FDR（False Discovery Rate）是用来控制多重比较中假阳性的概率的一种方法。在生物信息学研究中，常常需要在大量的基因表达数据中进行筛选，以寻找显著差异的基因。然而，由于大量的比较会导致出现假阳性的情况，因此需要使用FDR进行校正。

R语言是一种广泛使用的数据分析语言，也可以用来计算FDR。在R中，可以使用p.adjust函数来进行FDR校正。p.adjust函数可以接受多种校正方法，包括Benjamini-Hochberg、Bonferroni、Holm等方法。

以下是一个简单的示例代码，演示如何使用R语言计算FDR：

```R

# 生成一组随机数据

set.seed(1)

pvalues <- runif(1000)

# 使用Benjamini-Hochberg校正方法计算FDR

fdr_bh <- p.adjust(pvalues, method = 'BH')

# 输出前10个FDR校正后的p值

head(fdr_bh, 10)

```

在这个示例中，我们首先生成了一组随机的p值，然后使用p.adjust函数对其进行了Benjamini-Hochberg校正。最后，我们输出了前10个FDR校正后的p值。

需要注意的是，FDR校正可以帮助我们减少假阳性的概率，但并不能完全消除其存在。因此，在进行生物信息学分析时，我们需要谨慎评估结果，并进行进一步的验证。