生物学常用的研究方法

在教学中，很多学生和家长都反映说初中生物难学，不知道怎样才能提高学习成绩。其实，初中生物作为进入专业性极强的一门实验科学，有着鲜明的学科特点。在更多时候，除了养成良好的学习习惯，还要掌握与学科特点相适应的学习方法才可以。今天分享的初中生物学习方法及解题方法大全，内容涵盖了初中生物的记忆方法、思维方法、观察法等学习方法，同时也包括了直选法、排除法、图示法、推理法等万能解题方法，希望通过这篇文章能够帮助同学们深化对基本概念、基础知识的理解记忆，掌握正确的解题方法和答题步骤，以便进一步提升初中生物成绩。初中生物学习方法一、记忆方法：记忆是学习的基础，是知识的仓库，是思维的伴侣，是创造的前提，所以学习中依据不同知识的特点，配以适宜的记忆方法，可以有效地提高学习效率和质量。记忆方法很多，下面仅举生物学学习中最常用的几种。　　（1）简化记忆法　　即通过分析教材，找出要点，将知识简化成有规律的几个字来帮助记忆。例如 DNA的分子结构可简化为“五四三二一”，即五种基本元素，四种基本单位，每种单位有三种基本物质，很多单位形成两条脱氧核酸链，成为一种规则的双螺旋结构。　　（2）联想记忆法　　即根据教材内容，巧妙地利用联想帮助记忆。例如记血浆的成分，可以和厨房里的食品联系起来，记住水、蛋、糖、盐就可以了（水即水，蛋是蛋白质，糖指葡萄糖，盐代表无机盐）。　　（3）对比记忆法　　在生物学学习中，有很多相近的名词易混淆、难记忆。对于这样的内容，可运用对比法记忆。对比法即将有关的名词单列出来，然后从范围、内涵、外延，乃至文字等方面进行比较，存同求异，找出不同点。这样反差鲜明，容易记忆。例如同化作用与异化作用、有氧呼吸与无氧呼吸、激素调节与神经调节、物质循环与能量流动等等。　　（4）纲要记忆法　　生物学中有很多重要的、复杂的内容不容易记忆。可将这些知识的核心内容或关键词语提炼出来，作为知识的纲要，抓住了纲要则有利于知识的记忆。例如高等动物的物质代谢就很复杂，但它也有一定规律可循，无论是哪一类有机物的代谢，一般都要经过“消化”、“吸收”、“运输”、“利用”、“排泄”五个过程，这十个字则成为记忆知识的纲要。　　（5）衍射记忆法　　此法是以某一重要的知识点为核心，通过思维的发散过程，把与之有关的其他知识尽可能多地建立起联系。这种方法多用于章节知识的总结或复习，也可用于将分散在各章节中的相关知识联系在一起。例如，以细胞为核心，可衍射出细胞的概念、细胞的发现、细胞的学说、细胞的种类、细胞的成分、细胞的结构、细胞的功能、细胞的分裂等知识。　　二、 思维方法：　　思维能力是各种能力的核心，思维方法是思维能力的关键，所以思维方法在学习方法中占有核心的位置。在生物学学习中常用的思维方法有分析和综合的方法、比较和归类的方法、系统化和具体化的方法及抽象和概括的方法。　　（1）分析和综合的方法　　分析就是把知识的一个整体分解成各个部分来进行考察的一种思维方法，综合是把知识的各个部分联合成一个整体来进行考察的一种思维方法，分析和综合是生物学学习中经常使用的重要方法，两者密切联系，不可分割。只分析不综合，就会见木而不见林;只综合不分析，又会只见林而不见木。在实际运用时，既可先分析后综合，也可先综合后分析，还可以边分析边综合。　　（2）比较和归类的方法　　比较是把有关的知识加以对比，以确定它们之间的相同点和不同点的思维方法。比较一般遵循两条途径进行：一是寻找出知识之间的相同之处，即异中求同;二是在寻找出了事物之间相同之处的基础上找出不同之处，即同中求异。　　归类是按照一定的标准，把知识进行分门别类的思维方法。生物学习中常采用两种归类法：一是科学归类法，即从科学性出发，按照生物的本质特性进行归类;二是实用归类法，即从实用性出发，按生物的非本质属性进行归类。　　比较和归类互为前提，一方面只有通过比较，认识生物的异同点之后，才好进行归类;另一方面，只有把生物进行归类，才好进行比较。因此在生物学学习过程中要把两者有机地结合起来。　　（3）系统化和具体化的方法　　系统化就是把各种有关知识纳入一定顺序或体系的思维方法。系统化不单纯是知识的分门别类，而且是把知识加以系统整理，使其构成一个比较完整的体系。在生物学学习过程中，经常采用编写提纲、列出表解、绘制图表等方式，把学过的知识加以系统地整理。具体化是把理论知识用于具体、个别场合的思维方法。在生物学学习中，适用具体化的方式有两种：一是用所学知识应用于生活和生产实践，分析和解释一些生命现象;二是用一些生活中的具体事例来说明生物学理论知识。　　（4）抽象和概括的方法　　抽象是抽取知识的非本质属性或本质属性的一种思维方法，抽象可以有两种水平层次的抽象：一是非本质属性的抽象;二是本质属性的抽象。　　概括是将有关知识的非本质属性或本质属性联系起来的一种思维方法，它也有两种水平层次：一是非本质属性的概括，叫做感性概括;另一种是本质属性的概括，叫做理性概括。　　抽象和概括也是互为前提的，相辅相成的，在学习过程中应有意识地进行抽象中以概括，概括中以抽象，以达到对知识正确、深入的掌握。　　三、观察法：　　学习过程从本质上说是一种认识过程。认识过程是从感性认识开始的，而感性认识主要靠观察来获得，所以观察方法就是首要的学习方法。观察方法主要包括顺序观察、对比观察、动态观察和边思考边观察。　　（1）顺序观察　　顺序观察包括两层意思。从观察方式上来说，一般是先用肉眼、再用放大镜、最后用显微镜。用显微镜观察也是先低倍，后高倍。例如，对植物根尖的观察，就是先用肉眼观察幼根，根据颜色和透明程度区分根尖的四部分，然后再用放大镜观察报尖的根毛，最后用显微镜观察根尖的纵切片，认识根尖各区的细胞特点。从观察方位上来说，一般采取先整体后局部，从外到内，从左到右等顺序。例如对一朵花的观察，就要先从整体上观察花形、花色，然后从外到内依次观察花等、花冠、雄蕊、雌蕊。　　（2）对比观察　　对比观察有利于迅速抓住事物的共性和个性，从而把握住事物的本质。如观察线粒体和叶绿体的结构时，就要先异中求同：它们都有双层膜，都含有基粒、基质、酶、少量的DNA和RNA。然后再同中求异：线粒体的内膜折叠成崎，叶绿体的内膜不向内折叠;线粒体有与呼吸作用有关的酶，且酶分布在内膜、基粒、基质中;而叶绿体内有与光合作用有关的酶，而酶分布在基粒层和基质中;叶绿体中有叶绿素，而线粒体中没有。　　（3）动态观察　　对生物生活习性、生长过程、生殖发育的观察都属于动态观察。动态观察的关键是把握观察对象的发展变化。例如观察根的生长，在幼根上等距画墨线后的继续培养过程中，重点就是观察各条墨线间距离的变化，从而得出根靠根尖生长的结论。　　（4）边思考边观察　　观察是思维的基础，思维可促进观察的深入，两者是密不可分的。所以要带着问题观察，边思考、边观察。例如用显微镜观察叶片的结构时，就要边观察、边思考下列问题：①表皮细胞的颜色和排列状况是怎样的?②叶肉中接近上表皮的细胞与接近下表皮的细胞在形状、排列状况和内部绿色颗粒多少等方面有什么不同?③叶脉细胞是什么颜色和形状?这些细胞是怎样排列的?　　四、理论联系实际：　　生物学的理论知识与自然、生产、生活都有较密切的关系，在生物学学习中，要注意联系这些实际。联系实际的学习，既有利于扎实掌握生物学知识，也有利于提高自己的解决问题的能力。　　1.联系自然实际　　居住地附近的农田、草地、树林、公园、花园、动物园、庭院、路旁都会有许多动植物在那里生活，学习有关知识时，到这些地方去参观考察，对理论知识的理解和掌握大有益处。当学到生物与环境的知识时，更要想到保护当地的动植物资源和保护周围的生态环境。　　2.联系生产实际　　生物学中的许多原理都和工农业生产有密切的关系，学习这些原理时，就要考虑它能帮助解决生产上的什么问题。这样做，不仅有利于原理的掌握，而且还能为当地的经济建设服务。例如有位中学生学习了嫁接的原理后，课下不断实践，很快提高了技术，一个秋天就与家长一起嫁接了近万枝桃、梨苗，为当地的庭院种植业作出了贡献。　　3.联系生活实际　　生物学知识与生活实际的关系更直接、更普遍，所以在生物学学习中密切联系生活实际就更为重要。生活实际包括已有的生活常识和未来的生活行为两类。生活常识可帮助我们理解生物学知识，生物学知识也可以指导我们的生活行为。　　五、做笔记：　　鲁迅先生说：“无论什么事，如果继续收集资料，积累十年，总可以成为一个学者。”总结中外许多学者的经验，可以说，做笔记是一条成才的途径。做笔记的方式很多，在生物学学习中，主要有阅读笔记、听讲笔记和观察笔记三种。　　（1）阅读笔记　　要想使学到的东西长期储存、随时提取、应用自如，就要在读书时，随时作读书笔记。阅读笔记主要有以下几种。①抄写笔记，又分为全抄和摘抄，做这种笔记应注意抄后校对，避免漏误，然后标明出处，以备日后查考。②卡片笔记，卡片内容不限，因人而定，但一般应具有资料类别、编号、出处、著者姓名，正文等内容。需要注意的是，每张卡片写一个内容，并及时进行分类归档或装订成册。③批语笔记，即在书页空白处随手记下对原文的个人意见和心得体会等。④符号笔记，即在原文之间标注符号以对原文加深理解。常用符号有黑点、圆圈、直线、曲线、双线、虚线、箭头、方框、三角、惊叹号、问号等。作符号笔记应注意两点：一是符号意义必须明确，并且要贯彻始终;二是符号不能过多过密，否则重点难以突出。⑤概要笔记，即对某本书或某篇文章用自己的语言概括写出其重点内容。　　（2）听讲笔记　　即听报告、听讲座和课堂听课的笔记，做这种笔记的突出矛盾是记的速度赶不上讲的速度，为此要做到“三记三不记”即重点问题、疑难之处，书上没有的记；次要问题、易懂之点、书上有的不记。　　（3）观察笔记　　即在生物课内外对生物形态和生命现象进行观察时所作的记录。做这种笔记要注意细节，注意前后比较和过程变化，并要抓住特征。　　初中生物六大万能解题方法1、直选法题型特点：图表型选择题一般由图表和内容两部分组成。这类选择题主要是以图表为载体考查考生从图表中提取有效信息并进行综合分析、概括及知识的迁移能力。　　2、排除法　　根据题干所给出的条件和提出的问题，将供选答案中不合理的答案逐个淘汰排除，达到去伪存真，已获得正确答案的目的。这种方法适合于多种形式的选择题。　　3、图示法　　图示法能形象、直观地展示思维过程，简便、快捷地选出正确答案。　　4、分析推理法　　根据题目的已知条件，运用生物学相关的原理和规律，分析出与答案相关的若干要素，再利用这些要素推导出答案。　　5、因果推导法　　又包括两种方法，由因导果：根据题目的已知条件直接推断出答案，然后再与题目中所给定的供选答案相对照，与之相同者即为应选答案。由果导因：从供选答案出发反过来推导，结果与题意相符者即为应选答案。　　6、综合分析法对于一些不易直接决断出正确答案的选择题，常要进行细致的分析、严谨的推理、正确的判断才可能得出正确的答案。解答复杂选择题常用此方法。以上内容转自中学生物通，若侵删【推荐阅读】2020中考生物真题丨湖南长沙中考生物试卷2020中考生物真题丨福建省初中会考生物试卷2020中考生物真题丨四川南充市会考生物试卷2020中考生物真题丨四川省成都会考生物试卷2020中考 | 初中生物识图题常用结构示意图，复习必备！2020中考生物真题丨新疆中考生物试题（含答案）2020中考生物真题丨河南开封中考生物试题（含答案）2020中考生物真题丨浙江台州中考科学试卷（生物部分）2020中考生物真题丨江苏苏州中考生物试卷2020中考生物真题丨贵州遵义中考生物试题2020中考生物真题丨四川绵阳中考生物试题临近中考，怎样提高自己的答题速度？初中生物最易忽略的68个考点初中生物：抢分秘籍！初中生物10大专题考点汇总中考复习丨初中生物实验汇总

