集锦
饶议科学约 26 分钟一图看懂｜一门三代六导师七博士被质疑学术不端
【三代七人被质疑涉嫌学术不端，涉及四篇论文。四批不同的学者不同时间独立指出这四篇论文有学术不端问题。其中，目前受调查的院长，自己在博士期间一篇论文涉嫌造假，自己做导师期间一篇论文涉嫌造假，其三位博士生被批评涉嫌造假论文】
如果是触目惊心就是好事，说明是独此一家的罕见问题。如果不是触目惊心，而是司空见惯，那就是“”的悲剧。
一个三代学术家系，七人：五位分别涉及一篇疑似学术不端论文，两位分别涉及两篇疑似学术不端论文。
其中两位在博士生期间和博导期间都涉及被质疑为学术不端的论文，无法同时推脱自己是导师不知情而怪罪学生、又以自己是学生年幼无知推脱给导师。
再删试试看
院长涉及被质疑论文的研究经费可能是多少？
【院长自豪地展现出来的四千多万的科研经费里面，不知道其中哪些与被质疑的论文相关？涉及一般有两种，一种是以论文为以前研究经费交差，一种是用于申请后面的经费】
近年，斯坦福大学校长，被大学生举报二十年前在其他大学担任教授期间的论文造假。
斯坦福经过调查，结论是：论文造假，但非校长自己造假，而是学生造假。
校长辞职，但可以担任教授。
不出几个月，教授也不当了，去公司工作。
我国某大学，校长“没有”被举报1999年论文造假。煞有介事的调查“没有”故意放过他，原属机构“没有”故意保护他。其学生还“没有”公开声明说：没有造假，不信，教你们做实验。
发表公开声明的学生之一，后来“没有”在老师任校长的大学任教授，“没有”在校长下面任医学院任副院长、“没有”在校长同学科的生命科学与技术学院任院长。同实验室“没有”同学也任学院副院长。
学生“没有”因为涉及造假论文而平步青云。
当时的学生，现在的院长，又“没有”被指出论文造假。
现在的学生（第三代），再一次成为“研究员”（与院士爷爷貌似一样的职称）。
这次会有真的调查吗？
还是说，这次是学生造假？院长没有造假？
今天的院长，以前做学生的时候卷入造假的论文，没有责任。
今天的院长没有造假，或者最多让学生承担全部责任，以后是不是还可以让现在暂时背锅的学生再担任副院长、院长？
拜师不慎
招生不慎。
最最慎重的是推荐他、任命他的人。
第二代成为院领导，所在的院领导层最近公开表态：
说得真好听，比唱的还好听。
拭目以待看看实际行动：
“担当”
第三代“没有”造假论文的作者，现在已经可以招收硕士生和博士生了，她名列某大学医学院研究生导师硕士招生类型：学术型 硕士招生专业：基础医学（生物化学与分子生物学） 博士招生类型：学术型 博士招生专业：基础医学（生物化学与分子生物学） |
【发表论文 (publications)】
1.Jiali Jin*, Tong Meng*, Yuanyuan Yu*, Shuheng Wu*, Chen-Chen Jiao, Sihui Song, Ya-Xu Li,Yu Zhang, Yuan-Yuan Zhao, Xinran Li, Zixin Wang, Yu-Fan Liu, Runzhi Huang, Jieling Qin, Yihua Chen, Hao Cao, Xiao Tan, Xin Ge, Cong Jiang, Jianhuang Xue, Jian Yuan, Dianqing Wu, Wei Wu, Ci-Zhong Jiang, Ping Wang#. Human HDAC6 senses valine abundancy to regulate DNA damage. Nature, 2025, 637(8044): 215-223
2.Jiali Jin#, Ping Wang#. The role of nutrient stress in DNA damage. Trends in Cell Biology, 2025 Aug 26: S0962-8924(25)00182-5.
3.Yaxu Li*, Qiao Ran*, Qiuhui Duan*, Jiali Jin* ,Yanjin Wang, Lei Yu, Chaojie Wang, Zhenyun Zhu, Xin Chen, Linjun Weng, Zan Li, Jia Wang, Qi Wu, Hui Wang, Hongling Tian, Sihui Song, Zezhi Shan, Qiwei Zhai, Huanlong Qin, Shili Chen, Lan Fang, Huiyong Yin, Hu Zhou, Xuejun Jiang, Ping Wang#. 7-Dehydrocholesterol dictates ferroptosis sensitivity and surveillance. Nature, 2024 Feb;626(7998):411-418.
