如何对主题执行富集 p 值

Question

我有一个如下所示的数据框。

Category,Total_Genes,UUAGGG_motif
Background,22591,18190
SetA,122,102
SetB,198,182
SetC,90,82

我计算了每个类别中可用主题的数量。现在我想计算三个 p 值（SetA 与背景 - SetB 与背景和 SetC 与背景），看看考虑到每个类别的大小，主题在三个类别中的哪一个类别中得到丰富。

我在 R 中想出了这种方法 - 这是正确的方法吗？预先感谢您。

library(hypeR)

# Number of background genes
N <- 22591
# Number of background genes with motif
K <- 18190

# Set A
n_A <- 122
k_A <- 102

# Set B
n_B <- 198
k_B <- 182

# Set C
n_C <- 90
k_C <- 82

# Perform hypergeometric test for Set A
p_value_A <- 1 - phyper(k_A - 1, K, N - K, n_A, lower.tail = TRUE)

# Perform hypergeometric test for Set B
p_value_B <- 1 - phyper(k_B - 1, K, N - K, n_B, lower.tail = TRUE)

# Perform hypergeometric test for Set C
p_value_C <- 1 - phyper(k_C - 1, K, N - K, n_C, lower.tail = TRUE)

Answer 1

这些测试实施正确，但请注意，它们是片面的，这意味着它们只是测试主题在每个类别中比背景“更普遍”的假设，而不是测试主题的普遍性是“更普遍”的假设。与背景相比，每组之间存在不同。 这可能是您想要的，但这将是一种不太传统的解释，如果您对统计显着性应用“传统”阈值，则可能会受到批评。

让我们将您的测试与单侧和两侧费舍尔精确测试进行比较：

对于 A 组，您有 2x2 表格（行上有“主题”，列上有“A 组”）：

tabA = matrix(c(N-K - (n_A-k_A), K-k_A, n_A-k_A, k_A), nrow=2) 
tab_A

      [,1] [,2]
[1,]  4381   20
[2,] 18088  102

然后费舍尔精确检验：

## Two sided test
> fisher.test(tab_A)$p.value
[1] 0.4244181

## One sided test
> fisher.test(tab_A, alternative="greater")$p.value
[1] 0.2301029

## Your p-value
p_value_A <- 1 - phyper(k_A - 1, K, N - K, n_A, lower.tail = TRUE)
> p_value_A
[1] 0.2301029

正如您所看到的，您的超几何测试实际上是单方面的费舍尔精确测试结果，用于与主题相关的基因。双面检验的 p 值大约是两倍大。如果您打算使用“常规”阈值来实现统计显着性，那么我认为您应该使用该约定来应用双面检验，除非您有非常充分的理由。否则请注意，单侧测试的阈值 0.05 与两侧测试的阈值 0.1 大致相同，因此可以说它为与正常情况相比的差异证据设置了较低的标准。