Error control variability in pathway-based microarray analysis.
Error control variability in pathway-based microarray analysis.
复制标题
基于途径的微阵列分析中的误差控制变异性。
DOI：
10.1093/bioinformatics/btp385
复制
发表时间：
2009-09-01
期刊：
影响因子：
--
通讯作者：
Liu S
中科院分区：
文献类型：
--
作者：
Gold DL;Miecznikowski JC;Liu S
动机：在实践中做出一些或许多假阳性的决定取决于研究者。不幸的是，并非所有的错误控制过程都执行相同的操作。我们的问题是选择一个错误控制程序来确定一个P值阈值，用于识别高通量基因表达研究中的差异表达途径。途径分析比差异基因表达分析涉及更少的测试，大约几百个。我们讨论和比较方法的错误控制与基因表达数据的途径分析。结果如下：考虑到测试结果的变异性，我们发现广泛使用的Benjamini和Hochberg（BH）错误发现率（FDR）分析不如替代方法稳健。BH的误差控制需要大量的假设检验，这是差异基因表达分析的合理假设，尽管基于路径的分析不是这种情况。因此，我们主张通过一系列模拟和应用到真实的基因表达数据中，研究人员控制假阳性的数量而不是FDR。可用性：我们的R包EPath.omg可在http://sphhp.buffalo.edu/biostat/research/software上获得。联系方式：dlgold@buffalo.edu补充信息：补充数据可在生物信息学在线获得。
Motivation: The decision to commit some or many false positives in practice rests with the investigator. Unfortunately, not all error control procedures perform the same. Our problem is to choose an error control procedure to determine a P-value threshold for identifying differentially expressed pathways in high-throughput gene expression studies. Pathway analysis involves fewer tests than differential gene expression analysis, on the order of a few hundred. We discuss and compare methods for error control for pathway analysis with gene expression data. Results: In consideration of the variability in test results, we find that the widely used Benjamini and Hochberg's (BH) false discovery rate (FDR) analysis is less robust than alternative procedures. BH's error control requires a large number of hypothesis tests, a reasonable assumption for differential gene expression analysis, though not the case with pathway-based analysis. Therefore, we advocate through a series of simulations and applications to real gene expression data that researchers control the number of false positives rather than the FDR. Availability: Our R package, EPath.omg is available at http://sphhp.buffalo.edu/biostat/research/software. Contact: dlgold@buffalo.edu Supplementary information: Supplementary data are available at Bioinformatics online.
登录
查看更多内容
DOI：
10.1073/pnas.0708476104
发表时间：
2007-11-06
影响因子：
11.1
作者：
Xu, Qing;Majumder, Pradip K.;Sellers, William R.
通讯作者：
Sellers, William R.
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：
10.1073/pnas.0511150103
发表时间：
2006-02-28
影响因子：
11.1
作者：
Bourquin, JP;Subramanian, A;Orkin, SH
通讯作者：
Orkin, SH
影响因子：
3
作者：
Kim, SY;Volsky, DJ
通讯作者：
Volsky, DJ
DOI：
10.1111/j.2517-6161.1995.tb02031.x
发表时间：
1995-01-01
影响因子：
5.8
作者：
BENJAMINI, Y;HOCHBERG, Y
通讯作者：
HOCHBERG, Y