终于有官媒指出这马琳皇帝的新装！用赤裸裸的不公打压王曼昱！记得在混团比赛使劲薅使劲压榨王曼昱的时候说为什么不上陈梦？李隼说因为王曼昱比陈梦稳定，其实是让马宝女好好休息，备战马不停蹄的下一个wtt总决赛！王曼昱在混团中日之战中3:0击败早田，接着又在女双中拿下2分！8:5的比分中贡献了5分！世锦赛团体第一场在孙颖莎和王艺迪都意外失利的时候一人拿两分，保住了中国队的颜面！这样的一个敢打敢拼的优秀运动员，决赛在坐冷板凳？宁愿上一个五输日本主力的王艺迪！连外媒和日本队都惊呆了！是怎样的官僚怎样的傲慢与偏见怎样的嚣张跋扈怎样的利益输送能让马琳穿着皇帝的新装招摇过市却自鸣得意如此得意忘形置国家利益于不顾？不受一点监督？？？不让王曼昱的唯一理由就是压王曼昱奥运单打积分，保马宝女陈梦上奥运单打！因为王曼昱在21年战胜了陈梦，破了师徒大满贯的夙愿！所以尽一切能力打击报复王曼昱！赤裸裸的顶着国家的名义行个人私欲！亚运会在家门口给早田送温暖送信心，导致早田信心满满这次大赛突破了陈梦！整个日本队看到王艺迪如同看到吉祥物，各个信心满满，士气高涨！女团的决赛是人祸！新浪请问你还要给正义发声的文章限流吗？#为什么不上王曼昱#
生信必备|掌握R语言在单细胞转录组数据分析中的应用
单细胞测序以单个细胞为单位，通过全基因组或转录组扩增，进行高通量测序，能够揭示单个细胞的基因结构和基因表达状态，反映细胞间的异质性，单细胞测序技术的流程主要包括：单细胞制备、单细胞分离和文库制备、测序和初级分析、数据可视化和解读4个方面。
单细胞测序的发展与基本流程：
单细胞悬液制备：
⏩组织细胞裂解
1.机械法：通过切割、切块、移液器吹打等方法机械切割和破坏组织
2.酶解法：使用胶原酶、胰蛋白酶、中性蛋白酶、弹性蛋白酶等多种酶来消化组织，裂解蛋白键
3.组合方案：在自动化系统的帮助下，机械法和酶解法可以依次或同时进行，实现更广泛的裂解
⏩富集
1.离心：通过密度梯度离心，根据细胞大小、形状或密度富集细胞
2.基于磁珠的富集：通过磁珠结合抗体的阳性/阴性筛选来富集感兴趣的细胞群(包括活细胞)
3.流式细胞荧光分选:通过荧光基团/荧光素结合抗体的阳性/阴性筛选来富集感兴趣的细胞群(包括活细胞)
4.微流体细胞分选:利用基于荧光基团/荧光素结合抗体的阳性/阴性筛选的低压微流体，来富集感兴趣的细胞群
⏩质量控制
方法:细胞计数仪、流式细胞仪;
评估指标:细胞大小、活率、是否有聚集物、浓度是否合适。
文库制备及测序：
⏩单细胞分析的扩增方法
⏩文库及测序
根据测序平台进行建库，文库构建完成后进行文库质检及测序
10X Genomics 全基因组解码系统：
⏩优势:
超高细胞通量:微流体“双十字”交叉系统为8通道系统，每个通道最高可捕获10000细胞，8通道一次可检测细胞范围为500-80000个细胞;
细胞捕获效率高:单个细胞捕获效率高达65%，可准确鉴别稀有细胞类型，利于稀有样本或小细胞量类型样本研究;
多态率低:多态率(同一个GEM包含2个及2个以上细胞)低于0.9%/1000细胞。
数据分析：
⏩数据分析(一):数据预处理
原始测序数据经过处理得到分子计数矩阵(count matrix)，或者reads count(读数矩阵)。这取决于单细胞文库构建方案中是否包含唯一分子标识符(UMl，unique molecular identifiers)。
获得的reads或count矩阵的行数等于barcodes的数目，列数等于基因数目。这里使用术语barcodes而不是cell，因为分配给相同barcode的所有reads可能并不只是来源于同一细胞。
