Question

我们给出了一个包含2列（样本，实验条件）和 n 行（例如基因）的矩阵，我们的目标是识别已经发生显着变化的基因（在特定的FDR）两个样本之间。

如何使用R执行此操作？

以下是fdrtool包装手册中的示例，其中显示了如何从p值向量计算FDR：

library("fdrtool") 
data(pvalues)
fdr = fdrtool(pvalues, statistic="pvalue") 
fdr$qval # estimated Fdr values 
fdr$lfdr # estimated local fdr

但问题是我们这里只有两个观测向量，而不是p值。有什么想法吗？

以下是可以使用的示例数据：foo <- matrix(runif(1000), ncol=2)

我认为我们没有复制信息，p值等。但是可以肯定的是，两个样本之间具有不同值的基因肯定有更强的证据。有没有办法在这种情况下分配FDR？

Answer 1

如果每个条件都有一个样本，则无法获得p值，因为这是为一个群体绘制的样本之间的差异在统计上不同的概率。但是，如果你没有重复，没有平均值，没有每个基因的方差，正如我所理解的那样，我们无法估计抽样误差，因此没有如何区分你看到的随机值的值，对于传统的测试小样品，作为t检验。看看这个，它可能会有所帮助：

你能做什么，是一个MA情节

并查看数据的分布，这些差异很大，并选择那些。但是，这不是虚假发现率分析的统计框架，它可能有助于作为探索性分析，但没有真正的统计数据。在微阵列的文献中，您可能会找到替代方案，做出一系列假设并进行假设检验，但我不知道有人指出，也许这个包装有一个......

enter image description here