[論文レビュー] Multi-weighting for FDR control

Étienne Roquain, Mark van de Wiel|arXiv (Cornell University)|Jul 25, 2008

Statistical Methods in Clinical Trials参考文献 9被引用数 7

ひとこと要約

本稿では、独立性、正回帰的依存性（PRDS）、一般の依存性の下で、標準のBenjamini-Hochberg手順よりも統計的パワーを著しく向上させる、行列形式の適応的重みを用いた多重仮説検定における誤り発見率（FDR）制御のためのマルチウェイト手順を提案する。この手法は重み行列を最適化してパワーを最大化し、マイクロアレイデータ応用において優れた性能を示す。

ABSTRACT

In the context of multiple hypothesis testing, we propose a new method of $p$-value weighting when controlling the false discovery rate (FDR). To deal with all the possible rejection numbers in the FDR, we consider a matrix of weights and we integrate it in a new class of procedures, called the ``multi-weighted'' procedures. First, we propose multi-weighted step-up and step-down procedures which control rigourously the FDR under independence, positive dependence (PRDS) and general dependence. Second, we propose a way to derive a weight matrix which is optimal in the sense of power. When the optimal weight matrix is reasonably well approached, we demonstrate in a simulation study that the corresponding multi-weighted procedures outperform the standard uniformly-weighted Benjamini-Hochberg procedure. Finally, we apply our method to the two sample multiple comparison problem, and we demonstrate its interest in practice with an application to microarray experiments.

研究の動機と目的

• 均一な重みによるFDR制御手順の限界を是正するため、適応的で行列ベースの重み付けスキームを導入すること。
• 独立性、PRDS、一般の依存性の下でFDRを厳密に制御する段階的上昇および段階的下降手順を開発すること。
• 多重仮説検定の文脈で統計的パワーを最大化する基準に基づき、最適な重み行列を導出すること。
• シミュレーション研究およびマイクロアレイ実験への応用を通じて、本手法の優位性を検証すること。
• 2標本の多重比較問題において、標準のBenjamini-Hochberg手順の実用的で強力な代替手法を提供すること。

提案手法

• 単一の均一な重みではなく、重み行列を用いる「マルチウェイト」と呼ばれるFDR制御手順の新クラスを提案する。
• 重み行列を組み込んだ段階的上昇および段階的下降の検定手順を設計し、帰無仮説の棄却基準を適応的に調整する。
• 独立性、PRDS、一般の依存性という3つの依存構造の下で、理論的FDR制御を確立する。
• パワー最大化基準に基づき、真の発見数の期待値を最大化することで、最適な重み行列を導出する。
• 特にゲノム研究やマイクロアレイデータ解析に適した、2標本の多重比較問題に本手法を適用する。
• さまざまなシグナル強度および依存構造の下で、Benjamini-Hochberg手順との性能比較を目的としたシミュレーション研究を実施する。

実験結果

リサーチクエスチョン

• RQ1 行列ベースの重み付けスキームは、FDR制御の多重仮説検定手順におけるパワー向上に寄与するか？
• RQ2 提案されたマルチウェイト手順は、一般の依存構造の下でもFDR制御を維持するか？
• RQ3 パワーと誤り率制御の観点から、マルチウェイト手順はBenjamini-Hochberg手順と比べてどのように性能を発揮するか？
• RQ4 多重仮説検定の文脈で、統計的パワーを最大化する最適な重み行列を導出可能か？
• RQ5 本手法は、マイクロアレイデータ解析のような実世界の応用において実用的に有効か？

主な発見

• マルチウェイト手順は、独立性、PRDS、一般の依存性の下でFDRを制御し、多様なデータ構造にわたる理論的妥当性を保証する。
• 最適な重み行列が適切に近似される場合、シミュレーションにおいて標準のBenjamini-Hochberg手順よりも著しく高い統計的パワーを達成する。
• 本手法はマイクロアレイ実験において実用的有用性を示し、従来の手法と比較して発現が変化した遺伝子の検出能力が向上している。
• 最適な重み行列の導出は、FDR制御を保ちつつパワーを最大化するための体系的な手法を提供する。
• シミュレーション結果は、さまざまなシグナルおよび依存構造の下で、マルチウェイトアプローチのロバストネスと優位性を確認する。
• 2標本の多重比較への応用は、本手法が高次元の生物学的データ解析において重要な意義を持つことを強調する。