Wet Lab Experimental Logic
湿实验科研逻辑基础
从组学候选出发，学习如何用实验单位、对照、扰动、靶点触达、测量、重复、救援和证据边界构建可检验的机制链。
- INPUT
- Raw images · Plate exports · Sample metadata
- OUTPUT
- Experimental design · Quantified assay · Bounded mechanism claim
- FIGURES
- Western Blot · SuperPlot · Dose Response · Rescue Plot
学完这一章，你应该能够
点击勾选不是“完成任务”，而是对自己的理解做一次承诺。
组学线索为什么还不是机制结论？
表达、可及性、空间定位和通路富集帮助缩小候选范围；实验验证通过主动干预建立反事实比较。
观察到 Gene X 总和疾病一起升高，只能说它们同行。实验要问：主动降低 Gene X，结果是否随之改变；重新恢复 Gene X，结果能否回来？
Perturbation introduces an intervention contrast. Target engagement, phenotypic response, rescue and orthogonal validation progressively constrain alternative explanations.
计算关联提供候选，不提供干预反事实。
同时声明：若靶点已下降但表型不变，假设受到削弱。
让不同结果对应不同解释，而不是只寻找支持。
湿实验科研逻辑基础：先建立全局地图，再进入细节
从实验单位、模型、扰动和测量出发，把组学关联推进为有边界的功能证据。
湿实验中真正独立的 N 是什么？
独立接受干预的动物、患者来源培养物或独立实验批次才支撑推断；孔、视野和技术重复通常嵌套其中。
同一锅汤舀十勺仍是一锅，不是十次独立烹饪。
类比只帮助理解，不作为科研证据。- 1区分 biological 与 technical replicate
- 2图上的点应保留层级结构
NIH 将 scientific rigor 定义为对设计、方法、分析、解释和报告的严格应用，并强调适当对照、偏倚控制、生物变量和认证。
好假设必须说明什么结果会让它变弱
不要从“验证 Gene X 的机制”开始；先写清模型、干预、比较、主要结局和替代解释。
计算关联提供候选，不提供干预反事实。
同时声明：若靶点已下降但表型不变，假设受到削弱。
让不同结果对应不同解释，而不是只寻找支持。
从组学候选到有边界机制结论的 18 步链条
点击任一节点，检查 WHY、INPUT、PROCESS、OUTPUT、PARAMETERS、QC、COMMON ERROR 与 NEXT。
Experimental Unit
实验单位
统计 N 必须对应独立接受干预的生物实体。
统计 N 必须对应独立接受干预的生物实体。
模型、干预实施方式
区分生物学单位、技术重复和观测值
明确的 N 与层级结构
图上有多少点，不等于实验的 N 是多少
N 来自独立接受干预的生物实体；孔、细胞、视野和重复读数通常是嵌套观测。
阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。
区分 biological unit、experimental unit 与 observational unit 可以直接暴露伪重复；错误地把观测数当 N 会夸大证据。
对照不是一个组，而是一张替代解释矩阵
每一种对照回答不同问题：递送有没有效应、检测是否工作、背景多大、扰动是否特异。
Vehicle control
- 它控制什么？
- 隔离溶剂、递送材料或转染过程本身的效应。
- 缺少会怎样？
- 无法判断表型来自目标试剂还是载体过程。
- 实例
- DMSO、transfection reagent only
有扰动，不代表已经有靶点触达
剂量、持续时间、递送效率和毒性共同决定你究竟改变了什么。
恢复目标，表型是否一起回来？
阶段 2 / 4：Knockdown。 Knockdown：target 28%、phenotype 46% —— 目标下降与表型下降同时发生。
- 可以支持
- 目标下降与表型下降同时发生。
- 仍不能证明
- 仍可能来自 off-target、毒性或递送效应。
阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。
Rescue 为什么比重复一次 knockdown 更接近特异性？
在 3 次独立实验中，扰动使预设 readout 平均下降 42% [95% CI 31%–53%]；恢复目标后回升至对照的 91%，形成可量化的干预—恢复链。
恢复目标，表型是否一起回来？
阶段 2 / 4：Knockdown。 Knockdown：target 28%、phenotype 46% —— 目标下降与表型下降同时发生。
- 可以支持
- 目标下降与表型下降同时发生。
- 仍不能证明
- 仍可能来自 off-target、毒性或递送效应。
测量必须先证明自己能测，再用于证明生物学
qPCR、blot、流式或成像都需要特异性、线性范围、阴阳性对照与预定义结局。
阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。
MIQE 要求公开 qPCR 样本、引物、效率、参考基因、分析和报告信息；housekeeping gene 也必须在当前条件中验证。
Western blot：先检查身份与线性，再比较灰度
切换三个模拟条件，观察线性曝光、饱和曝光与不稳定 loading control 如何改变解释。
62 kDa
protein
阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。
可靠定量需要针对每个目标用稀释系列验证动态范围；抗体特异性应通过遗传、正交、独立抗体、标签或免疫捕获等策略建立。
归一化参考也可能被处理改变
总蛋白或 housekeeping protein 都不是自动正确；需要验证稳定性、共同线性范围和跨 blot 可比性。
62 kDa
protein
阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。
常见 loading-control proteins 可能随组织或处理变化；total-protein normalization 提供一种可验证的替代方案，但仍需检查线性和转膜质量。
Figure 应同时显示细胞内变异和实验间重复
技术观测可以保留，但效应推断必须回到独立实验单位。
SuperPlots 将技术观测与独立实验均值放在同一 Figure 中，使读者能同时检查实验内变异与跨实验可重复性。
随机化、区组和盲法保护的是比较，而不是形式
目标是避免处理组与日期、孔位、笼位、操作者、成像参数或主观圈选重合。
使用可复现的分配规则，避免挑选进入处理组。
让每个实验日、板或笼位尽量同时包含各条件。
编码样本，直到 QC、圈选与量化规则完成后解盲。
排除规则独立于结果方向，并报告缺失与失败。
阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。
ARRIVE 2.0 的 Essential 10 将研究设计、样本量、纳入排除、随机化、盲法、结局和统计方法放入最低报告核心。
一张机制 Figure 如何从假设反向追到实验单位？
切换 A–D Panel，检查设计、原始 blot、重复结构和 rescue 证据，并反向追踪到模型与假设。
From candidate gene to a bounded perturbation claim
MedResearch Atlas Teaching Dataset · 3 independent cultures · 2 technical observations each
实验参数改变的不只是信号强弱，也改变解释资格
剂量、曝光、抗体、参考信号、N 与区组都必须由问题和验证数据判断，而不是复制固定数字。
Experimental design schematic
- 回答
- 哪些单位接受了什么处理和对照？
- 误读
- 漂亮箭头不能替代随机化、盲法和 N 的说明。
Western blot
- 回答
- 特定分子量附近的抗体信号是否随条件改变？
- 误读
- 条带强度只有在线性范围、特异性和归一化成立时才能比较。
SuperPlot
- 回答
- 细胞内变异与独立实验间一致性如何？
- 误读
- 大量细胞点不能把三个独立实验变成数百个 N。
Dose-response
- 回答
- 效应是否随暴露变化并与毒性分离？
- 误读
- 单一高剂量不能区分靶向效应与非特异应激。
Rescue plot
- 回答
- 恢复目标是否逆转扰动表型？
- 误读
- rescue 构建体的表达量、定位和自身效应也需控制。
Paired donor plot
- 回答
- 同一供体在处理前后的变化是否一致？
- 误读
- 忽略配对会丢失设计信息并夸大不确定性。
Time course
- 回答
- 靶点触达与表型出现的时间顺序是什么？
- 误读
- 时间先后仍不自动等于完整因果机制。
Orthogonal assay
- 回答
- 另一种测量原理是否复现同一方向？
- 误读
- 同一抗体换一个曝光不是正交验证。
湿实验最常见的 8 个推断错误
沿 Error → Consequence → Better Thinking 检查错误如何从设计传播到 Figure 和结论。
机制证据在哪个模型、剂量和时间内成立？
干预增强因果解释，但外推仍受模型、靶点特异性、测量和生物层级限制。
结果可以支持什么？
在指定模型、剂量与时间下，干预与表型变化相联系
靶点触达先于或伴随主要结局改变
第二扰动、正交检测或 rescue 提高目标特异性解释
独立生物学重复中效应方向与大小具有可复核性
不能单独证明什么？
单一体外模型足以代表患者疾病全过程
一个抗体条带即可证明目标身份与分子机制
统计显著即可排除所有 off-target、毒性与偏倚
模型内干预效应自动等于人群中的治疗因果效应
用五个判断题检查实验推断
重点不是记住实验步骤，而是识别真正 N、对照、线性范围、特异性和外推边界。
从同一瓶细胞分到 6 个孔，其中 3 孔对照、3 孔处理；若处理在孔层面施加，最稳妥的 N 解释是？
siRNA 处理后目标蛋白下降且迁移能力下降，哪一步最能增强“表型由目标特异下降导致”的解释？
Western blot 中目标和 GAPDH 都接近饱和，最合理的处理是？
