Han Blog

肠道干细胞谱系追踪系统

Mon, 13 Oct 2025 08:00:00 GMT

一、研究背景与目的

肠道上皮每 4–5 天更新一次，依赖隐窝底部的活跃干细胞（Lgr5⁺ CBCs）。为了研究这些干细胞的功能、分化轨迹和再生潜力，科学家建立了一套可控、可视化、可遗传的谱系追踪系统，实现对干细胞及其后代的精准标记与长期观察。

二、系统组成与分子原理

1. Lgr5-CreER：空间特异性 + 时间可控性

Lgr5 是 Wnt 信号通路的靶基因，仅在隐窝底部的活跃干细胞中表达。
CreER 是 Cre 酶与改造雌激素受体（ER）融合的蛋白，需 Tamoxifen 激活。
激活后进入细胞核，剪除 LoxP 位点间的 STOP 序列。

机制图示：

graph TD
    Tamoxifen --> CreER[CreER 激活]
    CreER -->|进入细胞核| LoxP剪接[剪除 STOP]
    LoxP剪接 --> Reporter表达[LacZ/GFP 表达启动]

2. Rosa26-loxP-STOP-loxP-Reporter：安全插入 + 永久标记

Rosa26原理详解：

位于小鼠第6号染色体，是一个非编码但转录活跃的区域。
插入点通常选在 intron 1，不会干扰原始基因功能。
插入结构如下：

Rosa26 Exon1 ── Intron1 ── [loxP–STOP–loxP–LacZ] ── Exon2

STOP cassette：含多个 polyA 信号和终止密码子，阻止下游 reporter 表达。
Cre 激活后：STOP 被剪除，LacZ 开始表达，且在所有后代中持续存在。

插入结构图示：

graph LR
    Exon1 --> Intron1
    Intron1 -->|插入表达盒| loxP1 --> STOP --> loxP2 --> LacZ --> Exon2

3. Tamoxifen：诱导剂

激活 CreER，使其进入细胞核。
剪除 STOP 序列，启动 reporter 表达。
标记仅发生在注射时间点的 Lgr5⁺ 干细胞及其后代。

三、实验流程与逻辑

|步骤|操作说明| |---|---| |①|交配 Lgr5-CreER 与 Rosa26-LacZ 小鼠，获得双转基因个体| |②|注射 Tamoxifen，激活 CreER 酶| |③|CreER 剪除 STOP → LacZ 表达启动| |④|所有被标记的干细胞及其后代可通过 X-gal 染色呈蓝色|

流程图示：

sequenceDiagram
    participant Mouse
    participant Tamoxifen
    participant CreER
    participant Rosa26
    Tamoxifen->>CreER: 激活
    CreER->>Rosa26: 剪除 STOP
    Rosa26->>Mouse: 表达 LacZ

四、实验观察与结果解读

|条件|观察结果| |---|---| |无 Tamoxifen|CreER 不激活 → LacZ 不表达 → 无标记细胞| |加 Tamoxifen|CreER 激活 → LacZ 表达 → 蓝色干细胞及后代可见|

五、系统优势与应用拓展

应用方向：

干细胞功能验证：是否能分化为所有肠道细胞类型（多能性）
再生能力研究：损伤后是否能恢复干细胞功能
癌变机制探索：如 APC 缺失 → β-catenin 积累 → 干细胞异常增殖
类器官构建：单个 Lgr5⁺ 干细胞培养“迷你肠”
多色谱系追踪：Rosa-Confetti 小鼠标记不同干细胞谱系
可塑性研究：Alpi⁺ 分化细胞可回归 Lgr5⁺ 干细胞状态

类器官图示：

graph TD
    Lgr5+ --> MiniGut[类器官]
    MiniGut -->|分化| Goblet[Muc+]
    MiniGut --> Enteroendocrine[Chga+]
    MiniGut --> Enterocyte[Krt20+]

六、Rosa-Confetti 扩展机制

插入多色 reporter（GFP、RFP、YFP、CFP）
每个干细胞随机表达一种颜色
可观察干细胞之间的空间竞争与替代

竞争示意图：

pie
    title 干细胞谱系分布
    "红色谱系": 7
    "黄色谱系": 5
    "蓝色谱系": 4

七、结论

通过 Lgr5-CreER × Rosa26-loxP-STOP-loxP-Reporter 的组合，科学家构建了一套精准、可控、永久的谱系追踪系统，为肠道干细胞的研究提供了强有力的遗传工具。该系统不仅揭示了干细胞的多能性和再生潜力，也为类器官构建、疾病建模和再生医学奠定了基础。

qPCR数据处理指北

Wed, 01 Oct 2025 08:00:00 GMT

qPCR 数据处理流程，涵盖原始数据的孔板编辑、信息整理，以及利用 Excel 实现自动化分析与结果可视化。

一、孔板数据编辑与格式转换

PlateEditor 是一个用于编辑和管理 PCR 实验孔板数据的在线工具，支持 Bio-Rad 和 Roche 仪器数据的导入与可视化编辑。具体的操作步骤如下：

