同濟大學回應：針對我校教師王某Nature論文數據問題?，已成立調查組?

4月16日，同濟大學在校內新聞網發表情況說明，全文如下——

針對近日網絡上對我校教師王某發表的相關論文數據存疑的反映，學校高度重視，已成立調查組，啟動調查程序。

學校一貫對學術不端行為秉持“零容忍”態度，將根據調查情況嚴肅認真處理。

感謝社會各界的關心與監督。

同濟大學

2026年4月16日

事件回顧：

近日，有博主曝光同濟大學某教授花費上百萬經費發表在國際頂刊Nature的論文，出現多處糊弄的造假 ...

今日，饒毅教授（在其公眾號）發聲：“ 中國科學界，從來無人認錯，多位校長就死不認錯，不認錯的就在最近還可以升校長副校長,死不認錯以前多位院士、最近還當選院士，死不認錯是江湖顛撲不破的成功之路，教授學生千萬別慫 - 耿同學說王P教授參選院士是癡心妄想（大意），這就要批評耿同學了：是你不懂科學院的標準，你才是十足的外行！科學院以學術為唯一標準、以學術為最高標準的日子早就過時了，在耿同學出生前就過時了。”

以下全部是轉發：

這篇論文來自2024年發表的Nature頂刊，來自同濟大學某教授團隊完成，近期論文圖片重復，數據嚴重造假等質疑問題引起熱議。

論文信息

• 標題：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

• 發表日期：2025 Jan

質疑內容

1 Corallium abyssale

comment accepted June 2025

意外的重疊區域。我添加了彩色的形狀來顯示我的意思。請作者們檢查并評論一下。

2 Corallium abyssale

comment accepted June 2025

The other two fugures is the same, but different experiment.

3 Jiali Jin （作者回復）

comment accepted June 2025

abyssale，感謝您指出我們論文中的錯誤。我們真誠地為疏忽道歉，并已聯系編輯更正錯誤，以糾正該特定面板的錯位

Jiali Jin and Ping Wang

4 Idas washingtonia

comment accepted June 2025

研究對氨基酸缺乏的反應是困難的。在圖4c中，通過計算每個視野中γ H2AX陽性細胞的百分比來估計由纈氨酸缺乏誘導的DNA損傷。根據圖例，每個條件檢查35個視場。因此，源數據中的每列包含35個值。有一個區域的第二個小數位都是4（黃色）。對于許多值，綠色和藍色列的第二個小數位為5。為什么？

5 Idas washingtonia

comment accepted June 2025

圖4c（也參見注釋）：向shHDAC 6 VR（24 h）柱中的每個γ H2AX陽性細胞百分比添加0.3%產生VR（0 h）柱中的相鄰百分比。類似地，將每個黃色百分比加上2.15%會產生相應的藍色百分比。似乎還有其他類似的關系。怎么會這樣？

6Jiali Jin（作者回復）

comment accepted June 2025

尊敬的david，感謝您的提問，并為延遲回復表示歉意。使用Gen5軟件進行γH2AX灶的定量。“數據縮減”功能用于從整個圖像中提取統計信息。基于軟件分析的數據，我們計算了包含病灶的細胞核占細胞核總數的百分比。為方便起見，我們在下面粘貼了原始數據，以說明分析是如何進行的。

7 Idas washingtonia

comment accepted March 2026

Thank you for your reply.

