多重检验校正如何权衡漏检与误报

检验维度攀升放大随机噪声

“控制犯错的成本，比寻找真理更实际。”我们先把基因数据放在一边。去看河滩上的淘金筛网。网眼孔径开多大，直接决定一天的收成。孔径太大，泥水裹着碎金流走。孔径太小，筛子一抖全是石头。高通量测序的假设检验，面对的是同样的物理限制。

我们拿到一份 RNA-seq 表达矩阵。两万个基因。每个基因独立做一次负二项检验。算出两万个 p 值。我们习惯把显著性水平定在 0.05。单个检验犯第一类错误的概率是百分之五。两万次检验同时运行。错误不会消失。它们会按概率累积。所有基因都没有差异表达的理想状态下，平均会有一千个假阳性信号跳出来。数据维度越高，随机噪声越响亮。我们必须拉高门槛。

零容错逻辑推高漏检风险

从统计设计看，最早的防线叫 FWER。族系误差率。它要求整批检验里，只要出现一个假阳性，就算任务失败。Bonferroni 校正把规则写得很直白。把 0.05 除以检验总数。两万个基因，临界点变成 0.0000025。这个除法背后是布尔不等式。它不依赖检验间的独立性假设，而是直接对概率求和取最坏上界，因此在正相关时尤为保守。

我们看一个标准流程。输入是两万个原始 p 值。处理逻辑是逐个乘以两万，或者直接砍掉高于新标准的数值。输出是那些低于临界点的基因。计算复杂度是线性的。O(N)。内存占用极低。代价是假阴性率飙升。真实存在差异的基因，原始 p 值可能是 0.0001。它落在新标准之外。信号被直接抹除。临床前药物筛选通常采用这套逻辑。错报一个，后续几千万投入打水漂。漏掉几个，还在可控范围内。

容错比例换取中等强度信号

看另一条路。高通量数据很少只有零星信号。生物学通路往往是协同变化的。几十个基因同时上调。这时候死守零容错显得笨重。我们转向 FDR。错误发现率。它允许假阳性存在。它只控制假阳性在所有阳性结果中的预期比例。Benjamini 和 Hochberg 在 1995 年发表的论文确立了这套算法。逻辑发生了偏移。输入依然是两万个 p 值。第一步按从小到大排序。第二步给排序后的每个位置分配一个容忍线。公式是位置序号除以总数，再乘以预设比例。预设比例通常设为 0.05。第三步从后往前比对。找到第一个 p 值小于等于对应容忍线的基因。第四步，这个基因及其之前的所有结果，全部划入显著名单。计算耗时取决于排序速度。十万级单细胞数据也能在几秒内跑完。输出列表里，大约 5% 是假阳性。剩下的 95% 是真实信号。中等强度的差异基因被捞了回来。

我们可以用一段简短的逻辑走一遍 FDR 的筛选过程。

p_vals = [0.04, 0.001, 0.02, 0.15, 0.003]
sorted_p = sorted(p_vals)
n = len(sorted_p)
q = 0.05
# 从后向前寻找满足 p <= (i/n)*q 的最大索引
# 该索引及之前的全部保留

这段代码不关心单个基因是否绝对干净。它只关心排名靠后的基因能不能撑住递增的容忍线。随着数据量翻倍，排序耗时大致按 N log N 增长。十万条记录排序，现代处理器耗时在毫秒级。内存读写次数固定。算法不依赖随机数生成。结果具有确定性。

数据分布特征决定策略取舍

信号密度决定策略的生死。

真实差异基因只有十个，散落在两万个背景里。FDR 的容忍线会过早截断。假阳性比例失去控制。排序后的容忍阈值爬升极慢。微弱的真实信号根本够不到阈值线。这时候 FWER 的严苛反而能过滤掉大部分随机波动。真实差异基因有一千个。密集信号连成一片分布带。FDR 能精准切出信号带。假阳性被大量真阳性稀释。比例维持平稳。

基因表达数据并非完全独立。共表达网络会让 p 值产生正相关。Bonferroni 在正相关下依然保守。它会进一步压低检出率。FDR 在正相关条件下表现更稳健。它利用排序后的累积分布，自动吸收掉部分结构噪声。算法不依赖独立性假设。它在实际转录组数据里更耐造。

验证预算划定生信分析上限

湿实验验证是另一套算术。qPCR 验证一个候选基因，耗时两天。试剂成本几百块。我们挑不出时间全做一遍。通常只验证排名靠前的几十个。FDR 输出的列表自带强弱排序。排在前列的是 p 值最小、变化倍数最高的基因。验证命中率自然高。FWER 输出的列表往往只有三五个基因。全做一遍也花不了多少钱。漏掉的其他几百个基因，可能藏着次级调控通路。生物学验证的通量上限，卡死了校正方法的选择空间。

单细胞测序把检验次数推到十万级。FWER 的阈值会跌到小数点后七位。几乎所有基因都会被判定为不显著。FDR 的容忍线随样本量动态拉伸。它适应稀疏矩阵的分布特征。我们在做差异分析时，先数信号密度。再看验证预算。最后定比例。校正不是魔法。它是资源分配的算术题。湿实验的移液枪能点多少次样，就决定了生信分析该用多宽的筛网。