利用条件错误发现率方法识别抑郁症和失眠症的多效性位点

背景 抑郁症和失眠症常共病存在,两者存在一些共同的发病机制,并可能受相同的多效性基因调控。既往全基因组关联研究(GWAS)一般采用单性状研究,在解释基因多效性方面存在一定的狭窄性。目的 识别与失眠症和抑郁症相关的遗传变异位点,检验抑郁症和失眠症是否存在共同的遗传因素。方法 抑郁症GWAS数据来自精神疾病遗传学联盟(PGC),共包含246 363例抑郁症患者和561 190例正常对照。失眠症GWAS数据来自睡眠障碍知识门户,共包含1 331 010例受试者。采用条件错误发现率(cFDR)和联合的条件错误发现率(ccFDR)方法筛选与抑郁症和失眠症相关的遗传位点,采用通路富集分析检验这些位点的生物学功能。结果 抑郁症和失眠症存在显著的多效性富集现象。利用cFDR方法,以cFDR<0.01作为显著性阈值,鉴定出21个易感位点与抑郁症相关(其中17个是新识别的),38个易感位点与失眠症相关(其中28个是新识别的)。以ccFDR<0.05为显著性阈值,识别出16个多效性位点与抑郁症和失眠症均相关,其中15个是本研究新识别的。通路富集分析结果显示,与抑郁症和失眠症均关联的易感位点富集于突触传递相关通路,如突触后密度(GO:0014069,P=4.91E-04,FDR=4.84E-03)、不对称突触(GO:0032279,P=5.09E-0,FDR=4.84E-03)、突触后膜神经递质受体水平的调节(GO:0099072,P=5.11E-04,FDR=1.69E-02)。结论 失眠症与抑郁症之间存在多效性富集现象,其共病机制与突触传递有关。

具有错误发现率控制的网络连接数据变量选择

网络连接数据的统计推断问题已成为近年来统计学研究的热点问题.传统模型中样本数据间的独立性假设通常不能满足现代网络连接数据的分析需求.本文研究了网络连接数据中每个节点的独立效应,并借助融合惩罚的思想,使得相互连接节点的独立效应趋同.同时借助仿变量方法 (Knockoff)仿冒原始变量的数据依赖结构、构造与目标变量无关的属性特征,提出了针对网络连接数据进行变量选择的仿变量方法 (NLKF).从理论上证明了NLKF方法将变量选择的错误发现率(FDR)控制在目标水平.对于原始数据协方差未知的情形,使用估计的协方差矩阵仍具有上述良好的统计性质.通过与传统变量选择方法 Lasso对比,说明了本文方法的可靠性.最后结合因子投资领域2022年1–12月中国A股市场4 000只股票的200个因子数据及每只股票所属申万一级行业构造的网络关系,给出模型的应用实例.

基于错误发现率的高维数据流在线监控方法

关于多数据流的监控,大多假设数据流之间是独立的。从统计过程控制的角度,给出了在线监控高维数据流的一般框架。鉴于数据的分布可能存在多样性,本文采用对称数据聚合方法建立了稳健的监控统计量,利用统计量的渐进对称性选取数据驱动的阈值,基于错误发现率对相关的非正态数据流进行在线监控。以AR (1)模型刻画数据流间的相关性,通过蒙特卡洛模拟,研究了所提出方法的错误发现率和功效水平。数值模拟结果表明所提出的方法具有较理想的性能。

错误发现率及其扩展和应用

目的:介绍多重假设检验中的错误发现率控制和在此基础上发展起来的q值和局部错误发现率。方法:将Benjamini和Hochberg(BH)控制程序、q值和局部错误发现率应用于一个前列腺癌微阵列数据的基因差别表达分析,控制和估计错误发现率。结果:当错误发现率为0.10时通过BH程序得到60个差别表达基因,q值小于0.10的有74个基因,局部错误发现率小于0.10的有31个基因。结论:高维数据多重假设检验中能同时控制或估计错误发现率,BH控制程序、q值和局部错误发现率的联合应用能提供更多的信息。

