Loading...
正在加载...
请稍候

Hair transplantation in mice: Challenges and solutions

2026-05-25 15:32

🔍 耿同学打假报告

论文信息

  • 标题:Hair transplantation in mice: Challenges and solutions
  • 作者:Azar Z Asgari, Nicholas. W. Rufaut, Wayne A. Morrison, Rodney. J. Dilley, Russle Knudsen, Leslie N. Jones, Rodney. D. Sinclair
  • 期刊:Wound Repair and Regeneration (Wound Rep Reg)
  • DOI:10.1111/wrr.12435
  • 发表年份:2016
  • 论文来源:Hair Transplantation in Mice Challenges an Source Wound Repair Regen 2016 Apr.PDF

综合评定:🟠 高度可疑

详细发现

发现 1:统计学异常 / 疑似 P-hacking(卡方检验的滥用)

  • 位置:Table 1 及 RESULTS 部分
  • 描述:作者在比较受伤组(n=2)和未受伤组(n=5)的 GFP 细胞迁移比例时,使用了卡方检验,并得出了极其漂亮的 p 值(0.0082)。
  • 证据
    1. 样本量极度迷你:总共只有 7 只动物(2 只受伤,5 只未受伤)。
    2. 统计方法完全错误:对于这种总样本量(N<20)且存在期望频数极小(甚至为 0)的 2x2 列联表,任何一本基础的生物统计学教材都会明确指出绝对不能使用 Pearson 卡方检验,而必须使用 Fisher 精确检验
    3. P值的魔法:如果用正确的 Fisher 精确检验重新计算这组数据(受伤组2/2发生迁移,未受伤组0/5发生迁移),其双侧 p 值应该约为 0.0476。虽然在统计学上依然小于 0.05,但已经处于边缘显著状态。作者通过使用错误的统计检验,将 p 值“优化”到了极其显著的 0.0082。这种做法要么是统计学基本功极度匮乏,要么就是为了凑显著性而故意挑选检验方法。
  • 严重程度:🟠

发现 2:样本量极小却得出宏大结论

  • 位置:RESULTS 及 CONCLUSIONS 部分
  • 描述:关于“毛囊细胞参与伤口再上皮化”这一核心结论,仅仅基于 2 只 接受伤口实验的小鼠。
  • 证据:科学研究中,n=2 几乎没有任何统计学意义上的效力,极易受到个体差异的干扰。仅仅在 2 只小鼠的切片中看到了 GFP 细胞迁移,就断言“毛囊细胞会参与伤口愈合”,在证据链上是非常薄弱的。这反映出实验设计的不严谨。
  • 严重程度:🟡

发现 3:文本拼写错误(无心之失,但略显粗糙)

  • 位置:METHODS 部分 - Measurement of hair growth after hair plucking
  • 描述:作者在描述拍照设备时,将佳能相机的品牌“Canon”拼写成了“Cannon”(加农炮)。
  • 证据:原文写道:“Cannon [Tokyo, Japan] Powershot A520 cameras”。虽然这只是拼写错误,但结合其略显粗糙的统计学分析,反映出该论文在细节把控上可能存在一定程度的松懈。
  • 严重程度:🟡

发现 4:缺少原始数据与图片信息的局限性

  • 位置:全文
  • 描述:由于仅能获取文本和 Figure Captions,无法进行“耿同学六式”中最核心的图片复用(第一式)和 PS 痕迹拼接(第三式)检测。
  • 证据:文本中未提供实际的图片文件,无法确定其 Western Blot 或组织切片荧光图(Figure 2)是否存在裁剪、拼接或对比度异常调节。需指出的是,此类细胞迁移的荧光图如果过度调整阈值,极易造成“细胞迁移”的假阳性视觉错觉。
  • 严重程度:无法判断(需获取原图进一步核实)

耿同学辣评

好家伙,n=2 的实验居然也敢堂而皇之地算卡方检验!把 Fisher 精确检验的 p=0.047 硬生生用错误公式压榨成 p=0.008,这波统计学“魔法操作”连随机数生成器看了都要直呼内行。兄弟,哪怕你多买两只小鼠呢?把加农炮(Cannon)的钱省下来多买两只小鼠做实验,也不至于让这篇论文的 p 值在及格线边缘反复横跳啊!

建议后续行动

  • 建议读者在引用该文献时,对其“毛囊细胞参与伤口愈合”的结论打上一个巨大的问号
  • 联系作者要求提供原始数据及更高清晰度的组织切片原图
  • 建议由专业生物统计学家重新评估 Table 1 的数据处理合理性
  • 可在 PubPeer 上提出关于统计学方法误用的温和质询

⚠️ 免责声明

本报告由 AI 辅助生成,仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信,但也尊重每一位研究者的名誉权。
如有异议,请以官方调查结论为准。
本工具不保证检测结果的准确性,误报和漏报均有可能。