作为FDR控制的一种，Benjamini Hochberg FDR （BH FDR）控制采用的规则是，对N次检验的p值按照大小排序索引i进行矫正，即多次检验按照p值大小排序，从小到大第i次检验的p值被乘以一个放大系数N/i。

2024年6月9日 · This is a note on the concept of false discovery rate (FDR) in proteomics, what do the q-values produced by the software mean, how to (and not to) estimate the 'real FDR' and how to compare different software tools.

2020年7月19日 · 得到每个模块在不同细胞集上的Enrichment（富集度）和FDR值，将不同模块在不同细胞中的富集度和FDR值进行汇总整理; 最后，基于汇总好的数据进行热图展示，富集度用颜色梯度表示，FDR值用***表示。 具体如何操作？ 清除环境、安装加载R包

2019年7月13日 · 在OS平台的在线课堂 “谈谈RNA-seq和GWAS中的p value 和 Q value” 课程中，我们提到过：在一般情况下，可以认为 FDR = Q value = adjusted p value。 在所有从p value 估算 Q value的公式中，Benjaminiand Hochberg 的方法（简称 BH法 ）是使用最广泛的。

Bonferroni 校正法可以称作是“最简单粗暴有效”的校正方法，它拒绝了所有的假阳性结果发生的可能性，通过对p值的阈值进行校正来实现消除假阳性结果。 Bonferroni 校正的公式为p* (1/n)，其中p为原始阈值，n为总检验次数。 如果像我们举的例子一样，原始的P值为0.05，检验次数为10000次，那么在Bonferroni 校正中，校正的阈值就等于5%/ 10000 = 0.000005，所有P值超过0.00005的结果都被认为是不可靠的。 这样的话假阳性结果在10000次检验中出现的次数为 …

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。

Benjamini and Hochberg FDR (BH) 这是我们最常用的校正 P-value 控制假阳性率的方式。 假设针对 10000 个基因进行了统计检验，对所有的原始 P-value 进行由 小到大 的排序分别为 p1, p2, ..., p10000 ，校正后的 FDR 为： p1*10000/1, p2*10000/2, ..., p10000*10000/10000 。

FDR（False Discovery Rate）矫正是一种用于多重假设检验的统计方法，旨在控制错误发现率，即错误地将假设测试判定为显著的比例。与Bonferroni矫正相比，FDR矫正通常更加强大，因为它尝试平衡发现真实效应的能力和控制错误发现的风险。

2022年5月24日 · FDR（False Discovery Rate）矫正是一种用于多重假设检验的统计方法，旨在控制错误发现率，即错误地将假设测试判定为显著的比例。与Bonferroni矫正相比，FDR矫正通常更加强大，因为它尝试平衡发现真实效应的能力和控制错误发现的风险。

2023年11月15日 · Base FDR calculations on delta score：如果选中，所有 FDR 计算都将使用 delta 分数作为输入。 delta 分数是得分最高的 PSM 与氨基酸序列不同、得分次之的 PSM 之间的分数差。