paired vs unpaired t-test# Biology - 生物学
l*e
1 楼
请问转Citi Dividend有什么好处啊？就为了1-3月的Drugstore的5%吗？
那转了之后是立即生效吗？还是得等新卡到？那不就来不及用了吗？谢谢。
另外请问转卡有没有Hard呢？谢谢。
那转了之后是立即生效吗？还是得等新卡到？那不就来不及用了吗？谢谢。
另外请问转卡有没有Hard呢？谢谢。
c*1
2 楼
paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
着两个群体的个体是没有联系的。
具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
是一个pair.
我注意看了下，顶级期刊上，类似设计的实验，有的用paired，有的用unpaired。感觉
大家就是看什么样的t-test可以得到自己想要的结果，就用什么的检验。当然，这个是
犯了原则性的错误。
不知大家对这个问题怎么看？
paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
着两个群体的个体是没有联系的。
具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
是一个pair.
我注意看了下，顶级期刊上，类似设计的实验，有的用paired，有的用unpaired。感觉
大家就是看什么样的t-test可以得到自己想要的结果，就用什么的检验。当然，这个是
犯了原则性的错误。
不知大家对这个问题怎么看？
s*g
3 楼
1. it has 5% rotating category; not necessarily the drug store, although the
drug store is very impressive due to vanilla
2. the old card mush be worse than dividend...
3. ask CSR about conversion details; ur card may not be qualified for the
conversion, anyway
drug store is very impressive due to vanilla
2. the old card mush be worse than dividend...
3. ask CSR about conversion details; ur card may not be qualified for the
conversion, anyway
z*g
4 楼
你说的问题我也想过。不同批次确实差异大，所以我觉得你说的有理，用paired也可以
吧。而且我以前以为paired更容易出差别，其实不然，看具体数据的。一般来讲还是
paired的p value小。
吧。而且我以前以为paired更容易出差别，其实不然，看具体数据的。一般来讲还是
paired的p value小。
l*e
5 楼
谢谢你的信息。我已经跟风转了，不过要等45天才能用，这个季度的就赶不上了。
反正没有Hard，也没啥损失。
the
【在 s**********g 的大作中提到】
: 1. it has 5% rotating category; not necessarily the drug store, although the
: drug store is very impressive due to vanilla
: 2. the old card mush be worse than dividend...
: 3. ask CSR about conversion details; ur card may not be qualified for the
: conversion, anyway
反正没有Hard，也没啥损失。
the
【在 s**********g 的大作中提到】
: 1. it has 5% rotating category; not necessarily the drug store, although the
: drug store is very impressive due to vanilla
: 2. the old card mush be worse than dividend...
: 3. ask CSR about conversion details; ur card may not be qualified for the
: conversion, anyway
h*o
6 楼
这个不能用paired t-test
如果你觉得不同批次之间测试的绝对数值相差很大，但是趋势一致的时候，一个不严谨
但是有用的方法是，都
normalize到control的平均值以后再combine 做stats
比如 第一次做， control VS treatment， n=5 per group
那么你会得到control的平均值Ca， normalize以后
control的五个replicate 分别是c 1, c5 , treatment分别是T1-T5
第二次做，control vs treatment， n=5
这一次的control平均值是Cb，normalize以后
得到C6-C10 以及T6-T10
依次类推， 最后你有C1-C15， T 1-T15，然后做T -test
还有一种方法是每次都include一个bridging sample，然后每次都normalize到那个
sample
用paired t-test 不合适， 等于认为的缩小的p值
如果你觉得不同批次之间测试的绝对数值相差很大，但是趋势一致的时候，一个不严谨
但是有用的方法是，都
normalize到control的平均值以后再combine 做stats
比如 第一次做， control VS treatment， n=5 per group
那么你会得到control的平均值Ca， normalize以后
control的五个replicate 分别是c 1, c5 , treatment分别是T1-T5
第二次做，control vs treatment， n=5
这一次的control平均值是Cb，normalize以后
得到C6-C10 以及T6-T10
依次类推， 最后你有C1-C15， T 1-T15，然后做T -test
还有一种方法是每次都include一个bridging sample，然后每次都normalize到那个
sample
用paired t-test 不合适， 等于认为的缩小的p值
C*a
7 楼
safeway算drugstore吗
【在 l*******e 的大作中提到】
: 请问转Citi Dividend有什么好处啊？就为了1-3月的Drugstore的5%吗？
: 那转了之后是立即生效吗？还是得等新卡到？那不就来不及用了吗？谢谢。
: 另外请问转卡有没有Hard呢？谢谢。
【在 l*******e 的大作中提到】
: 请问转Citi Dividend有什么好处啊？就为了1-3月的Drugstore的5%吗？
: 那转了之后是立即生效吗？还是得等新卡到？那不就来不及用了吗？谢谢。
: 另外请问转卡有没有Hard呢？谢谢。
D*a
8 楼
不能用paired t test，如果你是一盘细胞测个基准值然后加点这个再测个值，这才可
以用paired t test