错误发现率的经验估计和应用

目的:研究大规模数据中的密度、无效分布和错误发现率的经验贝叶斯估计和应用。方法:对2个微阵列数据的贝叶斯模型,采用Poisson回归方法估计密度函数,并在此基础上经验估计贝叶斯错误发现率和局部错误发现率。

微阵列数据分析和错误发现率

目的:介绍微阵列数据的差异表达分析和基于错误发现率的多重假设检验。方法:通过t检验对一个关于前列腺癌的微阵列数据进行基因差异表达分析,采用BH程序进行错误发现率的控制和经验估计。结果:当错误发现率为0.05时通过BH程序得到21个差异表达基因;当以|t|≥3作为拒绝域时,得到105个基因,对应的错误发现率估计值为0.20。结论:相对传统的总体错误率,错误发现率更加适合于微阵列这种高维数据多重比较的错误控制;而且能同时控制或估计错误发现率。

基于错误发现率控制的不良反应信号检测方法比较

目的通过蒙特卡罗模拟比较基于错误发现率(FDR)控制的信号检测方法与传统方法的检测效能,验证基于错误发现率控制的方法是否能解决传统方法假阳性信号比例高的问题。方法基于不良反应监测数据的特点,建立自发呈报系统模型,合理设置参数,产生模拟数据,使用R软件进行数据分析,进行传统方法和基于错误发现率控制的方法的比较,并考察判定阈值对信号检测结果的影响。结果传统频数法(PRR和ROR法)的灵敏度高于贝叶斯法(BCPNN和GPS法),特异度稍低;基于FDR控制的方法较传统方法灵敏度提高,特异度降低,且FDR控制对贝叶斯法的影响较频数法更大。结论若检测要求较高的灵敏度和较大的ROC曲线下面积,可优先选择基于FDR控制的GPS法,若要求较高的阳性预测值,则传统BCPNN法为首选。

多重相关检验中错误发现率的控制算法

假设检验问题是通过比较p值和置信水平α的值来决定是否拒绝对应的假设,p<α时我们拒绝原假设。随着试验次数的增加,在所有满足零假设为真的p值集合中,数值较小的p值存在的可能性会增加,从而使得做出错误的判断,p值调整算法可以针对多重检验有效地缓解这类问题。本文讨论多重检验的p值调整算法的功效,模拟基因序列进行多重检验分析,产生2000个模拟量(即基因数量),重复实验1000次,得到1000组p值。对每组p值使用相应的调整算法得到新的p值,比较每个算法功效的优劣。模拟结果显示在我们所选用的5种p值调整算法中,q值方法(Storey 2003)能很好地控制错误发现率(FDR)的大小,同时具有更高的功效值。

微阵列数据扰动对错误发现率方法筛选差异表达基因的影响

目的:探讨微阵列数据的扰动对错误发现率(FDR)方法筛选差异表达基因的影响。方法:用计算机模拟仿真的方法,对1 991个结肠癌微阵列基因数据给予不同相对误差限的随机扰动,每个扰动进行1 000次随机模拟;用FDR的ALSU方法对无扰动数据与有扰动数据分别筛选差异表达基因,比较两者之间的重复率;分析数据扰动对每次基因排序位次变化的影响。结果:差异表达基因的单个平均重复率与总体平均重复率都随数据扰动的增加而下降。差异表达越显著的基因,受扰动误差的影响越小;在扰动误差限≤50%时,数据扰动与差异表达基因总体平均重复率呈线性递减趋势,数据扰动误差限每增加1%,总体平均重复率约下降1.85%。扰动误差限越大,基因排序位次的波动越大。结论:数据扰动是导致差异表达基因可重复性差的原因,用计算机模拟的方法可定量探讨数据扰动对差异基因筛选的影响。

利用条件错误发现率方法识别欧洲人群炎症性肠病相关位点

目的:利用更高效的数据分析方法识别更多与炎症性肠病相关的遗传变异位点。方法:炎症性肠病的全基因组关联研究(GWAS)汇总数据来源于国际炎症性肠病遗传学联合会官网,其中,溃疡性结肠炎(UC)相关的GWAS meta汇总数据涉及20 464个对照和6 968个病例;克罗恩病(CD)相关的GWAS meta汇总数据涉及14 927个对照和5 956个病例。首先利用条件Q-Q图和条件真实发现率(TDR)图评估疾病之间多效性富集程度;再计算SNPs的条件错误发现率(c FDR)和联合的条件错误发现率(cc FDR),以0.01为显著性阈值筛选与疾病相关的遗传位点。结果:一共识别了43个新位点和UC相关;86个新位点和CD相关;22个新位点与UC和CD都相关。结论:新识别的这些遗传位点为研究UC和CD的遗传和致病机制提供了新的线索。

