用前必读
1,使用输入检查工具(windows版)检查输入数据
2,使用excel存储并调整数据(wps不行),然后拷贝、粘贴到输入框
3,请勿使用特殊符号,例如#,<,>,%,(,),非英文字符等。默认仅支持英文字符(部分模块除外)
4,使用SVG编辑器或AI,inkscape修改文字、字体,图例,处理截断等,参考inkscape实操
5,生信分析项目合作请加管理员微信(页面右下)

人工客服  基因名转换  FC,P转换  常用配色  影响因子 新需求及bug提交  pdf转图片

必需输入:
请输入p值(一行一个,不带header):


矫正算法
BH
bonferroni
holm
hochberg
hommel
BY

为什么要进行p值矫正


单次检验:针对单个基因(蛋白),采用统计检验,例如秩和检验,t检验等,假设采用的p值为小于0.05,我们通常认为这个基因在两组样本中的表达是有显著差异的,但是仍旧有5%的概率,这个基因并不是差异基因。
多次检验:当两组样本中有10000个基因采用同样的检验方式进行统计检验时,这个时候就有一个问题,单次犯错的概率为0.05, 进行10000次检验的话,那么就有0.05*10000=500 个基因的差异被错误估计了
多重检验矫正:为了解决多次检验带来的问题,我们需要对多次检验进行校正:
1. Bonferroni 校正法
如果进行N次检验,那么p值的筛选的阈值设定为p/N。 比如,进行10000次检验的话,如果p值选择为0.05, 那么校正的p值筛选为0.000005。p值低于此的基因才是显著性差异基因。该方法虽然简单,但是过于严格,导致最后找的差异基因很少,甚至找不到差异的基因。
2. FDR(False Discovery Rate) 校正法
FDR错误控制法是Benjamini于1995年提出的一种方法,基本原理是通过控制FDR值来决定p值的值域。相对Bonferroni来说,FDR用比较温和的方法对p值进行了校正。其试图在假阳性和假阴性间达到平衡,将假/真阳性比例控制到一定范围之内。 3. 其他方法 本页面采用R中的p.adjust函数对p值进行矫正。默认采用BH-FDR方法矫正。具体方法参考:https://www.rdocumentation.org/packages/stats/versions/3.6.2/topics/p.adjust
输入 示例数据
输出 矫正后的p值