楼上说的有道理
以用paired t test
楼上说的有道理
s*0
9 楼
.........supermarket
【在 C****a 的大作中提到】
: safeway算drugstore吗
【在 C****a 的大作中提到】
: safeway算drugstore吗
r*g
10 楼
你这个不能用paired
楼上说的对，比如 你 A B C 3 dishes细胞
你同时在A B C加了drug M，你如果要比较 without M 和 with M的 某参数
你可以使用paired
楼上说的对，比如 你 A B C 3 dishes细胞
你同时在A B C加了drug M，你如果要比较 without M 和 with M的 某参数
你可以使用paired
c*1
11 楼
同一批次的细胞，如果初始条件是一样的（同时plate，密度相同），那么我们会认为
不同的dish是完全identical的，所以用paired是合理的。不同批次的细胞，差异可能
来源于不同的代数，不同的密度，不同的接种时间，如果是原代细胞，那不同的批次差
异就更大了。
你说的这种做法，同一批次内，做多个dish，这个其实只是technical replicate，而
不是biological replicate。最后处理数据的时候，你只能用这个同一批次的5个值的
平均值作为N=1. 你如果把同一批次的5个值当做N=5的话，就相当于给同一个病人抽5次
血，然后把每一管的血当做N=1。这样做显然是不合理的。
另外，paired t-test并不是总是会给我们更小的p值。下面这个就是我的真实数据。用
paired t-test的p值更大，且没有差异。unpaired t-test，p值有显著性差异。
Control: 8.665625036 6.64921541 7.455167092
Treated: 5.261234168 4.625046477 6.120220792
paired t-test, p=0.065725451
unpaired t-test, p=0.036441482
【在 h*******o 的大作中提到】
: 这个不能用paired t-test
: 如果你觉得不同批次之间测试的绝对数值相差很大，但是趋势一致的时候，一个不严谨
: 但是有用的方法是，都
: normalize到control的平均值以后再combine 做stats
: 比如 第一次做， control VS treatment， n=5 per group
: 那么你会得到control的平均值Ca， normalize以后
: control的五个replicate 分别是c 1, c5 , treatment分别是T1-T5
: 第二次做，control vs treatment， n=5
: 这一次的control平均值是Cb，normalize以后
: 得到C6-C10 以及T6-T10
不同的dish是完全identical的，所以用paired是合理的。不同批次的细胞，差异可能
来源于不同的代数，不同的密度，不同的接种时间，如果是原代细胞，那不同的批次差
异就更大了。
你说的这种做法，同一批次内，做多个dish，这个其实只是technical replicate，而
不是biological replicate。最后处理数据的时候，你只能用这个同一批次的5个值的
平均值作为N=1. 你如果把同一批次的5个值当做N=5的话，就相当于给同一个病人抽5次
血，然后把每一管的血当做N=1。这样做显然是不合理的。
另外，paired t-test并不是总是会给我们更小的p值。下面这个就是我的真实数据。用
paired t-test的p值更大，且没有差异。unpaired t-test，p值有显著性差异。
Control: 8.665625036 6.64921541 7.455167092
Treated: 5.261234168 4.625046477 6.120220792
paired t-test, p=0.065725451
unpaired t-test, p=0.036441482
【在 h*******o 的大作中提到】
: 这个不能用paired t-test
: 如果你觉得不同批次之间测试的绝对数值相差很大，但是趋势一致的时候，一个不严谨
: 但是有用的方法是，都
: normalize到control的平均值以后再combine 做stats
: 比如 第一次做， control VS treatment， n=5 per group
: 那么你会得到control的平均值Ca， normalize以后
: control的五个replicate 分别是c 1, c5 , treatment分别是T1-T5
: 第二次做，control vs treatment， n=5
: 这一次的control平均值是Cb，normalize以后
: 得到C6-C10 以及T6-T10
M*P
12 楼
楼上三个正确答案，你还是非要坚持自己的错误理解，那你何必来问问题呢？
【在 c****1 的大作中提到】
: 同一批次的细胞，如果初始条件是一样的（同时plate，密度相同），那么我们会认为
: 不同的dish是完全identical的，所以用paired是合理的。不同批次的细胞，差异可能
: 来源于不同的代数，不同的密度，不同的接种时间，如果是原代细胞，那不同的批次差
: 异就更大了。
: 你说的这种做法，同一批次内，做多个dish，这个其实只是technical replicate，而
: 不是biological replicate。最后处理数据的时候，你只能用这个同一批次的5个值的
: 平均值作为N=1. 你如果把同一批次的5个值当做N=5的话，就相当于给同一个病人抽5次
: 血，然后把每一管的血当做N=1。这样做显然是不合理的。
: 另外，paired t-test并不是总是会给我们更小的p值。下面这个就是我的真实数据。用
: paired t-test的p值更大，且没有差异。unpaired t-test，p值有显著性差异。
【在 c****1 的大作中提到】
: 同一批次的细胞，如果初始条件是一样的（同时plate，密度相同），那么我们会认为
: 不同的dish是完全identical的，所以用paired是合理的。不同批次的细胞，差异可能
: 来源于不同的代数，不同的密度，不同的接种时间，如果是原代细胞，那不同的批次差
: 异就更大了。
: 你说的这种做法，同一批次内，做多个dish，这个其实只是technical replicate，而
: 不是biological replicate。最后处理数据的时候，你只能用这个同一批次的5个值的
: 平均值作为N=1. 你如果把同一批次的5个值当做N=5的话，就相当于给同一个病人抽5次
: 血，然后把每一管的血当做N=1。这样做显然是不合理的。
: 另外，paired t-test并不是总是会给我们更小的p值。下面这个就是我的真实数据。用
: paired t-test的p值更大，且没有差异。unpaired t-test，p值有显著性差异。
y*s
13 楼
If the difference between batches are not measurable by other variables,
then accounting for the correlation within batch is probably the best you
can do.
