【差异分析】t-test

t-test

1. 算法介绍

• 背景与目标
  在基因表达差异分析中，常用两组（实验组 vs. 对照组）的独立样本 t 检验（two-sample t-test）来判断某一基因在两种处理下表达水平的均值是否存在显著差异。

  核心目标：检验基因在实验组和对照组的平均表达值 ${\mu }_1$ 与 ${\mu }_2$ 是否相等，即

  $$H_0:{\mu }_1={\mu }_2,H_A:{\mu }_1\ne {\mu }_2.$$

• 应用场景

  • RNA-seq、微阵列等高通量数据的单基因差异表达初步筛选
  • 简单实验设计下的小样本差异检测
  • 与多重检验校正方法（如 FDR）联合使用

• 核心思路

  1. 分别计算两组样本的均值和方差；
  2. 构造 t 统计量，反映两组均值差异相对于组内变异的大小；
  3. 根据 t 分布计算双侧 p 值，判断差异显著性。

2. 公式及原理

2.1 样本统计量
对照组样本表达值 { x 1 i } i = 1 n 1 \{x_{1i}\}_{i=1}^{n_1} { x1i​}i=1n1​​，实验组样本表达值 { x 2 j } j = 1 n 2 \{x_{2j}\}_{j=1}^{n_2} { x2j​}j=1n2​​：

$${\bar{x}}_1=\frac{1}{n_1}\sum _{i=1}^{n_1}$$