1. 导入原始数据

Bio-Rad仪器导出方式：
- 在 CFX Manager 软件中选择 Export → Custom Export → Export
- 保存为 .xlsx 或 .xls 格式
- 在 PlateEditor 的右侧 "Data Import" 区域上传该文件
Roche 仪器（LightCycler）导出方式：
- 导出 .txt 文本文件
- 全选内容并复制粘贴至 Excel 表格
- 另存为 .xlsx 文件后上传至 PlateEditor

2. 孔板编辑与标注

在 PlateEditor 中可对每个孔进行样本名（Sample Name）和目标基因（Target Gene）的批量标注：

选择孔位：
- 单孔点击即可
- 点击行标签（A–P）选择整行
- 点击列标签（1–24）选择整列
- 按住鼠标左键拖拽选择矩形区域
输入信息：在右侧面板填写：
- Sample Name：如 WT_Control、KO_Treatment 等
- Target Gene：如 GAPDH, ACTB, IL-6 等
应用设置：点击 "Apply" 按钮，所选孔位即被赋予对应标签

3. 数据清理

若需重置部分或全部数据，可使用以下功能：

Clear Selection：取消当前选区
Clear Sample：清除选中孔的样本名称
Clear Gene：清除选中孔的目标基因
Clear Values：清除选中孔的所有定量数据（CT 值等）
Reset All Data：恢复整个孔板为空状态

4. 导出标准化数据

完成编辑后，在 "Data Export" 区域点击 "Export" 按钮，系统将自动生成并下载两个文件：

Excel 文件（.xlsx）：包含原始 CT 值、样本名、基因名及统计摘要
PNG 图片：孔板布局图，可用于报告或论文配图

二、数据分析

打开导出的 Excel 数据文件
将内参基因（如 TBP, GAPDH, ACTB）所在列移动至所有目标基因前列
复制以下关键列数据到 2.QPCR_template.xlsm 中，随后点击按钮即可分析并生成结果
- Sample Name（样本名称）
- Target Gene（目标基因）
- CT 值
使用前请确保仅打开此一个 Excel 工作簿（避免宏运行冲突）；文件为 .xlsm 格式，启用宏后方可执行分析
程序将自动执行：
- ΔΔCt 计算
- 相对表达量（2^(-ΔΔCt)）转换
- 组间均值与标准差统计
- 生成柱状图（Bar Plot）与数值表格
结果输出在同一工作簿的不同 sheet 中，可直接复制图表用于汇报

三、可能有用的脚本

1. barplot

library(ggplot2)
library(readxl)
library(tidyr)
library(dplyr)

data <- read_excel("data.xlsx")
gene_list <- unique(data$Gene)

for (g in gene_list) {
  sub_sum <- data %>% filter(Gene == g)
  rep_dat <- sub_sum %>% 
    select(Group_Name, Repeat1:Repeat2) %>% 
    pivot_longer(cols = starts_with("repeat"),
                 names_to = "rep_id",
                 values_to = "value")

  y_max <- pretty(max(sub_sum$Average + sub_sum$Stdev))[length(pretty(max(sub_sum$Average + sub_sum$Stdev)))]
  
  p <- ggplot(sub_sum) +
    geom_col(aes(x = Group_Name, y = Average),
             fill = "#6A89C5", alpha = 1, width = 0.7, 
             linewidth = 0.3, color = "black") +
    
    geom_linerange(aes(x = Group_Name,
                       ymin = Average,
                       ymax = Average + Stdev),
                   colour = "black",
                   linewidth = 0.4) +
    
    geom_errorbar(aes(x = Group_Name,
                      ymin = Average + Stdev,
                      ymax = Average + Stdev),
                  width = 0.2,
                  colour = "black",
                  linewidth = 0.6) +
    
    geom_point(data = rep_dat,
               aes(x = Group_Name, y = value),
               shape = 21, size = 1.5, colour = "black", fill = "#6A89C5",
               position = position_jitterdodge(dodge.width = 0.7,
                                               jitter.width = 0.25,
                                               seed = 123)) +
    
    ggtitle(bquote(bolditalic(.(g)))) +
    
    xlab(NULL) +
    ylab(expression("Normalized to "*italic(TBP))) +
    
    scale_y_continuous(expand = c(0, 0),
                       limits = c(0, y_max),
                       breaks = seq(0, y_max, length.out = 5)) +
    theme_classic() +
    theme(
      plot.title = element_text(hjust = 0.5, size = 14),
      axis.title.y = element_text(size = 12, face = "plain"),
      axis.title.x = element_text(size = 12, face = "plain"),
      axis.text.y = element_text(face = "plain"),
      axis.text.x = element_text(face = "plain",
                                 angle = 45,
                                 hjust = 1,
                                 vjust = 1)
    )
  
  ggsave(filename = paste0(g, ".png"),
         plot = p,
         width = 8,
         height = 6,
         dpi = 900,
         units = "in")
}