因为文库构建时每个细胞是独立的，所以每个细胞的mRNA也就特异的标记了孔特异性或液滴特异性细胞barcode。此外，许多实验方案还使用唯一分子标识符(UMI)标记捕获的RNA分子。一般在测序之前需要先扩增细胞cDNA以增加其被检测的可能性。但微量扩增更容易引入PCR偏好性。UMI使我们能够区分测到的reads是来源于mRNA分子的不同扩增拷贝还是来源于独立的mRNA分子，从而可以进行更准确的定量。
⏩数据分析(二)：数据质控QC
在分析单细胞基因表达数据之前，我们必须确保所有barcode都对应于有效细胞(viable cells，有活力的细胞)。质控有3个指标:测到的转录本分子总数、测到的基因总数、来源于线粒体基因的转录本所占比例。
质控就是检查这3个指标的分布中是否存在异常峰并设置阈值去除。这些异常的barcodes可能对应于死细胞、细胞膜破损的细胞或doublets。比如，如果某个barcode对应的样品测到的分子总数低、检测到的基因数少、线粒体基因所占比例高，则表明该样品可能存在细胞膜破损导致细胞质RNA漏出，只有线粒体中的RNA保留了下来。相反，如果某个barcode对应的样品有异常高的总分子数和检测到的基因数，则有可能这个样品包含2个或以上细胞(doublets)。
⏩数据分析(三)：数据标准化
计数矩阵中的每个数值代表细胞中一个mRNA分子被成功捕获、逆转录和测序。由于每个操作步骤固有的可变性，即便同一个细胞测序两次获得的计数深度也可能会有所不同。因此，当基于原始计数数据比较细胞之间的基因表达时，得到的差异可能来自于技术原因。Normalization可以通过调整计数数据(scaling count data)等解决这一问题，以获得细胞之间可比的相对基因表达丰度。
最常用的标准化方法是测序深度标准化，也称为“每百万计数”或CPM normalization。该方法来自普通转录组表达分析，使用每个细胞的测序深度作为sizefactor对计数数据进行标准化。CPM标准化假设数据集中的所有细胞最初都包含相等数量的mRNA分子，并且计数深度差异来源于技术问题。
由于单细胞数据集通常由大小和分子数不同的异质细胞群体组成，因此通常需要更复杂的标准化方法。例如，Weinreb et al对CPM算法进行了扩展，在计算size factors时排除在任何细胞中总计数大于5%的基因。这一方法屏蔽掉少数高表达基因对总体表达变化的影响。软件包Scran的pooling-based size factor方法对细胞异质性的影响处理更好。首先把细胞合并到一起避免technical dropout效应，然后基于基因表达的线性回归型估算size factor。这一方法允许细胞有少于50%的差异表达基因，并且在不同的测试评估研究中这一标准化方法都表现最好。
标准化是对细胞计数数据进行缩放处理以使其在细胞之间可比，也可以在基因层面对基因计数进行归一化(scale)以便于基因内部进行直接比较。
基因归一化是指一个基因减去其在所有样品表达的均值然后除以其在所有样品表达值的标准差。归一化后，这个基因在所有样品表达值均值为0，用单位方差形式表示其表达值。归一化后，所有基因在下游分析时权重是一样的。是否对基因进行归一化目前尚无达成共识。尽管流行Seurat教程通常应用gene scaling，但Slingshot方法的作者在其教程中选择了不对基因进行scaling。两种选择的争议点在:所有基因不论表达高低在进行下游分析时权重一致，还是基因表达量的绝对值对下游分析也有贡献。
标准化后，数据矩阵通常进行log(x+1)转换。此转换具有三个重要作用：
