Loading...
正在加载...
请稍候

沉默HCCR-2基因对胰腺癌细胞Bcl-2和Bax表达及细胞增殖与凋亡的影响

2026-06-28 02:26

🔍 耿同学打假报告

论文信息

  • 论文来源:沉默HCCR-2基因对胰腺癌细胞Bcl-2和Bax表达及细胞增殖与凋亡的影响_姜琳.pdf
  • 标题:沉默HCCR-2基因对胰腺癌细胞Bcl-2和Bax表达及细胞增殖与凋亡的影响
  • 作者:姜琳, 孙灿林, 黄俊星, 林梅, 吴正东, 崔永安, 肖蔚, 焦霞, 叶军, 于鸿
  • 期刊:中华临床医师杂志(电子版) (Chin J Clinicians (Electronic Edition))
  • DOI:10.3877/cma.j.issn.1674-0785.2012.22.110
  • 发表年份:2012

综合评定:🟠 高度可疑

详细发现

发现 1:统计学数学自洽性崩塌(P值造假实锤)

  • 位置:摘要、表1(mRNA表达)、表3(MTT)
  • 描述:文中所有核心实验数据(RT-PCR、MTT)均声称达到了极度显著的统计学差异(P < 0.01),但对其报告的“均值±标准差”进行独立样本t检验反算,发现数学逻辑上根本无法实现如此高的显著性。
  • 证据
    1. MTT检测(表3/摘要):反义组 2.38±1.03 vs 无义组 3.78±1.69(n=3)。计算其 t 值仅为 1.22,对应的真实 P 值 ≈ 0.27(远大于0.05)。但在文中,作者直接给出了 P < 0.01 的结论。
    2. HCCR-2 mRNA检测(表1):反义组 0.29±0.16 vs 无义组 0.55±0.31(n=3)。计算其 t 值仅为 1.32,真实 P 值 ≈ 0.24,文中同样硬生生打上了 P < 0.01 的标签。
  • 严重程度:🔴
  • 复核状态:✅ 成立

发现 2:标准差(SD)呈现“完美”的造假规律

  • 位置:表1、表2、表3 全部数值数据
  • 描述:真实生物实验中,不同蛋白/mRNA的表达量、误差范围千差万别。但本文中,所有的标准差(SD)极其整齐地维持在各自均值的 45%~60% 之间,这在统计学和真实实验中是不可能出现的巧合。
  • 证据:例如MTT数据 2.38±1.03(误差占均值43%),3.78±1.69(44%);蛋白表达量 0.47±0.28(59%),0.93±0.48(51%)等。A490吸光度的SD竟然高达1.03和1.69,这意味着孔间误差极大,在真实的MTT实验中这种数据由于不可重复通常会被当做废点剔除。这明显是直接使用“均值乘以一个随机系数(如0.5左右)”生成的伪造数据,连随机数生成器都没调好。
  • 严重程度:🔴
  • 复核状态:✅ 成立

发现 3:实验数据违背基础生物学常理

  • 位置:表3(MTT检测各组细胞的A490值)
  • 描述:MTT实验反映的是活细胞数量。正常肿瘤细胞(PANC-1)在正常培养液中培养时,随着时间推移(24h -> 48h -> 72h),细胞不断增殖,A490吸光度值必然呈现上升趋势。
  • 证据:根据原文表3提取的无义组数据,24h为3.78±1.69,48h为3.68±1.37,到了72h为3.88±1.45(波动且无明显增值);而单加培养液组(正常对照组)72h的数值(3.05±1.85)相比48h(3.83±1.43)出现了断崖式下跌。活得好好的胰腺癌细胞越养越少,违背了最基本的细胞生长规律。
  • 严重程度:🟠
  • 复核状态:✅ 成立

⚠️ 发现 4:图片与时间线分析受限

  • 位置:Figure 1-4(流式细胞术、荧光显微镜、Western Blot)
  • 描述:受限于提供的 PDF 文本完全为乱码及无法提取有效图片像素信息,无法进行“耿同学第一式/第三式”(图片重复、PS拼接痕迹)的检测。
  • 证据:虽然文本中提到了“内参为β-actin”,且时间线(2012年使用脂质体转染ASODN)符合当时的科研水平,但鉴于无法获取图像进行复核,图片的真实性无法判断。
  • 严重程度:🟡
  • 复核状态:⚠️ 依据不足

耿同学辣评

这篇论文属于典型的“Excel拉出来的数据,SPSS算出来的P值,Word敲出来的结论”——三件套彻底脱节!连最基本的 t 检验反算都对不上,P值直接“全票通过” <0.01,随机数生成器看了都得摇头。更离谱的是,对照组肿瘤细胞养着养着反而变少了。把统计学和细胞生物学按在地上摩擦,真当审稿人和读者都不带计算器发论文是吧?

建议后续行动

  • 联系作者要求提供原始数据(流式FCS文件、Western Blot原始未曝光条带)
  • 在 PubPeer 上提出质疑(附上t检验反演计算截图)
  • 向期刊编辑部举报,要求对论文数学统计错误进行学术审查
  • 向作者所在机构学术委员会举报(视期刊初步审查结果而定)

⚠️ 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。