2. heatmap

library(ggplot2)
library(dplyr)
library(readxl)

data <- read_excel("data.xlsx")
data$Group_Name <- factor(data$Group_Name, levels = unique(data$Group_Name))
data$Gene      <- factor(data$Gene,      levels = unique(data$Gene))

data_norm <- data %>%
  group_by(Gene) %>%
  mutate(
    Normalized_Value = (Average - min(Average)) /
                       (max(Average) - min(Average)),
    label_text = sprintf("%.1f", Average)
  ) %>%
  ungroup()

p <- ggplot(data_norm, aes(x = Group_Name, y = Gene, fill = Normalized_Value)) +
  geom_tile(color = "white", linewidth = 0.5) +
  geom_text(
    aes(label = label_text),
    color = "#7b7c7a", 
    fontface = "bold",  
    size = 2.7,
    family = "sans"        
  ) +
  
  scale_fill_gradientn(
    name = "Normalized\nExpression",
    colors = c("#f0f8ff", "#c6dbef", "#9ecae1", "#6baed6", "#3182bd", "#08519c"),
    limits = c(0, 1),
    
    guide = guide_colorbar(
      title.position = "left",
      title.hjust    = 1,
      title.vjust    = 0.5,
      barwidth       = unit(0.5, "lines"),
      barheight      = unit(15, "lines"),
      
      title.theme = element_text(
        angle  = 90,
        size   = 11,
        face   = "plain",
        hjust  = 0.5
      )
    )
  ) +
  
  scale_x_discrete(expand = c(0, 0)) +
  scale_y_discrete(expand = c(0, 0)) +
  
  theme_gray() +
  
  labs(
    title = "Min-Max Normalized Gene Expression Across Group_Names",
    x     = NULL,
    y     = NULL
  ) +
  
  theme(
    plot.title      = element_text(hjust = 0.5, size = 16, face = "bold"),
    axis.text.x     = element_text(angle = 45, hjust = 1, vjust = 1, size = 9, color = "black"),
    axis.text.y     = element_text(size = 10, color = "black", face = "italic"),
    panel.grid      = element_blank(),
    axis.ticks      = element_blank(),
    legend.position = "right",
    legend.title.align = 1,
    legend.margin   = margin(l = 5, r = 10),
    legend.title    = element_text(margin = margin(r = 5))
  ) +
  
  coord_fixed(ratio = 1)

ggsave("heatmap.pdf", 
       plot = p, 
       width  = 16, 
       height = 9.5,  
       limitsize = FALSE, 
       device = "pdf",
       dpi = 400     
)

#!/usr/bin/env Rscript

library(ggplot2)
library(dplyr)
library(tidyr)
library(readxl)

data <- read_excel("data.xlsx")

control_group <- "E6"

data_logfc <- data %>%
  group_by(Gene) %>%
  mutate(
    ctrl = Average[Group_Name == control_group],
    log2FC = log2(Average / ctrl),
    label_text = sprintf("%.1f", Average)
  ) %>%
  ungroup() %>%
  filter(Group_Name != control_group)

data_norm <- data_logfc %>%
  group_by(Gene) %>%
  mutate(
    z_log2FC = scale(log2FC)[,1]
  ) %>%
  ungroup()

data_norm$Group_Name <- factor(data_norm$Group_Name, levels = unique(data_norm$Group_Name))
data_norm$Gene      <- factor(data_norm$Gene,      levels = unique(data_norm$Gene))

z_range <- max(abs(data_norm$z_log2FC), na.rm = TRUE)


p <- ggplot(data_norm, aes(x = Group_Name, y = Gene, fill = z_log2FC)) +
  
  geom_tile(color = "white", linewidth = 0.5) +
  
  geom_text(
    aes(label = label_text),
    color = "grey30",  
    fontface = "bold",
    size = 2.7,   
    family = "sans"
  ) +
  
  scale_fill_gradient2(
    name = "Z-score\n(log2FC)",
    low = "#2166ac",
    mid = "#f7f7f7",
    high = "#b2182b",
    midpoint = 0,
    limits = c(-z_range, z_range),
    breaks = seq(-ceiling(z_range), ceiling(z_range), by = 1),
    oob = scales::squish,
    
    guide = guide_colorbar(
      title.position = "left",
      title.hjust    = 1,
      title.vjust    = 0.5,
      barwidth       = unit(0.5, "lines"),
      barheight      = unit(15, "lines"),
      title.theme    = element_text(
        angle  = 90,
        size   = 11,
        hjust  = 0.5,
        vjust  = 0.5
      )
    )
  ) +
  
  scale_x_discrete(expand = c(0, 0)) +
  scale_y_discrete(expand = c(0, 0)) +
  
  labs(
    title = paste("Row-normalized log2FC (Z-score) vs", control_group, 
                  "\nNumbers: raw average expression level"),
    x = NULL, y = NULL
  ) +
  
  theme_minimal(base_size = 13) +
  
  theme(
    plot.title        = element_text(hjust = 0.5, face = "bold", size = 15),
    axis.text.x       = element_text(angle = 45, hjust = 1, vjust = 1, size = 9),
    axis.text.y       = element_text(size = 9.5, face = "italic"),
    panel.grid        = element_blank(),
    axis.ticks        = element_blank(),
    legend.position   = "right",
    legend.text       = element_text(size = 10),
    legend.key.height = unit(1.8, "cm"),
    legend.margin     = margin(l = 10)
  ) +
  
  coord_fixed(ratio = 1)

ggsave("heatmap_FC.pdf",
       plot = p,
       width = 15.5,
       height = 9.5,
       limitsize = FALSE,
       dpi = 400)

cat("complete!\n")