If your outcome of experiment is continuous, maybe plot them by batch and
just eyeball it to see if there is some difference between different batches
of cells.
If there is, what might be more appropriate (depending on how much sample
you have) would be some sort of mixed effect model, with exposure being the
treatment (experiment vs. control) and batch numbers being the random effect
. I have to see the data to tell what exactly to do. If the average is
influenced by the batch, you would need a random intercept, but if the batch
influence how well the cells respond to the treatment, you might also need
some sort of random slope of treatment, I think.
Alternatively, if you have enough repeats within batches, you could do an
MANOVA adjusting for both treatment and batch. It might not be totally
appropriate, but could be better than just a t-test. Given you have enough
samples to estimate the difference among batches.
then accounting for the correlation within batch is probably the best you
can do.
If your outcome of experiment is continuous, maybe plot them by batch and
just eyeball it to see if there is some difference between different batches
of cells.
If there is, what might be more appropriate (depending on how much sample
you have) would be some sort of mixed effect model, with exposure being the
treatment (experiment vs. control) and batch numbers being the random effect
. I have to see the data to tell what exactly to do. If the average is
influenced by the batch, you would need a random intercept, but if the batch
influence how well the cells respond to the treatment, you might also need
some sort of random slope of treatment, I think.
Alternatively, if you have enough repeats within batches, you could do an
MANOVA adjusting for both treatment and batch. It might not be totally
appropriate, but could be better than just a t-test. Given you have enough
samples to estimate the difference among batches.
y*s
14 楼
How do you know that they are right?
【在 M*P 的大作中提到】
: 楼上三个正确答案，你还是非要坚持自己的错误理解，那你何必来问问题呢？
【在 M*P 的大作中提到】
: 楼上三个正确答案，你还是非要坚持自己的错误理解，那你何必来问问题呢？
k*a
15 楼
楼主这是坚持自己理解，和问问题没啥关系吧，他也说了听听大家的想法。
这个问题真是见仁见智了，细胞实验的一个assumption就是细胞是均一的，所以楼主的
想法可以理解。 估计用paired和unpaired的人都很多。。不知道领域有没有一致的标
准了。
【在 M*P 的大作中提到】
: 楼上三个正确答案，你还是非要坚持自己的错误理解，那你何必来问问题呢？
这个问题真是见仁见智了，细胞实验的一个assumption就是细胞是均一的，所以楼主的
想法可以理解。 估计用paired和unpaired的人都很多。。不知道领域有没有一致的标
准了。
【在 M*P 的大作中提到】
: 楼上三个正确答案，你还是非要坚持自己的错误理解，那你何必来问问题呢？
k*a
16 楼
f*e
17 楼
This is a very good post. I have also thought about this problem. In short
and in general, I believe the trend is that a positive underlying
correlation between pairs will yield a smaller p-value, thus higher power
for detecting the same difference. But I am not sure this is 100% true,
because mathematically I think the degree of freedom should also play a role
in determining the p-value.
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
and in general, I believe the trend is that a positive underlying
correlation between pairs will yield a smaller p-value, thus higher power
for detecting the same difference. But I am not sure this is 100% true,
because mathematically I think the degree of freedom should also play a role
in determining the p-value.
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
s*8
18 楼
正相关说明前后两者值差不太多，不能reject null hypothesis，说明P value比较大
而不是小？
role
【在 f******e 的大作中提到】
: This is a very good post. I have also thought about this problem. In short
: and in general, I believe the trend is that a positive underlying
: correlation between pairs will yield a smaller p-value, thus higher power
: for detecting the same difference. But I am not sure this is 100% true,
: because mathematically I think the degree of freedom should also play a role
: in determining the p-value.
