Simultaneous false discovery rate control in location families

ملخص تقني: التحكم المتزامن في معدل الاكتشاف الخاطئ (FDR) في عائلات الموقع (Location Families)

بيان المشكلة
في اختبار الفرضيات المتعددة، يتم تعريف والتحكم في معدل الاكتشاف الخاطئ (FDR) تقليديًا عند القيمة الصفرية فقط (على سبيل المثال، $\theta = 0$). ومع ذلك، في التطبيقات العملية التي تتضمن عائلات الموقع، يحتاج الباحثون غالبًا إلى معدل اكتشاف خاطئ منخفض ليس فقط للقيمة الصفرية، بل أيضًا لقيم المعلمات التي تُعتبر "غير ذات أهمية عمليًا" (مثل أحجام التأثير الصغيرة). إجراء بنجاميني-هوخبرج (BH) القياسي يتحكم في FDR عند القيمة الصفرية، ولكنه لا يضمن صراحةً التحكم في "منحنى FDR" بأكمَلِه — أي الـ FDR كدالة لمعلمة الموقع $\theta$. تعالج هذه الورقة الحاجة إلى التحكم المتزامن في FDR عبر متصل من قيم المعلمات ضمن عائلات الموقع.

المنهجية
يقترح المؤلفون تعميمًا لإجراء BH القياسي للتحكم في منحنى FDR تحت مستوى محدد من قبل المستخدم. يتضمن الإعداد بيانات مستقلة $X_i \sim P_{\theta_i}$ من عائلة موقع حيث $P_\theta(X \le x) = F(x - \theta)$. الهدف هو اختبار فرضيات أحادية الجانب: $H_{i,\theta}: \theta_i \ge \theta$.

1. تعريف منحنى FDR: يُعرَّف منحنى FDR بأنه التوقع الرياضي لمنحنى نسبة الاكتشاف الخاطئ (FDP)، حيث يقيس $FDP_S(\theta)$ نسبة الاكتشافات الخاطئة بين الفرضيات المرفوضة عند عتبة معينة $\theta$.
2. إجراء BH المعمم: بدلاً من استخدام مستوى اسمي قياسي $q$، تستخدم الطريقة منحنى FDR $q(\theta)$ غير متزايد يحدده المستخدم.
   • القيم الاحتمالية المعيرة (Normalized P-values): لكل فرضية $i$، يتم حساب قيمة احتمالية معيرة:
     $$\bar{P}_i = \sup_{\theta \in \mathbb{R}} \frac{P_{i,\theta}}{q(\theta)}$$
     حيث $P_{i,\theta} = F(X_i - \theta)$ هي القيمة الاحتمالية لاختبار $H_{i,\theta}$.
   • قاعدة الرفض: يطبق الإجراء خوارزمية BH القياسية على مجموعة القيم الاحتمالية المعيرة $\{\bar{P}_1, \dots, \bar{P}_m\}$ بمستوى مستهدف قدره 1. مجموعة الرفض $S$ هي أكبر مجموعة جزئية بحيث $i \in S$ إذا وفقط إذا كان $\bar{P}_i \le |S|/m$.

النتائج النظرية الرئيسية
تثبت الورقة أن إجراء BH المعمم يتحكم في منحنى FDR بشكل متزامن. تحديدًا، ليكن $q^*(\theta)$ نسخة محولة من المنحنى $q(\theta)$ المحدد من قبل المستخدم، والمعرفة بـ:
$$q^*(\theta) = \inf_{\theta' \in \mathbb{R}} \sup_{a \le x - \theta' \le b} q(\theta') \cdot \frac{F(x - \theta)}{F(x - \theta')}$$
حيث $a = F^{-1}(q(\theta')/m)$ و $b = F^{-1}(q(\theta'))$.

