本文转载自嘉因微信公众号，已获得授权。查看最新文章，敬请关注嘉因，微信ID：rainbow-genome

作者：小哈   来源：嘉因

60分万岁，多1分浪费

p-value = 0.051。。。。。。

场景一：做RNA-seq，做几次重复？应该做几次？发paper时认可几次重复？

场景二：RNA-seq做了3次重复，用p-value < 0.05筛出的差异基因太少，只用2次重复来筛，筛出了好多，好开森 ~ ~ ~

场景三：基因KO组跟对照组比，计算药物处理后表型是否有显著差异。做了3次实验，p-value > 0.05；继续做，做到5次重复，p-value < 0.05，好开森 ~ ~ ~

减少重复次数？增加重复次数？怎样是合理的？

来看看statQuest视频讲Power in statistics，需要几次重复能获得较低的p-value。

倒霉蛋儿不只你一个，增加重复次数会发生什么？

多做了重复后，30%的情况p-value降到0.05以下，make sense？NO！那叫假阳性

不可以为了获得好的p-value而增加重复，那会增加假阳性。

正确的做法是：

1. 做实验之前，算一下到底需要多少样本量；

2. 如果实验前没评估样本量，就评估之后重新开始做实验。

（你们这些做统计的不懂实验狗的忧伤）

怎样评估需要做几次重复呢？

实验前评估需要多少次重复，power calculation，受4个因素影响：

第4个是统计方法，最广泛应用的t-test有最强的power。重点考虑前三个因素：

最好是有前期数据或已发表的数据，有第六感也成：

如果没有前期数据和第六感，还有办法：

对于RNA-seq数据：

具体怎么算？

交给电脑算，点击左下角“阅读原文”直达G*Power网站。刚更新，17 July 2017 - Release 3.1.9.3，有Windows版本和Mac版本。用法简单：

你可能需要一些基础知识，搬来简洁易懂的statQuest视频。

one or two tail t-test的另一个视频

回到开头的场景，解决方案：

才不管怎么算呢，We always use 3 patients...