Over~

昆明的雨

Tue, 23 Sep 2025 00:00:00 GMT

宁坤要我给他画一张画，要有昆明的特点。我想了一些时候，画了一幅：右上角画了一片倒挂着的浓绿的仙人掌，末端开出一朵金黄色的花；左下画了几朵青头菌和牛肝菌。题了这样几行字：

“昆明人家常于门头挂仙人掌一片以辟邪，仙人掌悬空倒挂，尚能存活开花。于此可见仙人掌生命之顽强，亦可见昆明雨季空气之湿润。雨季则有青头菌、牛肝菌，味极鲜腴。”我想念昆明的雨。

我以前不知道有所谓雨季。“雨季”，是到昆明以后才有了具体感受的。

我不记得昆明的雨季有多长，从几月到几月，好像是相当长的。但是并不使人厌烦。因为是下下停停、停停下下，不是连绵不断，下起来没完。而且并不使人气闷。我觉得昆明雨季气压不低，人很舒服。

昆明的雨季是明亮的、丰满的，使人动情的。城春草木深，孟夏草木长。昆明的雨季，是浓绿的。草木的枝叶里的水分都到了饱和状态，显示出过分的、近于夸张的旺盛。

我的那张画是写实的。我确实亲眼看见过倒挂着还能开花的仙人掌。旧日昆明人家门头上用以辟邪的多是这样一些东西：一面小镜子，周围画着八卦，下面便是一片仙人掌，——在仙人掌上扎一个洞，用麻线穿了，挂在钉子上。昆明仙人掌多，且极肥大。有些人家在菜园的周围种了一圈仙人掌以代替篱笆。——种了仙人掌，猪羊便不敢进园吃菜了。仙人掌有刺，猪和羊怕扎。

昆明菌子极多。雨季逛菜市场，随时可以看到各种菌子。最多，也最便宜的是牛肝菌。牛肝菌下来的时候，家家饭馆卖炒牛肝菌，连西南联大食堂的桌子上都可以有一碗。牛肝菌色如牛肝，滑，嫩，鲜，香，很好吃。炒牛肝菌须多放蒜，否则容易使人晕倒。青头菌比牛肝菌略贵。这种菌子炒熟了也还是浅绿色的，格调比牛肝菌高。菌中之王是鸡土从，味道鲜浓，无可方比。鸡土从是名贵的山珍，但并不真的贵得惊人。一盘红烧鸡土从的价钱和一碗黄焖鸡不相上下，因为这东西在云南并不难得。有一个笑话：有人从昆明坐火车到呈贡，在车上看到地上有一棵鸡纵，他跳下去把鸡土从捡了，紧赶两步，还能爬上火车。这笑话用意在说明昆明到呈贡的火车之慢，但也说明鸡土从随处可见。有一种菌子，中吃不中看，叫做干巴菌。乍一看那样子，真叫人怀疑：这种东西也能吃？！颜色深褐带绿，有点像一堆半干的牛粪或一个被踩破了的马蜂窝。里头还有许多草茎、松毛、乱七八糟！可是下点功夫，把草茎松毛择净，撕成蟹腿肉粗细的丝，和青辣椒同炒，入口便会使你张目结舌：这东西这么好吃？！还有一种菌子，中看不中吃，叫鸡油菌。都是一般大小，有一块银圆那样大，的溜圆，颜色浅黄，恰似鸡油一样。这种菌子只能做菜时配色用，没甚味道。

雨季的果子，是杨梅。卖杨梅的都是苗族女孩子，戴一顶小花帽子，穿着扳尖的绣了满帮花的鞋，坐在人家阶石的一角，不时吆唤一声：“卖杨梅——”，声音娇娇的。她们的声音使得昆明雨季的空气更加柔和了。昆明的杨梅很大，有一个乒乓球那样大，颜色黑红黑红的，叫做“火炭梅”。这个名字起得真好，真是像一球烧得炽红的火炭！一点都不酸！我吃过苏州洞庭山的杨梅、井冈山的杨梅，好像都比不上昆明的火炭梅。