4.Jianxuan Gao*, Jiali Jin*, Runzhi Huang, Siqiao Wang, Sihui Song, Yu Zhang, Yongai Li, Jun Lin, Zhengyan Chang, Zongqiang Huang, Wei Sun, Huabin Yin, Dianwen Song#, Jianru Xiao#, Ping Wang#, Tong Meng#. RAB3B Dictates mTORC1/S6 Signaling in Chordoma and Predicts Response to mTORC1-Targeted Therapy. Advanced Science, 2025 May;12(19):e2415384. doi: 10.1002/advs.202415384.
5.Chenchen Jiao, Tong Meng, Chenyu Zhou, Xinbo Wang, Ping Wang, Meiling Lu, Xiao Tan, Qing Wei, Xin Ge, Jiali Jin#. TGF-β signaling regulates SPOP expression and promotes prostate cancer cell stemness. Aging. 2020 May 1;12(9):7747-7760.
6.Tong Meng*, Runzhi Huang*, Jiali Jin*, Jianxuan Gao, Fuyan Liu, Ziheng Wei, Xiaowen Xu, Zhengyan Chang, Jun Lin, Na Ta, Zongqiang Huang, Huabin Yin, Wang Zhou, Dianwen Song. The comparative integrated multi-omics analysis identifies CA2 as a novel target for chordoma. Neuro Oncol. 2021 Jul 2; noab156. doi: 10.1093/neuonc/noab156.
7. Wen Zhang*, Jiali Jin*, Yanjin Wang*, Lan Fang, Min Liu, Xinbo Wang, Lin Ding, Linjun Weng, Xiao Tan, Tianhua Zhou, Ping Wang#. PD-L1 regulates genomic stability via interaction with Cohesin-SA1 in the Nucleus. Signal Transduction and Targeted Therapy, 2021 Feb 25;6(1):81.doi: 10.1038/s41392-021-00463-0.
8. Xinbo Wang*, Jiali Jin*, Fangning Wan*, Linlin Zhao*, Hongshang Chu, Cong Chen, Guanghong Liao, Jian Liu, Yue Yu, Hongqi Teng, Lan Fang, Cong Jiang, Weijuan Pan, Xin Xie, Jia Li, Xiaolin Lu, Xuejun Jiang, Xin Ge#, Dingwei Ye#, and Ping Wang#. AMPK Promotes SPOP-Mediated NANOG Degradation to Regulate Prostate Cancer Cell Stemness. Developmental Cell. 2019 Feb 11;48(3):345-360.
9. Tong Meng*, Jiali Jin*, Cong Jiang, Runzhi Huang, Huabin Yin, Dianwen Song and Liming Cheng. Molecular Targeted Therapy in the Treatment of Chordoma: A Systematic Review. Front Oncol. 2019 Feb 1;9:30. doi: 10.3389/fonc.2019.00030. eCollection 2019.
10. Jiali Jin*, Jian Liu*, Cong Chen, Zhenping Liu, Cong Jiang, Hongshang Chu, Weijuan Pan, Xinbo Wang, Lingqiang Zhang, Bin Li, Cizhong Jiang, Xin Ge, Xin Xie & Ping Wang. The deubiquitinase USP21 maintains the stemness of mouse embryonic stem cells via stabilization of Nanog. Nature Communications. 2016 Nov 25; 7:13594.
11. Peng Liao*, Weichao Wang*, Yu Li*, Rui Wang*, Jiali Jin*,Weijuan Pan, Yunfei Chen, Mingyue Shen, Xinbo Wang, Dongyang Jiang, Jinjiang Pang, Mingyao Liu, Xia Lin, Xin-Hua Feng, Ping Wang & Xin Ge. Palmitoylated SCP1 is targeted to the plasma membrane and negatively regulates angiogenesis. eLife. 2017 Mar 31;6:e22058. doi: 10.7554/eLife.22058.
