Resumen Técnico: SCORE: Un Marco Unificado para el Reembolso de Sobreajuste en el Control de FDR en Línea

1. Formulación del Problema

El artículo aborda el desafío de las pruebas de hipótesis múltiples en línea, donde las hipótesis llegan secuencialmente y las decisiones deben tomarse de inmediato sin conocimiento de las pruebas futuras. El objetivo principal es maximizar el número de descubrimientos verdaderos (potencia estadística) mientras se controla rigurosamente la Tasa de Falsos Descubrimientos (FDR) en cada paso.

Si bien los métodos basados en e-valores (por ejemplo, e-LOND, e-LORD, e-SAFFRON) han surgido como alternativas robustas a los enfoques basados en p-valores debido a que requieren supuestos de dependencia mínimos (específicamente, la e-validez condicional), a menudo sufren de una potencia estadística reducida. Los autores identifican una fuente específica de esta ineficiencia: el fenómeno del "sobreajuste" (overshoot).

En los procedimientos estándar de e-valores, una hipótesis se rechaza si el e-valor $e_t$ supera el umbral $1/\alpha_t$. Sin embargo, los métodos existentes tratan el rechazo como un evento binario. Una vez que se cruza el umbral, cualquier evidencia que exceda dicho umbral (el "sobreajuste") se descarta. Esto conduce a estimaciones de error conservadoras y a una pérdida de la "riqueza de alfa" que podría utilizarse para pruebas posteriores.

2. Metodología: El Marco SCORE

Los autores proponen SCORE (Sequential Control with Overshoot Refund for E-values), un marco unificado diseñado para reclamar esta evidencia "desperdiciada".

Percepción Matemática Central

El marco se basa en una desigualdad refinada que ajusta el límite estándar de Markov utilizado en las demostraciones de FDR.

• Límite Estándar: $\delta_j = \mathbb{I}(e_j \ge \alpha_j^{-1}) \le \alpha_j e_j$.
• Límite SCORE: Utilizando la desigualdad elemental $\mathbb{I}(y \ge 1) \le y - (y-1)_+$ para $y \ge 0$, los autores derivan:
  $$\delta_j \le \alpha_j e_j - (\alpha_j e_j - 1)_+$$
  Aquí, el término $O_j = (\alpha_j e_j - 1)_+$ representa el sobreajuste.

Mecanismo

El marco SCORE modifica el "costo" asignado a un rechazo. En lugar de cobrar el presupuesto completo $\alpha_j$, el algoritmo cobra un costo reducido:
$$C_j^{SCORE} = (C_j - O_j)_+$$
donde $C_j$ es el costo original (por ejemplo, $\alpha_j$ en e-LOND). El sobreajuste $O_j$ se "reembolsa" efectivamente al presupuesto de error del algoritmo. Esto permite que el algoritmo mantenga un control de FDR válido mientras aumenta la riqueza disponible para pruebas subsecuentes, mejorando así la potencia.

Extensiones: Actualizaciones Retroactivas (SCORE+)

El artículo introduce además SCORE+, que incorpora actualizaciones de riqueza retroactivas.

• Enfoque Estándar: Utiliza un denominador local $R_{j-1} + 1$ en el estimador de la Proporción de Falsos Descubrimientos (FDP), lo cual es conservador y no es retroactivo.
• Enfoque SCORE+: Utiliza un denominador global $R_t \vee 1$. Esto permite que el costo efectivo de las pruebas pasadas se reduzca a medida que se realizan nuevos descubrimientos.
• Supuesto: Esta estrategia agresiva requiere un supuesto de dependencia leve llamado Dependencia de Cuadrante Positivo Condicional (CPQD), que postula que un e-valor actual mayor no disminuye el número final de descubrimientos. Los autores argumentan que esto es una consecuencia natural de la intuición de la inversión de alfa y se cumple bajo condiciones estándar (independencia + actualizaciones monótonas).

