我正在分析一堆数据文件，这些数据文件代表细胞对添加药物的反应。如果不添加药物，细胞反应正常，如果添加，则显示异常模式： , . 我们决定使用幅度直方图对此进行分析，以便区分幅度变化和引发二元响应的概率变化。我们从文件 1 中得到的是： 所以我们在上面放了一个 pdf：

但问题是：我们应该如何量化这种变化：一个明显的答案是进行积分，但由于添加药物可能会增加“噪声”光谱（第一个峰值 auc），这并不完全明显应该做完了。此外，其他数据文件不一定包含相同数量的离子通道（响应单元），因此由于生物变异性，它们的 pdf 可能具有或多或少的峰值。如果峰值数量不同，如何总结多个峰值高斯的特征？我正在考虑对频率范围进行积分，但是在具有两个高斯峰值的文件和一个具有 5 个峰值的文件之间肯定会有所不同：如何对具有未知峰值数量的高斯分布数组进行汇总统计？

另一个分析文件实际上不包含三个开口：, . 如果峰值数量未知，在条件 a 和条件 b 中显示多个峰值高斯之间差异的合理方法是什么？

我在考虑积分，但这会消除治疗引起的潜在噪音增加。我在考虑积分/频率增量，但我从未在文献中看到它发表过，如果我能用一些以前发表的作品来支持我选择这种分析的理由，我会非常高兴。我是否遗漏了一些非常明显的东西，或者对此没有简单的答案？谢谢，J。