JUMP: replicability analysis of high-throughput experiments with applications to spatial transcriptomic studies.
JUMP: replicability analysis of high-throughput experiments with applications to spatial transcriptomic studies.
复制标题
DOI：
10.1093/bioinformatics/btad366
复制
发表时间：
2023-06-01
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
可复制性是科学研究的基石。目前用于高维可复制性分析的统计方法要么无法控制错误发现率（FDR），要么过于保守。我们提出了一种统计方法JUMP，用于两项研究的高维可复制性分析。输入是来自两个研究的p值的高维配对序列，检验统计量是这对p值的最大值。JUMP使用p值对的四种状态来指示它们是空还是非空。在隐藏状态的条件下，JUMP计算每个状态的p值最大值的累积分布函数，以保守地近似可复制性复合零下的拒绝概率。JUMP估计未知参数，并使用上升过程来控制FDR。通过结合不同状态的复合零值，JUMP在控制FDR的同时获得了比现有方法更大的功率增益。通过分析两对空间分辨转录组数据集，JUMP获得了现有方法无法获得的生物学发现。在CRAN （https://CRAN.R-project.org/package=JUMP）上可以获得实现JUMP方法的R包JUMP。
Replicability is the cornerstone of scientific research. The current statistical method for high-dimensional replicability analysis either cannot control the false discovery rate (FDR) or is too conservative. We propose a statistical method, JUMP, for the high-dimensional replicability analysis of two studies. The input is a high-dimensional paired sequence of p-values from two studies and the test statistic is the maximum of p-values of the pair. JUMP uses four states of the p-value pairs to indicate whether they are null or non-null. Conditional on the hidden states, JUMP computes the cumulative distribution function of the maximum of p-values for each state to conservatively approximate the probability of rejection under the composite null of replicability. JUMP estimates unknown parameters and uses a step-up procedure to control FDR. By incorporating different states of composite null, JUMP achieves a substantial power gain over existing methods while controlling the FDR. Analyzing two pairs of spatially resolved transcriptomic datasets, JUMP makes biological discoveries that otherwise cannot be obtained by using existing methods. An R package JUMP implementing the JUMP method is available on CRAN (https://CRAN.R-project.org/package=JUMP).
登录
查看更多内容
影响因子：
14.9
作者：
Sunkin SM;Ng L;Lau C;Dolbeare T;Gilbert TL;Thompson CL;Hawrylycz M;Dang C
通讯作者：
Dang C
DOI：
10.1111/j.1467-9868.2004.00439.x
发表时间：
2004-01-01
影响因子：
5.8
作者：
Storey, JD;Taylor, JE;Siegmund, D
通讯作者：
Siegmund, D
DOI：
10.1111/1467-9868.00346
发表时间：
2002-01-01
影响因子：
5.8
作者：
Storey, JD
通讯作者：
Storey, JD
DOI：
10.1080/01621459.2013.829002
发表时间：
2013-12-01
影响因子：
3.7
作者：
Bogomolov, Marina;Heller, Ruth
通讯作者：
Heller, Ruth
影响因子：
3.7
作者：
SIDAK, Z
通讯作者：
SIDAK, Z