“Sample size is too small.” 这句话没有告诉你该补几个样本，也不意味着每组 3 个样本的研究一律无效。真正的问题是：现有样本能不能支撑文章正在讲的那个结论。探索性地提出候选信号，与宣称一种可推广的诊断方法，证据要求不同。
先回答一个容易被忽略的问题：这里的 3，是 3 位独立受试者，还是同一份样本测了 3 次？如果是后者，先纠正重复单位，再讨论功效。不能把重新建库、加测一条 lane，或同一个人的多个技术处理，当成新招募了受试者。
把“补救”分成有用和没用两类
| 想做的事 | 可能解决什么 | 不能解决什么 |
|---|---|---|
| 补充独立生物学样本 | 增加对个体间变异的观察 | 不能自动修复新的批次与分组混杂 |
| 提高测序深度 | 在适用情况下改善表达测量 | 不能变出更多独立受试者 |
| 报告效应量及不确定性 | 让读者看清结果精度 | 不能把宽区间说成已得到确定结论 |
| 做合理的敏感性分析 | 检查个别样本和分析选择的影响 | 不能据此挑出最显著的一组结果 |
| 增加技术重复 | 检查测量重复性 | 不能按独立生物学重复计算 n |
关于 RNA-seq 重复数量的实验研究可以帮助理解重复数如何影响结果，但其中的建议有特定物种、实验设计和效应条件。不能把文献中的一个数字搬过来，就宣布自己的临床队列“样本量足够”。
没有新样本时，先做这三个核对
第一，核对样本质量与排除标准。发现一个离群点，不等于可以删掉它。看它是否有明确的实验或质控原因；如果只是删掉后 P 值更小，就不能据此排除。把保留与合理排除后的结果作敏感性对照，报告两者差异。
第二，不只展示显著基因名单。针对文章核心主张，展示效应方向、大小及可估计的不确定性。多个样本是否一致，还是一个样本把均值拉动了？读者需要看到散点或样本层面信息，而不只是柱状图。
第三，区分探索与验证。已有样本得出的候选结果，可以为后续验证提供假设；但同一批样本换一种统计方法再得到显著，并不是独立验证。没有足够证据的推广性表述，要从标题、摘要到讨论一起调整。
样本量说明怎么写才不空
若做下一阶段设计，应结合主要终点、目标效应、变异估计、错误率和实际研究结构开展功效或精度规划，并把假设列出来。不要用观察到的显著结果倒推一个好看的“事后功效”，来替代对不确定性的讨论。
We acknowledge the limited number of independent biological replicates ([n] per group). We have added [actually completed diagnostics/sensitivity analysis] and now report [effect estimates and uncertainty] in [location]. Because these data do not establish [unsupported claim], we have revised the conclusion to [supported exploratory statement]. [Describe additional samples only if actually obtained.]
这是可修改的写作框架，不是对你的研究结果的陈述；未完成的工作不得写成已完成。
返修时，最有价值的并不是一句“样本量符合既往研究”，而是一份能对上正文的证据清单：独立样本是谁、主要效应多大、结果有多不确定、结论因此保留到哪一步。
参考与更新
本文的处理步骤为编辑整理的实践建议，需结合研究设计判断；示例不是客户案例，表格不包含虚构实测数据。
云生信 · 审稿与返修系列 · 内容核对日期 2026-10-06。我们会根据方法文档和使用反馈持续修订；欢迎通过官网反馈不准确或不清楚的地方。
