科学家们经常使用实验试剂盒，这些试剂盒中包含用于生物医学研究的预包装酶、缓冲液和底物。图片来源：Hugh Threlfall/Alamy。在我三十多年前于路易斯安那州立大学巴吞鲁日的博士后时期，我目睹了生物医学研究方法的深刻变化。这种变化使研究效率大大提高，增强了实验方案，并有助于确保研究结果的可重复性。但这也导致了成本的大幅增加，并对某些科学家来说，可能导致对实验的基本理解的丧失。生物医学研究试剂盒的时代来临了。生物医学研究使用的试剂盒是商业生产的、预包装的实验系统，旨在以最少的用户准备来执行特定的检测或测量。一个典型的试剂盒装在一个小盒子里，里面包含预先测量的试剂——通常是酶、缓冲液和底物——分装到管子或板子中，并附有简明的实验方案。检测设计旨在简单明了，减少用户的准备和优化工作。在几分钟到几小时内，大多数方案会产生一个数值信号，例如吸光度、荧光或发光的测量。然后将这个输出解读为感兴趣的生物现象的代表。实验试剂盒的价格和复杂性范围很广。简单的检测可能成本达到几百美元。同时，设计用于研究特定细胞通路的检测、用于制备DNA文库的试剂盒、能够同时测量多个因素的面板，以及在使用特定仪器时所需的试剂盒，价格通常从几百美元到几千美元不等。在我的实验工作中，我们经常使用试剂盒来量化线粒体功能、氧化应激、细胞存活率和细胞死亡机制，这些技术曾经需要在内部准备和验证各种试剂。这些试剂盒通常成本几百美元，但可提供有限数量的检测。研究人员使用实验试剂盒生成大量数据，但检测所基于的化学原理、生物学原理和假设很容易被忽视。使用试剂盒而不理解其原理，就像依赖计算器而不理解基本的算术：工具运作顺畅，但当结果偏离预期时，解释和故障排除就变得更加困难。有人可能会认为，现代科学依赖于抽象。人们不需要理解时钟是如何工作的才能看时间。同样，许多研究人员可能不需要了解每种专有缓冲液的确切成分，就能回答有意义的生物问题。计算机编程领域正在进行类似的讨论，因为人工智能工具越来越多地将曾经必不可少的技能转变为可选技能。因此，挑战在于，不是决定这些研究的“黑箱”是否应该存在——它们必将存在——而是找出哪些技能对科学判断、故障排除和诚信是至关重要的。问题出现当试剂盒成为理解的替代品时。当故障排除被简化为更换品牌或订购新一批试剂时，实验室人员失去了一个基本技能：将失败解读为信息的能力，而不仅仅是作为一种不便。当我做博士后时，非常重视确保学生理解他们研究的科学基础并具备基本的实验室技能。那时我们没有试剂盒来挑战这一点。我的一个朋友回忆起在实验室外等他的教授。教授到达时，问他几个简单的问题：一个关于他们研究中至关重要的特定方程，一个关于浓度计算，一个关于准备缓冲液，以及一个关于滴定的问题。只有在回答这些问题后，他才被授予实验室的钥匙。另一位同事告诉我，他的教授故意将实验室的动力仪（用于绘制数据的工具）拆开，只是为了看看学生是否能正确重新组装和使用它。