(1)对数转换后的表达式值之间的差值可对应于对数转换后的倍数变化，这是衡量基因表达变化的常用方法，
(2)对数转换可减轻(但不能消除)单细胞数据的均值-方差关系(mean-variance relationship)
(3)对数转换可以减少数据的偏态分布，从而使数据近似于正态分布，更符合许多下游分析工具对数据分布的假设要求。
⏩数据分析(四):批次效应和数据整合
当将细胞分组操作时可能会带来批次效应，比如不同芯片上的细胞、不同测序通道中的细胞或在不同时间点收集的细胞都归类于不同的组。实验操作过程中细胞所经历的不同环境可能会影响转录组的测量结果或甚至影响细胞自身的转录变化。所产生的影响存在多个层面:同一实验不同的细胞组、同一实验室的不同实验或不同实验室的数据集之间。通常批次效应校正使用线性方法，而非线性方法则用于数据整合。
⏩数据分析(五)特征选择与降维
人单细胞RNA-seq数据集可包含多达25,000个基因的表达值。对于一个给定的scRNA-seq数据集其中有许多基因都不能提供有用信息，并且大多只包含零计数。即使在QC步骤中滤除了这些零计数基因后，单细胞数据集的特征空间也可能超过15,000个维度(即还会剩余15,000多基因)。为了减轻下游分析工具的计算负担、减少数据中的噪声并方便数据可视化，可以使用多种方法来对数据集进行降维。
scRNA-seq数据集降维的第一步通常是特征选择。在此步骤中，对数据集基因进行过滤仅保留对数据的变异性具有信息贡献的基因(在数据中变异大的基因)。这些基因通常被定义为高变化基因(HVG，highly variable genes)。根据任务和数据集的复杂性，通常选择1,000到5,000个HVG用于下游分析。Klein etal.的初步结果表明，下游分析对HVG的数量不太敏感。在HVG数量从200到2,400之间选择不同的数目时，评估显示PCA结果相差不大。基于此结果我们宁愿选择更多的HVG用于下游分析。
特征选择后，可以通过专用的降维算法进一步对单细胞表达矩阵进行降维。这些算法将表达式矩阵映射到低维空间中，同时以尽可能少的维数捕获数据中所有的信息。鉴于单细胞RNA测序数据固有的低维性特征，这一方法是合适的。也就是说，细胞表达图谱构成的生物形态(biological manifold)可以使用远少于基因数目的维度信息来展示。降维旨在找到这些维度。
降维有两个主要目标:可视化和信息汇总(summarization)。可视化是尝试在二维或三维空间最优地展示数据集。降维后的维度值就是数据在新的空间进行可视化如绘制散点图时的坐标值。信息汇总没有规定输出的维数;但更高的维数对表示原有数据的差异越来越不重要，可以理解为PCA中各个主成分对于原始数据差异的解释依次降低。汇总技术可通过计算数据的固有维数来将数据降维到基本组成(主)成分，从而有助于下游分析。虽然不应使用二维可视化数据来汇总数据集，但汇总方法获得的降维数据可用来可视化数据。
持续分享科研干货，感兴趣的快快点赞收藏关注吧～
#医生[超话]##论文##科研狗的日常[超话]##基金课题##肿瘤[超话]##国自然##科研[超话]##博士后##网络药理学[超话]##医生##期刊发表[超话]##期刊发表论文发表[话题]##博士##博士后##医学生##sci##sci论文##科研狗的日常[超话]# https://t.cn/A6lPCNxV
单细胞测序以单个细胞为单位，通过全基因组或转录组扩增，进行高通量测序，能够揭示单个细胞的基因结构和基因表达状态，反映细胞间的异质性，单细胞测序技术的流程主要包括：单细胞制备、单细胞分离和文库制备、测序和初级分析、数据可视化和解读4个方面。
