SDE Universes·新思想前沿空间组学 · 细胞图谱
新思想前沿 · 空间组学 · 细胞图谱

空间组学与多模态细胞图谱

第 554 号 · 近二十年 · 两幕 · 20 个新思想 · 约 20,180 字 · 王德生 亲撰 · 2026 年 8 月

细胞图谱不是一张颜色更密的切片,而是要说明每个分子信号来自哪类细胞、位于什么组织关系、经历何种测量损失。本面板把分辨率、通量、分子覆盖和坐标配准放进同一证据账。

【第一幕】上一个十年 · 约 2006–2016

第一幕追踪空间组学与多模态细胞图谱如何把旧问题变成可执行、可测量的对象;判断标准始终是空间图谱的决定性机制是让分子状态保留可复查的组织邻域与坐标关系,而不是细胞数、颜色数或基因数增加。

甲、成像质谱细胞地图Imaging Mass Cytometry

提出Giesen et al., Nature Methods 11, 417–422 (2014), doi:10.1038/nmeth.2869 争议Angelo et al., Nature Medicine 20, 436–442 (2014), doi:10.1038/nm.3488。 最新(2025年文献)Börner et al., Human BioMolecular Atlas Program: 3D Human Reference Atlas, Nature Methods (2025).。 关键用同位素标签同时定位多种蛋白

Giesen et al., Nature Methods 11, 417–422 (2014), doi:10.1038/nmeth.2869把成像质谱细胞地图钉在可复算节点:成像质谱以激光烧蚀和质谱读取数十种抗体标签,使组织切片获得高维蛋白坐标。用同位素标签同时定位多种蛋白须与成像质谱细胞地图的批次、平台、最差亚组与现场漂移分账;〔对象清单〕2026年复核保留旧基线、版本与失败运行。

成像质谱细胞地图只锁定一个原因:用同位素标签同时定位多种蛋白。〔对象清单〕2026年冻结对象和总预算,移除机制而方向仍在便撤回,成像质谱细胞地图的批次、平台、最差亚组与现场漂移不得由峰值代偿。成像质谱细胞地图的外部复现误差率以95%区间裁决。〔〔〔对象清单〕对象清单〕对象清单〕对成像质谱细胞地图Imaging Mass Cytometry而言,真正需要登记的不是又一个平均分,而是由“决定本项空间组学结果能否成立的只有用同位素标签同时定位多种蛋白”推出的每一步中介、责任人和可撤回条件,〔对象清单〕缺少任何一环,都不能把相关性写成机制。

提出卷页由Giesen et al., Nature Methods 11, 417–422 (2014), doi:10.1038/nmeth.2869锁定,反方命题是“金属标签多重成像能否保持抗体特异与组织形态”,截至2025年的延续为“高维组织成像与单细胞分割继续融合”。成像质谱细胞地图复算给3套配置、95%区间、5%尾部和run ID,成像质谱细胞地图的批次、平台、最差亚组与现场漂移失败样本不清洗。

成像质谱细胞地图的硬边界是抗体交叉反应、离子串扰和分割错误会把技术通道误写成细胞状态。2026年把成像质谱细胞地图的批次、平台、最差亚组与现场漂移推至规格外;成像质谱细胞地图覆盖样本越多,最差亚组的反向误差反而越易被总体均值遮蔽,平均基准不能冲销反号结果。〔对象清单〕落到复现实务,可为成像质谱细胞地图Imaging Mass Cytometry建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“用同位素标签同时定位多种蛋白”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

〔对象清单〕工程验收以“用同位素标签同时定位多种蛋白”为主读数,连续24h记录成像质谱细胞地图的外部复现误差率、版本、人工接管与恢复。成像质谱细胞地图的批次、平台、最差亚组与现场漂移未测即保留“尚缺成像质谱细胞地图在独立场景的长周期阴性结果”,95%成功不能删除5%失败谱。

成像质谱细胞地图跨域登记为生物医学基础模型与医学AI称“皮肤癌深度学习Dermatologist-Level Classification”;见第553号第一条“皮肤癌深度学习Dermatologist-Level Classification”。〔对象清单〕它共享〔01 谁进入分母〕金属标签多重成像能否保持抗体特异与组织形态,2026年送往第二平台时,成像质谱细胞地图的批次、平台、最差亚组与现场漂移的对象、量纲与停止阈值均不得改名。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项空间组学结果能否成立的只有用同位素标签同时定位多种蛋白 预设〔01 谁进入分母〕金属标签多重成像能否保持抗体特异与组织形态 量纲以“用同位素标签同时定位多种蛋白”为主读数,并列样本、误差、周期和对照/成像质谱细胞地图Imaging Mass Cytometry全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:抗体交叉反应、离子串扰和分割错误会把技术通道误写成细胞状态;成像质谱细胞地图覆盖样本越多,最差亚组的反向误差反而越易被总体均值遮蔽 自曝对象清单独立核验:成像质谱细胞地图的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在对象清单 空栏尚缺成像质谱细胞地图在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“皮肤癌深度学习Dermatologist-Level Classification”;见第553号第一条“皮肤癌深度学习Dermatologist-Level Classification”

乙、MIBI多离子束成像MIBI

提出Angelo et al., Nature Medicine 20, 436–442 (2014), doi:10.1038/nm.3488 争议Biancalani et al., Nature Methods 18, 1352–1362 (2021), doi:10.1038/s41592-021-01264-7。 最新(2025年文献)Börner et al., Human BioMolecular Atlas Program: 3D Human Reference Atlas, Nature Methods (2025).。 关键离子束逐像素读取金属标记抗体

MIBI多离子束成像由Angelo et al., Nature Medicine 20, 436–442 (2014), doi:10.1038/nm.3488固定为历史节点,新意是MIBI在固定组织中同时测量多种蛋白并保留亚细胞位置,突破荧光通道限制。2026年重读时把离子束逐像素读取金属标记抗体、MIBI多离子束成像的批次、平台、最差亚组与现场漂移和实现栈并列,避免把单次纪录误作系统能力。〔事件时间轴〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项空间组学结果能否成立的只有离子束逐像素读取金属标记抗体”的操作定义,仍能复算“以“离子束逐像素读取金属标记抗体”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

可消融的唯一单因是离子束逐像素读取金属标记抗体:2026年维持样本、版本与预算不变,仅撤去该机制;若读数仍同向,本条失败。MIBI多离子束成像的外部复现误差率以95%区间登记。

Angelo et al., Nature Medicine 20, 436–442 (2014), doi:10.1038/nm.3488给出起点,争议由“多重离子成像的定量能否跨批次比较”承担,最新状态是“肿瘤免疫空间生态成为主要应用”。证据表列3组MIBI多离子束成像的批次、平台、最差亚组与现场漂移配置、95%置信区间、5%尾部和run ID,阴性运行全部进入分母。〔事件时间轴〕机构采用MIBI多离子束成像MIBI之前还应公布否决门槛:一旦“⇄系统核算后方向反转:像素强度受标签、切片厚度和仪器漂移影响,空间共现不等于细胞互作,MIBI多离子束成像分辨率越高,捕获效率和跨批一致”出现,就暂停扩张并回到“离子束逐像素读取金属标记抗体”的原始记录复核,该门槛必须早于部署决定写入方案。

边界判据写作像素强度受标签、切片厚度和仪器漂移影响,空间共现不等于细胞互作。当2026年测试越过MIBI多离子束成像的批次、平台、最差亚组与现场漂移,MIBI多离子束成像分辨率越高,捕获效率和跨批一致性反而可能越低;方向翻转须先于均值进入结论。

“离子束逐像素读取金属标记抗体”承担验收读数,另开MIBI多离子束成像的批次、平台、最差亚组与现场漂移账。系统跑满24h后保留MIBI多离子束成像的外部复现误差率、版本、维修与中止原因;〔事件时间轴〕余下5%失败及“尚缺MIBI多离子束成像在独立场景的长周期阴性结果”仍入正文。〔事件时间轴〕把MIBI多离子束成像MIBI与相邻路线比较时,统一分母至少应包含成功、失败、弃权和未覆盖对象四类,只有“以“离子束逐像素读取金属标记抗体”为主读数,并列样本、误差、周期和对照”在这些类别上都可回查,跨研究比较才有意义。

MIBI多离子束成像的异名接口采用生物医学基础模型与医学AI称“胸片深度学习基准Chest Radiograph Deep Learning”;见第553号第二条“胸片深度学习基准Chest Radiograph Deep Learning”。共同预设是〔01 谁进入分母〕多重离子成像的定量能否跨批次比较;第二团队在2026年重放原始记录时,不得以同向代理替换MIBI多离子束成像的批次、平台、最差亚组与现场漂移。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项空间组学结果能否成立的只有离子束逐像素读取金属标记抗体 预设〔01 谁进入分母〕多重离子成像的定量能否跨批次比较 量纲以“离子束逐像素读取金属标记抗体”为主读数,并列样本、误差、周期和对照/MIBI多离子束成像MIBI全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:像素强度受标签、切片厚度和仪器漂移影响,空间共现不等于细胞互作;MIBI多离子束成像分辨率越高,捕获效率和跨批一致性反而可能越低 自曝事件时间轴独立核验:MIBI多离子束成像的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在事件时间轴 空栏尚缺MIBI多离子束成像在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“胸片深度学习基准Chest Radiograph Deep Learning”;见第553号第二条“胸片深度学习基准Chest Radiograph Deep Learning”

丙、MERFISH高通量原位RNAMERFISH

提出Chen et al., Science 348, aaa6090 (2015), doi:10.1126/science.aaa6090 争议Giesen et al., Nature Methods 11, 417–422 (2014), doi:10.1038/nmeth.2869。 最新(2025年文献)Börner et al., Human BioMolecular Atlas Program: 3D Human Reference Atlas, Nature Methods (2025).。 关键组合条码与纠错原位识别RNA

在Chen et al., Science 348, aaa6090 (2015), doi:10.1126/science.aaa6090之前,MERFISH高通量原位RNA缺少把局部优化变成系统判断的支点;节点价值在于MERFISH用多轮杂交的二进制条码和纠错设计,在单细胞原位测量大量RNA。2026年评价组合条码与纠错原位识别RNA时,同时冻结MERFISH高通量原位RNA的批次、平台、最差亚组与现场漂移和对照。

因果账只许留下组合条码与纠错原位识别RNA这一项。2026年用相同对象做移除实验,机制消失而优势不变即否证;MERFISH高通量原位RNA的批次、平台、最差亚组与现场漂移只界定失效域。MERFISH高通量原位RNA的外部复现误差率报告95%区间。〔装置边界〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则,再针对“⇄系统核算后方向反转:探针效率、光学拥挤与轮次配准造成基因特异缺失,低表达分子尤其脆弱,MERFISH高通量原位RNA模型越复杂,外部复”做至少两轮外部复算,若方向翻转,MERFISH高通量原位RNAMERFISH的结论必须随之收窄。

来源链依次是Chen et al., Science 348, aaa6090 (2015), doi:10.1126/science.aaa6090、“纠错编码能否在拥挤细胞中保持分子计数”和“MERFISH扩展到更大基因集和三维组织”。原始表公开3档配置、95%区间、5%失败谱及run ID;MERFISH高通量原位RNA的批次、平台、最差亚组与现场漂移导致的中止按失败计入分母。