3. Contribuciones Clave

1. Marco Unificado: La introducción de SCORE como un módulo "plug-in" que puede aplicarse a cualquier algoritmo de pruebas en línea basado en e-valores (e-LOND, e-LORD, e-SAFFRON) para mejorar la potencia sin alterar la estructura de validez fundamental.
2. Dominancia Teórica: Los autores demuestran que los algoritmos mejorados con SCORE dominan estrictamente a sus contrapartes originales. Ofrecen una potencia uniformemente mayor preservando el control de FDR válido en muestra finita bajo los mismos supuestos mínimos (e-validez condicional).
3. Actualizaciones Retroactivas: El desarrollo de variantes SCORE+ que aprovechan las actualizaciones de riqueza retroactivas para reducir aún más la brecha de eficiencia con los métodos basados en p-valores, siempre que se cumplan los supuestos leves de CPQD.
4. Aplicación al Estado del Arte: La derivación de reglas de actualización específicas para SCORE-LOND, SCORE-LORD y SCORE-SAFFRON, demostrando cómo se integra el mecanismo de reembolso de sobreajuste en cada uno.

4. Resultados Experimentales

La efectividad de SCORE y SCORE+ se valida mediante extensas simulaciones y experimentos con datos reales:

• Escenario Independiente (Mezcla Gaussiana): En escenarios con flujos de datos independientes, las variantes SCORE+ alcanzan consistentemente la mayor potencia, seguidas por el SCORE estándar y luego por los baselines originales. La relación de potencia sobre los baselines aumenta con el tiempo a medida que los reembolsos acumulados liberan más riqueza.
• Escenario Dependiente (Modelo Exponencial Autorregresivo): Bajo dependencia temporal, los métodos mantienen un control de FDR válido. SCORE sigue proporcionando ganancias de potencia significativas sobre los baselines, siendo SCORE+ el que ofrece las mayores mejoras, particularmente para la familia SAFFRON, donde el reembolso del sobreajuste se aplica tanto a las penalizaciones candidatas como a los sobreajustes de rechazo.
• Datos del Mundo Real (Tamizaje de Genómica Química de Levadura): Aplicado a un conjunto de 417,026 interacciones.
  • SCORE-LORD detectó 28,808 interacciones frente a 25,954 de e-LORD.
  • SCORE-SAFFRON detectó 37,748 frente a 29,867 de e-SAFFRON.
  • Las variantes SCORE+ mostraron las ganancias más dramáticas, con SCORE+-LORD detectando 44,210 interacciones (casi el doble del baseline) y SCORE+-SAFFRON detectando 43,624.
• Simulaciones Adicionales: Las comparaciones con métodos basados en p-valores en entornos AR(1) muestran que los métodos de e-valores con controles SCORE logran una potencia comparable o incluso superior a los mejores métodos de p-valores, manteniendo la robustez bajo dependencia donde los métodos marginales de p-valores fallan.

5. Significación y Reivindicaciones

El artículo afirma que SCORE aborda una ineficiencia fundamental en las pruebas de hipótesis en línea: la discrepancia entre el error real cometido y el costo teórico cobrado por el algoritmo.

• Robustez: A diferencia de métodos anteriores que intentan recuperar la riqueza (por ejemplo, ADDIS, SUR) dependiendo de supuestos distribucionales específicos o de la super-uniformidad de los p-valores, SCORE opera dentro del paradigma de los e-valores. Requiere solo el supuesto estándar de e-validez condicional, lo que lo hace aplicable a flujos de datos complejos y del mundo real donde las estructuras de dependencia son desconocidas o se violan.
• Universalidad: El marco se presenta como un refinamiento universal. Debido a que la desigualdad $\mathbb{I}(y \ge 1) \le y$ se utiliza ampliamente en las demostraciones de validez para los e-valores, los autores sugieren que una amplia gama de procedimientos basados en e-valores (tanto en línea como potencialmente fuera de línea) podría mejorarse mediante la contabilización explícita del sobreajuste.
• Impacto Práctico: Los resultados demuestran que recuperar la evidencia "desperdiciada" mediante el reembolso del sobreajuste y las actualizaciones retroactivas es altamente efectivo en escenarios de tamizaje a gran escala y alto rendimiento, aumentando significamente el rendimiento de los descubrimientos verdaderos sin comprometer el control del error.

Los autores se mantienen modestos respecto al alcance de las actualizaciones retroactivas, señalando que, aunque el CPQD es un supuesto leve, es estrictamente requerido para las variantes SCORE+, mientras que los algoritmos SCORE básicos siguen siendo válidos bajo el supuesto mínimo de e-validez condicional únicamente.