雨季的花是缅桂花。缅桂花即白兰花，北京叫做“把儿兰”（这个名字真不好听）。云南把这种花叫做缅桂花，可能最初这种花是从缅甸传入的，而花的香味又有点像桂花，其实这跟桂花实在没有什么关系。——不过话又说回来，别处叫它白兰、把儿兰，它和兰花也挨不上呀，也不过是因为它很香，香得像兰花。我在家乡看到的白兰多是一人高，昆明的缅桂是大树！我在若园巷二号住过，院里有一棵大缅桂，密密的叶子，把四周房间都映绿了。缅桂盛开的时候，房东（是一个五十多岁的寡妇）就和她的一个养女，搭了梯子上去摘，每天要摘下来好些，拿到花市上去卖。她大概是怕房客们乱摘她的花，时常给各家送去一些。有时送来一个七寸盘子，里面摆得满满的缅桂花！带着雨珠的缅桂花使我的心软软的，不是怀人，不是思乡。

雨，有时是会引起人一点淡淡的乡愁的。李商隐的《夜雨寄北》是为许多久客的游子而写的。我有一天在积雨少住的早晨和德熙从联大新校舍到莲花池去。看了池里的满池清水，看了作比丘尼装的陈圆圆的石像（传说陈圆圆随吴三桂到云南后出家，暮年投莲花池而死），雨又下起来了。莲花池边有一条小街，有一个小酒店，我们走进去，要了一碟猪头肉，半市斤酒（装在上了绿釉的土磁杯里），坐了下来。雨下大了。酒店有几只鸡，都把脑袋反插在翅膀下面，一只脚着地，一动也不动地在檐下站着。酒店院子里有一架大木香花。昆明木香花很多。有的小河沿岸都是木香。但是这样大的木香却不多见。一棵木香，爬在架上，把院子遮得严严的。密匝匝的细碎的绿叶，数不清的半开的白花和饱涨的花骨朵，都被雨水淋得湿透了。我们走不了，就这样一直坐到午后。

四十年后，我还忘不了那天的情味，写了一首诗：

莲花池外少行人，野店苔痕一寸深。浊酒一杯天过午，木香花湿雨沉沉。

我想念昆明的雨。

一九八四年五月十九日

故都的秋

Mon, 15 Sep 2025 00:00:00 GMT

秋天，无论在什么地方的秋天，总是好的；可是啊，北国的秋，却特别地来得清，来得静，来得悲凉。我的不远千里，要从杭州赶上青岛，更要从青岛赶上北平来的理由，也不过想饱尝一尝这“秋”，这故都的秋味。

江南，秋当然也是有的；但草木雕得慢，空气来得润，天的颜色显得淡，并且又时常多雨而少风；一个人夹在苏州上海杭州，或厦门香港广州的市民中间，浑浑沌沌地过去，只能感到一点点清凉，秋的味，秋的色，秋的意境与姿态，总看不饱，尝不透，赏玩不到十足。秋并不是名花，也并不是美酒，那一种半开半醉的状态，在领略秋的过程上，是不合适的。

不逢北国之秋，已将近十余年了。在南方每年到了秋天，总要想起陶然亭的芦花，钓鱼台的柳影，西山的虫唱，玉泉的夜月，潭柘寺的钟声。在北平即使不出门去吧，就是在皇城人海之中，租人家一椽破屋来住着，早晨起来，泡一碗浓茶，向院子一坐，你也能看得到很高很高的碧绿的天色，听得到青天下驯鸽的飞声。从槐树叶底，朝东细数着一丝一丝漏下来的日光，或在破壁腰中，静对着像喇叭似的牵牛花（朝荣）的蓝朵，自然而然地也能够感觉到十分的秋意。说到了牵牛花，我以为以蓝色或白色者为佳，紫黑色次之，淡红色最下。最好，还要在牵牛花底，教长着几根疏疏落落的尖细且长的秋草，使作陪衬。

北国的槐树，也是一种能使人联想起秋来的点缀。像花而又不是花的那一种落蕊，早晨起来，会铺得满地。脚踏上去，声音也没有，气味也没有，只能感出一点点极微细极柔软的触觉。扫街的在树影下一阵扫后，灰土上留下来的一条条扫帚的丝纹，看起来既觉得细腻，又觉得清闲，潜意识下并且还觉得有点儿落寞，古人所说的梧桐一叶而天下知秋的遥想，大约也就在这些深沉的地方。

秋蝉的衰弱的残声，更是北国的特产；因为北平处处全长着树，屋子又低，所以无论在什么地方，都听得见它们的啼唱。在南方是非要上郊外或山上去才听得到的。这秋蝉的嘶叫，在北平可和蟋蟀耗子一样，简直像是家家户户都养在家里的家虫。

还有秋雨哩，北方的秋雨，也似乎比南方的下得奇，下得有味，下得更像样。

在灰沉沉的天底下，忽而来一阵凉风，便息列索落地下起雨来了。一层雨过，云渐渐地卷向了西去，天又青了，太阳又露出脸来了；著着很厚的青布单衣或夹袄的都市闲人，咬着烟管，在雨后的斜桥影里，上桥头树底下去一立，遇见熟人，便会用了缓慢悠闲的声调，微叹着互答着的说：

“唉，天可真凉了——”（这了字念得很高，拖得很长。）

“可不是么？一层秋雨一层凉了！”