探针效率、光学拥挤与轮次配准造成基因特异缺失,低表达分子尤其脆弱构成MERFISH高通量原位RNA的停止线。到2026年,MERFISH高通量原位RNA的批次、平台、最差亚组与现场漂移一旦主导,MERFISH高通量原位RNA模型越复杂,外部复现后的净增益反而越不稳定,峰值读数便不能代表净效用。〔装置边界〕面向下一轮材料,空间组学与多模态细胞图谱应优先补齐“尚缺MERFISH高通量原位RNA在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:探针效率、光学拥挤与轮次配准造成基因特异缺失,低表达分子尤其脆弱,MERFISH高通量原位RNA模型越复杂,外部复”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

部署账把“组合条码与纠错原位识别RNA”设为主量纲,每24h记录MERFISH高通量原位RNA的外部复现误差率、版本、漂移与恢复。MERFISH高通量原位RNA的批次、平台、最差亚组与现场漂移无数据就写“尚缺MERFISH高通量原位RNA在独立场景的长周期阴性结果”;95%可用也不遮蔽5%反号。

与相邻领域的精确链接是生物医学基础模型与医学AI称“ClinicalBERT病历语言模型ClinicalBERT”;见第553号第三条“ClinicalBERT病历语言模型ClinicalBERT”。双方共享〔01 谁进入分母〕纠错编码能否在拥挤细胞中保持分子计数;2026年跨平台转移时,MERFISH高通量原位RNA的批次、平台、最差亚组与现场漂移仍用同一单位、版本与失败阈值。〔装置边界〕在空间组学与多模态细胞图谱的这一对象上,复核应把“以“组合条码与纠错原位识别RNA”为主读数,并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱,“尚缺MERFISH高通量原位RNA在独立场景的长周期阴性结果”要单列编码,不能在汇总时并入其他项。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项空间组学结果能否成立的只有组合条码与纠错原位识别RNA 预设〔01 谁进入分母〕纠错编码能否在拥挤细胞中保持分子计数 量纲以“组合条码与纠错原位识别RNA”为主读数,并列样本、误差、周期和对照/MERFISH高通量原位RNAMERFISH全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:探针效率、光学拥挤与轮次配准造成基因特异缺失,低表达分子尤其脆弱;MERFISH高通量原位RNA模型越复杂,外部复现后的净增益反而越不稳定 自曝装置边界独立核验:MERFISH高通量原位RNA的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在装置边界 空栏尚缺MERFISH高通量原位RNA在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“ClinicalBERT病历语言模型ClinicalBERT”;见第553号第三条“ClinicalBERT病历语言模型ClinicalBERT”

丁、空间转录组Spatial Transcriptomics

提出Ståhl et al., Science 353, 78–82 (2016), doi:10.1126/science.aaf2403 争议Regev et al., The Human Cell Atlas, eLife 6, e27041 (2017).。 最新(2024年文献)Yayon et al., A spatial human thymus cell atlas, Nature 633, 902–910 (2024).。 关键给转录本加位置条码再测序

Ståhl et al., Science 353, 78–82 (2016), doi:10.1126/science.aaf2403使空间转录组从局部演示转为可审计命题,核心观察是空间转录组把切片置于带坐标条码的阵列,将全转录组读数映回组织形态。2026年证据包把给转录本加位置条码再测序与空间转录组的批次、平台、最差亚组与现场漂移分别编号,并保留旧方法对照。〔样本分层〕对空间转录组Spatial Transcriptomics而言,真正需要登记的不是又一个平均分,而是由“决定本项空间组学结果能否成立的只有给转录本加位置条码再测序”推出的每一步中介、责任人和可撤回条件,〔样本分层〕缺少任何一环,都不能把相关性写成机制。

这里拒绝多因叙述,决定结果能否成立的只有给转录本加位置条码再测序。〔样本分层〕2026年固定对象、实现和预算后做删除检验,若方向未变便退稿。空间转录组的外部复现误差率须给95%区间。

提出证据见Ståhl et al., Science 353, 78–82 (2016), doi:10.1126/science.aaf2403,最强争议是“捕获点混合多细胞时能否还原真实邻域”,延续状态为“高密度阵列与单细胞解卷积不断提高空间解析”。空间转录组交付3批空间转录组的批次、平台、最差亚组与现场漂移数据、95%区间、5%尾部和run ID,异常逐例保留。〔样本分层〕落到复现实务,可为空间转录组Spatial Transcriptomics建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“给转录本加位置条码再测序”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

空间转录组不能越过捕获直径、扩散和组织透化会混合邻细胞,算法拆分不能凭空恢复未测信息。2026年把空间转录组的批次、平台、最差亚组与现场漂移扫过全量程时,空间转录组应用范围越广,版本漂移和未记录失败反而越多;方向一旦翻转,平均性能再高也不抵销。

验收表首先读取“给转录本加位置条码再测序”,随后核对空间转录组的批次、平台、最差亚组与现场漂移。持续24h日志含空间转录组的外部复现误差率、版次、接管和修复;95%成功与5%失败同时发布,缺口写成“尚缺空间转录组在独立场景的长周期阴性结果”。〔样本分层〕证据链还要把Ståhl et al., Science 353, 78–82 (2016), doi:10.的起点材料与更新文献放在同一比较表里,并逐项报告“给转录本加位置条码再测序”在哪些设备、机构或人群中没有出现,而不是只保留成功演示。

跨域异名为生物医学基础模型与医学AI称“BioBERT生物医学预训练BioBERT”;见第553号第四条“BioBERT生物医学预训练BioBERT”,不是宽泛类比。它检验〔02 单一读数代表复杂对象〕捕获点混合多细胞时能否还原真实邻域;2026年由独立团队复跑原始记录时,空间转录组的批次、平台、最差亚组与现场漂移的单位、阈值和停止规则保持不变。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项空间组学结果能否成立的只有给转录本加位置条码再测序 预设〔02 单一读数代表复杂对象〕捕获点混合多细胞时能否还原真实邻域 量纲以“给转录本加位置条码再测序”为主读数,并列样本、误差、周期和对照/空间转录组Spatial Transcriptomics全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:捕获直径、扩散和组织透化会混合邻细胞,算法拆分不能凭空恢复未测信息;空间转录组应用范围越广,版本漂移和未记录失败反而越多 自曝样本分层独立核验:空间转录组的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在样本分层 空栏尚缺空间转录组在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“BioBERT生物医学预训练BioBERT”;见第553号第四条“BioBERT生物医学预训练BioBERT”

戊、CODEX循环蛋白成像CODEX

提出Goltsev et al., Cell 174, 968–981.e15 (2018), doi:10.1016/j.cell.2018.07.010 争议HuBMAP Consortium, The human body at cellular resolution, Nature 574, 187–192 (2019).。 最新(2025年文献)Börner et al., Nature Methods 22, 845–860 (2025), doi:10.1038/s41592-024-02563-5。 关键DNA条码抗体分轮显影数十蛋白

Goltsev et al., Cell 174, 968–981.e15 (2018), doi:10.1016/j.cell.2018.07.010把CODEX循环蛋白成像钉在可复算节点:CODEX以条码和迭代成像在原位解析免疫细胞类型、邻域与组织结构。DNA条码抗体分轮显影数十蛋白须与CODEX循环蛋白成像的批次、平台、最差亚组与现场漂移分账;〔版本登记〕2026年复核保留旧基线、版本与失败运行。

CODEX循环蛋白成像只锁定一个原因:DNA条码抗体分轮显影数十蛋白。〔版本登记〕2026年冻结对象和总预算,移除机制而方向仍在便撤回,CODEX循环蛋白成像的批次、平台、最差亚组与现场漂移不得由峰值代偿。CODEX循环蛋白成像的外部复现误差率以95%区间裁决。〔版本登记〕机构采用CODEX循环蛋白成像CODEX之前还应公布否决门槛:一旦“⇄系统核算后方向反转:轮次配准和分割错误会系统影响细胞邻接,面板选择也限制可见生物学,CODEX循环蛋白成像覆盖样本越多,最差亚组的反向”出现,就暂停扩张并回到“DNA条码抗体分轮显影数十蛋白”的原始记录复核,该门槛必须早于部署决定写入方案。

提出卷页由Goltsev et al., Cell 174, 968–981.e15 (2018), doi:10.1016/j.cell.2018.07.010锁定,反方命题是“多轮显影会不会累积漂白、位移与抗体干扰”,截至2025年的延续为“空间免疫图谱扩展到大组织和临床队列”。CODEX循环蛋白成像复算给3套配置、95%区间、5%尾部和run ID,CODEX循环蛋白成像的批次、平台、最差亚组与现场漂移失败样本不清洗。

CODEX循环蛋白成像的硬边界是轮次配准和分割错误会系统影响细胞邻接,面板选择也限制可见生物学。2026年把CODEX循环蛋白成像的批次、平台、最差亚组与现场漂移推至规格外;CODEX循环蛋白成像覆盖样本越多,最差亚组的反向误差反而越易被总体均值遮蔽,平均基准不能冲销反号结果。

〔版本登记〕工程验收以“DNA条码抗体分轮显影数十蛋白”为主读数,连续24h记录CODEX循环蛋白成像的外部复现误差率、版本、人工接管与恢复。CODEX循环蛋白成像的批次、平台、最差亚组与现场漂移未测即保留“尚缺CODEX循环蛋白成像在独立场景的长周期阴性结果”,95%成功不能删除5%失败谱。

CODEX循环蛋白成像跨域登记为生物医学基础模型与医学AI称“BEHRT电子病历TransformerBEHRT”;见第553号第五条“BEHRT电子病历TransformerBEHRT”。〔版本登记〕它共享〔02 单一读数代表复杂对象〕多轮显影会不会累积漂白、位移与抗体干扰,2026年送往第二平台时,CODEX循环蛋白成像的批次、平台、最差亚组与现场漂移的对象、量纲与停止阈值均不得改名。〔版本登记〕本条的边界案例应从“尚缺CODEX循环蛋白成像在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:轮次配准和分割错误会系统影响细胞邻接,面板选择也限制可见生物学,CODEX循环蛋白成像覆盖样本越多,最差亚组的反向”究竟是偶发噪声,还是足以改变结论方向的系统反例。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项空间组学结果能否成立的只有DNA条码抗体分轮显影数十蛋白 预设〔02 单一读数代表复杂对象〕多轮显影会不会累积漂白、位移与抗体干扰 量纲以“DNA条码抗体分轮显影数十蛋白”为主读数,并列样本、误差、周期和对照/CODEX循环蛋白成像CODEX全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:轮次配准和分割错误会系统影响细胞邻接,面板选择也限制可见生物学;CODEX循环蛋白成像覆盖样本越多,最差亚组的反向误差反而越易被总体均值遮蔽 自曝版本登记独立核验:CODEX循环蛋白成像的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在版本登记 空栏尚缺CODEX循环蛋白成像在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“BEHRT电子病历TransformerBEHRT”;见第553号第五条“BEHRT电子病历TransformerBEHRT”

己、高清空间转录组HDST

提出Vickovic et al., Nature Methods 16, 987–990 (2019), doi:10.1038/s41592-019-0548-y 争议Ståhl et al., Science 353, 78–82 (2016), doi:10.1126/science.aaf2403。 最新(2025年文献)Börner et al., Nature Methods 22, 845–860 (2025), doi:10.1038/s41592-024-02563-5。 关键用微米级条码珠阵列提高空间分辨

高清空间转录组由Vickovic et al., Nature Methods 16, 987–990 (2019), doi:10.1038/s41592-019-0548-y固定为历史节点,新意是HDST把空间单元降到约两微米尺度,使组织结构可接近细胞甚至亚细胞定位。2026年重读时把用微米级条码珠阵列提高空间分辨、高清空间转录组的批次、平台、最差亚组与现场漂移和实现栈并列,避免把单次纪录误作系统能力。〔失败谱〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项空间组学结果能否成立的只有用微米级条码珠阵列提高空间分辨”的操作定义,仍能复算“以“用微米级条码珠阵列提高空间分辨”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

