🔍 耿同学打假报告

论文信息

论文来源：RL-GenRisk.pdf (https://doi.org/10.1038/s41467-025-58439-5)
标题：Identifying potential risk genes for clear cell renal cell carcinoma with deep reinforcement learning
作者：Dazhi Lu, Yan Zheng, Xianyanling Yi, Jianye Hao, Xi Zeng, Lu Han, Zhigang Li, Shaoqing Jiao, Bei Jiang, Jianzhong Ai & Jiajie Peng
期刊：Nature Communications (2025) 16:3591
DOI：10.1038/s41467-025-58439-5
发表年份：2025 (当前日期基准：2026-06-14，时间线合理)

综合评定：🟡 存疑

(注：因仅提供文本而缺乏原始高清图片，无法进行第一式和第三式的像素级实锤分析。但基于现有文本，发现了一些严重的低级错误和实验设计缺陷。)

详细发现

发现 1：🚨 重大文本拼接错误 / 审稿意见残留

位置：Results 部分，"EGFR effectively promotes ccRCC progression in vitro and in vivo" 第二段
描述：文中出现了一句极其荒谬的单词拼接错误。原文写道：“...short hairpin RNA (shRNA)-2/3 showed promising knockdown epointing out this issuefﬁcacies for EGFR silencing...”
证据：作者极其生硬地将一段话（可能是指出了某个问题，"pointing out this issue"）插进了 "efficacies"（功效）这个单词的中间，变成了 "epointing out this issuefﬁcacies"。
耿同学辣评：这绝对不是简单的拼写错误！这极有可能是作者在回复审稿人意见（或修改草稿）时复制粘贴搞乱了，或者使用了某些低级 AI 辅助写作工具留下的痕迹。这么明显的错误都能堂而皇之地发在顶刊 Nature Communications 上，说明作者最后连一遍spell check（拼写检查）都没做过，审稿人和编辑也完全是“盲目通过”。
严重程度：🟠 高度可疑（虽然不涉及数据造假，但反映了极其糟糕的学术严谨性）

发现 2：统计学方法自相矛盾（配对与非配对乱用）

位置：Figure 4 图注 / Figure 5 & 6 图注 / Methods 部分之 Statistical analysis
描述：文中对于同一类型的生物学重复实验，使用了自相矛盾的统计学描述。
证据：
1. Figure 4 图注写道：Two-tailed unpaired Student’s t-test (L–O)（双尾非配对 t 检验）。
2. Methods 部分的 Statistical analysis 段落却写道：Statistical significance... was determined using analysis of variance (ANOVA) and Student’s **paired** t-test, respectively...（使用配对 t 检验）。
分析：体外细胞实验（如对照组与敲低组）通常是独立样本，应该使用非配对 t 检验。如果作者真的用了配对 t 检验，那就是统计方法用错了；如果是写错了，那说明 Methods 是直接 copy-paste 来的（耿同学第五式：copy-paste 痕迹）。
严重程度：🟡 存疑

发现 3：动物实验样本量极低（n=3）且违背统计学常理

位置：Figure 5 图注及 Results 段落
描述：体内动物实验设计中，每组仅使用了 3 只小鼠（n=3 mice per group）。
证据：Figure 5B 和 5C 异种移植实验均标注 n=3 mice per group。并且在方法部分写道使用了 Two-way ANOVA。
分析：n=3 的动物实验在顶级期刊中是极度遭人诟病的。3只老鼠的肿瘤生长曲线变异性极大，得出的“显著抑制”结论极其不可靠。同时，用 n=3 去做 Two-way ANOVA 产生的统计效力极低。这反映了该论文在生物学验证部分的产出质量与计算生物学生物信息部分的质量极不匹配。
严重程度：🟠 高度可疑（方法学严重存疑）

发现 4：图片复用与拼接检测（无法检测项声明）

位置：Figure 4, Figure 5, Figure 6
描述：Western Blot、流式细胞术、肿瘤照片是造假重灾区。
证据：由于目前仅提供文本，无法进行像素级分析。耿同学无法比对 shEGFR 和 shPCLO 的内参（GAPDH/β-Actin）条带是否一图多用，也无法观察肿瘤大体照片是否存在缩放复用。
建议：建议读者或第三方打假平台（如 PubPeer）获取原图后，重点复查 Figure 4 的 WB 条带背景噪点，以及 Figure 6 的高内涵细胞成像图是否存在克隆复制痕迹。
严重程度：⚠️ 盲区

耿同学辣评

好家伙，用着最前沿的深度强化学习（DRL）和图神经网络（GNN），最后却拿 n=3 的老鼠来“证实”算法的伟大，还把审稿意见直接焊死在了 "efficacies" 这个单词里——这属于是赛博朋克的算法搭配了上古时期的实验操作，连 Word 都看不下去的复制粘贴错误，Nature Communications 的编辑居然也能一路绿灯放行。这论文的“含金量”，大概都点在算法里了吧！

建议后续行动

要求作者公开所有体内/体外实验的原始未修剪图片及流式原始 FCS 文件。
在 PubPeer 上针对“文本夹带污染（epointing out this issue）”和 n=3 动物实验合理性提出公开质询。
建议核实其统计方法中 Paired 与 Unpaired 描述冲突的具体原因。

⚠️ 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。

Identifying potential risk genes for clear cell renal cell carcinoma with deep reinforcement learning