基于超几何分布的基因列表重叠检验结果疑问咨询

背景说明 #

超几何分布用于检验两个基因列表与基因组背景相比的重叠显著性：

• p值≤0.05：拒绝原假设，认为重叠存在显著富集
• p值>0.05：无法拒绝原假设，无显著富集证据

两项分析数据与结果 #

第一项分析 #

• 分组参数：group1=90+506=596，group2=2636+506=3142，重叠数（Overlap）=506，基因组总基因数（total）=16291
• 计算代码：phyper(Overlap-1, group1, total-group1, group2, lower.tail=FALSE)
• 结果：p值=2.92956500029675e-276，因p值<0.05，拒绝原假设

第二项分析 #

• 分组参数：group1=238+358=596，group2=220+358=578，重叠数（Overlap）=358，基因组总基因数（total）=16291
• 计算代码：与第一项相同
• 结果：p值=0，需解释该结果本质

p值为0的本质解释 #

1. 超几何检验的p值含义：phyper(Overlap-1, ..., lower.tail=FALSE)计算的是重叠数≥当前Overlap的概率P(X≥358)
2. 数值精度限制：R语言使用双精度浮点数存储数值，其能表示的最小非零正数约为2.225e-308。第二项分析中，P(X≥358)的实际值远小于这个阈值，超出了双精度浮点数的精度范围，因此R只能返回0来表示这个极小概率——这并不意味着概率真的为0，只是数值过小无法被当前计算精度捕捉和显示
3. 参数合理性验证：group1共596个基因，group2共578个基因，理论最大重叠数为min(596,578)=578。结合16291的总基因组背景，随机情况下抽到358个重叠基因的概率极低，远低于0.05的显著性水平，因此该结果依然代表极显著富集

内容的提问来源于stack exchange，提问作者ASN