如何“科學”地證明一個不靠譜的觀點

最近，澳大利亞有人發(fā)表了一項研究，結論是“轉基因飼料明顯增加了豬出現嚴重胃炎的比例”。正好中國新批準了三種轉基因大豆的進口許可，一時間人心惶惶。很快有專業(yè)人士指出，這項研究看起來“科學”，但是從實驗設計到數據分析都存在漏洞，結論完全靠不住。

在具體分析這項研究之前，我們先來舉個例子，說明如何“科學”地證明一個不靠譜的觀點。假設學生們每周上一次體育課，現在我們來證明“星期二上比星期三上更有利于健康”。

既然是科學實驗，自然是要找兩組人來比較，比如某年級的兩個班，A班星期二上，B班是星期三上。然后確定檢測指標，開始當然不知道“應該”檢測什么指標，于是只能盡可能多地檢測學生們的各項身體指標，比如身高、體重、脈博、肺活量等等，以及各項運動成績，比如短跑、長跑、跳高等等——基本原則就是“只要能想到的，都去測一下”。經過一學期之后，把這些參數再測一遍。學生們在長身體，測量出來的數值總是會有變化，而且各不相同。

接下來，就是關鍵的“數據分析”了。把各個參數的變化計算出來，比較兩個班孩子的變化情況。一般而言，各個指標的變化都是有高有低。統計學上要計算平均值和標準偏差，來衡量平均值的差異是不是“真的”不同。一般而言，多數指標的差異不具有“統計學意義”——也就是說，雖然不同，但是小于正常偏差。只有差異很大，才說明是“有統計學差異”。如果數據“有統計學差異”，在科學上就認為是所考察的變量導致的。這里所考察的變量是“哪一天上體育課”，而其他的變量，理論上兩個班情況“一樣”。因為測的參數很多，就可能有一項兩項參數出現“統計學差異”，而且是A班比B班好。于是，你就可以得出結論“星期二上體育課使得學生的XX指標提高更多”。

如果每項指標都沒有統計學差異，怎么辦呢？你還可以把孩子們分開，分成男生和女生、高個子和矮個子、家境富有和家境一般等等類別比較，沒準就能找到有差別的組了，于是結論就變成“星期二上體育課有助于某類學生XX指標的提高”。如果還是不行可另找兩個班，從頭再來。

這樣的研究當然很胡扯，但如果寫成論文，卻完全符合“科學論文”的特征。而澳大利亞那個轉基因飼料與豬胃炎的例子，就是這樣的思路。實際上，實驗中兩組豬出現胃炎的比例并沒有明顯差異，都非常高。作者又把胃炎分成“輕度”“中度”和“嚴重”三個類別，終于在“重度胃炎”類別中找到了符合目標的“差異”。實際上，還有一個“心臟異常”的指標，轉基因組的發(fā)生率只有非轉基因組的一半——雖然這個差別沒有統計學意義，但如果也搞一個類似的分組，那么很可能得出“轉基因飼料降低心臟異常率”這個作者不想要的“結論”來。

除了這項研究，還有很多證明“轉基因有害”的研究，但迄今為止，每一項這樣的研究都被指出各種各樣的漏洞。實驗設計和數據分析的漏洞，對于科研人員來說，是僅次于偽造數據的嚴重指控。為了維護自己的學術聲譽，面臨這樣的指控時，科研人員需要做的是糾正這些漏洞，重新進行實驗，用無可挑剔的實驗和數據來為自己正名。但是，這些證明“轉基因有害”的研究，沒有一項進行了這樣的跟進。

如果要考察藥物或者食品添加劑的安全性，動物實驗是一個很好的工具。因為藥物和食品添加劑沒有營養(yǎng)價值，可以用高倍數的劑量去喂動物，這樣很容易看出毒性，從而找出“不導致危害的最大劑量”。但是食物受到食量的限制，不可能給動物大大超過正常食量的劑量。所以，即使食物有輕微、慢性的危害，也會被其他影響因素掩蓋。如果食物有嚴重危害，那么不用動物實驗，成分分析就可以很容易地發(fā)現。

因此，國際食品法典委員會的轉基因食品風險評估指南中，并沒有把動物實驗作為安全審核的要求。相反，對于想要進行的動物實驗，明確指出需要“設計嚴謹”。