ، وقمنا باختبار 1000 جين وتحكمنا في FPR ، في المتوسط ​​، سيُطلق على 50 جينًا فارغًا حقًا أهمية. هذه الطريقة ليبرالية للغاية ، لأننا لا نريد أن يكون لدينا مثل هذا العدد الكبير من الإيجابيات الكاذبة.

عادةً ما تتحكم إجراءات المقارنة المتعددة في معدل الخطأ العائلي (FWER) بدلاً من ذلك ، وهو احتمال وجود واحد أو أكثر من الإيجابيات الخاطئة من بين جميع اختبارات الفرضيات التي تم إجراؤها. يتحكم تصحيح Bonferroni الشائع الاستخدام في FWER. إذا اختبرنا كل فرضية على مستوى أهمية (ألفا / # من اختبارات الفرضيات) ، فإننا نضمن أن احتمال وجود واحد أو أكثر من الإيجابيات الخاطئة أقل من ألفا. لذلك ، إذا كان ألفا 0.05 وكنا نختبر 1000 جين لدينا ، فسنختبر كل قيمة p عند مستوى أهمية 0.00005 لضمان أن يكون احتمال وجود واحد أو أكثر من الإيجابيات الكاذبة هو 5٪ أو أقل. ومع ذلك ، فإن الحماية من أي إيجابية خاطئة واحدة قد تكون صارمة للغاية بالنسبة للدراسات على مستوى الجينوم ، ويمكن أن تؤدي إلى العديد من النتائج المفقودة ، خاصة إذا كنا نتوقع وجود العديد من الإيجابيات الحقيقية.

أين تقع المحكمة العالمية

يعد التحكم في معدل الاكتشاف الخاطئ (FDR) طريقة لتحديد أكبر عدد ممكن من الميزات المهمة مع تكبد نسبة منخفضة نسبيًا من الإيجابيات الخاطئة.

خطوات التحكم في معدل الاكتشاف الخاطئ:

  • التحكم في FDR عند المستوى α * (أي يتم التحكم في المستوى المتوقع للاكتشافات الخاطئة مقسومًا على إجمالي عدد الاكتشافات)

E [V⁄R]

  • احسب قيم p لكل اختبار وترتيب فرضية (من الأصغر إلى الأكبر ، P (دقيقة) …… .P (كحد أقصى))

  • بالنسبة إلى الأمر ith ، تحقق من القيمة الاحتمالية إذا تم استيفاء ما يلي:

الفوسفور (ط) ≤ α × i / م

إذا كان هذا صحيحًا ، فسيكون مهمًا

* التحديد: إذا كان معدل الخطأ (α) كبيرًا جدًا قد يؤدي إلى زيادة عدد الإيجابيات الخاطئة بين النتائج المهمة

معدل الاكتشاف الخاطئ (FDR)

FDR هو المعدل الذي يُطلق على السمات المميزة أنها لاغية حقًا.
FDR = متوقع (# تنبؤات خاطئة / # إجمالي التوقعات)

FDR هو المعدل الذي يُطلق على السمات المميزة أنها لاغية حقًا. يعني FDR بنسبة 5 ٪ أنه من بين جميع الميزات التي تسمى كبيرة ، فإن 5 ٪ منها لاغية حقًا. تمامًا كما قمنا بتعيين alpha كحد أدنى للقيمة p للتحكم في FPR ، يمكننا أيضًا تعيين حد للقيمة q ، وهو التناظرية FDR للقيمة p. ينتج عن عتبة القيمة p (alpha) البالغة 0.05 معدل FPR بنسبة 5٪ بين جميع الميزات الخالية حقًا. ينتج عن عتبة q-value البالغة 0.05 FDR بنسبة 5٪ بين جميع الميزات التي يُطلق عليها 'كبيرة'. قيمة q هي النسبة المتوقعة للإيجابيات الخاطئة بين جميع الميزات أو أكثر تطرفًا من الملاحظة.

