基础医学实验设计 | 控制变量法

重点关注基础医学的实验设计：GWAS、疾病的分子机理的研究。

目前主流的实验设计：

• 一切都是从现有的病人数据开始，找mutation、variant；
• 针对某个特定的对象：variant、mutation、gene，构建基础模型来研究

基础概念：

• 病人是非常复杂的实例，他们这是根据表型的观测来归类的，核心的是利用大样本的相关性把高风险的factor给鉴定出来了
• 研究单个病人是没有意义的，因为这是个个例，而且混杂的因素太多，由于伦理问题，很多invasive的实验都做不了
• 所以构建其他模型来研究病人来源的factor就是目前的绝对主流了，更容易临川转化

很多人都会怼，都什么时代了，大家都知道分子调控是一个分子网络，研究单个基因还有什么卵用。

那我们再反问一下，除了一个一个的构建model来研究，我们还有其他办法吗？我们真能根据一个病人的多组学测序数据来直接做出全面的解释吗？

No，我们对复杂系统的控制能力还非常弱，这些看似笨傻的GWAS和单基因敲出实验是我们目前唯一能熟练掌握的技术了。

GWAS的关联分析，多么elegant的筛选，直觉就能理解；

控制变量法的单基因敲除实验，探索和解释起来也能完全掌控；

我们清楚的知道，在数学中，每增加一个变量，其计算量可以说是几何倍数的增加。在我们进行许多研究的时候，都要通过整齐化制造一个对结果有利的环境。这种手段，是受限于人类的思考能力，使用的简化问题的手段。但是这是否阻挡了所谓科学的进步？有许多基于系统性的问题，有大量的因素和相互作用关系。一旦我们采用控制变量的手段，往往会导致问题本身的混乱，甚至是不可解。在一个复杂的系统中更是如此，如果只是追根溯源，采用针对问题本身的调节，又会出现连续的复杂的隐患。如此，如何判断问题？控制变量的方式本身，是否不符合世界的更复杂的问题？

参考：

• 控制变量法是否限制了科学的进步？