单次检验：为控制假阳性率，设置假阳性率阈值（α）为0.05，p<0.05即认为差异显著。
多重检验：多次统计检验会增加总体的的假阳性率。例如，比较两组样本的1000个基因，每个检验的显著阈值还定为0.05的话，总的假阳性率最大有可能接近0.05*1000=50，即1000个显著差异基因中有50个是假阳性的。为了控制总体的假阳性率，需要对多重检验中单个检验的显著性进行校正。常用方法：
（1）Bonferroni校正法，进行了多少次检验，单次阈值（称为校正α，或α’）=0.05/检验次数n，这样总体的假阳性率（n×α’）控制在0.05以下。但这种方法在检验次数较多时阈值过于严格，1000次检验的α’=0.05/1000=0.00005。
（2）FDR法/q-value法：False discovery rate (FDR)即错误发现率。如进行了1000次检验，为了将1000次检验总体的错误发现率控制在一个阈值（如0.05）以下，将单个检验获得的原始p值及其在1000个检验的p值中的秩次通过Benjamini and Hochberg法（BH法）计算校正后的p值，使用该校正p值（也称q-value）与FDR阈值（0.05）进行比较，判断显著性。
