结合部分真实发现保证程序

科学领域:

• 统计方法学的统计方法.
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 同时控制真实发现比例 (TDP) 在高维数据分析中至关重要.
• 现有的TDP控制方法往往缺乏灵活性,可以根据用户的专业知识来优先考虑特定的功能集.
• 将统计能力定位为生物相关或预先规定的特征集仍然是一个挑战.

研究的目的:

• 提出一种新的统计程序,允许用户将统计能力集中在预先指定的"焦点集"上.
• 通过提供真实发现的低置信限,使得对事后选择的"非焦点集"的推断成为可能.
• 通过模拟和现实世界数据应用来评估拟议方法的性能.

主要方法:

• 开发一种程序,将部分真实发现保证程序与霍尔姆程序相结合.
• 实施作为已建立的封闭测试程序的保守捷径.
• 模拟研究用于评估聚焦和非聚焦集以及结构化集 (树,DAG) 的统计能力.
• 与现有的方法进行比较,例如AdaFilter用于可复制性分析.
• 使用基因本体学丰富分析对基因表达数据的应用.

主要成果:

• 拟议的方法证明了用户定义的"焦点集"的相对较高的统计能力.
• 正如预期的那样,减少了"非对焦组件"的功率,以提高对焦组件的功率.
• 该程序通过插值为"非焦点集"中的真实发现提供了较低的置信度.
• 对各种集合结构的性能进行调查,包括树和定向非循环图.
• 该方法在可复制性分析和基因表达数据分析中显示出实用性.

结论:

• 拟议的程序为真实发现比例控制提供了灵活的方法,允许有针对性的功率分配.
• 它为旨在在分析中优先考虑特定假设或特征集的研究人员提供了一种实际解决方案.
• 该方法是提高复杂生物数据中发现的可解释性和焦点的宝贵工具.