统计分析与科研绘图工具导航（2026 更新）

两组数据比较用 t 检验：同一批样本前后测量用配对 t 检验，两组独立样本用非配对 t 检验。三组及以上用单因素方差分析（One-way ANOVA），显著后再做事后多重比较（Tukey、Dunnett 等）。两个因素交叉设计（如基因型 × 处理）用双因素方差分析。切记：三组数据两两做 t 检验会显著抬高假阳性率，这是审稿最常挑的统计错误之一。

先做正态性检验（Shapiro-Wilk，小样本适用）。不满足正态时有三条路：①数据转换（对数、平方根转换后常可满足正态）；②改用非参数检验（两组用 Mann-Whitney U，多组用 Kruskal-Wallis）；③样本量足够大时（每组 n>30）依据中心极限定理，参数检验较稳健。生物学数据里表达量、浓度类指标经常是偏态的，对数转换很常用。

描述数据本身的离散程度用 SD（标准差）；描述均值估计的精确度、准备做组间比较时用 SEM（标准误）。SEM = SD/√n，样本量越大 SEM 越小，所以 SEM 画出来的误差棒更短、图更「好看」，但不能用它来掩饰数据离散。无论用哪个，图注必须明确写出「mean ± SD」或「mean ± SEM」以及 n 值。

用 ImageJ 的标准流程：①打开原始图（未经压缩、未调过对比度的 TIFF）；②转 8-bit 灰度；③用矩形框逐条带取样，Analyze > Gels 或直接测 Mean Gray Value；④减去背景；⑤目的蛋白除以内参（GAPDH/β-actin/Tubulin）；⑥各组归一化到对照组。注意：曝光必须在线性范围内（过曝的条带无法定量），内参也不能过曝，且至少要有 3 次独立生物学重复。