qRT-PCR是一种相对表达定量的方法，他的计算方法有很多，常用的相对定量数据分析方法是KJ Livak（Applied Biosystems）等人在2001年提出的“比较Ct法相对定量”，即：利用ΔCt值差异来推算基因表达差异（Ct目的基因 – Ct内参基因 = ΔCt），该方法的具体计算方法请参见文章：qRT-PCR相对定量计算详解。

一般在相对定量的最终结果中，样本间的差异是以表达差异倍数（Fold change）来展现的，如下图：

那么样品间基因表达差异倍数多少则可以认为有差异呢？回答此问题，我们需要明确差异该如何去定义！

如何定义差异：

说道差异大家首先想到的肯定是生物学上的差异，例如同一基因在两个样品间的表达差异倍数，一般这个倍数从1.2、1.5、2倍都是可以的（转录组里面一般是按2倍作为筛选指标，小编觉得1.2、1.5也是可以接受的）。

另一方面，我们也应考虑随机误差，因为我们无法消除误差，看上去完美的数据也有可能是随机误差造成的，所以，我们在关注生物学差异之外，还要考虑统计学差异。

以上两种差异都是客观上存在的，我们当然是希望数据差异是由实验处理造成的，但随机误差又是客观存在的，所以随机误差发生的概率越小越好。

如何衡量随机误差？

P值（P-value），想必大家都不会陌生，它是用来判定假设检验结果的一个参数，说直白点就是P值代表了一种可能性，衡量的是随机出错的概率。在统计学中，一般要求P值小于0.05；如果P-value=0.05，意味着我们的实验结果有5%的概率是随机误差引起的。 

我们经常用到这样的论述p