نرخ کشف کاذب در آزمون‌فرض‌ جایگشتی فیشر و جایگشتی تعدیل‌یافته‌ همزمان بر داده‌های ریزآرایه

زمینه و هدف: در سال های اخیر، فن آوری های جدید منجر به تولید حجم انبوهی از داده ها شده و در حوزه زیستی، فناوری ریزآرایه نیز به صورت چشمگیری توسعه یافته است. در این میان، جهت مقایسه گروه کنترل با دو یا چند گروه آزمایشی، همچنین یافتن ژن هایی با بیان متفاوت، از آزمون فیشر استفاده می شود. در این مطالعه نرخ کشف کاذب در آزمون فرض جایگشتی فیشر و جایگشتی تعدیل یافته همزمان بر داده های ریزآرایه بررسی گردید.روش بررسی: در این مطالعه، ابتدا با شبیه سازی و انتخاب سه حالت مختلف برای نمونه های کنترل و آزمایشی ، نرخ کشف کاذب با استفاده از دو روش آزمون جایگشتی فیشر و جایگشتی تعدیل یافته محاسبه گردید، سپس این دو روش بر روی 8799 ژن مربوط به سلول مغز 29 موش (در سه گروه سنی جوان، میانسال و پیر) اعمال گردید و تاثیر فرآیند سن مغز بر افزایش ایجاد بیماری آلزایمر مورد بررسی قرار گرفت. یافته ها: نتایج نشان داد استفاده از روش آزمون جایگشتی فیشر، نرخ کشف کاذب را نمی تواند کنترل کند، ولی روش جایگشتی تعدیل یافته بهتر عمل کرده و اختلافات واقعی معنی دار را درست تر تشخیص می دهد؛ لذا مقدار fp در روش دوم کاهش خواهد یافت.نتیجه گیری: با توجه به نتایج این مطالعه، استفاده از روش های مرسوم ازجمله آزمون جایگشتی فیشر که مبنای تحلیل داده های زیستی در بسیاری از نرم افزارها می باشد، در داده های بزرگ مقیاس، ازجمله داده های ریزآرایه کارایی مطلوب را ندارد و نرخ کشف کاذب را نمی تواند کنترل کند؛ درحالی که روش جایگشتی تعدیل یافته با عملکرد بهتر در کنترل نرخ کشف کاذب، نتایج قابل اعتمادتری در پی دارد.

The False Discovery Rate in Simultaneous Fisher and Adjusted Permutation Hypothesis Testing on Microarray Data

Background and Objectives: In recent years, new technologies have led to produce a large amount of data and in the field of biology, microarray technology has also dramatically developed. Meanwhile, the Fisher test is used to compare the control group with two or more experimental groups and also to detect the differentially expressed genes. In this study, the false discovery rate was investigated in the simultaneous Fisher and adjusted permutation hypothesis testing on microarray data. Methods: In this study, first, false discovery rate was computed through the simulation study and selection of three different modes for the samples of control group and experimental groups, then, these two methods, were applied to 8799 genes related to brain cell of the 29 rats (in three age groups of young, middleaged, and aged), and the effect of the process of brain aging, was investigated on increased development of the Alzheimer disease. Results: The results showed that the Fisher permutation methods cannot control the false discovery rate, but the adjusted permutation method works better and detects the significant differences more accurately, therefore, the number of false positives decrease in the second method. Conclusion: Considering the results of this study, use of the customary methods such as the Fisher permutation test, which is the base of analyzing biological data in many of the software, do not have suitable efficiency in the largescale data, including microarray data, and cannot control the false discovery rate, whereas the justified permutation method with better performance in false discovery rate leads to more reliable results.