في دراستنا لـ 1000 جين ، لنفترض أن للجين Y قيمة p 0.00005 وقيمة q تساوي 0.03. احتمال أن تكون إحصائية الاختبار للجين المعبر عنه غير تفاضلي متطرفة أو أكثر تطرفًا مثل إحصاء اختبار الجين Y هو 0.00005. ومع ذلك ، قد تكون إحصائية اختبار الجين Y شديدة للغاية ، وربما لا يكون من المحتمل أن يكون هذا الاختبار الإحصائي للجين المعبر عنه تفاضليًا. من الممكن تمامًا وجود جينات معبر عنها تفاضليًا مع إحصائيات اختبار أقل تطرفًا من الجين Y. يتيح لنا استخدام القيمة q البالغة 0.03 أن نقول أن 3 ٪ من الجينات متطرفة أو أكثر (أي الجينات التي تحتوي على p- أقل) القيم) حيث أن الجين Y هي إيجابيات خاطئة. يسمح لنا استخدام قيم q بتحديد عدد الإيجابيات الخاطئة التي نرغب في قبولها من بين جميع الميزات التي نسميها كبيرة. يكون هذا مفيدًا بشكل خاص عندما نرغب في إجراء عدد كبير من الاكتشافات لمزيد من التأكيد لاحقًا (أي دراسة تجريبية أو تحليلات استكشافية ، على سبيل المثال إذا قمنا بعمل ميكروأري للتعبير الجيني لاختيار الجينات المعبر عنها تفاضليًا للتأكيد باستخدام PCR في الوقت الفعلي). هذا مفيد أيضًا في الدراسات على مستوى الجينوم حيث نتوقع أن يكون جزء كبير من الميزات بديلاً حقًا ، ولا نريد تقييد قدرتنا على الاكتشاف.

يحتوي FDR على بعض الخصائص المفيدة. إذا كانت جميع الفرضيات الصفرية صحيحة (لا توجد نتائج بديلة حقًا) فإن FDR = FWER. عندما يكون هناك عدد من الفرضيات البديلة حقًا ، فإن التحكم في FWER يتحكم تلقائيًا أيضًا في FDR.

قوة طريقة FDR (تذكر أن القوة هي احتمال رفض الفرضية الصفرية عندما يكون البديل صحيحًا) أكبر بشكل موحد من طرق Bonferroni. تزداد ميزة الطاقة لـ FDR على أساليب Bonferroni مع زيادة عدد اختبارات الفرضيات.

تقدير FDR
(من ستوري وتبشيراني ، 2003)

التعريفات: t: thresholdV: عدد الإيجابيات الخاطئة S: عدد الميزات المسماة مهم m0: عدد الميزات الخالية حقًا m: إجمالي عدد اختبارات الفرضيات (الميزات)
FDR عند عتبة معينة ، t ، هو FDR (t). FDR (t) ≈ E [V (t)] / E [S (t)] -> يمكن تقدير FDR عند عتبة معينة على أنها العدد المتوقع للإيجابيات الخاطئة عند هذا الحد مقسومًا على عدد الميزات المتوقعة التي تسمى كبيرة عند هذا الحد.
كيف نقدر E [S (t)]؟
E [S (t)] هو ببساطة S (t) ، عدد قيم p الملحوظة ≤ t (أي عدد الميزات التي نسميها كبيرة عند العتبة المختارة). (عندما تكون alpha = 0.05 ، يكون هناك احتمال 5٪ أن الميزة الخالية حقًا لها قيمة p أقل من الحد بالصدفة ، وبالتالي تُسمى مهمة).
كيف نقدر E [V (t)]؟
E [V (t)] = m0 * t -> العدد المتوقع للإيجابيات الخاطئة لعتبة معينة يساوي عدد الميزات الصفرية حقًا مضروبًا في احتمال تسمية ميزة فارغة مهمة.
كيف نقدر m0؟
القيمة الحقيقية لـ m0 غير معروفة. يمكننا تقدير نسبة الميزات الخالية حقًا ، m0 / m = π0.
نفترض أن قيم p للميزات الخالية سيتم توزيعها بشكل موحد (لها توزيع مسطح) بين [0،1]. يعطي ارتفاع التوزيع المسطح تقديرًا متحفظًا للنسبة الإجمالية لقيم p الخالية ، π0. على سبيل المثال ، الصورة أدناه مأخوذة من Storey و Tibshirani (2003) عبارة عن رسم بياني للكثافة لـ 3000 قيمة p لـ 3000 جين من دراسة التعبير الجيني. يمثل الخط المنقط ارتفاع الجزء المسطح من الرسم البياني. نتوقع أن تشكل الميزات الفارغة حقًا هذا التوزيع المسطح من [0،1] ، وأن تكون الميزات البديلة حقًا أقرب إلى 0.