而不是小？
role
【在 f******e 的大作中提到】
: This is a very good post. I have also thought about this problem. In short
: and in general, I believe the trend is that a positive underlying
: correlation between pairs will yield a smaller p-value, thus higher power
: for detecting the same difference. But I am not sure this is 100% true,
: because mathematically I think the degree of freedom should also play a role
: in determining the p-value.
r*r
19 楼
A few things to think about:
1. if use typical alpha value, i.e, 5%
2. If 1., then how about your p values of your two cases (paired and
unpaired). If they are close to 5%, you need to be very careful. sometimes
you will get the totally different answers: P value is just greater than 5%
or just less than 5%.Otherwise, different T-tests will get the same answer (
both have big p values,e.g., ~30%), then you will be fine anyway.
Using google, then you'll find good examples how to define unpaired and
paired T-tests.
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
1. if use typical alpha value, i.e, 5%
2. If 1., then how about your p values of your two cases (paired and
unpaired). If they are close to 5%, you need to be very careful. sometimes
you will get the totally different answers: P value is just greater than 5%
or just less than 5%.Otherwise, different T-tests will get the same answer (
both have big p values,e.g., ~30%), then you will be fine anyway.
Using google, then you'll find good examples how to define unpaired and
paired T-tests.
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
m*8
20 楼
俺室念统计的，你这个不能用paired t-test.你说假设他们是相同的，如果假设成立当
然什么都可以用。通常来说paired t-test是自然的内在联系，比如同一样东西用药前
后，同一个人的左右眼。如果两个不同的人，当然也可以假设他们一样，然后用paired
t-test.但是很难说服别人，如果有本事说服别人两个人一样，就可以用，但那是其他
本事，与统计无关。所以，纯粹从统计上来说这是概念错误。
【在 c****1 的大作中提到】
: 同一批次的细胞，如果初始条件是一样的（同时plate，密度相同），那么我们会认为
: 不同的dish是完全identical的，所以用paired是合理的。不同批次的细胞，差异可能
: 来源于不同的代数，不同的密度，不同的接种时间，如果是原代细胞，那不同的批次差
: 异就更大了。
: 你说的这种做法，同一批次内，做多个dish，这个其实只是technical replicate，而
: 不是biological replicate。最后处理数据的时候，你只能用这个同一批次的5个值的
: 平均值作为N=1. 你如果把同一批次的5个值当做N=5的话，就相当于给同一个病人抽5次
: 血，然后把每一管的血当做N=1。这样做显然是不合理的。
: 另外，paired t-test并不是总是会给我们更小的p值。下面这个就是我的真实数据。用
: paired t-test的p值更大，且没有差异。unpaired t-test，p值有显著性差异。
然什么都可以用。通常来说paired t-test是自然的内在联系，比如同一样东西用药前
后，同一个人的左右眼。如果两个不同的人，当然也可以假设他们一样，然后用paired
t-test.但是很难说服别人，如果有本事说服别人两个人一样，就可以用，但那是其他
本事，与统计无关。所以，纯粹从统计上来说这是概念错误。
【在 c****1 的大作中提到】
: 同一批次的细胞，如果初始条件是一样的（同时plate，密度相同），那么我们会认为
: 不同的dish是完全identical的，所以用paired是合理的。不同批次的细胞，差异可能
: 来源于不同的代数，不同的密度，不同的接种时间，如果是原代细胞，那不同的批次差
: 异就更大了。
: 你说的这种做法，同一批次内，做多个dish，这个其实只是technical replicate，而
: 不是biological replicate。最后处理数据的时候，你只能用这个同一批次的5个值的
: 平均值作为N=1. 你如果把同一批次的5个值当做N=5的话，就相当于给同一个病人抽5次
: 血，然后把每一管的血当做N=1。这样做显然是不合理的。
: 另外，paired t-test并不是总是会给我们更小的p值。下面这个就是我的真实数据。用
: paired t-test的p值更大，且没有差异。unpaired t-test，p值有显著性差异。
h*o
21 楼
同一个dish里面的细胞，如果你load 三次，那是techinical replicates
三个不同dish的细胞，即使他们是同一个passage split出来的，一般也当做
biological replicates
这么说吧，如果你养细胞一个大的dish，你先做treatment，然后把细胞收下来分成三
份，那么那三份是technical replicates
如果你先把细胞split到三个dish，然后分别做treatment这个是biological
replicates
另外assume 一批细胞都一样经常会出问题，尤其是primary culture
【在 c****1 的大作中提到】
: 同一批次的细胞，如果初始条件是一样的（同时plate，密度相同），那么我们会认为
: 不同的dish是完全identical的，所以用paired是合理的。不同批次的细胞，差异可能
: 来源于不同的代数，不同的密度，不同的接种时间，如果是原代细胞，那不同的批次差
: 异就更大了。
: 你说的这种做法，同一批次内，做多个dish，这个其实只是technical replicate，而
: 不是biological replicate。最后处理数据的时候，你只能用这个同一批次的5个值的