【主持项目 (Chaired project)】
项目来源：国家自然科学基金面上项目；项目名称：缬氨酸限制促进DNA去甲基化抑制肿瘤的机制与功能研究
(Grants from the National Natural Science Foundation of China; Mechanism and function of valine restriction inhibiting tumor progression by promoting DNA demethylation)
项目来源：国家自然科学基金面上项目；项目名称：酰基转移酶SAT1通过调控组蛋白琥珀酰化影响肿瘤免疫微环境的机制与功能研究
(Grants from the National Natural Science Foundation of China; The mechanism and function of acyltransferase SAT1 on tumor immune microenvironment via regulating histone succinylation)
项目来源：国家自然科学基金青年项目；项目名称：TGF-β/SPOP负反馈环路在肿瘤转移中的调控作用及分子机制研究
(Grants from the National Natural Science Foundation of China; The function and mechanism of TGF-β/SPOP negative feedback loop in cancer metastasis)
项目来源：上海市东方英才计划青年科技平台优秀学术带头人专题；项目名称：营养代谢应激与肿瘤细胞命运
(Grants from the Shanghai Oriental Talent Program Youth Science and Technology Platform Outstanding Academic Leader; Nutrient stress and tumor cell fate)
项目来源：上海市“科技创新行动计划”启明星项目；项目名称：营养代谢感应调控肿瘤代谢稳态的机制与功能研究
(Grants from the Shanghai Rising-Star Program; The mechanism and function of nutrient metabolism induction in regulating tumor metabolic homeostasis)
项目来源：上海市青年科技英才扬帆计划；项目名称：TGFβ信号通路调控肿瘤干细胞在肿瘤转移与复发中的功能与机制研究
(Grants from the Shanghai Sailing Program; The function and mechanism of TGFβ signaling pathway in tumor metastasis and recurrence via regulating cancer stem cells self-renewal)
项目来源：上海高校青年科研骨干培养计划（“晨光”计划）；项目名称：氨基酸感应体的鉴定及其功能与机制的研究
(Grants from the Shanghai Education Development Foundation and Shanghai Municipal Education Commission; Identification of amino acid sensors and its function and mechanism)
当然，第三代还不如第二代：
生命科学与技术学院院长
教育部“长江学者”特聘教授、
国家杰出青年科学基金获得者、
科技部创新人才推进”计划
国家基金委创新研究群体项目教育部新世纪优秀人才支持计划
科研项目：
1.国自然基金委创新群体项目，32421002，细胞应激与肿瘤微环境重塑，1000万，2025年1月-2029年12月，项目负责人。
2.国家自然科学基金委员会，项目名称：甲硫氨酸限制促进肿瘤免疫微环境重塑的作用机制及功能，项目编号：82341028，资助金额：200万元，2023年3月- 2026年2月，项目负责人。
3.科技部国家重点研发计划前沿生物技术专项，2022YFC3401500，泛素密码精准解析技术及肿瘤靶向干预策略，2000万元，2022年11月-2027年10月，项目负责人。
4.科技部国家重点研发计划发育编程及其代谢调节重点专项，项目名称：组织器官生长和尺寸控制的信号转导基础，项目编号：2020YFA0803201,资助金额：209万元，2021年1月-2025年12月，课题骨干。
5.国家自然科学基金国际(地区)合作与交流项目，项目名称：泛素化修饰调控胱氨酸转运介导铁死亡的机制，项目编号：31920103007， 资助金额：263万，2020年1月至2024年12月，项目负责人。
6.国家自然科学基金重点项目，项目名称：泛素化修饰调控mTORC1细胞代谢通路Ragulator的机制及功能研究，项目编号：31830053，资助金额:281万，2019年1月至2023年12月，项目负责人。
7.国家自然科学基金委杰出青年基金项目，项目名称：肿瘤微环境与泛素化调控，项目编号：81625019，资助金额：350万，2017年1月至2021年12月，项目负责人。
代表性论文：
(1) Jiali Jin(#), Tong Meng(#), Yuanyuan Yu(#), Shuheng Wu(#), Chen-Chen Jiao, Sihui Song, Ya-Xu Li, Yu Zhang, Yuan-Yuan Zhao, Xinran Li, Zixin Wang, Yu-Fan Liu, Runzhi Huang，Jieling Qin, Yihua Chen, Hao Cao, Xiao Tan, Xin Ge, Cong Jiang, Jianhuang Xue, Jian Yuan, Dianqing Wu, Wei Wu, Ci-Zhong Jiang &Ping Wang，Human HDAC6 senses valine abundancy to regulate DNA damage，Nature，2024.11.20。