يتم قياس كمية π0 ، حيث تكون لامدا هي معلمة الضبط (على سبيل المثال في الصورة أعلاه قد نختار lambda = 0.5 ، لأنه بعد القيمة p 0.5 يكون التوزيع مسطحًا إلى حد ما. وتساوي نسبة الميزات الخالية حقًا عدد p - قيم أكبر من لامدا مقسومة على m (1-lambda). عندما تقترب لامدا من الصفر (عندما يكون معظم التوزيع مسطحًا) ، سيكون المقام تقريبًا م ، وكذلك البسط لأن غالبية قيم p ستكون أكبر من لامدا ، وستكون π0 تقريبًا 1 (جميع الميزات خالية).
عادة ما يكون اختيار لامدا مؤتمتًا بواسطة البرامج الإحصائية.

الآن بعد أن قدرنا π0 ، يمكننا تقدير FDR (t) على أنه
بسط هذه المعادلة هو مجرد العدد المتوقع للإيجابيات الخاطئة ، حيث أن 0 * م هو العدد التقديري للفرضيات الصفرية حقًا و t هو احتمال تسمية ميزة خالية حقًا بأنها مهمة (كونها أقل من عتبة t). المقام ، كما قلنا سابقًا ، هو ببساطة عدد الميزات التي يُطلق عليها الدلالة.
إذن ، فإن قيمة q للميزة هي الحد الأدنى من FDR الذي يمكن تحقيقه عند استدعاء هذه الميزة المهمة.

أداة تقييد استبعاد المتغير

(ملاحظة: تفترض التعريفات أعلاه أن m كبير جدًا ، وبالتالي S> 0. عندما يكون S = 0 يكون FDR غير محدد ، لذلك في الأدبيات الإحصائية ، تكون الكمية E [V /؟ S؟ | S> 0]؟ * Pr (S> 0) يستخدم على أنه FDR. بدلاً من ذلك ، يتم استخدام FDR الإيجابي (pFDR) ، وهو E [V / S؟ | S> 0]. انظر Benjamini and Hochberg (1995) و Storey and Tibshirani (2003) للمزيد من المعلومات.)

قراءة٪ s

كتب وفصول

أحدث التطورات في علم الأحياء (المجلد 4):
معدلات الاكتشاف الخاطئ ، تحليل البقاء ، والموضوعات ذات الصلة
حرره مانيش بهاتاشارجي (معهد نيو جيرسي للتكنولوجيا ، الولايات المتحدة الأمريكية) ، سونيل ك دهار (معهد نيو جيرسي للتكنولوجيا ، الولايات المتحدة الأمريكية) ، وسوندارامان سوبرامانيان (معهد نيو جيرسي للتكنولوجيا ، الولايات المتحدة الأمريكية).
http://www.worldscibooks.com/lifesci/8010.html
يقدم الفصل الأول من هذا الكتاب مراجعة لإجراءات التحكم في FDR التي اقترحها الإحصائيون البارزون في هذا المجال ، ويقترح طريقة تكيفية جديدة تتحكم في FDR عندما تكون القيم p مستقلة أو تعتمد بشكل إيجابي.

الإحصاء الحيوي الحدسي: دليل غير رياضي للتفكير الإحصائي
بواسطة هارفي موتولسكي
http://www.amazon.com/Intuitive-Biostatistics-Nonmathematical-Statistical-Thinking/dp/product-description/0199730067
هذا كتاب إحصائي مكتوب للعلماء الذين يفتقرون إلى خلفية إحصائية معقدة. يشرح الجزء هـ ، 'التحديات في الإحصاء' ، بمصطلحات عامة الناس ، مشكلة المقارنات المتعددة والطرق المختلفة للتعامل معها ، بما في ذلك الأوصاف الأساسية لمعدل الخطأ العائلي وتقرير تسوية المنازعات.

