第3章 p值校正常见方法概述

聊到多重假设检验，我第一个想到的场景就是RNA-seq差异表达分析。
你一张芯片上测了两万个基因，每个基因都要做个假设检验，问它到底在实验组和对照组之间有没有差异。
那问题就来了：如果你用p < 0.05作为阈值，每个基因犯假阳性（Type I Error）的概率是5%。
好，两万个基因各测一次，光靠概率算一下，就有1000个基因是“假阳性”——白高兴一场。

所以我们要做p值校正。
说白了，就是把原始的p值“打个补丁”，让整体出错的概率降回可控范围。

这个行当里主流的方法，我归纳下来就四个：Bonferroni、Holm、Benjamini-Hochberg 以及 Storey's q-value。
后面两个是控制FDR的，前面两个控制FWER。今天我把它们挨个拆开讲清楚。

3.1 Bonferroni 校正

Bonferroni 是最老派的方法，也是我最开始做生信时用的第一个校正方法。
它的逻辑简单粗暴：

  • 假设你做了 m 个检验，原始显著水平为 α。
  • 那就把每个检验的阈值设为 α/m。
  • 只有 p ≤ α/m 的才算显著。

举个例子，m = 20,000 个基因，α = 0.05。
那 Bonferroni 校正后的阈值 = 0.05 / 20000 = 2.5 × 10⁻⁶。

满足这个条件的基因很少，非常少。我当年做癌基因组差异分析时，Bonferroni 校正后只筛出4个基因——我一度以为数据做错了。

优点：严格，整个实验的假阳性概率保证不超过 α。
缺点：极度保守，容易漏掉真实差异基因（高假阴性）。
曾经我合作的一个团队，用 Bonferroni 校正后直接丢了几乎所有差异基因，导致下游富集分析没结果。
后来我建议他们换 BH 校正，立刻找到了关键通路。选方法前一定要评估情况。

3.2 Holm（Holm-Bonferroni）校正

Holm 方法比 Bonferroni 温和一点，它是 Bonferroni 的“逐步增强版”。
我个人习惯把它叫做“逐步向下法”。

先对所有原始 p 值从小到大排序。然后从最小的那个开始，依次判断：

  1. 最小的 p 值 ≤ α / m？是 → 拒绝（显著）。
  2. 第二小的 p 值 ≤ α / (m-1)？是 → 拒绝。
  3. 第三小的 p 值 ≤ α / (m-2)？…
  4. 一旦遇到不满足的，后面所有都不显著。

你看，阈值在逐步放宽，所以它比 Bonferroni 有更多机会拒绝假说。但依然是控制 FWER 的，还是比较严。

如果你的数据本身信号很弱，或者样本量小，Holm 是一个比 Bonferroni 更合理的选择。
我在一个低表达基因的 pilot 实验中用过它，保持了严格性，又没筛得太惨。

R 里实现也很简单：

p.adjust(p_values, method = "holm")

一行搞定，R 内置的。

3.3 Benjamini-Hochberg (BH) 校正

BH 是我在 RNA-seq 差异分析中最常用的校正方法，没有之一。
它的目标不是控制“至少有一个假阳性的概率”，而是控制假发现率（FDR）。

FDR 是什么？你筛出了 100 个差异基因，里面允许有一定比例的假阳性。比如 5% FDR，就是允许100个里最多5个是假的。

BH 的步骤：

  1. 把所有 p 值从小到大排序：p₁ ≤ p₂ ≤ … ≤ p(m)。
  2. 从最大的往回看：
    • 找到最大的 i，使得 p(i) ≤ (i / m) × α。
    • 拒绝所有排名 ≤ i 的假设。

比起 Bonferroni，BH 更“宽容”——允许有一些假阳性，但整体可控。尤其适用于差异基因数量多、信号不极端强的情况。

关键点：BH 校正后的 p 值就是 adjusted p-value，可以直接和 α 比较。
你通常会看到这个值被写成 padj，很多 RNA-seq 软件（DESeq2、edgeR）默认输出的就是这个。 
# R 语言中
padj <- p.adjust(p_values, method = "BH")
de_genes <- which(padj < 0.05)

我自己的习惯：在做差异基因的初步筛选时，把 raw p 值和 BH 校正后的 padj 一起输出。这样方便判断有多少基因的显著性是真的能被保留下来。

3.4 Storey's q-value

q-value 是 BH 的一种“进阶版”。
它不要求你预设一个 α（比如 0.05），而是从数据本身估计出：我若在接受这个基因时，它属于假阳性的“后验概率”有多高。

通俗地说：

  • BH 是固定 FDR 阈值，然后说“padj < 0.05 的都显著”。
  • q-value 是直接告诉你“这个 p 值的 q = 0.03，意味着它有 3% 的概率是假阳性”——你可以自己决定要不要收它。

Storey 还引入了 π₀ 的估计。π₀ 代表真正的零假设（无差异）在所有基因中所占的比例。
RNA-seq 数据中，大多数基因其实没差异，所以 π₀ 往往接近 1。利用这个信息，q-value 比 BH 更“锐利”，在某些场景下能多识别出一些真实差异基因。

# R 中 qvalue 包的使用
library(qvalue)
qobj <- qvalue(p_values)
q_values <- qobj$qvalues
# 查看 π₀ 的估计值
print(qobj$pi0)
注意：q-value 对小样本或极端分布的数据可能不够稳定。
我曾在只有 3 个生物学重复的数据上用过 q-value，结果 π₀ 估计为 0.6（明显偏小），导致很多 p 值一般大的基因被错误标记为显著。这种情况下，我建议你用 BH 更稳妥。

3.5 四种方法对比

为了方便你快速参考，我整理了一张对比表格：

方法 控制指标 严格程度 适合场景
Bonferroni FWER 最严格 必须零假阳性的场景（如临床诊断）
Holm FWER 较严格 比 Bonferroni 稍宽松的 FWER 控制
Benjamini-Hochberg (BH) FDR 适中 RNA-seq 差异分析、高通量筛选
Storey's q-value FDR（含 π₀ 估计） 最宽松 大样本、低信号噪声、探索性分析

3.6 方法选择决策流

好了，上面的方法看完，你可能会有点迷糊：到底选哪个？
我不喜欢给死板的“首先其次”，而是习惯用一个决策图来带大家走一遍。

p值校正方法选择决策流 原始p值列表 能否容忍任何假阳性？ 不能 FWER方法 Bonferroni / Holm 可以容忍少量假阳性 FDR方法 BH / q-value 样本量小 / 信号弱 → Holm 大样本 / 探索性 → Storey q-value 校正后的显著基因列表 先看你的容忍度 再选方法
上面的图我建议你保存下来。每次做差异分析选校正方法时，先问自己一个问题：我能不能容忍假阳性？
如果你答“不能”，就走左边；答“可以有一定比例”，就走右边。很直接。

3.7 一个小建议

我个人习惯在实际项目中，至少跑两种校正方法做对比。比如：

  • 先用 BH 做快速筛选，拿到初步结果。
  • 再用 Storey's q-value 做一遍，看多了哪些新基因。
  • 如果重点基因列表变化很大，再回原始数据看表达量分布和样本离群情况。

这比随便选一个方法然后埋头往下跑要靠谱得多。你想想看，校正方法选错了，后面富集分析、通路分析都是在“屎上雕花”，毫无意义。

嗯，这一章关于四种主流 p 值校正方法就讲到这里。
理解了它们的区别，你就能在面对不同项目时，做出更合适的选择，不会一上来就拿 Bonferroni 把全部差异基因都给杀了。

← 上一章 📖 返回目录 下一章 →