微阵列数据的多重比较

目的介绍阳性结果错误率(FDR)及相关控制方法在微阵列数据多重比较中的应用。方法用BH、BL、BY和ALSU四种FDR控制程序比较了3226个基因在两组乳腺癌患者中的表达差异。结果四个程序在各自实用的范围内均将FDR控制在0·05以下,检验效能由大到小的顺序为:ALSU>BH>BY>BL。ALSU程序因引入m0的估计,更为合理,不仅提高了检验效能,同时又较好地控制了假阳性错误。结论在微阵列数据的比较中必须考虑FDR的控制,同时又要考虑提高检验效能。多重比较中,控制FDR比控制总I型错误率(FWER)检验效能高,且更为实用。

实验组与对照组比较的样本率多重比较方法的模拟研究

目的研究5种实验组与对照组比较的样本率多重比较方法之特性。方法用SAS软件编制计算机模拟抽样程序,模拟估算各种参数条件下5种方法的总Ⅰ型错误率、检验效能和判对率。结果5种方法各具特色:Brunden法保守,杜养志法灵敏,Dunnett-SNK法和Bootstrap法较稳健,Dunnett-Levy法逊于Dunnett-SNK法。结论5种方法中没有一种方法能在各种条件下都将总Ⅰ型错误率控制在α水平内。相对而言,Dunnett-SNK法最稳健,较其他方法更值得推荐。如需严格控制总Ⅰ型错误率且组数不超过5,可选择Brunden法。如希望结果灵敏,可考虑杜养志法和Bootstrap法。

样本率多重比较方法的模拟研究

目的采用MonteCarlo方法模拟研究样本率多重比较方法特性。方法用SAS9.13软件编程,模拟估算不同参数条件下各种样本率多重比较方法的总Ⅰ型错误率、检验效能和判对率。结果不同方法各具特色,能较好控制总Ⅰ型错误率且检验效能较高的方法有Ryan、Perm、Boot和Hommel、Hoch、StepS、StepB方法。结论如需严格控制总Ⅰ型错误率在α水准内,Hommel、Hoch、StepS、StepB效能较高;如允许总Ⅰ型错误率略溢出(1.15α以内),Ryan、Perm和Boot法效能较高。