: 平均值作为N=1. 你如果把同一批次的5个值当做N=5的话，就相当于给同一个病人抽5次
: 血，然后把每一管的血当做N=1。这样做显然是不合理的。
: 另外，paired t-test并不是总是会给我们更小的p值。下面这个就是我的真实数据。用
: paired t-test的p值更大，且没有差异。unpaired t-test，p值有显著性差异。
三个不同dish的细胞，即使他们是同一个passage split出来的，一般也当做
biological replicates
这么说吧，如果你养细胞一个大的dish，你先做treatment，然后把细胞收下来分成三
份，那么那三份是technical replicates
如果你先把细胞split到三个dish，然后分别做treatment这个是biological
replicates
另外assume 一批细胞都一样经常会出问题，尤其是primary culture
【在 c****1 的大作中提到】
: 同一批次的细胞，如果初始条件是一样的（同时plate，密度相同），那么我们会认为
: 不同的dish是完全identical的，所以用paired是合理的。不同批次的细胞，差异可能
: 来源于不同的代数，不同的密度，不同的接种时间，如果是原代细胞，那不同的批次差
: 异就更大了。
: 你说的这种做法，同一批次内，做多个dish，这个其实只是technical replicate，而
: 不是biological replicate。最后处理数据的时候，你只能用这个同一批次的5个值的
: 平均值作为N=1. 你如果把同一批次的5个值当做N=5的话，就相当于给同一个病人抽5次
: 血，然后把每一管的血当做N=1。这样做显然是不合理的。
: 另外，paired t-test并不是总是会给我们更小的p值。下面这个就是我的真实数据。用
: paired t-test的p值更大，且没有差异。unpaired t-test，p值有显著性差异。
C*u
22 楼
Is it valid to use paired t-test for littermates if different littermates
are quite variable?
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
are quite variable?
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
y*i
23 楼
我认为你是对的。
两者都可以，paired ttest说不定更合理。
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
两者都可以，paired ttest说不定更合理。
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
c*1
24 楼
No. 即使是littermate，个体差异也很大。就是要用paired t-test，哪个跟哪个pair
，也是个问题。不同的方法去pair，就会有不同的结果。
【在 C*********u 的大作中提到】
: Is it valid to use paired t-test for littermates if different littermates
: are quite variable?
，也是个问题。不同的方法去pair，就会有不同的结果。
【在 C*********u 的大作中提到】
: Is it valid to use paired t-test for littermates if different littermates
: are quite variable?
c*1
25 楼
其实你说的这两种做法，本质上是没有差别的。但是通常用一个大的dish做，然后把样
品分成三份，做的结果会更好。这是因为，我们做实验的每一步都会产生误差，split
的越早，误差当然就会越大。
【在 h*******o 的大作中提到】
: 同一个dish里面的细胞，如果你load 三次，那是techinical replicates
: 三个不同dish的细胞，即使他们是同一个passage split出来的，一般也当做
: biological replicates
: 这么说吧，如果你养细胞一个大的dish，你先做treatment，然后把细胞收下来分成三
: 份，那么那三份是technical replicates
: 如果你先把细胞split到三个dish，然后分别做treatment这个是biological
: replicates
: 另外assume 一批细胞都一样经常会出问题，尤其是primary culture
品分成三份，做的结果会更好。这是因为，我们做实验的每一步都会产生误差，split
的越早，误差当然就会越大。
【在 h*******o 的大作中提到】
: 同一个dish里面的细胞，如果你load 三次，那是techinical replicates
: 三个不同dish的细胞，即使他们是同一个passage split出来的，一般也当做
: biological replicates
: 这么说吧，如果你养细胞一个大的dish，你先做treatment，然后把细胞收下来分成三
: 份，那么那三份是technical replicates
: 如果你先把细胞split到三个dish，然后分别做treatment这个是biological
: replicates
: 另外assume 一批细胞都一样经常会出问题，尤其是primary culture
c*1
26 楼
生物实验，同一批的细胞，如果培养时间和条件完全一样，我们就认为不同dish的细胞
，都是一样的的。每个细胞可能有差异（比如处于不同的分裂时期）。但是，每一个
dish的细胞，作为一个整体，都是一样的。
paired
【在 m*****8 的大作中提到】
: 俺室念统计的，你这个不能用paired t-test.你说假设他们是相同的，如果假设成立当
: 然什么都可以用。通常来说paired t-test是自然的内在联系，比如同一样东西用药前
: 后，同一个人的左右眼。如果两个不同的人，当然也可以假设他们一样，然后用paired
: t-test.但是很难说服别人，如果有本事说服别人两个人一样，就可以用，但那是其他
: 本事，与统计无关。所以，纯粹从统计上来说这是概念错误。
，都是一样的的。每个细胞可能有差异（比如处于不同的分裂时期）。但是，每一个
dish的细胞，作为一个整体，都是一样的。
paired
【在 m*****8 的大作中提到】
: 俺室念统计的，你这个不能用paired t-test.你说假设他们是相同的，如果假设成立当
: 然什么都可以用。通常来说paired t-test是自然的内在联系，比如同一样东西用药前
: 后，同一个人的左右眼。如果两个不同的人，当然也可以假设他们一样，然后用paired
: t-test.但是很难说服别人，如果有本事说服别人两个人一样，就可以用，但那是其他
: 本事，与统计无关。所以，纯粹从统计上来说这是概念错误。
c*1
27 楼
这篇文章很好。解释的很详细。建议大家都看看。
【在 k***a 的大作中提到】
: 又翻到这篇了。。
: http://labstats.net/articles/cell_culture_n.html
【在 k***a 的大作中提到】
: 又翻到这篇了。。
: http://labstats.net/articles/cell_culture_n.html
D*a
28 楼
这不就是假设培养中可能出现各种variation吗，跟你的背景假设完全180度相反，要不
然你怎么能解释第一种情况是“as bad as it can be”?
