Comparative analysis of false discovery rate control methodologies = FDR control 방법론의 비교 분석

국문 초록 (Abstract)

유전체학, 단백질체학, 대사체학과 같은 오믹스 데이터는 대규모의 생물학 정보를 포함하고 있어서 이러한 자료에 관한 연구는 생물학적 시스템의 기능과 원리를 이해하기 위해 생물학적 분자들의 총체적인 특성을 정량화하여 분석하는 것을 목표로 한다. 이러한 목적 달성을 위해 현재까지 대규모 추론에 대한 다양한 방법이 개발되었다. 1995년에 최초로 Benjamini와 Hochberg가 false discovery rate(FDR)을 공식적으로 정의하고, 평균적인 의미에서 FDR를 컨트롤하는 step-down 방법론을 제안하였다. 그 이후, 많은 연구자들은 혼합 모형을 이용하여 엄격하게 FDR를 컨트롤하려고 시도해왔다. 비교 연구를 위해 우리는 그 중 네 가지 방법론을 선택하였다: Efron et al.(2001), Ploner et al.(2006), Jeong et al.(not published yet), Kim et al.(2018). 그리고 우리는 모의실험 데이터와 실제 데이터를 이용하여 다섯 개의 방법을 여러 가지 성능 측정 지표를 이용하여 평가하고자 한다.

다국어 초록 (Multilingual Abstract)

Omics data such as genomics, proteomics and metabolomics include large scale biological information, and omics study aims to analyze or quantify the collective characterization of pools of biological molecules to understand the function and dynamics of a biological system. To that end, various methods for large scale inference have been developed. In 1995, Benjamini and Hochberg firstly introduced the formal definition of false discovery rate (FDR) and suggested a step-down procedure that control FDR on average sense. After this, many researchers have tried to control strictly FDR in the mixture framework. For comparison study, we selected four of them: Efron et al. (2001), Ploner et al. (2006), Jeong et al. (not published yet), Kim et al. (2018). We evaluate the five methods both on simulated data and real data by using many different performance measures.

목차 (Table of Contents)

• 1. Introduction 1
• 2. Review of False Discovery rate(FDR) control methodologies 3
• A. Benjamini and Hochberg(1995) 3
• B. Efron et al.(2001) 4
• C. Ploner et al.(2006) 6
• D. Jeong et al.(not published yet) 7
• E. Kim et al.(2018) 9
• F. Comparison of FDR control methodologies 10
• 3. Simulation experiments 12
• A. Simulation scenarios 12
• B. Simulation result 14
• 4. Application to real data 24
• 5. Conclusion 26
• Appendices 27
• Korean Abstract 29