问题标签 [fdr]

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：

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？

PC1 和 PC2 使用相同的字母表并行运行。他们陷入僵局。我想找到一个可以与 PC1 和 PC2 并行运行的进程（字母尚未定义），这将解决死锁问题。有任何想法吗？

问候。

到目前为止，这是我的代码文件。

fdrtool()可以直接在包的功能fdrtool（1.2.12 版）中使用来自学生 t 检验的 t 统计数据吗？论文(Strimmer-K BMC Bioinfo. 2008, 9:303) 提到了这一点，但据我所知，参数只识别“正常”、“相关”和“pvalue”。非统计学家有解决方法吗？

当我使用 R 的 p.adjust 函数计算错误发现率时，我似乎得到了不一致的结果。根据文档中引用的论文 ，调整后的 p 值应计算如下：

现在，当我跑步时，p.adjust(c(0.0001, 0.0004, 0.0019),"fdr")我得到了预期的结果

但是当我跑步时，p.adjust(c(0.517479039, 0.003657195, 0.006080152),"fdr")我得到了这个

而不是我计算的结果：

R 对可以解释这两个结果的数据做了什么？

我有以下输入文件（Input.xls）：

我想：

1. 计算每行的超几何 p 值（成功完成）
2. 然后计算 p 值校正的 fdr（与 BH 相同）
3. 将调整后的 p 值添加为最后一列。

我预期的输出文件将有四列。第一个是“Mouse”的值，第二个是“Human”的值，第三个是“Hypergeom-pvalue”，第四个是“Adjusted-pvalue”。我可以使用以下代码生成前 3 列：

到这里为止，脚本工作正常，我得到以下输出文件（“Hypergeom.xls”）：

然后我的目标是重新打开输出文件作为输入，然后根据使用 R 的用户之一建议的命令计算 fdr：如何在 Python 中实现 R 的 p.adjust

然后我的代码：

我在步骤 p_adjusted = R [...] 时遇到错误。错误是：TypeError：“模块”对象没有属性“ getitem ”

因此，我有两个问题：

1. 我不知道如何通过克服这个错误来计算 fdr
2. 如何将文件末尾的 fdr 列添加为第四列？

我在这里和这里找到了类似的问题，但我似乎无法弄清楚如何为我自己的数据做这件事。

我在 python 中有一组浮点数列表（实际上，每个列表大约有 1,000 个浮点数）；例如

对于每个列表，我想将 python 列表转换为 R 列表，对 R 列表执行 FDR 测试以获取 Q 值列表，然后将 Q 值的 R 列表转换回 python 列表，然后继续用我的脚本。

我的代码：

我对这条线有问题：

例如，如果我制作该行：

错误是：

如果我将行稍微更改为：

错误是：

我知道问题是我没有正确地将 python 列表转换为 R 列表，我不确定如何正确执行此操作；因此建议表示赞赏。

我需要一些帮助来找到一种方法来计算 R 中的 Welch p 值的 q 值，使用置换 FDR 方法，就像 SAM 技术一样。

假设我的数据如下

我可以获得每个“行 x-vs-y”的韦尔奇 p 值列表，如下所示

然后如何使用置换 fdr 调整 p 值？据我所见， p.adjust不能这样做，samr只允许 t-statistic 或 wilcoxon ，而且我找不到任何可以帮助我的包。有什么建议么？

我正在学习使用CSPm和FDR对安全协议进行模型检查

我从实现早期论文开始：Breaking and fix the Needham-Schroeder Public-Key Protocol using FDR , Gavin Lowe, TACAS 1996

这是我的代码片段：

FDR 的错误提示是：

那么如何声明一个名为“Encrypt”但有两种不同类型的数据构造函数：Int.Int.Int 和 Int.Int？

我正在使用 R（还不是 4 版本啊）我被建议在我的线性模型上使用 FDR 校正。我有超过 200 名参与者，140 个连续结果变量，每个结果变量都在相同的 4 个预测变量上进行测试。所以所有模型都是：Y ~ x1 + x2 + x3 + x4，对于所有 140 个变量，其中 x1 是我感兴趣的预测变量，而其他 (x2,x3,x4) 我只是用来控制它们对 Y 的影响。我如何应用 FDR？我要纠正什么？我必须纠正所有 140 个结果变量吗？我只需要纠正 4 个预测变量吗？如果您可以解释该过程以及如何决定在 fdr 中纠正什么，那将非常好，因为我正在努力理解它。非常感谢您的帮助，最好的

我想在绘制多个相关测试时调整多个测试。psych 包中的 corr.test 效果很好，但没有很好的图形输出。我对使用 GGally 包中的 ggpairs 特别感兴趣，因为它允许每个单元格有多个相关性（例如，在下面的示例中按物种分割）。但我似乎找不到添加 p.adjust 或类似语句的方法。

例如：

执行 12 个独立的相关测试并生成一个漂亮的图，用星号指示显着性水平。但是如何调整已经完成了 12 个相关测试（而不是一个）？

我希望能够做类似的事情：

ggpairs(flea, columns=2:4, ggplot2::aes(colour=species, p.adjust="Bonferroni"))

这不会引发任何错误。但据我所知，它也导致显着性测试没有差异 - 似乎 p.adjust 语句被忽略了。

1）它被忽略了吗？您如何访问实际的 p 值而不仅仅是 *** 以更详细地检查这一点？

2）假设它被忽略了，我该如何调整显着性测试以考虑多重测试？

我对可以处理多种类型调整的方法特别感兴趣，而不仅仅是 Bonferroni。我在示例中使用了 Bonferroni，因为它是最保守的，因此（我认为）最容易看到校正/未校正输出之间的差异。我想用它来可视化几十到几百个带有 fdr 校正（或类似）的相关测试的结果。