编辑推荐：
在生物信息学及多领域研究中，整合 p 值意义重大。研究人员开发了 metacp 软件，它能整合独立和相关 p 值，可用于基因检测、GWAS 多性状分析等。该软件快速易用，为研究提供了有力工具。
在当今生命科学与医学研究的广袤领域，p 值整合如同精密仪器的校准环节，对研究结论的可靠性起着举足轻重的作用。从心理学、社会科学，到生物医学研究和遗传学，众多研究都依赖于将多个 p 值整合，以获取更全面、准确的结论。例如在全基因组关联研究（GWAS）里，为了整合来自稀有变异的数据，需要把基因内不同的单核苷酸多态性（SNP）进行合并，这便是 p 值整合在实际研究中的重要应用。然而，现有的统计软件包和专门工具存在局限性，仅提供部分统计方法，无法满足研究人员多样化的需求。在此背景下，来自希腊塞萨利大学（University of Thessaly）的研究人员开展了一项关于开发新型 p 值整合软件的研究，其成果发表在《BMC Bioinformatics》杂志上，为该领域带来了新的曙光。
研究人员开发的 metacp 软件，是一款开源软件包，具有重要的研究意义。它实现了大量用于整合 p 值的统计方法，既涵盖了如 Fisher 法、Stouffer 法和 Edgington 法等用于独立 p 值整合的方法，也包括 Brown 法和 Cauchy 组合检验（CCT）等处理相关 p 值的方法。这使得研究人员在面对不同类型的数据和研究需求时，拥有了更多的分析选择。同时，metacp 软件提供了 Python 和 STATA 两种版本，操作简便，对用户输入要求较低，适用范围广泛，无论是进行荟萃分析（meta-analysis）的研究人员，还是开发新工具的生物信息学家，都能轻松使用。
在技术方法方面，研究人员在 metacp 软件中纳入了多种经典和前沿的统计方法。对于独立 p 值，实现了 Fisher 法、逆卡方（Inverse chi2）法、Lancaster 法等；对于相关 p 值，实现了 Cauchy 组合检验（CCT）、MinP（Tippett’s）法、经验布朗方法（EBM）及其扩展等。为了验证软件结果的有效性，研究人员重新分析了来自一项识别 2 型糖尿病易感位点的 GWAS 中 67 个 SNP 的数据，并将 metacp 软件的结果与 GWAR 软件包中 MAX 和 MIN2 统计方法的结果进行比较。
研究结果主要体现在以下几个方面：首先，metacp 软件计算得到的组合 p 值与 GWAR 软件的结果高度一致，但 metacp 无需像 GWAR 那样进行复杂且耗时的数值积分计算。其次，与其他类似软件包（如 poolr、Robust tests for combining p - values 等）相比，metacp 实现的统计方法最为丰富，能为用户提供更多选择。最后，metacp 软件适用的数据类型多样，不仅局限于生物信息学数据，还可用于社会科学、教育、经济学等领域的数据处理，只要用户能正确指定要组合的变量即可。
在研究结论和讨论部分，metacp 软件凭借其快速、易用以及丰富的统计方法，为多领域研究人员提供了强大的 p 值整合工具。在生物信息学领域，它可广泛应用于序列同源性搜索、基于基因的测试、通路和富集分析、GWAS 中的多性状分析，以及整合多种组学数据等。对于不同的研究场景，研究人员可根据具体情况选择合适的方法。例如，在处理独立测试时，当反对联合原假设的证据分散在多个单独测试中，或总证据较弱时，像 Stouffer 法这类使用正态分布的方法表现较好；而当证据较强且集中在相对较少的单独测试中时，Fisher 法更为适用。在处理相关测试时，如果能可靠推断测试之间的相关性，如在大多数利用连锁不平衡（LD）信息的 GWAS 测试中，使用考虑该信息的方法可能更优；而当测试统计量的相关结构难以解读时，像 CCT、MCM、CMC 或 HMP 等不明确建模相关性的稳健方法可能是更好的选择。总之，metacp 软件的出现，极大地拓展了研究人员在 p 值整合分析方面的能力，为生命科学和健康医学等多个领域的研究提供了有力支持，推动了相关领域的进一步发展。
