Exponenta Banner
exponenta event banner

mafdr

Оценить положительную частоту ложного обнаружения для проверки множественных гипотез

свернуть все на странице

Синтаксис

FDR = mafdr (PValues)
FDR = mafdr (значения параметров, имя, значение)
[FDR, Q] = mafdr (PValues, ___)
[FDR, Q, aPrioriProb] = mafdr (PValues, ___)
[FDR,Q,aPrioriProb,R_squared] = mafdr (PValues, 'Метод', 'многочлен', ___)

Описание

пример

FDR = mafdr(PValues) прибыль FDR который содержит положительную частоту ложного обнаружения (pFDR) для каждой записи в PValues с использованием процедуры, введенной Storey (2002) [1]. PValues содержит одно значение p для каждого признака (например, гена) в наборе данных.

пример

FDR = mafdr(PValues,Name,Value) использует дополнительные параметры, заданные одним или несколькими аргументами пары имя-значение. Например, 'Showplot',true отображает диагностические графики вычисленных результатов.

пример

[FDR,Q] = mafdr(PValues,___) также возвращает показатели ошибок проверки гипотез Q для всех значений p. При необходимости можно указать один или несколько аргументов пары имя-значение.

пример

[FDR,Q,aPrioriProb] = mafdr(PValues,___) также возвращает aPrioriProb, оцененная априорная вероятность того, что нулевая гипотеза λ ^ 0 верна.

пример

[FDR,Q,aPrioriProb,R_squared] = mafdr(PValues,'Method','polynomial',___) также возвращает R_squared, квадрат коэффициента корреляции. Используйте метод полинома, чтобы получить значение R-квадрата.

Примеры

свернуть все

Открыть сценарий в реальном времени

Оцените положительный FDR, используя данные исследования рака предстательной железы (Best et al., 2005). Данные содержат данные интенсивности зонда из массивов Affymetrix ® HG-U133A GeneChip ®.

Загрузить данные экспрессии генов. Он содержит две переменные, dependentData и independentData это две матрицы значений экспрессии генов из двух экспериментальных условий.

load prostatecancerexpdata

Использовать mattest для расчета значений p для значений экспрессии генов в двух матрицах.

pvalues = mattest(dependentData,independentData,'permute',true);

Использовать mafdr для вычисления положительных значений БУР.

fdr = mafdr(pvalues);

Вычислите q-значения, априорную вероятность (что нулевая гипотеза верна) и R-квадрат. Для получения значения R-квадрата необходимо использовать метод полинома. Печать данных по настройке 'Showplot' кому true.

[fdr,q,priori,R2] = mafdr(pvalues,'Method','polynomial','Showplot',true);

Figure contains 2 axes. Axes 1 with title $\hat\pi_0$=0.6768 contains 4 objects of type line. These objects represent cubic polynomial fit, $\hat\pi_0$. Axes 2 contains an object of type line.

Входные аргументы

свернуть все

P-значения для всех элементов в наборе данных, указанных как вектор столбца или объект DataMatrix. Можно использовать первый вывод mattest функция.

Типы данных: double

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Пример: fdr = mafdr(pvals,'Lambda',0.5,'Showplot',true) задает значение параметра настройки 0,5 для оценки предыдущей вероятности и отображает графики статистики качества.

Флаг для использования линейной процедуры повышения, введенной Бенджамини и Хохбергом (1995) [2], указанной как разделенная запятыми пара, состоящая из 'BHFDR' и true или false. Значение по умолчанию: false, то есть функция использует процедуру, введенную Storey (2002) [1].

Если true:

  • Функция использует метод Бенджамини и Хохберга.

  • Функция игнорирует 'Method' и 'Lambda' аргументы пары имя-значение.

  • Укажите только один выходной аргумент, т. е. FDR.

  • Если вы также установили 'Showplot' кому trueзатем функция строит график только значений q по сравнению со значениями p. Дополнительные сведения см. в разделе «Showplot».

Пример: 'BHFDR',true

Типы данных: logical

Параметр настройки, используемый для оценки априорной вероятности того, что нулевая гипотеза верна, определяется как пара, разделенная запятыми, состоящая из 'Lambda' и положительный скаляр или вектор с четырьмя или более значениями. Скалярное значение или каждое значение в векторе должно быть в диапазоне от 0 до 1.

  • Если указано одно значение, функция игнорирует 'Method' аргумент пары имя-значение.

  • Если задан вектор значений, то функция выбирает оптимальное значение с помощью метода, заданного параметром 'Method' аргумент пары имя-значение.

Пример: 'Lambda'[0.01:0.1:0.95]

Типы данных: double

Метод выбора значения Лямбда из диапазона значений, заданного как пара, разделенная запятыми, состоящая из 'Method' и 'bootstrap' или 'polynomial'.

Пример: 'Method','polynomial'

Типы данных: char | string

Флажок для отображения двух диагностических графиков, указанных как пара, разделенная запятыми, состоящая из 'Showplot' и true или false.

Если true, функция отображает два графика:

  • Оценена априорная вероятность того, что нулевая гипотеза λ ^ 0 (λ) является истинной по сравнению с параметром настройки (λ) с кубической полиномиальной аппроксимирующей кривой

  • q-значения по сравнению с p-значениями

Если вы также установили 'BHFDR' кому trueфункция отображает только второй график.

Пример: 'Showplot',true

Типы данных: logical

Выходные аргументы

свернуть все

Положительные значения FDR, возвращаемые как вектор или объект DataMatrix.

Если PValues является вектором столбца, то FDR является вектором-столбцом.

Если PValues является DataMatrix объект, затем FDR является DataMatrix объект.

Q-значения, возвращаемые в виде вектора столбца. Q содержит показатели ошибки проверки гипотез для всех наблюдений в PValues.

Оцененная априорная вероятность того, что нулевая гипотеза λ ^ 0 верна, возвращается как положительный скаляр.

Квадрат коэффициента корреляции, возвращаемый как положительный скаляр. Определить 'Method' как 'polynomial' чтобы получить этот четвертый выход.

Ссылки

[1] Стори, J.D. 2002. Прямой подход к показателям ложных открытий. J. Royal Stat. Soc. 64: 479-498.

[2] Benjamini, Y., and Hochberg, Y. 1995. Контроль частоты ложных открытий: практичный и мощный подход к множественному тестированию. J. Royal Stat. Soc. 57: 289-300.

[3] Best, C.J.M., Gillespie, J.W., Yi, Y., Chandramouli, G.V.R., Perlmutter, M.A., Собирается, Я., Эриксон, Х. С., Георгевич, Л., Тангреа, М. А., Дюрей, П.Х., Гонсалес, С., Веласко, А., Линехан, В.М., Матусик, Р.Дж., Прайс, Д.К., Фигг, В.Д., Эммерт-Бак, M.R., and Chuaqui, R.F. 2005. Молекулярные изменения при первичном раке предстательной железы после терапии андрогенной абляцией. Клиника Рак Рес. 11: 6823-6831.

[4] Стори, Дж. Д., и Тибширани, Р. 2003. Статистическая значимость для исследований по всему геному. Прок. Нат. акад. Т. 100: 9440-9445.

[5] Стори, Джей Ди, Тейлор, Дж. Э., и Зигмунд, Д. 2004. Сильный контроль, консервативная точечная оценка и одновременная консервативная согласованность ложных показателей обнаружения: единый подход. J. Royal Stat. Soc. 66: 187-205 .

См. также

| | | | | | | |

Представлен в R2007a

Документация по инструментарию биоинформатики

Поддержка