الاستدلال واسع النطاق: طرق بايز التجريبية للتقدير والاختبار والتنبؤ
بواسطة إيفرون ، ب. (2010). معهد الدراسات الإحصائية الرياضية ، مطبعة جامعة كامبريدج.
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
هذا كتاب يستعرض مفهوم FDR ويستكشف قيمته ليس فقط كإجراء تقدير ولكن أيضًا ككائن اختبار الأهمية. يقدم المؤلف أيضًا تقييمًا تجريبيًا لدقة تقديرات FDR.

مقالات منهجية

Benjamini، Y. and Y. Hochberg (1995). التحكم في معدل الاكتشاف الخاطئ: منهج عملي وقوي للاختبارات المتعددة. مجلة الجمعية الإحصائية الملكية. السلسلة ب (المنهجية) 57 (1): 289-300.
كانت هذه الورقة عام 1995 هي أول وصف رسمي لـ FDR. يشرح المؤلفون رياضيًا كيف يرتبط FDR بمعدل الخطأ العائلي (FWER) ، ويقدمون مثالًا بسيطًا لكيفية استخدام FDR ، وإجراء دراسة محاكاة توضح قوة إجراء FDR مقارنة بالإجراءات من نوع Bonferroni.

ستوري ، ج.د.و ر. تيبشيراني (2003). الأهمية الإحصائية للدراسات على مستوى الجينوم ، وقائع الأكاديمية الوطنية للعلوم 100 (16): 9440-9445.
تشرح هذه الورقة ما هو FDR ولماذا هو مهم للدراسات على مستوى الجينوم ، ويشرح كيف يمكن تقدير FDR. إنه يعطي أمثلة على المواقف التي يكون فيها FDR مفيدًا ، ويقدم مثالًا عمليًا لكيفية استخدام المؤلفين لـ FDR لتحليل بيانات التعبير الجيني التفاضلي للمصفوفة الدقيقة.

طوابق دينار. (2010) معدلات الاكتشاف الخاطئ. في الموسوعة الدولية للعلوم الإحصائية ، Lovric M (محرر).
مقالة جيدة جدًا تفرط في عرض تحكم FDR ، و FDR الإيجابي (pFDR) ، والاعتماد. موصى به للحصول على نظرة عامة مبسطة عن FDR والطرق ذات الصلة للمقارنات المتعددة.

Reiner A و Yekutieli D و Benjamini Y: تحديد الجينات المعبر عنها تفاضليًا باستخدام إجراءات التحكم في معدل الاكتشاف الخاطئ. المعلوماتية الحيوية 2003 ، 19 (3): 368-375.
تستخدم هذه المقالة بيانات ميكروأري المحاكاة لمقارنة ثلاثة إجراءات للتحكم في FDR تعتمد على إعادة أخذ العينات مع إجراء Benjamini-Hochberg. تتم إعادة أخذ عينات إحصائيات الاختبار حتى لا نفترض توزيع إحصائية الاختبار للتعبير التفاضلي لكل جين.

Verhoeven KJF و Simonsen KL و McIntyre LM: تنفيذ التحكم في معدل الاكتشاف الخاطئ: زيادة قوتك. Oikos 2005 ، 108 (3): 643-647.
تشرح هذه الورقة إجراء Benjamini-Hochberg ، وتقدم مثالاً على المحاكاة ، وتناقش التطورات الأخيرة في مجال FDR التي يمكن أن توفر طاقة أكبر من طريقة FDR الأصلية.

Stan Pounds and Cheng Cheng (2004) تحسين تقدير معدل الاكتشاف الخاطئ للمعلوماتية الحيوية المجلد. 20 لا. 11 2004 ، الصفحات 1737-1745.
تقدم هذه الورقة طريقة تسمى الرسم البياني للمسافات LOESS (SPLOSH). تم اقتراح هذه الطريقة لتقدير FDR المشروط (cFDR) ، والنسبة المتوقعة من الإيجابيات الكاذبة مشروطة بالحصول على نتائج 'هامة'.

Daniel Yekutieli، Yoav Benjamini (1998) معدل اكتشاف خاطئ قائم على إعادة أخذ العينات يتحكم في إجراءات اختبار متعددة لإحصاءات الاختبار المرتبطة مجلة التخطيط الإحصائي والاستدلال 82 (1999) 171-196.
تقدم هذه الورقة إجراءً جديدًا للتحكم في FDR للتعامل مع إحصائيات الاختبار المرتبطة ببعضها البعض. تتضمن الطريقة حساب قيمة p بناءً على إعادة التشكيل. يتم تقييم خصائص هذه الطريقة باستخدام دراسة المحاكاة.

