[论文解读] 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 7

一句话总结

本文通过使用自适应权重矩阵，提出了一种多加权的False Discovery Rate（FDR）控制方法，显著提升了在独立性、正回归依赖（PRDS）和一般依赖结构下多重假设检验的统计功效。该方法通过优化权重矩阵以最大化功效，并在微阵列数据应用中表现出色。

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.

研究动机与目标

• 为解决均匀加权FDR程序的局限性，提出基于矩阵的自适应加权方案。
• 开发步骤上升和步骤下降程序，在独立性、PRDS和一般依赖结构下严格控制FDR。
• 通过最大化功效准则，推导出能最大化统计功效的最优权重矩阵。
• 通过模拟研究和真实微阵列实验验证该方法的优越性。
• 为两样本多重比较问题提供一种实用且高效的替代标准Benjamini-Hochberg程序的方法。

提出的方法

• 提出一类新型FDR控制程序，使用权重矩阵（称为“多加权”程序），而非单一的均匀权重。
• 设计了结合权重矩阵的步骤上升和步骤下降检验程序，以自适应调整拒绝阈值。
• 在三种依赖结构下（独立性、PRDS和一般依赖）建立了理论上的FDR控制。
• 通过在功效最大化准则下最大化真正发现数的期望，推导出最优权重矩阵。
• 将该方法应用于两样本多重比较问题，尤其适用于基因组学和微阵列数据分析。
• 通过模拟研究评估该方法在不同信号强度和依赖条件下的性能，与Benjamini-Hochberg程序进行比较。

实验结果

研究问题

• RQ1 基于矩阵的加权方案是否能提升FDR控制型多重检验程序的统计功效？
• RQ2 所提出的多加权程序在一般依赖结构下是否仍能保持FDR控制？
• RQ3 在统计功效和错误率控制方面，多加权程序与Benjamini-Hochberg程序相比表现如何？
• RQ4 能否推导出一种最优权重矩阵，以在多重检验场景中最大化统计功效？
• RQ5 该方法在真实应用（如微阵列数据分析）中是否具有实际有效性？

主要发现

• 多加权程序在独立性、PRDS和一般依赖结构下均能控制FDR，确保在多样化数据结构下的理论有效性。
• 当最优权重矩阵被良好近似时，多加权程序在模拟中显著优于标准Benjamini-Hochberg程序的统计功效。
• 该方法在微阵列实验中展现出实际应用价值，相比现有方法能更有效地检测差异表达基因。
• 最优权重矩阵的推导提供了一种在保持FDR控制的同时最大化功效的系统性方法。
• 模拟结果证实了多加权方法在不同信号强度和依赖配置下的稳健性和优越性。
• 在两样本多重比较中的应用凸显了该方法在高维生物数据分析中的实际相关性。