1. 向資料庫插入的數據不重復，如何用Java做驗證
String name = xx(這里寫你獲取到的准備插入的name的值)
select name from (這里寫你的表名) where name = xx;
ResustSet rs = （執行上句話生成結果集）
if(rs.next()){ (這里寫發現重復時的操作)
]
else{ （這里寫正式的插入語句）
}
2. 有兩組基因差異表達數據（一組對照一組暴露）無生物學重復。請問各位高手如何進行分析，可否進行統計分析
統計分析適用地方 必須要有供統計分析的數據
沒有重復，也可以統計分析兩組差異數據各自表達基因特點：豐度、多樣性、與環境因素相關度。。。。
3. RNA-seq沒有生物學重復 被審稿人argue怎麼辦
一般一篇RNA-seq類的文章，其結論主要涉及兩個方面的問題。對於文章中結論中涉及的具體與某個性狀相關的基因，還是建議你把與結論重要的相關基因使用Qpcr驗證一遍，然後就有底氣回復了：「雖然沒有重復，Qpcr的結果支持我的關注的這些基因嘛」。（比如我們之前就分享了一篇大牛的文章，只有2個重復的lncRNA，通過多種後期實驗驗證發了8分的文章，戳這里查看）如果你的文章重點討論的是某些通路或一類基因集合，全部Qpcr驗證一遍工作量太大，不現實啊。
還有一個辦法，去資料庫查找類似的研究數據來支持我們的結論。例如，華南農大周碧燕教授今年剛剛發表的研究超氧化物對荔枝退化葉影響的文章（查看文獻解讀戳這里~）。雖然設計了重復，審稿人依然不過癮：能不能再找些證據？在和周教授協商後，我們從NCBI下載了一篇研究超氧化物對擬南芥影響的文章的數據。在進行分析比較後，我們發現擬南芥差異表達基因幾乎在荔枝的差異基因中都能找到同源基因。於是，審稿人就再也不提這個問題了。如果是醫學類的項目，找到同類數據應該理論上也更加容易。
當然，如果要發表5分以上的文章，建議還是設置生物學重復比較保險一些。以上的策略，也只能保證能夠應答大部分審稿人的質疑，但有時候也會遇到死揪不放的審稿人。那麼，額，還是撤稿換投吧，說不定知音就在下一家雜志社喲。
4. 數據列不能有重復值的數據校驗怎麼設置
假設你的數據在A列,在B1輸入公式
=countif(A:A,A1)
這個公式是求出A1中的數據在A列出現次數
將B1公式向下復制,分別求A列各個數據在A列出現的次數
這時,B列出現次數大於1的,都是有重復的！
5. C#中判斷資料庫里有沒有相同信息，如果沒有則進行插入等操作
您好，這種情況是因為您插入了重復的數據，所以導致資料庫不能夠添加。
以後您如果再遇到類似的問題，可以按照下面的思路去解決：
1、發現問題:往往生活在世界中，時時刻刻都處在這各種各樣的矛盾中，當某些矛盾放映到意識中時,個體才發現他是個問題，並要求設法去解決它。這就是發現問題的階段。從問題的解決的階段性看，這是第一階段，是解決問題的前提。
2、分析問題:要解決所發現的問題，必須明確問題的性質，也就是弄清楚有哪些矛盾、哪些矛盾方面，他們之間有什麼關系,以明確所要解決的問題要達到什麼結果，所必須具備的條件、其間的關系和已具有哪些條件,從而找出重要的矛盾、關鍵矛盾之所在。
3、提出假設:在分析問題的基礎上，提出解決問題的假設,即可採用的解決方案,其中包括採取什麼原則和具體的途徑和方法，但所有這些往往不是簡單現成的，而且有多種多樣的可能。但提出假設是問題解決的關鍵階段，正確的假設引導問題順利得到解決,不正確不恰當的假設則使問題的解決走彎路或導向歧途。
4、校驗假設:假設只是提出n種可能解決方案,還不能保證問題必定能獲得解決，所以問題解決的最後一步是對假設進行檢驗。不論哪種檢驗如果未能獲得預期結果，必須重新另提出假設再進行檢驗，直至獲得正確結果，問題才算解決。
6. java 判斷數據是否有重復的
把數據加入集合，比如List，可以用contains()方法查詢集合中是否包含當前數據。比如：
List<String>list=new ArrayList<String>();
list.add("abc");
.....
