统计分析计算器
这一类的难点从来不是算，是选。
不知道该用哪个就先开统计检验选择器： 按数据类型、组数、配对与否走一遍，它会告诉你落在哪个检验上，以及为什么。
最常见的错误有三个，每一个都有对应的工具：
- 多重比较不校正。做 20 次检验，光靠运气就有一次 p < 0.05。 FDR / Benjamini-Hochberg 校正处理这件事； 组学数据里这不是可选项。
- 对不满足正态的数据用 t 检验。样本量小的时候正态性检验本身也没什么把握， 这时非参数检验更稳。
- 把相关当成效应。相关系数给的是共变程度， Pearson 只抓线性、Spearman 抓单调；而 R² = 0.9 和「有意义」之间没有必然联系， n 很小的时候高 R² 尤其廉价。
做实验之前还有一件该做的事：样本量估算。 事后算出来的 power 说明不了任何问题，事前定的样本量才有意义。
组学相关的几个单列：log₂FC、富集检验、 RNA-seq 归一化、ΔΔCt。 它们背后仍然是上面那几条原则，只是换了语境。
统计分析
多重检验校正在线计算：BH (FDR)、BY 与 Bonferroni
粘贴一列 p 值，一次得到 BH 的 q 值、BY 与 Bonferroni 校正值，三者并列对照。
qPCR 2^-ΔΔCt 相对定量在线计算
粘贴 Ct 表，自动算 ΔCt、ΔΔCt、相对表达倍数与组内离散度。
基因列表交集并集差集在线计算（Venn 集合运算）
粘贴 2–3 组基因/ID 列表，一键得到交集、并集、各自独有，含去重与大小写归一。
log2FC 与倍数变化 (Fold Change) 在线互转
log2FC ↔ 倍数、上调下调百分比，附常用阈值对照表。
标准曲线线性回归与未知样本反算（BCA / Bradford / ELISA）
粘贴标准品浓度与读数，得到斜率、截距、R²，并反算未知样本浓度。
测序深度与数据量在线计算（Lander-Waterman）
在测序深度、reads 数、数据量与基因组大小之间双向换算。
两组比较样本量估算（t 检验 / 比例检验）
按效应量、显著性水平与把握度，估算每组需要多少样本。
群落多样性指数在线计算（Shannon / Simpson / Chao1）
粘贴物种丰度表，算出 Shannon、Simpson、均匀度与 Chao1 丰富度估计。
富集显著性检验在线计算（超几何分布 / Fisher 精确检验）
输入背景基因数、通路基因数、列表长度与重叠数，算出 p 值、富集倍数与期望重叠。
qPCR 扩增效率与 Pfaffl 相对定量在线计算（标准曲线斜率求 E）
用系列稀释的 Ct 拟合标准曲线，算扩增效率 E 与 R²；再按 Pfaffl 公式做效率校正的相对定量。
RNA-seq 表达量归一化在线计算：RPKM / FPKM / TPM 互算
粘贴基因的 read 数与长度，一次算出 RPKM / FPKM 与 TPM，并直接看出 TPM 合计为 100 万而 RPKM 不是。
t 检验在线计算：独立样本 / 配对样本 / 单样本（含 Welch 校正）
粘贴两组数即可算出 t 值、自由度、双尾 p 值、均值差置信区间与 Cohen's d，默认用 Welch 校正。
单因素方差分析在线计算（含两两比较与多重校正）
三组及以上均值比较，给出 F 值、方差分析表、p 值与 η²，并可做两两比较（Bonferroni 或 BH 校正）。
Mann-Whitney U 与 Wilcoxon 符号秩检验在线计算
偏态数据或等级资料的两组比较，给出 U/W 统计量、精确或近似 p 值、效应量，并提示该样本量下最小可能的 p。
卡方检验与 Fisher 精确检验在线计算（含 OR / RR）
列联表独立性检验，给出 Pearson 卡方、Yates 校正与 Fisher 精确 p 值，2×2 表另给优势比与相对危险度及置信区间。
相关系数在线计算：Pearson、Spearman 与 Kendall
一次算出三种相关系数与各自的 p 值，给出 Pearson 的置信区间与 r²，并在结果异常时提示离群点或非线性。
统计检验怎么选：按数据类型、组数与配对关系对照
回答三个问题就能定下用哪种检验：比数值还是比比例、有几组、是否配对。每一行直接链到对应工具。
米氏方程 Km 与 Vmax 计算（非线性拟合 + 三种线性化对照）
输入若干组底物浓度与反应速率，用非线性拟合求 Km 与 Vmax，并把 Lineweaver-Burk、Hanes-Woolf、Eadie-Hofstee 三种线性化的结果并排列出——它们的分歧本身就是数据质量的读数。
IC50 / EC50 四参数拟合计算器（含数据可信度检查）
输入若干组浓度与响应，用四参数 logistic 拟合 IC50/EC50、Hill 斜率与两端平台，并检查浓度有没有铺到平台、固定斜率会让结果偏多少——这两件事比 R² 重要。