利用条件错误发现率方法识别欧洲人群抑郁症与大脑海马体新的遗传位点

目的利用全基因组关联研究识别更多与抑郁症和海马体相关的遗传变异位点。方法本研究数据来自精神疾病遗传学联盟和英国生物银行(UK Biobank)数据库,全基因组关联研究(GWAS)数据涉及170756例抑郁症和329443例对照,左右侧海马体积GWAS数据涉及33224名参与者。利用条件错误发现率(condFDR)识别抑郁症和左右侧海马体积新的遗传位点,联合错误发现率(conjFDR)评估抑郁症和左右侧海马体积之间的多效性位点的富集程度。结果在condFDR<0.01的水平上,识别了7个新位点和抑郁症相关,13个新位点和左海马体积相关,12个新位点和右海马体积相关。在conjFDR<0.01的水平上,确定了一个与抑郁症和右侧海马体积相关的遗传位点rs1267073。结论全基因组关联研究识别海马体和抑郁症风险的遗传机制为未来的抑郁症治疗试验提供依据。

基于LASSO的FDR控制方法及其在高维数据生存分析中的应用

目的基于LASSO-Cox模型探索交叉验证(cross validation)、pcvl法(penalized cross-validated log-likelihood)、EBIC准则(extended bayesian information criterion)、平稳选择(stability selection)四种方法在控制FDR(false discovery rate)方面的表现及其变量选择效果。方法通过模拟研究评价各方法在不同删失比例、自变量间不同相关程度以及回归系数的不同稀疏水平下的FDR和PSR(positive select rate),并从GEO上下载DLBCL数据进行基因与预后间的关联分析。结果模拟结果表明,在不同删失比例、自变量相关程度和稀疏水平的情况下,平稳选择法控制FDR的能力都优于其他方法且其变量选择效能也较高。EBIC准则在相关程度低、自变量较稀疏时表现较好,当样本量较小时结果较保守。pcvl法虽然不容易漏掉有效应的变量,但其FDR仍较高。实例结果显示,EBIC准则只选出1个基因,平稳选择法选出的基因中大部分有统计学意义且与其他方法的结果重合度高。结论在基于LASSO-Cox模型的高维数据生存分析中平稳选择法能较好地控制FDR且其变量选择效能也较高。

一种多检验方法FDR在脑功能磁共振成像(fMRI)处理中的应用

对一种多检验方法———错误发现率 (FDR)方法进行了计算机实现 ,并将FDR方法及其他几种假设检验方法应用在模拟数据和fMRI数据分析中进行比较 。

Knockoff方法研究进展综述

随着现代科学技术的快速发展,大数据时代正向我们走来.此时,统计方法的可重复性对于提高科学研究的严谨性至关重要.Barber和Candès[48]提出的knockoff方法是一种可结合任意特征重要性得分的变量选择算法,在发现真实效应的同时严格控制错误发现率(false discovery rate,FDR),其核心想法是构造称为knockoff的合成变量来模仿原始变量之间的相关结构.该方法无需计算p-值而在近年来受到广泛关注,成为当今统计和机器学习最热点的研究领域.本文主要介绍knockoff方法的最新研究进展,并简要探讨未来可能的研究方向.

