r - 比较两个向量的 FDR

Question

我们得到一个包含 2 列（样本、实验条件）和n行（例如基因）的矩阵，我们的目标是识别两个样本之间（在特定 FDR 处）发生显着变化的基因。

如何使用 R 执行此操作？

下面是fdrtool包手册中的一个示例，它显示了如何从 p 值向量计算 FDR：

library("fdrtool") 
data(pvalues)
fdr = fdrtool(pvalues, statistic="pvalue") 
fdr$qval # estimated Fdr values 
fdr$lfdr # estimated local fdr

但问题是我们这里只有两个观察向量，而不是 p 值。有任何想法吗？

这是可以使用的示例数据：foo <- matrix(runif(1000), ncol=2)

我假设我们没有重复信息、p 值等。但可以肯定的是，两个样本之间值相差很大的基因肯定有更强有力的证据。在这种情况下有没有办法分配 FDR？

score 1 · Accepted Answer

如果每个条件都有一个样本，则无法获得 pvalue，因为这是为一个总体抽取的样本之间的差异在统计上不同的概率。但是，如果每个基因都没有重复，没有均值，没有方差，据我所知，我们无法估计抽样误差，因此对于常规值，没有如何区分您看到的值与随机值小样本检验，如 t 检验。看看这个，它可能会有所帮助：

你可以做的是一个 MA 图

并查看您的数据分布，哪些是最大的差异，然后选择那些。但是，这不在错误发现率分析的统计框架内，它可能作为探索性分析有所帮助，但其中没有真正的统计数据。在微阵列文献中，您可能会找到替代方案，做出一组假设并进行假设检验，但我不知道有一个可以表明，也许 affy 包有一个......

在此处输入图像描述

1 回答 1