Clipper: p-value-free FDR control on high-throughput data from two conditions.
Clipper: p-value-free FDR control on high-throughput data from two conditions.
复制标题
DOI：
10.1186/s13059-021-02506-9
复制
发表时间：
2021-10-11
期刊：
影响因子：
12.3
通讯作者：
Li JJ
中科院分区：
文献类型：
--
作者：
Ge X;Chen YE;Song D;McDermott M;Woyshner K;Manousopoulou A;Wang N;Li W;Wang LD;Li JJ
高通量生物数据分析通常涉及从同时测量的众多特征中识别基因、基因组区域和蛋白质等特征，这些特征的值在两种条件下不同。确保分析可靠性的最广泛使用的标准是错误发现率（FDR），主要基于p值进行控制。然而，获得有效的p值依赖于数据分布的合理假设或在这两种条件下的大量重复。Clipper是FDR控制的通用统计框架，不依赖于p值或特定的数据分布。Clipper在高通量数据分析的广泛应用中优于现有方法。在线版本包含补充材料，可在（10.1186/s13059-021-02506-9）获得。
High-throughput biological data analysis commonly involves identifying features such as genes, genomic regions, and proteins, whose values differ between two conditions, from numerous features measured simultaneously. The most widely used criterion to ensure the analysis reliability is the false discovery rate (FDR), which is primarily controlled based on p-values. However, obtaining valid p-values relies on either reasonable assumptions of data distribution or large numbers of replicates under both conditions. Clipper is a general statistical framework for FDR control without relying on p-values or specific data distributions. Clipper outperforms existing methods for a broad range of applications in high-throughput data analysis. The online version contains supplementary material available at (10.1186/s13059-021-02506-9).
登录
查看更多内容
影响因子：
4.3
作者：
Bailey T;Krajewski P;Ladunga I;Lefebvre C;Li Q;Liu T;Madrigal P;Taslim C;Zhang J
通讯作者：
Zhang J
影响因子：
9.5
作者：
Hawinkel, Stijn;Mattiello, Federico;Thas, Olivier
通讯作者：
Thas, Olivier
影响因子：
4.5
作者：
Barber, Rina Foygel;Candes, Emmanuel J.
通讯作者：
Candes, Emmanuel J.
影响因子：
2.7
作者：
Boca, Simina M.;Leek, Jeffrey T.
通讯作者：
Leek, Jeffrey T.
影响因子：
4.3
作者：
Datta, Vishaka;Hannenhalli, Sridhar;Siddharthan, Rahul
通讯作者：
Siddharthan, Rahul