自由分布式FDR假设检验阈值算法的小波域信号增强算法

在小波阈值增强算法中存在的主要问题是阈值的选取。Donoho提出的通用阈值在实际的应用中效果并不十分理想。利用统计学中的自由分布式错误发现率(False Discovery Rate,FDR)假设检验方法,提出一种新的阈值算法。选取sym4小波函数对带噪信号进行处理,仿真结果表明该算法的信号增强效果优于通用阈值的信号增强效果。

基于自由分布式FDR假设检验阈值算法的信号去噪

在小波阈值去噪算法中存在的主要问题是阈值的设定和阈值函数的选取。Donoho提出的通用阈值在实际的应用中效果并不十分理想。利用统计学中的自由分布式错误发现率假设检验方法来设定阈值,使得该阈值不依赖于信号的长度,并在软阈值函数和硬阈值函数的基础上提出一种改进型阈值函数。仿真结果表明,与Donoho提出的小波阈值去噪算法相比,该算法具有更好的去噪性能。

基于自由分布式FDR假设检验阈值算法的图像去噪

小波阈值去噪算法中的核心问题是阈值的设定和阈值函数的选取.Donoho提出的通用阈值在实际的应用中效果并不十分理想.作者利用统计学中的自由分布式错误发现率假设检验方法来设定阈值,使得该阈值不依赖于信号的长度,并在软阈值函数和硬阈值函数的基础上提出了一种改进型阈值函数.仿真结果表明,与Donoho提出的小波阈值去噪算法相比,FDR阈值和改进型阈值函数的组合具有更好的去噪性能.

基于FDR阈值自动选取的拖拉机PTO转矩载荷谱外推

针对时域外推过程中常用的阈值选取计算复杂、精度低等问题,基于错误发现率(False discovery rate,FDR)提出了一种阈值自动选取方法,并基于该方法进行了拖拉机动力输出轴(Power take-off,PTO)转矩载荷谱外推研究。首先,利用开发的拖拉机PTO转矩无线监测系统采集拖拉机作业工况下的载荷数据,并进行数据预处理;将顺序拟合检验与多重检验相结合,采用FDR自动阈值选取法选取了最优阈值,确定了时域外推数据的上限阈值为342 N·m,下限阈值为100 N·m;基于极大似然估计对超阈值数据进行了广义帕累托分布(Generalized Pareto distribution,GPD)尺度参数和形状参数的拟合,建立了PTO转矩载荷的超阈值模型,并与传统图像法的拟合结果进行了比较,结果表明,两种方法的拟合结果与载荷样本的决定系数均大于0.995;从拟合优度来看,对于上限阈值,自动阈值选取法的拟合优度比图像法的拟合优度降低8.7%,而对于下限阈值,自动阈值选取法比图像法降低31.21%。利用时域外推方法对PTO转矩载荷数据进行外推,对外推1倍后的载荷时间历程与原载荷时间历程进行对比分析;当时域外推因子为131、PTO转矩累积频次达到106次时,得到了PTO转矩载荷谱;基于统计学特征与雨流计数分析对外推载荷谱进行了验证,结果表明,外推后的载荷谱与样本载荷谱分布规律一致,能够在保留载荷特征的前提下实现均值、幅值的双向外推。

基于偏最小二乘分析的FDR估计研究

目的基于偏最小二乘模型(PLS)提出一种新的FDR估计方法,并对其准确性进行验证。方法利用偏最小二乘的vip评分筛选变量,结合permutation方法和后退法对筛选结果进行FDR估计。结果模拟实验表明,在变量之间独立时,PLS-FDR方法和三种单变量估计方法都能准确估计FDR;在变量之间存在线性关系时,PLS-FDR方法估计FDR仍然具有无偏性,而三种单变量分析方法则无法准确地进行估计。实例分析表明,PLS-FDR方法对高维数据分析能够提供重要信息。结论在线性数据结构下,使用本文给出的PLS-FDR方法能够得出多变量FDR估计结果。

基于自由分布式FDR阈值的NSCT遥感图像去噪

提出一种新的自由分布式(FDR)假设检验阈值和非下采样Contourlet变换(NSCT)相结合的图像去噪方法。该方法首先在NSCT域利用统计学中的自由分布式错误发现率(FDR)假设检验方法来设定阈值,再通过软阈值函数进行去噪,且不依赖信号的长度。实验结果表明:该方法能够更有效地去除遥感图像的高斯噪声,提高图像的峰值信噪比;同时利用NSCT变换的平移不变性抑制了去噪中的伪Gibbs失真效应,较完整地保持了图像的纹理和边缘等细节信息,从而明显改善了图像的视觉效果。