单细胞测序的发展与基本流程：
单细胞悬液制备：
⏩组织细胞裂解
1.机械法：通过切割、切块、移液器吹打等方法机械切割和破坏组织
2.酶解法：使用胶原酶、胰蛋白酶、中性蛋白酶、弹性蛋白酶等多种酶来消化组织，裂解蛋白键
3.组合方案：在自动化系统的帮助下，机械法和酶解法可以依次或同时进行，实现更广泛的裂解
⏩富集
1.离心：通过密度梯度离心，根据细胞大小、形状或密度富集细胞
2.基于磁珠的富集：通过磁珠结合抗体的阳性/阴性筛选来富集感兴趣的细胞群(包括活细胞)
3.流式细胞荧光分选:通过荧光基团/荧光素结合抗体的阳性/阴性筛选来富集感兴趣的细胞群(包括活细胞)
4.微流体细胞分选:利用基于荧光基团/荧光素结合抗体的阳性/阴性筛选的低压微流体，来富集感兴趣的细胞群
⏩质量控制
方法:细胞计数仪、流式细胞仪;
评估指标:细胞大小、活率、是否有聚集物、浓度是否合适。
文库制备及测序：
⏩单细胞分析的扩增方法
⏩文库及测序
根据测序平台进行建库，文库构建完成后进行文库质检及测序
10X Genomics 全基因组解码系统：
⏩优势:
超高细胞通量:微流体“双十字”交叉系统为8通道系统，每个通道最高可捕获10000细胞，8通道一次可检测细胞范围为500-80000个细胞;
细胞捕获效率高:单个细胞捕获效率高达65%，可准确鉴别稀有细胞类型，利于稀有样本或小细胞量类型样本研究;
多态率低:多态率(同一个GEM包含2个及2个以上细胞)低于0.9%/1000细胞。
数据分析：
⏩数据分析(一):数据预处理
原始测序数据经过处理得到分子计数矩阵(count matrix)，或者reads count(读数矩阵)。这取决于单细胞文库构建方案中是否包含唯一分子标识符(UMl，unique molecular identifiers)。
获得的reads或count矩阵的行数等于barcodes的数目，列数等于基因数目。这里使用术语barcodes而不是cell，因为分配给相同barcode的所有reads可能并不只是来源于同一细胞。
因为文库构建时每个细胞是独立的，所以每个细胞的mRNA也就特异的标记了孔特异性或液滴特异性细胞barcode。此外，许多实验方案还使用唯一分子标识符(UMI)标记捕获的RNA分子。一般在测序之前需要先扩增细胞cDNA以增加其被检测的可能性。但微量扩增更容易引入PCR偏好性。UMI使我们能够区分测到的reads是来源于mRNA分子的不同扩增拷贝还是来源于独立的mRNA分子，从而可以进行更准确的定量。
⏩数据分析(二)：数据质控QC
在分析单细胞基因表达数据之前，我们必须确保所有barcode都对应于有效细胞(viable cells，有活力的细胞)。质控有3个指标:测到的转录本分子总数、测到的基因总数、来源于线粒体基因的转录本所占比例。
质控就是检查这3个指标的分布中是否存在异常峰并设置阈值去除。这些异常的barcodes可能对应于死细胞、细胞膜破损的细胞或doublets。比如，如果某个barcode对应的样品测到的分子总数低、检测到的基因数少、线粒体基因所占比例高，则表明该样品可能存在细胞膜破损导致细胞质RNA漏出，只有线粒体中的RNA保留了下来。相反，如果某个barcode对应的样品有异常高的总分子数和检测到的基因数，则有可能这个样品包含2个或以上细胞(doublets)。
⏩数据分析(三)：数据标准化
