蒋继平
2018年2 月22日
我们从事的科学研究， 不管是为了解决一个实际问题， 还是证明一个原理
，一般都是先提出一个假设， 然后根据这个假设来设计试验步骤。
在生命科学领域的科学试验一般要涉及到若干参数。 这些参数都是与生命生长发育有关的因子。这些因子包含： 1。 营养成分， 2。 温度范围， 3。 光照时间； 4。 光照强度，5。 生物的生长期， 6。 湿度，7。 其他因子因不同的试验而不同。
一个试验只能采用一组参数。
因为我们不知道这些参数是不是最佳组合，所以， 要得到最佳结果， 就要进行许多次的不同组合的试验。最后， 经过多次不同组合的试验， 终于找到了最佳组合。假如是经过三次不同组合的试验获得最佳结果， 那么，失败的概率是三分之二， 成功的概率是三分之一。 要是经过五次不同组合的测试获得最佳组合， 那么成功的概率是五分之一， 失败的概率是五分之四。
现在让我用一个具体的例子来进一步说明我的意思。
公司老板要我建立一个温室青椒茎腐病的抗性筛选方法。 导致青椒发生茎腐病的致病菌是植物致病疫霉。这个菌通过它的游动孢子侵染青椒的根部而使青椒生病。
接到这个科研任务， 我首先假设在某种环境条件下，致病疫霉的某个孢子浓度最能区分青椒的抗性。
根据这样的假设， 我首先选择第一组参数来验证我的假设。
因为老板要求建立温室的筛选方法， 所以，试验植物都是生长在温室的环境下。因而， 温度和光照就是温室的温度和光照。
除了温度和光照这两个参数外， 我的第一组试验参数是： 苗龄： 4叶期；湿度： 100% 24小时； 孢子浓度：每毫升一万个孢子；接种剂量：每株一毫升；接种后一个星期鉴定试验结果。
一个星期后， 我发现一些感病对照没有生病。这样的结果不理想。所以 ，这个试验失败了。因而， 修改参数再来测试。
第二个试验的参数只是把孢子浓度增加十倍， 即每毫升10万个孢子， 其他的参数仍然和第一次的一样。
一个星期后， 我发现一些抗性植株也生病了。这个结果也不理想， 所以，试验又失败了。只得再次修改参数重试。
第三次的参数把孢子浓度定在每毫升五万个孢子， 其他的参数仍然和上面的一样。
一个星期后， 我发现仍然有少数抗性植株生病。 这还是不理想。但是， 总的结果比上两次有明显的改善。
修改参数再来。 这次把苗龄的参数由四叶期变成： 四叶期， 六叶期和八叶期。其他的参数不变。试验的结果是： 六叶期苗龄组给出最佳的感性和抗性的差异结果。看到这样的结果， 老板基本上已经满意了。
为了验证是否已经找到最佳组合， 我再次修改参数进行试验：
以后几次的参数是：孢子浓度：三万， 五万和七万；苗龄：四叶期， 六叶期和八叶期， 其他的参数还是一样。 结果是孢子浓度五万和苗龄六叶期给于最佳结果。
看到这样的结果， 我们一致认为试验已经成功。也就是对青椒茎腐病进行温室抗性筛选的最佳方法是： 用五万孢子浓度的菌剂， 对六叶期苗岭的青椒植株注射一毫升菌剂，接种后保持24小时的饱和湿度，在接种后至少一个星期进行抗性检测。
从上面的例子可以看出， 这个科学实验的失败和成功的概率是：7:1！
除了这个例子外， 在我的职业生涯中， 其它的科学实验也是差不多，反正是失败的概率远远大于成功。可以这么说， 一次就成功的科学实验的概率几乎是零。反过来说， 科学实验的成功是建立在多次失败的基础上的。
没有评论:
发表评论