🔍 耿同学打假报告

论文信息

• 标题：基于多特征融合和深度学习的 RNA f5C 与 m5C 修饰位点预测
• 作者：惠聪
• 期刊：景德镇陶瓷大学硕士学位论文
• DOI：依据不足（文本中未提供）
• 发表年份：2025 / 2026（依据其引用了2025年发表的文献及当前日期推断）
• 论文来源：基于多特征融合和深度学习的RNA_f5C与m5C修饰位点预测_惠聪.pdf

综合评定：✅ 清白

详细发现

发现 1：数据数学逻辑高度自洽（未触发数据造假预警）

• 位置：表 3-2 / 表 4-1 / 表 4-3 等数据结果处
• 描述：针对论文中声称的各项深度学习评价指标（Sn, Sp, ACC, F1, MCC 等）进行了逆向交叉验证。
• 证据：以表 3-2 中的 Fusion_f5C-Pred 为例，报告 Sn=0.7704，Sp=0.8201。在正负样本 1:1 的平衡测试集中，理论 ACC 应为 (0.7704+0.8201)/2 = 0.79525，论文报告 ACC 为 0.7952，完全吻合！同理，使用 Sn 和 Sp 反推混淆矩阵，并代入 MCC 公式计算，得出 MCC 约为 0.5912，论文报告为 0.5913（存在极度合理的微小四舍五入误差）。表 4-1 中 SVM 的 F1 分数计算也呈现完美一致性。这种严密的数学自洽性直接排除了随机生成数据或造假粗制滥造的可能。
• 严重程度：🟢（无异常）
• 复核状态：✅ 成立

发现 2：软件环境与时间线完全闭环（未触发时间线造假预警）

• 位置：3.2.6 实现细节 / 4.2.4 实现细节 / 参考文献表
• 描述：检测了论文使用的技术栈版本与参考文献的年份逻辑。
• 证据：论文在实现部分明确指出使用了 Python 3.10.14、PyTorch 2.3.1 和 Scikit-learn 1.5.1。查阅开发文档可知，PyTorch 2.3.1 和 Scikit-learn 1.5.1 均发布于 2024 年中；同时，论文参考文献中包含了 Jiang 等人 2025 年发表于 Genomics 的文章（文献[27]）。结合当前日期，该论文撰写于 2025 年或 2026 年初，使用的工具包版本和引用的最新文献构成了完美的时间逻辑闭环，没有任何“穿越”使用未发布软件的嫌疑。
• 严重程度：🟢（无异常）
• 复核状态：✅ 成立

发现 3：图片视觉审查无异常（未触发图片造假预警）

• 位置：全篇图片（含 Figure 1-1 至 Figure 4-5 等）
• 描述：基于论文图片视觉分析摘要及文本上下文进行核查。
• 证据：这是一篇纯计算生物学/生物信息学论文，其所有图表均为模型架构图、ROC曲线图、t-SNE降维散点图或基序序列图，天然排除了传统湿实验中常见的 Western Blot 条带复用、细胞图拼接等造假重灾区。提供的材料未包含任何可疑的像素级操纵、重复粘贴或 PS 痕迹。
• 严重程度：🟢（无异常）
• 复核状态：✅ 成立

发现 4：实验设计与泛化逻辑合理（未触发方法学异常预警）

• 位置：3.3.5 泛化能力验证 / 4.3 结果与讨论
• 描述：验证作者对于模型跨任务能力的验证逻辑。
• 证据：作者在第三章开发了 Fusion_f5C-Pred，随后在第四章利用 m5C 数据集验证框架的泛化性。为了公平比较，作者如实报告了其模型在 m5C 数据集上的 ACC (0.7620) 略低于当时最先进的专用模型 Feadm5C (0.7635)。这种“有一说一”、不刻意掩盖专用模型优于迁移模型的数据展示态度，是学术诚实的重要体现。此外，严格的 80% 阈值 CD-HIT 去冗余和 5 折交叉验证也符合该领域的最严格规范。
• 严重程度：🟢（无异常）
• 复核状态：✅ 成立

耿同学辣评

这篇来自景德镇陶瓷大学的生信硕士论文简直是“强迫症”的福音！作者不仅代码写得规范，算指标更是严谨到了骨子里——手握随机数生成器都造不出这么公式严丝合缝、小数点后四位都能对上的神仙数据。虽然咱们没法像抓“PS西方印迹”那样从图里挑刺，但这种把机器学习基本功练到扎实的学术作风，值得给个大大的赞！

建议后续行动

• 联系作者要求提供原始数据
• 在 PubPeer 上提出质疑
• 向期刊编辑部举报
• 向作者所在机构学术委员会举报

(注：本论文未发现学术不端行为，无需启动上述负面流程。)

⚠️ 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。