震驚！sleuth揪出數千篇論文數據造假，頂刊《Cell》高引論文也中招！

來源：市場資訊

（來源：Pubpeer）

在科學研究的世界里，數據的真實與準確是生命線。然而，一篇被引用了超過4000次、發表于頂級期刊《細胞》的里程碑式論文，其公開數據集中竟暗藏大量重復的數值——這個令人震驚的發現，并非來自學術界的同行評審，而是出自一位荷蘭軟件開發者之手。他，就是馬克斯·英格蘭。

英格蘭并非傳統科學家，而是一名熱衷于維護科研誠信的“數據偵探”。在過去一年里，他開發了一款名為“Bloodhound”的智能檢測軟件，專門“嗅探”公開科學數據中那些不可能出現的、復制粘貼的數值。他的“獵場”，是全球知名的開放獲取數據存儲庫Dryad。

故事的起點并不復雜。英格蘭是知名學術監督網站“撤稿觀察”的忠實讀者。他發現，雖然利用技術識別重復圖像已成果斐然，但針對數值數據的類似審查卻幾乎空白。一個想法在他腦中成型：既然圖片可以造假，數字為什么不行？他決定用代碼來填補這個空白。

他的軟件工作原理猶如一個精密的漏斗。 首先，程序從Dryad中篩選出高引用論文的數據集，進行第一輪重復數值掃描。但這會捕獲大量“誤報”——比如，計算表格中為方便而整列復制的平均值。為此，英格蘭引入了人工智能（谷歌的Gemini 3.1）進行第二輪智能研判。AI的任務是評估這些重復是“情有可原”還是“疑點重重”。在已完全分析的約600篇論文中，35%的數據集觸發了初步警報，而其中33%被AI標記為“可疑”。

即便如此，挑戰依然存在。AI曾錯誤地標記了一項關于白蟻丘生物量的研究，因為測量草高時出現的幾毫米差異被誤判為異常。經過“AI+人工”雙重審查，英格蘭初步估計，大約有3%的數據集存在需要關注的“問題”。 按此比例推算，僅在Dryad內含Excel文件的2.4萬個數據集中，就可能隱藏著超過700個問題案例。

而最引人注目的“戰果”，直指2016年那篇轟動學界的《細胞》論文。 該論文提出了帕金森病可能起源于腸道的開創性觀點。英格蘭的軟件發現，這篇論文公開近十年的數據集中，健康小鼠的運動功能數據有近一半存在重復，微生物群被改變的小鼠數據也有約40%重復。“這本身就有新聞價值，”英格蘭說，“科學家們認為這篇論文有趣到足以引用上千次，但近十年來，竟無人發現這個具體問題。”

在學術討論平臺PubPeer上，其他研究人員也就該論文的方法論提出了質疑。面對疑問，論文的通訊作者薩基斯·馬茲馬尼安稱這些是“誠實的錯誤”，并表示實驗室正在努力修正手稿。然而，在英格蘭指出問題后不久，同一實驗室的另一篇論文也被發現了類似問題。

英格蘭的行動在學術界激起了漣漪。對于他的發現，許多被質疑論文的作者在PubPeer上給出了解釋：有的是因為合并Excel文件時，不小心將魚類體型數據匹配錯了個體；有的是誤將一個物種的數據粘貼到了另一個物種的表格中。在英格蘭已提出質疑的20篇論文中，有5篇的作者承認錯誤，但堅稱不影響最終結論。

“我們永遠無法知道這些重復背后真正的原因是什么，”英格蘭謹慎地表示。他的核心目標并非指控，而是喚起關注。 他希望資助機構和期刊能夠重視這些問題，并啟動更深入的調查。“如果只是無心之失，卻指控他人欺詐，那將極大的不公。”

然而，推動改變的過程比發現數據異常更加緩慢。英格蘭最早在2025年5月就向《生態學雜志》標記了一篇關于中國入侵植物的研究論文，但截至報道時，修正仍未完成。該刊物的執行編輯表示，調查已結束，正與出版商和作者敲定最終解決方案。

作為數據存儲方，Dryad已在其網站上發布了“關注聲明”，并對英格蘭發現的兩個數據集發出了正式通告。Dryad數據出版負責人丹·愛德華茲承認，英格蘭的工作“揭示了過去未被識別的表格數據問題，為促進研究誠信開辟了新途徑”，但后續的人工核查與解決每個案例，都需要“巨大的投入”。

目前，英格蘭的審查之旅才剛剛開始。他的故事揭示了一個嚴峻的現實：在“可重復性危機”備受關注的今天，大量已發表、被引用、甚至影響深遠的科學數據，可能從未經過系統的數值真實性審查。一位“局外人”用代碼打開的這扇門背后，是一個關于科學信任、糾錯機制與技術進步如何重塑學術規范的宏大故事。 這場靜默的“數據凈化”行動仍在繼續，而它對科學界的影響，或許才剛剛開始。

https://retractionwatch.com/2026/04/06/data-duplications-errors-open-repositories-markus-englund/