Yoav Benjamini and Daniel Yekutieli (2001) التحكم في معدل الاكتشاف الخاطئ في الاختبارات المتعددة تحت التبعية The Annals of Statistics 2001، Vol. 29 ، رقم 4 ، 1165-1188.
كانت طريقة FDR التي تم اقتراحها في الأصل للاستخدام في اختبار فرضيات متعددة لإحصاءات الاختبار المستقلة. توضح هذه الورقة أن طريقة FDR الأصلية تتحكم أيضًا في FDR عندما يكون لإحصاءات الاختبار تبعية انحدار إيجابية على كل من إحصائيات الاختبار المقابلة للفرضية الصفرية الحقيقية. من الأمثلة على إحصائيات الاختبار التابعة اختبار نقاط النهاية المتعددة بين مجموعات العلاج ومجموعة المراقبة في تجربة إكلينيكية.

John D. Storey (2003) معدل الاكتشاف الخاطئ الإيجابي: تفسير بايزي وقيمة q The Annals of Statistics 2003، Vol. 31 ، رقم 6 ، 2013-2035.
تحدد هذه الورقة معدل الاكتشاف الخاطئ الإيجابي (pFDR) ، وهو العدد المتوقع للإيجابيات الكاذبة من بين جميع الاختبارات التي تسمى هامة نظرًا لوجود نتيجة إيجابية واحدة على الأقل. تقدم الورقة أيضًا تفسيرًا بايزيًا لـ pFDR.

في قضية lemon v. kurtzman (1971) ، قضت المحكمة العليا بأن دعم الحكومة للدين هو

Yudi Pawitan و Stefan Michiels و Serge Koscielny و Arief Gusnanto و Alexander Ploner (2005) معدل الاكتشاف الكاذب والحساسية وحجم العينة لدراسات المصفوفات الدقيقة Bioinformatics Vol. 21 لا. 13 2005 ، الصفحات 3017-3024.
تصف هذه الورقة طريقة لحساب حجم العينة لدراسة مقارنة مكونة من عينتين بناءً على تحكم وحساسية FDR.

Grant GR ، Liu J ، Stoeckert CJ Jr. (2005) نهج عملي لمعدل الاكتشاف الخاطئ لتحديد أنماط التعبير التفاضلي في بيانات المصفوفات الدقيقة. المعلوماتية الحيوية. 2005 ، 21 (11): 2684-90.
يصف المؤلفون طرق تقدير التقليب ويناقشون القضايا المتعلقة باختيار الباحث للإحصاء وطرق تحويل البيانات. يتم أيضًا استكشاف تحسين الطاقة المتعلق باستخدام بيانات المصفوفة الدقيقة.

جيانكينج فان ، فريدريك إل مور ، شو هان ، ويجي جو ، تقدير نسبة الاكتشاف الخاطئ في ظل التبعية التغايرية التعسفية. مساعد J Am Stat. 2012 ؛ 107 (499): 1019-1035.
تقترح هذه الورقة وتصف طريقة للتحكم في FDR بناءً على عامل تقريبي رئيسي لمصفوفة التغاير لإحصاءات الاختبار.

مقالات التطبيق

Han S و Lee K-M و Park SK و Lee JE و Ahn HS و Shin HY و Kang HJ و Koo HH و Seo JJ و Choi JE وآخرون: دراسة الارتباط على مستوى الجينوم لسرطان الدم الليمفاوي الحاد في مرحلة الطفولة في كوريا. أبحاث اللوكيميا 2010 ، 34 (10): 1271-1274.
كانت هذه دراسة على مستوى الجينوم (GWAS) تختبر مليون شكل من أشكال النوكليوتيدات المفردة (SNPs) لترابطها مع ابيضاض الدم اللمفاوي النشط في مرحلة الطفولة (ALL). لقد سيطروا على FDR عند 0.2 ووجدوا أن 6 SNPs في 4 جينات مختلفة مرتبطة ارتباطًا وثيقًا بمخاطر ALL.

