En estadística, un p-valor menor que 0.05 suele interpretarse como evidencia contra la hipótesis nula.

Pero en ómicas, el problema no suele estar en una única comparación.

Está en la escala. 🔬

En un análisis de expresión génica, por ejemplo, podemos evaluar simultáneamente miles de genes. En proteómica, metabolómica, epigenómica o estudios de asociación genómica ocurre algo similar: se realizan muchas pruebas estadísticas en paralelo.

Y cuando se hacen miles de tests, algunos resultados pueden parecer significativos simplemente por azar.

Con un umbral de p < 0.05, si analizamos 20.000 genes y no aplicamos ninguna corrección, podríamos esperar un número considerable de falsos positivos incluso aunque no hubiera ningún efecto biológico real.

Por eso, en análisis ómicos, el p-valor sin ajustar no suele ser suficiente para priorizar resultados.

Aquí entra el FDR, o False Discovery Rate.

El FDR permite controlar la proporción esperada de falsos descubrimientos entre los resultados que declaramos significativos.

Es decir, no se centra solo en una comparación individual, sino en la interpretación del conjunto de resultados seleccionados.

Por ejemplo, aplicar un umbral de FDR < 0.05 implica que, entre los resultados considerados significativos, se espera que aproximadamente un 5% puedan corresponder a falsos positivos.

Esto es especialmente importante en estudios donde buscamos biomarcadores, genes diferencialmente expresados, proteínas alteradas o variantes asociadas a un fenotipo.

Porque una lista de resultados estadísticamente significativa no siempre es una lista de resultados biológicamente robusta. 🧬

En la práctica, conviene interpretar conjuntamente:

• p-value: evidencia estadística en una prueba individual.

• adjusted p-value / q-value / FDR: significación corregida por múltiples comparaciones.

• tamaño del efecto: magnitud real del cambio observado.

• consistencia biológica: coherencia con rutas, procesos o mecanismos conocidos.

• calidad experimental: diseño, replicación, batch effects y posibles sesgos técnicos.

En resumen:

p < 0.05 puede indicar una señal interesante.

Pero en ómicas, donde se hacen miles de comparaciones simultáneas, el FDR es esencial para reducir el riesgo de convertir ruido estadístico en conclusiones biológicas.

No se trata solo de encontrar diferencias. Se trata de identificar señales reproducibles, interpretables y útiles para generar conocimiento.