注意:输入数据格式(行、列)必需与右侧示例一致,制表符分割
1,数据来自excel,直接拷贝待绘图数据,粘贴到输入数据框即可
2,数据来自txt,各列需要制表符(tab键)分割,直接拷贝数据,粘贴到输入数据框
3,修改文字字体,图例位置,处理文字截断等图片编辑,请参考inkscape实操
4,其他问题,请左侧扫码,关注”微信智能客服“或加群讨论!
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

此工具将消耗 0 微币

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