转染效率不是一个测量值,它是一个披着百分号的区间。你在 500 个细胞里数出 150 个 GFP 阳性,在记录本上写下 30%,然后接着干下一件事;可诚实一点的答案是 26.15% 到 34.16%,这条 8 个点的带宽足以吞掉下一轮优化实验想找出的绝大部分差异。

培养皿上的每个百分比,都藏着你没记下来的裕度
细胞计数大概是生物学里最接近二项分布的东西。每个细胞要么在 GFP 阈值之上,要么在其下,所以由这些计数得到的比例天生带着抽样误差,只有计数量变大,误差才会缩小。实验记录本只记下点估计,把背后的分布丢掉了。
裕度消失还有第二个原因:小计数时,教科书上的那个区间是错的。正态近似 p ± 1.96 × sqrt(p(1−p)/n) 要求细胞数足够多,抽样分布才看起来对称。效率低的时候它表现很差;阳性细胞恰好为零时,这个近似退化成一个零宽区间,这对一个你几乎没采到样的条件什么也证明不了。Wilson 得分区间反过来做假设检验,不在观测比例周围做近似,所以它始终落在 0 到 100 之间,计数小的时候也依然合理。Wilson 在 1927 年发表了它;Newcombe 1998 年的研究比较了各种替代方案,认为小 n 时得分区间最稳。转染效率计算器(GFP 阳性率)用的就是这种形式,在单次测量模式下把区间和百分比一起返回,这也是我敢相信一个背后只有一个孔的两位数字效率的唯一原因。
500 里 150,藏着 8 个点的带宽
把数字放到实验台上看。500 个细胞里 150 个 GFP 阳性,意味着 p = 0.300,Wilson 区间是 26.15% 到 34.16%,宽度 8.01 个百分点。
这个宽度会把实验毁掉。把计数抬到 500 里 170,点估计是 34.00%,区间 29.98% 到 38.26%。另一种试剂即便真能做出 34%,也和 30% 的对照分不开,而只问数字的审稿人看不出这一点。工具会把两者都打印出来。
区间不是装饰,也不是含糊其辞的退路。它是你所用仪器的分辨率,应该和结果写在同一句话里。
数 50 个细胞和数 2,000 个细胞,讲的是两个故事
把效率固定在 30%,只改变你数多久。阶梯是这样的:

- 50 个细胞里 15 个:30.00%,区间 19.10% 到 43.75%,宽度 24.65 个点
- 100 个细胞里 30 个:30.00%,区间 21.89% 到 39.59%,宽度 17.69 个点
- 500 个细胞里 150 个:30.00%,区间 26.15% 到 34.16%,宽度 8.01 个点
- 2,000 个细胞里 600 个:30.00%,区间 28.03% 到 32.05%,宽度 4.01 个点
这个规律是平方根律,它决定了你的实验台经济学。从 50 个细胞加到 500 个,点击量涨十倍,带宽缩到原来的三分之一。从 500 加到 2,000,点击量涨四倍,带宽只减一半。如果你要在几个条件之间做选择,通常每个条件数 500 个才能把两个条件分开,50 个不够。而如果你是因为视野看起来太挤才数了 50 个,那你量到的并不是 30% 的转染,而是“19% 到 44% 之间的某个地方”:提前停手不会解决问题,只会把问题藏起来。
三个孔不等于三次重复
单次模式的区间描述的是计数噪声,对孔间差异一言不发,而孔间差异里包含铺板密度、试剂混匀,还有板子某个角总是更冷这件事。复孔模式才是这个工具挤进实验记录本的理由。喂给它几组平行计数,它会返回每个孔的效率、均值和样本标准差。

