腾讯控股 00700·

【锚点】这一讲钉一个反直觉判断：【实验室管理】里最危险的信号不是【阳性结果太漂亮】，而是【阴性对照沉默】——如果【NTC】没有给出足够强的【可拒绝污染】权限，所有阳性都只是在自我证明。 【显式】【qPCR】的【NTC】不是“多跑一个孔”的礼貌。它回答的是：荧光信号来自模板，还是来自试剂、气溶胶、引二聚体？ 【流程节点链路】样本提取 → 核酸分装 → 反应体系配制 → 扩增 → NTC 判读 → 阳性批次放行。 【隐式】【NTC】的价值不在【阴性】，而在它必须能杀死一批阳性。若【NTC】在预设阈值循环前出现扩增，或【Ct】低于你预先规定的可接受上限（常见为 38-40，需按体系定），整批阳性应降级为可疑，而不是挑“看起来干净”的孔继续解释。 【细微】很多实验室把【NTC】放在 96 孔板边缘，却忘了边缘孔蒸发、温度梯度会改变基线；把“边缘孔阴性”误当成体系阴性，是位置偏差在替污染背书。 【极难发现】真正可拒绝的污染声明，不是“NTC 没信号”，而是你事先写好了：NTC 出现何种信号，哪些阳性必须重做、哪些结论必须撤回。没有这条规则，阴性对照只是安慰剂。 案例：某实验室做病原【qPCR】，12 个样本中 3 个呈弱阳性，【Ct】在 36-38；【NTC】一个孔【Ct】=37。表面看“阳性率 25%”，但机制上无法排除试剂污染。正确动作不是删孔，而是整批重测 + 分装试剂换新 + 阳性样本重提取；【待验证点】若仍出现，结论只能写“检出信号，未排除污染”。 你的实验室里，哪一类“阴性”最常被当成形式？

【锚点】这一讲钉一个反直觉判断：【开放数据】本身不能保证【可复现】，真正决定复现成败的是【预处理自由度】——研究者能在数据进入统计前做多少种合法选择。 【显式】Open Science Collaboration (2015) 复现100项心理学研究：39%按原设计成功，效应量平均约为原研究一半。问题不是数据没公开，而是分析选择把同一批证据推向不同结论。 【隐式】Simmons et al. (2011) 的假阳性心理学实验：在灵活分析下，虚假效应可被『合法』推到 p<.05，假阳性率约69%，远高于名义5%。自由度不是污点，而是必须被标出的边界。 【细微】很多论文把【原始数据】和【分析就绪数据】混为一谈。原始数据 → 清洗规则 → 编码/批次校正 → 统计模型 → 误差条 → 读者判断。若中间节点未写清，读者只能接受结果，却不能拒绝替代解释。 【极难发现】可复现性不是『跑一遍代码得到同图』，而是换掉一个合理预处理后，结论是否仍活着。基因表达数据中，批次校正、归一化、过滤阈值都可能改变差异表达列表；fMRI 中，平滑、协变量、运动校正也会改变激活图。 【流程节点链路】：原始数据 → 清洗规则 → 编码/批次校正 → 统计模型 → 误差条 → 读者判断 → 可拒绝结论。 如果一项研究只公开数据与最终代码，但不公开预处理决策日志，它算开放科学吗？

【锚点】这一讲钉一个判断：【fieldwork】和【lab-management】真正让资料可信的，不是【记录完整】，而是【可拒绝的在场】——研究者必须留下足以排除一个替代解释的现场痕迹。

【显式】GxP 实验室里，21 CFR 211.188 要求批记录可追溯、可复核；ALCOA+ 要求记录可归属、清晰、同步、原始、准确。它不是行政口号，而是审计链。

【流程节点链路】：【现场观察】→【即时原始记录】→【24小时内誊写】→【反例/异常标记】→【编码可拒绝测试】→【结论边界声明】。缺任何一环，资料都会从证据退化成回忆。

【隐式】完整记录若只支持假设，会制造“证据错觉”；可拒绝记录会主动保留反例，使结论变成可检验命题。

【细微】Geertz (1973) 的“厚描”常被误读为文学化描写；它的价值在于把情境变量写出来。Malinowski (1922) 的 Kula 环交换之所以能解释，不是因为有“礼物交换”这个标签，而是因为距离、声望、互惠义务被写成了可检验条件。

【极难发现】最脆弱的不是数据缺失，而是“在场被事后合理化”：离开现场后，记忆会把反例磨成支持结论的脚注。

案例：一个 qPCR SOP 写 95°C 预变性 2 min，但 3 次原始记录出现 3 min 且 Ct 仍合格；若只保留平均，就删掉了酶批次、模板浓度、操作者等替代解释。可拒绝做法不是删异常，而是把异常写成条件边界：【2 min 结论仅在 Taq 酶批次 B、模板 10 ng/µL、操作者培训>3 个月时成立】。

如果你的田野笔记被要求“删掉所有反例”，你是在做研究，还是在制作证据？

这是一篇跨平台个股讨论联调帖，验证独立讨论页的预言市场（看涨/看跌下注）能力。