计数矩阵中的每个数值代表细胞中一个mRNA分子被成功捕获、逆转录和测序。由于每个操作步骤固有的可变性，即便同一个细胞测序两次获得的计数深度也可能会有所不同。因此，当基于原始计数数据比较细胞之间的基因表达时，得到的差异可能来自于技术原因。Normalization可以通过调整计数数据(scaling count data)等解决这一问题，以获得细胞之间可比的相对基因表达丰度。
最常用的标准化方法是测序深度标准化，也称为“每百万计数”或CPM normalization。该方法来自普通转录组表达分析，使用每个细胞的测序深度作为sizefactor对计数数据进行标准化。CPM标准化假设数据集中的所有细胞最初都包含相等数量的mRNA分子，并且计数深度差异来源于技术问题。
由于单细胞数据集通常由大小和分子数不同的异质细胞群体组成，因此通常需要更复杂的标准化方法。例如，Weinreb et al对CPM算法进行了扩展，在计算size factors时排除在任何细胞中总计数大于5%的基因。这一方法屏蔽掉少数高表达基因对总体表达变化的影响。软件包Scran的pooling-based size factor方法对细胞异质性的影响处理更好。首先把细胞合并到一起避免technical dropout效应，然后基于基因表达的线性回归型估算size factor。这一方法允许细胞有少于50%的差异表达基因，并且在不同的测试评估研究中这一标准化方法都表现最好。
标准化是对细胞计数数据进行缩放处理以使其在细胞之间可比，也可以在基因层面对基因计数进行归一化(scale)以便于基因内部进行直接比较。
基因归一化是指一个基因减去其在所有样品表达的均值然后除以其在所有样品表达值的标准差。归一化后，这个基因在所有样品表达值均值为0，用单位方差形式表示其表达值。归一化后，所有基因在下游分析时权重是一样的。是否对基因进行归一化目前尚无达成共识。尽管流行Seurat教程通常应用gene scaling，但Slingshot方法的作者在其教程中选择了不对基因进行scaling。两种选择的争议点在:所有基因不论表达高低在进行下游分析时权重一致，还是基因表达量的绝对值对下游分析也有贡献。
标准化后，数据矩阵通常进行log(x+1)转换。此转换具有三个重要作用：
(1)对数转换后的表达式值之间的差值可对应于对数转换后的倍数变化，这是衡量基因表达变化的常用方法，
(2)对数转换可减轻(但不能消除)单细胞数据的均值-方差关系(mean-variance relationship)
(3)对数转换可以减少数据的偏态分布，从而使数据近似于正态分布，更符合许多下游分析工具对数据分布的假设要求。
⏩数据分析(四):批次效应和数据整合
当将细胞分组操作时可能会带来批次效应，比如不同芯片上的细胞、不同测序通道中的细胞或在不同时间点收集的细胞都归类于不同的组。实验操作过程中细胞所经历的不同环境可能会影响转录组的测量结果或甚至影响细胞自身的转录变化。所产生的影响存在多个层面:同一实验不同的细胞组、同一实验室的不同实验或不同实验室的数据集之间。通常批次效应校正使用线性方法，而非线性方法则用于数据整合。
⏩数据分析(五)特征选择与降维
人单细胞RNA-seq数据集可包含多达25,000个基因的表达值。对于一个给定的scRNA-seq数据集其中有许多基因都不能提供有用信息，并且大多只包含零计数。即使在QC步骤中滤除了这些零计数基因后，单细胞数据集的特征空间也可能超过15,000个维度(即还会剩余15,000多基因)。为了减轻下游分析工具的计算负担、减少数据中的噪声并方便数据可视化，可以使用多种方法来对数据集进行降维。
