统计分析：可用的检验及运行方法

在可能的情况下，Graphing 的分析指南会根据您的数据推荐最合适的检验，并在后台运行正态性和方差齐性检查，因此您无需自行查找相关信息或咨询专家。如果您选择其他检验，BioRender 会说明其中的权衡，帮助您每次都一致地运行分析。

目录

• 分析指南的工作原理
• t-tests
• 单因素 ANOVAs
• 双因素 ANOVAs
• 多重比较检验
• 线性回归
• 非线性 regression
  • Dose-response regression
  • Growth Curves
  • 指数衰减
  • 酶和受体动力学
• Survival analysis
• Logistic regression
• 相关性

分析指南的工作原理

BioRender 会在后台自动对分类检验（t-tests 和 ANOVAs）运行两项假设检查：

推荐的检验会在分析面板中以徽章标记。您可以随时覆盖该推荐项；如果您选择的检验不符合数据的假设，BioRender 会解释为什么仍然推荐原检验，以便您了解其中的权衡。如果您的数据不符合要求，某些检验可能会显示为灰色；将鼠标悬停在工具提示上即可了解原因。

📌 注意：这些建议仅供参考。做出最终决定时，请始终考虑您所在领域的惯例。

T 检验

使用 t-tests 比较两组之间的差异。BioRender 提供以下选项：

• 非配对 t 检验
• 带 Welch 校正的非配对 t 检验（Welch t 检验）
• 配对 t 检验
• Mann-Whitney U 检验（非参数）
• Wilcoxon 配对样本符号秩检验（非参数）

设置 t 检验

1. 在 Graph 编辑页面上，点击 + Run new analysis。
2. 如果您的数据集包含两组，系统会suggested t 检验。每次检验都会自动计算描述性统计量（平均值、中位数、标准差等）。
3. 使用分析面板选择合适的检验。推荐的检验会以徽章标记；将鼠标悬停在其上可查看推荐原因。
4. 在第 2 步中微调分析。
5. 在第 3 步中选择假设检验方法（P 值）。
6. 点击 Run。结果会显示在分析面板中，显著比较结果会自动标记在图表上。

单因素 ANOVAs

使用单因素 ANOVA 比较三个或更多组之间的差异。可用选项：

• 单因素 ANOVA
• Welch 单因素 ANOVA
• Kruskal-Wallis 检验（非参数）

设置单因素 ANOVA

1. 在 Graph 编辑页面上，点击 + Run new analysis。
2. 如果您的数据集包含三个或更多组，系统会suggested 单因素 ANOVA。分析结果会自动报告描述性统计量。
3. BioRender 会推荐合适的检验，并以徽章标记。将鼠标悬停在其上可查看说明。
4. 如果您想更改首选检验，请选择检验并配置其他设置。
5. 在第 2 步中微调分析。
6. 在第 3 步中选择多重比较检验的组。
7. 点击 Run Analysis。

💡 提示：如果您的 ANOVA 结果显著，您可能需要运行多重比较检验，以确定具体哪些组之间存在差异。请参阅下方的“多重比较”部分。

Two-Way ANOVAs

使用双因素 ANOVA 分析两个自变量之间的交互作用。

设置双因素 ANOVA

1. 在 Graph 编辑页面上，click + Run new analysis。
2. 从分析类型下拉菜单中选择双因素 ANOVA。
3. 选择要比较的组（每个自变量至少选择 2 组），并在第 2 步中选择实验设计。
4. 在第 3 步中决定是否运行多重比较检验。如果运行，请选择要比较的组并选择事后检验。BioRender 会根据您的数据推荐合适的检验，并以徽章标记。
5. 点击 Run Analysis。

重复测量

如果您的数据是从同一受试者处重复采样获得的（例如，随时间变化），您可以按照以下步骤设置重复测量 ANOVA：

1. 在第 2 步中选择“Repeated Measures”。
2. 选择包含每位受试者唯一标识符的数据变量作为 Subject ID。
   如果您的数据格式适用于 Prism，Smart Data Import 会为 Prism 所使用的重复列格式添加一个“replicates”变量，该变量可用作受试者 ID 变量。
3. 如果运行双因素 ANOVA，请指出在受试者的每次重复采样中发生变化的变量。
4. 如果部分受试者的数据不完整，您可以在缺失值选项下选择“Analyze available data”，以选择性地拟合混合效应模型。
5. 您可以选择是否处理球形性违背问题。“Auto”会运行 Mauchly 检验，并在必要时实施 Greenhouse-Geisser 校正。

多重比较检验

在 ANOVA 结果显著后，多重比较检验有助于确定具体哪些组之间存在差异。BioRender 会根据您的数据和比较类型推荐合适的事后检验。

以下是所有可用的多重比较检验：

要运行多重比较检验，请在设置 ANOVA 时，在分析面板的第 3 步中点击此选项。选择将所有组相互比较，或将所有组与对照组比较；BioRender 会根据您的选择推荐合适的检验。