圖4c：即使軟件的分析表明了這一點，我們能相信它嗎？shHDAC 6的0小時和24小時數據點的分布幾乎相同-事實上，如，所有數據點相差0.3。

8 Yong‐Chang Zhou

comment accepted April 2026

很有意思作者對此有何評論？

9 Yong‐Chang Zhou

comment accepted April 2026

在圖4f中，有一些數據顯示了一個規則的模式。作者對此有何評論？

10 Jiali Jin（作者回復）

comment accepted April 2026

親愛的Idas washingtonia，感謝您對我們研究數據的關注和周到的問題。我們非常感謝有機會進一步詳細澄清量化方法。為了定量腫瘤中γ H2 AX foci陽性細胞的百分比，檢查每個腫瘤的至少三個非連續切片，所述非連續切片獲自注射有穩定過表達或敲除HDAC 6的HCT 116細胞的裸鼠。考慮到腫瘤區域的細胞分布不均勻，選擇細胞密度相對較低（100~500個細胞）和細胞密度較高（500~10000個細胞）的區域進行分析。每個切片至少計數3個顯微鏡視野。使用Gen 5軟件（Chloe C Lepage等人，Cells，2020; Felicite K Noubissi et al.，Sci Rep，2021），遵循Agilent官方應用指南（γ H2 AX病灶的自動成像和雙掩模斑點計數以確定單個細胞基礎上的DNA損傷）。“數據縮減”功能用于根據軟件分析的數據從整個圖像中提取統計信息。如前所述，根據公式（γ H2 AX foci陽性細胞/核× 100）計算γ H2 AX foci陽性細胞的比例（Michael-Christopher Keogh等人，Nature，2005; Haipeng Liu等人，Nature，2018; Simon Gemble等人，Nature，2022.）。鑒于該軟件的廣泛應用，認為該軟件的分析是可靠的。為方便起見，我們在下文中納入了原始數據，以說明如何進行分析。 關于您深思熟慮的觀察結果“shHDAC 6的0小時和24小時數據點的分布幾乎相同”，我們分別分析了總細胞計數和γH2AX灶計數，并根據公式進行了計算。我們希望這些澄清有助于解決您的擔憂。再次感謝您的時間和善意的關注。

11 Jiali Jin（作者回復）

comment accepted April 2026

-Chang Zhou，感謝您對我們研究數據的關注和周到的問題。我們非常感謝有機會進一步詳細澄清量化方法。為了定量腫瘤中γ H2 AX foci陽性細胞的百分比，檢查每個腫瘤的至少三個非連續切片，所述非連續切片獲自注射有穩定過表達或敲除HDAC 6的HCT 116細胞的裸鼠。考慮到腫瘤區域的細胞分布不均勻，選擇細胞密度相對較低（100~500個細胞）和細胞密度較高（500~10000個細胞）的區域進行分析。每個切片至少計數3個顯微鏡視野。使用Gen 5軟件（Chloe C Lepage等人，Cells，2020; Felicite K Noubissi et al.，Sci Rep，2021），遵循Agilent官方應用指南（γ H2 AX病灶的自動成像和雙掩模斑點計數以確定單個細胞基礎上的DNA損傷）。“數據縮減”功能用于根據軟件分析的數據從整個圖像中提取統計信息。如前所述，根據公式（γ H2 AX foci陽性細胞/核× 100）計算γ H2 AX foci陽性細胞的比例（Michael-Christopher Keogh等人，Nature，2005; Haipeng Liu等人，Nature，2018; Simon Gemble等人，Nature，2022.）。使用Gen 5軟件對所有數據進行計數，隨后使用上述公式在Microsoft Excel中進行計算。鑒于上述方法的廣泛應用，分析和結果被認為是可靠的。為方便起見，我們在下文中納入了原始數據，以說明如何進行分析。 我們希望這些澄清有助于解決您的擔憂。再次感謝您的時間和善意的關注。

12 Jiali Jin（作者回復）

comment accepted April 2026

-Chang Zhou，感謝您對我們研究數據的關注和周到的問題。我們非常感謝有機會進一步詳細澄清量化方法。為了定量腫瘤中γ H2 AX foci陽性細胞的百分比，檢查每個腫瘤的至少三個非連續切片，所述非連續切片獲自注射有穩定過表達或敲除HDAC 6的HCT 116細胞的裸鼠。考慮到腫瘤區域的細胞分布不均勻，選擇細胞密度相對較低（100~500個細胞）和細胞密度較高（500~10000個細胞）的區域進行分析。每個切片至少計數3個顯微鏡視野。使用Gen 5軟件（Chloe C Lepage等人，Cells，2020; Felicite K Noubissi et al.，Sci Rep，2021），遵循Agilent官方應用指南（γ H2 AX病灶的自動成像和雙掩模斑點計數以確定單個細胞基礎上的DNA損傷）。“數據縮減”功能用于根據軟件分析的數據從整個圖像中提取統計信息。如前所述，根據公式（γ H2 AX foci陽性細胞/核× 100）計算γ H2 AX foci陽性細胞的比例（Michael-Christopher Keogh等人，Nature，2005; Haipeng Liu等人，Nature，2018; Simon Gemble等人，Nature，2022.）。使用Gen 5軟件對所有數據進行計數，隨后使用上述公式在Microsoft Excel中進行計算。鑒于上述方法的廣泛應用，分析和結果被認為是可靠的。為方便起見，我們在下文中納入了原始數據，以說明如何進行分析。 我們希望這些澄清有助于解決您的擔憂。再次感謝您的時間和善意的關注。