北方人念阵字，总老像是层字，平平仄仄起来，这念错的歧韵，倒来得正好。

北方的果树，到秋来，也是一种奇景。第一是枣子树，屋角，墙头，茅房边上，灶房门口，它都会一株株地长大起来。像橄榄又像鸽蛋似的这枣子颗儿，在小椭圆形的细叶中间，显出淡绿微黄的颜色的时候，正是秋的全盛时期；等枣树叶落，枣子红完，西北风就要起来了，北方便是尘沙灰土的世界，只有这枣子、柿子、葡萄，成熟到八九分的七八月之交，是北国的清秋的佳日，是一年之中最好也没有的Golden Days。

有些批评家说，中国的文人学士，尤其是诗人，都带着很浓厚的颓废色彩，所以中国的诗文里，颂赞秋的文字特别的多。但外国的诗人，又何尝不然？我虽则外国诗文念得不多，也不想开出账来，做一篇秋的诗歌散文钞，但你若去一翻英德法意等诗人的集子，或各国的诗文的Anthology来，总能够看到许多关于秋的歌颂与悲啼。各著名的大诗人的长篇田园诗或四季诗里，也总以关于秋的部分，写得最出色而最有味。足见有感觉的动物，有情趣的人类，对于秋，总是一样的能特别引起深沈，幽远，严厉，萧索的感触来的。不单是诗人，就是被关闭在牢狱里的囚犯，到了秋天，我想也一定会感到一种不能自已的深情；秋之于人，何尝有国别，更何尝有人种阶级的区别呢？不过在中国，文字里有一个“秋士”的成语，读本里又有着很普遍的欧阳子的《秋声》与苏东坡的《赤壁赋》等，就觉得中国的文人，与秋的关系特别深了。可是这秋的深味，尤其是中国的秋的深味，非要在北方，才感受得到底。

南国之秋，当然是也有它的特异的地方的，比如廿四桥的明月，钱塘江的秋潮，普陀山的凉雾，荔枝湾的残荷等等，可是色彩不浓，回味不永。比起北国的秋来，正像是黄酒之与白干，稀饭之与馍馍，鲈鱼之与大蟹，黄犬之与骆驼。

秋天，这北国的秋天，若留得住的话，我愿把寿命的三分之二折去，换得一个三分之一的零头。

Funannotate 离线镜像的Docker安装

Sun, 14 Sep 2025 00:00:00 GMT

0. 场景

服务器 无法直连 Docker Hub
系统 Docker 版本老旧（18.x 及以下），不支持 --mount 语法
需要 一次性离线部署 Funannotate 1.8.x 并验证可用

1. 获取离线镜像

| 工具 | 作用 | |---|---| | dget | 断点续传 Docker Hub 镜像，无需 docker pull |

# ① 下载 dget（linux/amd64）
wget -c https://gitee.com/mirrors/dget/releases/download/v0.3/dget_linux_amd64 -O dget
chmod +x dget

# ② 断点续拉（失败重复执行即可）
./dget nextgenusfs/funannotate
# 完成后得到 funannotate_latest-img.tar.gz

2. 加载镜像

docker load -i funannotate_latest-img.tar.gz
docker images | grep funannotate
# 预期
# nextgenusfs/funannotate   latest   bcde41375f71   7 weeks ago   12.6 GB

3. 修复「unknown flag: --mount」兼容脚本

旧版 Docker 不认 --mount，官方 wrapper 会报错。直接替换为 -v 版本：

cat > funannotate-docker <<'EOF'
#!/usr/bin/env bash
realpath() {
  OURPWD=$PWD
  cd "$(dirname "$1")"
  LINK=$(readlink "$(basename "$1")")
  while [ "$LINK" ]; do
    cd "$(dirname "$LINK")"
    LINK=$(readlink "$(basename "$1")")
  done
  REALPATH="$PWD/$(basename "$1")"
  cd "$OURPWD"
  echo "$REALPATH"
}

USER="$(id -u $(logname)):$(id -g $(logname))"
WORKDIR="$(realpath .)"
TZ="$(date +'%Z')"

docker run --rm -it \
  --user "${USER}" \
  -e TZ="${TZ}" \
  --workdir "${WORKDIR}" \
  -v "${WORKDIR}:${WORKDIR}" \
  nextgenusfs/funannotate:latest \
  funannotate "$@"
EOF

chmod +x funannotate-docker
mkdir -p ~/.local/bin
mv funannotate-docker ~/.local/bin/   # 确保目录在 $PATH

4. 验证：跑官方测试

funannotate-docker test -t predict --cpus 12

出现

#########################################################
SUCCESS: `funannotate predict` test complete.
#########################################################

即 安装成功，可投入正式分析。

5. 常用命令速查

| 任务 | 命令 | |---|---| | 查看帮助 | funannotate-docker | | 预测基因 | funannotate-docker predict -i genome.fa -o out -s "Aspergillus nidulans" | | 功能注释 | funannotate-docker annotate -i out | | 比较基因组 | funannotate-docker compare -i out1 out2 out3 |

