[논문]유전자 발현 데이터에 대한 다중검정법 비교 및 분석

서수민; 김태훈; 김재희

doi:10.7465/jkdi.2014.25.5.971

초록
AI-Helper

동시에 여러 개의 가설검정 수행시 귀무가설이 참일 경우 귀무가설을 기각할 확률이 커지는 문제가 발생한다. 이러한 다중검정 문제 해결을 위해 여러 연구에서는 가설검정시 필요한 집단별 오류율(FWER; family-wise error rate), 위발견율 (FDR; false discovery rate) 또는 위비발견율 (FNR; false nondiscovery rate) 과 통계량을 고려하여 검정력을 높이고자 하였다. 본 연구에서는 T 통계량, 수정된 T 통계량, 그리고 LPE (local pooled error) 통계량 기반 P값을 이용한 Bonferroni (1960) 방법, Holm (1979) 방법, Benjamini와 Hochberg (1995) 방법과 Benjamini와 Yekutieli (2001) 방법 그리고 Z 통계량 기반 Sun과 Cai (2007) 방법을 고찰하고 모의실험을 통해 다중검정 능력을 비교하였다. 또한 실제 데이터로 애기장대 유전자 발현 데이터에 대해 여러 가지 다중검정법을 통해 유의한 유전자들을 선별하였다.

Abstract ▼ AI-Helper

When thousands of hypotheses are tested simultaneously, the probability of rejecting any true hypotheses increases, and large multiplicity problems are generated. To solve these problems, researchers have proposed different approaches to multiple testing methods, considering family-wise error rate (...

When thousands of hypotheses are tested simultaneously, the probability of rejecting any true hypotheses increases, and large multiplicity problems are generated. To solve these problems, researchers have proposed different approaches to multiple testing methods, considering family-wise error rate (FWER), false discovery rate (FDR) or false nondiscovery rate (FNR) as a type I error and some test statistics. In this article, we discuss Bonferroni (1960), Holm (1979), Benjamini and Hochberg (1995) and Benjamini and Yekutieli (2001) procedures based on T statistics, modified T statistics or local-pooled-error (LPE) statistics. We also consider Sun and Cai (2007) procedure based on Z statistics. These procedures are compared in the simulation and applied to Arabidopsis microarray gene expression data to identify differentially expressed genes.

Keyword

질의응답

핵심어	질문	논문에서 추출한 답변
	다중검정 문제를 고려해야 하는 경우는?	동시에 여러 개의 가설검정을 수행해야하는 경우 다중검정 (multiple tesing) 문제를 고려해야한다. 특히 수백 수천 개의 가설들을 동시에 검정해야하는 대규모 다중비교 (large-scale multiple comparison)의 경우 귀무가설이 참인 경우와 그렇지 않은 경우를 구별해내는 것이 연구 목표가 된다.
	집단별 오류율은 무엇을 의미하는가?	(1) 집단별 오류율 (FWER; family-wise error rate) : 다중비교 가설검정시 최소한 하나 또는 그 이상의 제 1종 오류가 발생할 확률을 의미 한다.
	대규모 다중비교를 하는 경우 필요한 작업은?	특히 수백 수천 개의 가설들을 동시에 검정해야하는 대규모 다중비교 (large-scale multiple comparison)의 경우 귀무가설이 참인 경우와 그렇지 않은 경우를 구별해내는 것이 연구 목표가 된다. 이러한 경우 각 가설에 대한 검정통계량으로부터 얻을 수 있는 정보, 제 1종 오류 등에 대한 고려가 필요하며 여러 개의 연관된 가설검정으로부터 얻은 통계량을 동시에 분석하고 해석하여 결론을 이끌어내는데 오류가 없는 작업이 필요하다.

참고문헌 (16)

Alon, U., Barkai, N., Notterman, D. A., Gish, K., Ybarra, S. Mack, D. and Levine, A. J. (1999). Broad patterns of gene expression revealed by clustering analysis of tumor and normal colon tissues probed by oligonucleotide arrays. Proceedings of the National Academy of Sciences of the United States of Amarica, 96, 6745-6750.

