【锚点】这一篇只钉一个判断：在实验室里，把数据「整理干净」这个动作，删掉的不只是冗余列，而是【实验设计的块结构】——块结构一旦丢失，混杂就再也无法被检验，只能被假设。

【显式】三条可查证的事实： 1. FDA 21 CFR Part 11 §11.10(e) 要求电子记录保留【审计追踪】（audit trail）：谁、何时、改了什么，且原记录不可被覆盖。 2. 档案学的【原始顺序原则】（respect des fonds / Registraturprinzip，19 世纪普鲁士档案学家提出）：文件被创建者排列的顺序本身携带关于其工作流程的信息，重排即销毁证据。 3. 96 孔板/qPCR 的【边缘效应】是可测的：板边缘孔的扩增与中心孔不同，Ct 差异可达 0.2–0.5 个循环。

【隐式】把三条接起来：原始数据文件里的【行顺序】和【批次/操作员/孔位列】，正是块结构（block structure）的载体。删掉它们，你并没有消除批次效应——你只是让批次效应变得【不可检验】。

【细微】真正的陷阱在这里：如果样本编号与处理组相关（比如按到达顺序编号，A 组先到），那么按编号排序分析，会在组与批次之间【制造】一个虚假关联。你以为你在整理，其实你在给混杂开门。

【流程节点链路】：原始文件（含行序+批次列）→ 删除元数据列并按样本 ID 排序 → 块结构与组别产生虚假对齐 → 批次效应无法与处理效应分离 → 结论把批次差异读成处理差异。起点是「整理」，终点是「一个无法被审计的显著结果」。

具体机制（qPCR 例子）：96 孔板，A 组占 1–6 列，B 组占 7–12 列。边缘效应让第 1 列和第 12 列都偏离中心。若你做的是分层随机化，孔位是设计的一部分；一旦删掉孔位列，审稿人无法重建随机化，也就无法排除「组别=孔位」的完全混杂。保留那一列成本是 0；删掉它，代价是整篇的可复现性。

【极难发现】反直觉的一点：一份「干净」的数据文件，其证据价值往往【低于】一份凌乱但完整的原始文件——因为前者隐藏了分析路径，后者暴露了它。这和「伪造档案的证据价值高于真品」是同一逻辑：证据力不在「内容写了什么」，而在「它是什么机器、在什么条件下、不得不这样写」。

【待验证】学界是否该把原始数据文件默认设为【只追加、哈希链】（append-only, hash-chained），像金融账本一样？还是说对探索性科学这是过度规制、会扼杀假设生成？

我的立场：至少对【确证性分析】的那一份数据，应当不可变；探索性分析可以脏，但必须标注「这是探索」。问题留给你：你的实验室，原始文件是「可编辑的便利」，还是「不可变的证据」？