Simultaneous false discovery rate control in location families

Sintesi Tecnica: Controllo Simultaneo del Tasso di Falsi Positivi nelle Famiglie di Posizione

Enunciato del Problema
Nella verifica di ipotesi multiple, il Tasso di Falsi Positivi (FDR) è tradizionalmente definito e controllato solo al valore nullo (ad esempio, $\theta = 0$). Tuttavia, nelle applicazioni pratiche che coinvolgono famiglie di posizione, i ricercatori richiedono spesso un FDR basso non solo per il nullo, ma anche per i valori dei parametri considerati "praticamente insignificanti" (ad esempio, piccole dimensioni dell'effetto). La procedura standard di Benjamini-Hochberg (BH) controlla l'FDR al nullo, ma non garantisce esplicitamente il controllo sull'intera "curva FDR"—l'FDR come funzione del parametro di posizione $\theta$. Questo articolo affronta la necessità di un controllo simultaneo dell'FDR su un continuum di valori parametrici all'interno delle famiglie di posizione.

Metodologia
Gli autori propongono una generalizzazione della procedura BH standard per controllare la curva FDR al di sotto di un livello specificato dall'utente. La configurazione coinvolge dati indipendenti $X_i \sim P_{\theta_i}$ provenienti da una famiglia di posizione dove $P_\theta(X \le x) = F(x - \theta)$. L'obiettivo è testare ipotesi unilaterali $H_{i,\theta}: \theta_i \ge \theta$.

1. Definizione della Curva FDR: La curva FDR è definita come l'aspettativa della curva della Proporzione di Falsi Positivi (FDP), $FDP_S(\theta)$, che misura la proporzione di falsi positivi tra le ipotesi rifiutate per una data soglia $\theta$.
2. Procedura BH Generalizzata: Invece di utilizzare un livello nominale scalare $q$, il metodo utilizza una curva FDR non crescente specificata dall'utente $q(\theta)$.
   • Valori p Normalizzati: Per ogni ipotesi $i$, viene calcolato un valore p normalizzato come:
     $$\bar{P}_i = \sup_{\theta \in \mathbb{R}} \frac{P_{i,\theta}}{q(\theta)}$$
     dove $P_{i,\theta} = F(X_i - \theta)$ è il valore p per il test di $H_{i,\theta}$.
   • Regola di Rifiuto: La procedura applica l'algoritmo BH standard all'insieme dei valori p normalizzati $\{\bar{P}_1, \dots, \bar{P}_m\}$ con un livello target di 1. L'insieme di rifiuto $S$ è il sottoinsieme più grande tale che $i \in S$ se e solo se $\bar{P}_i \le |S|/m$.

Risultati Teorici Chiave
L'articolo stabilisce che la procedura BH generalizzata controlla simultaneamente la curva FDR. Nello specifico, sia $q^*(\theta)$ una versione trasformata della curva specificata dall'utente $q(\theta)$, definita come:
$$q^*(\theta) = \inf_{\theta' \in \mathbb{R}} \sup_{a \le x - \theta' \le b} q(\theta') \cdot \frac{F(x - \theta)}{F(x - \theta')}$$
dove $a = F^{-1}(q(\theta')/m)$ e $b = F^{-1}(q(\theta'))$.

• Teorema 3.1: La procedura garantisce che $\sup_{\theta \in \mathbb{R}} \frac{FDR(\theta)}{q^*(\theta)} \le 1$. Di conseguenza, $FDR(\theta) \le q^*(\theta)$ vale quasi certamente per qualsiasi $\theta$.
• Il Fenomeno del "Pasto Gratuito": Una conseguenza significativa è che la procedura BH standard (che corrisponde all'uso di una funzione a gradino $q_{BH}(\theta) = q \cdot \mathbb{1}_{\theta \ge 0} + \mathbb{1}_{\theta < 0}$) fornisce intrinsecamente un controllo simultaneo sull'intera curva FDR. Il livello di controllo effettivo $q^*_{BH}(\theta)$ è strettamente inferiore alla funzione a gradino nominale per $\theta \neq 0$, mentre la tocca in $\theta = 0$.
• Proprietà di Contatto: Sotto la "proprietà del rapporto monotono" (soddisfatta da famiglie comuni come la Gaussiana), la Proposizione 3.1 dimostra che per qualsiasi $q$ decrescente e continua a destra, esiste almeno un punto $\theta^*$ in cui la curva di controllo effettiva $q^*(\theta^*)$ tocca la curva target $q(\theta^*)$. Ciò implica che il controllo non può essere uniformemente migliore della specifica nominale ovunque.
• Limiti Inferiori: La Proposizione 3.2 fornisce un limite inferiore per la curva FDR nel caso peggiore, dimostrando che l'analisi è stretta, in particolare quando $q^*(\theta)$ è piccolo.

Estensioni ed Esempi Numerici
Il framework è esteso a contesti in cui le ipotesi provengono da diverse famiglie di posizione (diverse $F_i$). In questo caso generale, la definizione di $q^*$ è modificata per prendere il supremo sulle distribuzioni specifiche.

• Proposizione 4.1: Per curve target costanti a tratti, esiste un sottoinsieme di vincoli tale che la curva $q^*$ indotta controlla tutti i vincoli prescritti e tocca il target almeno una volta.
• Dataset sul Cancro al Seno: Gli autori applicano il metodo al dataset sul cancro al seno di Storey e Tibshirani (2003). Confrontano il test basato sulle dimensioni dell'effetto (dove le distribuzioni variano per gene) rispetto ai rapporti segnale-rumore (dove si applica una distribuzione comune).
  • Nello scenario delle dimensioni dell'effetto, l'uso simultaneo di tutti i vincoli ha portato a un numero di rifiuti inferiore rispetto all'uso di un singolo vincolo, suggerendo che la selezione di un insieme minimo di vincoli che soddisfi la condizione $q^* \le q$ è ottimale.
  • Nello scenario del rapporto segnale-rumore (con $F$ comune), la curva $q^*$ ha toccato il target in tutte le posizioni specificate e gli insiemi di rifiuto sono stati stabili attraverso diverse scelte di vincoli.

Significato e Affermazioni
L'articolo afferma un teorema del "pasto gratuito": la procedura BH standard, progettata esclusivamente per il controllo al nullo, offre implicitamente un controllo simultaneo più forte sulla curva FDR per valori non nulli senza richiedere complessità computazionale o dati aggiuntivi. La procedura generalizzata permette ai ricercatori di mirare esplicitamente al controllo dell'FDR su valori parametrici praticamente insignificanti, offrendo uno strumento flessibile per la scoperta nella verifica di ipotesi multiple. Gli autori notano che questo approccio è un caso specifico di un framework più ampio per problemi di decisione composti selettivi (citando Gao, Hu e Zhao 2024) e suggeriscono potenziali direzioni future che coinvolgono approcci Bayesiani empirici per selezionare la curva target $q$ basata su prior stimati, sebbene avvertano del problema del "doppio utilizzo" (double-dipping) in tali implementazioni.