📚 课程目录第1章课程导入与领域界定

1. 课程导入与领域界定

在生命科学、材料科学、分析化学等实验密集型领域，实验方案长期以自然语言文档、PDF 或纸质记录的形式存在。这类文档对人类读者友好，却难以被软件系统直接解析、校验和执行。机器可读实验协议（Machine-Readable Experiment Protocol，MREP）正是为解决这一矛盾而提出的工程化产物：它用结构化、可验证、可交换的数据模型描述实验的目标、材料、设备、参数、步骤、时序与判读规则，使协议既能被人阅读，也能被程序解析、校验、调度甚至驱动自动化设备执行。

一、什么是机器可读实验协议

可以把 MREP 理解为“实验的接口契约”。一份完整的 MREP 通常包含若干相互约束的层次：元数据层（协议编号、版本、作者、适用领域）、资源层（试剂、耗材、样本、仪器及其规格）、参数层（浓度、温度、时间、体积、转速等带单位的量）、流程层（步骤及其前后依赖、并行/串行关系）、判读层（观测指标、阈值、合格判据）以及溯源层（谁在何时以何版本执行、产生了哪些原始数据）。这些层次不是简单罗列，而是通过标识符和引用关系彼此绑定，例如某一步骤引用了参数层中的“退火温度=58 ℃”，而判读层又引用该步骤产出的“扩增曲线 Ct 值”。

与自然语言协议相比，MREP 的关键差异不在于“写得更整齐”，而在于语义可计算。自然语言中“轻轻混匀后静置片刻”这类表述，对人类是常识，对机器则是不可执行的模糊指令；MREP 必须将其收敛为“以 300 rpm 涡旋 10 s，室温静置 5 min”这样的可量化、可校验表达。下表从几个维度对比两类协议。

对比维度	自然语言协议	机器可读实验协议
基本单元	段落、句子	带标识符的结构化对象
参数表达	常省略单位或范围	数值+单位+容差，可校验
步骤关系	依赖阅读顺序理解	显式依赖、并行与分支
可执行性	需人工翻译	可被调度器或设备驱动解析
版本与溯源	靠文件名和人工记录	版本号、变更集、执行日志绑定
错误发现	执行后才发现	执行前静态校验可拦截

二、工程化目标：从“能读”到“可信执行”

把实验协议工程化，目标可以归纳为四条主线。第一是可解析：协议必须遵循明确的数据模式（schema），字段类型、必填项、枚举值都有约束，解析器遇到缺失字段应给出定位到行的错误，而不是静默跳过。第二是可校验：在解析之后、执行之前，对参数做范围与一致性检查，例如“退火温度”必须落在仪器允许的 4–99 ℃ 内，且不得与“热启动酶失活温度”冲突。第三是可复现：同一协议、同一版本、同一输入，应产生可比较的结果；这要求随机种子、批次号、仪器校准状态等都被记录。第四是可交换：不同实验室、不同 LIMS 或 ELN 系统之间能够无损传递协议，而不是靠人工重新录入。

工程化的判断标准很朴素：如果一份协议交给另一位实验员和一台调度程序，二者对“下一步做什么、用什么参数、什么算通过”的理解完全一致，那么它才真正达到了机器可读的工程要求。

三、典型应用场景

MREP 并非只服务于全自动实验室。在以下场景中，它都能带来直接收益：自动化移液与合成平台需要把协议编译为设备可执行的指令序列；多中心临床或科研协作需要保证各站点使用同一版本、同一判据；方法转移与放大需要把微孔板规模参数按比例映射到反应釜或生物反应器；合规与审计需要从原始数据回溯到具体步骤与参数；AI 辅助实验设计需要把历史协议作为结构化语料进行检索、比对与再生成。这些场景的共同点是：实验知识必须离开“人的头脑和文档”，进入可计算的基础设施。

四、整体学习地图

本课程后续章节将沿着“建模—表达—校验—执行—溯源”的主线展开。下面的 SVG 给出本节最值得先建立的整体认知：左侧是自然语言协议进入工程化管线的入口，中间是 MREP 的核心结构层次，右侧是它最终服务的执行与协作场景。请重点观察结构层之间的引用关系，以及“静态校验”发生在执行之前这一关键位置。

从图中可以看到，自然语言协议先经过结构化建模进入 MREP 的六个层次，再经过静态校验这一“闸门”，才被允许流向自动化执行、多中心协作与合规复用。校验失败会沿虚线回退到建模阶段，而不是带着错误进入执行。这一顺序正是本课程反复强调的工程原则：先让协议可被机器正确理解，再谈让机器执行它。

五、一个最小示例：把一句话变成可校验协议

假设原始描述是“取 2 μL 模板加入 18 μL 反应液，混匀后 95 ℃ 变性 30 秒”。在 MREP 中，它至少要被拆成资源引用、参数对象和步骤对象三部分。下面给出一个简化的 YAML 片段，用于说明字段如何组织（示例参数仅用于教学，不代表任何真实试剂盒的推荐条件）。

protocol_id: DEMO-001
version: 1.0.0
resources:
  - id: R_template
    name: 模板DNA
    volume: {value: 2, unit: uL, tolerance: 0.2}
  - id: R_mix
    name: 反应预混液
    volume: {value: 18, unit: uL, tolerance: 0.5}
steps:
  - id: S1
    action: combine
    inputs: [R_template, R_mix]
    output: M_reaction
  - id: S2
    action: mix
    target: M_reaction
    speed: {value: 300, unit: rpm, duration: 10, unit_time: s}
  - id: S3
    action: incubate
    target: M_reaction
    temperature: {value: 95, unit: degC, tolerance: 0.5}
    duration: {value: 30, unit: s}
    depends_on: [S2]
readout:
  - id: O1
    metric: 变性完成标志
    rule: S3.status == completed

这段内容体现了几个关键点：体积带容差，温度带容差，步骤通过 depends_on 显式声明依赖，判读层用可判定的表达式而非模糊描述。校验器可以据此检查单位是否合法、温度是否超出设备范围、依赖是否存在环。若把 unit: degC 误写为 unit: C，静态校验应在执行前报错，而不是等到加热模块收到无法识别的单位。

常见误区是把“机器可读”等同于“用 JSON 或 YAML 写一遍”。格式只是载体，真正的门槛在于语义是否闭合：每个参数有单位与容差，每个步骤有明确输入输出，每个判据可被程序判定为真或假。缺少这些，文件再规整也仍然只是自然语言的另一种排版。

六、本课程的学习路径

围绕上述结构，后续内容将依次展开：如何设计协议的数据模式与标识体系；如何表达参数、单位与容差；如何描述步骤依赖、并行与条件分支；如何编写静态校验规则并在执行前拦截错误；如何把协议编译为设备指令并回写执行日志；如何管理版本、变更与溯源；以及如何在多中心场景下保证协议交换的一致性。学习时建议始终带着一个具体实验作为贯穿案例，每学完一个层次就回到该案例上补全对应字段，最终得到一份可解析、可校验、可执行的完整协议。

判断自己是否真正掌握本章内容，可以用一个简单标准：给定一段自然语言实验描述，你能否指出其中哪些信息缺失、哪些表述无法被程序判定，并说明需要补充哪些字段才能让它进入机器可读的工程管线。能做到这一点，就已经跨过了本课程的第一道门槛。