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). يميز توقيع مثيلة الحمض النووي في كريات الدم البيضاء مرضى سرطان البنكرياس عن الضوابط الصحية. بلوس وان 6 ، e18223.
تم التحكم في هذه الدراسة من أجل FDR<0.05 when looking for differentially methylated genes between pancreatic adenoma patients and healthy controls to find epigenetic biomarkers of disease.

دانييل دبليو لين ، ليسل إم فيتزجيرالد ، رونج فو ، إريكا إم كوون ، سيكون ليلي زينج ، سوزان وآخرون ، المتغيرات الجينية في جينات LEPR و CRY1 و RNASEL و IL4 و ARVCF هي علامات تنبؤية لسرطان البروستاتا الوفيات (2011) ، السرطان Epidemiol Biomarkers السابق 2011 ؛ 20: 1928-1936. فحصت هذه الدراسة التباين في الجينات المرشحة المختارة المتعلقة بظهور سرطان البروستاتا من أجل اختبار قيمته التنبؤية بين الأفراد المعرضين لخطر كبير. تم استخدام FDR لتصنيف تعدد أشكال النوكليوتيدات المفردة (SNPs) وتحديد نقاط الاهتمام الأعلى مرتبة.

Radom-Aizik S، Zaldivar F، Leu S-Y، Adams GR، Oliver S، Cooper DM: آثار التمرين على تعبير الرنا الميكروي في الخلايا أحادية النواة في الدم المحيطي للذكور. العلوم السريرية والمتحولة 2012 ، 5 (1): 32-38.
فحصت هذه الدراسة التغيير في تعبير microRNA قبل وبعد التمرين باستخدام ميكروأري. استخدموا إجراء Benjamini-Hochberg للتحكم في FDR عند 0.05 ، ووجدوا 34 من أصل 236 ميكرو آر إن إيه يتم التعبير عنها بشكل تفاضلي. ثم اختار المحققون microRNAs من هذه الـ 34 ليتم تأكيدها باستخدام PCR في الوقت الحقيقي.

مواقع الويب

الحزمة الإحصائية R
http://genomine.org/qvalue/results.html
رمز R المشروح المستخدم لتحليل البيانات في ورقة Storey و Tibshirani (2003) ، بما في ذلك الارتباط بملف البيانات. يمكن تكييف هذا الرمز للعمل مع أي بيانات مجموعة.

http://www.bioconductor.org/packages/release/bioc/html/qvalue.html
حزمة qvalue لـ R.

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

Journal R Project هو منشور مفتوح الوصول خاضع لاستعراض الأقران من مؤسسة R للحوسبة الإحصائية. يقدم هذا المجلد مقالة بعنوان 'تقدير حجم العينة أثناء التحكم في معدلات الاكتشاف الخاطئ لتجارب المصفوفات الدقيقة' بقلم ميغان أور وبنغ ليو. يتم توفير وظائف محددة وأمثلة مفصلة.

http://strimmerlab.org/notes/fdr.html
يوفر موقع الويب هذا قائمة ببرامج R لتحليل FDR ، مع روابط إلى صفحاتهم الرئيسية للحصول على وصف لميزات الحزمة.

دكتور. كريج سبنسر

ساس
http://support.sas.com/documentation/cdl/en/statug/63347/HTML/default/viewer.htm#statug_multtest_sect001.htm
وصف PROC MULTTEST في SAS ، والذي يوفر خيارات للتحكم في FDR باستخدام طرق مختلفة.

حالة
http://www.stata-journal.com/article.html؟article=st0209
يوفر أوامر STATA لحساب قيم q للإجراءات متعددة الاختبارات (حساب قيم q المعدلة FDR).

FDR_general على شبكة الإنترنت
http://www.math.tau.ac.il/~ybenja/fdr/index.htm
موقع يديره الإحصائيون في جامعة تل أبيب الذين قدموا رسميًا تقرير روزفلت لأول مرة.

http://www.math.tau.ac.il/~ybenja/
يحتوي موقع FDR هذا على العديد من المراجع المتاحة. محاضرة عن FDR متاحة للمراجعة.

http://www.cbil.upenn.edu/PaGE/fdr.html
شرح جميل وموجز ل FDR. يتم توفير ملخص سريع ومفيد مع مثال.

http://www.rowett.ac.uk/~gwh/False-positives-and-the-qvalue.pdf
لمحة موجزة عن الإيجابيات الخاطئة وقيم q.

