# 🔍 耿同学打假报告

## 论文信息
- 标题：Transformative Antioxidant Testing of Chinese Herbal Medicine Polysaccharides with Colorimetric Assays Using Fe/NC Nanozymes
- 作者：Liping Sun, Li Jin, Jianhua Shu, Jili Hu, Yunxia Yin, Zhi Li, Lei Wang, Hongxing Kan
- 期刊：ACS Appl. Nano Mater. 2025, 8, 8918−8926
- DOI：10.1021/acsanm.5c01031
- 发表年份：2025
- 论文来源：transformative-antioxidant-testing-of-chinese-herbal-medicine-polysaccharides-with-colorimetric-assays-using-fe-nc.pdf

## 综合评定：🟡 存疑

## 详细发现

### 发现 1：统计学异常检测（缺失基本统计量与显著性检验）
- **位置**：Figure 4G / Figure 5B 及相关正文（第 3.3 与 3.4 节）
- **描述**：在将本研究开发的传感器与商业 DPPH 试剂盒进行对比时（Figure 4G），作者仅在正文中口头声称“there was no significant difference”（无显著差异），但全文未提供任何具体的统计学检验数值（如 t 检验的 p 值、t 值或 F 值），也未在图注或正文中报告误差棒（标准差 SD 或标准误 SEM）及重复次数（n）。
- **证据**：在分析化学和传感器类论文中，评估真实样品或对比两种方法时，不提供具体的统计量支撑而直接声称“无显著差异”，不符合严谨的统计学规范。虽然这在材料学论文中常见，但属于典型的“统计糊涂账”。
- **严重程度**：🟡
- **复核状态**：✅ 成立

### 发现 2：数据拟合度与线性范围的"勉强感"
- **位置**：Figure 4C-E / 第 3.3 节 TAC Assessment
- **描述**：作者报告了三种多糖（LBP、SMP、PNP）检测的线性范围和相关系数。其中，PNP 的线性相关系数 \(R^2\) 仅为 0.9559，SMP 为 0.9779。此外，文本描述的 LOD（检出限）差异极大：LBP 为 0.38 \(\mu\)g/mL，而 SMP 和 PNP 则分别飙升至 5.44 和 5.14 \(\mu\)g/mL，灵敏度相差十倍以上。
- **证据**：虽然数据本身没有出现直接的数学矛盾，但在比色法传感器中，\(R^2\) 低于 0.99 通常意味着线性模型拟合较差，属于"强行给数据拉一条直线"。同时，结构类似的多糖在同一个纳米酶体系中的 LOD 出现巨大断层，存在数据筛选（即只挑选符合线性关系的点进行展示）的嫌疑，需要核对原始数据点。
- **严重程度**：🟡
- **复核状态**：✅ 成立

### 发现 3：浓度与抗氧化效能的逻辑悖论
- **位置**：第 3.3 节
- **描述**：正文声称：“SMP exhibited the most pronounced antioxidant potential... At a concentration of 500 μg mL−1, the antioxidant activities were ranked as SMP > LBP > PNP”。然而，根据作者测定的 LOD 和线性范围，LBP 的检测下限最低（0.38）、线性范围最宽（3.91起），这通常意味着 LBP 的灵敏度最高、响应最剧烈。
- **证据**：如果 LBP 的灵敏度和线性响应区间显著优于 SMP，在极高浓度（500 \(\mu\)g/mL）下 SMP 的抗氧化能力却反超 LBP，这暗示剂量-效应曲线可能存在高度非线性的交叉，或者作者在选取代表性数据时存在自相矛盾。
- **严重程度**：🟡
- **复核状态**：✅ 成立

## 耿同学辣评

这篇 ACS Nano Materials 的文章，实验设计看着花里胡哨，从纳米酶扯到中药多糖，但在最核心的数据呈现上却"裸奔"——口口声声说和商业试剂盒没区别，但误差棒不给、p 值不给、t 值不给，怎么着，难道是靠肉眼 "eyeballing" 出来的无显著差异吗？再加上那条 \(R^2\) 连 0.96 都勉强及格的"弯曲直线"，这是把随意捏造的几个点硬生生连成了薛定谔的线性范围！

## 建议后续行动

- [x] 联系作者要求提供原始数据（特别是 Figure 4 的吸光度散点图和统计学分析原始数值）
- [ ] 在 PubPeer 上提出质疑
- [x] 建议期刊编辑部要求作者补充详细的统计学参数（n、SD、p 值）
- [ ] 向作者所在机构学术委员会举报（当前证据仅存疑，暂不推荐）

## ⚠️ 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。