我有一个感兴趣的576个基因及其分配的功能类别的生物学数据集。我还为我正在研究的物种的基因组中的所有基因分配了功能类别。这使我可以设置一个加权的随机绘图，在这里我可以从基因组中选择576个基因/功能分配，并查看各个功能类别的分布情况。我已经重复了100万次，这似乎有些过头了；但是，对于我的其中一个类别，我目前无法模拟一个与目标基因一样极端的值。
为了提供背景信息，功能类别（让我们加上“ A”）代表了14％的基因组和28％的目标基因。对于类别A，我模拟的最高值为22.92％，而97.5％的置信区间为17.19％。当我凭经验进行计算时，这给我带来了麻烦，即（（针对A的模拟的值的数量超过目标基因的A的值的数量）/（模拟的总数），所以我的p值为零。
len([i for i in probs_dict["A"] if i > target_per])/total_sims
这里是否有其他方法来计算p值或表示高度的过度表达？
答案 0 :(得分：0)
将1和分子加1可能是合适的。例如，请参见此paper。这防止了p = 0的发生。因此，您的p值公式将变为：
(1 + len([i for i in probs_dict["A"] if i > target_per]))/(1 + total_sims)