如果你有强烈的好奇心和猎奇心理，当你在搜索引擎中输入“奇怪生物”时，你会发现许多独特形态的生物，外表颠覆我们的想象。明明觉得害怕甚至有点恶心，却还是忍不住想一探究竟。一边吐槽它们长相诡异，一边感叹生物世界的神秘。当它们吸引你的兴趣，让你想进一步了解的时候，却出现各种单细胞、染色体、基因变异等生物学名词，你就会发现学好生物的重要性。初中生物是一门基础学科，其中的知识并不深奥，虽然不深奥，但是知识面广、横纵联系多、疑难点多，课堂密度大，构建知识体系的思想方法与其他学科大有不同。许多同学认为生物难学，原因是往往有许多学生学习方法不当，耗费了大量的时间和精力，还是入不了门。国内外教学研究统计资料表明，对于绝大多数学生来说，学习的好坏，20%与智力因素相关，80%与非智力因素相关。古今中外在学术上有所建树者，无一不具有良好的学习习惯和方法。因此掌握正确的学习思路和方法成为学生们提升生物成绩的当务之急。那么在说到学习方法之前需要同学们明白三个观点：1、兴趣是学习的动力。兴趣是学习的第一位老师，有了兴趣，才会积极而愉快地投入，不会觉得学习是一种负担。兴趣从哪里来？所谓生物就是有生命的物体。我们人类就是一个活生生的生物体，你知道多少呢？DNA亲子鉴定、DNA指纹鉴定、DNA基因身份证、DNA到底是怎么回事？现在科技可以使树发光；使植物体内含有动物蛋白，人吃了这样的植物既能保证人的营养全面，又不会使人发胖，这到底是怎么回事呢？等等。不能否认兴趣的有无在一定程度上与老师的教学是相关联的。2、知之为知之。对知识的掌握和学习切忌一知半解、不求甚解。许多学生因为对一个知识的掌握不透彻而在考试中屡次丢分，甚至高考失利。因此在学习的过程中一旦遇到问题，无论是通过自己查阅资料还是向老师求助哪种方法，都一定要及时将问题解决。如果在某个知识点上存在漏洞，当下一次查漏补缺的时候需要消耗大量的精力。3、基础是关键。打好基础，循序渐进，学习就不困难，就像登一座塔，看上去很高，有些怕，等到沿着阶梯一步步上来，其实并不难。良好的开端是成功的一半，一步一个脚印，最后功到自然成。埋怨自己无能的人，正如刹了车埋怨车子不动。只要扎实基础，同学们每个人都可以成功。记忆是学习的基础，是知识的仓库，是思维的伴侣，是创造的前提，所以学习中依据不同知识的特点，配以适宜的记忆方法，可以有效地提高学习效率和质量。记忆方法很多，下面仅举生物学学习中最常见的几种。1）简化记忆法即通过分析教材，找出要点，将知识简化成有规律的几个字来帮助记忆。例如DNA的分子结构可简化为“五四三二一”，即五种基本元素，四种基本单位，每种单位有三种基本物质，很多单位形成两条脱氧核苷酸链，成为一种规则的双螺旋结构。2）联想记忆法即根据教材内容，巧妙地利用联想帮助记忆。例如微量元素：铁锰硼锌钼铜这六种元素，可以用谐音记忆“新铁臂阿童木，猛！”（锌铁硼阿铜钼，锰），这样就记住了，而且不容易遗忘。3）对比记忆法在生物学学习中，有很多相近的名词易混淆、难记忆。对于这样的内容，可以运用对比法记忆。对比法即将有关的名词单独列出，然后从范围、内涵、外延乃至文字等方面进行比较，存同求异，找出不同点。这样反差明显，容易记忆。例如同化作用与异化作用、有氧呼吸与无氧呼吸、激素调节与神经调节、物质循环与能量流动等等。4）衍射记忆法此法是以某一重要的知识点为核心，通过思维的发散过程，把与之有关的其他知识尽可能多地建立起联系。这种方法多用于章节知识的总结或复习，也可用于将分散在各章节中的相关知识联系在一起。例如，以细胞为核心，要衍射出细胞的概念、细胞的发展、细胞的学说、细胞的种类、细胞的成分、细胞的结构、细胞的功能、细胞的分裂等知识。生物学得太吃力，是因为你没有掌握正确的学习方法。只要把握好方法，上课认真听，下课及时巩固，熟记吃透知识点，生物刚入门就扎实好基础，慢慢就能跟上老师节奏和学习进度。真正投入学习状态后你就会发现生物的乐趣。

在新加坡，科学是其教育体系不可或缺的一部分，该国拥有世界上一些最好的科学学院和大学。对于那些参加A Level课程的学生来说，他们必须与所有自然科学竞争，并且在其中每门自然科学中都得分很高：从生物学到物理学。自然科学具有各种难度，而生物学被认为是其中最容易的一种。不幸的是，有些学生不同意这种对生物学有多容易的评估。即使它不处理许多方程式，它也具有复杂的术语，可能难以记住和拼写。幸运的是，有一些方法可以提高你的A-Level生物学水平的机会。为了帮助你入门，你可以将以下5种学习技巧应用于你的学习策略，以便在A-Level Biology中获得高分：学习术语许多学生发现生物恐吓的原因之一是因为该学科使用的术语。有时，这些术语甚至很难拼写。另一很难拼写的东西是小鹿和动物的科学名称，生物学也对此进行了介绍。为了使你克服这一主要障碍，你应该首先熟悉所有这些术语并逐个命名。帮助你熟悉这些术语的一个不错的方法是分解术语并找到其词根。分解术语时，可以使用列出的术语作为你要记住的主要术语的提示。你甚至可以使用这些术语制作助记符，以便于记忆。你还可以逐个研究每个术语，并了解其起源和定义。通常，考试问题会从被询问的术语的定义中获得提示，这就是为什么学习整个课程中遇到的每个术语的定义会有所帮助的原因。从一般到具体除了记住生物学涵盖的术语外，在研究特定概念之前，你还需要了解其涵盖的一般概念。例如，你需要先了解哺乳动物的特征，然后再确定灵长类动物的一般特征。为了训练自己对概念的掌握，在学习高级概念之前，需要先学习基础知识。使用思维导图可以帮助你将流程及其之间的关系链接在一起，以及组织与你正在研究的流程相关的所有信息。你可以通过写下一般概念来开始你的思维导图，然后写下流程的分支以及与之相关的关系。拥抱实验室生物学也有实际应用，如果你想了解更多有关该主题的知识，可以去实验室亲自查看过程。你还可以在实验室中花费时间尝试假设，甚至探索仅在课堂上为自己定义的各种生物学应用。如果你不学习概念，则可以利用生物学实验室的时间来检查某些事物的外观。例如，你可以使用显微镜研究血细胞的性质，也可以切掉青蛙以检查其器官。有人说，如果你拥有视觉图像，没有什么比视觉动手体验更容易学习的东西了。使用图纸与上一个技巧类似，最好是对要研究的事物有直观的印象，尤其是它总结了一个复杂的术语时。在生物学中，图纸很常见，因为它们说明了每个过程或周期如何变化和变化。如果定义难以理解，它也可以使你了解术语的含义。在某些情况下，这些图将使你直观地了解器官的功能以及器官的位置。学习这些绘图或图表是必不可少的，因为某些生物学考试可能会要求你绘制并标记每个过程或器官。如果你要填补空白，则可以在纸的侧面绘制图表，然后查看要查找的术语。聘请专业导师有时，自学不足以为考试或课程做准备，特别是对于生物学等科目。在新加坡，有许多A-Level补习学校为需要帮助的学生提供生物补习。也有提供特殊生物学补习服务的导师。无论你选择哪一个，这些小组都可以设计特殊的课程，以帮助你更好地理解该主题。如果你在考试期间倾向于紧张，它们也可以帮助你放松神经并教你放松技巧。 聘请导师或进入A-level补习学校也可以帮助你针对包括生物学在内的所有学科更正你的学习策略。如果你希望参加过去的考试，他们可以为你评分，并为你提供有关如何改善答案的见解。一些A级补习学校和补习生甚至可以根据旧的考试问题为你提供流行测验，这是他们生物学补习计划的一部分。 结论总有一个窍门可以帮助我们理解自然科学等难懂的主题，而不必担心。就生物学而言，你需要首先了解术语，并朝图表和素描方向发展，以与主题保持一致。如果术语难以记住或拼写，或者过程太复杂而难以理解，请不要灰心。一旦掌握了节奏，放松身心并继续与导师或你自己一起学习，提高A-Level生物学水平就没有问题。

什么是细胞生物学毫无疑问这是门研究细胞的学问，那么我们为什么要研究这门学问呢？通俗讲：因为我们在乎生命，而细胞是生命系统中重要的组成部分，所以我们要研究它。那么什么是细胞生物学呢？定义：细胞生物学是研究和揭示细胞基本生命活动规律的科学。细胞生物学、分子生物学、神经生物学和生态学并列被称为生命科学的四大基础学科。其中，细胞的研究更是生命科学的起点和出发点。早在1925年，生物学大师就提出”一切生命的关键问题都要到细胞中去寻找答案“。可见，细胞生物学在生命科学中的地位。现今，细胞生物学普遍应用于农业、医学、生物技术的发展等。那么它当下研究的反向又是什么呢？现今细胞生物学的方向随着分子生物学概念的引入，物理学与化学技术的发展，细胞生物学在近30年里取得了突破性的进展，产生了许多新的概念和学科方向，尤其基因学科。在21世纪的今天，细胞生物学将成为揭示生命奥秘不可或缺的主角。但是在基因学潮的影响下，细胞学的方向也发生着时代使命的改变。主要表现在以下几个方面：1. 细胞中基因组是如何在时间与空间上表达有序的。我们知道再怎么智能的机器都没有生物的情感和智慧，运算再快的计算机都是机械的，被动的。这就是细胞内基因的极其复杂的调节和控制的作用。复杂度不是非生物所能比拟的。2. 细胞中基因是如何通过表达逐级组装成能行使生命活动的基本结构体系以及各种细胞器的。过程中调控机制和调控程序又是什么。这是一个生命活动本质的问题。随着结构生物学和新兴纳米技术的兴起，科学家们觉得，这将是个契机。3. 基因及其表达的产物是如何调节细胞的增殖、分化、衰老与凋亡等生命活动的。这是与人类的健康，生活是密切相关的。甚至，有望从中寻找到永生的秘密，相信科学，这不是梦。学科是随着时代变化而变化的，时代的需求就是我们研究它们的关键。也就是我们需要用它们来干什么，而不是它们要我们干什么，我们总要占主动地位，不是吗？这也是生命与非生命的区别之一吧。所以，做人还是主动一点好，哈哈~~。

弗朗西斯·克里克（Francis Crick，1916-2004）是公认的20世纪最伟大的生物学家之一。他与吉姆·沃森合作发现了DNA双螺旋结构，同时还预见了转运RNA的存在，提出了中心法则，领先破解了遗传密码表，为分子生物学奠定了基础。《狂热的追求》是克里克对经典分子生物学一段发展历史的记录和总结，自1953年发现DNA双螺旋开始，至1966年破译遗传密码结束。并简短概述了自己的成长教育经历和专业方向选择。这本书的第13章“总结”堪称是这位卓越学者的生物学研究思想的精髓，特摘录于此，以飨读者。《狂热的追求》（湖南科技出版社，2020年9月）。前往“返朴”（ID：fanpu2019），点击“在看”并发表您的感想至留言区，截至2021年1月16日中午12点，我们会选出2条留言，每人赠书一本。撰文 | Francis Crick翻译 | 傅贺生物学研究之所以特别，是因为漫长岁月中发生的自然选择。每一个生物体、每一个细胞、每一个生物大分子，都是长时间复杂作用的产物，这个过程往往可以追溯到数十亿年之前。这使得生物学跟物理学大相径庭。物理学，无论是它的基础研究，比如研究基本粒子及其相互作用，还是应用研究，比如地质物理学或者天文学，都跟生物学非常不同。固然，在后两个例子中，我们同样会处理漫长岁月内的变化，我们观察到的可能也是历史进程的终产物。美国大峡谷中层层叠叠的岩石是一个明显的例子。不过，虽然星系也会“演化”，但它们却不是通过自然选择发生的。在生物学之外，我们见不到类似于自然选择的过程：某种构型的精准复制，复制中出现的突变，稀有的突变日益普遍。即使我们可能偶然瞥见了这样的过程，它也不会一再发生、渐趋复杂。生物学的另一个关键特征是同时存在着许多一模一样的复杂结构。当然，许多星星总体看来差不多，地质岩石中的许多晶体肯定也具有基本一致的结构。不过，一种类型的蛋白质，通常有许多完全一样的拷贝。如果仅仅是偶然因素，而没有自然选择的帮助，这种事件发生的概率微乎其微。物理学的另外一个不同之处在于，它的结果往往可以表述为精炼、深刻，甚至与直觉相反的普遍规律。生物学里没有哪个理论可以与狭义和广义相对论，或者量子电动力学，甚至是简单如牛顿力学定律（能量守恒、动量守恒）相提并论。但是生物学也有它的“定律”，比如孟德尔遗传定律，它们往往是相当宽泛的总结归纳，而且会有显著的例外。物理学定律，我们认为，在宇宙各处都适用，这一点对于生物学很可能就不成立。我们不清楚外星生物（假如它果真存在的话）跟地球上的生物有多接近。我们可以相当肯定，它可能也受制于自然选择或者某种类似的机制，当然这一点也只是猜测。