不要让你的实验影响结果？

其实这类问题在我们的交流群里屡见不鲜，很多人的问题其实提问前就有了心仪答案，只是想得到别人的肯定，心安理得的说服自己而已。至于差异分析的显著性筛选问题，自然是尽量看adjustment P Value，并且越小越好；|logFC|自然是越大越好。基因组级别的数据做差异分析，近两万个观测值（基因）。选择置信度为0.95的话，即使所有基因都没有差异，单次检验也有5%的概率误判为“有差异”。那会由于偶然性而得到约20,000*0.05=1,000个假阳性基因（仅P Value来判断的话）。按照单细胞的稀疏程度，显然你的差异基因大概率都没有1000个。人们都会忽略事实选择于自己倾向于的结果，可能这就是经典的“不要让你的实验，影响结果”，只不过大家需要想清楚，你今天的选择相信，可能未来计划实验时，会成倍的为当下的选择买单。

还是那句话，你的很多疑问与困惑，大概率我们都给你踩过雷，你是选择相信，还是选择努力？

突然想起学单细胞走过的弯路

这可能是全网最全的scRNA-seq分析教程！

82h视频教程《Python版scRNA-seq分析全流程》