可消融的唯一单因是用微米级条码珠阵列提高空间分辨:2026年维持样本、版本与预算不变,仅撤去该机制;若读数仍同向,本条失败。高清空间转录组的外部复现误差率以95%区间登记。

Vickovic et al., Nature Methods 16, 987–990 (2019), doi:10.1038/s41592-019-0548-y给出起点,争议由“更小空间珠是否会因捕获量下降而失去灵敏度”承担,最新状态是“分辨率与分子覆盖的折衷成为平台比较核心”。证据表列3组高清空间转录组的批次、平台、最差亚组与现场漂移配置、95%置信区间、5%尾部和run ID,阴性运行全部进入分母。〔失败谱〕面向下一轮材料,空间组学与多模态细胞图谱应优先补齐“尚缺高清空间转录组在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:每个珠子转录本稀疏,空间精细不等于表达定量精确,高清空间转录组分辨率越高,捕获效率和跨批一致性反而可能越低”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

边界判据写作每个珠子转录本稀疏,空间精细不等于表达定量精确。当2026年测试越过高清空间转录组的批次、平台、最差亚组与现场漂移,高清空间转录组分辨率越高,捕获效率和跨批一致性反而可能越低;方向翻转须先于均值进入结论。

“用微米级条码珠阵列提高空间分辨”承担验收读数,另开高清空间转录组的批次、平台、最差亚组与现场漂移账。系统跑满24h后保留高清空间转录组的外部复现误差率、版本、维修与中止原因;〔失败谱〕余下5%失败及“尚缺高清空间转录组在独立场景的长周期阴性结果”仍入正文。

高清空间转录组的异名接口采用生物医学基础模型与医学AI称“CONSORT-AI临床试验报告CONSORT-AI”;见第553号第六条“CONSORT-AI临床试验报告CONSORT-AI”。共同预设是〔02 单一读数代表复杂对象〕更小空间珠是否会因捕获量下降而失去灵敏度;第二团队在2026年重放原始记录时,不得以同向代理替换高清空间转录组的批次、平台、最差亚组与现场漂移。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项空间组学结果能否成立的只有用微米级条码珠阵列提高空间分辨 预设〔02 单一读数代表复杂对象〕更小空间珠是否会因捕获量下降而失去灵敏度 量纲以“用微米级条码珠阵列提高空间分辨”为主读数,并列样本、误差、周期和对照/高清空间转录组HDST全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:每个珠子转录本稀疏,空间精细不等于表达定量精确;高清空间转录组分辨率越高,捕获效率和跨批一致性反而可能越低 自曝失败谱独立核验:高清空间转录组的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在失败谱 空栏尚缺高清空间转录组在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“CONSORT-AI临床试验报告CONSORT-AI”;见第553号第六条“CONSORT-AI临床试验报告CONSORT-AI”

庚、Slide-seq组织RNA地图Slide-seq

提出Rodriques et al., Science 363, 1463–1467 (2019), doi:10.1126/science.aaw1219 争议Giesen et al., Nature Methods 11, 417–422 (2014), doi:10.1038/nmeth.2869。 最新(2025年文献)Börner et al., Nature Methods 22, 845–860 (2025), doi:10.1038/s41592-024-02563-5。 关键把条码珠位置与切片转录本相连

Rodriques et al., Science 363, 1463–1467 (2019), doi:10.1126/science.aaw1219确立Slide-seq组织RNA地图的历史节点。2026年把把条码珠位置与切片转录本相连、Slide-seq组织RNA地图的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。

因果账只许留下把条码珠位置与切片转录本相连这一项。2026年用相同对象做移除实验,机制消失而优势不变即否证;Slide-seq组织RNA地图的批次、平台、最差亚组与现场漂移只界定失效域。Slide-seq组织RNA地图的外部复现误差率报告95%区间。〔机构接口〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则,再针对“⇄系统核算后方向反转:珠位置、RNA扩散和低捕获率使稀有状态易被邻域平滑掩盖,Slide-seq组织RNA地图模型越复杂,外部复现后的净”做至少两轮外部复算,若方向翻转,Slide-seq组织RNA地图Slide-seq的结论必须随之收窄。〔机构接口〕落到复现实务,可为Slide-seq组织RNA地图Slide-seq建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“把条码珠位置与切片转录本相连”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

来源链依次是Rodriques et al., Science 363, 1463–1467 (2019), doi:10.1126/science.aaw1219、“随机珠阵列解码能否稳定覆盖大组织”和“Slide-seqV2提高捕获效率并扩展脑图谱”。原始表公开3档配置、95%区间、5%失败谱及run ID;Slide-seq组织RNA地图的批次、平台、最差亚组与现场漂移导致的中止按失败计入分母。

珠位置、RNA扩散和低捕获率使稀有状态易被邻域平滑掩盖构成Slide-seq组织RNA地图的停止线。到2026年,Slide-seq组织RNA地图的批次、平台、最差亚组与现场漂移一旦主导,Slide-seq组织RNA地图模型越复杂,外部复现后的净增益反而越不稳定,峰值读数便不能代表净效用。〔机构接口〕证据链还要把Rodriques et al., Science 363, 1463–1467 (2019),的起点材料与更新文献放在同一比较表里,并逐项报告“把条码珠位置与切片转录本相连”在哪些设备、机构或人群中没有出现,而不是只保留成功演示。

部署账把“把条码珠位置与切片转录本相连”设为主量纲,每24h记录Slide-seq组织RNA地图的外部复现误差率、版本、漂移与恢复。Slide-seq组织RNA地图的批次、平台、最差亚组与现场漂移无数据就写“尚缺Slide-seq组织RNA地图在独立场景的长周期阴性结果”;95%可用也不遮蔽5%反号。

与相邻领域的精确链接是生物医学基础模型与医学AI称“WHO健康AI伦理原则WHO AI for Health Ethics”;见第553号第七条“WHO健康AI伦理原则WHO AI for Health Ethics”。双方共享〔04 测量不改变被测对象〕随机珠阵列解码能否稳定覆盖大组织;2026年跨平台转移时,Slide-seq组织RNA地图的批次、平台、最差亚组与现场漂移仍用同一单位、版本与失败阈值。〔机构接口〕对Slide-seq组织RNA地图Slide-seq而言,真正需要登记的不是又一个平均分,而是由“决定本项空间组学结果能否成立的只有把条码珠位置与切片转录本相连”推出的每一步中介、责任人和可撤回条件,〔机构接口〕缺少任何一环,都不能把相关性写成机制。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项空间组学结果能否成立的只有把条码珠位置与切片转录本相连 预设〔04 测量不改变被测对象〕随机珠阵列解码能否稳定覆盖大组织 量纲以“把条码珠位置与切片转录本相连”为主读数,并列样本、误差、周期和对照/Slide-seq组织RNA地图Slide-seq全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:珠位置、RNA扩散和低捕获率使稀有状态易被邻域平滑掩盖;Slide-seq组织RNA地图模型越复杂,外部复现后的净增益反而越不稳定 自曝机构接口独立核验:Slide-seq组织RNA地图的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在机构接口 空栏尚缺Slide-seq组织RNA地图在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“WHO健康AI伦理原则WHO AI for Health Ethics”;见第553号第七条“WHO健康AI伦理原则WHO AI for Health Ethics”

辛、人类细胞图谱计划Human Cell Atlas

提出Regev et al., eLife 6, e27041 (2017), doi:10.7554/eLife.27041 争议Regev et al., The Human Cell Atlas, eLife 6, e27041 (2017).。 最新(2024年文献)Yayon et al., A spatial human thymus cell atlas, Nature 633, 902–910 (2024).。 关键用开放标准描绘人体细胞类型和状态

Regev et al., eLife 6, e27041 (2017), doi:10.7554/eLife.27041使人类细胞图谱计划从局部演示转为可审计命题,核心观察是HCA提出跨组织、技术和地区建立人类细胞参考图谱,并重视数据门户与伦理。2026年证据包把用开放标准描绘人体细胞类型和状态与人类细胞图谱计划的批次、平台、最差亚组与现场漂移分别编号,并保留旧方法对照。

这里拒绝多因叙述,决定结果能否成立的只有用开放标准描绘人体细胞类型和状态。〔资源预算〕2026年固定对象、实现和预算后做删除检验,若方向未变便退稿。人类细胞图谱计划的外部复现误差率须给95%区间。

提出证据见Regev et al., eLife 6, e27041 (2017), doi:10.7554/eLife.27041,最强争议是“参考图谱能否代表年龄、祖源、状态和采样部位差异”,延续状态为“HCA进入器官网络、疾病比较与空间整合”。人类细胞图谱计划交付3批人类细胞图谱计划的批次、平台、最差亚组与现场漂移数据、95%区间、5%尾部和run ID,异常逐例保留。〔资源预算〕落到复现实务,可为人类细胞图谱计划Human Cell Atlas建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“用开放标准描绘人体细胞类型和状态”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

人类细胞图谱计划不能越过参考若由易取样健康组织主导,会把代表不足人群和动态状态标成偏离。2026年把人类细胞图谱计划的批次、平台、最差亚组与现场漂移扫过全量程时,人类细胞图谱计划应用范围越广,版本漂移和未记录失败反而越多;方向一旦翻转,平均性能再高也不抵销。

验收表首先读取“用开放标准描绘人体细胞类型和状态”,随后核对人类细胞图谱计划的批次、平台、最差亚组与现场漂移。持续24h日志含人类细胞图谱计划的外部复现误差率、版次、接管和修复;95%成功与5%失败同时发布,缺口写成“尚缺人类细胞图谱计划在独立场景的长周期阴性结果”。〔资源预算〕本条的边界案例应从“尚缺人类细胞图谱计划在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:参考若由易取样健康组织主导,会把代表不足人群和动态状态标成偏离,人类细胞图谱计划应用范围越广,版本漂移和未记录失败”究竟是偶发噪声,还是足以改变结论方向的系统反例。

跨域异名为生物医学基础模型与医学AI称“GatorTron临床大模型GatorTron”;见第553号第八条“GatorTron临床大模型GatorTron”,不是宽泛类比。它检验〔04 测量不改变被测对象〕参考图谱能否代表年龄、祖源、状态和采样部位差异;2026年由独立团队复跑原始记录时,人类细胞图谱计划的批次、平台、最差亚组与现场漂移的单位、阈值和停止规则保持不变。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项空间组学结果能否成立的只有用开放标准描绘人体细胞类型和状态 预设〔04 测量不改变被测对象〕参考图谱能否代表年龄、祖源、状态和采样部位差异 量纲以“用开放标准描绘人体细胞类型和状态”为主读数,并列样本、误差、周期和对照/人类细胞图谱计划Human Cell Atlas全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:参考若由易取样健康组织主导,会把代表不足人群和动态状态标成偏离;人类细胞图谱计划应用范围越广,版本漂移和未记录失败反而越多 自曝资源预算独立核验:人类细胞图谱计划的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在资源预算 空栏尚缺人类细胞图谱计划在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“GatorTron临床大模型GatorTron”;见第553号第八条“GatorTron临床大模型GatorTron”
【第二幕】这十年 · 约 2016–2026

第二幕转向规模、闭环与责任。最新纪录只有在失败和资源进入分母后,才足以支持“空间图谱的决定性机制是让分子状态保留可复查的组织邻域与坐标关系,而不是细胞数、颜色数或基因数增加”。