生物学揭示的是机制，即化学组分造成的机制。在演化的过程中，古老的机制往往由于新机制的加入而发生改变。虽然奥卡姆剃刀原则在物理学中有用，但对生物学研究却可能有害。因此，用简单和优美来指导生物学研究恐怕失之草率。虽然有人认为DNA分子既简单又优美，但是我们不要忘了，DNA分子几乎肯定出现于生命的源头，而彼时自然界还非常简单。生物学家必须时刻提醒自己，他们的观察对象不是设计出来的，而是演化出来的。也许有人认为，演化理论对于指导生物学研究会发挥很大的作用，但是实情并非如此。仅仅是搞清楚现在发生了什么都非常困难，要弄明白演化的进程更是难上加难。因此，演化的论据可以提示可能的研究线索，但是过于信赖它们则非常危险。除非对其中的机制理解得比较透彻了，否则我们很容易做出错误的推断。所有这些因素都会使物理学家觉得难以适应大多数生物学研究。物理学家很容易就进行错误的归纳，编织出一个过于整洁、强大、干净的理论模型。不出意外，这些模型很少跟实验数据吻合。而要提出一个好的生物学理论，我们必须透过演化产生的叠床架屋，看到背后的基本生物学机制，但是我们也要意识到，它们可能已经被其他次级机制遮蔽。在物理学家看来无比复杂的进程可能是自然界中最简单的，因为大自然只会在现有的机制上添砖加瓦。遗传密码就是一个很好的例子。谁会发明出这样一个包含了64个三联体的复杂机制？无疑，从理论上说，无逗号密码肯定最有吸引力。这个优美的解决方案基于一个非常简单的假定——可惜它完全错了。即便如此，遗传密码也遵循一定的简单规律——密码子都包含三个碱基。相比之下，摩尔斯电码中的代号有不同的长度，越短的符号编码越长的字母。这使得电码非常高效，但是大自然在一开始可能不会产生如此复杂的特征。因此，对于生物学里有关“效率”的论证必须保持必要的怀疑态度，因为我们不知道各式各样的生物体在演化过程中遭遇过什么具体问题。如果不了解这些，我们如何断定哪种“效率”在发挥作用。从遗传密码的例子里，我们还可以得到更具一般性的教益。那就是，在生物学中，有些问题可能还不适合于理论探索，或者时机还不够成熟。这可能有两方面的原因。第一点我在前文已粗略提及——现存机制可能部分地源于历史偶然因素。另外一点是，所需的“计算能力”可能过于复杂，蛋白质的折叠问题似乎就是如此。大自然毫不费力地执行着这样的折叠“计算”，无比精准，而且多条线索并行，这种综合能力让我们叹为观止。此外，演化可能已经形成了有效的策略，在诸多可能的结构中找到捷径，形成正确的折叠。蛋白质的最终结构是原子之间吸引力与排斥力的微妙平衡。对其中的每一个因素进行精确计算都非常困难，但是，要估测任何可能结构的自由能，我们必须估计它们的差异。另外，该过程往往发生在水溶液环境，所以我们还必须考虑到蛋白质周围的水分子，于是问题更加复杂。这些困难并不意味着我们不应当寻找其中的普适原理（比如，水溶液中的蛋白质折叠的时候倾向于把疏水基团包裹起来），但这的确意味着我们最好搁置这样的问题，起码避免在过早的时候试图正面解决它们。回顾分子生物学的历史，我们还可以得到一些教训，虽然我们在其他科学分支里也可以发现这样的先例。说来令人震惊，一个简单的错误观念就会使研究陷入困境。比如，我曾错误地认为DNA的每一个碱基都存在着至少两种构型。另一个更加严重的错误是，我认为核糖体RNA就是信使RNA。但是，看一看这个错误的观念是多么的“可信”吧。胚胎学家布拉克特（Jean Brachet）曾表明，凡是蛋白质合成旺盛的细胞，其细胞质里也含有大量的RNA。布伦纳和我知道，要把DNA中的遗传信息传送到细胞质里的核糖体，必须要通过某种形式的信使，而且我们假定了它必须是RNA。这两点我们都是正确的。但是，谁能如此大胆，敢说我们看到的RNA并不是信使RNA，而真正的信使是另外一种RNA？我们可能还没有检测到它们，或者它们的含量很低，或者很快就降解了。只有当逐渐积累起来的实验事实与基本假设发生冲突的时候，我们才可能放弃先入之见。但是，我们之前就敏锐地意识到了有些地方不对劲，而且我们一直在寻找漏洞在哪。正是这种对观念的不满使我们有可能发现错误所在。如果我们没有尽心尽力地思考这些矛盾之处，我们可能永远无法找到答案。当然，最终总会有人发现它的，但是这个研究领域可能进展得更慢——而我们将成为笑柄。有一种经历很难诉诸笔端，除非你自己也曾亲历过，那就是：当正确的观念构造某一刻终于水落石出，如同顿悟，澄明之感在脑海中汹涌澎湃。你很快就看到许多之前难以理解的事实如何被新的假说妥帖地解释了。你可能会责怪自己为什么没早一点想到这个解释，它现在看来如此明显。但之前这一切都是云山雾绕。往往，要证明一个新的想法，我们需要一个不同的实验设计。有时候，这样的实验可能在较短的时间完成，如果成功，它就把假说牢牢地确定下来。在一年甚至更短的时间里，研究人员就能感受到“山重水复疑无路，柳暗花明又一村”。前文（第10章“分子生物学中的理论”）讨论了一般的否定性假说（如果我们确实可以发现一个好的假说的话）的重要性，避免混淆过程本身与控制该过程的机制，特别是不要颠倒了次要过程与主要过程。尽管如此，在今天的理论工作中，一个常见的错误是，在提出了一个权宜之计之后就不再寻找真正的好模型。理论工作者几乎总是格外偏爱他们自己的想法，这往往是因为他们对这些想法格外熟悉。要理论工作者承认他珍视的理论固然有一定的合理性，但可能是完全错误的——这一点非常困难。根本的问题在于，自然如此复杂，许多理论都可以一定程度上解释实验结果。如果说，优美和简洁对生物学来说可能是危险，那么我们凭借什么向导才能走出理论的丛林呢？对我来说，唯一真正有用的向导包含在实验证据里，虽然这种信息也不是没有危险，因为如我们见过的，有些实验结果往往误导人，甚至是完全错误的。因此，仅仅对实验证据有泛泛的认识是不够的，必须对许多不同类型的证据都有深刻的、批判性的洞察，因为你永远无法知道哪种类型的事实可能会提供解决问题的钥匙。在我看来，采取这种办法的理论工作者寥寥无几。当遇到难题的时候，他们往往对理论做些小修小补，而不是寻找关键的实验检验。我们应该自问的是：我所构建的理论的核心特征是什么？如何检验它？是否需要某些新的实验方法来检验？生物学的理论工作者应当认识到：仅仅凭借一个机智的念头把他们想象到的事实稍稍联系起来，很难提出一个有用的理论。第一次尝试就提出一个好的理论，可能性更加微乎其微。只有外行才会对他们的第一个“宏大、优美”的主意抱住不放，内行懂得他们必须经过多次尝试，不断提出理论，才有可能击中要害。而抛弃一个理论、追逐另一个理论的过程可以让他们获得批判性的、不偏不倚的态度，这对他们的成功至关重要。理论生物学的工作在于建议新的实验。一个好的理论不但要提出预测，更要提出惊人的预测，而且日后证明是对的——如果这些预测在实验工作者看来非常明显，那还需要理论做什么？理论工作者们常常抱怨实验工作者忽视他们的工作，让理论工作者先提出一个惊人的理论，然后世界才会承认他对于复杂的问题可能别有洞察（尽管它并不总是正确的）。在此之后，那些本来忽视他的实验工作者们可能会提出一连串的问题，理论工作者也许难以招架。如果本书能帮助人们提出一个好的生物学理论，那就算不辱使命了。本文经授权节选自《狂热的追求》（湖南科技出版社，2020年9月版），有删节。

生物医学研究的统计方法本书是生物医学研究生使用的经典统计教材，内容易懂经典，无需多少数学基础都能看懂。本书每个章节后面都有常见疑问，现汇总以供大家学习。--------------------------------------------------------------------------------------(1)如何确定研究总体与样本?总体的定义告诉了我们，总体是根据研究目的确定的同质研究对象的全体，也就是说确定什么样的总体与下列因素有关：①研究的目的是什么；②研究对象是否同质(即使非处理因素尽可能相同)；③是否为研究对象的全体。样本是从总体中抽取的部分研究对象，确定样本应该注意：①样本是总体中的部分研究个体；②样本是能代表总体的样本。相对样本而言，总体应该是“无限总体”或相对的“无限总体”(比如，在样本含量足够的前提下，样本个体数小于总体个体数的500)，这是统计学推断的理论基础；如果总体不大，为“有限总体”，则数据分析的主要方法是统计描述；如要进行统计推断，则应对有关指标进行校正。(2)何为连续变量与离散变量?可以在某一区间取任何值的变量就是连续变量，当测量精确度很高时，理论上数据之间无“缝隙”。数据之间存在“缝隙”的变量就是离散变量，如家庭人口数、脉搏跳动次数(次/min)、红细胞计数等，离散变量只能取有限的几个值。定量变量之中，有的属于连续变量，有的属于离散变量；但定性变量只能是离散变量。(3)不同的编码方式，所得结论相同吗?以上提到可将“文化程度”中的文盲、小学、中学、大学(假定为有序变量)及以上分别编码为1,2.3,4，或按读书年数编码为0,6,12,16。无论哪种编码，所得统计学分析的结论(如假设检验所得概率值)应该是一致的，但获得的某些统计量(如回归系数、优势比等)有可能不相同。(4)用恰当指标对定量资料进行统计描述，需要了解变量的分布形式。在实际工作中，是怎样明确变量的分布形式的?变量的分布形式，常可以通过查阅文献得到。例如，文献报道中学生的体重、肺活量服从对称分布，其发硒含量则为正偏峰分布，那么，我们就可以沿用文献的做法。特别当参考文献中的研究是基于大样本时，一般认为变量的分布形式可以直接参照。如果在相关文献中未查到某医学指标的分布规律，而该指标又是我们感兴趣的变量，那么就可以在大样本基础上，借助SPSS等统计分析软件对资料分布形式作统计检验。(5)呈现事物的发展变化速度时，为什么要用半对数线图，而不能用普通线图?在用普通线图表示事物随时间变化而变动的情形时，线条纵向波动的位置仅反映了被研究指标在相应时间点上取值的大小。例如指标取值发生“10→100→1000”的变化时，给读者的提示是，第一阶段增加幅度为90，第二阶段增加幅度为900，第二阶段的增加幅度大于第一阶段。但是，有时研究者欲传达事物演变的变化倍数，例如前述指标在第一阶段发生了“增大到原来的10倍”的变化，而第二阶段也发生了“增大到原来的10倍”的变化，两个阶段变化的倍数相同。普通线图可以直观反映变化的“增量”，却不能描述变化的“倍数”。这时需借助半对数线图，将纵轴的尺度进行对数变换，使得“10→100→1000”的变化成为“1→2→3”，两个阶段的变化幅度均为1，准确地传达了“变化的倍数均为10”这一信息。(6)如何判定一组数据是否符合正态分布?判定一组数据是否符合正态分布，通常有如下几种方法：①根据文献报道。例如，文献报道中学生的体重、肺活量服从正态分布，那么我们可以沿用文献的做法。②根据经验或专业知识判断。例如，根据专业知识，同性别健康成人的红细胞数、血红蛋白含量、脉搏数等都近似服从正态分布，而正常成人的血铅含量近似对数正态分布，经对数转换后应近似服从正态分布。③可以借助统计软件对资料作正态性检验或拟合优度检验。(7)对称分布在“X士1.96S”的范围内，也包括95%的观察值吗?不一定。“均数士1.96标准差”范围内包含95%的变量值是正态分布的分布规律，不是对称分布的分布规律。对称分布不一定是正态分布。(8)如何判定一组资料是否符合Poisson分布?Poisson分布是离散型分布，变量的取值为非负整数，它是描述单位时间(面积、空间)内某罕见事件发生数的概率分布。实际应用中，如果某罕见事件的发生数满足Poisson分布的应用条件，如水中细菌数、单位空间中的粉尘数、单位时间内放射性物质的脉冲数等，都可认为服从Poisson分布。另外，还可以对资料进行Poisson分布的拟合优度检验。(9)何谓置信区间的准确度与精确度置信区间有准确度(accuracy)精确度(precision)两个要素。准确度由置信度(1-α)的大小确定，即由“此区间包含总体参数”这句话可信程度(1-α)的大小来反映，从准确度的角度看，置信度愈接近于1愈好，如置信度99%比95%好；精确度是置信区间宽度的一半，意指置信区间的两端点值离样本统量的距离。