我已经完成了 350 次独立测试。我需要纠正它们以进行多重比较。我正在使用 Benjamini-Hochberg (BH) 程序来控制 FDR。然而，事先选择 Q（我们想要控制 FDR 的水平）可能是有限制的（例如，我发现 Q=0.05 时没有发现，Q=0.1 时我发现 40：最好能说出这 36 个所谓的真实发现使用 Q=0.1 而不是报告没有发现）。
我有两个问题：
如果我正在进行探索性分析，那么查看不同 Q 水平的发现数量而不是先验修复它是否是错误的程序？然后，如果我只需要选择一个我可以选择的 Q 值，例如，仍然可以给我一些真实发现的更保守的值，或者给出最大数量的真实发现的值，等等。
我是否在检查不同级别的 Q 时再次进行多重比较？我不这么认为，因为我实际上并没有测试新假设，而只是将 FDR 控制到不同的水平：原始假设保持不变，改变的是 BH 程序中的标准。
是的，这些事情经常发生，至少在遗传学方面是这样。要解决您的具体问题：
这是很常见的做法，我个人也以这种方式报告过结果。不过，请务必明确您报告的 FDR 级别。认为它类似于“边际”意义；人们可能会觉得它很有趣，但他们必须知道他们在看什么。
不，您不必为此进行多次更正，正如您提到的那样，您只是在操纵-值以不同的方式而不改变任何东西。
如果我是你，我还会进一步研究 Motulsky 博士在上面提到的内容。报告价值是一个非常常见和有用的指标。
您可能会发现有用的替代方法是报告 - 对于每次比较 - q 值。q 值（小写）是 Q 值（大写），在该 Q 值（大写）处，该特定比较恰好处于发现的边界。然后，您可以报告每个比较的 q 值，而不仅仅是使用任意 Q 值列出哪些比较是“发现”的列表。
alpha=.05 没有什么神奇之处。
我认为使用 alpha/q=.10 没有任何问题。我还将报告置信区间（并调整这些区间）。
或者，使用具有先验的贝叶斯模型来消除误报（马蹄形，拉普拉斯）