程，程;英镑，斯坦利B。;詹姆斯·博伊特（James M.Boyett）。;裴德清;郭美玲;马丁·罗塞尔（Martine F.Roussel）。 微阵列基因表达数据分析的统计显著性阈值标准。 （英语） Zbl 1166.62335号 统计应用程序。遗传学。分子生物学。 3，第1号，第36条（2004年）. 小结：基于错误发现率（FDR）控制的微阵列数据分析方法的进步，如q值图，使研究人员能够从几个角度检查FDR。然而，当FDR控制在0.01、0.05或0.1的“惯常”水平时，并不能提供富有成效的结果，就没有什么指南可以通过合理的统计或生物学考虑在显著性阈值和FDR水平之间进行权衡。因此，需要有意义的统计显著性标准来补充大规模多重测试的现有FDR方法。本研究提出了三个统计显著性准则，即轮廓信息准则、总误差比例准则和导向基因驱动选择准则。前两个是大规模多重测试的一般显著性阈值标准；轮廓信息准则与最近关于FDR控制与minimax估计之间关系的理论研究有关，总误差比例与FDR控制在总误差风险方面的渐近性质密切相关。引导基因驱动的选择是一种将统计学意义和现有研究生物学知识相结合的方法。对这些准则的误差特性进行了理论和仿真研究。以新Arf基因靶点的基因组筛选为例，对所提出的方法进行了说明和比较。在采用模拟基因调控途径的模型进行的模拟研究中，研究并比较了q值的操作特征和提出的显著性阈值标准。提供了使用这些标准的指南。如有要求，可从相应作者处获得Splus/R代码。 引用于5文件 MSC公司： 62页第10页 统计学在生物学和医学科学中的应用；元分析 92C40型 生物化学、分子生物学 92D10型 遗传学和表观遗传学 软件：R（右）;伦敦银行支持向量机;S-加 PDF格式BibTeX公司 XML格式引用 \textit{C.Cheng}等人，《统计应用》。遗传学。分子生物学。3，第1号，第36条（2004年；Zbl 1166.62335） 全文： DOI程序 链接