从精确度的角度.看，置信区间宽度愈窄愈好。在抽样误差确定的情况下，两者是相互矛后的。若提高了置信度.即α减小。则检验统计量界值增大，置信区间变宽. 从而导致精确度下降；反之，降低置信度，即降低准确度，可适当增加置信区间的精确度。为了同时兼顾置信区间的准确度与精确度，可适当增加样本含量；在置信度确定的情况下，增加样本含量可降低抽样误差，从而缩小置信区间范围，提高参数估计的精确度。(10)置信区间与参考值范围有什么区别?总体均数的置信区间与个体值的参考值范围无论在含义、用途还是计算上均不相同。实际应用时，不能将两者混淆，详见表1表1，置信区间与参考值范围的区别(11)标准差与标准误有什么区别与联系?标准差反映个体观察值围绕均数的散布程度，即反映个体值彼此之间的差异。标准误反映样本统计量(如样本均数)围绕总体参数(如总体均数)散布的程度。根据公式，标准误小于标准差；样本含量越大，标准误越小；但标准差不随样本含量的改变而有明显方向性改变，随着样本含量的增大，标准差有可能增加，也有可能减少。如果需要反映个体的变异程度大小，应采用标准差；如果需要反映由样本统计量估计总体参数的精确程度，应采用标准误或95%置信区间。其区别与联系可小结为表2。表2 标准差与标准误的区别与联系(12) 如果样本来自有限总体，如何作统计推断?统计学推断建立在无限总体的基础之上，如果样本所来自的总体为有限总体(如样本含量n大于5%倍的总体含量N)，则前面的标准误计算公式应作适当修改，如样本均数的标准误计算公式应改为样本均数的标准误计算公式样本频率的标准误计算公式应改为样本频率的标准误计算公式其中N为总体中个体的含量，(N-n)/(N-1)称为有限总体校正因子。当样本含量n接近有限总体含量N时，(N-n)l(N-1)接近于0，相应的标准误也接近于0。在绝大多数情况下，目标总体是有限总体，如果总体含量N相对样本含量n很大，此时有限总体校正因子十分接近于1，因此通常情况下可忽略此项。仅当样本含量n大于5%倍的总体含量N情况下，才采用上述公式进行计算。(13) 假设检验中α与P有何不同？α为决策者事先规定的“小概率值”(各种科研杂志习惯上采用0.05或0.01)。在零假设成立的情况下，如果检验统计量取当前值以及取值更不利于H0的概率小于或等于α，则可以认为：在零假设成立的情况下，不大可能在某一次抽样研究中出现当前的事件；但当前的事件居然发生了，我们不禁怀疑零假设是否真的成立，从而拒绝H0推断H1成立。所谓P值是指在H0成立的前提下，出现目前样本数据对应的统计量(如Z、t、F值等)数值乃至比它更极端数值的概率。P值也是一个随机变量，即不同的样本可得到不同的P值。(14)通过假设检验得到P>α.能否说明接受H0时犯错误的可能性很小?不能，因为假设检验时，只是确定犯I类错误的概率a，可以按小概率事件拒绝H0，而不知道犯Ⅱ类错误的概率β，所以不能说明接受H0时犯错误的可能性很小(15)通过假设检验得到P值很小，能否说明比较的总体均数相差很大?所谓P值，是指在H0成立的前提下，出现目前样本数据对应的统计量(如Z、t、F值等)数值乃至比它更极端数值的概率。它不但与均数实际值的差距有关，还与抽样误差的大小有关，所以不能单从P值的大小判断总体均数差距的大小。(16)进行两样本均数比较的t检验时，假设检验结果P值越小，则说明两个总体均数相差越大吗?假设检验中，P是指H0成立时出现目前样本情形的概率最多是多大，P值越小，说明如果H0为真，则“不大可能”出现目前的情况，即有理由怀疑H0为真的无效假设，因而拒绝H0，接受H1，即两总体均数间存在着差值。所以，P值越小越有理由认为两个总体间存在着相差，但并不能反映两个总体均数相差的数值大小。(17)单侧检验较双侧检验更易检验出差别，是否应在假设检验中尽量选用单侧检验?当自由度和检验水准一定时，单侧界值小于双侧界值，所以更容易得出差异性的结论，但并不能因此就选用单侧检验。单双侧的选择要结合专业知识：如果研究者关心的是甲乙两组所属总体均数(或者总体率)有无差别，即甲可能高于乙，乙也有可能高于甲时，一般选双侧；若根据专业知识，甲不会低于乙时，或者研究者仅关心其中一种可能时，可选用单侧。一般来讲，双侧检验较为稳妥。(18)既然秩和检验对资料没有严格的要求，是否在进行两组间均数比较时可直接采用秩和检验?这样做不能认为是错的，但不是最好的分析策略。秩和检验对资料没有严格的要求，但满足正态分布条件时其检验功效比t检验的检验功效低一些，所以通常只用来对偏峰分布资料进行假设检验。(19) t检验能否用于多组间均数的比较?t检验主要用于两组间均数的比较，多组间均数的比较若采用t检验，会增大犯I类错误的概率。所以，多组间均数进行比较时应首先考虑方差分析及SNK,LSD等多个样本均数的两两比较技术(详见方差分析)。(20)如何理解假设检验中的大样本和小样本?为什么样本量较大时不必进行正态性检验?在假设检验中，大样本和小样本只是相对于资料的偏峰程度而言的，偏峰程度越大，要求样本量就越大，但一般情况下，当样本量大于50时，可以理解为样本量较大。此时，即便原始变量X有些偏离正态，其样本均数也会近似正态分布。因此，对大样本资料可以不必进行正态性检验。(21)在成组t检验中，当P<0.05并且时，为什么就能推断?在成组t检验中，当P<0. 05并且，则可以证明的95置信区间的下限大于0，由此在95%置信度的前提下，推断；同理，当P<0.05并且时，则可以证明：的95%置信区间的上限小于0。，由此在95%置信度的前提下，推断。(22)为什么不宜直接对多组定量资料进行方差分析？进行方差分析的数据应满足两个前提：①各样本是相互独立的随机样本，均服从正态分布；②各样本的总体方差相等，即方差齐性(homogeneity of variance)。因此，对多组定量资料进行方差分析首先要进行方差齐性及各样本的正态性检验，符合方差分析的条件再行方差分析及必要时进一步的两两比较。否则，若不满足方差分析条件，则需作数据变换，使其满足方差分析的条件，或选Kruskal-Wallis秩和检验。(23)若三个样本均数的比较经ANOVA分析有统计学意义，在多重比较中出现了“不拒绝μ1≠μ2，也不拒绝μ1≠μ3，但拒绝μ2=μ3”的结果，该结果应如何解释？为什么？按假设检验的基本原理，该结果可解释为：有理由认为μ2≠μ3，但还没理由认为μ1≠μ2及μ1≠μ3。因为统计结论在一定概率意义下成立，不能按确定性数学方式递推。该结果既不能解释为：μ1介于μ2和μ3之间；也不能递推为：μ2=μ1，同时μ1=μ3，那么μ2=μ3。(24)是否一定要经ANOVA发现有统计学意义后，再作均数间的两两比较?一般地说，经ANOVA发现有统计学意义后，再作均数间的两两比较，但不是绝对的。实际上，这种ANOVA发现有统计学意义后，再作均数间的两两比较属于事后未计划的比较。均数间两两比较的方法很多，有十余种之多。并且也不很成熟。有些统计学专家提出某些多重比较可不依赖方差分析的结果。另外，在分析资料时有时会出现ANOVA有统计学意义而两两比较均无统计学意义，或ANOVA无统计学意义而两两比较某些均数间有统计学意义的现象，这两种现象往往发生于算得的P值在规定的检验水准α附近，下结论时需特别谨慎。(25)多重比较的方法很多，可否各种方法都用一用，哪个方法给出的P值好，就报告哪个方法的结果?多重比较的方法很多，多重比较时甚至会出现某些方法间(如Bonferroni法与LSD法)统计结果不一致现象，这实际上涉及多样本均数两两比较方法选择的问题。要根据研究的目的选择两两比较的方法。当在设计阶段就根据研究目的或专业知识而计划好某些均数间的两两比较、用于探索性研究时，可选用LSD法，即选用LSD法结果。LSD法灵敏度比较高，但Ⅰ类错误可能会增大，适用于组数g较小且仅对某些特定的组间比较感兴趣时； 当在研究设计阶段未预先考虑或预料到，经假设检验得出多个均数不等的提示后，才决定多个均数的两两比较时可选用Bonferroni。Bonferroni法比较简单，广泛应用于不同场合的两两比较，但结论比较保守，可用于证实性研究。因此，多重比较各种方法都用一用选P值的做法是不妥的。(26)当例数较少或理论频数较小时，为什么要用校正χ2检验或Fisher精确检验因为χ2检验统计量的抽样分布是矩形分布，χ2分布为连续性分布。利用χ2检验统计量进行列联表差异性检验时是通过用χ2分布作为χ2统计量分布的近似方法进行的。χ2统计量计算结果往往较大，特别是在自由度较小、样本量较少情况下。因此Yetes提出了校正的方法。在实际应用中，当样本含量大于40，理论频数都大于5时，χ2统计量近似性较好，可以不进行校正；但是当存在理论频数小于5时，近似性较差，需进行校正；当例数小于40或存在理论频数小于1时，近似性更差，因此主张改用更合适的Fisher精确检验代替χ2检验。(27)对于多组二分类资料和无序多分类资料，能否通过转化为多个四格表资料分别进行检验?对于多组二分类资料和无序多分类资料，若转化为多个四格表资料分别进行检验，割裂了原来的设计，更重要的是会增加犯Ⅰ类错误的概率。例如对于3X3列联表，检验水准取0.05，若转化为多个四格表资料分别进行检验，应进行9次检验，这样犯Ⅰ类错误的概率将达到1-((1-0.05)9=0.37，远远大于0.05。因此，对于多组二分类资料和无序多分类资料，不能通过转化为多个四格表资料分别进行检验。当多组二分类资料和无序多分类资料检验结果拒绝假设H0时，可以进一步作两两比较，但α水平需要按α/比较次数来校正。(28)对于有序多分类资料，用无序多分类资料方法进行差异性检验会出现什么问题?因为列联表χ2检验的χ2统计量只能处理频数分布的差异性检验，没有处理有序信息的能力，不能利用数据所提供的有序信息进行分析。因此，若使用无序多分类资料分析方法进行有序多分类资料的差异性检验，将会降低统计检验效能。(29) 是否所有资料皆可作相关分析?只要输入数据，电脑就可以进行相关系数的计算，但这不表明任何资料皆可进行相关分析。相关分析要求两变量皆为随机变量，如果X是人为取值，则不宜计算相关系数。计算Pearson相关系数还要求资料为双变量正态分布。同时应注意，资料类型不同，所采用的刻画相关或关联的方法也不同。(30) 程序中自动给出了相关系数值和假设检验结果，为什么还要作散点图呢?的确，有不少研究不作散点图就给出相关系数值和假设检验的结果，但这样做可能会出现两变量间实际没有线性关系而作出线性相关的决定，也可能不容易发现资料有异常值或有分层的情况等。因此，相关分析必须先作散点图，确认有线性关系时才计算相关系数，并对其进行检验。(31) 若两组比较某指标的均数不同，是否可以说明该指标与分组因素相关?要注意“相关”是一个专业用语，有特定的含义。仅均数不同不能认为相关，若各组均数差别有统计学意义，可以认为不同组间总体水平不同。通常所说的“某指标的均数与分组有关”和统计学所说“某指标与分组变量间线性相关”是两个不同的概念。线性相关的结论必须通过相关分析或关联分析才可得到，而分组因素常人为划定，非随机变量，不可作相关分析或关联分析，即便作了计算，也不能得出相关的结论。(32) 经统计检验得出总体相关系数不为0，且P值很小，是否可以认为变量间关系很大?统计检验的P值是指总体相关系数为0时，得到等于或大于目前这个样本相关系数的概率大小。若P值小，说明总体相关系数为0时，不大可能得到目前这个样本相关系数，从而怀疑总体相关系数是否为0。不论P值多么小，结论只能是总体相关系数不为0而已。样本量小时，样本相关系数值很大也可能得出没有统计学意义的结果；反过来，样本量大时，很小的样本相关系数值也可以拒绝零假设。如样本量大于50时，r=0.279就可以得到P<0.05的结果，而样本量为5时，即使r=0.870时仍得到P>0.05的结果。