1. 实验设计总论
分子生物学实验的本质，是在一个高度复杂的生物体系中，通过有限次测量去推断某个特定分子事件是否存在、强弱如何、受谁调控。由于核酸、蛋白、细胞乃至个体之间存在天然异质性，任何一次操作都会同时引入多类变异来源。实验设计的价值，就是让“我们想观察的差异”在噪声中仍然可被识别，并且能被他人重复。本节围绕四个核心问题展开：实验要回答什么、变量如何分层控制、对照如何设置、可重复性如何保证。
一、核心要素：从科学问题到可测量信号
一个可执行的分子生物学实验，至少包含五个要素：明确的科学假设、可测量的读出信号、受控的样本与试剂、合理的对照体系、可统计的重复结构。假设必须能落到具体分子对象上，例如“处理组中 GAPDH mRNA 相对对照组下调 2 倍以上”，而不是“处理会影响细胞代谢”。读出信号要与假设直接对应：qPCR 的 Ct 值、Western blot 的条带灰度、荧光报告基因的强度、测序的 reads 计数，都是把分子事件转成数值的桥梁。
样本与试剂是变异的物理来源。细胞代次、汇合度、血清批次、RNA 提取的 A260/A280、逆转录酶的批号，都会影响最终读数。因此实验设计的第一步不是“开始做”，而是把关键参数写成可核查的清单：细胞来源与代次、处理浓度与时间、裂解方式、提取试剂盒型号、仪器型号与软件版本。这些信息决定了实验能否被复现。
二、变量控制：自变量、因变量与混杂因素
变量控制的核心是区分三类量。自变量是实验者主动改变的，如药物浓度、siRNA 靶点、温度、时间。因变量是被测量的结果，如 mRNA 相对表达量、蛋白条带强度、细胞活力。混杂因素是不希望改变却可能影响结果的量，如细胞密度、培养基批次、操作者、孵育时间。控制混杂因素的方法有三类：随机化分配、配对设计、分层分析。例如比较两种转染试剂时，应让同一批细胞、同一代次、同一 DNA 量分别接受两种试剂，而不是一批细胞用一种试剂、另一批用另一种。
剂量与时间的选择也需要设计。以药物处理为例，若只做一个浓度，无法判断效应是饱和还是线性；通常先做 3～5 个浓度梯度的预实验，找到 EC50 附近区间，再在正式实验中选取低、中、高三个点。时间点同理，应覆盖早期响应与平台期。这样得到的不是单点结论，而是剂量—效应或时间—效应关系，结论更稳健。
三、对照设置：让“差异”有参照系
对照是分子生物学实验的骨架。没有对照，任何信号都无法解释。常见对照可分为以下几类：
- 空白对照：不加处理、不加模板或不加抗体，用于判断背景信号。例如 qPCR 的 NTC（无模板对照）用于监测试剂污染。
- 阴性对照：加处理但预期无效应，如 scramble siRNA、空载体、同型抗体。它回答“这个操作本身会不会产生信号”。
- 阳性对照：已知能产生效应的样本，用于验证体系是否正常工作。如已知高表达样本、已知诱导剂。
- 内参对照：用于校正上样量或提取效率差异，如 qPCR 的 ACTB、GAPDH，Western blot 的 β-actin、GAPDH。
- 技术重复与生物学重复：技术重复反映同一样本内的测量误差，生物学重复反映样本间的真实变异。两者不能互相替代。
对照设置的关键是“一一对应”：每一个可能影响结果的步骤，都应有对应的对照来排除它。例如做 ChIP-qPCR 时，需要 IgG 对照排除非特异结合，需要 input 对照校正染色质起始量，需要无抗体对照排除珠子背景。缺少任何一项，富集信号都可能被误读。
四、可重复性原则：从一次成功到稳定复现
可重复性不是“再做一次也一样”，而是“在明确记录的条件下，独立重复能得到方向一致、统计支持的结果”。它依赖三件事：足够的重复数、合理的统计方法、完整的过程记录。生物学重复通常建议 n≥3，若样本异质性大，应增加到 n≥5。统计上，qPCR 常用 ΔΔCt 法，需报告均值、标准差与检验方法；Western blot 需报告灰度定量与归一化方式。
过程记录应包含：实验日期、操作者、试剂批号、仪器编号、原始数据文件路径、异常现象。这些信息在结果异常时是排查依据，在论文投稿时是补充材料。可重复性还要求“盲法”与“随机化”在可能时使用，例如由不知分组的人员进行图像采集或条带定量，减少主观偏差。
示例：一个可复现的 qPCR 实验设计框架
假设研究药物 X 对 GAPDH mRNA 的影响。设计如下：细胞接种于 6 孔板，每孔 2×105 个，培养 24 h 后换含 0、1、5、10 μmol/L 药物 X 的培养基，处理 12 h。每组设 3 个生物学重复，每个生物学重复做 3 个技术重复。提取 RNA，测 A260/A280 在 1.9～2.1 之间，逆转录 1 μg RNA。qPCR 检测 GAPDH 与内参 ACTB，每个反应设 NTC。结果用 2-ΔΔCt 计算相对表达量，以 0 μmol/L 组为 1，报告均值±SD，并用单因素方差分析判断差异显著性。若 5 μmol/L 组相对表达量为 0.45±0.08，且 p<0.05，则可判断药物 X 下调 GAPDH 表达。
上述框架中，浓度梯度、生物学重复、技术重复、内参、NTC、统计方法共同构成了一个可被他人复现的最小闭环。任何一环缺失，结论的可靠性都会下降。
把上述要素落到日常操作中，可以用一张“实验设计检查表”来约束自己：假设是否可测量？自变量是否设了梯度？因变量是否有内参校正？空白、阴性、阳性对照是否齐全？生物学重复是否≥3？统计方法是否预先确定？原始数据是否可追溯？每次实验前逐项确认，能显著减少“做完才发现缺对照”的返工。
提示：预实验不是浪费。用少量样本先验证提取效率、抗体特异性、引物扩增效率，再进入正式实验，往往比直接做大样本更省时间。预实验的数据同样要记录，它是判断体系是否可用的依据。
常见误区：把技术重复当作生物学重复来增加 n 值。技术重复只反映测量误差，不能替代样本间变异。若只有 1 个生物学样本、3 个技术重复，统计上仍然是 n=1，不能做显著性检验。
综上，分子生物学实验设计不是一套固定模板，而是一种“先想清楚再动手”的工作方式：用假设锁定方向，用变量控制缩小噪声，用对照建立参照，用重复与记录保证可复现。这四项能力贯穿后续所有具体实验技术，也是判断一个实验方案是否合格的基本尺度。