利用matlab进行FDR校正的实现方式

裤裤兔2025-12-03 10:02

方法一：

利用mafdr函数：（此方法较宽松）

matlab 复制代码

p = [0.0735,0.1096,0.7107,0.0265,0.3577,0.1863,0.9244,0.8474,0.0757,0.0426,0.0725,0.0734];
p_fdr = mafdr(p)

方法二：

利用fdr计算公式，对p值进行排序，然后计算：

matlab 复制代码

function [FDR] = fdr_code(p)
% FDR校正函数（Benjamini-Hochberg过程）
% 输入：
%   p: 原始p值向量（1×N 或 N×1）
% 输出：
%   FDR: 经FDR校正后的p值向量，与输入p顺序一致

% 示例数据（实际使用时应修改为需要校正的p值）
p = [0.000260371, 0.000545143, 0.00077793, 0.000834163, 0.000949469, 0.001094615];

% 确保p是行向量，便于后续处理
p = p(:)';  % 转为行向量

% 对p值从大到小排序，并记录原始索引
[sorted_p, sort_idx] = sort(p, 'descend');  % sorted_p: 降序排列的p值；sort_idx: 排序后每个元素在原数组中的位置

N = length(sorted_p);          % 总假设检验数量
rank = N:-1:1;                 % 对应每个p值的"排名"（最大p对应排名N，最小对应1）

% 计算初始的BH阈值：Q_i = (p_i * N) / i，其中i是从大到小的排名（即 rank）
Q = (sorted_p * N) ./ rank;    % 元素级运算，得到每个位置的未调整FDR阈值

% 从左到右（即从大p到小p）进行单调性约束：确保Q非增（即后面的不能比前面的大）
for i = 1:N-1
    if Q(i+1) > Q(i)
        Q(i+1) = Q(i);         % 强制保持非递增，满足BH过程要求
    end
end

% 将校正后的Q值按原始p值的顺序还原
FDR = zeros(1, N);             % 初始化输出向量
for i = 1:N
    original_pos = sort_idx(i);        % 当前排序后第i个元素在原始p中的位置
    FDR(original_pos) = Q(i);          % 将Q(i)放回原始位置
end

% 注意：此FDR是"校正后的阈值"，通常用于与原始p比较判断显著性；
% 若需返回"adjusted p-values"（即最小的α使得该假设被拒绝），此实现是正确的。
end