流式统计分析前，不该忽略的问题

流式细胞数据量丰富。

实验数据既可以分群检测（例如，CD4+细胞的比例）也可以显示表达水平（激活 T 细胞 CD69 的平均荧光的表达）。

很多时候，研究人员更喜欢用直方图展示流式实验数据，以此阐述他们的观点。这种方法不足以完全表达出实验中的数据，也无法进一步进行统计分析。

为了正确进行统计分析，第一步是理解假设。假设将指导统计分析，确定进行正确的检验。当开始统计分析数据时，我们需要考虑一些事情。

1. 从一开始时就正确设计实验

统计学有效地解决了当零假设不成立时，推翻假设的正确概率问题。有三个因素影响实验有效性：样本大小、数据覆盖度以及重复次数。实验有效性与实验避免统计错误的能力相关。

2. 了解统计误差的类型和如何避免

假阳性（第一类型误差）：当一个真的零假设（null hypothesis）错误的被推翻称为假阳性。

假阴性（第二类型误差）：当实验未能推翻错误的零假设称为假阴性。

事实上，实验有效性被定义为 b=真阳性/（真阳性+假阴性）

3. 使用正确的统计检验

生物学假设和实验设计将决定哪种检验方法更适合实验数据。数据的分布也是很重要的考虑因素。如何更好的确定正确的检验? 下表可以帮助你确定哪些检验是最合适的。

4. 设置适当的临界值

临界值的价值是被用于确定数据是否具有统计学显著差异。由于历史原因，这个临界值常被设置为 0.05。这可以理解为出现显著差异的机率几乎没有（例如，第一类误差出现的概率）。

5. 避免更显著差异的陷阱

一旦一个值被设定，如果假设值小于这个值，数据具有统计学差异。如果临界值是 0.05，P 值为 0.01 并不比 P 值是 0.04 更显著。如果希望降低第一类误差，临界值应该设置为一个更严格的水平（0.01 或更小的值）。

6. 避免多个成对比较

实验设计药物 X、药物 Y 和组合药物 X 和 Y 与未经处理的样品进行比较，这种情况下，最好的检验方式是什么？在这种情况下不应该使用成对比较，原因如下：设定假定值为 0.05，出现第一类误差的概率为 5%；每两对比较，第一类误差出现的概率将增加，如下表所示。

在一天结束的时候，对于通过检验证明假设的有效性，您的流式细胞仪数据的统计分析是一个关键的步骤。谨慎考虑执行正确的测试方法，公布的数据将经得起的同行评审，并有助于获得新的发现。

编辑： weicf    来源：丁香园