这是工具自带的算例。三个显微镜视野分别记到 480 个里 120 个、510 个里 155 个、505 个里 130 个,换算成 25.00%、30.39% 和 25.74%。均值 27.04%,样本标准差 2.92 个点,取值范围 25.00% 到 30.39%。
这里有两点观察,方向相反。真正的三次重复,其均值远好过任何一个单孔:三个各约 500 细胞的孔,标准误接近 1.69 个点,所以均值带的是约 3.4 个点的带宽,不到单次 500 细胞计数那 8 个点的一半。反过来说,把每个孔的计数减半到 250,均值的带宽又会变宽,所以第三个孔买到的精度,是你在一个地方数更久也得不到的。可是看看孔与孔之间的离散:最好的视野和最差的视野差 5.4 个点,这里最差的是 25.00%,均值是 27.04%。这个离散才是你现实的噪声底,它比大多数优化实验声称找到的效应还大。
有一处要如实说明的缺口:按输出里那行模型说明,标准差用的是 n−1 作分母,而三次重复算出的标准差本身就是一个粗糙估计。三个孔只有两个自由度,所以你打印出来的 2.92 有可能是真实离散的一半,也有可能是它的两倍。把它当作数量级,不要当作常数。
合并还是平均:那个没人记录的选择
合并复孔计数有两种都站得住的做法,多数记录本却不写用的是哪一种。把所有细胞合并再除:405 ÷ 1,495 = 27.09%。对各孔百分比取平均:27.04%。两者差 0.05 个点,孔的大小相近时从来无关紧要。
孔的大小一旦不同,它就重要了。取两个孔,200 里 100、2,000 里 400。两个比例是 50.00% 和 20.00%,所以比值的均值是 35.00%,合并后的比例是 22.73%。12.27 个点的分歧,完全由分母的选择造成。合并会放大最大那个孔的影响,取平均则让每个孔权重相同。
计算器算的是比值的均值,输出里的模型说明也写明了这一点。如果合作者的表格用的是合并,那么孔的大小一开始参差,两边的数字就会分道扬镳;而只要有一个视野比别的容易数,它们就会参差起来。
区间边界不理你的分档线
工具会把结果分档:70% 及以上为优秀,30% 到 70% 为良好,10% 到 30% 为中等,10% 以下为低。这些档位是方便的速记,同样是点估计,在边界上标签会出错,而数字本身不会。

500 里记到 350,工具在 70.00% 处给出的标签是“优秀”。区间是 65.84% 到 73.85%,所以同一组数据和良好档的转染相容,也和优秀档的相容。记到 345,标签在 69.00% 处翻成良好,可区间上沿达到 72.90%。在下边界,500 里 150 读作良好、30.00%,它的区间下沿却探到 26.15%,正好落在中等里。
把均值从 68% 提到 71% 的换试剂,和从 71% 提到 74% 的换试剂,在标签上看起来是两种结果,而在 n=500 时两者都和噪声分不开。所以围绕区间来设计比较,不要围绕档位:目标是挪动整段范围。比如某个改动把下界从 26.15% 推到 31.00%,它做的事比把点估计抬高两个点更多。
先设门排除死细胞,再数活细胞
这些数字底下压着三个假设,工具把它们写在输出里,没有藏起来。死细胞和脱落细胞必须在计数之前设门排除。同一个 GFP 阈值必须适用于所有细胞。瞬时表达必须在 24 到 72 小时的峰值处读数。
第一个假设分量最重。死细胞会散射进荧光通道,应激反应还可能让质粒彻底停摆,所以不设门的计数把摄取效率和毒性混在一起,再把这份总和叫作“转染”。把得分和一次活力读数配起来:台盼蓝细胞活力计算器能把血球计数板的死活细胞差分计数换算成百分比;如果你是手工计数而不是用细胞仪,血球计数板细胞计数计算器能给你这个计数所依赖的每毫升细胞数分母。95% 活力下的 30% 转染和 65% 活力下的 30% 转染不是同一个实验,尽管它们打印出同一个数字。
改方案之前,先量一量噪声底
转染优化里最便宜的那个实验,恰恰没人做:把同一份质粒加到三个孔里,三个都数,算出离散。这个数字的代价是一块板和一下午,它能把以后的比较从猜测变成可以针对着设计的检验,也就是一个拿新条件去对照的基准。如果你量到的离散是 2.92 个点,那么把均值挪动两个点的条件,没有改变任何你看得见的东西;挪动八个点,你才算找到了什么。
从这些数字里能得出两条实用建议。第一,报标准差之前至少要有四个复孔,因为 n=2 时样本标准差几乎没有定义,工具对单个复孔直接返回 null,不会替你编一个。第二,把原始计数和百分比一起留在记录里,因为只有百分比没法重新分析,而计数可以。还要写清你用的是哪种约定:合并还是平均,因为审稿人一定会假定成另一种。完整的计算器和相关实验工具见 elysiatools.com。
我写这篇的时候以为问题是精度:我们该报 30.00% 的地方只报了 30%。重点正好相反。数据支持的是一个区间,我们报的是一个点,然后花一周的实验台时间去追比那个从未打印出来的区间还小的差异。把带宽打印出来,拿带宽去比,下一个实验才真正说明点什么。