(33) 既然Spearman等级相关对资料性质没有要求，是否所有资料皆可用等级相关?文献确有把Spearman等级相关当成万能相关方法。不管什么样的资料都可用Spearman等级相关方法，但这样做的结果会损失信息，降低功效。因此，应根据资料类型和适用条件选用相关强度指标。当两变量为连续型随机变量时，通常采用积矩相关系数。(34) 计算Spearman等级相关系数时，怎么有人采用公式?实际上，无相同秩次时，此公式与利用秩次采用Pearson相关系数的公式计算时完全等价，但有相同秩次时一般不宜用此公式。此公式为过去计算机不甚普及时推算出的无相同秩次的简便计算公式，有相同秩次时需要校正。(35) 多组比较的RX2表或RXC表和本章的RXC表在设计上有区别吗?多组比较的Rx2表或RXC表，属于完全随机设计资料。多组资料比较的设计是，首先设定组别(如三种国籍人群)，各组例数的调整不受其他组别的影响，然后调查各组的频率分布(血型分布)情况，分析各组(三种国籍)的频率分布(血型分布)是否不同。本章的RXC表资料是一次调查的结果，可看作是总体中的一份样本，其样本含量<2500例)是固定的，某属性之一(如国籍中美国人)的例数变动必使该属性其他分类(如国籍中中国人和挪威人等)的例数反向变动，统计时按两种属性(国籍和血型)交叉分类统计频数，得到两种属性是否独立的结果。(36) 如何识别与处理异常点?在实践中，科研工作者鉴别数据中的异常点是进行统计分析前首先要完成的一项工作，否则会导致错误而前功尽弃，得不偿失。有些“统计谎言”正是由于分析者疏忽异常点的存在，夸大或弱化实际效应而造成的，如图10-10,虚线代表受异常点影响而偏离的回归线。异常数据的识别可以通过简单、直观、有效的散点图发现，也可以通过相关统计量(如广义平方距离)获得。通过散点图可直观地反映哪些数据是可能的异常数据。一旦发现可能的异常数据，不宜草率地删除，应该仔细审查这些可能异常数据的获得过程。若是由实验获得的，如有可能应该重新在该点重复作几次实验进行验证。只有当异常数据是由于实验失误、记录错误等人为因素造成的，才考虑删除或以重新测量的正确数据来替代。如果通过仔细审核发现数据的异常值是因数据本身性质造成的，对这样的数据应该引起足够的重视，对它进行另外的研究有可能获得意外的发现。(37)两变量不是线性关系时怎么办?在复杂的生物医学现象中，很多情况是两个变量间的关系呈非线性变化趋势，如血药浓度与时间效应曲线、生长曲线、剂量反应关系等。对于非线性的问题，如果仍一味采用简单的线性回归分析，其直接后果是歪曲实际的变化规律。实际工作中，采用曲线拟合的方法，常用的曲线类型有：1)指数曲线 又称指数生长曲线，双变量资料中，当自变量X增加时，因变量Y随之增加(或减少)得更快，这时可采用指数曲线方程来分析两变量之间的关系。2)多项式曲线 多项式曲线方程为抛物线性，当为一次时则为简单线性模型，模型中加人b2X3、b3X3项，则为二次、三次多项式曲线。多项式适合于标准曲线的绘制。3) Logistic曲线 又称Pearl-Reed曲线，呈拉长的“S“形曲线，多用于发育、动态率、剂量反应关系以及人口等方面的研究，在后面章节中讲到的logistic模型即属于此。4)双曲线与指数曲线相类似，但适用于弯曲程度更大的资料，如肌肉张力、神经生理方面强度一时间数据的分析。SPSS软件可以实现更多的曲线拟合，方便科研工作者应用。实际工作中，应根据散点图尝试拟合多种曲线。如何确定最终的曲线类型，要掌握以下原则：① R2越大，拟合效果越好。但不必过度地追求好的拟合优度，如拟合多项式模型时，虽幂次越高，R2越大，但会给解释上带来麻烦。②要考虑曲线类型是否符合专业解释。③在拟合优度相近的情况下，一般选择容易解释、易于表达的曲线类型。，(38) 两批数据能合并后拟合线性回归方程吗?实际工作中，常有X与Y变量来自于两批数据，不能轻易将两批数据合并后进行回归分析，所分析样本应保证来自一个总体(即保证同质)。如果两批数据来自两个不同的子群，可能得出不符合实际的结论。如图10-11所示，实点与虚点分别代表两批数据，图10-11a中实际不存在的回归关系，合并后被误认为有回归关系；图10-11b有可能存在回归关系，合并后会被误为无回归关系。在此，两个子群成为影响回归关系的混淆因素。电脑实验(实验10-4)中对盲目合并数据误导专业结论的情形进行了数据模拟分析。对这类数据需要进行分组分析或在多重线性回归分析中引入交互项的办法来分析处理，分析方法参见第11章。(39)如果反应变量是有序的或分类的变量，应该怎么办?多重线性回归分析要求在固定自变量的情况下，反应变量Y是服从正态分布的连续型随机变量(也就是残差服从正态分布)，如血压值、身高、体重等。但是，在医学研究中，一些反应变量往往是分类变量。例如，心功能的分级就是一个有序分类变量，虽然各级之间有程度上的差别，但是1级(体力活动不受限制)和2级(体力活动轻度受限)之间的差别并不等同于3级(体力活动明显受限)和4级(不能从事任何体力活动，休息时亦有症状)之间的差别。也即这里的数字1,2,3,4仅仅代表不同的等级，并不代表实际的数量大小。另外，无序的分类变量在医学研究中也很常见，例如治疗的结局分为治愈和死亡。当反应变量是有序或无序的分类变量时，不能采用多重线性回归对资料进行多因素分析，可以考虑采用logistic回归等其他多因素分析方法。(40)自变量存在缺失数据时怎么办?进行多因素分析时，如何处理缺失数据是一个常见的问题。所谓缺失数据，常指观察对象在某些变量上的数值缺失，例如缺少年龄、性别或者血压值等方面的信息。缺失的原因可能是偶然的、随机的，如调查时由于疏忽漏填了；也有可能是系统性的，如由于疾病恶化而没有提供信息。对于有缺失数据的观察对象，不能简单地删除。人们针对缺失数据常见的处理方法是：1)尽量了解缺失的原因，尽量弥补缺失的数据。2)对每个自变量考察缺失数据的多少。3)如果有一两个自变量的缺失数据较多，考虑删除该自变量。无论自变量在专业上意义如何重大，如果存在大量的缺失数据，则结果极可能存在偏倚。4)如果极少的观测有缺失数据，可以在分析前删除这些观测。5)如果大量观测有缺失数据，应该分析有缺失数据的观测和没有缺失数据的观测之间的差别，也即考察缺失的原因是随机的还是非随机的。如果有缺失数据的观测组成的样本的基本情况与没有缺失数据的观测组成的样本的基本情况无差别，则称数据的缺失是随机的，反之，为非随机缺失。如果数据的缺失是随机的，可以采用完全数据的均数填补缺失数据。如果数据的缺失是非随机的，应分别分析有缺失数据的观测组成的样本和没有缺失数据的观测组成的样本资料，且下结论需慎重，以防止偏倚。(41) 自变量筛选是必须要做的吗?前面介绍了多重线性回归分析中自变量筛选的统计学标准和筛选策略，那么在实际应用中自变量的筛选是必须要做的吗?有时并不是必须要做的，有时又是必须要做的。是否进行变量的筛选取决于专业的理论、经验以及资料的实际情况。最后得到的模型不仅要符合统计学的要求，更重要的是从专业上得到合理的解释。(42)如何判断是否存在多重共线性一种简单的方法是计算所有自变量的相关系数矩阵。如果两个自变量之间的相关系数超过0.9，则会带来共线性的问题；如果相关系数在0.8以下，一般不大会出现问题。另外，统计学家还提出了两个帮助判断是否存在多重共线性问题的统计量，它们分别是方差膨胀因子(variance inflation factor, VIF)和容忍度(tolerance)。下面简单介绍VIF的原理和计算方法。假定有p个自变量，依次把每一个自变量当作反应变量与余下的p-1个自变量进行多重线性回归分析。表示当第j个自变量被当作反应变量时多重线性回归方程的确定系数，j=1，2，…，p。针对每个多重线性回归方程，VIF定义为：如果第j个自变量与余下的p-1个自变量相关密切，则接近于1,VIFj会较大。研究结果提示，当VIF>4时，可能存在共线性问题；如果VIF>10，则共线性问题严重。容忍度是VIF的倒数，因此如果容忍度小于0.25，则可能存在共线性问题，如果容忍度小于0.10，则提示共线性问题严重。(43)如果实验条件满足配对设计要求，研究者却采用了成组设计，这将意味着什么?如果实验条件不满足配对设计要求，研究者却一定要套用配对设计，又将意味着什么?如果实验条件满足配对设计要求，即能够找到对观测结果有影响的重要非实验因素，而且受试对象可以按此非实验因素进行配对，此时研究者却采用了成组设计，这将意味着人为增大了实验误差，易导致假阴性结果的出现；如果实验条件不满足配对设计要求，即无法找到对观测结果有影响的重要非实验因素，此时研究者却一定要套用配对设计，实际上各对受试对象除处理因素取不同水平外，在其他方面相差悬殊，若按配对设计方法处理实验数据，将意味着人为降低了实验误差，易导致假阳性结果的出现。(44)单因素设计简便易行，可以通过随机化方法平衡其他因素对单因素各水平组中观测结果的影响，是否可以不考虑任何多因素实验设计方法?在进行实验设计时，通常涉及两类因素。其一，研究者关心的实验因素；其二，研究者不关心但客观上会影响观测结果取值的因素，比如区组因素。当某实验仅涉及多个实验因素，且实验因素的数目大于等于2时，若在实验设计时将其他实验因素控制在各自特定的水平上，每批实验只允许一个实验因素取不同水平，即采用单因素设计取代多因素设计的作法是不够妥当的。若希望通过实验研究，弄清多个实验因素之间的相互关系，通常情况下以选用析因设计为宜。(45)在实验设计中，对照组的设立十分重要，一般来说，应设立几个对照组合适?在实验设计中，应设立几个对照组不便一概而论，主要取决于实验研究的目的和涉及的实验因素的个数。①如果是标准的单因素多水平设计，通常只需要设立一个对照组即可。例如，希望考察某药物取小、中、大三个剂量所产生的疗效之间的差别是否具有统计学意义，当对此药物的疗效一概不知时，需要设立一个空白对照组，即采用单因素4水平设计；当已知该药开始起效的最低剂量时，可以不设立空白对照组，该药物的小、中、大三个剂量组互为对照，即采用单因素3水平设计即可。②在某些实际问题中，有人常设立多个对照组，如正常(或空白)对照组、模型对照组、阳性药对照组，其他是研究者所研究的新药取几个不同剂量的实验组。③如果是标准的多因素实验设计，所有组都有其特定含义，往往是同一个实验因素各水平组之间相互对照，如多因素析因设计。(46) 在实验设计中，如何根据情况选用合适的实验设计类型?这是一个比较复杂的问题，只能概括地讲一下选用的基本原则。如果在实验中研究者关心的实验因素只有一个，来自受试对象的各种重要的非实验因素的影响可以通过完全随机化方法使之在实验因素各水平组之间达到均衡一致，则可以选用单因素k水平设计((k=2时为成组设计，k=3时为单因素多水平设计)；如果在实验中研究者关心的实验因素只有一个，但来自受试对象的各种重要的非实验因素的影响无法通过完全随机化方法使之在实验因素各水平组之间达到均衡一致，则应考虑选用随机区组设计或交叉设计；如果在实验中研究者关心的实验因素的个数大于等于2，来自受试对象的各种重要的非实验因素的影响可以通过完全随机化方法使之在实验因素各水平组合之间达到均衡一致，则可以选用析因设计。析因设计需要的实验次数较多，如果实验经费、时间和人力等都很难达到要求，可考虑选用其他多因素实验的设计方法，请参阅实验设计专著。(47) 在进行新药临床试验时。无论从形式还是从内容上，都严格按我国《新药注册管理办法》中明文规定的要求去做，是否是最正确的?由于相当多的研究者对Ⅱ、Ⅱ期临床试验的本质理解不够深入，又由于国家审评部门对新药临床研究的要求过于简单和格式化，导致绝大部分临床试验都照搬《新药注册管理办法》的基本要求，试验方法和类型千篇一律，无法妥善处置可能遇到的特殊问题。应该采取实事求是的态度，在原则问题上严格按国家有关规定办理，而对于各种情况下遇到的具体细节问题，应从多种处置方案中选择最优者。(48) 在进行新药临床试验时，可否直接按我国《新药注册管理办法》中明文规定的样本含量的最低要求来确定样本含量?