Detecting Strong Signals in Gene Perturbation Experiments: An Adaptive Approach With Power Guarantee and FDR Control
基因扰动实验的强信号检测：具有功效保证与 FDR 控制的自适应方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦基因信号筛选、两组模型和经验贝叶斯估计，未提供所列经济计量细分方向的直接证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基因扰动实验的强信号检测：具有功效保证与 FDR 控制的自适应方法
- 研究问题
- 基因表达发生变化未必意味着它是转录因子的直接靶点，如何允许非靶点具有小效应并更准确地筛选强信号？
- 方法与思路
- 作者修改两组模型，使非直接靶点的零组允许小幅非零效应，以未知方差的高斯分布建模，并用迭代经验贝叶斯估计方差。
- 材料陈述的贡献
- 摘要称分析了迭代经验贝叶斯估计的性质，并在温和条件下提供理论保证；模拟与敲低实验应用报告较稳定的表现。
- 阅读关注点
- 应核对零组效应的高斯假设、方差迭代的收敛条件、强信号与直接靶点的对应，以及题名所述功效和 FDR 保证。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；摘要未列出功效保证或 FDR 控制的具体结论，也未说明温和条件，不能仅凭题名补足或推断刊本变化。
原文摘要
The perturbation of a transcription factor should affect the expression levels of its direct targets. However, not all genes showing changes in expression are direct targets. To increase the chance of detecting direct targets, we propose a modified two-group model where the null group corresponds to genes which are not direct targets, but can have small nonzero effects. We model the behavior of genes from the null set by a Gaussian distribution with unknown variance τ 2 . To estimate τ 2 , we focus on a simple estimation approach, the iterated empirical Bayes estimation. We conduct a detailed analysis of the properties of the iterated EB estimate and provide theoretical guarantee of its good performance under mild conditions. We provide simulations comparing the new modeling approach with existing methods, and the new approach shows more stable and better performance under different situations. We also apply it to a real dataset from gene knock-down experiments and obtained better results compared with the original two-group model testing for nonzero effects.