نرخ کشف کاذب در آزمون فرض جایگشتی فیشر و جایگشتی تعدیل یافته همزمان بر داده های ریزآرایه

در سال های اخیر، فن آوری های جدید منجر به تولید حجم انبوهی از داده ها شده و در حوزه زیستی، فناوری ریزآرایه نیز به صورت چشمگیری توسعه یافته است. در این میان، جهت مقایسه گروه کنترل با دو یا چند گروه آزمایشی، همچنین یافتن ژن هایی با بیان متفاوت، از آزمون فیشر استفاده می شود. در این مطالعه نرخ کشف کاذب در آزمون فرض جایگشتی فیشر و جایگشتی تعدیل یافته همزمان بر داده های ریزآرایه بررسی گردید. در این مطالعه، ابتدا با شبیه سازی و انتخاب سه حالت مختلف برای نمونه های کنترل و آزمایشی ، نرخ کشف کاذب با استفاده از دو روش آزمون جایگشتی فیشر و جایگشتی تعدیل یافته محاسبه گردید، سپس این دو روش بر روی 8799 ژن مربوط به سلول مغز 29 موش (در سه گروه سنی جوان، میانسال و پیر) اعمال گردید و تاثیر فرآیند سن مغز بر افزایش ایجاد بیماری آلزایمر مورد بررسی قرار گرفت.  نتایج نشان داد استفاده از روش آزمون جایگشتی فیشر، نرخ کشف کاذب را نمی تواند کنترل کند، ولی روش جایگشتی تعدیل یافته بهتر عمل کرده و اختلافات واقعی معنی دار را درست تر تشخیص می دهد؛ لذا مقدار FP در روش دوم کاهش خواهد یافت. با توجه به نتایج این مطالعه، استفاده از روش های مرسوم ازجمله آزمون جایگشتی فیشر که مبنای تحلیل داده های زیستی در بسیاری از نرم افزارها می باشد، در داده های بزرگ مقیاس، ازجمله داده های ریزآرایه کارایی مطلوب را ندارد و نرخ کشف کاذب را نمی تواند کنترل کند؛ درحالی که روش جایگشتی تعدیل یافته با عملکرد بهتر در کنترل نرخ کشف کاذب، نتایج قابل اعتمادتری در پی دارد.