scRNA-seq数据集降维的第一步通常是特征选择。在此步骤中，对数据集基因进行过滤仅保留对数据的变异性具有信息贡献的基因(在数据中变异大的基因)。这些基因通常被定义为高变化基因(HVG，highly variable genes)。根据任务和数据集的复杂性，通常选择1,000到5,000个HVG用于下游分析。Klein etal.的初步结果表明，下游分析对HVG的数量不太敏感。在HVG数量从200到2,400之间选择不同的数目时，评估显示PCA结果相差不大。基于此结果我们宁愿选择更多的HVG用于下游分析。
特征选择后，可以通过专用的降维算法进一步对单细胞表达矩阵进行降维。这些算法将表达式矩阵映射到低维空间中，同时以尽可能少的维数捕获数据中所有的信息。鉴于单细胞RNA测序数据固有的低维性特征，这一方法是合适的。也就是说，细胞表达图谱构成的生物形态(biological manifold)可以使用远少于基因数目的维度信息来展示。降维旨在找到这些维度。
降维有两个主要目标:可视化和信息汇总(summarization)。可视化是尝试在二维或三维空间最优地展示数据集。降维后的维度值就是数据在新的空间进行可视化如绘制散点图时的坐标值。信息汇总没有规定输出的维数;但更高的维数对表示原有数据的差异越来越不重要，可以理解为PCA中各个主成分对于原始数据差异的解释依次降低。汇总技术可通过计算数据的固有维数来将数据降维到基本组成(主)成分，从而有助于下游分析。虽然不应使用二维可视化数据来汇总数据集，但汇总方法获得的降维数据可用来可视化数据。
持续分享科研干货，感兴趣的快快点赞收藏关注吧～
#医生[超话]##论文##科研狗的日常[超话]##基金课题##肿瘤[超话]##国自然##科研[超话]##博士后##网络药理学[超话]##医生##期刊发表[超话]##期刊发表论文发表[话题]##博士##博士后##医学生##sci##sci论文##科研狗的日常[超话]# https://t.cn/A6lPCNxV
【“顶层设计”！香港发展要有顶层设计吗，该由谁去拍板顶层设计？】
港澳办主任夏宝龙率众局长访问香港一周，公开表示要把经济发展问题放在前面，23条立法说实话已经是“万事俱备只欠通过”。然而，经济问题似乎是积重难返，加上既得利益藩篱固化，要有突破谈何易。
平实看：
香港发展目前处于一个低潮，GDP不但落后于过去的“四小龙”，而且也落后周边原来滞后的地区。重要的是，原来香港优势领域也一个一个被指“沦陷”。过去，香港的航运名列前三，现在被甩到第二梯队。香港金融中心地位曾被誉为“纽伦港”，紧靠纽约、伦敦，可是如今“金融中心遗址”这种极为偏激的说法都成为城中话题。
对此，香港广大市民很着急，香港的工商界很着急，香港政府也积极“救市”，“出尽八宝”，各种的宣传铺天盖地，以至“夜缤纷”的夜市也大张旗鼓搞起来。然而，还是架不住“市场的魔力”，每天还是十几二十万的港人还是宁愿“长途跋涉”到深圳消费。大学的经济学教授说，即使香港的夜市火起来，还是“塘水滚塘鱼”，第一消费额有限，第二也还是港人内部消费，缺乏大量外资流入。
为什么香港政府不敢做强有力的“经济逆周期”刺激动作呢？这并不是说政府还要像新冠疫情期间连续多年派发“消费券”，因为那时这一举措就有争议。笔者就是持反对立场，因为，第一，其实香港市民不是没有钱，而是没有合适的消费项目，香港政府一年给市民派发6000港元消费券，进行日常生活消费，只不过是政府出钱代替了市民本来就需要的开支。市场的消费额其实没有大幅增加。第二，政府的财政储备没有用在为香港增加生产力和增加改善社会公共措施上，例如，交通设施。香港无论是路面交通和地下交通都处于滞后状态，赶不上发展的需求。笔者认为，政府如果将分散给市民的资源集中使用，投入到新的南北干道，新的地铁，实际上发生的刺激经济效能大得多。
