基因組學、轉錄組學、蛋白組學及代謝組學等生信問題（高通量數據）中，面臨的第一步往往就是降維（或者說篩選特徵）。降維方法分爲兩大類：單變量分析降維法、多變量分析降維法。單變量降維常常使用FC值或者P值，多變量降維常常使用LASSO和PLS等方法。對於這個問題，將分爲兩篇文章進行探討，本文着重探討單變量分析篩選法。
常規方法的問題
常規的方法是使用P值法和FC值法。所謂P值法，就是對兩組樣本進行 t 檢驗（或非參數檢驗）；所謂FC值（Fold Change）法，就是求兩組樣本之間的倍數變化。如果結合P值和FC值綜合分析進行來篩選特徵（火山圖），在絕大多數情況下效果很好；但是方法沒有完美的，FC值法和P值法都有其侷限性。
FC值法的缺陷
先看FC值的缺陷：
代謝物X在A組15個病例中的峯值分別是：92,95,95,96,96,97,98,100,101,101,101,102,102,103,103，中位數或平均數大致爲100；
代謝物X在B組15個病例中的峯值分別是：106,107,108,108,108,108,109,110,111,112,112,112,113,113,115，中位數或平均數大致爲110。
代謝物X的FC值（B/A）爲1.1。若此時設定FC值以1.2作爲界值，X將被排除出模型；然而X可能是一個很好的biomarker，無辜出局。
那麼，何時用FC值呢？FC值方法有個特點：FC值越接近1的變量（或者說logFC越接近0的特徵），成爲好的biomarker的概率越低。也就是說，噪音變量特別多的時候，採用FC值去排除噪音變量的效率很高。亦即信噪比很低時，FC很管用。所以在特徵特別多的任務中，初篩變量的第一步會用FC爽一爽。但若建模效果不理想，有可能是初篩時排除了有效的特徵，這個時候應該回過頭來放寬界值甚至去除FC標準。
P值法的缺陷
剛剛說的FC值法，實際上觸發了假陰性的情況，那麼p值其實也有類似情況，當選用非參數檢驗時，假陰性率會上升。因此慎用非參數檢驗方法。同樣的道理，若初篩後發現建模效果不理想，可以回過頭來放寬界值甚至選擇統計學檢驗效能更強的方法。
挽救方法
挽救方法又稱“豁免方法”，也就是說使用該方法認爲某個特徵值得保留，但在原方法中已經出局，此時可以強制保留這個特徵。筆者根據自己的思考，大致提出3種挽救方式：IQR差異法、界值分類法、放寬標準方式。其中IQR差異法是筆者原創，界值分類法是筆者根據統計分析經驗進行的改造。這些方法在代謝組學課題中應用效果不錯。
FC值法的豁免方法
IQR差異法：任意特徵在兩組都可以求出25%、50%、75%這3個百分位數值，據此定義重合度。若其中一組的25%值大於另一組的75%值，則重合度爲0；若A組的50%值大於B組的75%值、且A組的25%值大於B組的50%值，則重合度爲1，反之亦然；若A組的50%值大於B組的75%值、或A組的25%值大於B組的50%值，則重合度爲2，反之亦然；剩餘的情況，重合度爲3。重合度越大，差異越小。可根據情況選擇不同的重合度作爲界值來篩選變量。比如，該特徵的重合度小於2時，可優先考慮（作爲挽救特徵的方法：即使FC值不顯著，但是IQR顯著，則仍保留）。
P值法的豁免方法
界值分類法：選擇一個合適的界值將變量轉化爲分類變量，之後進行統計學檢驗，包括卡方檢驗、率差檢驗、Logistic單變量建模、一致性檢驗等等方法。
界值的選取其實是個值得琢磨的地方，通常情況下會選擇整體數據的中位數進行二分類，但是兩組樣本量不平衡時，也可以根據樣本量比例選擇相應的百分位點值；最終模型敲定特徵後，可以進一步優化界值。因此，界值分類法要做得精緻，也並不是一件簡單的事。選取界值有個較主觀的技巧，當建模的目的是爲了挑選出其中某一個類別時（該類別成爲“目標類別”）（不是單純爲了更好地分類時），可以結合IQR差異法，以目標類別的50%值作爲界值（筆者自己構造的特殊界值點）。這是一種個性化的統計學方法。
界值分類後，大致可以選用4種檢驗方法：卡方檢驗、率差檢驗（兩組率的差異檢驗）、Logistic單變量分析、一致性檢驗。這4種在大多數情況下結果是差不多的，但是各方法有不同的側重點。此處以對比卡方檢驗和Logistic單變量分析爲例：卡方注重檢驗“差別”，Logistic迴歸注重檢驗“關聯”。卡方的p值很小說明差別大，Logistic迴歸p值很小說明關聯大。雖然很多情況下，差別大意味着關聯大，但是有些中間模糊地帶，差別稍大但不足以很相關。因此卡方檢驗和Logistic單變量分析在某些少數情況下結論是不一致的。
標準放寬的方法
除了放寬界值，有時候甚至可以將FC值法和P值法的關係改爲“且”，就是說，FC值法和P值法同時認定需要剔除某些特徵時，才剔除這些特徵。將降維的重心移交給多變量分析。有時候甚至直接捨棄FC值法。這是個權衡的過程，沒有絕對的標準。
關於FDR校正
在高維數據中，由於特徵很多，做單變量分析時，很有可能增大假陽性發現。比如對於10000個特徵，分別進行單因素檢驗，則相當於做了10000次多重檢驗。需要進行p值校正。最簡單粗暴的校正方法是Bonferroni 校正，直接將每個變量的檢驗水準除以檢驗次數，懲罰力度過大，容易產生較大的假陰性。最常用的校正方法是FDR校正方法。
FDR表示假陽性發現率（False Discovery Rate），意思是保證發現的biomarker集合中，假陽性的biomarker的比例低於一個界值（比如0.05；比如用這個水準找到了100個biomarker，則認爲只要5個是假陽性發現）。FDR又稱Q value，或 adjust p value。校正方法此處不贅述（網上很多資料）。
但筆者對FDR這種方法持有保守態度，因爲校正更容易造成假陰性。舉個栗子，對於某些真實有效的biomarker，可能在大部分數據中，其檢驗的p值都在0.01左右，但是採用FDR校正，則這種biomarker難逃一劫。
但是如果兩批數據都是高通量數據，若取交集來篩選biomarker（檢驗水準都是0.05），則懲罰力度仍然不夠。因此，比較好的模式應該是，在高通量（非靶向）數據中找到biomarker，然後再在新的樣本中靶向檢測這些biomarker，若能得到驗證的則認爲更可靠。
關於多變量分析降維法，請參考：高維數據中特徵篩選方法的思考總結——多變量分析篩選法