if(list.contains("jkf")) //如果集合中有"jkf",則返回true
如果是要剔除重復數據，加入Set中，會自動剔除重復數據。
7. 兩組基因差異表達數據（一組對照一組暴露）無生物學重復。用什麼統計方法分析單因素方差分析可以嗎
肯定不是單因素方差分析，要考慮T檢驗，不是獨T 就是配對樣本T檢驗，在追問握把 你具體的對照和暴露是什麼意思 是測量前後還是有相關關系還是相互之間沒有影響
8. 沒生物學重復的轉錄組數據以什麼為准
為什麼轉錄組要做生物學重復？
在回答上面的這個問題前，請允許我先引入一個類比。
現在有個項目對中國人和日本人的身高進行一個調查研究，設計一個實驗來確定中國人的身高和日本人的身高是否有差異？如何設計這個實驗？
身高是一個數量性狀，在一個種群內它的分布應該是以一個平均值為中心向兩側延伸類似於泊松分布，如下圖所示：
如果想比較中國人的身高和日本人的身高這個問題，把中日兩國所有的人都抓過來測定一下身高，然後計算平均值和標准方差後，進行統計比較兩個群體是否有差異，這是最准確和理想的方案，但是因為經費的原因不現實。
只能退而求其次，對群體進行隨機抽樣得到小的樣本集，以這個小的樣本集代替原來的整個群體，假設對中日兩國人各進行隨機抽樣1000個，然後測定身高，得到兩個樣本集合C1和J1（身高的數據），然後可以對此進行生物統計學分析，比較兩個種群的身高是否有差異？
現在如果我對每個種群只取一個樣本，中國人1個樣本，日本人1個樣本，然後以這兩個樣本的身高數據進行比較，從而確定這兩個群體的身高是否有顯著差異？這種方案相信所有的人都會立即否定，這明顯不靠譜，因為只是隨機抽了一個樣本，由此得到的結論根本站不住腳。如果我對每個群體選擇1000個樣本，先計算這1000個樣本的平均值，然後通過比較平均值來確定兩個群體是否有差異，這個方案明顯不行，1000個樣本的平均值比起1個樣本來說接近這個群體的平均值的概率高，但是其實本質都是一次取樣，無法進行統計學分析。
如果我對中日兩國的人先按照地區進行抽樣，每個地區選擇10個人，取其平均值作為該地區的代表樣本，這樣每個地區有一個樣本，中日兩個群體也會有很多樣本，這種做法是否可取？這種做法的問題在於：不同地區的人數目不同，身高不同，以地區的平均值代表該地區的平均身高，然後將不同地區的人匯聚起來計算，這樣忽略了人口數目的權重，從而導致整個群體的平均身高被拔高或者降低，最後得到的結論也是不可靠的。
現在開始進入正題，假設我要通過轉錄組測序的方法比較擬南芥葉片在陽光下和黑暗中基因表達的差異，找到與光反應有關的基因，我希望自己得到的這個結論是可靠的，在所有的擬南芥中這個結論都成立。
那麼陽光下的擬南芥作為一個群體，黑暗中的擬南芥作為一個群體，現在開始設計實驗，可以直接模仿上面的實驗設計方式來進行實驗。
（1）採用窮盡的方式將所有的樣本都拿來做，這根本不可能。
（2）對兩個群體進行隨機抽樣，每個群體抽樣數目至少>3個，理論上選擇更多會更好，但是也要考慮經費的限制，抽樣的樣本數目太少，直接不行。通過這種方式對每個群體>3個樣本進行轉錄組測序，然後篩選出差異基因，就算是這樣差異基因的後續驗證仍然是必須的。
（3）每個群體選擇1個樣本測序，篩選差異基因，至少對於有參考基因組的擬南芥來說這樣其實是不行的，因為隨機選擇的1個樣本，不能代表這個群體的特徵，由此篩選得到的差異基因並不是這兩個群體的差異基因。
（4）那如果每個擬南芥群體選擇10個樣本提取RNA，然後等量混合得到2個樣本代表2個群體，這樣是對10個樣本的基因表達量取了平均值，但是這10個樣本其實也不能代表這個群體，而且混樣之後的平均值其實就是相當於取了一個樣本，由此得到的差異基因同樣不可信。
（5）如果擬南芥黑暗和光照條件下，各取30個樣本，每10個樣本等量混合成一個樣本，那麼黑暗和光照條件下每組仍然有3個混合樣本進行轉錄組測序，據此篩選差異表達基因，應該是很有代表性了，我個人感覺這種方法會比每組3個樣本的效果好一點。