为什么 vehicle control 不能总被 untreated control 替代？
体外 knockdown + rescue + 正交检测一致，最合适的结论是？
把候选基因压缩成一条可复核实验链
每个结论都应能沿 Figure → Measurement → QC → Units → Perturbation → Model → Hypothesis 反向追踪。
Data
数据怎样产生与变化
Method
每一步为什么存在
Figure
结果怎样被看见
Evidence
结论能够走多远
参考与数据声明
本页所有 blot、SuperPlot、剂量、表型和 rescue 数值均为固定种子的原创教学模拟，不代表真实患者、细胞系或动物研究结果。教程讲解实验逻辑，不替代所在机构的伦理审批、生物安全培训、标准操作规程或专业统计咨询。
参考文献与进一步阅读
References 支撑本章论断；Further Reading 负责下一步学习。两者不混为一谈。
实验设计与重复
支撑实验单位、随机化、盲法、样本量与透明报告。
Enhancing Reproducibility through Rigor and Transparency
National Institutes of Health. NIH Grants & Funding, 2024.
为什么推荐：NIH 严谨性、偏倚控制和透明报告框架。
查看原文What exactly is 'N' in cell culture and animal experiments?
Stanley E. Lazic, Charlie J. Clarke-Williams, Marcus R. Munafò. PLOS Biology, 2018.
为什么推荐：区分真正 N、技术观测与伪重复。
DOI 10.1371/journal.pbio.2005282 PMID 29617358 PMC5902037 查看原文The ARRIVE guidelines 2.0: Updated guidelines for reporting animal research
Nathalie Percie du Sert, Viki Hurst, Amrita Ahluwalia, ARRIVE Working Group. PLOS Biology, 2020.
为什么推荐：动物研究 Essential 10 与完整报告项目。
DOI 10.1371/journal.pbio.3000410 PMID 32663219 PMC7360023 查看原文SuperPlots: Communicating reproducibility and variability in cell biology
Samuel J. Lord, Katrina B. Velle, R. Dyche Mullins, Lillian K. Fritz-Laylin. Journal of Cell Biology, 2020.
为什么推荐：同时展示技术观测与独立实验均值。
DOI 10.1083/jcb.202001064 PMID 32346721 PMC7265319 查看原文检测与验证规范
支撑 qPCR、抗体和 Western blot 测量边界。
The MIQE guidelines: Minimum information for publication of quantitative real-time PCR experiments
Stephen A. Bustin et al.. Clinical Chemistry, 2009.
为什么推荐：qPCR 最低信息、效率和参考基因验证。
DOI 10.1373/clinchem.2008.112797 PMID 19246619 查看原文A proposal for validation of antibodies
Mathias Uhlén et al.. Nature Methods, 2016.
为什么推荐：抗体验证的五类概念策略。
DOI 10.1038/nmeth.3995 PMID 27595404 查看原文Total protein analysis as a reliable loading control for quantitative fluorescent Western blotting
Samantha L. Eaton et al.. PLOS ONE, 2013.
为什么推荐：total-protein loading control 的实验依据。
DOI 10.1371/journal.pone.0072457 PMID 24023619 PMC3758299 查看原文A defined methodology for reliable quantification of Western blot data
Sean C. Taylor, Thomas Berkelman, Geetha Yadav, Matt Hammond. Molecular Biotechnology, 2013.
为什么推荐：定量 blot 的线性范围与稀释系列。
DOI 10.1007/s12033-013-9672-6 PMID 23709336 PMC3840294 查看原文