6. 常见问题

加载镜像失败
→ 确认 funannotate_latest-img.tar.gz 完整（gzip -t 无报错）。
wrapper 执行无权限
→ chmod +x 并检查 ~/.local/bin 是否已加入 PATH。
测试时提示数据库缺失
→ 首次使用执行
funannotate-docker setup -b all
若服务器仍无法联网，参考官方手动下载数据库。

至此，离线环境即可完整使用 Funannotate 全部功能。

火炉

Sat, 13 Sep 2025 00:00:00 GMT

我有一个煤火炉，是进城那年买的，用到现在，已经三十多年了。它伴我度过了热情火炽的壮年，又伴我度过着衰年的严冬。它的容颜也有了很大的改变，它的身上长了一层红色的铁锈，每年安装时，我都要举止艰难地为它打扫一番。

我们可以说得上是经过考验的，没有发生过变化的。它伴我住过大屋子，也伴我迁往过小屋子，它放暖如故。大屋小暖，小屋大暖。小暖时，我靠它近些；大暖时，我离它远些。小屋时，来往的客人，少一些；大屋时，来往的客人，多一些。它都看到了。它放暖如故。

它看到，和我同住的人，有的死去了，有的离去了，有的买制了新的火炉，另外安家立业去了。它放暖如故。

我坐在它的身边。每天早起，我把它点着，每天晚上，我把它封盖。我坐在它身边，吃饭，喝茶，吸烟，深思。

我好吃烤的东西，好吃有些糊味的东西。每天下午三点钟，我午睡起来，在它上面烤两片馒头，在炉前慢慢咀嚼着，自得其乐，感谢上天的赐与。

对于我，只要温饱就可以了，只要有一个避风雨的住处就满足了。我又有何求！

看来，我们的关系，是不容易断的，只要我每年冬季，能有三十元钱，买两千斤煤球，它就不会冷清，不会无用武之地，我也就会得到温暖的！

火炉，我的朋友，我的亲密无间的朋友。我幼年读过两句旧诗：炉存红似火，慰情聊胜无。何况你不只是存在，而且确实在熊熊地燃烧着啊。

1982年12月26日上午

北京的春节

Fri, 12 Sep 2025 00:00:00 GMT

按照北京的老规矩，过农历的新年（春节），差不多在腊月的初旬就开头了。“腊七腊八，冻死寒鸦”，这是一年里最冷的时候。可是，到了严冬，不久便是春天，所以人们并不因为寒冷而减少过年与迎春的热情。在腊八那天，人家里，寺观里，都熬腊八粥。这种特制的粥是祭祖祭神的，可是细一想，它倒是农业社会的一种自傲的表现——这种粥是用所有的各种的米，各种的豆，与各种的干果（杏仁、核桃仁、瓜子、荔枝肉、莲子、花生米、葡萄干、菱角米……）熬成的。这不是粥，而是小型的农业展览会。

腊八这天还要泡腊八蒜。把蒜瓣在这天放到高醋里，封起来，为过年吃饺子用的。到年底，蒜泡得色如翡翠，而醋也有了些辣味，色味双美，使人要多吃几个饺子。在北京，过年时，家家吃饺子。

从腊八起，铺户中就加紧的上年货，街上加多了货摊子——卖春联的、卖年画的、卖蜜供的、卖水仙花的等等都是只在这一季节才会出现的。这些赶年的摊子都教儿童们的心跳得特别快一些。在胡同里，吆喝的声音也比平时更多更复杂起来，其中也有仅在腊月才出现的，像卖宪书的、松枝的、薏仁米的、年糕的等等。

在有皇帝的时候，学童们到腊月十九日就不上学了，放年假一月。儿童们准备过年，差不多第一件事是买杂拌儿。这是用各种干果（花生、胶枣、榛子、栗子等）与蜜饯搀合成的，普通的带皮，高级的没有皮——例如：普通的用带皮的榛子，高级的用榛瓤儿。儿童们喜吃这些零七八碎儿，即使没有饺子吃，也必须买杂拌儿。他们的第二件大事是买爆竹，特别是男孩子们。恐怕第三件事才是买玩艺儿——风筝、空竹、口琴等——和年画儿。

儿童们忙乱，大人们也紧张。他们须预备过年吃的使的喝的一切。他们也必须给儿童赶快做新鞋新衣，好在新年时显出万象更新的气象。

二十三日过小年，差不多就是过新年的“彩排”。在旧社会里，这天晚上家家祭灶王，从一擦黑儿鞭炮就响起来，随着炮声把灶王的纸像焚化，美其名叫送灶王上天。在前几天，街上就有多少多少卖麦芽糖与江米糖的，糖形或为长方块或为大小瓜形。按旧日的说法：用糖粘住灶王的嘴，他到了天上就不会向玉皇报告家庭中的坏事了。现在，还有卖糖的，但是只由大家享用，并不再粘灶王的嘴了。