一、HuBMAP人体分子图谱HuBMAP

提出HuBMAP Consortium, Nature 574, 187–192 (2019), doi:10.1038/s41586-019-1629-x 争议HuBMAP Consortium, The human body at cellular resolution, Nature 574, 187–192 (2019).。 最新(2024年文献)Yayon et al., A spatial human thymus cell atlas, Nature 633, 902–910 (2024).。 关键构建健康成人身体的多尺度三维地图

HuBMAP Consortium, Nature 574, 187–192 (2019), doi:10.1038/s41586-019-1629-x确立HuBMAP人体分子图谱的历史节点。2026年把构建健康成人身体的多尺度三维地图、HuBMAP人体分子图谱的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。

HuBMAP人体分子图谱只锁定一个原因:构建健康成人身体的多尺度三维地图。〔外部复算〕2026年冻结对象和总预算,移除机制而方向仍在便撤回,HuBMAP人体分子图谱的批次、平台、最差亚组与现场漂移不得由峰值代偿。HuBMAP人体分子图谱的外部复现误差率以95%区间裁决。〔外部复算〕面向下一轮材料,空间组学与多模态细胞图谱应优先补齐“尚缺HuBMAP人体分子图谱在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:供体数、取材方向和组织变形会使共同坐标带有巨大不确定度,HuBMAP人体分子图谱覆盖样本越多,最差亚组的反向误差反”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

提出卷页由HuBMAP Consortium, Nature 574, 187–192 (2019), doi:10.1038/s41586-019-1629-x锁定,反方命题是“多平台数据能否落进共同人体坐标”,截至2025年的延续为“2023年以来肾、肠和胎盘空间图谱成套发布”。HuBMAP人体分子图谱复算给3套配置、95%区间、5%尾部和run ID,HuBMAP人体分子图谱的批次、平台、最差亚组与现场漂移失败样本不清洗。

HuBMAP人体分子图谱的硬边界是供体数、取材方向和组织变形会使共同坐标带有巨大不确定度。2026年把HuBMAP人体分子图谱的批次、平台、最差亚组与现场漂移推至规格外;HuBMAP人体分子图谱覆盖样本越多,最差亚组的反向误差反而越易被总体均值遮蔽,平均基准不能冲销反号结果。〔外部复算〕把HuBMAP人体分子图谱HuBMAP与相邻路线比较时,统一分母至少应包含成功、失败、弃权和未覆盖对象四类,只有“以“构建健康成人身体的多尺度三维地图”为主读数,并列样本、误差、周期和对照”在这些类别上都可回查,跨研究比较才有意义。

〔外部复算〕工程验收以“构建健康成人身体的多尺度三维地图”为主读数,连续24h记录HuBMAP人体分子图谱的外部复现误差率、版本、人工接管与恢复。HuBMAP人体分子图谱的批次、平台、最差亚组与现场漂移未测即保留“尚缺HuBMAP人体分子图谱在独立场景的长周期阴性结果”,95%成功不能删除5%失败谱。

HuBMAP人体分子图谱跨域登记为生物医学基础模型与医学AI称“Med-PaLM临床知识编码Med-PaLM”;见第553号第九条“Med-PaLM临床知识编码Med-PaLM”。〔外部复算〕它共享〔04 测量不改变被测对象〕多平台数据能否落进共同人体坐标,2026年送往第二平台时,HuBMAP人体分子图谱的批次、平台、最差亚组与现场漂移的对象、量纲与停止阈值均不得改名。〔外部复算〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项空间组学结果能否成立的只有构建健康成人身体的多尺度三维地图”的操作定义,仍能复算“以“构建健康成人身体的多尺度三维地图”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项空间组学结果能否成立的只有构建健康成人身体的多尺度三维地图 预设〔04 测量不改变被测对象〕多平台数据能否落进共同人体坐标 量纲以“构建健康成人身体的多尺度三维地图”为主读数,并列样本、误差、周期和对照/HuBMAP人体分子图谱HuBMAP全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:供体数、取材方向和组织变形会使共同坐标带有巨大不确定度;HuBMAP人体分子图谱覆盖样本越多,最差亚组的反向误差反而越易被总体均值遮蔽 自曝外部复算独立核验:HuBMAP人体分子图谱的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在外部复算 空栏尚缺HuBMAP人体分子图谱在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“Med-PaLM临床知识编码Med-PaLM”;见第553号第九条“Med-PaLM临床知识编码Med-PaLM”

二、seqFISH+单细胞原位转录组seqFISH+

提出Eng et al., Nature 568, 235–239 (2019), doi:10.1038/s41586-019-1049-y 争议Regev et al., The Human Cell Atlas, eLife 6, e27041 (2017).。 最新(2025年文献)Börner et al., Nature Methods 22, 845–860 (2025), doi:10.1038/s41592-024-02563-5。 关键组合荧光编码扩展到转录组尺度

seqFISH+单细胞原位转录组由Eng et al., Nature 568, 235–239 (2019), doi:10.1038/s41586-019-1049-y固定为历史节点,新意是seqFISH+以多轮编码在单细胞中读取约一万种转录本,并保持亚细胞位置。2026年重读时把组合荧光编码扩展到转录组尺度、seqFISH+单细胞原位转录组的批次、平台、最差亚组与现场漂移和实现栈并列,避免把单次纪录误作系统能力。〔反号压力〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则,再针对“⇄系统核算后方向反转:复杂探针设计和成像轮次限制组织厚度,未检测不能直接解释为未表达,seqFISH+单细胞原位转录组分辨率越高,捕获效”做至少两轮外部复算,若方向翻转,seqFISH+单细胞原位转录组seqFISH+的结论必须随之收窄。

可消融的唯一单因是组合荧光编码扩展到转录组尺度:2026年维持样本、版本与预算不变,仅撤去该机制;若读数仍同向,本条失败。seqFISH+单细胞原位转录组的外部复现误差率以95%区间登记。

Eng et al., Nature 568, 235–239 (2019), doi:10.1038/s41586-019-1049-y给出起点,争议由“一万基因原位读出能否控制误码与光学拥挤”承担,最新状态是“原位转录组与组织结构建模继续结合”。证据表列3组seqFISH+单细胞原位转录组的批次、平台、最差亚组与现场漂移配置、95%置信区间、5%尾部和run ID,阴性运行全部进入分母。

边界判据写作复杂探针设计和成像轮次限制组织厚度,未检测不能直接解释为未表达。当2026年测试越过seqFISH+单细胞原位转录组的批次、平台、最差亚组与现场漂移,seqFISH+单细胞原位转录组分辨率越高,捕获效率和跨批一致性反而可能越低;方向翻转须先于均值进入结论。

“组合荧光编码扩展到转录组尺度”承担验收读数,另开seqFISH+单细胞原位转录组的批次、平台、最差亚组与现场漂移账。系统跑满24h后保留seqFISH+单细胞原位转录组的外部复现误差率、版本、维修与中止原因;〔反号压力〕余下5%失败及“尚缺seqFISH+单细胞原位转录组在独立场景的长周期阴性结果”仍入正文。〔反号压力〕在空间组学与多模态细胞图谱的这一对象上,复核应把“以“组合荧光编码扩展到转录组尺度”为主读数,并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱,“尚缺seqFISH+单细胞原位转录组在独立场景的长周期阴性结果”要单列编码,不能在汇总时并入其他项。

seqFISH+单细胞原位转录组的异名接口采用生物医学基础模型与医学AI称“通用医学基础模型议程Generalist Medical AI”;见第553号第十条“通用医学基础模型议程Generalist Medical AI”。共同预设是〔13 时间尺度可自由压缩〕一万基因原位读出能否控制误码与光学拥挤;第二团队在2026年重放原始记录时,不得以同向代理替换seqFISH+单细胞原位转录组的批次、平台、最差亚组与现场漂移。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项空间组学结果能否成立的只有组合荧光编码扩展到转录组尺度 预设〔13 时间尺度可自由压缩〕一万基因原位读出能否控制误码与光学拥挤 量纲以“组合荧光编码扩展到转录组尺度”为主读数,并列样本、误差、周期和对照/seqFISH+单细胞原位转录组seqFISH+全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:复杂探针设计和成像轮次限制组织厚度,未检测不能直接解释为未表达;seqFISH+单细胞原位转录组分辨率越高,捕获效率和跨批一致性反而可能越低 自曝反号压力独立核验:seqFISH+单细胞原位转录组的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在反号压力 空栏尚缺seqFISH+单细胞原位转录组在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“通用医学基础模型议程Generalist Medical AI”;见第553号第十条“通用医学基础模型议程Generalist Medical AI”

三、DBiT-seq微流控空间多组学DBiT-seq

提出Liu et al., Cell 183, 1665–1681.e26 (2020), doi:10.1016/j.cell.2020.10.026 争议Goltsev et al., Cell 174, 968–981.e15 (2018), doi:10.1016/j.cell.2018.07.010。 最新(2025年文献)Börner et al., Human BioMolecular Atlas Program: 3D Human Reference Atlas, Nature Methods (2025).。 关键正交微流控在组织上写入二维条码

Liu et al., Cell 183, 1665–1681.e26 (2020), doi:10.1016/j.cell.2020.10.026确立DBiT-seq微流控空间多组学的历史节点。2026年把正交微流控在组织上写入二维条码、DBiT-seq微流控空间多组学的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。

因果账只许留下正交微流控在组织上写入二维条码这一项。2026年用相同对象做移除实验,机制消失而优势不变即否证;DBiT-seq微流控空间多组学的批次、平台、最差亚组与现场漂移只界定失效域。DBiT-seq微流控空间多组学的外部复现误差率报告95%区间。〔责任链〕落到复现实务,可为DBiT-seq微流控空间多组学DBiT-seq建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“正交微流控在组织上写入二维条码”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

来源链依次是Liu et al., Cell 183, 1665–1681.e26 (2020), doi:10.1016/j.cell.2020.10.026、“交叉流道像素能否保持组织边界和双模态定量”和“空间转录与蛋白共同测量成为平台主线”。原始表公开3档配置、95%区间、5%失败谱及run ID;DBiT-seq微流控空间多组学的批次、平台、最差亚组与现场漂移导致的中止按失败计入分母。

像素仍含多细胞且蛋白面板受限,两个模态的动态范围和缺失机制不同构成DBiT-seq微流控空间多组学的停止线。到2026年,DBiT-seq微流控空间多组学的批次、平台、最差亚组与现场漂移一旦主导,DBiT-seq微流控空间多组学模型越复杂,外部复现后的净增益反而越不稳定,峰值读数便不能代表净效用。〔责任链〕本条的边界案例应从“尚缺DBiT-seq微流控空间多组学在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:像素仍含多细胞且蛋白面板受限,两个模态的动态范围和缺失机制不同,DBiT-seq微流控空间多组学模型越复杂,外部复”究竟是偶发噪声,还是足以改变结论方向的系统反例。

部署账把“正交微流控在组织上写入二维条码”设为主量纲,每24h记录DBiT-seq微流控空间多组学的外部复现误差率、版本、漂移与恢复。DBiT-seq微流控空间多组学的批次、平台、最差亚组与现场漂移无数据就写“尚缺DBiT-seq微流控空间多组学在独立场景的长周期阴性结果”;95%可用也不遮蔽5%反号。

