【转载】生物学重复与技术重复

生物重复和技术重复分别是什么？在一个实验中应该如何安排生物重复和技术重复？
重复是实验设计的重要原则之一，实验重复无论对于实验结果的可重复性，还是对于最终实验结论的可靠性，都起着起决定性的作用。
实验重复还可以进一步细分为生物重复(biological replicates)和技术重复(technical replicates)，那么生物重复和技术重复分别是什么？在一个实验中应该如何安排生物重复和技术重复？
生物重复和技术重复分别是什么？
生物重复：指对同一个处理组中独立来源的重复样本分别进行独立分析，是整个实验的完全重复，如将具有同一基因型的多个细胞株进行独立地测定。由于遗传和环境等因素的影响会引起有机体的个体差异，因此需要采用生物重复的实验设计方法来消除该差异。目前都以3次生物学重复实验设计为主，要求严格的实验可以做5次重复。
技术重复：指对同一样本进行重复地检测分析，例如同一份细胞中抽提的蛋白质进行三次质谱检测，或者对同一RNA-seq样本测序3次。与生物学重复相比，技术重复的测量变异程度较小，从而可以减少实验中的分析变异，将对同一份样本产生高重复性的测量结果 。
简单来讲，生物重复是生物级别的重复，一般都是生物样本的重复。而技术重复，更多的是参数测定环节的重复，一般是对同一生物样本进行多次测定。
进一步分析，其实可以发现生物重复是衡量实验的总波动的（处理组间的差异不列入此处的波动，他们应该称为效应），它包括样本个体间差异和技术重复差异，而技术重复更多的是单纯的衡量参数测量时的波动，如实验操作娴熟程度、仪器稳定性等等。
在一个实验中应该如何安排生物重复和技术重复？
如此说来，对于一个实验来说，如果条件允许的话，最好把生物重复和技术重复做全了？
然而StatQuest推荐的策略是只需要生物重复即可，不需要技术重复。为什么？
只做生物重复
以小鼠的RNA-seq实验为例，先看一下生物偏差（biological variation）和技术偏差（technical variation ）。
下图代表小鼠的RNA-seq数据，虚线μ是总体小鼠的Read Counts，蓝色条代表5个样本小鼠的Read Counts。那那么样本小鼠的Read和总体μ是存在一定的差异的，我们将5个样本小鼠的Read取平均：
average = [(μ+5)+(μ-1)+(μ+4)+(μ+2)+(μ-5)] / 5 = μ + (5-1+4+2-5)/5
随着生物重复的增多，(5-1+4+2-5)/5会逐渐趋向于0，这个平均数也会趋近于总体均值μ。

刚才只考虑了生物生物偏差，没有考虑技术偏差，下图中添加了技术偏差，棕色条为生物偏差，绿色箭头为技术偏差，那么此时依然可以取5个样本小鼠的Read平均：
average = μ + (5-1+4+2-5)/5 + (-2+5+2-2-1)/5
随着生物重复的增多，生物偏差(5-1+4+2-5)/5 逐渐趋向于0，技术偏差也会逐渐趋向于0，这个平均数也会趋近于总体均值μ。
所以只做生物重复就可以很好的使用样本代表总体。

只做技术重复
继续进行实验，下图代表对1#小鼠测定了5次RNA-seq数据。那么同样方法取5个RNA-seq数据的平均：
average = μ + 5 + (-2+5+2-2-1)/5
随着技术重复数的增加，技术偏差(-2+5+2-2-1)/5会逐渐趋近于0，而这个平均数会逐渐趋近于μ + 5，永远也不会等于总体均值μ，因此做再多的技术重复，最终的RNA-seq数据也无法很好的代表总体。

同时做生物重复和技术重复
以下图为例，1#小鼠做了2个技术重复，2#小鼠做了3个技术重复，此时的生物偏差为5、5、-1、-1、-1，而技术偏差不变（技术偏差是参数测定时的偏差，不会因样本而异，而且因样本而已的偏差肯定是样本偏差），所以样本均值为：
average = μ + (5+5-1-1-1)/5 + (-2+5+2-2-1)/5
随着样本量的增加，技术偏差(-2+5+2-2-1)/5会逐渐趋向于零。
但生物偏差(5+5-1-1-1)/5虽然也会收敛到0，但是此时所需要的样本量比‘只做生物重复’时大大增加，也就是说生物偏差的收敛速度变慢了。

这个生物偏差收敛变慢的速度有多慢呢？
假如多了3个技术重复，那么就需要3倍的样本量才能抵得上‘只做生物重复’时的收敛速度。说白了，就是多做的技术重复最多不过和‘只做生物重复’的效果持平而已。

做一下总结：
只做生物重复：最佳的实验设计，可以很好的代表总体；
只做技术重复，没有生物重复：不要使用这种实验设计，永远只会得到总体的有偏估计。
生物重复和技术重复：不推荐做，并不能很好的提高样本的代表性，要么获得一个有偏的估计，要么需要更多的样本。