过了二十三，大家就更忙起来，新年眨眼就到了啊。在除夕以前，家家必须把春联贴好，必须大扫除一次，名曰扫房。必须把肉、鸡、鱼、青菜、年糕什么的都预备充足，至少足够吃用一个星期的——按老习惯，铺户多数关五天门，到正月初六才开张。假若不预备下几天的吃食，临时不容易补充。还有，旧社会里的老妈妈论，讲究在除夕把一切该切出来的东西都切出来，省得在正月初一到初五再动刀，动刀剪是不吉利的。这含有迷信的意思，不过它也表现了我们确是爱和平的人，在一岁之首连切菜刀都不愿动一动。

除夕真热闹。家家赶作年菜，到处是酒肉的香味。老少男女都穿起新衣，门外贴好红红的对联，屋里贴好各色的年画，哪一家都灯火通宵，不许间断，炮声日夜不绝。在外边作事的人，除非万不得已，必定赶回家来，吃团圆饭，祭祖。这一夜，除了很小的孩子，没有什么人睡觉，而都要守岁。

元旦的光景与除夕截然不同：除夕，街上挤满了人；元旦，铺户都上着板子，门前堆着昨夜燃放的爆竹纸皮，全城都在休息。

男人们在午前就出动，到亲戚家，朋友家去拜年。女人们在家中接待客人。同时，城内城外有许多寺院开放，任人游览，小贩们在庙外摆摊，卖茶，食品，和各种玩具。北城外的大钟寺、西城外的白云观、南城的火神庙（厂甸）是最有名的。可是，开庙最初的两三天，并不十分热闹，因为人们还正忙着彼此贺年，无暇及此。到了初五六，庙会开始风光起来，小孩们特别热心去逛，为的是到城外看看野景，可以骑毛驴，还能买到那些新年特有的玩具。白云观外的广场上有赛轿车赛马的；在老年间，据说还有赛骆驼的。这些比赛并不争取谁第一谁第二，而是在观众面前表演骡马与骑者的美好姿态与技能。

多数的铺户在初六开张，又放鞭炮，从天亮到清早，全城的炮声不绝。虽然开了张，可是除了卖吃食与其他重要日用品的铺子，大家并不很忙，铺中的伙计们还可以轮流着去逛庙，逛天桥，和听戏。

元宵（汤圆）上市，新年的高潮到了——元宵节（从正月十三到十七）。除夕是热闹的，可是没有月光；元宵节呢，恰好是明月当空。元旦是体面的，家家门前贴着鲜红的春联，人们穿着新衣裳，可是它还不够美。元宵节，处处悬灯结彩，整条的大街像是办喜事，火炽而美丽。有名的老铺都要挂出几百盏灯来，有的一律是玻璃的，有的清一色是牛角的，有的都是纱灯；有的各形各色，有的通通彩绘全部《红楼梦》或《水浒传》故事。这，在当年，也就是一种广告；灯一悬起，任何人都可以进到铺中参观；晚间灯中都点上烛，观者就更多。这广告可不庸俗。干果店在灯节还要作一批杂拌儿生意，所以每每独出心裁的，制成各样的冰灯，或用麦苗作成一两条碧绿的长龙，把顾客招来。

除了悬灯，广场上还放花合。在城隍庙里并且燃起火判，火舌由判官的泥像的口、耳、鼻、眼中伸吐出来。公园里放起天灯，像巨星似的飞到天空。

男男女女都出来踏月、看灯、看焰火；街上的人拥挤不动。在旧社会里，女人们轻易不出门，她们可以在灯节里得到些自由。

小孩子们买各种花炮燃放，即使不跑到街上去淘气，在家中照样能有声有光的玩耍。家中也有灯：走马灯——原始的电影——宫灯、各形各色的纸灯，还有纱灯，里面有小铃，到时候就叮叮的响。大家还必须吃汤圆呀。这的确是美好快乐的日子。

一眨眼，到了残灯末庙，学生该去上学，大人又去照常作事，新年在正月十九结束了。腊月和正月，在农村社会里正是大家最闲在的时候，而猪牛羊等也正长成，所以大家要杀猪宰羊，酬劳一年的辛苦。过了灯节，天气转暖，大家就又去忙着干活了。北京虽是城市，可是它也跟着农村社会一齐过年，而且过得分外热闹。

在旧社会里，过年是与迷信分不开的。腊八粥，关东糖，除夕的饺子，都须先去供佛，而后人们再享用。除夕要接神；大年初二要祭财神，吃元宝汤（馄饨），而且有的人要到财神庙去借纸元宝，抢烧头股香。正月初八要给老人们顺星、祈寿。因此那时候最大的一笔浪费是买香蜡纸马的钱。现在，大家都不迷信了，也就省下这笔开销，用到有用的地方去。特别值得提到的是现在的儿童只快活的过年，而不受那迷信的熏染，他们只有快乐，而没有恐惧——怕神怕鬼。也许，现在过年没有以前那么热闹了，可是多么清醒健康呢。以前，人们过年是托神鬼的庇佑，现在是大家劳动终岁，大家也应当快乐的过年。