线性回归

使用线性 regression 分析两个连续变量之间的关系。

设置线性 regression

1. 在 Graph 编辑页面上，click + Run new analysis。
2. 选择您的 regression 模型（简单模型或带分组变量的模型）。
3. 根据您的实验设置，决定是否将 Y 截距约束为零。
4. 点击 Run。最佳拟合线会自动显示在图表上，同时显示 regression 输出结果。

📌 注意：目前尚不支持多元 regression，但即将推出。如果图表图例中包含分类变量，系统会自动运行按组划分的单变量 regression。

非线性回归

剂量-反应回归

也称为 dose-response 曲线、Hill 曲线、Hill 方程或 EC50/IC50 分析。用于分析不同剂量对测量响应的影响。

设置 dose-response regression

1. 在 Graph 编辑页面上，点击 + Run new analysis。
2. 选择实验类型：刺激或抑制，然后点击 Continue。
3. 指定您是否已使用以 10 为底的对数转换 X 值。
4. 根据您的实验设置，决定是否将 Hill 斜率约束为 1。
5. 点击 Run。BioRender 会自动拟合最佳曲线并将其显示在图表上。

全局曲线拟合

全局曲线拟合可让您同时拟合多个数据集，检验 dose-response 曲线是否具有相同形状，并比较各组之间的效力（例如 EC50 或 IC50）。

要比较组间的 Hill 斜率或 EC/IC50：

• 将顶部和底部参数约束为固定值或共享拟合值。
• 将 Hill 斜率（比较 EC/IC50 时）或 EC/IC50（比较 Hill 斜率时）约束为共享拟合值。

BioRender 会拟合 dose-response 模型：一个模型共享所有参数（零假设），另一个模型按组拟合待比较的参数。然后执行 F 检验，以确定是否否定零假设。该比较的结果可在分析页面中查看。

Growth Curves

BioRender 已实现多种常见的非线性生长模型，并会根据您的数据估计相关参数（例如起始值和生长速率）。

可用模型：

• 指数生长
  • 根据线性或对数尺度输入进行不受约束的生长建模。
• 带平台期的指数生长
  • 用于模拟减速至上限的平台期生长，例如受体占有率或荧光信号饱和度建模。
• Gompertz 生长
  • 一种 S 形曲线，生长先快速加速，然后逐渐减速至上限。拐点约位于最大值的 37%，常用于肿瘤和微生物生长建模。
• Logistic 生长
  • 一种 S 形曲线，生长从基线开始加速，然后对称地减速至上限。拐点位于最大值的 50%，常用于从接种到稳定期的细菌培养建模。
• Beta 模型
  • 生长先上升至峰值，然后下降，常见于免疫反应动力学。

指数衰减

BioRender 实现了单相和双相指数衰减模型，可根据您的数据计算半衰期、速率、跨度和起始平台期，并提供适当的置信区间。

酶和受体动力学

BioRender 将实现一套生化动力学模型，用于计算酶和受体功能。目前可以建模：

• Michaelis-Menten 动力学，用于确定酶催化底物转化为产物的速率。
• 单一位点特异性结合，用于计算简单受体-配体结合的动力学。

Survival analysis

也称为持续时间或事件史分析，用于估计事件随时间发生的概率。此类数据的分析包括 Kaplan-Meier 估计和 Cox 比例风险 regression。

设置生存分析

1. 在 Graph 编辑页面上，点击 + Run new analysis。
2. 选择要分析的组
3. 选择要使用的一个或多个比较方法
4. 选择要使用的多重比较校正方法
5. 选择处理事件时间并列的方法
6. 点击 Run Analysis。BioRender 会拟合模型并在图表上绘制曲线。

Logistic 回归

也称为 logit regression。使用此分析预测二元事件的结果（例如，存活/死亡、是/否）。

设置 Logistic regression

1. 在 Graph 编辑页面上，点击 + Run new analysis。
2. 点击 Run Analysis。BioRender 会拟合模型并在图表上绘制曲线。

相关性

使用此分析查找两个变量之间的关系。一个变量的较高值是否与另一个变量的较高值或较低值相关？

设置相关性分析

1. 在 Graph 编辑页面上，点击 + Run new analysis。
2. 选择要进行 Pearson 相关性还是 Spearman 相关性分析
3. 点击 Run Analysis。BioRender 会计算相关性并在图表上绘制直线。

总结

• t-tests – 比较两组
• 单因素 ANOVA – 比较三个或更多组
• 双因素 ANOVA – 分析两个自变量之间的交互作用
• 多重比较 – 确定 ANOVA 后哪些组之间存在差异
• 线性 regression – 评估两个连续变量之间的关系
• Dose-response regression – 评估 dose-response 关系
• 生长曲线 - 各种生物生长模型
• 指数衰减 - 根据丰度随时间的变化估计半衰期
• 酶和受体动力学 - 对生化功能的参数进行建模
• Survival analysis – 估计事件随时间发生的概率
• Logistic regression – 预测二元事件的结果
• 相关性 – 衡量两个变量之间的关系