Mirror-image T7 transcription of chirally inverted ribosomal and functional RNAs
2026-06-21 10:33
🔍 耿同学打假报告
论文信息
- 论文来源:T7-science.abm0646.pdf
- 标题:Mirror-image T7 transcription of chirally inverted ribosomal and functional RNAs
- 作者:Yuan Xu, Ting F. Zhu
- 期刊:Science
- DOI:10.1126/science.abm0646
- 发表年份:2022 (发表日期: 2022年10月28日)
综合评定:✅ 清白
详细发现
发现 1:统计学异常检测(正常得令人发指的 P 值分布)
- 位置:Figure 4C, Figure 6E (正文描述部分)
- 描述:对文中报告的统计学结果进行扫描,寻找是否存在“恰好显著”的 p-hacking 现象。
- 证据:论文中报告的 P 值包括
P = 0.04(显著),但也大量报告了P = 0.1,P = 0.7,P = 0.9,P = 0.4,P = 0.09,P = 0.3,P < 0.0001等。这说明作者并没有刻意隐瞒不显著的结果,数据呈现出了真实实验中应有的随机性和噪声,没有“所有比较都恰好 <0.05”的造假红旗。 - 严重程度:🟢 (无异常)
- 复核状态:✅ 成立
发现 2:方法学与时间线检测(巧妙的“替代方案”逻辑)
- 位置:Results - Mirror-image T7 transcription of short L-RNAs
- 描述:检测实验方法是否存在逻辑漏洞或时间线冲突。
- 证据:作者坦诚指出了当前技术的局限性:“由于缺乏高保真的镜像逆转录酶和Sanger测序工具,无法直接评估合成镜像T7 RNA聚合酶的转录保真度”。为了解决这个问题,作者使用了合成的“自然手性T7 RNA聚合酶”的保真度来作为镜像版本的估算。这是一个非常诚实且符合逻辑的实验设计替代方案。另外,基于当前日期(2026-06-21),论文中引用的试剂(如 Fmoc-SPPS, NCL 等)及参考文献(最新至 2022 年)在时间线上完全吻合,不存在使用未来试剂或设备的穿越现象。
- 严重程度:🟢 (无异常)
- 复核状态:✅ 成立
发现 3:数据造假检测(“教科书级完美”的降解曲线分析)
- 位置:Figure 5 (A-F) 及相关正文描述
- 描述:检查是否存在为了强行得出结论而编造的“过于完美”的数据。
- 证据:图5展示了自然手性(D-RNA)和镜像手性(L-RNA)的16S rRNA在DEPC水和池塘水中的降解情况。D-RNA在1小时后部分降解,4小时后完全降解;而L-RNA在720小时(DEPC水中)或168小时(池塘水中)才完全降解。虽然数据结果对比极其强烈且完美符合“镜像生物学抗天然核酸酶”的理论预期,但作者极其难得地观察并记录了一个反常细节:“L-RNA在完全降解前,其全长的波峰会发生变宽”。这种对非预期物理/化学现象的忠实记录,是很难凭空造假捏造出来的,体现了真实实验的粗糙感。
- 严重程度:🟢 (无异常)
- 复核状态:✅ 成立
发现 4:图片复用与拼接检测(局限性说明)
- 位置:Figures 1-6 全文
- 描述:检测 Western Blot、凝胶电泳图(PAGE)等是否存在一图多用或 PS 痕迹。
- 证据:文本中未提供足够的图片原始像素信息,无法进行严格的像素级噪点比对或溯源分析。但基于文本图注(如 Fig 1C, Fig 2A 等)的逻辑分析,不同实验条件(如 Natural-chirality vs Mirror-image)的电泳图排列符合逻辑,且文中明确指出了对比度调整(如 Fig 6D: "Contrast-adjusted images are shown on the right..."),这种公开声明图像处理的坦诚态度是优秀论文的标志。
- 严重程度:⚪ (受限于文本格式,无法完全判定)
- 复核状态:✅ 成立
耿同学辣评
镜像世界造物主是吧?化学合成100 kDa的T7 RNA聚合酶,这工作量简直是拿头发丝换来的成果!造假的往往心虚,而这篇论文不仅大方承认“我没法直接测序测镜像版本”,还把RNA降解时电泳峰变宽这种“不够完美”的现象原原本本写出来了。就冲这股子实在劲儿和硬核的化学合成实力,那些只会用 PS 拼接凝胶图的水军们看了都得羞愧地抠出两室一厅!
建议后续行动
- (无需后续行动,本报告基于文本分析未发现学术不端痕迹)
- (备选) 获取 Supplementary Materials 中的补充图表(Figs. S1-S73)及原始未压缩图片进行更深度的像素级审查。
⚠️ 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。