13 Maarten Van Kampen

comment accepted April 2026

Introduction

May and June 2025 a number of issues were reported for this paper:

1. 熒光圖像重疊

2. 不可能的數字數據

該論文于2025年7月更正。然而，作者僅解決了圖像重疊。在我看來，數據的問題要糟糕得多，而且大多與捏造相符。

Impossible data

注釋、。第一作者只是通過提供更詳細但仍然不可能的原始數據來回應這一點

在下面，我將只關注：圖4（c）中的兩個測量系列之間的差異對于所有35行測量數據來說正好是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。

作者多次解釋說，數值代表表達某種標志物的細胞百分比。在至少三個非連續切片上進行細胞計數，并且每個切片至少計數三個顯微鏡視野。從作者的原始數據中，我們可以看到這種分析是在每個顯微鏡視野100到10，000個細胞之間的任何地方進行的。在0 h和24 h計數的細胞總數之間沒有逐行相關性。盡管如此，陽性細胞百分比的差異正好是0.3%，并且可以看到一些奇怪的模式：

主要的問題是：上述情況發生的可能性有多大。我對我的分析還不完全滿意。盡管如此，我還是得到了小于十分之一的概率 2222 。這是這篇論文中最重要的發現。它也表明結果是假的。

Probability calculation

作者提供的原始shHDAC 6數據顯示，每行的0 h和24 h值之間的差異恰好為0.3%。通過觀察產生這種差異的組合，人們已經可以感覺到這是多么不可能。坐第四排。在0小時，作者共計數250個細胞，發現3個陽性細胞。在24小時，他們計數了1000個細胞，發現9個陽性。分數差異為3/250 - 9/250 = 0.3%。人們可以搜索其他組合，給出這個確切的差異：

這已經給了一個直觀的感覺，這一定是多么罕見：在1000小時的集合中有許多“禁止”的正計數。事實上，有許多總細胞計數組合甚至不能產生0.3%的差異（100-100，100-200，100-500，100-1250，200-200，500-500，500-1250，...）。由于運氣不好，作者碰巧錯過了這些組合，這將使他們無法找到0.3%的差異。

我對概率進行了數值分析，發現兩個數據集之間陽性細胞比例的差異為0.3%。第一數據集總共有N個單元格，第二數據集有M個單元格。如上所示，只有有限數量的組合（n，m）導致n/N-m/M = 0.3%。分析開始于枚舉給出期望的0.3%差異的所有（n，m）對。

在下一步中，計算繪制這些對中的任何一個的概率。在N次嘗試中找到n次成功的概率由二項式概率質量函數給出：

f(n, N, p_1) = (Nn)p1n(1?p1)N?n(nN)p1n(1?p1)N?n

我們知道n和N，但p1并不確切知道。這同樣適用于我們在M細胞中發現m陽性的第二次抽簽，

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。為了解決這種不確定性，我簡單地嘗試所有有點現實的p 11 -p 22 組合，請參閱此Colab腳本。下面是一個代表性的結果：

該圖顯示了N=1000和M=200時，發現0.3%差異的概率作為p 11 和p 22 的函數。

當p 11 -p 22 = 0.3%時，該概率最大，這并不奇怪。這是圖中的白色線。

事后看來，發現p 11 = 0.3%和p 22 = 0的最大概率為0.224也不足為奇。對于p 22 0，每次將找到0個陽性細胞，因此是無限尖銳的分布。同時，較低的p 11 = 0.003值將給出相當尖銳的分布，因此實際上從1000個細胞中抽取3個陽性細胞的機會很大。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總細胞計數組合導致找到0.3%差異的不同最大概率。我檢查了作者報告的所有組合。上述22%的概率是找到0.3%差異的最大概率。作者連續35次報告了同樣的差異。發生這種情況的可能性是 0.22435=10?230.22435=10?23 。這是一種禮貌的方式說“不可能”。