(2) Yaxu Li(#), Qiao Ran(#), Qiuhui Duan(#), Jiali Jin(#), Yanjin Wang, Lei Yu, Chaojie Wang, Zhenyun Zhu, Xin Chen4, Linjun Weng, Zan Li, Jia Wang, Qi Wu, Hui Wang, Hongling Tian, Sihui Song, Zezhi Shan, Qiwei Zhai, Huanlong Qin,Shili Chen, Lan Fang, Huiyong Yin, Hu Zhou, Xuejun Jiang, andPing Wang(*)，7-Dehydrocholesterol dictates ferroptosis sensitivity and surveillance，Nature，2024.2.1。
(3) Li Li(#), Jiajia Wu, Weiqian Cao, Wei Zhang, Qi Wu, Yaxu Li, Yanrong Yang, Zezhi Shan5, Zening Zheng, Xin Ge, Liang Lin(*) and Ping Wang(*), N-deglycosylation Targeting Chimera (DGlyTAC): a strategy for immune checkpoint proteins inactivation by specifically removing N-glycan, Signal transduction and targeted therapy, 2025, 2025 Apr 28;10(1):139。
(4) Fang L(#), Hao Y(#), Yu H(#), Gu X(#), Peng Q, Zhuo H, Li Y, Liu Z, Wang J, Chen Y, Zhang J, Tian H, Gao Y, Gao R, Teng H, Shan Z, Zhu J, Li Z, Liu Y, Zhang Y, Yu F, Lin Z, Hao Y, Ge X, Yuan J, Hu HG, Ma Y, Qin HL, Wang P(*)，Methionine restriction promotes cGAS activation and chromatin untethering through demethylation to enhance antitumor immunity，Cancer Cell，2023 Jun 12;41(6):1118-1133.
(5) Lei Yu, Pengcheng Zhao, Yaoliang Sun, Zening Zheng, Wenhao Du, Lishan Zhang, Yaxu Li, Longyan Xie, Shilin Xu(*) & Ping Wang(*), Development of a potent benzonitrile-based inhibitor of glutaminyl-peptide cyclotransferase-like protein (QPCTL) with antitumor efficacy, Signal transduction and targeted therapy, 2023，volume 8, Article number: 454.
(6) Qi Wu; Zhi-Jie Gao; Xin Yu; Ping Wang; Dietary regulation in health and disease, Signal Transduction and Targeted Therapy, 2022, 7(1).
(7) Tengbo Zhang(#), Yaxu Li(#) , Yanrong Yang(#), Linjun Weng, Zhiqiang Wu, Jiali Zhu, Jieling Qin , Qi Liu(*) and Ping Wang(*), iCRISEE: an integrative analysis of CRISPR screen by reducing false positive hits. Briefings in Bioinformatics, 2022 Jan 17;23(1).
(8) Xinbo Wang(#), Yueqing Chen(#), Xudong Wang(#), Hongling Tian, Yanjin Wang, Jiali Jin, Zezhi Shan, Yu’e Liu, Zhenyu Cai, Xinyuan Tong, Yi Luan, Xiao Tan, Bing Luan, Xin Ge, Hongbin Ji(*), Xuejun Jiang(*), and Ping Wang(*), Stem Cell Factor SOX2 Confers Ferroptosis Resistance in Lung Cancer via Upregulation of SLC7A11, Cancer Research, 2021.8, 81(20): 5217-5229.
(9) Wen Zhang(#), Jiali Jin(#), Yanjin Wang(#), Lan Fang, Liu Min, Xinbo Wang, Lin Ding, Linjun Weng, Tan Xiao, Tianhua Zhou & Ping Wang(*). PD-L1 regulates genomic stability via interaction with Cohesin-SA1 in the Nucleus. Signal Transduction and Targeted Therapy, 2021.2.25,6:81.
(10) Jiawen Zhang (#), Yunfei Chen (#), Xianfei Chen, Wen Zhang , Linlin Zhao, Linjun Weng, Hongling Tian, Zhiqiang Wu, Xiao Tan, Xin Ge, Ping Wang(*), Lan Fang(*). Deubiquitinase USP35 restrains STING-mediated interferon signaling in ovarian cancer. Cell Death & Differentiation, 2021 Jan;28(1):139-155.