多数临床试验没有进行样本含量估算，而仅仅按照《新药注册管理办法》对病例数的最低要求来做，致使一部分研究不能得到有说服力的结论。应根据预试验或借鉴他人经验信息，获得有关本试验研究所需要的基本信息，选用合适的估计样本含量的公式或专业软件估计出样本含量N。当估计出的N大于《新药注册管理办法》对病例数的最低要求时，就以N为样本含量；反之，应按《新药注册管理办法》对病例数的最低要求确定样本含量。(49) 在进行新药临床试验时，如何正确选择评价指标?评价指标的选择是临床试验的核心问题，应当在清晰确定临床试验目的的基础上，根据临床医学专业知识，选择最恰当的评价指标。应当充分重视终点指标和实验室替代指标，慎重使用综合指标和难以定量的指标(主观性指标)，切忌试验目的不明确，以多指标为主要评价指标的大撒网式研究。(50)在进行与中药有关的新药临床试验时，应着重考虑的问题是什么?中药作为中国创新药品的重要源泉，其临床试验在评价指标选择和评价方法上存在很多争议，致使中药临床试验结论很难与西医或国外进行沟通。因此，应着重考虑的问题是评价指标的选择和评价方法的确定，即评价对象和评价工具保持一致，才有可能相互比较、沟通和理解。(51)在进行新药临床试验时，数据管理至关重要，应在哪些方面把好质量关?目前在中国的临床试验中，数据管理的三个要点(准确、及时和安全)难以高品质地实现。在这方面，应进一步提高认识，建立健全操作规程，严格按操作规程进行质量监督和检查。(52)临床试验质量控制非常重要，它包括哪些方面呢?通常，临床试验质量控制包括检查、稽查、视察、研究者控制、数据管理和统计分析控制，在这些方面，我国的临床试验质量控制水平尚没有达到国际要求，存在着试验数据有可能失真的隐患。(53) 在调查研究中，如何控制和保证调查质量?在调查研究中，主要从以下几个方面进行质量控制，以保证调查结果的可靠性：1)现场调查工作阶段的质量控制。2)资料整理、表达与统计分析阶段的质量控制。3)偏倚的控制。(54)在调查敏感性问题时，如何能获得比较真实的答案?在调查研究中，有时需要了解一些隐私问题(包括心理、行为、与“性”有关的问题等)。当询问此类问题时，调查对象往往不愿意回答或给出的答案是不真实的，这类问题统称为敏感性问题。在调查敏感性问题时，要想获得比较真实的答案，需要打消调查对象的思想顾虑。首先，调查表或问卷上应当是无记名的；最好调查者不在现场，在一个未安装监视器的大厅内(室内外无其他人)，调查对象将填好后的调查表投人加锁的投票箱内；更让调查对象放心的方法是他们回答的是敏感问题还是非敏感问题，调查者一概不知，更不用说他们对敏感问题作出的是肯定还是否定的回答了，实现后者的调查技术需要较深的概率论知识。(55) 希望说明一种新药物或新疗法是否优于常规药物或疗法，请问：我应当采用多大的样本?这是相当多的研究者在进行科研工作之前经常提出的问题，但又是无法回答的问题。因为估计样本含量需要很多信息，第一，要知道所作的研究属于何种研究类型，实验设计、临床试验设计和调查设计所用的样本含量计算公式是不完全相同的；第二，即使是实验设计，还涉及拟解决问题的复杂程度；第三，需要给定与拟解决问题对应的一些基本信息。凭空估算样本含量是没有科学依据的，因而也是无意义的。(56) 样本较小时结论不可信，是否样本特别大时结论就一定可信?不一定!要看拟解决的问题的复杂程度和对重要非实验因素的控制质量。若实验研究涉及多因素多水平设计问题，即使总样本含量特别大，但分到每个小组中去的受试对象的个数却很小时，其结论仍是不可信的；若实验研究涉及单因素多水平设计问题，但由于许多重要的非实验因素对实验因素各水平组的影响很不均衡，即使各组样本含量均较大，其结论也是值得怀疑的，甚至是错误的。(57)是否有办法使一项科研工作的结论同时犯假阳性错误和假阴性错误的概率都很小?比较好的办法是： 提高统计研究设计的质量和研究过程的质量控制水平，同时，使各小组具有足够的样本含量，组间具有很好的均衡性。(58) 我不想论证两种药物疗效之间的差别，而是想说明两种药物效果差不多，从而一种较便宜的药物便可以取代另一种较昂贵的药物，这时，样本量该怎么考虑?此时，研究的目的叫作“等效性检验”，应根据此类检验对应的样本含量估计公式进行估计，请参阅有关专著。(59) 对于一个随机区组设计资料，我们既用单因素方差分析，也用两因素方差分析，发现假设检验的结论一致，难道用单因素方差分析不可以吗?并且计算简单。不可以。对于随机区组设计资料，尽管用两种方法分析的检验结论可能多数情况一致，但两因素方差分析可从总变异中分解出处理因素和区组因素导致的变异，单因素方差分析只从总变异中分解出一个因素所致的变异，因此与单因素方差分析的组内变异相比，两因素方差分析的误差变异减少了其他因素对随机误差的影响，更接近真正的“随机误差”，因此据此计算F统计量并推断更准确合理;另外，单因素方差分析检验效能较低。(60) 当经方差分析认为析因设计资料中某因素的主效应有统计学意义，而交互效应无统计学意义时，欲知哪个水平最好，应如何分析?如何选择最佳的实验组合?当该因素水平数超过2时，可以对该因素不同水平间的主效应作多重比较，比较的方法可参见《医学统计学》(余松林主编，人民卫生出版社，2002)第110页。选择最优实验组合时，当因素间交互效应差异无统计学意义，而各因素均有统计学意义时，则各因素最佳实验水平的组合即为最优实验组合;如果某因素无统计学意义，则从中选择经济、简便、无(低)痛苦、无(低)不良反应的实验水平。(61 )析因设计资料经方差分析后某两因素的交互效应有统计学意义，如何选择实验条件?可通过对各种实验组合的多重比较选择实验条件，比较的方法可参见《医学统计学))(余松林主编，人民卫生出版社，2002)第110页。当两种组合间比较差异有统计学意义时，选择实验效果更佳的实验条件;若差异无统计学意义，则选择经济、简便、无(低)痛苦、无(低)不良反应的实验组合。(62) 交互效应与交互作用有何不同?如何判断实验因素间有无医学上常说的拮抗作用和协同作用?交互效应是指在方差分析中描述交互作用项的参数，对于多因素的实验性研究中，研究因素的各个水平是有序的，代表了每种干预的强度，如果两个因素主效应均大于0，则其交互效应>0，说明两种干预的叠加效应大于两种单独干预的效应之和，故称为协同作用;反之，如果两个因素主效应均大于0，而其交互效应<0，说明两种干预的叠加效应小于两种单独干预的效应之和，故称为拮抗作用。(63)在重复测量设计的方差分析中，处理效应是什么?在同样的其他条件下，不同处理所对应的观察变量的总体均数差异，在例17-1中的处理效应是试验药与对照药治疗慢性乙型肝炎的ALT总体均数差异。(64)在重复测量设计的方差分析中，时间效应是什么?时间效应是指在同样的处理和其他条件下，观察变量的总体均数随着时间变化所对应的差异。在例17-1中的在同为试验药或对照药治疗慢性乙型肝炎的情况下，ALT总体均数随着时间变化所对应的差异。(65)在重复测量设计的方差分析中，处理效应与时间效应的交互作用是什么?如果不同处理所对应的总体均数之间的差异随着观察时间变化而变化，则称为处理效应与时间效应有交互作用;反之，如果随着观察时间的变化，不同处理所对应的总体均数之间的差异是个常数(即不随观察时间变化而变化)，则称处理效应与时间效应无交互作用。在例17-1中，统计推断的结论为:两组所对应的ALT总体均数之差不随观察时间变化而变化，故该例的处理效应与时间效应无交互作用。(66)在重复测量设计的方差分析中，能否用治疗前后观察值的改变量作为评价指标?用治疗后观察值作为评价指标是描述受试者在治疗后的症状水平。治疗前后的观察值改变量作为评价指标是描述治疗后症状改变的程度。在许多情况下，两者均可以作为评价指标，并且治疗前后的改变量往往有时更能体现药物疗效功能，但当治疗后的受试者处于治愈或恢复到正常状况时，用治疗前后的观察值改变量作为评价指标就存在一些问题了。例如:评价感冒药的疗效，观察指标为感冒的各种症状总分，当感冒治愈时，各种症状总分为0，这时治疗前后的观察值改变量一治疗前的各种症状总分一0分=治疗前的各种症状总分，因此，治疗前后的观察值改变量作为评价指标就成为治疗前的症状总分评价，这时治疗前后的症状总分改变量不能反映疗效的问题了。在例17-1中，几乎所有的受试者在第36周的ALT测量值都属于正常范围，因此ALT观察值在正常范围内的波动属于个体变异，与药物的疗效关系不太大。因此，用治疗前后的ALT改变量作为评价指标就不能较好地反映临床治疗效果，如果两组的治疗前的观察值平均水平是无统计学意义的，则用各个时点的ALT观察值反映药物治疗能使受试者的ALT达到何种水平和范围就有较好的临床意义。(67)连续型定量变量如何引入回归模型?连续型定量变量若直接以定量变量形式引入方程，对于定量变量与logit π呈线性的情况下，可以减少信息损失，减少方程增设哑变量个数，增大检验效能，但当该变量与logit π没有近似线性关系时，反而导致参数估计误差加大，甚至结果无法解释。所以，对于这种情况，一般采用离散化的方法，以哑变量形式引入模型。离散化类别的个数一方面要依据专业知识，另一方面要根据样本量及拟纳入方程分析的自变量个数确定。(68) 如何建立好的回归模型?研究者通过统计软件，采用逐步前进法或后退法，逐个入选或剔除自变量，建立logistic回归模型。这种作法从统计学意义上无可厚非，但是统计回归模型的生命力在于解决实际问题，回归模型必须要“工作”。从应用角度看，完全依赖统计软件筛选自变量，建立回归模型的作法有片面性。要将专业经验与统计学原理、方法相结合，认真筛选进人方程的自变量，以建立好的统计回归模型。当采用统计学与专业知识结合的方法，筛选进人方程的自变量还不满意时，可以考虑对常用logistic回归方程进行必要的修改，如方程中增加变量的二次项或相关自变量的交互项等，使拟合方程更加符合客观实际。(69) 如何计算有交互效应时的优势比?以只有两个自变量的logistic方程为例。没有交互效应的模型(即主效应模型)为logit π=β0+β1X1+β2X2。如果考虑X1, ,X2。间存在一阶交互效应，模型表达式为logit π=β0+β1X1+β2X2+β3X1X2，当因素X1增加一个单位，即=X1+1，其他条件不变时的优势比为。一般要讨论不同的X2取值，检验β1+β3X2=0的问题。如X2= 0，则OR1=exp(β1)，检验H0: β1=0；如X2 =1，则OR1=exp(β1+β3)，检验H0: β1+β3=0。因此，有交互效应时X1的优势比不是一个常数，它还取决于另一因素的状况(自变量X2取值)。