可是，政府一时间也拿不出项目投放。于是，只能做一些“表面功夫”，给市民短期利益，也可以换来掌声。问题是，政府的财政造成了严重的赤字。当下，为什么不再派钱了，因为囊中羞涩了。不过，香港政府还是世界上少有的幸福政府，政府还有储备，而世界上很多政府是负债政府，例如美国政府的国债已经超过34万亿美元。
据悉，当下香港政府的“经济逆周期”刺激动作不大，还因为公务员有个小算盘。香港回归前入职的公务员是可以享有长俸的，数额还不小，他们担心政府储备花完了影响他们的待遇。事实上，不少经济专家都警告，香港再不及时作出大的投入，带出香港经济新的增长点，那么香港有可能像日本那样“低迷30年”，以至不但不能保住国际都会的地位，甚至远远落后于内地城市的发展，成为二三线城市。
笔者也一直焦急，既然有“明日大屿”那样好的填海项目，为什么还不上马，还在拖拖拉拉，还要像“小脚女人”又搞什么融资委员会，慢慢喝茶商讨？上一任特首林郑月娥，一上任搞了土地大辩论，一讨论就是一年，一个星期可以整明白的事情她可以拖一年，结果她一任五年一寸土地都没有开发。不过，她还接收了董建华的团结基金的“明日大屿”。当下政府也说要继续“明日大屿”，不过缩小为“交椅洲项目”，只是现在又发愁“钱从何来？”。
其实，钱是问题吗？当然不是。“经济逆周期”，可以实行“凯恩斯主义”，这是全球经济学家的共识。而且，各国有为政府都是这样做的，香港更加可以做，因为香港政府储备还是正数，不是负数，香港政府的借贷能力很强。
可以试想一下，数千亿的填海项目一开展，可以带动香港多少行业，会是那么红火的景象。可是，总有冷风吹出，说什么“香港劳工不足”，“香港现时楼价下滑担心进一步推低楼价”。这些歪论经不起一搏，可是香港政府还是叹慢板。
笔者相信，这又涉及了许多既得利益集团的利益。但是，香港政府如果下决心，工作也是做得通的。“明日大屿”填海，首先可以使严重缺地的困局解放，同时大屿山通过海底隧道与港岛连接，使香港三大块港岛，九龙和大屿山形成畅通的大环形，“大香港”便呼之欲出。那么，香港还愁没有新的强大的发展动力吗？
可是，就是行动迟缓。笔者由此想到，香港回归以来一直缺乏发展的“顶层设计”的大问题。笔者认为，香港发展的“顶层设计”不能由香港单独完成。回归前，香港的“顶层设计”是由伦敦殖民地部去做的。回归后，特区政府负起主体责任。可是，香港公务员缺乏宏观思维，再加上种种既得利益的阻拦，是难以独立完成。事实上，香港特区回归26年，也一直没有远景规划。香港必须融入国家发展大局，必须为“粤港澳大湾区”发展助力，这都是中央高瞻远瞩定下的要求。笔者相信，勾画“新东方之珠”未来发展的顶层蓝图，新成立的中央港澳办责无旁贷。
港澳办主任夏宝龙率众局长访问香港一周，公开表示要把经济发展问题放在前面，23条立法说实话已经是“万事俱备只欠通过”。然而，经济问题似乎是积重难返，加上既得利益藩篱固化，要有突破谈何易。
平实看：
香港发展目前处于一个低潮，GDP不但落后于过去的“四小龙”，而且也落后周边原来滞后的地区。重要的是，原来香港优势领域也一个一个被指“沦陷”。过去，香港的航运名列前三，现在被甩到第二梯队。香港金融中心地位曾被誉为“纽伦港”，紧靠纽约、伦敦，可是如今“金融中心遗址”这种极为偏激的说法都成为城中话题。
