方法一.Bonferroni

“最簡(jiǎn)單嚴(yán)厲的方法”
例如，如果檢驗(yàn)1000次，我們就將閾值設(shè)定為5%/ 1000 = 0.00005；即使檢驗(yàn)1000次，犯錯(cuò)誤的概率還是保持在N×1000 = 5%。最終使得預(yù)期犯錯(cuò)誤的次數(shù)不到1次，抹殺了一切假陽(yáng)性的概率。
該方法雖然簡(jiǎn)單，但是檢驗(yàn)過于嚴(yán)格，導(dǎo)致最后找不到顯著表達(dá)的蛋白（假陰性）。

閾值為：0.05/檢驗(yàn)次數(shù)

方法二.FalseDiscovery Rate

“比較溫和的方法校正P值”
FDR（假陽(yáng)性率）錯(cuò)誤控制法是Benjamini于1995年提出的一種方法，基本原理是通過控制FDR值來決定P值的值域。相對(duì)Bonferroni來說，F(xiàn)DR用比較溫和的方法對(duì)p值進(jìn)行了校正。其試圖在假陽(yáng)性和假陰性間達(dá)到平衡，將假/真陽(yáng)性比例控制到一定范圍之內(nèi)。例如，如果檢驗(yàn)1000次，我們?cè)O(shè)定的閾值為0.05（5%），那么無(wú)論我們得到多少個(gè)差異蛋白，這些差異蛋白出現(xiàn)假陽(yáng)性的概率保持在5%之內(nèi)，這就叫FDR＜5%。
那么我們?cè)趺磸膒 value 來估算FDR呢，人們?cè)O(shè)計(jì)了幾種不同的估算模型。其中使用最多的是Benjamini and Hochberg方法，簡(jiǎn)稱BH法。雖然這個(gè)估算公式并不夠完美，但是也能解決大部分的問題，主要還是簡(jiǎn)單好用！

矯正p值為： p*檢驗(yàn)次數(shù)/從小到大排名

FDR的計(jì)算方法
除了可以使用excel的BH計(jì)算方法外，對(duì)于較大的數(shù)據(jù)，我們推薦使用R命令p.adjust。
p.adjust(p,method=”fdr”,n=length(p))