与相邻领域的精确链接是生物医学基础模型与医学AI称“RETFound视网膜基础模型RETFound”;见第553号第十一条“RETFound视网膜基础模型RETFound”。双方共享〔13 时间尺度可自由压缩〕交叉流道像素能否保持组织边界和双模态定量;2026年跨平台转移时,DBiT-seq微流控空间多组学的批次、平台、最差亚组与现场漂移仍用同一单位、版本与失败阈值。〔责任链〕对DBiT-seq微流控空间多组学DBiT-seq而言,真正需要登记的不是又一个平均分,而是由“决定本项空间组学结果能否成立的只有正交微流控在组织上写入二维条码”推出的每一步中介、责任人和可撤回条件,〔责任链〕缺少任何一环,都不能把相关性写成机制。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项空间组学结果能否成立的只有正交微流控在组织上写入二维条码 预设〔13 时间尺度可自由压缩〕交叉流道像素能否保持组织边界和双模态定量 量纲以“正交微流控在组织上写入二维条码”为主读数,并列样本、误差、周期和对照/DBiT-seq微流控空间多组学DBiT-seq全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:像素仍含多细胞且蛋白面板受限,两个模态的动态范围和缺失机制不同;DBiT-seq微流控空间多组学模型越复杂,外部复现后的净增益反而越不稳定 自曝责任链独立核验:DBiT-seq微流控空间多组学的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在责任链 空栏尚缺DBiT-seq微流控空间多组学在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“RETFound视网膜基础模型RETFound”;见第553号第十一条“RETFound视网膜基础模型RETFound”

四、Tangram单细胞到空间映射Tangram

提出Biancalani et al., Nature Methods 18, 1352–1362 (2021), doi:10.1038/s41592-021-01264-7 争议Angelo et al., Nature Medicine 20, 436–442 (2014), doi:10.1038/nm.3488。 最新(2025年文献)Börner et al., Human BioMolecular Atlas Program: 3D Human Reference Atlas, Nature Methods (2025).。 关键用共同基因把单细胞表征映回空间

Biancalani et al., Nature Methods 18, 1352–1362 (2021), doi:10.1038/s41592-021-01264-7确立Tangram单细胞到空间映射的历史节点。2026年把用共同基因把单细胞表征映回空间、Tangram单细胞到空间映射的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。〔排除规则〕机构采用Tangram单细胞到空间映射Tangram之前还应公布否决门槛:一旦“⇄系统核算后方向反转:参考缺少的细胞无法正确映射,平滑解会制造看似合理却不存在的生态位,Tangram单细胞到空间映射应用范围越广,版本”出现,就暂停扩张并回到“用共同基因把单细胞表征映回空间”的原始记录复核,该门槛必须早于部署决定写入方案。

这里拒绝多因叙述,决定结果能否成立的只有用共同基因把单细胞表征映回空间。〔排除规则〕2026年固定对象、实现和预算后做删除检验,若方向未变便退稿。Tangram单细胞到空间映射的外部复现误差率须给95%区间。

提出证据见Biancalani et al., Nature Methods 18, 1352–1362 (2021), doi:10.1038/s41592-021-01264-7,最强争议是“计算映射会不会把参考图谱先验强加给切片”,延续状态为“跨模态映射开始报告不确定度与未匹配细胞”。Tangram单细胞到空间映射交付3批Tangram单细胞到空间映射的批次、平台、最差亚组与现场漂移数据、95%区间、5%尾部和run ID,异常逐例保留。〔排除规则〕把Tangram单细胞到空间映射Tangram与相邻路线比较时,统一分母至少应包含成功、失败、弃权和未覆盖对象四类,只有“以“用共同基因把单细胞表征映回空间”为主读数,并列样本、误差、周期和对照”在这些类别上都可回查,跨研究比较才有意义。

Tangram单细胞到空间映射不能越过参考缺少的细胞无法正确映射,平滑解会制造看似合理却不存在的生态位。2026年把Tangram单细胞到空间映射的批次、平台、最差亚组与现场漂移扫过全量程时,Tangram单细胞到空间映射应用范围越广,版本漂移和未记录失败反而越多;方向一旦翻转,平均性能再高也不抵销。

验收表首先读取“用共同基因把单细胞表征映回空间”,随后核对Tangram单细胞到空间映射的批次、平台、最差亚组与现场漂移。持续24h日志含Tangram单细胞到空间映射的外部复现误差率、版次、接管和修复;95%成功与5%失败同时发布,缺口写成“尚缺Tangram单细胞到空间映射在独立场景的长周期阴性结果”。〔排除规则〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项空间组学结果能否成立的只有用共同基因把单细胞表征映回空间”的操作定义,仍能复算“以“用共同基因把单细胞表征映回空间”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

跨域异名为生物医学基础模型与医学AI称“MedSAM医学图像分割MedSAM”;见第553号第十二条“MedSAM医学图像分割MedSAM”,不是宽泛类比。它检验〔13 时间尺度可自由压缩〕计算映射会不会把参考图谱先验强加给切片;2026年由独立团队复跑原始记录时,Tangram单细胞到空间映射的批次、平台、最差亚组与现场漂移的单位、阈值和停止规则保持不变。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项空间组学结果能否成立的只有用共同基因把单细胞表征映回空间 预设〔13 时间尺度可自由压缩〕计算映射会不会把参考图谱先验强加给切片 量纲以“用共同基因把单细胞表征映回空间”为主读数,并列样本、误差、周期和对照/Tangram单细胞到空间映射Tangram全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:参考缺少的细胞无法正确映射,平滑解会制造看似合理却不存在的生态位;Tangram单细胞到空间映射应用范围越广,版本漂移和未记录失败反而越多 自曝排除规则独立核验:Tangram单细胞到空间映射的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在排除规则 空栏尚缺Tangram单细胞到空间映射在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“MedSAM医学图像分割MedSAM”;见第553号第十二条“MedSAM医学图像分割MedSAM”

五、seq-Scope亚细胞空间转录组Seq-Scope

提出Cho et al., Cell 184, 3559–3572.e22 (2021), doi:10.1016/j.cell.2021.05.010 争议Giesen et al., Nature Methods 11, 417–422 (2014), doi:10.1038/nmeth.2869。 最新(2024年文献)Yayon et al., A spatial human thymus cell atlas, Nature 633, 902–910 (2024).。 关键用高密度测序簇作空间条码阵列

Cho et al., Cell 184, 3559–3572.e22 (2021), doi:10.1016/j.cell.2021.05.010确立seq-Scope亚细胞空间转录组的历史节点。2026年把用高密度测序簇作空间条码阵列、seq-Scope亚细胞空间转录组跨中心漂移、实现栈与旧基线同时入账。

seq-Scope亚细胞空间转录组只锁定一个原因:用高密度测序簇作空间条码阵列。〔基线冻结〕2026年冻结对象和总预算,移除机制而方向仍在便撤回,seq-Scope亚细胞空间转录组跨中心漂移不得由峰值代偿。seq-Scope亚细胞空间转录组的外部复现误差率以95%区间裁决。〔基线冻结〕面向下一轮材料,空间组学与多模态细胞图谱应优先补齐“尚缺seq-Scope亚细胞空间转录组在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:名义像素远小于有效分辨率,捕获效率与分子扩散决定真实可辨尺度,seq-Scope亚细胞空间转录组覆盖样本越多,最差”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

提出卷页由Cho et al., Cell 184, 3559–3572.e22 (2021), doi:10.1016/j.cell.2021.05.010锁定,反方命题是“亚微米条码是否受RNA扩散和稀疏计数支配”,截至2025年的延续为“超高分辨平台转向细胞器与组织大图兼顾”。seq-Scope亚细胞空间转录组复算给3套配置、95%区间、5%尾部和run ID,seq-Scope亚细胞空间转录组跨中心漂移失败样本不清洗。

seq-Scope亚细胞空间转录组的硬边界是名义像素远小于有效分辨率,捕获效率与分子扩散决定真实可辨尺度。2026年把seq-Scope亚细胞空间转录组跨中心漂移推至规格外;seq-Scope亚细胞空间转录组覆盖样本越多,最差亚组的反向误差反而越易被总体均值遮蔽,平均基准不能冲销反号结果。〔基线冻结〕在空间组学与多模态细胞图谱的这一对象上,复核应把“以“用高密度测序簇作空间条码阵列”为主读数,并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱,“尚缺seq-Scope亚细胞空间转录组在独立场景的长周期阴性结果”要单列编码,不能在汇总时并入其他项。

〔基线冻结〕工程验收以“用高密度测序簇作空间条码阵列”为主读数,连续24h记录seq-Scope亚细胞空间转录组的外部复现误差率、版本、人工接管与恢复。seq-Scope亚细胞空间转录组跨中心漂移未测即保留“尚缺seq-Scope亚细胞空间转录组在独立场景的长周期阴性结果”,95%成功不能删除5%失败谱。

seq-Scope亚细胞空间转录组跨域登记为生物医学基础模型与医学AI称“CONCH病理视觉语言模型CONCH”;见第553号第十三条“CONCH病理视觉语言模型CONCH”。〔基线冻结〕它共享〔17 局部最优可加总为整体最优〕亚微米条码是否受RNA扩散和稀疏计数支配,2026年送往第二平台时,seq-Scope亚细胞空间转录组跨中心漂移的对象、量纲与停止阈值均不得改名。〔基线冻结〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则,再针对“⇄系统核算后方向反转:名义像素远小于有效分辨率,捕获效率与分子扩散决定真实可辨尺度,seq-Scope亚细胞空间转录组覆盖样本越多,最差”做至少两轮外部复算,若方向翻转,seq-Scope亚细胞空间转录组Seq-Scope的结论必须随之收窄。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项空间组学结果能否成立的只有用高密度测序簇作空间条码阵列 预设〔17 局部最优可加总为整体最优〕亚微米条码是否受RNA扩散和稀疏计数支配 量纲以“用高密度测序簇作空间条码阵列”为主读数,并列样本、误差、周期和对照/seq-Scope亚细胞空间转录组Seq-Scope全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:名义像素远小于有效分辨率,捕获效率与分子扩散决定真实可辨尺度;seq-Scope亚细胞空间转录组覆盖样本越多,最差亚组的反向误差反而越易被总体均值遮蔽 自曝基线冻结独立核验:seq-Scope亚细胞空间转录组的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在基线冻结 空栏尚缺seq-Scope亚细胞空间转录组在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“CONCH病理视觉语言模型CONCH”;见第553号第十三条“CONCH病理视觉语言模型CONCH”

六、Stereo-seq厘米尺度纳米阵列Stereo-seq

提出Chen et al., Cell 185, 1777–1792.e21 (2022), doi:10.1016/j.cell.2022.04.003 争议Giesen et al., Nature Methods 11, 417–422 (2014), doi:10.1038/nmeth.2869。 最新(2025年文献)Börner et al., Nature Methods 22, 845–860 (2025), doi:10.1038/s41592-024-02563-5。 关键大面积高密度条码同时覆盖尺度与细节

Chen et al., Cell 185, 1777–1792.e21 (2022), doi:10.1016/j.cell.2022.04.003确立Stereo-seq厘米尺度纳米阵列的历史节点。2026年把大面积高密度条码同时覆盖尺度与细节、Stereo-seq厘米尺度纳米阵列的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。〔异常运行〕落到复现实务,可为Stereo-seq厘米尺度纳米阵列Stereo-seq建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“大面积高密度条码同时覆盖尺度与细节”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

可消融的唯一单因是大面积高密度条码同时覆盖尺度与细节:2026年维持样本、版本与预算不变,仅撤去该机制;若读数仍同向,本条失败。Stereo-seq厘米尺度纳米阵列的外部复现误差率以95%区间登记。

