生物学重复

生物学重复是实验设计的基石，其关键特征如下：

• 独立性：每个重复样本必须来自不同的、独立的生物实体（如不同小鼠、不同培养批次细胞、不同植物、不同人体捐献者）。
• 平行性：所有生物学重复在实验处理、培养条件、取样时间点等关键因素上应尽可能保持平行和一致。
• 目的：用于评估由生物个体差异（英文：Biological variation）引起的变异，这些差异可能源于遗传背景、年龄、生理状态、环境暴露的微小差别等。

与其他类型重复的区别

在实验设计中，必须明确区分生物学重复与其他类型的重复：

表1：生物学重复与技术重复、实验重复的对比 ADSFAEQWER353423413434

在基因组学、转录组学、蛋白质组学等高通量实验中，生物学重复具有不可替代的关键作用：

ADFASDFAF23RQ23R

1. 可靠估计组内变异：这是进行任何统计假设检验（如t检验、方差分析、差异表达分析）的前提。只有通过生物学重复，才能量化处理组或对照组内部的自然波动范围。
2. 提高统计检验效能：足够的生物学重复能增加统计功效（英文：Statistical power），即更有可能检测到真实存在的生物学差异（如基因表达变化），降低假阴性率。
3. 验证发现的普遍性：如果某个效应（如基因上调）在多个独立的生物学重复中 consistently 出现，那么该发现就更可能代表该生物群体的普遍规律，而非个别动物的异常。
4. 区分生物变异与技术变异：通过结合生物学重复和技术重复，可以解构数据中的总变异来源，更准确地建模和分析数据。

• 基本原则：每个实验条件（如对照组、处理组）下至少需要3个生物学重复，这是进行基本统计分析和方差估计的最低要求。更多的重复（如5-10个或更多）能提供更稳健的结果，尤其在生物个体变异较大时。
• 样本量估算：在设计实验前，可使用功效分析（英文：Power analysis）工具，基于预期的效应大小、可接受的误差率和变异度初步估计，来估算所需的生物学重复数量。
• 避免“假重复”：例如，从同一只动物的不同部位取样（如肿瘤组织的三个不同位置）是技术重复或伪重复，因为它们反映的是空间异质性，而非个体间变异。它们不能替代来自不同动物的生物学重复。

生物学重复的数据是下游统计分析的基础：

ADFASDFAF23RQ23R

1. 差异表达分析（英文：Differential expression analysis）：工具如DESeq2、edgeR、limma正是利用生物学重复提供的变异信息，来可靠地估计基因表达差异的显著性。
2. 统计建模：线性或广义线性模型将每个样本视为一个独立的数据点，其残差包含了生物变异的信息。
3. 批次效应校正：当生物学重复分在不同实验批次中时，需使用统计方法（如ComBat、limma的removeBatchEffect）来校正批次效应，以分离出真正的生物信号。

• 成本与伦理：增加生物学重复会显著提高实验成本、工作量和动物使用量，需要在统计严谨性与现实约束间取得平衡。
• 个体异质性：在某些研究中（如人类队列研究、临床样本），生物个体间可能存在巨大差异，需要更大的样本量才能检测到信号。
• 设计与分析的匹配：分析模型必须正确反映实验设计（如配对设计、随机区组设计），以充分利用生物学重复提供的信息。