一、学习生物要领问题1：生物要记吗?爱智康刘伸琴老师：必须要记，不论哪个学科，识记都是第一步的，想想你小时候学1 1=2，也还要记好几遍呢。问题2：老师为啥不回我啊，我想找做笔记的方法啊啊啊爱智康刘伸琴老师：不好意思啊，刷屏太快了，老师没看见。做笔记的话，首先你得有个笔记本。开个玩笑。做笔记的正确姿势：①标题要统一，比如说细胞的分子组成是一级标题;那么有机物和无机物就是二级标题，蛋白质、核酸就是三级标题等等，这样是为了便于理解知识点之间的包含关系;②格式要清晰，比如说标题顶格写，内容要缩进，这样的目的是为了层次分明，复习的时候好找到位置;③要有区分度，对于一些重点、难点、易错点要用不同颜色的笔进行标注，这样的目的，你肯定是知道的，为了醒目啊。祝学习顺利!问题3：老师您好，生物如何提高呢?爱智康刘伸琴老师：高考60分是一个大部分学生通过努力都能拿到的一个分数，首先，基础题不要丢分，比如说选择题的大部分，基本就是考查书上知识点识记的，这部分背下来就能做对，不要丢分。第二，填空题的头两问一般也是问基础知识点，这部分也是背下来就能得分。这两部分的分都拿到，你起码有40多分了。信息题部分有一部分是比较基础的推导，如果你基础知识点都能拿到40多分，基础推导一般来说也能得大部分的分，60分就有了。问题4：考试的时候总是错一些特别不应该错的减了好多分，一看就知道怎么错的 怎样避免不必要的失分呢爱智康刘伸琴老师：考试不要太着急，不要看着题目相似想当然就觉得是在考查某个点，一定要好好读完题目再作答。问题5：当初开始复习生物的必修一时觉得自己很有感觉，而现在对生物的热情和自信度下降得很厉害。老师您有什么胶囊可以帮帮我吗?爱智康刘伸琴老师：蓝瘦，香菇胶囊。继续战斗吧，少年。必修一除了代谢和分裂，其他部分靠识记的较多，建议每天背一点。分裂和代谢把过程背熟，大部分题型也是没有问题的。问题6：高考考纲规定生物考试范围多大?爱智康刘伸琴老师：每个省会略微有些差别，大体上相同，考试范围为必修1、2、3和选修1、3。问题7：请问如何能学好生物呢爱智康刘伸琴老师：生物是门实验类学科，需要识记的现象和生理过程较多，被称为是理科中的文科，虽然要取得需要很多条件，但是识记永远是第一位的。建议先从基础做起，把该背的背了，做好了第一步，咱们再来谈进阶的事情。问题8：学习生物这个学科有什么要注意的吗?爱智康刘伸琴老师：生物这个学科就得靠背，背得越熟越好，背下来了，分数就上去了。问题9：生物怎样学爱智康刘伸琴老师：生物作为一门实验类学科，需要识记的知识点较多，第一点一定要背，背是王道，背了才能推理，背了基础题的分都有了。先把第一步做到，咱们再来谈谈后面的事情。问题10：老师我生物现在35分，高考想打70现在应该怎么做爱智康刘伸琴老师：先抓基础，把那些背了就可以得分的地方先掌握，比如说细胞分子组成、细胞的结构、生命活动调节部分等都属于背下来就能做对的地方，在高考里面考频也很高，分值也高，何不从这些地方入手。问题11：高考生物该做多长时间，怎样提速呢?爱智康刘伸琴老师：像北京理综生物是5道选择 3道填空，一般是建议学生控制在35分钟，平时练习，建议控制在30分钟。想提速的话平时练习一定要计时，遇到不会做的要懂得舍弃。问题12：生物专业科研方面哪些较好呢爱智康刘伸琴老师：一般来说分子生物学、生物化学、基因研究所等都不错，总体来说植物方面做农作物育种的较多，动物方面做基础研究和疾病治疗的较多，微生物方面做药的较多，跨学科的生物物理、生物信息也都不错，关键看你想学什么。问题13：请问老师生物记不住，知识太繁琐，咋办爱智康刘伸琴老师：一遍记不住，那么请多记两遍。经过调查发现，记不住一般有2个原因，一是记的次数不够多;二是记的时候不用心。不论是前者还是后者，都涉及到学习习惯和态度的问题，你要先问问自己愿不愿意为了学好生物放弃你玩的时间或者是别的时间。如果你肯定以及一定愿意，那么记住是迟早的事情。问题14：老师，我现在成绩不好，挺着急的，请问我该怎么提高我的成绩爱智康刘伸琴老师：这么看来基础很需要加强，建议各科先抓基础。生物的基础题主要考背和练，把该背的背了，比如说各种细胞器的功能，把该练的练了，比如说模块练习题，历年期中试卷题。先做到这些，基础分拿到手，成绩也就上去了。问题15：老师，我现在高二，生物不及格，对生物没兴趣，还能提升吗爱智康刘伸琴老师：只要努力，什么时候都不晚。你才高二，现在努力完全来得及。没有兴趣，如果有目标，为了这个目标去奋斗也行。问题16：想要研究生物高考生物要多少分爱智康刘伸琴老师：自己研究是一种锻炼自学的能力，是非常值得支持的一件事情。请一定要坚持做下去，不要流于想法。问题17：实验题不知道应该看什么，无从下手，咋办爱智康刘伸琴老师：实验题的正确解题步骤：①找实验目的;②找自变量因变量;③找实验组对照组。接着分析实验结果就可以答题了。找准方法，答题不难。二、遗传问题问题18：染色体的对条个的区别爱智康刘伸琴老师：1对染色体=2个染色体(染色体用个数表示，一般不用条表示，单位啊)，如果是染色体上包含姐妹染色单体，则1对染色体=2个染色体=4个姐妹染色单体，问题来了，等于几个DNA?等于几条脱氧核苷酸链?问题19：比如2n=8是什么意思爱智康刘伸琴老师：2代表有2个染色体组，n代表一个染色体组有4条染色体。问题20：连续分裂的细胞是什么意思?比如一个细胞分裂成了两个，这两个又可以继续有丝分裂成四个，那么原来的这个细胞就是连续分裂的细胞吗?如果这个细胞分裂后的两个中，有一个分化了而另一个能继续分裂或者两个都分化了，那么这个细胞只能进行第一次分裂，它还算连续分裂的细胞吗?爱智康刘伸琴老师：比如一个细胞分裂成了两个，这两个又可以继续有丝分裂成四个，那么原来的这个细胞是连续分裂的细胞。如果这个细胞分裂后的两个中，有一个分化了而另一个能继续分裂，原来的细胞还是叫能连续分裂的细胞。连续分裂指的是只要这个细胞的后代能在继续有丝分裂，即为连续分裂。问题21：是否无论分裂哪个期只要有几对一样的染色体就有几个染色体组?爱智康刘伸琴老师：是几个，不是几对。比如说二倍体生物有丝分裂后期长一样的染色体有4个(2对)，那么是四个染色体组，而不是2个喔。问题22：关于DNA标记题有哪些公式呢请分下类，谢谢爱智康刘伸琴老师：首先，对公式进行分类不是一个科学的学习方法，关于DNA标记问题，考点永远在DNA复制和分裂这一部分，你所有的计算都是围绕这两个点进行考查的，与其总结那么多公式，不如好好理解考点，掌握解题的方法才是最关键的。关于这一块的计算题型虽然较多，比如说考查复制需要核苷酸的问题，标记DNA或者标记的染色体的占比问题又或者是标记的脱氧核苷酸链数问题，所有的计算都离不开DNA的半保留复制，你理解了半保留复制，所有的题目都迎刃可解。至于具体公式，我看得出来你是会的。还是建议，背那么多公式，不如掌握知识点的本质，以不变应万变。问题23：DNA2n=8被标记后复制两代后子细胞所含被标记的有几个爱智康刘伸琴老师：首先，你的题目信息不全，我们暂定为一开始DNA的两条链都是被标记的，置于不含放射性原料的培养基中培养。接下来你得看是什么分裂，如果是有丝分裂，则为0~8条，若为减数分裂，则为4条。问题24：是否无论分裂哪个期只要有几对一样的染色体就有几个染色体组?爱智康刘伸琴老师：数染色体组数不用看时期，只需数一样的就可以，这个点是对的。问题25：有大液泡的植物细胞为什么不能分裂呢?还有大液泡和液泡有什么区别?液泡只存在哪里?爱智康刘伸琴老师：有大液泡的细胞标志着这个细胞成熟了，也就是长大了，成熟了的细胞是不能再分裂和分化的，就像人长大了就不能再长高和发育了一样。大液泡顾名思义就是很大的液泡，一般成熟的植物细胞有中央大液泡。液泡没有只存在这个说法，液泡通常是植物细胞和酵母菌有，动物细胞一般没有。问题26：有丝分裂间期的DNA复制和蛋白质合成的时间先后顺序是如何的?爱智康刘伸琴老师：有丝分裂的间期又分为G1(蛋白质合成)、S(DNA复制)和G2(蛋白质合成)三个时期，蛋白质合成是贯穿始终的，只有S期主要进行DNA复制。问题27：所有植物的叶肉细胞都不能分裂吗爱智康刘伸琴老师：在高中生物，认为叶肉细胞是高度分化的体细胞，不能进行分裂和分化了。问题28：为什么说单倍体生物体细胞没有同源染色体?爱智康刘伸琴老师：这么说是不准确的。单倍体指的是由配子直接发育而来的个体，比如说六倍体小麦的花粉，通过花药离体培养，得到的就是单倍体。但是这个单倍体是有3个染色体组，是有同源染色体的。问题29：有丝分裂和减数分裂看得我想吐都记不住.做题感觉复习的知识都记不起来.求告诉我有丝分裂和减数分裂做题技巧看着就头疼爱智康刘伸琴老师：做题技巧一定是要针对不同的题型的，如果要说通用的技巧，那就是一定要看清楚横纵坐标。

本文转载自【微信公众号：社科学术圈，ID:shkxquan】经微信公众号授权转载，如需转载与原文作者联系一、社会科学的研究步骤在每一个环节都需要理论的指导。其中，在检验研究假设结束之后，需要与现有的文献对话，再次发现新问题，开始新一轮的研究过程。在这个环节之中，资料分析作为重要一环，对于社会科学的研究极为重要。二、资料分析的方式分类教育研究包含多样化的研究方法及分类。一般情况下，按照认识论基础，研究方法可以分为定量研究、定性研究和混合研究。也有部分学者按照研究目的、手段等对研究方法进行分类。比如别敦荣和彭阳红将研究方法分为：理论思辨、经验总结、历史研究、调查研究、比较研究、数学分析、质的研究和个案研究；在国内，根据刘良华对研究方法的分类大体上有三个基本类型：实证研究（量化的、质化的）、思辨研究（又称理论研究）、实践研究（常以教育对策、教育反思、教育改革形式显现）。实证研究是基于“事实”的方式进行论证并有规范的研究设计和研究报告。陈向明指出，“研究方法”一般包含三个层面：第一，方法论，即指导研究的思想体系，其中包括基本的理论假定、原则、研究逻辑和思路等；第二，研究方法或方式，即贯穿于研究全过程的程序与操作方式；第三，具体的技术和技巧，即在研究的某一阶段使用的具体工具、手段和技巧等。文中所采取的分类是按照陈向明定义中的第三个层面为标准进行的分类。在实际的研究过程中大多数时候是以一种研究方法为主，其他为辅，交叉使用的。以下内容是介绍每一种具体的方式。那么资料搜集上来了？该如何分析呢？三、具体的资料分析方式01.思辨分析（1）历史研究方法历史研究法是运用历史资料，按照历史发展的顺序对过去事件进行研究的方法。亦称纵向研究法，是比较研究法的一种形式。在政治学领域中，它着重对以往的政治制度、政治思想、政治文化等的研究。历史研究的目的在于解决政治制度的现状及其演变趋向。但不是断章取义地分析政治制度的现状，而是系统地研究它们以往的发展及其变迁的原因。历史研究法主要是研究政治制度的发展历史，从各种事件的关系中找到因果线索，演绎出造成制度现状的原因，推测该制度未来的变化。（2） 比较研究方法比较研究法就是对物与物之间和人与人之间的相似性或相异程度的研究与判断的方法。比较研究法可以理解为是根据一定的标准，对两个或两个以上有联系的事物进行考察，寻找其异同，探求普遍规律与特殊规律的方法。按属性的数量，可分为单向比较和综合比较。按时空的区别，可分为横向比较与纵向比较。按目标的指向，可分成求同比较和求异比较。按比较的性质，可分成定性比较与定量比较。按比较的范围，可分为宏观比较和微观比较。（3）文献研究方法文献研究法主要指搜集、鉴别、整理文献，并通过对文献的研究形成对事实的科学认识的方法。文献法是一种古老而又富有生命力的科学研究方法。文献法的一般过程包括五个基本环节，分别是：提出课题或假设、研究设计、搜集文献、整理文献和进行文献综述。文献法的提出课题或假设是指依据现有的理论、事实和需要，对有关文献进行分析整理或重新归类研究的构思。研究设计首先要建立研究目标，研究目标是指使用可操作的定义方式，将课题或假设的内容设计成具体的、可以操作的、可以重复的文献研究活动，它能解决专门的问题和具有一定的意义。02.话语分析话语分析作为一种专门的学科研究对象的出现，特别是在法语领域的出现，一般来说，是语言学发展过程中，特别是自20世纪60年代末以来，必然会出现的现象。这个新领域与语言学保持着复杂的关系，而这种关系又是经济被重新定义的。话语分析作为一种活动，正如它的内涵一样，它存在的前提是：特殊对象的生成、观念系统的状态、新颖恰当的研究对象的方法论的框架系统的状态。批评话语分析（critical discourse analysis）,以下简称CDA是当代语言学研究的一个新兴分支。批判话语分析的主要方法：系统功能语法分析、语篇体裁交织性分析、话语历史背景分析。例如：如果有一部有关第三世界的纪录片始终把第三世界的穷人当做及物动词性的宾语，那就必然给读者、听着留下这样的印象：穷人是被动的牺牲品，而不是斗争的参与者。例如：对何人使用何种称谓，体现着作者（讲话者）的态度。情态是人际功能的体现形式之一，主观情态反应话语生成者与陈述者的亲近性，而客观情态则模糊了个体和团体的观点。03.内容分析内容分析法：是一种对于传播内容进行客观，系统和定量的描述的研究方法。其实质是对传播内容所含信息量及其变化的分析，即由表征的有意义的词句推断出准确意义的过程。内容分析的过程是层层推理的过程。