Chen et al., Cell 185, 1777–1792.e21 (2022), doi:10.1016/j.cell.2022.04.003给出起点,争议由“超大视野与高分辨能否同时保持一致捕获”承担,最新状态是“时空胚胎和器官图谱采用DNA纳米球阵列”。证据表列3组Stereo-seq厘米尺度纳米阵列的批次、平台、最差亚组与现场漂移配置、95%置信区间、5%尾部和run ID,阴性运行全部进入分母。〔异常运行〕证据链还要把Chen et al., Cell 185, 1777–1792.e21 (2022), doi的起点材料与更新文献放在同一比较表里,并逐项报告“大面积高密度条码同时覆盖尺度与细节”在哪些设备、机构或人群中没有出现,而不是只保留成功演示。

边界判据写作有效分辨率仍受RNA捕获与聚合影响,跨芯片归一化会改变发育梯度。当2026年测试越过Stereo-seq厘米尺度纳米阵列的批次、平台、最差亚组与现场漂移,Stereo-seq厘米尺度纳米阵列分辨率越高,捕获效率和跨批一致性反而可能越低;方向翻转须先于均值进入结论。

“大面积高密度条码同时覆盖尺度与细节”承担验收读数,另开Stereo-seq厘米尺度纳米阵列的批次、平台、最差亚组与现场漂移账。系统跑满24h后保留Stereo-seq厘米尺度纳米阵列的外部复现误差率、版本、维修与中止原因;〔异常运行〕余下5%失败及“尚缺Stereo-seq厘米尺度纳米阵列在独立场景的长周期阴性结果”仍入正文。〔异常运行〕对Stereo-seq厘米尺度纳米阵列Stereo-seq而言,真正需要登记的不是又一个平均分,而是由“决定本项空间组学结果能否成立的只有大面积高密度条码同时覆盖尺度与细节”推出的每一步中介、责任人和可撤回条件,〔异常运行〕缺少任何一环,都不能把相关性写成机制。

Stereo-seq厘米尺度纳米阵列的异名接口采用生物医学基础模型与医学AI称“UNI通用病理编码器UNI”;见第553号第十四条“UNI通用病理编码器UNI”。共同预设是〔17 局部最优可加总为整体最优〕超大视野与高分辨能否同时保持一致捕获;第二团队在2026年重放原始记录时,不得以同向代理替换Stereo-seq厘米尺度纳米阵列的批次、平台、最差亚组与现场漂移。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项空间组学结果能否成立的只有大面积高密度条码同时覆盖尺度与细节 预设〔17 局部最优可加总为整体最优〕超大视野与高分辨能否同时保持一致捕获 量纲以“大面积高密度条码同时覆盖尺度与细节”为主读数,并列样本、误差、周期和对照/Stereo-seq厘米尺度纳米阵列Stereo-seq全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:有效分辨率仍受RNA捕获与聚合影响,跨芯片归一化会改变发育梯度;Stereo-seq厘米尺度纳米阵列分辨率越高,捕获效率和跨批一致性反而可能越低 自曝异常运行独立核验:Stereo-seq厘米尺度纳米阵列的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在异常运行 空栏尚缺Stereo-seq厘米尺度纳米阵列在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“UNI通用病理编码器UNI”;见第553号第十四条“UNI通用病理编码器UNI”

七、cell2location空间解卷积cell2location

提出Kleshchevnikov et al., Nature Biotechnology 40, 661–671 (2022), doi:10.1038/s41587-021-01139-4 争议HuBMAP Consortium, The human body at cellular resolution, Nature 574, 187–192 (2019).。 最新(2024年文献)Yayon et al., A spatial human thymus cell atlas, Nature 633, 902–910 (2024).。 关键用单细胞参考估计每个空间点的细胞组成

Kleshchevnikov et al., Nature Biotechnology 40, 661–671 (2022), doi:10.1038/s41587-021-01139-4确立cell2location空间解卷积的历史节点。2026年把用单细胞参考估计每个空间点的细胞组成、cell2location空间解卷积跨中心漂移、实现栈与旧基线同时入账。

因果账只许留下用单细胞参考估计每个空间点的细胞组成这一项。2026年用相同对象做移除实验,机制消失而优势不变即否证;cell2location空间解卷积跨中心漂移只界定失效域。cell2location空间解卷积的外部复现误差率报告95%区间。〔人工接管〕把cell2location空间解卷积cell2location与相邻路线比较时,统一分母至少应包含成功、失败、弃权和未覆盖对象四类,只有“以“用单细胞参考估计每个空间点的细胞组成”为主读数,并列样本、误差、周期和对照”在这些类别上都可回查,跨研究比较才有意义。

来源链依次是Kleshchevnikov et al., Nature Biotechnology 40, 661–671 (2022), doi:10.1038/s41587-021-01139-4、“贝叶斯解卷积能否区分相近细胞并避免参考偏差”和“空间细胞丰度估计广泛用于低分辨平台”。原始表公开3档配置、95%区间、5%失败谱及run ID;cell2location空间解卷积跨中心漂移导致的中止按失败计入分母。

参考标注、基因选择和先验细胞数会决定结果,稀有或新状态可能被硬分给最近类型构成cell2location空间解卷积的停止线。到2026年,cell2location空间解卷积跨中心漂移一旦主导,cell2location空间解卷积模型越复杂,外部复现后的净增益反而越不稳定,峰值读数便不能代表净效用。〔人工接管〕本条的边界案例应从“尚缺cell2location空间解卷积在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:参考标注、基因选择和先验细胞数会决定结果,稀有或新状态可能被硬分给最近类型,cell2location空间解卷积模”究竟是偶发噪声,还是足以改变结论方向的系统反例。

部署账把“用单细胞参考估计每个空间点的细胞组成”设为主量纲,每24h记录cell2location空间解卷积的外部复现误差率、版本、漂移与恢复。cell2location空间解卷积跨中心漂移无数据就写“尚缺cell2location空间解卷积在独立场景的长周期阴性结果”;95%可用也不遮蔽5%反号。

与相邻领域的精确链接是生物医学基础模型与医学AI称“Med-Gemini多模态推理Med-Gemini”;见第553号第十五条“Med-Gemini多模态推理Med-Gemini”。双方共享〔17 局部最优可加总为整体最优〕贝叶斯解卷积能否区分相近细胞并避免参考偏差;2026年跨平台转移时,cell2location空间解卷积跨中心漂移仍用同一单位、版本与失败阈值。〔人工接管〕机构采用cell2location空间解卷积cell2location之前还应公布否决门槛:一旦“⇄系统核算后方向反转:参考标注、基因选择和先验细胞数会决定结果,稀有或新状态可能被硬分给最近类型,cell2location空间解卷积模”出现,就暂停扩张并回到“用单细胞参考估计每个空间点的细胞组成”的原始记录复核,该门槛必须早于部署决定写入方案。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项空间组学结果能否成立的只有用单细胞参考估计每个空间点的细胞组成 预设〔17 局部最优可加总为整体最优〕贝叶斯解卷积能否区分相近细胞并避免参考偏差 量纲以“用单细胞参考估计每个空间点的细胞组成”为主读数,并列样本、误差、周期和对照/cell2location空间解卷积cell2location全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:参考标注、基因选择和先验细胞数会决定结果,稀有或新状态可能被硬分给最近类型;cell2location空间解卷积模型越复杂,外部复现后的净增益反而越不稳定 自曝人工接管独立核验:cell2location空间解卷积的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在人工接管 空栏尚缺cell2location空间解卷积在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“Med-Gemini多模态推理Med-Gemini”;见第553号第十五条“Med-Gemini多模态推理Med-Gemini”

八、Tabula Sapiens多器官细胞图谱Tabula Sapiens

提出Tabula Sapiens Consortium, Science 376, eabl4896 (2022), doi:10.1126/science.abl4896 争议HuBMAP Consortium, The human body at cellular resolution, Nature 574, 187–192 (2019).。 最新(2025年文献)Börner et al., Human BioMolecular Atlas Program: 3D Human Reference Atlas, Nature Methods (2025).。 关键同一供体多组织连接细胞身份

Tabula Sapiens Consortium, Science 376, eabl4896 (2022), doi:10.1126/science.abl4896确立Tabula Sapiens多器官细胞图谱的历史节点。2026年把同一供体多组织连接细胞身份、Tabula Sapiens多器官细胞图谱跨中心漂移、实现栈与旧基线同时入账。〔撤回门槛〕面向下一轮材料,空间组学与多模态细胞图谱应优先补齐“尚缺Tabula Sapiens多器官细胞图谱在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:非空间解离会丢失邻域并选择性损伤细胞,不能作为空间真值直接回填,Tabula Sapiens多器官细胞图谱应用范围”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

这里拒绝多因叙述,决定结果能否成立的只有同一供体多组织连接细胞身份。〔撤回门槛〕2026年固定对象、实现和预算后做删除检验,若方向未变便退稿。Tabula Sapiens多器官细胞图谱的外部复现误差率须给95%区间。

提出证据见Tabula Sapiens Consortium, Science 376, eabl4896 (2022), doi:10.1126/science.abl4896,最强争议是“多器官统一流程能否抵消供体和取材偏差”,延续状态为“大型跨器官单细胞参考用于空间映射”。Tabula Sapiens多器官细胞图谱交付3批Tabula Sapiens多器官细胞图谱跨中心漂移数据、95%区间、5%尾部和run ID,异常逐例保留。〔撤回门槛〕在空间组学与多模态细胞图谱的这一对象上,复核应把“以“同一供体多组织连接细胞身份”为主读数,并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱,“尚缺Tabula Sapiens多器官细胞图谱在独立场景的长周期阴性结果”要单列编码,不能在汇总时并入其他项。

Tabula Sapiens多器官细胞图谱不能越过非空间解离会丢失邻域并选择性损伤细胞,不能作为空间真值直接回填。2026年把Tabula Sapiens多器官细胞图谱跨中心漂移扫过全量程时,Tabula Sapiens多器官细胞图谱应用范围越广,版本漂移和未记录失败反而越多;方向一旦翻转,平均性能再高也不抵销。

验收表首先读取“同一供体多组织连接细胞身份”,随后核对Tabula Sapiens多器官细胞图谱跨中心漂移。持续24h日志含Tabula Sapiens多器官细胞图谱的外部复现误差率、版次、接管和修复;95%成功与5%失败同时发布,缺口写成“尚缺Tabula Sapiens多器官细胞图谱在独立场景的长周期阴性结果”。〔撤回门槛〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项空间组学结果能否成立的只有同一供体多组织连接细胞身份”的操作定义,仍能复算“以“同一供体多组织连接细胞身份”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

跨域异名为生物医学基础模型与医学AI称“TRIPOD+AI预测模型报告TRIPOD+AI”;见第553号第十六条“TRIPOD+AI预测模型报告TRIPOD+AI”,不是宽泛类比。它检验〔18 干预不回写到被干预者〕多器官统一流程能否抵消供体和取材偏差;2026年由独立团队复跑原始记录时,Tabula Sapiens多器官细胞图谱跨中心漂移的单位、阈值和停止规则保持不变。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项空间组学结果能否成立的只有同一供体多组织连接细胞身份 预设〔18 干预不回写到被干预者〕多器官统一流程能否抵消供体和取材偏差 量纲以“同一供体多组织连接细胞身份”为主读数,并列样本、误差、周期和对照/Tabula Sapiens多器官细胞图谱Tabula Sapiens全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:非空间解离会丢失邻域并选择性损伤细胞,不能作为空间真值直接回填;Tabula Sapiens多器官细胞图谱应用范围越广,版本漂移和未记录失败反而越多 自曝撤回门槛独立核验:Tabula Sapiens多器官细胞图谱的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在撤回门槛 空栏尚缺Tabula Sapiens多器官细胞图谱在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“TRIPOD+AI预测模型报告TRIPOD+AI”;见第553号第十六条“TRIPOD+AI预测模型报告TRIPOD+AI”