千万要“公平” ， 不能欺负学生
某校Nature文章的第一作者，是学生。
我们几个小编为此争论不休。
本小编认为：对待学生千万要公平。
本小编反对：学生的老师的老师凭借造假的论文当了院士、当了校长，毫发无伤；学生的老师凭借造假论文当了博导、当了院长，毫发无伤。但是，轮到今天的学生，造假就要剥夺博士学位。
那样太不公平了。
怎么公平？
本小编哪知道啊？！
本小编只知道不能捡软的捏，更不能让学生当替罪羊给院士校长、博导院长下台阶。
学术反腐，不能从学生开始。
青出于蓝：师徒三代“没有”造假、两代“没有”升官
千万不要认错
Nature涉嫌数据严重造假，同济大学王教授团队论文被质疑
这篇论文来自2024年发表的Nature 顶刊，来自同济大学王教授团队完成，近期论文图片重复，数据严重造假等质疑问题引起热议
论文信息
标题：Human HDAC6 senses valine abundancy to regulate DNA damage
作者：Jiali Jin, Tong Meng, Yuanyuan Yu, Shuheng Wu, Chen-Chen Jiao, Sihui Song, Ya-Xu Li, Yu Zhang, Yuan-Yuan Zhao, Xinran Li, Zixin Wang, Yu-Fan Liu, Runzhi Huang, Jieling Qin, Yihua Chen, Hao Cao, Xiao Tan, Xin Ge, Cong Jiang, Jianhuang Xue, Jian Yuan, Dianqing Wu, Wei Wu, Ci-Zhong Jiang, Ping Wang
期刊：Nature
DOI：10.1038/s41586-024-08248-5
发表日期：2025 Jan
质疑内容
1 Corallium abyssale
comment accepted June 2025
意外的重叠区域。我添加了彩色的形状来显示我的意思。请作者们检查并评论一下。
2 Corallium abyssale
comment accepted June 2025
The other two fugures is the same, but different experiment.
3 Jiali Jin （作者回复）
comment accepted June 2025
#2亲爱的Corallium abyssale，感谢您指出我们论文中的错误。我们真诚地为疏忽道歉，并已联系编辑更正错误，以纠正该特定面板的错位
Jiali Jin and Ping Wang
4 Idas washingtonia
comment accepted June 2025
研究对氨基酸缺乏的反应是困难的。在图4c中，通过计算每个视野中γ H2AX阳性细胞的百分比来估计由缬氨酸缺乏诱导的DNA损伤。根据图例，每个条件检查35个视场。因此，源数据中的每列包含35个值。有一个区域的第二个小数位都是4（黄色）。对于许多值，绿色和蓝色列的第二个小数位为5。为什么？
5 Idas washingtonia
comment accepted June 2025
图4c（也参见注释#4）：向shHDAC 6 VR（24 h）柱中的每个γ H2AX阳性细胞百分比添加0.3%产生VR（0 h）柱中的相邻百分比。类似地，将每个黄色百分比加上2.15%会产生相应的蓝色百分比。似乎还有其他类似的关系。怎么会这样？
6Jiali Jin（作者回复）
comment accepted June 2025
#5
尊敬的david，感谢您的提问，并为延迟回复表示歉意。使用Gen5软件进行γH2AX灶的定量。“数据缩减”功能用于从整个图像中提取统计信息。基于软件分析的数据，我们计算了包含病灶的细胞核占细胞核总数的百分比。为方便起见，我们在下面粘贴了原始数据，以说明分析是如何进行的。
7 Idas washingtonia
comment accepted March 2026
Thank you for your reply.
图4c：即使软件的分析表明了这一点，我们能相信它吗？shHDAC 6的0小时和24小时数据点的分布几乎相同-事实上，如#5所述，所有数据点相差0.3。
8 Yong‐Chang Zhou
comment accepted April 2026
很有意思作者对此有何评论？
9 Yong‐Chang Zhou
comment accepted April 2026
在图4f中，有一些数据显示了一个规则的模式。作者对此有何评论？
10 Jiali Jin（作者回复）
comment accepted April 2026