상세보기
Benjamini, Y. and Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society B, 57, 289-300.
Benjamini, Y. and Yekutieli, D. (2001). The control of the false discovery rate in multiple testing under dependency. Annals of Statistics, 29, 1165-1188.

상세보기
Boldrick, J. C., Alizadeh, A. A., Diehn, M., Dudoit, S., Liu, C. L., Belcher, C. E., Botstein, D., Staudt, L. M., Brown, P. O. and Relman, D. A. (2002). Stereotyped and specific gene expression programs in human innate immune responses to bacteria. Proceedings of the National Academy of Sciences of the United States of Amarica, 99, 972-977.

상세보기
Dudoit, S., Shaffer, J. P. and Boldrick J. C. (2003). Multiple hypothesis testing in microarray experiments. Statistical Science, 18, 71-103.

상세보기
Efron, B. (2010). Large-scale inference, Cambridge University Press, London.
Efron, B., Tibshirani, R., Storey, J. and Tusher, V. (2001). Empirical Bayes analysis of a microarray experiment, Journal of the American Statistical Association, 96, 1151-1160.

상세보기
Golub, T. R., Slonim, D. K., Tamayo, P., Huard, C., Gaasenbeek, M., Mesirov, J. P., Coller, H. Loh, M. L., Downing, J. R., Caligiuri, M. A.,Bloomfield, C. D. and Lander, E. S. (1999). Molecular classification of cancer: Class discovery and class prediction by gene expression monitoring. Science, 286, 531-537.

상세보기
Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6, 65-70.
Jain, N., Thatte, J., Braciale, T., Ley, K., O'Connell, M. and Lee, J. K. (2003). Local-pooled-error test for identifying differentially expressed genes with a small number of replicated microarrays. Bioinformatics, 19, 1945-1951.

상세보기
Jang, W. (2013). Multiple testing and its applications in high-dimension. Journal of the Korean Data and Information Science Society, 24, 1063-1076.

원문보기 상세보기
Kim, T. H., Hauser, F., Ha, T., Xue, S., Bohmer, M., Nishimura, N., Munemasa, S., Hubbard, K., Peine, N., Lee, B. H., Lee, S., Robert, N., Parker, J. E. and Schroeder, J. I. (2011). Chemical genetics reveals negative regulation of abscisic acid signaling by a plant immune response pathway. Current Biology, 21, 990-997

상세보기
Kim, T. H., Kunz, H. H., Bhattacharjee, S., Hauser, F., Park, J., Engineer, C., Liu, A., Ha, T., Parker, J. E., Gassmann, W. and Schroeder, J. I. (2012). Natural variation in small molecule-induced TIRNB-LRR signaling induces root growth arrest via EDS1- and PAD4-complexed R protein VICTR in Arabidopsis. Plant Cell, 24, 5177-5192

상세보기
Sun, W. and Cai, T. T. (2007). Oracle and adaptive compound decision rules for false discovery rate control. Journal of the American Statistical Association, 102, 901-912.

상세보기
Tusher, V. G., Tibshirani, R. and Chu, G. (2001). Significance analysis of microarrays applied to the ionizing radiation response. Proceeding of the National Academy of Sciences, 98, 5116-5121.

상세보기
Xuan, W., Murphy, E., Beeckman, T., Audenaert, D. and Smet, I. D. (2013). Synthetic molecules: Helping to unravel plant signal transduction. Journal of Chemical Biology, 6, 43-50.

상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 유전자 발현 데이터에 대한 다중검정법 비교 및 분석
Comparison and analysis of multiple testing methods for microarray gene expression data 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 유전자 발현 데이터에 대한 다중검정법 비교 및 분석 Comparison and analysis of multiple testing methods for microarray gene expression data 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

Keyword

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

김태훈 (2) 김재희 (47)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 유전자 발현 데이터에 대한 다중검정법 비교 및 분석
Comparison and analysis of multiple testing methods for microarray gene expression data 원문보기

초록
AI-Helper

활용도 Top5 논문