الدورات

برنامج تعليمي حول التحكم في الاكتشافات الكاذبة بقلم كريستوفر ر. جينوفيز قسم الإحصاء بجامعة كارنيجي ميلون.
يعد برنامج PowerPoint هذا برنامجًا تعليميًا شاملاً للغاية لشخص مهتم بتعلم الأسس الرياضية لـ FDR والاختلافات في FDR.

اختبار متعدد بواسطة جوشوا آكي ، قسم علوم الجينوم ، جامعة واشنطن.
يوفر برنامج PowerPoint هذا فهمًا بديهيًا للغاية للمقارنات المتعددة وتقرير FDR. هذه المحاضرة جيدة لأولئك الذين يبحثون عن فهم بسيط لـ FDR دون الكثير من الرياضيات.

تقدير معدل الاكتشاف الزائف المحلي في اكتشاف التعبير التفاضلي بين فئتين.
عرض قدمه جيفري ماكلاشلان ، الأستاذ بجامعة كوينزلاند ، أستراليا.
www.youtube.com/watch؟v=J4wn9_LGPcY
كانت محاضرة الفيديو هذه مفيدة في التعرف على FDR المحلي ، وهو احتمال أن تكون فرضية معينة صحيحة ، بالنظر إلى إحصائية الاختبار الخاصة بها أو القيمة p.

إجراءات التحكم في معدل الاكتشاف الخاطئ للاختبارات المنفصلة
عرض قدمته روث هيلر ، الأستاذة بقسم الإحصاء وبحوث العمليات. جامعة تل أبيب
http://www.youtube.com/watch؟v=IGjElkd4eS8
كانت محاضرة الفيديو هذه مفيدة في التعرف على تطبيق تحكم FDR على البيانات المنفصلة. تتم مناقشة عدة إجراءات تصعيد وتنحي للتحكم في FDR عند التعامل مع البيانات المنفصلة. يتم مراجعة البدائل التي تساعد في النهاية في زيادة القوة.