【在 c****1 的大作中提到】
: 这篇文章很好。解释的很详细。建议大家都看看。
然你怎么能解释第一种情况是“as bad as it can be”?
【在 c****1 的大作中提到】
: 这篇文章很好。解释的很详细。建议大家都看看。
c*1
29 楼
呵呵，你没有仔细看。我的情况是design 3.
【在 D*a 的大作中提到】
: 这不就是假设培养中可能出现各种variation吗，跟你的背景假设完全180度相反，要不
: 然你怎么能解释第一种情况是“as bad as it can be”?
【在 D*a 的大作中提到】
: 这不就是假设培养中可能出现各种variation吗，跟你的背景假设完全180度相反，要不
: 然你怎么能解释第一种情况是“as bad as it can be”?
M*P
30 楼
paired t test 就是一个subject 测一下，然后treatment之后再测一下。
你除非把细胞一直养在一起，然后做实验时分出两部分，一部分treat，一部分control
，然后做paired t test才合理。但是要是你treat时间远远长于一起培养的时间，那你
的差异就出现了，应该用前面说的那个mixed model。
【在 c****1 的大作中提到】
: 生物实验，同一批的细胞，如果培养时间和条件完全一样，我们就认为不同dish的细胞
: ，都是一样的的。每个细胞可能有差异（比如处于不同的分裂时期）。但是，每一个
: dish的细胞，作为一个整体，都是一样的。
:
: paired
你除非把细胞一直养在一起，然后做实验时分出两部分，一部分treat，一部分control
，然后做paired t test才合理。但是要是你treat时间远远长于一起培养的时间，那你
的差异就出现了，应该用前面说的那个mixed model。
【在 c****1 的大作中提到】
: 生物实验，同一批的细胞，如果培养时间和条件完全一样，我们就认为不同dish的细胞
: ，都是一样的的。每个细胞可能有差异（比如处于不同的分裂时期）。但是，每一个
: dish的细胞，作为一个整体，都是一样的。
:
: paired
s*s
31 楼
这个用unpaired显然是错误的。paired的至少比unpaired正确多了。
当然，你说的是seed长了以后再做实验，所以我没说100%正确，
如果你是直接吹起来，然后分两个aliquot直接做实验，那么unpaired
就是100%正解。
其实这都是GLM的特例而已，各自做了简化，关键在于你对那几个random
variation之间的关系的理解，比如是不是有correlation。如果楼主每个实验
还有重复，那么paired也不是很正确，最后直接拉倒GLM里面去看。
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
当然，你说的是seed长了以后再做实验，所以我没说100%正确，
如果你是直接吹起来，然后分两个aliquot直接做实验，那么unpaired
就是100%正解。
其实这都是GLM的特例而已，各自做了简化，关键在于你对那几个random
variation之间的关系的理解，比如是不是有correlation。如果楼主每个实验
还有重复，那么paired也不是很正确，最后直接拉倒GLM里面去看。
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
D*a
32 楼
得，啥叫批次？反正我又看了一遍你帖子还是不知道你到底是怎么做的。
如果只是最后一步，完全去除了细胞生长、换液、不同培养皿之类的影响，这个我觉得
可以类比一个大脑切两半。但凡是有其他因素影响的，都应该类比一窝爹妈生的老鼠。
ps，三个值怎么满足正态分布假设？应该用非参数比较吧。你这个Mann-whitney可能就
小于0.05了。
【在 c****1 的大作中提到】
: 呵呵，你没有仔细看。我的情况是design 3.