九、CosMx空间分子成像CosMx Spatial Molecular Imager

提出He et al., Nature Biotechnology 40, 1794–1806 (2022), doi:10.1038/s41587-022-01483-z 争议HuBMAP Consortium, The human body at cellular resolution, Nature 574, 187–192 (2019).。 最新(2025年文献)Börner et al., Human BioMolecular Atlas Program: 3D Human Reference Atlas, Nature Methods (2025).。 关键在单细胞和亚细胞位置读取RNA与蛋白

He et al., Nature Biotechnology 40, 1794–1806 (2022), doi:10.1038/s41587-022-01483-z确立CosMx空间分子成像的历史节点。2026年把在单细胞和亚细胞位置读取RNA与蛋白、CosMx空间分子成像的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。

CosMx空间分子成像只锁定一个原因:在单细胞和亚细胞位置读取RNA与蛋白。〔跨域外推〕2026年冻结对象和总预算,移除机制而方向仍在便撤回,CosMx空间分子成像的批次、平台、最差亚组与现场漂移不得由峰值代偿。CosMx空间分子成像的外部复现误差率以95%区间裁决。〔跨域外推〕证据链还要把He et al., Nature Biotechnology 40, 1794–1806 (2的起点材料与更新文献放在同一比较表里,并逐项报告“在单细胞和亚细胞位置读取RNA与蛋白”在哪些设备、机构或人群中没有出现,而不是只保留成功演示。

提出卷页由He et al., Nature Biotechnology 40, 1794–1806 (2022), doi:10.1038/s41587-022-01483-z锁定,反方命题是“高面板单分子成像能否在临床固定组织中稳定”,截至2025年的延续为“商业平台推动千基因与蛋白联合空间分析”。CosMx空间分子成像复算给3套配置、95%区间、5%尾部和run ID,CosMx空间分子成像的批次、平台、最差亚组与现场漂移失败样本不清洗。

CosMx空间分子成像的硬边界是面板、细胞边界和背景阈值影响计数,商业处理管线若不透明会削弱复现。2026年把CosMx空间分子成像的批次、平台、最差亚组与现场漂移推至规格外;CosMx空间分子成像覆盖样本越多,最差亚组的反向误差反而越易被总体均值遮蔽,平均基准不能冲销反号结果。〔跨域外推〕对CosMx空间分子成像CosMx Spatial Molecular Imager而言,真正需要登记的不是又一个平均分,而是由“决定本项空间组学结果能否成立的只有在单细胞和亚细胞位置读取RNA与蛋白”推出的每一步中介、责任人和可撤回条件,〔跨域外推〕缺少任何一环,都不能把相关性写成机制。

〔跨域外推〕工程验收以“在单细胞和亚细胞位置读取RNA与蛋白”为主读数,连续24h记录CosMx空间分子成像的外部复现误差率、版本、人工接管与恢复。CosMx空间分子成像的批次、平台、最差亚组与现场漂移未测即保留“尚缺CosMx空间分子成像在独立场景的长周期阴性结果”,95%成功不能删除5%失败谱。

CosMx空间分子成像跨域登记为生物医学基础模型与医学AI称“AMIE诊断对话系统AMIE”;见第553号第十七条“AMIE诊断对话系统AMIE”。〔跨域外推〕它共享〔18 干预不回写到被干预者〕高面板单分子成像能否在临床固定组织中稳定,2026年送往第二平台时,CosMx空间分子成像的批次、平台、最差亚组与现场漂移的对象、量纲与停止阈值均不得改名。〔跨域外推〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则,再针对“⇄系统核算后方向反转:面板、细胞边界和背景阈值影响计数,商业处理管线若不透明会削弱复现,CosMx空间分子成像覆盖样本越多,最差亚组的反”做至少两轮外部复算,若方向翻转,CosMx空间分子成像CosMx Spatial Molecular Imager的结论必须随之收窄。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项空间组学结果能否成立的只有在单细胞和亚细胞位置读取RNA与蛋白 预设〔18 干预不回写到被干预者〕高面板单分子成像能否在临床固定组织中稳定 量纲以“在单细胞和亚细胞位置读取RNA与蛋白”为主读数,并列样本、误差、周期和对照/CosMx空间分子成像CosMx Spatial Molecular Imager全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:面板、细胞边界和背景阈值影响计数,商业处理管线若不透明会削弱复现;CosMx空间分子成像覆盖样本越多,最差亚组的反向误差反而越易被总体均值遮蔽 自曝跨域外推独立核验:CosMx空间分子成像的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在跨域外推 空栏尚缺CosMx空间分子成像在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“AMIE诊断对话系统AMIE”;见第553号第十七条“AMIE诊断对话系统AMIE”

十、HuBMAP肾脏空间多组学HuBMAP Kidney Atlas

提出Lake et al., Nature 619, 585–594 (2023), doi:10.1038/s41586-023-05769-3 争议HuBMAP Consortium, The human body at cellular resolution, Nature 574, 187–192 (2019).。 最新(2024年文献)Yayon et al., A spatial human thymus cell atlas, Nature 633, 902–910 (2024).。 关键把转录、染色质和空间位置连接到肾单位

HuBMAP肾脏空间多组学由Lake et al., Nature 619, 585–594 (2023), doi:10.1038/s41586-023-05769-3固定为历史节点,新意是研究识别五十一类细胞和二十八种损伤相关状态,并定位适应与退行生态位。2026年重读时把把转录、染色质和空间位置连接到肾单位、HuBMAP肾脏空间多组学的批次、平台、最差亚组与现场漂移和实现栈并列,避免把单次纪录误作系统能力。〔盲法复核〕落到复现实务,可为HuBMAP肾脏空间多组学HuBMAP Kidney Atlas建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“把转录、染色质和空间位置连接到肾单位”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

可消融的唯一单因是把转录、染色质和空间位置连接到肾单位:2026年维持样本、版本与预算不变,仅撤去该机制;若读数仍同向,本条失败。HuBMAP肾脏空间多组学的外部复现误差率以95%区间登记。

Lake et al., Nature 619, 585–594 (2023), doi:10.1038/s41586-023-05769-3给出起点,争议由“多模态整合能否区分损伤状态与取材应激”承担,最新状态是“健康和损伤生态位进入人体参考图谱”。证据表列3组HuBMAP肾脏空间多组学的批次、平台、最差亚组与现场漂移配置、95%置信区间、5%尾部和run ID,阴性运行全部进入分母。〔盲法复核〕本条的边界案例应从“尚缺HuBMAP肾脏空间多组学在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:病肾样本、治疗和冷缺血会影响状态,横断面地图不能直接给出演化方向,HuBMAP肾脏空间多组学分辨率越高,捕获效率和”究竟是偶发噪声,还是足以改变结论方向的系统反例。

边界判据写作病肾样本、治疗和冷缺血会影响状态,横断面地图不能直接给出演化方向。当2026年测试越过HuBMAP肾脏空间多组学的批次、平台、最差亚组与现场漂移,HuBMAP肾脏空间多组学分辨率越高,捕获效率和跨批一致性反而可能越低;方向翻转须先于均值进入结论。

“把转录、染色质和空间位置连接到肾单位”承担验收读数,另开HuBMAP肾脏空间多组学的批次、平台、最差亚组与现场漂移账。系统跑满24h后保留HuBMAP肾脏空间多组学的外部复现误差率、版本、维修与中止原因;〔盲法复核〕余下5%失败及“尚缺HuBMAP肾脏空间多组学在独立场景的长周期阴性结果”仍入正文。

HuBMAP肾脏空间多组学的异名接口采用生物医学基础模型与医学AI称“WHO大型多模态模型指南WHO LMM Guidance”;见第553号第十八条“WHO大型多模态模型指南WHO LMM Guidance”。共同预设是〔18 干预不回写到被干预者〕多模态整合能否区分损伤状态与取材应激;第二团队在2026年重放原始记录时,不得以同向代理替换HuBMAP肾脏空间多组学的批次、平台、最差亚组与现场漂移。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项空间组学结果能否成立的只有把转录、染色质和空间位置连接到肾单位 预设〔18 干预不回写到被干预者〕多模态整合能否区分损伤状态与取材应激 量纲以“把转录、染色质和空间位置连接到肾单位”为主读数,并列样本、误差、周期和对照/HuBMAP肾脏空间多组学HuBMAP Kidney Atlas全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:病肾样本、治疗和冷缺血会影响状态,横断面地图不能直接给出演化方向;HuBMAP肾脏空间多组学分辨率越高,捕获效率和跨批一致性反而可能越低 自曝盲法复核独立核验:HuBMAP肾脏空间多组学的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在盲法复核 空栏尚缺HuBMAP肾脏空间多组学在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“WHO大型多模态模型指南WHO LMM Guidance”;见第553号第十八条“WHO大型多模态模型指南WHO LMM Guidance”

十一、三维人体参考图谱3D Human Reference Atlas

提出Börner et al., Nature Methods 22, 845–860 (2025), doi:10.1038/s41592-024-02563-5 争议Regev et al., The Human Cell Atlas, eLife 6, e27041 (2017).。 最新(2025年文献)Börner et al., Human BioMolecular Atlas Program: 3D Human Reference Atlas, Nature Methods (2025).。 关键用共同坐标连接器官结构、细胞和标志物

在Börner et al., Nature Methods 22, 845–860 (2025), doi:10.1038/s41592-024-02563-5之前,三维人体参考图谱缺少把局部优化变成系统判断的支点;节点价值在于HRA把解剖结构、细胞类型和标志物映入三维器官参考,并开放数据与工具。2026年评价用共同坐标连接器官结构、细胞和标志物时,同时冻结三维人体参考图谱的批次、平台、最差亚组与现场漂移和对照。

因果账只许留下用共同坐标连接器官结构、细胞和标志物这一项。2026年用相同对象做移除实验,机制消失而优势不变即否证;三维人体参考图谱的批次、平台、最差亚组与现场漂移只界定失效域。三维人体参考图谱的外部复现误差率报告95%区间。〔结果分母〕把三维人体参考图谱3D Human Reference Atlas与相邻路线比较时,统一分母至少应包含成功、失败、弃权和未覆盖对象四类,只有“以“用共同坐标连接器官结构、细胞和标志物”为主读数,并列样本、误差、周期和对照”在这些类别上都可回查,跨研究比较才有意义。

来源链依次是Börner et al., Nature Methods 22, 845–860 (2025), doi:10.1038/s41592-024-02563-5、“不同供体二维切片能否可靠映射到统一三维器官”和“二十余联盟协作共同坐标、知识图谱和器官模型”。原始表公开3档配置、95%区间、5%失败谱及run ID;三维人体参考图谱的批次、平台、最差亚组与现场漂移导致的中止按失败计入分母。

器官形变、尺度和个体差异使坐标不是精确地址,映射置信度必须显式保留构成三维人体参考图谱的停止线。到2026年,三维人体参考图谱的批次、平台、最差亚组与现场漂移一旦主导,三维人体参考图谱模型越复杂,外部复现后的净增益反而越不稳定,峰值读数便不能代表净效用。〔结果分母〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项空间组学结果能否成立的只有用共同坐标连接器官结构、细胞和标志物”的操作定义,仍能复算“以“用共同坐标连接器官结构、细胞和标志物”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

部署账把“用共同坐标连接器官结构、细胞和标志物”设为主量纲,每24h记录三维人体参考图谱的外部复现误差率、版本、漂移与恢复。三维人体参考图谱的批次、平台、最差亚组与现场漂移无数据就写“尚缺三维人体参考图谱在独立场景的长周期阴性结果”;95%可用也不遮蔽5%反号。