مقالات مثيرة للاهتمام

اختيار المحرر

دكتوراه علم النفس العيادي
دكتوراه علم النفس العيادي
تعد كلية المعلمين ، جامعة كولومبيا ، أول وأكبر كلية دراسات عليا في الولايات المتحدة ، كما أنها تُصنف دائمًا من بين أفضل المدارس في البلاد.
ما هو التصويت على أساس الاختيار المُرتَّب ولماذا تستخدمه مدينة نيويورك؟
ما هو التصويت على أساس الاختيار المُرتَّب ولماذا تستخدمه مدينة نيويورك؟
لأول مرة ، ستستخدم مدينة نيويورك تصويت اختيار المرتبة في الانتخابات التمهيدية في البلدية. تظهر الدراسات أنه يجعل الحكومة أكثر تمثيلاً ويقلل من الحملات السلبية.
`` Over the Rainbow '': القصة وراء أغنية القرن
`` Over the Rainbow '': القصة وراء أغنية القرن
لم تصل أغنية Over the Rainbow تقريبًا إلى النسخة النهائية من فيلم The Wizard of Oz. يتتبع والتر فريش ، أستاذ الموسيقى ، تاريخ الأغنية الكلاسيكية في كتابه الأخير 'Arlen and Harburg’s Over the Rainbow'.
جامع أوراق اللعب يُظهر يده
جامع أوراق اللعب يُظهر يده
كان ألبرت فيلد 38CC هو أمين المحفوظات الشخصي لسلفادور دالي ، وتم تعيينه لتمييز داليز الحقيقي عن آلاف المنتجات المقلدة. كان أيضًا جامعًا لأوراق اللعب. فيلد ، الذي توفي عام 2003 ، ترك مجموعته المكونة من 6400 طابقًا إلى كولومبيا. سيتم عرض معرض من البطاقات يمتد على مدى أربعمائة عام وأربع قارات في مكتبة الكتب النادرة والمخطوطات ابتداءً من 23 سبتمبر.
سوبرامانيان سوامي ضد اتحاد الهند
سوبرامانيان سوامي ضد اتحاد الهند
تسعى حرية التعبير العالمية في كولومبيا إلى تعزيز فهم المعايير والمؤسسات الدولية والوطنية التي تحمي على أفضل وجه التدفق الحر للمعلومات والتعبير في مجتمع عالمي مترابط يواجه تحديات مشتركة رئيسية يجب مواجهتها. لتحقيق رسالتها ، تتولى Global Freedom of Expression مهمة البحث وتكليفه بمشاريع السياسات ، وتنظم الأحداث والمؤتمرات ، وتشارك وتساهم في النقاشات العالمية حول حماية حرية التعبير والمعلومات في القرن الحادي والعشرين.
إدوارد آر موريسون
إدوارد آر موريسون
موقع الويب الشخصي إد موريسون خبير في تمويل الشركات وإعادة الهيكلة وتمويل الأسرة وإفلاس المستهلكين وقانون العقود. وهو محرر مشارك لمجلة الدراسات القانونية. تناولت منحة موريسون الدراسية إعادة تنظيم الشركات ، وإفلاس المستهلك ، وتنظيم مخاطر السوق النظامية ، وحبس الرهن وتعديل الرهن العقاري. يدرس عمله الأخير الأنماط في الاتفاقيات بين الدائنين ، ونزاعات التقييم في حالات إفلاس الشركات ، والتفاوتات العرقية في ملفات إفلاس الفصل 13 ، والعلاقة بين الضائقة المالية ومعدلات الوفيات. يقوم موريسون بتدريس العقود وقانون الإفلاس وتمويل الشركات. وهو مدير مشارك لمركز ريتشارد بول ريتشمان للأعمال والقانون والسياسة العامة بجامعة كولومبيا ، وهو مدير هيئة التدريس في ماجستير القانون التنفيذي بكلية الحقوق. برنامج. حصل على جائزة Willis L.M. Reese لعام 2018 للتميز في التدريس ، والتي يمنحها دفعة خريجي كلية الحقوق. نُشر بحث موريسون في المجلة الاقتصادية الأمريكية ، ومجلة القانون والاقتصاد ، وغيرهما من المنشورات الرائدة التي راجعها الأقران. تم الاستشهاد بعمله من قبل مجلس الإفلاس والنقابة وتلقى دعمًا من National Science Foundation و Pew Charitable Trusts. حصل موريسون وشريكه في التأليف (دوغلاس بيرد) على جائزة John Wesley Steen Law Review للكتابة لعام 2012 من معهد الإفلاس الأمريكي (ABI) لمقال عن قانون دود-فرانك نُشر في ABI Law Review. وهو محرر مع William H.J.Hubbard لمجلة الدراسات القانونية وعضو في المؤتمر الوطني للإفلاس. عمل مؤخرًا كمدير لجمعية القانون والاقتصاد الأمريكية ، وعضوًا في اللجنة الاستشارية للمحكمة العليا بشأن قواعد الإفلاس ، ومحررًا مشاركًا في American Law & Economics Review. كان موريسون أستاذًا في القانون التجاري لبول إتش وتيو ليفمان في كلية الحقوق بجامعة شيكاغو من 2013 إلى 2014. بدأ التدريس في كلية الحقوق بجامعة كولومبيا في عام 2003 ، ومن عام 2009 إلى 2012 كان أستاذًا في القانون بجامعة هارفي آر ميللر. اقتصاديات. كاتب موريسون للقاضي أنتونين سكاليا من المحكمة العليا والقاضي ريتشارد أ. بوسنر من الدائرة السابعة لمحكمة الاستئناف الأمريكية.
دورة PI Crash: مهارات لقادة المستقبل أو قادة المختبرات الجديدة
دورة PI Crash: مهارات لقادة المستقبل أو قادة المختبرات الجديدة
كانت أحدث دورة PI Crash Course المباشرة من 10 إلى 11 يونيو 2021. اشترك أدناه لمعرفة المزيد عن التدريب التالي! المحقق الرئيسي (PI) Crash Course عبارة عن معسكر تدريبي مكثف لمدة يومين من الندوات والمناقشات وجلسات الأنشطة العملية لتوفير التعرف على المهارات الأساسية للقيادة والإدارة والأدوات اللازمة للنجاح في مختبرك. اشترك للحصول على التحديثات