如果只是最后一步，完全去除了细胞生长、换液、不同培养皿之类的影响，这个我觉得
可以类比一个大脑切两半。但凡是有其他因素影响的，都应该类比一窝爹妈生的老鼠。
ps，三个值怎么满足正态分布假设？应该用非参数比较吧。你这个Mann-whitney可能就
小于0.05了。
【在 c****1 的大作中提到】
: 呵呵，你没有仔细看。我的情况是design 3.
s*j
33 楼
统计只是一个工具, 为你服务的. 你的结论对还是不对, 不用统计你也应该很清楚.
你把你的数据往表里一写, 图上一画, 有没有显著区别是很明显的. 真正需要统计起
作用的的我看就两种情况.
1. 你要显摆一下. 我就遇见过. 给我看一图, 我说很不错嘛, 差别这么明显. 他
说: 你猜猜, P-value 是什么. 我说. 猜个P呀, 很小就是了. 他哈哈大笑, 是呀是呀,
是 零点零零零零零零…
2. 你要用统计结果来壮胆. 你数据怎么看怎么看不出区别来, 但找个统计方法一算
,
差别出来了P-value 0.049 不服都不行呀.
严格完全符合统计方法前提的生物数据是不存在的. 无所谓正确的还是错误的.
以前北大物理系有个故事. 郝柏林上课, 钱敏坐在后面旁听. 郝证个物理定理. 证完
了钱举手了. 郝脸色大变. 也没办法, 就问, 你什么问题呀. 钱说: I have no
question, just a comment. 你这个证明是数学上是不严谨的. 因为你积分前没有证
明这个函数是可积的. 郝当场大怒, 一拍桌子: 所有物理定理都是不严谨的. You
have a problem with that?
我支持郝柏林.
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
你把你的数据往表里一写, 图上一画, 有没有显著区别是很明显的. 真正需要统计起
作用的的我看就两种情况.
1. 你要显摆一下. 我就遇见过. 给我看一图, 我说很不错嘛, 差别这么明显. 他
说: 你猜猜, P-value 是什么. 我说. 猜个P呀, 很小就是了. 他哈哈大笑, 是呀是呀,
是 零点零零零零零零…
2. 你要用统计结果来壮胆. 你数据怎么看怎么看不出区别来, 但找个统计方法一算
,
差别出来了P-value 0.049 不服都不行呀.
严格完全符合统计方法前提的生物数据是不存在的. 无所谓正确的还是错误的.
以前北大物理系有个故事. 郝柏林上课, 钱敏坐在后面旁听. 郝证个物理定理. 证完
了钱举手了. 郝脸色大变. 也没办法, 就问, 你什么问题呀. 钱说: I have no
question, just a comment. 你这个证明是数学上是不严谨的. 因为你积分前没有证
明这个函数是可积的. 郝当场大怒, 一拍桌子: 所有物理定理都是不严谨的. You
have a problem with that?
我支持郝柏林.
【在 c****1 的大作中提到】
: paired和unpaired t-test,二者的区别，从定义上是很容易理解的。基本上就是，
: paired是比较同一个样本，处理前和处理后的差异；unpaired是比较两个群体的差异，
: 着两个群体的个体是没有联系的。
: 具体到生物实验，我们经常要比较的就是各种处理前后的差异，大部分情况下，同一个
: 样品只能被检测一次，所以处理前后的样品，都不是同一个个体。理论上来讲，就应该
: 用unpaired t-test。对于动物实验，这个没有问题。我做一次实验，实验组和对照组
: ，分别10只动物，然后用unpaired t-test就行了。但是对于细胞实验，情况就不一样
: 了。细胞实验，我们通常是分批次来重复实验，每一个批次，都是一个对照，一个实验
: 组，然后同样的实验条件，重复至少三次。大家知道，生物实验，每个批次的差异，有
: 时是很大的。这时，我觉得，用paired t-test更合理些，每个批次的对照和实验组就
c*e
34 楼
The key is to understand the biology, not playing number.
P<0.10 does not mean the hypothesis were wrong.
If you have to use paired t test to improve the statistical power from non
significant to significant, it may indicate the change of your gene of
interest in your cell lines vary greatly at each time you perform the
experiment.
But if both test indicate p<0.05, why bother?
You should run different types of cell lines to see if the change is
concordant. Then it may make sense to use paired t test.
P<0.10 does not mean the hypothesis were wrong.
If you have to use paired t test to improve the statistical power from non
significant to significant, it may indicate the change of your gene of
interest in your cell lines vary greatly at each time you perform the
experiment.
But if both test indicate p<0.05, why bother?
You should run different types of cell lines to see if the change is
concordant. Then it may make sense to use paired t test.
A*y
35 楼
Exactly,if you ever read prologue of some statistics text or program (i.e.
Prism). The author literally said that if you have to use the program to
tell you if you hypothesis is significant or not; it is likely NOT in the
real life. For example, Gleevec phase I is 100% effective! Do you really
need a program to tell you that it works?