内容分析法的信度指两个或两个以上的研究者按照相同的分析维度，对同一材料进行评判结果的一致性程度，它是保证内容分析结果可靠性、客观性的重要指标。ROST content mining是一款免费的大型内容分析研究性工具平台，主要功能包括：辅助各学科进行研究，协助完成文本分析和内容分析方面的研究，凡是需要分析论文、微博、博客、论坛、网页、书籍、聊天记录、电子邮件、本地文本类格式文件、数据库中各类文本字段的学科，都可以使用本软件，分析方法目前支持：分词、字频统计、词频统计、聚类、分类、情感分析（含简单和复杂）、共现分析、同被引分析，依存分析、语义网络、社会网络、共现矩阵等分析方法。04.质性研究一种在社会科学及教育学领域常使用的研究方法，通常是相对量化研究而言。质性研究实际上并不是一种方法，而是许多不同研究方法的统称，由于他们都不属于量化研究，被归成同一类探讨。其中包含但不限于民族志研究，人类学研究，论述分析，访谈研究等。（1） 民族志研究民族志，是一种写作文本，是人类学独一无二的研究方法，是建立在人群中田外野地工作基础下第一手观察和参与之上的关于习俗的撰写。民族志内容主要为相关人的访问内容、档案记录的检视、与衡量与访问内容的可信度，从此内容，可找出特定团体与组织之间的关联，并为关心大众以及专业的同行撰写整个故事的来龙去脉。而民族志学家则记录人们的日常生活。研究的焦点放在人类思想和行为中较可预测的型态上。为了真实纪录，1930年代后，民族志的产生通常需要相当冗长时间的实际体验。（2） 口述史研究口述史亦称口碑史学。口述史在国际上是一门专门学科，即以搜集和使用口头史料来研究历史的一种方法，或由此形成的一种历史研究方法学科分支。1948年，美国哥伦比亚大学的艾伦内文斯（Allan Nevins）教授在该校创立了口述史研究中心，第一次使用了“口述史”这个概念。标志着现代口述史学术领域的成立口述历史是通过有准备、以音像设备为工具的采访，记述人们口述所得的具有保存价值和尚未得到过的原始资料。（3） 行动研究行动研究是一种适合于广大教育实际工作者的研究方法。它既是一种方法技术，也是一种新的科研理念、研究类型。行动研究是从实际工作需要中寻找课题，在实际工作过程中进行研究，由实际工作者与研究者共同参与，使研究成果为实际工作者理解、掌握和应用，从而达到解决问题，改变社会行为的目的的研究方法。它是一种行动研究理论与实践相结合，在于资料收集、合作探讨、自我反省、多方总结最后解决问题的方法；一种主题明确、思路清晰的解决问题的方法。（4） 扎根理论研究扎根理论研究法是由哥伦比亚大学的AnselmStrauss和BarneyGlaser两位学者共同发展出来的一种研究方法。是运用系统化的程序，针对某一现象来发展并归纳式地引导出扎根的理论的一种定性研究方法。（5） 个案研究个案研究(case study)也称个案调查。对某一特定个体、单位、现象或主题的研究。这类研究广泛收集有关资料，详细了解、整理和分析研究对象产生与发展的过程、内在与外在因素及其相互关系，以形成对有关问题深入全面的认识和结论。个案研究的单位可以是个人、群体、组织、事件或者某一类问题，由此而产生人员研究个案，各生活单位或社会团体个案、传播媒介个案，以及各种社会问题个案等。（6） 文本分析从文本的表层深入到文本的深层，从而发现那些不能为普通阅读所把握的深层意义。新批评细读法“新批评”细读法不是一种自我感兴趣的印象式批评，而是一种“细致的诠释”，是对作品作详尽分析和解释的批评方式。其操作过程大致分为以下三个步骤：首先是了解词义，然后是理解语境，再次是把握修辞特点。叙述学分析法叙述是人类社会性活动中的一个重要部分。“叙述学”分析法，主要是故事分析(包括故事序列分析，故事类型分析等等)，与叙述视角分析(包括叙述者的人称、位置、可信度；叙述者的声音、叙述的速度等)。05.社会网络分析社会网络分析用于描述和测量行动者之间的关系或通过这些关系流动的各种有形或无形的东西,如信息、资源等。根据分析的着眼点不同,社会网络分析可以分为两种基本视角：关系取向和位置取向。关系取向关注行动者之间的社会性粘着关系,通过社会联结本身——如密度、强度、对称性、规模等——来说明特定的行为和过程。位置取向则关注存在于行动者之间的、且在结构上相处于相等地位的社会关系的模式化(patterning),它讨论的是两个或以上的行动者和第三方之间的关系所折射出来的社会结构,强调用“结构等效”来理解人类行为。06.引文分析引文分析法，就是利用各种数学及统计学的方法进行比较、归纳、抽象、概括等的逻辑方法，对科学期刊、论文、著者等分析对象的引用和被引用现象进行分析，以揭示其数量特征和内在规律的一种信息计量研究方法。引文分析的主要内容：引文年代分析、引文量分析、集中和离散规律分析、引文类型分析、引文语种分析、引文国别分析。引文分析的主要作用是：测量学科的影响和重要性、研究学科结构、研究学科信息发布、确定核心期刊、研究文献老化规律等。07.统计学分析（1） 统计描述它研究如何用科学的方法去搜集、整理、分析经济和社会发展的实际数据，并通过统计所特有的统计指标和指标体系，表明所研究的社会经济现象的规模、水平、速度、比例和效益，以反映社会经济现象发展规律在一定时间、地点、条件下的作用，描述社会经济现象数量之间的关系和变动规律，也是进一步学习其他相关学科的基础。（2） 方差分析方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”或“F检验”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显著影响的变量。（3） 二元相关因果关系分析方法之一种。二元线性回归分析法是在一元回归基础上的延伸,式中y是因变量；x1、x2是自变量；a、b1、b2是回归系数。二元线性回归法适用于分析有两个主要自变量的预测，一般运用计算机进行计算。（4） 元分析元分析(meta-analysis)统计方法是对众多现有实证文献的再次统计，通过对相关文献中的统计指标利用相应的统计公式，进行再一次的统计分析，从而可以根据获得的统计显著性等来分析两个变量间真实的相关关系。元分析程序输入参数包括：各个观察到的相关系数(已有研究文献中变量间的相关计分析，从而可以根据获得的统计显著性等来分析两个变量间真实的相关关系。（5） 多元回归“多元回归”在工具书中的解释：1、研究一个依变量、依两个或两个以上自变量的回归。2、亦称为多元线性回归,是反映一种现象或事物的数量依多种现象或事物的数量的变动而相应地变动的规律。3、建立多个变量之间线性或非线性数学模型数量关系式的统计方法。在肥料试验中广泛应用。（6） 多元变量分析多元分析，是指同时考虑多个反应变量的统计分析方法。其主要内容包括两个均值向量的假设检验、多元方差分析、主成分分析、因子分析、聚类分析和典范相关分析等。（7） 因子分析因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。（8） 主成分分析主成分分析（Principal Component Analysis，PCA），将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析。实际课题中，为了全面分析问题，往往提出很多与此有关的变量(或因素)，因为每个变量都在不同程度上反映这个课题的某些信息。主成分分析首先是由K.皮尔森对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。主成分分析作为基础的数学分析方法，其实际应用十分广泛，比如人口统计学、数量地理学、分子动力学模拟、数学建模、数理分析等学科中均有应用，是一种常用的多变量分析方法。（9） 聚类分析聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。（10） 非参数检验非参数检验(Nonparametric tests)是统计分析方法的重要组成部分，它与参数检验共同构成统计推断的基本内容。参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法。但是，在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，此时参数检验的方法就不再适用了。非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验。（11） 结构方程模型结构方程模型（Structural·Equation·Modeling, SEM）是社会科学研究中的一个非常好的方法。该方法在20世纪80年代就已经成熟，可惜国内了解的人并不多。在社会科学以及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量(即潜变量)，这些都是传统的统计方法不能很好解决的问题。20世纪80年代以来，结构方程模型迅速发展，弥补了传统统计方法的不足，成为多元数据分析的重要工具。

蛋白互作技术蛋白质是生物功能最直接的执行者，虽然一些蛋白质可以独立的完成他的使命，但是大部分的蛋白都是需要一些伴侣分子的协助一起完成任务或者形成复合物之后才能充分发挥他的功能。所以，了解蛋白质与蛋白质之间的相互作用，能够帮助我们更好的了解细胞的生命活性，揭示隐藏在表象下的调控机理。经典的蛋白互作研究方法主要包括三个：酵母双杂交、免疫共沉淀、GST-pull down。1. 酵母双杂交技术：主要用来进行互作蛋白的筛选，缺点就是假阳性较高，所以需要进行结果验证，一般可采用免疫共沉淀或GST-pull down实验进行验证。2. 免疫共沉淀：是以抗体和抗原之间的专一性作用为基础的用于研究蛋白质相互作用的经典方法。是确定两种蛋白质在完整细胞内相互作用的有效方法。当细胞在非变性条件下被裂解时，完整细胞内存在的许多蛋白质－蛋白质间的相互作用被保留了下来。当用预先固化在argarose beads上的蛋白质A的抗体免疫沉淀A蛋白，那么与A蛋白在体内结合的蛋白质B也能一起沉淀下来。再通过蛋白变性分离，对B蛋白进行Western blot检测，进而证明两者间的相互作用。3. GST pull-down实验：是一个行之有效的验证酵母双杂交系统的体外试验技术。其基本原理是先构建靶蛋白-GST融合蛋白载体，然后进行体外表达及纯化。将得到的靶蛋白-GST（Glutathione-S-transferase谷胱苷肽巯基转移酶）融合蛋白亲和固化在谷胱甘肽亲和树脂上，充当一种“诱饵蛋白”，然后将目的蛋白溶液过柱，可从中捕获与之相互作用的蛋白，将目的蛋白洗脱下来，通过SDS-PAGE电泳及western blot分析证实两种蛋白间的相互作用。以上三种方法是比较经典的研究筛选和验证蛋白互作关系的方法。但是也存在一定局限性。酵母双杂交可以大规模的筛选未知的互作蛋白，但是假阳性高，免疫共沉淀及pull down只是对已知的蛋白互作关系进行验证，不能发现新的未知蛋白。免疫沉淀-质谱联用IP-MS技术随着蛋白质组学技术的发展，将免疫亲和与质谱技术结合产生的IP-MS技术则逐渐显示出他的优势。原理是以细胞内源性靶蛋白为诱饵，将靶蛋白抗体与细胞总蛋白进行共孵育，促进免疫复合物的形成；随后加入能够与抗体结合的protein-A/G（预先结合固化在琼脂小珠上），形成”结合蛋白-靶蛋白-靶蛋白抗体-proteinA/G小珠”复合物，纯化该复合物凝胶电泳分离蛋白，应用质谱分析鉴定靶蛋白的结合蛋白。免疫共沉淀与质谱结合，不仅能验证已知蛋白的相互作用，而且还可以鉴定与目标蛋白互作的未知蛋白，为科学研究提供全新的实验思路。北京百泰派克生物科技有限公司提供蛋白互作，GST pulldown，免疫共沉淀及IP-MS相关服务，欢迎垂询！资料来源：网络资料图片来源：百泰派克生物【biotech-pack】