按照上一次案例1里面的统计方法去画图，

如果我们按照上一次案例1里面的统计方法去做，先求出N（癌旁）2^-△Ct的平均值n1，然后用T(癌) 2^-△Ct分别除以n1，再用每个N（癌旁）2^-△Ct处理n1，就得到了最终可以统计的结果T(癌) 2^-△△Ct，和N（癌旁）2^-△△Ct，具体计算过程就不罗列了，整理结果如下：

如果接着作图，会出现如下结果：

你是不是吓一跳，癌和癌旁是不是没差异了？

但是仔细一看，从数据角度看来所有的癌里面A的表达水平都比癌旁低啊，为什么做到这个图上面，看上去这么不可能呢。

首先上一节中我们是三次重复试验，对于同一种药物作用于同一种细胞相同的时间，理论上三次独立重复试验中药物引起p53 mRNA水平的变化是确定的，而在本案例中，不同病人之间的标本不能算作是实验重复，不同个体之间的A基因mRNA水平也是不一样的。因此，不能采用案例1中的计算方式。

下面首先介绍下我们常用的模式：

我们用每组的T(癌) 2^-△Ct除以N（癌旁）2^-△Ct，得到T(癌) 2^-△△Ct，这样一来，N（癌旁）2^-△△Ct都为1，然后整理结果得到如下：

然后作图得到如下：

这个是不是比第一次柱形图好看？

但是这种做法其实是有问题的，虽然看上去差异比较大（通过统计计算差异也比较大），但是N（癌旁）已经没有误差，这是不科学的。

所以在本文中，我们以T(癌) 2^-△C和N（癌旁）2^-△Ct做成散点图，如下所示（注意不是△△）：

把Y轴调整下如下：

可以看出，在癌旁组散点图位置均上移。我们通过SPSS软件统计分析两组之间的差异：

采用配对T检验（T检验的前提是样本服从正态分布，可以提前检测下，一般测定某一个蛋白或者mRNA的水平，可以看作是正态分布）。

p=0.007, 具有显著性差异。

本次文章转自医学实验小坑，如果觉得有帮助欢迎收藏转发~

关注“医学课题实验服务”，为你搜集分享更多学习干货。返回搜狐，查看更多