发帖
雷达卡
Prism允许您输入一组在其他软件中计算得到的P值，并判断哪些P值足够低，值得开展后续研究。
关键概念：分析一组P值
- 我们开发Prism的目标始终是让基础生物统计学变得极易上手、简单易用。分析一组P值严格来说已超出“基础生物统计学”范畴。尽管如此，相关概念并非十分复杂。
- 将一批在其他软件中计算得到的P值输入到Prism的列数据表的A列中。
- 随后该分析会判定哪些P值足够小，使得对应的比较结果值得进一步研究。
操作指南：分析一组P值
1.创建列数据表
在“欢迎界面”或“新建数据表”对话框中，选择列选项卡。
2.输入P值
将在其他软件中计算得到的P值输入到A列中。
- 每个值必须是介于0.0和1.0之间的P值，不可输入“＜0.0001”“ns”“***”，必须以小数形式输入。
- 可选操作：在每个P值旁输入行标题以标识对应的比较组，这会让结果更易解读；若未输入行标题，Prism会用原始行号来标记结果。
- 该分析通常适用于成百上千个P值的批量处理，但也可处理任意数量的P值。
3.选择分析方法
点击分析，在列分析列表中选择分析一组P值。
您需要从两种核心思路中选择其一：控制错误发现率(FDR)或控制多重比较的Ⅰ类错误率，之后再选择Prism要执行的具体方法。
控制错误发现率(FDR)
您需要从三种方法中选择一种，来判定哪些P值足够小，可标记为“发现”。
- 推荐使用Benjamini-Krieger-Yekutieli自适应法，该方法检验效能更高。
- 更知名的Benjamini-Hochberg原始FDR法效能稍弱。
- Benjamini-Yekutieli法假设更少，但检验效能低得多。
同时需设置Q值：目标是让被标记为“发现”的比较中，假发现(假阳性)的比例不超过Q%。
- 输入格式为百分比数字(而非小数)：若希望最多5%的发现为假阳性，输入‘5’，而非‘0.05’或‘5%’。
- 无标准Q值：Q值越大，被标记为“发现”的比较越多，但其中假阳性也会越多。
统计显著性(控制多重比较的Ⅰ类错误率)
选择Prism进行多重比较校正的具体方式：
- 推荐使用Holm-Šídák法，其检验效能最高。
- 备选方法：Bonferroni-Dunn法(常简称为Bonferroni法)、Bonferroni-Šídák法(常简称为Šídák法)，二者非常相似，后者效能略高但认知度耕地。
需设置适用于整组P值的α值：Prism会据此在多重比较校正后，判定哪些P值足够小，使对应的比较被标记为“统计显著”。
- 输入格式为小数(而非百分比)：若希望原假设为真的比较中，最多5%被错误标记为“显著”，输入‘0.05’，而非‘5’。
- α值越大，被标记为“显著”的比较越多，但其中假阳性也会越多；单次或少量比较时常设为0.05，大量比较时可适当调高。
绘图
若勾选该选项，Prism将生成P值排序vs. P值的图表，这是可视化P值分布的常用方式。
结果解读：分析一组P值
统计显著性方法
校正后P值
您输入的每个P各占一行，结果表行数与输入一致，每行包含3个值：
- 第1列：简单以“是/否”标注该P值对应的比较是否具有统计显著性。
- 第2列：您输入的原始P值。
- 第3列：校正后P值。若您输入的α值与该校正后P完全相等，则该比较恰好处于“统计显著/不显著”的边界。
显著结果
该表仅展示被标记为“统计显著”的比较，按P值从小到大排序。每行显示：
- 行标题(若未输入标题，则显示原始行号)。
- 您输入的原始P值。
- 校正后P值。
排序P值
仅当您勾选了绘制P值分布的选项时，才会生成此表。
- X值：P值的排序(1代表最小P值)。
- Y值：对应的原始P值。
- 此表本身实用价值有限，主要用于自动生成可视化图表。
阈值P值
结果页的浮动注释会告知阈值P值：若某P值小于该阈值，则对应的比较结果被视为“显著”。
- 该阈值不等于您输入的α值。
- 例如在Bonferroni法中，阈值=α/K，其中K是您输入的P值总数。
错误发现率(FDR)方法
Q值
您输入的每个P值各占一行，结果表行数与输入一致，每行包含3个值：
- 第1行：简单以“是/否”标注该P值对应的比较是否被定义为“发现”。
- 第2行：您输入的原始P值。
- 第3行：Q值。若您输入的目标Q值与该Q值完全相等，则该比较恰好处于“定义为发现/不定义为发现”的边界。
发现结果
该表仅展示被标记为“发现”的比较，按P值从小到大排序。每行显示：
- 行标题(若未输入标题，则显示原始行号)。
- 您输入的原始P值。
- 对应的Q值。
排序P值
仅当您勾选了绘制P值分布的选项时，才会生成此表。
- X值：P值的排序(1代表最小P值)。
- Y值：对应的原始P值。
- 此表本身实用价值有限，主要用于自动生成可视化图表。
阈值P值
结果页的浮动注释会告知阈值P值：若某P值小于该阈值，则对应的比较结果被视为“发现”。
- 该阈值不等于您输入的目标Q值。
真实零假设的估计数量
若您选择了Benjamini-Krieger-Yekutieli自适应方法，Prism会在浮动注释中报告真实零假设的估计数量。
- 该自适应方法的工作原理为：先估算此数量，再在判定哪些P值足够小以被称为“发现”时使用该数值。
京公网安备 11010802022788号
