# 🔍 耿同学打假报告

## 论文信息
- 论文来源：s00122-018-3122-6.pdf
- 标题：Genome‑wide linkage mapping of yield‑related traits in three Chinese bread wheat populations using high‑density SNP markers
- 作者：Faji Li, Weie Wen, Zhonghu He, Jindong Liu, Hui Jin, Shuanghe Cao, Hongwei Geng, Jun Yan, Pingzhi Zhang, Yingxiu Wan, Xianchun Xia
- 期刊：Theoretical and Applied Genetics
- DOI：https://doi.org/10.1007/s00122-018-3122-6
- 发表年份：2018

## 综合评定：✅ 清白

## 详细发现

### 发现 1：图片与视觉数据操纵检测（第一式 & 第三式）
- **位置**：Figure 1 / Table 1, 2, 3
- **描述**：对论文提供的图谱（Fig. 1）及表格进行了视觉与数据逻辑交叉验证。本文涉及3个群体、12个性状的QTL定位，产生了极其庞杂的图谱与数据表。
- **证据**：论文图片视觉分析摘要显示，本文为纯经典的QTL定位文本与线条图研究，不存在任何 Western Blot、凝胶电泳或流式细胞术等极易遭 PS 毒手的“重灾区”图片。染色体连锁图绘制规范，无明显裁切、拼接或伪造痕迹。QTL区间分布与染色体物理位置（如原文 Discussion 部分明确比对的 Rht-B1, Rht-D1 等已知位点）在逻辑上高度吻合。
- **严重程度**：✅ 无异常
- **复核状态**：✅ 成立

### 发现 2：大数据量统计学与逻辑自洽性检测（第二式 & 第四式）
- **位置**：Results 部分 / Table 1
- **描述**：检测了 QTL 定位结果的统计学合理性、效应值与表型变异解释率（\(R^2\)）的数学自洽性。
- **证据**：农业性状 QTL 数据最难造假的地方在于“环境互作”。本文中作者老老实实地报告了不同环境（E1-E10）下 QTL 检测结果的波动。例如原文 Results 部分明确指出，4BS 染色体上的 QSN 和 QKNS 的 \(R^2\) 值分别在 22.0–59.0%（QSN.caas-4BS）和 9.9–43.1%（QKNS.caas-4BS）之间波动。这非常符合受多基因和环境严重影响的复杂数量性状的真实客观规律。如果是随机数生成器造假，往往会编造出各个环境极其一致的完美曲线，本文完全没有此类“完美强迫症”特征。
- **严重程度**：✅ 无异常
- **复核状态**：✅ 成立

### 发现 3：时间线与实验方法学检测（第五式 & 第六式）
- **位置**：Materials and methods / 整体时间线
- **描述**：核查了样本种植、基因型鉴定、数据库比对与发表的时间线。
- **证据**：
  1. **种植时间线**：原文 Plant materials and field trials 部分指出，群体种植时间涵盖了 2012–2013, 2013–2014 和 2014–2015 cropping seasons，2018 年发表，完全符合真实的农业科研周期。
  2. **技术手段时效性**：原文明确描述使用了 wheat 90 K iSelect SNP array（Wang et al. 2014），并引用了 IWGSC RefSeq v1.0 版本的中国春参考基因组进行物理位置比对。该基因组序列于 2014 年左右公布，作者在 2018 年的论文中顺理成章地将其用于分析，技术手段与时间线严丝合缝，无穿越时空使用未问世试剂或数据的情况。
- **严重程度**：✅ 无异常
- **复核状态**：✅ 成立

## 耿同学辣评

老牌强势课题组的“笨功夫”文章。没有花里胡哨的机制图，没有移花接木的 WB 条带，就是纯种地、收麦子、跑芯片、做统计学分析。数据虽然看起来不那么“完美漂亮”，但那种带着泥土气息的环境波动方差，恰恰是造假者编不出来的真实。这种扎实的基因组学与育种学文章，主打一个“大力出奇迹”，我看很行！

## 建议后续行动

- [x] 无需任何后续行动。论文数据真实可信，建议引用。

## ⚠️ 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。