如何用Python对生物医学实验曲线进行统计差异分析？

针对你在生物医学实验中比较两条时间序列曲线差异的需求，以下是适合的统计方法及对应的Python实现：

一、核心统计方法选择 #

1. 重复测量方差分析（Repeated Measures ANOVA） #

• 适用场景：同一批生物学重复样本在不同时间点被重复测量（比如同一处理组的6个样本，在时间1-5都有检测值）。可同时分析组间差异（蓝/橙曲线）、时间效应，以及两者的交互效应（比如两组随时间变化的趋势是否不同）。
• 前提：数据需满足正态性、方差齐性，以及球形假设（若不满足，结果会自动给出Greenhouse-Geisser校正值）。

2. 双因素方差分析（Two-Way ANOVA） #

• 适用场景：不同样本在不同时间点测量（独立样本）。将「组（蓝/橙）」和「时间点」作为两个固定因素，分析组间的整体差异、时间对数值的影响，以及组与时间的交互作用。

3. 事后检验（Post-hoc Tests） #

• 若ANOVA得出整体显著的结果，需要用事后检验定位具体哪些时间点两组存在差异，常用Tukey's HSD检验（参数方法）或Dunn's检验（非参数方法）。

4. 非参数替代方法 #

• 若数据不满足正态性或方差齐性（生物实验常见），用：
  • Friedman检验：替代重复测量ANOVA，用于分析同一组样本在不同时间/处理下的差异。
  • Kruskal-Wallis检验：替代双因素ANOVA，用于独立样本的组间差异分析。

二、Python代码实现 #

以下代码基于statsmodels和scipy库，模拟生物实验常见的重复测量场景（每组6个生物学重复，时间点1-5）：

1. 导入依赖库 #

import numpy as np
import pandas as pd
from statsmodels.formula.api import ols
from statsmodels.stats.anova import AnovaRM
from statsmodels.stats.multicomp import pairwise_tukeyhsd
from scipy.stats import kruskal, shapiro, levene

2. 模拟实验数据 #

np.random.seed(42)  # 固定随机种子，结果可复现
time_points = [1, 2, 3, 4, 5]
n_bio_reps = 6  # 生物学重复数

# 生成两组数据：蓝色组均值随时间上升更快，橙色组均值较低
blue_data = np.array([np.random.normal(loc=10 + t*2, scale=1, size=n_bio_reps) for t in time_points]).T
orange_data = np.array([np.random.normal(loc=8 + t*1.5, scale=1, size=n_bio_reps) for t in time_points]).T

# 整理成statsmodels需要的长格式DataFrame
df = pd.DataFrame()
for rep_idx in range(n_bio_reps):
    for t_idx, t in enumerate(time_points):
        # 蓝色组数据行
        df = pd.concat([df, pd.DataFrame({
            'time': t,
            'value': blue_data[rep_idx, t_idx],
            'group': 'blue',
            'replicate': f'rep_{rep_idx+1}'
        }, index=[0])], ignore_index=True)
        # 橙色组数据行
        df = pd.concat([df, pd.DataFrame({
            'time': t,
            'value': orange_data[rep_idx, t_idx],
            'group': 'orange',
            'replicate': f'rep_{rep_idx+1}'
        }, index=[0])], ignore_index=True)

3. 数据前提检验 #

先验证正态性和方差齐性：

# 正态性检验（Shapiro-Wilk）
for group in ['blue', 'orange']:
    for t in time_points:
        subset = df[(df['group'] == group) & (df['time'] == t)]['value']
        stat, p = shapiro(subset)
        print(f"组{group} 时间点{t} 正态性检验：p值={p:.4f}")

# 方差齐性检验（Levene）
for t in time_points:
    subset_blue = df[(df['group'] == 'blue') & (df['time'] == t)]['value']
    subset_orange = df[(df['group'] == 'orange') & (df['time'] == t)]['value']
    stat, p = levene(subset_blue, subset_orange)
    print(f"时间点{t} 方差齐性检验：p值={p:.4f}")

4. 重复测量ANOVA分析 #

# 拟合重复测量ANOVA模型
anova_rm = AnovaRM(df, depvar='value', subject='replicate', within=['time', 'group'])
rm_results = anova_rm.fit()
print("重复测量ANOVA结果：")
print(rm_results.summary())

5. 事后检验：定位差异时间点 #

# 对每个时间点单独做组间比较（Tukey's HSD）
for t in time_points:
    time_subset = df[df['time'] == t]
    tukey_test = pairwise_tukeyhsd(endog=time_subset['value'], groups=time_subset['group'], alpha=0.05)
    print(f"\n=== 时间点{t} 组间比较结果 ===")
    print(tukey_test.summary())

6. 非参数分析（Kruskal-Wallis） #

如果数据不满足参数检验前提，用非参数方法：

for t_idx, t in enumerate(time_points):
    stat, p = kruskal(blue_data[:, t_idx], orange_data[:, t_idx])
    print(f"\n时间点{t} Kruskal-Wallis检验：统计量={stat:.2f}, p值={p:.4f}")
    if p < 0.05:
        print(f"  → 该时间点两组存在显著差异（p<0.05）")

三、关键注意事项 #

• 生物实验中必须基于生物学重复做统计分析，技术重复只能用于计算均值/标准差，不能作为统计检验的样本。
• 标准差无重叠只是直观判断，不能替代统计检验：样本量小时，标准差重叠也可能存在显著差异；反之，标准差不重叠也可能因样本量不足无统计显著性。
• 若你的数据是独立样本（不同时间点用不同样本），改用双因素ANOVA：

  model = ols('value ~ C(group) + C(time) + C(group):C(time)', data=df).fit()
  anova_table = sm.stats.anova_lm(model, typ=2)
  print(anova_table)
  

内容的提问来源于stack exchange，提问作者Phil