与相邻领域的精确链接是生物医学基础模型与医学AI称“医疗AI良好机器学习实践Good Machine Learning Practice”;见第553号第十九条“医疗AI良好机器学习实践Good Machine Learning Practice”。双方共享〔19 类别互斥且穷尽〕不同供体二维切片能否可靠映射到统一三维器官;2026年跨平台转移时,三维人体参考图谱的批次、平台、最差亚组与现场漂移仍用同一单位、版本与失败阈值。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项空间组学结果能否成立的只有用共同坐标连接器官结构、细胞和标志物 预设〔19 类别互斥且穷尽〕不同供体二维切片能否可靠映射到统一三维器官 量纲以“用共同坐标连接器官结构、细胞和标志物”为主读数,并列样本、误差、周期和对照/三维人体参考图谱3D Human Reference Atlas全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:器官形变、尺度和个体差异使坐标不是精确地址,映射置信度必须显式保留;三维人体参考图谱模型越复杂,外部复现后的净增益反而越不稳定 自曝结果分母独立核验:三维人体参考图谱的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在结果分母 空栏尚缺三维人体参考图谱在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“医疗AI良好机器学习实践Good Machine Learning Practice”;见第553号第十九条“医疗AI良好机器学习实践Good Machine Learning Practice”

十二、空间人类胸腺图谱Spatial Human Thymus Atlas

提出Yayon et al., Nature 633, 902–910 (2024), doi:10.1038/s41586-024-07944-6 争议Regev et al., The Human Cell Atlas, eLife 6, e27041 (2017).。 最新(2024年文献)Yayon et al., A spatial human thymus cell atlas, Nature 633, 902–910 (2024).。 关键把胸腺细胞状态放回连续发育生态位

Yayon et al., Nature 633, 902–910 (2024), doi:10.1038/s41586-024-07944-6使空间人类胸腺图谱从局部演示转为可审计命题,核心观察是研究整合空间转录、单细胞与多组学,解析胸腺细胞发育和组织区域关系。2026年证据包把把胸腺细胞状态放回连续发育生态位与空间人类胸腺图谱的批次、平台、最差亚组与现场漂移分别编号,并保留旧方法对照。

这里拒绝多因叙述,决定结果能否成立的只有把胸腺细胞状态放回连续发育生态位。〔未覆盖项〕2026年固定对象、实现和预算后做删除检验,若方向未变便退稿。空间人类胸腺图谱的外部复现误差率须给95%区间。

提出证据见Yayon et al., Nature 633, 902–910 (2024), doi:10.1038/s41586-024-07944-6,最强争议是“发育连续轨迹能否由横断面空间数据推断”,延续状态为“空间转录与单细胞多组学整合描绘胸腺发育”。空间人类胸腺图谱交付3批空间人类胸腺图谱的批次、平台、最差亚组与现场漂移数据、95%区间、5%尾部和run ID,异常逐例保留。〔未覆盖项〕在空间组学与多模态细胞图谱的这一对象上,复核应把“以“把胸腺细胞状态放回连续发育生态位”为主读数,并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱,“尚缺空间人类胸腺图谱在独立场景的长周期阴性结果”要单列编码,不能在汇总时并入其他项。

空间人类胸腺图谱不能越过年龄、供体和切片方向混杂可被算法误解为连续发育,仍需谱系和功能验证。2026年把空间人类胸腺图谱的批次、平台、最差亚组与现场漂移扫过全量程时,空间人类胸腺图谱应用范围越广,版本漂移和未记录失败反而越多;方向一旦翻转,平均性能再高也不抵销。

验收表首先读取“把胸腺细胞状态放回连续发育生态位”,随后核对空间人类胸腺图谱的批次、平台、最差亚组与现场漂移。持续24h日志含空间人类胸腺图谱的外部复现误差率、版次、接管和修复;95%成功与5%失败同时发布,缺口写成“尚缺空间人类胸腺图谱在独立场景的长周期阴性结果”。〔未覆盖项〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则,再针对“⇄系统核算后方向反转:年龄、供体和切片方向混杂可被算法误解为连续发育,仍需谱系和功能验证,空间人类胸腺图谱应用范围越广,版本漂移和未记录”做至少两轮外部复算,若方向翻转,空间人类胸腺图谱Spatial Human Thymus Atlas的结论必须随之收窄。

跨域异名为生物医学基础模型与医学AI称“临床自适应基础模型Clinically Adaptive Foundation Models”;见第553号第二十条“临床自适应基础模型Clinically Adaptive Foundation Models”,不是宽泛类比。它检验〔20 窗口内稳定=长期稳定〕发育连续轨迹能否由横断面空间数据推断;2026年由独立团队复跑原始记录时,空间人类胸腺图谱的批次、平台、最差亚组与现场漂移的单位、阈值和停止规则保持不变。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项空间组学结果能否成立的只有把胸腺细胞状态放回连续发育生态位 预设〔20 窗口内稳定=长期稳定〕发育连续轨迹能否由横断面空间数据推断 量纲以“把胸腺细胞状态放回连续发育生态位”为主读数,并列样本、误差、周期和对照/空间人类胸腺图谱Spatial Human Thymus Atlas全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:年龄、供体和切片方向混杂可被算法误解为连续发育,仍需谱系和功能验证;空间人类胸腺图谱应用范围越广,版本漂移和未记录失败反而越多 自曝未覆盖项独立核验:空间人类胸腺图谱的空间组学证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在未覆盖项 空栏尚缺空间人类胸腺图谱在独立场景的长周期阴性结果 异名生物医学基础模型与医学AI称“临床自适应基础模型Clinically Adaptive Foundation Models”;见第553号第二十条“临床自适应基础模型Clinically Adaptive Foundation Models”

◎ 二十年连起来看

二十个节点连起来,主线不是名词越来越多,而是空间图谱的决定性机制是让分子状态保留可复查的组织邻域与坐标关系,而不是细胞数、颜色数或基因数增加。早期把对象变得可执行,中期把读数送回决策,近期才开始把异常、资源和责任纳入系统。

这条历史线也显示,局部纪录通常先于完整证据账出现。面板因此保留提出、争议与最新三条来源,避免用今天的术语倒写昨天的因果。

◎ 三个常见误解

第一,自动或量子等标签不自动等于净优势;第二,峰值读数不能替代全流程分母;第三,规模扩大并不会自行消除选择偏差、漂移和外部成本。

三个误解共同源于把代理指标当作对象本身。只要损耗、人工、校准或失败样本被移出账本,任何路线都可能得到过度乐观的结论。

◎ 与相邻领域的接口

本领域向上连接基础理论,向下连接制造、软件、标准和治理。真正有用的接口是让相邻领域用同一失效条件挑战“空间图谱的决定性机制是让分子状态保留可复查的组织邻域与坐标关系,而不是细胞数、颜色数或基因数增加”。

接口验收要求对手明确、共同预设明确、相反点明确,并能推出一个原领域尚未提出的新实验,而不是把热门名词并排陈列。

◎ 争议现场

支持者强调新的闭环和资源已经把过去不可做的问题变成可运行系统;反方则指出大多数优势仍依赖精心选择的任务、基线和实验环境。

争议的裁决方式不是口号投票,而是冻结版本、同预算对照、跨站点复现与方向反转试验。若失败只被解释成工程细节,理论便失去被反驳的入口。

◎ 往下五年看什么

未来五年要看二维切片能否组成带不确定度的三维参考系,跨技术映射是否守住稀有生态位,并让疾病、年龄和祖源差异进入共同坐标而非被平均掉

应优先观察能否公开完整运行日志、异常分类和阴性结果,以及新一代标准是否要求端到端资源核算。单点纪录仍重要,但不足以单独改变面板判断。

◎ 可与哪些领域对撞

可对撞的领域包括控制论、因果推断、计量学、可靠性工程、科学社会学与技术治理。它们分别追问反馈、归因、溯源、长尾失败、奖励结构和责任。

对撞时应保持对象和量纲不变,只替换一个前提;如果结论因此反号,才说明接口带来了新知识。

◎ 十条可做的研究命题

建立公开失败谱,并比较只用成功数据与全量数据时结论是否反号。

把人工接管、校准和等待时间加入资源分母,重算相对旧方法的净收益。

在至少两个独立平台冻结版本复现同一方向,而非只复现最好数值。

设计移除关键机制的消融试验,检查单因主张能否被直接推翻。

将平均性能换成最坏分位数,观察路线排序是否改变。

对代理指标施加分布外扰动,寻找它与真实目标解耦的阈值。

记录中止与未完成运行,检验幸存者偏差在多大程度上制造领先。

以同总预算而非同设备时间设置经典或旧技术基线。

把能耗、耗材和退役责任延伸到生命周期,测试局部优化是否转移成本。

预注册一个会令主张失败的结果形态,并在数据到来后按原规则裁决。

◎ 资料核验

  1. Giesen et al., Nature Methods 11, 417–422 (2014), doi:10.1038/nmeth.2869
  2. Angelo et al., Nature Medicine 20, 436–442 (2014), doi:10.1038/nm.3488
  3. Chen et al., Science 348, aaa6090 (2015), doi:10.1126/science.aaa6090
  4. Ståhl et al., Science 353, 78–82 (2016), doi:10.1126/science.aaf2403
  5. Goltsev et al., Cell 174, 968–981.e15 (2018), doi:10.1016/j.cell.2018.07.010
  6. Vickovic et al., Nature Methods 16, 987–990 (2019), doi:10.1038/s41592-019-0548-y
  7. Rodriques et al., Science 363, 1463–1467 (2019), doi:10.1126/science.aaw1219
  8. Regev et al., eLife 6, e27041 (2017), doi:10.7554/eLife.27041
  9. HuBMAP Consortium, Nature 574, 187–192 (2019), doi:10.1038/s41586-019-1629-x
  10. Eng et al., Nature 568, 235–239 (2019), doi:10.1038/s41586-019-1049-y
  11. Liu et al., Cell 183, 1665–1681.e26 (2020), doi:10.1016/j.cell.2020.10.026
  12. Biancalani et al., Nature Methods 18, 1352–1362 (2021), doi:10.1038/s41592-021-01264-7
  13. Cho et al., Cell 184, 3559–3572.e22 (2021), doi:10.1016/j.cell.2021.05.010
  14. Chen et al., Cell 185, 1777–1792.e21 (2022), doi:10.1016/j.cell.2022.04.003
  15. Kleshchevnikov et al., Nature Biotechnology 40, 661–671 (2022), doi:10.1038/s41587-021-01139-4
  16. Tabula Sapiens Consortium, Science 376, eabl4896 (2022), doi:10.1126/science.abl4896
  17. He et al., Nature Biotechnology 40, 1794–1806 (2022), doi:10.1038/s41587-022-01483-z
  18. Lake et al., Nature 619, 585–594 (2023), doi:10.1038/s41586-023-05769-3
  19. Börner et al., Nature Methods 22, 845–860 (2025), doi:10.1038/s41592-024-02563-5
  20. Yayon et al., Nature 633, 902–910 (2024), doi:10.1038/s41586-024-07944-6
  21. Regev et al., The Human Cell Atlas, eLife 6, e27041 (2017).
  22. HuBMAP Consortium, The human body at cellular resolution, Nature 574, 187–192 (2019).
  23. Börner et al., Human BioMolecular Atlas Program: 3D Human Reference Atlas, Nature Methods (2025).
  24. Yayon et al., A spatial human thymus cell atlas, Nature 633, 902–910 (2024).

SDEUniverses.com · 新思想前沿 | 第 554 号 | 王德生 亲撰