对此，香港广大市民很着急，香港的工商界很着急，香港政府也积极“救市”，“出尽八宝”，各种的宣传铺天盖地，以至“夜缤纷”的夜市也大张旗鼓搞起来。然而，还是架不住“市场的魔力”，每天还是十几二十万的港人还是宁愿“长途跋涉”到深圳消费。大学的经济学教授说，即使香港的夜市火起来，还是“塘水滚塘鱼”，第一消费额有限，第二也还是港人内部消费，缺乏大量外资流入。
为什么香港政府不敢做强有力的“经济逆周期”刺激动作呢？这并不是说政府还要像新冠疫情期间连续多年派发“消费券”，因为那时这一举措就有争议。笔者就是持反对立场，因为，第一，其实香港市民不是没有钱，而是没有合适的消费项目，香港政府一年给市民派发6000港元消费券，进行日常生活消费，只不过是政府出钱代替了市民本来就需要的开支。市场的消费额其实没有大幅增加。第二，政府的财政储备没有用在为香港增加生产力和增加改善社会公共措施上，例如，交通设施。香港无论是路面交通和地下交通都处于滞后状态，赶不上发展的需求。笔者认为，政府如果将分散给市民的资源集中使用，投入到新的南北干道，新的地铁，实际上发生的刺激经济效能大得多。
可是，政府一时间也拿不出项目投放。于是，只能做一些“表面功夫”，给市民短期利益，也可以换来掌声。问题是，政府的财政造成了严重的赤字。当下，为什么不再派钱了，因为囊中羞涩了。不过，香港政府还是世界上少有的幸福政府，政府还有储备，而世界上很多政府是负债政府，例如美国政府的国债已经超过34万亿美元。
据悉，当下香港政府的“经济逆周期”刺激动作不大，还因为公务员有个小算盘。香港回归前入职的公务员是可以享有长俸的，数额还不小，他们担心政府储备花完了影响他们的待遇。事实上，不少经济专家都警告，香港再不及时作出大的投入，带出香港经济新的增长点，那么香港有可能像日本那样“低迷30年”，以至不但不能保住国际都会的地位，甚至远远落后于内地城市的发展，成为二三线城市。
笔者也一直焦急，既然有“明日大屿”那样好的填海项目，为什么还不上马，还在拖拖拉拉，还要像“小脚女人”又搞什么融资委员会，慢慢喝茶商讨？上一任特首林郑月娥，一上任搞了土地大辩论，一讨论就是一年，一个星期可以整明白的事情她可以拖一年，结果她一任五年一寸土地都没有开发。不过，她还接收了董建华的团结基金的“明日大屿”。当下政府也说要继续“明日大屿”，不过缩小为“交椅洲项目”，只是现在又发愁“钱从何来？”。
其实，钱是问题吗？当然不是。“经济逆周期”，可以实行“凯恩斯主义”，这是全球经济学家的共识。而且，各国有为政府都是这样做的，香港更加可以做，因为香港政府储备还是正数，不是负数，香港政府的借贷能力很强。
可以试想一下，数千亿的填海项目一开展，可以带动香港多少行业，会是那么红火的景象。可是，总有冷风吹出，说什么“香港劳工不足”，“香港现时楼价下滑担心进一步推低楼价”。这些歪论经不起一搏，可是香港政府还是叹慢板。
笔者相信，这又涉及了许多既得利益集团的利益。但是，香港政府如果下决心，工作也是做得通的。“明日大屿”填海，首先可以使严重缺地的困局解放，同时大屿山通过海底隧道与港岛连接，使香港三大块港岛，九龙和大屿山形成畅通的大环形，“大香港”便呼之欲出。那么，香港还愁没有新的强大的发展动力吗？
可是，就是行动迟缓。笔者由此想到，香港回归以来一直缺乏发展的“顶层设计”的大问题。笔者认为，香港发展的“顶层设计”不能由香港单独完成。回归前，香港的“顶层设计”是由伦敦殖民地部去做的。回归后，特区政府负起主体责任。可是，香港公务员缺乏宏观思维，再加上种种既得利益的阻拦，是难以独立完成。事实上，香港特区回归26年，也一直没有远景规划。香港必须融入国家发展大局，必须为“粤港澳大湾区”发展助力，这都是中央高瞻远瞩定下的要求。笔者相信，勾画“新东方之珠”未来发展的顶层蓝图，新成立的中央港澳办责无旁贷。
✋热门推荐