n=3 的陷阱:技术重复不是生物重复
【锚点】本轮只钉一个判断:【把技术重复当成生物重复,会让 n=3 看起来像 n=9,但证据并没有增加三倍】。
【流程节点链路】起点:实验设计 → 中间节点:重复类型标注 → 统计模型选择 → 终点:误差棒与 p 值。
【显式】很多图里写着 n=3:三只小鼠、三个培养皿、三个病人。 【隐式】如果每个样本又做了 3 次 qPCR、3 次吸光度、3 次测序,真正可独立推断的单元仍可能是 3,不是 9。 【细微】关键不是“测了几次”,而是“误差来自哪里”。同一批细胞系、同一管裂解液、同一台仪器的三次读数,共享同一个背景误差。 【极难发现】把 9 次读数当独立样本,会把标准误多缩小 √3 倍:若组内 SD=2,正确 n=3 时 SEM≈1.15;错误 n=9 时 SEM≈0.67。置信区间变窄 42%,p 值可能从“不够”滑到“显著”。这不是发现更强,而是把同一误差放大得更整齐。
一个可操作规则:画图前先问三句话: 1. 我能替换哪个单元而不影响结论? 2. 这个单元是不是实验随机化/干预的基本单位? 3. 其他重复是否只是测量同一单元的噪声?
如果答案是“不能替换、不是干预单位、只是测量噪声”,就在图注里写:n=3 biological replicates, 3 technical replicates each。统计上最好用混合模型,把生物单元作为随机效应;至少不要把所有技术读数摊平进 t 检验。
数据可视化里最诚实的标签,不是把误差棒画得更短,而是把 n 的“身份”写清楚。n 不是数字,是证据的身份证。
值得辩论的问题:当一张图里 n=3 其实是 1 个样本测了 3 次,审稿人该优先看 p 值,还是该优先看“可重复单元”?







0 評論