亲爱的Idas washingtonia，感谢您对我们研究数据的关注和周到的问题。我们非常感谢有机会进一步详细澄清量化方法。为了定量肿瘤中γ H2 AX foci阳性细胞的百分比，检查每个肿瘤的至少三个非连续切片，所述非连续切片获自注射有稳定过表达或敲除HDAC 6的HCT 116细胞的裸鼠。考虑到肿瘤区域的细胞分布不均匀，选择细胞密度相对较低（100~500个细胞）和细胞密度较高（500~10000个细胞）的区域进行分析。每个切片至少计数3个显微镜视野。使用Gen 5软件（Chloe C Lepage等人，Cells，2020; Felicite K Noubissi et al.，Sci Rep，2021），遵循Agilent官方应用指南（γ H2 AX病灶的自动成像和双掩模斑点计数以确定单个细胞基础上的DNA损伤）。“数据缩减”功能用于根据软件分析的数据从整个图像中提取统计信息。如前所述，根据公式（γ H2 AX foci阳性细胞/核× 100）计算γ H2 AX foci阳性细胞的比例（Michael-Christopher Keogh等人，Nature，2005; Haipeng Liu等人，Nature，2018; Simon Gemble等人，Nature，2022.）。鉴于该软件的广泛应用，认为该软件的分析是可靠的。为方便起见，我们在下文中纳入了原始数据，以说明如何进行分析。 关于您深思熟虑的观察结果“shHDAC 6的0小时和24小时数据点的分布几乎相同”，我们分别分析了总细胞计数和γH2AX灶计数，并根据公式进行了计算。我们希望这些澄清有助于解决您的担忧。再次感谢您的时间和善意的关注。
11 Jiali Jin（作者回复）
comment accepted April 2026
#8尊敬的Yong-Chang Zhou，感谢您对我们研究数据的关注和周到的问题。我们非常感谢有机会进一步详细澄清量化方法。为了定量肿瘤中γ H2 AX foci阳性细胞的百分比，检查每个肿瘤的至少三个非连续切片，所述非连续切片获自注射有稳定过表达或敲除HDAC 6的HCT 116细胞的裸鼠。考虑到肿瘤区域的细胞分布不均匀，选择细胞密度相对较低（100~500个细胞）和细胞密度较高（500~10000个细胞）的区域进行分析。每个切片至少计数3个显微镜视野。使用Gen 5软件（Chloe C Lepage等人，Cells，2020; Felicite K Noubissi et al.，Sci Rep，2021），遵循Agilent官方应用指南（γ H2 AX病灶的自动成像和双掩模斑点计数以确定单个细胞基础上的DNA损伤）。“数据缩减”功能用于根据软件分析的数据从整个图像中提取统计信息。如前所述，根据公式（γ H2 AX foci阳性细胞/核× 100）计算γ H2 AX foci阳性细胞的比例（Michael-Christopher Keogh等人，Nature，2005; Haipeng Liu等人，Nature，2018; Simon Gemble等人，Nature，2022.）。使用Gen 5软件对所有数据进行计数，随后使用上述公式在Microsoft Excel中进行计算。鉴于上述方法的广泛应用，分析和结果被认为是可靠的。为方便起见，我们在下文中纳入了原始数据，以说明如何进行分析。 我们希望这些澄清有助于解决您的担忧。再次感谢您的时间和善意的关注。
12 Jiali Jin（作者回复）
comment accepted April 2026
#9尊敬的Yong-Chang Zhou，感谢您对我们研究数据的关注和周到的问题。我们非常感谢有机会进一步详细澄清量化方法。为了定量肿瘤中γ H2 AX foci阳性细胞的百分比，检查每个肿瘤的至少三个非连续切片，所述非连续切片获自注射有稳定过表达或敲除HDAC 6的HCT 116细胞的裸鼠。考虑到肿瘤区域的细胞分布不均匀，选择细胞密度相对较低（100~500个细胞）和细胞密度较高（500~10000个细胞）的区域进行分析。每个切片至少计数3个显微镜视野。使用Gen 5软件（Chloe C Lepage等人，Cells，2020; Felicite K Noubissi et al.，Sci Rep，2021），遵循Agilent官方应用指南（γ H2 AX病灶的自动成像和双掩模斑点计数以确定单个细胞基础上的DNA损伤）。“数据缩减”功能用于根据软件分析的数据从整个图像中提取统计信息。如前所述，根据公式（γ H2 AX foci阳性细胞/核× 100）计算γ H2 AX foci阳性细胞的比例（Michael-Christopher Keogh等人，Nature，2005; Haipeng Liu等人，Nature，2018; Simon Gemble等人，Nature，2022.）。使用Gen 5软件对所有数据进行计数，随后使用上述公式在Microsoft Excel中进行计算。鉴于上述方法的广泛应用，分析和结果被认为是可靠的。为方便起见，我们在下文中纳入了原始数据，以说明如何进行分析。 我们希望这些澄清有助于解决您的担忧。再次感谢您的时间和善意的关注。
13 Maarten Van Kampen
comment accepted April 2026
Introduction
May and June 2025 a number of issues were reported for this paper:
荧光图像重叠
不可能的数字数据
该论文于2025年7月更正。然而，作者仅解决了图像重叠。在我看来，数据的问题要糟糕得多，而且大多与捏造相符。
Impossible data
注释#5、#7和#9显示了许多独立实验系列之间的数学关系的例子。第一作者只是通过提供更详细但仍然不可能的原始数据来回应这一点
在下面，我将只关注#5中确定的一个问题：图4（c）中的两个测量系列之间的差异对于所有35行测量数据来说正好是0.3%。
shHDAC6(24 h) = hHDAC6(0 h) - 0.3%.
