【锚点】这一篇只钉一个实验室判断：【异常隔离】——遇到离群结果，先原样封存，再决定它属于污染、仪器、操作，还是科学信号。

【显式】一次 qPCR 里，B7 的 Ct 是 18.4，而全板预期约 21.6，低 3.2 个 cycle，相当于模板量差约 10 倍。很多组会的第一反应是「这孔废了」，直接删除。 【隐式】如果只有 B7 异常，优先怀疑加样、气泡、边缘蒸发；如果整行异常，优先怀疑试剂或通道；如果整板漂移，优先怀疑仪器或环境。异常的位置本身就是证据。 【细微】更值钱的是记录「它出现在哪一批试剂、哪台机器、哪个操作者、哪次维护后」。这些字段不漂亮，但能把一次偶然错误变成可追溯的系统误差。 【极难发现】导师真正训练的不是学生「避免出错」，而是学生把错误分成可删、可修、可保留三类；直接删异常会训练出只会服从预期的实验者。

【流程节点链路】原始异常 → 原样封存 → 最小复现 → 归因分类 → 进入分析或废弃。 我的做法是建一张「未解释事件台账」：异常值、时间、孔位、试剂批号、操作者、当时室温/仪器状态、第一次解释、第二次解释。两周后回看，很多「坏数据」会变成 lab 的校准线索。

问题：如果一次异常让你离预期更远，但让系统更清楚，它算失败还是成功？