如果从定量的角度去研究细胞的时候，尽管细胞的遗传背景是相同的，即便是在同一个组织中，细胞内蛋白质表达水平、细胞的大小和胞内结构是不尽相同的，因此，这种随机的可变性被称为细胞内噪声。这些明显的随机差异有着重要的生物学和医学意义。

细胞内噪声通常描述在基因的表达层面，比如细胞内或者细胞间某些基因产物的浓度或者拷贝数。因为基因表达水平对细胞的很多特征具有重要的作用，包括细胞的物理特征、对刺激的响应和处理信息的能力等等，基因表达存在差异这种特性已经被证明对细胞具有重要的意义。

定义细胞内噪声最常用的是变异系数（coefficient of variation）。

${\displaystyle {\mathrm{\eta <!--\; \eta \; -->}}_X=\frac{{\mathrm{\sigma <!--\; \sigma \; -->}}_X}{{\mathrm{\mu <!--\; \mu \; -->}}_X},}$

其中，${\displaystyle {\mathrm{\eta <!--\; \eta \; -->}}_X}$是在一定数量下的${\displaystyle X}$所对应的噪声，${\displaystyle X}$, ${\displaystyle {\mathrm{\mu <!--\; \mu \; -->}}_X}$是数值X对应的平均值，${\displaystyle {\mathrm{\sigma <!--\; \sigma \; -->}}_X}$是${\displaystyle X}$的标准差。这种测量方法是没有单位的，因为它只是对噪声的重要性做一个相对的比较，所以就没有必要知道知道它的绝对含义。

其它定量的方法是数学上的Fano因子（英语：Fano factor）：

${\displaystyle F_X=\frac{{\mathrm{\sigma <!--\; \sigma \; -->}}_X^2}{{\mathrm{\mu <!--\; \mu \; -->}}_X}.}$

标准化后的方差是：

${\displaystyle N_X={\mathrm{\eta <!--\; \eta \; -->}}_X^2=\frac{{\mathrm{\sigma <!--\; \sigma \; -->}}_X^2}{{\mathrm{\mu <!--\; \mu \; -->}}_X^2}.}$

细胞噪声通常被细分成内部噪声和外部噪声两类。内部噪声指的是在一个细胞内起响应的元件的数量差异，比如在一个细胞中，两个基因在相同的条件下，仍有着表达量的差异。而外部噪声描述的是不同的单个细胞在相同条件下，特定基因的表达所具有差异。这两种噪音可以通过双荧光报告系统（dual reporter studies）进行研究，比如将绿色荧光蛋白和黄色荧光蛋白（英语：Yellow fluorescent protein）在同样的条件下，用成像的手段去进行研究。