在文章的底部，我附上了第一作者在#6中提供的原始数据的数字化版本。
作者多次解释说，数值代表表达某种标志物的细胞百分比。在至少三个非连续切片上进行细胞计数，并且每个切片至少计数三个显微镜视野。从作者的原始数据中，我们可以看到这种分析是在每个显微镜视野100到10，000个细胞之间的任何地方进行的。在0 h和24 h计数的细胞总数之间没有逐行相关性。尽管如此，阳性细胞百分比的差异正好是0.3%，并且可以看到一些奇怪的模式：
主要的问题是：上述情况发生的可能性有多大。我对我的分析还不完全满意。尽管如此，我还是得到了小于十分之一的概率 2222 。这是这篇论文中最重要的发现。它也表明结果是假的。
Probability calculation
作者提供的原始shHDAC 6数据显示，每行的0 h和24 h值之间的差异恰好为0.3%。通过观察产生这种差异的组合，人们已经可以感觉到这是多么不可能。坐第四排。在0小时，作者共计数250个细胞，发现3个阳性细胞。在24小时，他们计数了1000个细胞，发现9个阳性。分数差异为3/250 - 9/250 = 0.3%。人们可以搜索其他组合，给出这个确切的差异：
这已经给了一个直观的感觉，这一定是多么罕见：在1000小时的集合中有许多“禁止”的正计数。事实上，有许多总细胞计数组合甚至不能产生0.3%的差异（100-100，100-200，100-500，100-1250，200-200，500-500，500-1250，...）。由于运气不好，作者碰巧错过了这些组合，这将使他们无法找到0.3%的差异。
我对概率进行了数值分析，发现两个数据集之间阳性细胞比例的差异为0.3%。第一数据集总共有N个单元格，第二数据集有M个单元格。如上所示，只有有限数量的组合（n，m）导致n/N-m/M = 0.3%。分析开始于枚举给出期望的0.3%差异的所有（n，m）对。
在下一步中，计算绘制这些对中的任何一个的概率。在N次尝试中找到n次成功的概率由二项式概率质量函数给出：
f(n, N, p_1) = (Nn)p1n(1−p1)N−n(nN)p1n(1−p1)N−n
我们知道n和N，但p1并不确切知道。这同样适用于我们在M细胞中发现m阳性的第二次抽签，
f(m, M, p_2) = (Mm)p2m(1−p2)M−m(mM)p2m(1−p2)M−m,
其中p 22 并不完全已知。为了解决这种不确定性，我简单地尝试所有有点现实的p 11 -p 22 组合，请参阅此Colab脚本。下面是一个代表性的结果：
该图显示了N=1000和M=200时，发现0.3%差异的概率作为p 11 和p 22 的函数。
当p 11 -p 22 = 0.3%时，该概率最大，这并不奇怪。这是图中的白色线。
事后看来，发现p 11 = 0.3%和p 22 = 0的最大概率为0.224也不足为奇。对于p 22 0，每次将找到0个阳性细胞，因此是无限尖锐的分布。同时，较低的p 11 = 0.003值将给出相当尖锐的分布，因此实际上从1000个细胞中抽取3个阳性细胞的机会很大。最大概率0.224就是 (10003)0.0033(1−0.003)1000−3(31000)0.0033(1−0.003)1000−3 。
不同的N、M总细胞计数组合导致找到0.3%差异的不同最大概率。我检查了作者报告的所有组合。上述22%的概率是找到0.3%差异的最大概率。作者连续35次报告了同样的差异。发生这种情况的可能性是 0.22435=10−230.22435=10−23 。这是一种礼貌的方式说“不可能”。
Caveats
在上面我计算了找到0.3%差异的概率。这是非常具体的：当发现任何其他固定差异时，论文也会被标记。在实践中，第一行用于观察实际差异，并且对于其余34行，检查这些行是否具有完全相同的差异。当最大概率保持为0.22时，这将归结为 0.2234=10−220.2234=10−22 概率。
我检查了0.3%以外的一些差异，确实发现了一些依赖性。发现的最大概率是0.36，导致最多有 0.3634=10−150.3634=10−15 的机会偶然发现这样的序列。这仍然是“零”，也太乐观了，因为仅对（N，M）组合之一发现了更高的概率。作者还总是测量3个或更多个细胞，表明概率方面的最佳p 22 = 0的解决方案是不正确的。
Conclusion