【在 c********e 的大作中提到】
: The key is to understand the biology, not playing number.
: P<0.10 does not mean the hypothesis were wrong.
: If you have to use paired t test to improve the statistical power from non
: significant to significant, it may indicate the change of your gene of
: interest in your cell lines vary greatly at each time you perform the
: experiment.
: But if both test indicate p<0.05, why bother?
: You should run different types of cell lines to see if the change is
: concordant. Then it may make sense to use paired t test.
:
Prism). The author literally said that if you have to use the program to
tell you if you hypothesis is significant or not; it is likely NOT in the
real life. For example, Gleevec phase I is 100% effective! Do you really
need a program to tell you that it works?
【在 c********e 的大作中提到】
: The key is to understand the biology, not playing number.
: P<0.10 does not mean the hypothesis were wrong.
: If you have to use paired t test to improve the statistical power from non
: significant to significant, it may indicate the change of your gene of
: interest in your cell lines vary greatly at each time you perform the
: experiment.
: But if both test indicate p<0.05, why bother?
: You should run different types of cell lines to see if the change is
: concordant. Then it may make sense to use paired t test.
:
h*o
36 楼
你这个解释还是说不过去的
打个比方 就用你上面给的数据，paired算出来p值大的原因是因为你人为的锁定对应的
第一对数据是paired，但是如果你的假设是细胞都一样， 你为什么觉得control组的第
一个数据（第一盘细胞）一定和treatment的第一个数据（第一盘细胞）pair？为什么
不能control的第一个数据和treatment第二个pair？
这个和人的左右手是不一样的， 因为你不可能把你的左手和我的右手pair。但是按照
你的理论，所有细胞都一样， 就不能限定pair的对数，你把你那个数据第二组的顺序
变一下 你再看看pair的p value 变了没有。 unpaired的是不会变的， 但是paired 肯
定会变
在打个比方 实际操作中这种现象很常见， 比如你n=5 但是操作中一个染菌了。你是丢
掉一个数据点用n=4来做paired ttest吗？ 如果这么做 你选择去掉哪个数据呢？
再深入点， 按照你的说法 每次都认定是technical replicate 然后算平均值 然后不
同批次的重复来做统计。那么这个方法直接就否定了paired test的前提。非要这么做
的话 就像前面有人提到的做correlation 应该比t-test好很多
【在 c****1 的大作中提到】
: 生物实验，同一批的细胞，如果培养时间和条件完全一样，我们就认为不同dish的细胞
: ，都是一样的的。每个细胞可能有差异（比如处于不同的分裂时期）。但是，每一个
: dish的细胞，作为一个整体，都是一样的。
:
: paired
打个比方 就用你上面给的数据，paired算出来p值大的原因是因为你人为的锁定对应的
第一对数据是paired，但是如果你的假设是细胞都一样， 你为什么觉得control组的第
一个数据（第一盘细胞）一定和treatment的第一个数据（第一盘细胞）pair？为什么
不能control的第一个数据和treatment第二个pair？
这个和人的左右手是不一样的， 因为你不可能把你的左手和我的右手pair。但是按照
你的理论，所有细胞都一样， 就不能限定pair的对数，你把你那个数据第二组的顺序
变一下 你再看看pair的p value 变了没有。 unpaired的是不会变的， 但是paired 肯
定会变
在打个比方 实际操作中这种现象很常见， 比如你n=5 但是操作中一个染菌了。你是丢
掉一个数据点用n=4来做paired ttest吗？ 如果这么做 你选择去掉哪个数据呢？
再深入点， 按照你的说法 每次都认定是technical replicate 然后算平均值 然后不
同批次的重复来做统计。那么这个方法直接就否定了paired test的前提。非要这么做
的话 就像前面有人提到的做correlation 应该比t-test好很多
【在 c****1 的大作中提到】
: 生物实验，同一批的细胞，如果培养时间和条件完全一样，我们就认为不同dish的细胞
: ，都是一样的的。每个细胞可能有差异（比如处于不同的分裂时期）。但是，每一个
: dish的细胞，作为一个整体，都是一样的。
:
: paired
相关阅读
[送审稿机会]单个分子FRETgraphpad.prism, Km国内老博士王屌，刘屌和张屌的故事 zz申请千人的经历, hahaPaper help求职业建议请问怎么吹Nobel Prize？ (转载)Pandolfi的Cell PaperMaybe the best paper abstract问个关于daf-2 dauer recovery的问题作动物实验的时候想起一个故事有谁知道如何block RNAi老板要搞生日趴，送啥礼物有意义paper 求助悲催专业找工作可以隐瞒PhD吗？paper名字错误可以让pubmed改吗大家对生物千老老婆做全职家庭妇女怎么看？Paper help放弃国内的副教授值得吗？请教两个loxp之间的距离