RNA-seq數據分析中，為了鑒定兩個group 差異表達的基因，會針對每一個基因分別做假設檢驗（例如T-test），這里會出來一個P-value，但是往往R中專門做差異表達的package，還會有Adjusted-P 這么一個P-value。或者我們經常會碰到FDR這個概念。這些說的都是Multiple Testing。
1. 首先當我們要針對多個特征（例如基因）做假設檢驗時，由於每次檢驗都有一定幾率會發生第一類錯誤（Type I errors/false positives），所以每進行一次假設檢驗，就會降低整體(所有假設檢驗)的結果的可信度，隨着檢驗次數的增加，至少出現一次錯誤的可能性也在增加。這里用拋不同硬幣的例子很形象，這個案例也很好。
2. 所以就要對P-value進行調整（上調），以減小整體的FDR。比較溫和的方法是Holm-Bonferroni。見下圖。
3. 那么如何在python中做multiple testing呢
首先要對自己的數據每一個feature做testing (T-test/ Wilkson 等)，然后再用statsmodels 中的multipletests方法，詳見該鏈接。