• النظرية 3.1: يضمن الإجراء أن $\sup_{\theta \in \mathbb{R}} \frac{FDR(\theta)}{q^*(\theta)} \le 1$. وبناءً على ذلك، فإن $FDR(\theta) \le q^*(\theta)$ تتحقق بشكل شبه مؤكد لأي $\theta$.
• ظاهرة "الغداء المجاني" (Free Lunch): إحدى النتائج الهامة هي أن إجراء BH القياسي (الذي يقابل استخدام دالة درجية $q_{BH}(\theta) = q \cdot \mathbb{1}_{\theta \ge 0} + \mathbb{1}_{\theta < 0}$) يوفر بطبيعته تحكمًا متزامنًا فوق منحنى FDR بأكمله. المستوى الفعلي للتحكم $q^*_{BH}(\theta)$ يكون أقل تمامًا من الدالة الدرجية الاسمية عند $\theta \neq 0$، بينما يلامسها عند $\theta = 0$.
• خاصية اللمس (Touching Property): تحت "خاصية النسبة الرتيبة" (التي تحققها العائلات الشائعة مثل التوزيع الطبيعي)، تثبت النتيجة 3.1 أنه لأي $q$ متناقصة ومتصلة من اليمين، يوجد على الأقل نقطة واحدة $\theta^*$ حيث يلامس منحنى التحكم الفعلي $q^*(\theta^*)$ المنحنى المستهدف $q(\theta^*)$. وهذا يعني أن التحكم لا يمكن أن يكون أفضل بشكل موحد من التوصيف الاسمي في كل مكان.
• الحدود الدنيا: توفر النتيجة 3.2 حداً أدنى لأسوأ منحنى FDR، مما يظهر أن التحليل دقيق، خاصة عندما يكون $q^*(\theta)$ صغيرًا.

التوسعات والأمثلة العددية
تم توسيع الإطار ليشمل الحالات التي تأتي فيها الفرضيات من عائلات موقع مختلفة (اختلاف في $F_i$). في هذه الحالة العامة، يتم تعديل تعريف $q^*$ ليأخذ القيمة العليا (supremum) عبر التوزيعات المحددة.

• النتيجة 4.1: بالنسبة للمنحنيات المستهدفة الثابتة جزئيًا، توجد مجموعة فرعية من القيود بحيث أن منحنى $q^*$ المستحث يتحكم في جميع القيود المحددة ويلامس الهدف مرة واحدة على الأقل.
• مجموعة بيانات سرطان الثدي: طبق المؤلفون الطريقة على مجموعة بيانات سرطان الثدي لـ Storey و Tibshirani (2003). قارنوا بين الاختبار بناءً على أحجام التأثير (حيث تختلف التوزيعات حسب الجين) مقابل نسب الإشارة إلى الضجيج (حيث ينطبق توزيع مشترك).
  • في سيناريو حجم التأثير، أدى استخدام جميع القيود في وقت واحد إلى عدد أقل من حالات الرفض مقارنة باستخدام قيد واحد، مما يشير إلى أن اختيار مجموعة دنيا من القيود التي تحقق شرط $q^* \le q$ هو الخيار الأمثل.
  • في سيناريو الإشارة إلى الضجيج (وجود $F$ مشترك)، لامس منحنى $q^*$ المنحنى المستهدف عند جميع المواقع المحددة، وكانت مجموعات الرفض مستقرة عبر مختلف خيارات القيود.

الأهمية والادعاءات
تدعي الورقة وجود نظرية "الغداء المجاني": إجراء BH القياسي، المصمم خصيصًا للتحكم في القيمة الصفرية، يقدم ضمنيًا تحكمًا أقوى في منحنى FDR للقيم غير الصفرية دون الحاجة إلى تعقيد حسابي إضافي أو بيانات جديدة. يسمح الإجراء المعمم للباحثين باستهداف التحكم في FDR صراحةً عند قيم المعلمات غير ذات الأهمية عمليًا، مما يوفر أداة مرنة للاكتشاف في اختبار الفرضيات المتعددة. يشير المؤلفون إلى أن هذا النهج هو حالة محددة من إطار عمل أوسع للمسائل القرارية المركبة الانتقائية (بالإشارة إلى Gao, Hu, and Zhao 2024)، ويقترحون توجهات مستقبلية محتملة تتضمن مناهج بايز التجريبية (empirical Bayes) لاختيار المنحنى المستهدف $q$ بناءً على التوزيعات المسبدة المقدرة، وإن كانوا يحذرون من مسألة "الاستخدام المزدوج" (double-dipping) في مثل هذه التنفيذات.