找到35个独立的测量值来显示0.3%的差异是不可能偶然发生的。最重要的是，上面的评论指出了更多的巧合序列。该概述也是不完整的，例如shHDAC 6（24 h）柱也显示出与其shTET 2（0 h）相邻柱的非常有规律的差异。
我认为这些数据是伪造的。
14 Maarten Van Kampen
comment accepted April 2026
再看一下数据，我发现了另一个明显的捏造迹象。而这一个带有非常简单的统计数据，显示它是不可能的水平之一在 10321032 。宇宙的年龄大约是1#秒，所以即使从时间的黎明开始每秒运行一次这些实验，也不会得到这个结果。
在#9中，Yong-Chang Zhou在图4（f）中注意到shNC（0 h）和shTDG（0 h）数据块之间存在令人惊讶的-0.1%的差异。然后，第一作者在#12中提供了详细的基础数据：
图4（f）背后的数据更令人惊讶：所列值中没有一个小数点后超过一位（黄色突出显示）。这可能是一个四舍五入的问题，但提交人提供的数据表明情况并非如此。以第一个值0.3%（左上角）为例。在#12中，可以看出，该值对应于总共9000个测量细胞中的27个阳性细胞，因此恰好27/9000= 0.3%的分数。如果作者测量了28个阳性细胞，他将得到0.3111.. %，0.2888. % 26个阳性细胞
找到小数点后最多一位的百分比值的概率取决于测量的细胞数N。下表显示了 nNNn [%]，N每列变化，n每行递增。绿色值小数点后最多有一位数字：
“有效”数字以固定的间隔出现。对于N=9000，每9行出现一个有效值，概率约为11%。对于N=4000、2000和1000，这增加到1/4（25%）、1/2（50%）和1/1（100%）。然而，对于N=650，找到“有效”数字也很罕见，1/13（~8%）。
在#12中，第一作者提供了0 h shNC和shTDG组中所有70次测量的n和N。每个报告的百分比在小数点后最多有一位数字。在下表中，我使用总细胞计数 NN 计算每次测量发生这种情况的概率p。对于所有70次测量，在该点后找到不超过一位数的概率是所有单个 pp 值的乘积。这个概率是“零”： 1.5⋅10−321.5⋅10−32 。
这些数据不可能是测量的结果。根据所列出的发表值，报告的总细胞计数 NN 和阳性细胞计数 nn 似乎最有可能是在事后生成的，这些发表值恰好在该点后最多有1位数字。
图4f shNC的数据由作者在#12中提供
最后一列p是找到小数点后最多一位的 nNNn [%]值的概率。
图4f作者在#12中提供的shTDG数据
15 Maarten Van Kampen
comment accepted April 2026
ImageTwin发现了一些图形装配错误。是的，在这一点上，这应该不再重要了。
图图3（j）和扩展的图5（o）在广泛不同的条件下（0.5/1 μμ g 5fC对1/3 μμ g 5hmC，不相关的柱）共享斑点印迹测定：
使用对比度增强的动画显示背景也是相同的：
扩展数据图2（k）：H3和微管蛋白对照共享相同的空图像。
16 Scholtzia involucrata
comment accepted April 2026
正如#13和#14所分析的，从统计学上讲，来自不同/独立实验的数据不可能显示出一对一的相关性。
图4c由Maarten和Yong讨论和分析。此外，当把所有数据绘制成折线图时，图4c中8列中的7列在某种程度上是相关的（见线模式非常相似）。请注意，所有8列数据应来自不同/独立的实验。不可能的
不幸的是，我发现更多：
扩展图5c+图5f，每个第一列应该来自不同的实验，但两组数据是一一相关的，这可能是不可能的。
扩展图6c，不同实验
延伸Fig6m
但最令人震惊的是，就在发送评论之前，我发现我在这条评论中绘制的所有直线曲线都是相关的（共享类似的曲线模式）。
同济大学王平团队的Nature更正后，又遭数值“神巧合”质疑
https://www.nature.com/articles/s41586-025-09409-w
https://www.nature.com/articles/s41586-024-08248-5
https://pubpeer.com/publications/429F23C68462E5C1A09175C3CD8B07