p-value是通过T检验产生的一个参数，它代表了两组样本之间的差异性。

一般来说，当p-value<0.05时，我们认为这两组样本差异显著。

一般情况下，看p-value即可判断样本差异性，但是事实情况并非如此。

有时候我们会在样本中发现许多0值，然后少量其它值，这种情况就会对p-value的可靠性造成影响，往往这种情况p-value会很显著，但很明显这样不符合现实。这种时候我们就需要对p-value进行校正，校正的流程这里不细说了，我们可以简单理解为，p-adjust是用来判断p-value是否可信的一个参数，它来自于p-value，但是相对于p-value可信度更高。这样我们就可以知道，在同时有p-value和p-adjust时，我们应该选择p-adjust用来作为显著性的阈值。

q-value另有一些区别，它也来自于p-value。q-value可以简单理解为表示p-value产生假阳性的概率，当q-value < 0.05时，p-value显著的假阳性小于0.05。