基因组学、转录组学、蛋白组学及代谢组学等生信问题（高通量数据）中，面临的第一步往往就是降维（或者说筛选特征）。降维方法分为两大类：单变量分析降维法、多变量分析降维法。单变量降维常常使用FC值或者P值，多变量降维常常使用LASSO和PLS等方法。对于这个问题，将分为两篇文章进行探讨，本文着重探讨单变量分析筛选法。
常规方法的问题
常规的方法是使用P值法和FC值法。所谓P值法，就是对两组样本进行 t 检验（或非参数检验）；所谓FC值（Fold Change）法，就是求两组样本之间的倍数变化。如果结合P值和FC值综合分析进行来筛选特征（火山图），在绝大多数情况下效果很好；但是方法没有完美的，FC值法和P值法都有其局限性。
FC值法的缺陷
先看FC值的缺陷：
代谢物X在A组15个病例中的峰值分别是：92,95,95,96,96,97,98,100,101,101,101,102,102,103,103，中位数或平均数大致为100；
代谢物X在B组15个病例中的峰值分别是：106,107,108,108,108,108,109,110,111,112,112,112,113,113,115，中位数或平均数大致为110。
代谢物X的FC值（B/A）为1.1。若此时设定FC值以1.2作为界值，X将被排除出模型；然而X可能是一个很好的biomarker，无辜出局。
那么，何时用FC值呢？FC值方法有个特点：FC值越接近1的变量（或者说logFC越接近0的特征），成为好的biomarker的概率越低。也就是说，噪音变量特别多的时候，采用FC值去排除噪音变量的效率很高。亦即信噪比很低时，FC很管用。所以在特征特别多的任务中，初筛变量的第一步会用FC爽一爽。但若建模效果不理想，有可能是初筛时排除了有效的特征，这个时候应该回过头来放宽界值甚至去除FC标准。
P值法的缺陷
刚刚说的FC值法，实际上触发了假阴性的情况，那么p值其实也有类似情况，当选用非参数检验时，假阴性率会上升。因此慎用非参数检验方法。同样的道理，若初筛后发现建模效果不理想，可以回过头来放宽界值甚至选择统计学检验效能更强的方法。
挽救方法
挽救方法又称“豁免方法”，也就是说使用该方法认为某个特征值得保留，但在原方法中已经出局，此时可以强制保留这个特征。笔者根据自己的思考，大致提出3种挽救方式：IQR差异法、界值分类法、放宽标准方式。其中IQR差异法是笔者原创，界值分类法是笔者根据统计分析经验进行的改造。这些方法在代谢组学课题中应用效果不错。
FC值法的豁免方法
IQR差异法：任意特征在两组都可以求出25%、50%、75%这3个百分位数值，据此定义重合度。若其中一组的25%值大于另一组的75%值，则重合度为0；若A组的50%值大于B组的75%值、且A组的25%值大于B组的50%值，则重合度为1，反之亦然；若A组的50%值大于B组的75%值、或A组的25%值大于B组的50%值，则重合度为2，反之亦然；剩余的情况，重合度为3。重合度越大，差异越小。可根据情况选择不同的重合度作为界值来筛选变量。比如，该特征的重合度小于2时，可优先考虑（作为挽救特征的方法：即使FC值不显著，但是IQR显著，则仍保留）。
P值法的豁免方法
界值分类法：选择一个合适的界值将变量转化为分类变量，之后进行统计学检验，包括卡方检验、率差检验、Logistic单变量建模、一致性检验等等方法。
界值的选取其实是个值得琢磨的地方，通常情况下会选择整体数据的中位数进行二分类，但是两组样本量不平衡时，也可以根据样本量比例选择相应的百分位点值；最终模型敲定特征后，可以进一步优化界值。因此，界值分类法要做得精致，也并不是一件简单的事。选取界值有个较主观的技巧，当建模的目的是为了挑选出其中某一个类别时（该类别成为“目标类别”）（不是单纯为了更好地分类时），可以结合IQR差异法，以目标类别的50%值作为界值（笔者自己构造的特殊界值点）。这是一种个性化的统计学方法。
界值分类后，大致可以选用4种检验方法：卡方检验、率差检验（两组率的差异检验）、Logistic单变量分析、一致性检验。这4种在大多数情况下结果是差不多的，但是各方法有不同的侧重点。此处以对比卡方检验和Logistic单变量分析为例：卡方注重检验“差别”，Logistic回归注重检验“关联”。卡方的p值很小说明差别大，Logistic回归p值很小说明关联大。虽然很多情况下，差别大意味着关联大，但是有些中间模糊地带，差别稍大但不足以很相关。因此卡方检验和Logistic单变量分析在某些少数情况下结论是不一致的。
标准放宽的方法
除了放宽界值，有时候甚至可以将FC值法和P值法的关系改为“且”，就是说，FC值法和P值法同时认定需要剔除某些特征时，才剔除这些特征。将降维的重心移交给多变量分析。有时候甚至直接舍弃FC值法。这是个权衡的过程，没有绝对的标准。
关于FDR校正
在高维数据中，由于特征很多，做单变量分析时，很有可能增大假阳性发现。比如对于10000个特征，分别进行单因素检验，则相当于做了10000次多重检验。需要进行p值校正。最简单粗暴的校正方法是Bonferroni 校正，直接将每个变量的检验水准除以检验次数，惩罚力度过大，容易产生较大的假阴性。最常用的校正方法是FDR校正方法。
FDR表示假阳性发现率（False Discovery Rate），意思是保证发现的biomarker集合中，假阳性的biomarker的比例低于一个界值（比如0.05；比如用这个水准找到了100个biomarker，则认为只要5个是假阳性发现）。FDR又称Q value，或 adjust p value。校正方法此处不赘述（网上很多资料）。
但笔者对FDR这种方法持有保守态度，因为校正更容易造成假阴性。举个栗子，对于某些真实有效的biomarker，可能在大部分数据中，其检验的p值都在0.01左右，但是采用FDR校正，则这种biomarker难逃一劫。
但是如果两批数据都是高通量数据，若取交集来筛选biomarker（检验水准都是0.05），则惩罚力度仍然不够。因此，比较好的模式应该是，在高通量（非靶向）数据中找到biomarker，然后再在新的样本中靶向检测这些biomarker，若能得到验证的则认为更可靠。
关于多变量分析降维法，请参考：高维数据中特征筛选方法的思考总结——多变量分析筛选法