Caveats

在上面我計算了找到0.3%差異的概率。這是非常具體的：當發現任何其他固定差異時，論文也會被標記。在實踐中，第一行用于觀察實際差異，并且對于其余34行，檢查這些行是否具有完全相同的差異。當最大概率保持為0.22時，這將歸結為 0.2234=10?220.2234=10?22 概率。

我檢查了0.3%以外的一些差異，確實發現了一些依賴性。發現的最大概率是0.36，導致最多有 0.3634=10?150.3634=10?15 的機會偶然發現這樣的序列。這仍然是“零”，也太樂觀了，因為僅對（N，M）組合之一發現了更高的概率。作者還總是測量3個或更多個細胞，表明概率方面的最佳p 22 = 0的解決方案是不正確的。

Conclusion

找到35個獨立的測量值來顯示0.3%的差異是不可能偶然發生的。最重要的是，上面的評論指出了更多的巧合序列。該概述也是不完整的，例如shHDAC 6（24 h）柱也顯示出與其shTET 2（0 h）相鄰柱的非常有規律的差異。

我認為這些數據是偽造的。

14 Maarten Van Kampen

comment accepted April 2026

再看一下數據，我發現了另一個明顯的捏造跡象。而這一個帶有非常簡單的統計數據，顯示它是不可能的水平之一在 10321032 。宇宙的年齡大約是1，所以即使從時間的黎明開始每秒運行一次這些實驗，也不會得到這個結果。

在，Yong-Chang Zhou在圖4（f）中注意到shNC（0 h）和shTDG（0 h）數據塊之間存在令人驚訝的-0.1%的差異。然后，第一作者在：

圖4（f）背后的數據更令人驚訝：所列值中沒有一個小數點后超過一位（黃色突出顯示）。這可能是一個四舍五入的問題，但提交人提供的數據表明情況并非如此。以第一個值0.3%（左上角）為例。在，可以看出，該值對應于總共9000個測量細胞中的27個陽性細胞，因此恰好27/9000= 0.3%的分數。如果作者測量了28個陽性細胞，他將得到0.3111.. %，0.2888. % 26個陽性細胞，找到小數點后最多一位的百分比值的概率取決于測量的細胞數N。下表顯示了 nNNn [%]，N每列變化，n每行遞增。綠色值小數點后最多有一位數字：

“有效”數字以固定的間隔出現。對于N=9000，每9行出現一個有效值，概率約為11%。對于N=4000、2000和1000，這增加到1/4（25%）、1/2（50%）和1/1（100%）。然而，對于N=650，找到“有效”數字也很罕見，1/13（~8%）。

在，第一作者提供了0 h shNC和shTDG組中所有70次測量的n和N。每個報告的百分比在小數點后最多有一位數字。在下表中，我使用總細胞計數 NN 計算每次測量發生這種情況的概率p。對于所有70次測量，在該點后找到不超過一位數的概率是所有單個 pp 值的乘積。這個概率是“零”： 1.5?10?321.5?10?32 。

這些數據不可能是測量的結果。根據所列出的發表值，報告的總細胞計數 NN 和陽性細胞計數 nn 似乎最有可能是在事后生成的，這些發表值恰好在該點后最多有1位數字。

圖4f shNC的數據由作者在

最后一列p是找到小數點后最多一位的 nNNn [%]值的概率。

圖4f作者在

15 Maarten Van Kampen

comment accepted April 2026

ImageTwin發現了一些圖形裝配錯誤。是的，在這一點上，這應該不再重要了。

圖圖3（j）和擴展的圖5（o）在廣泛不同的條件下（0.5/1 μμ g 5fC對1/3 μμ g 5hmC，不相關的柱）共享斑點印跡測定：

使用對比度增強的動畫顯示背景也是相同的：

擴展數據圖2（k）：H3和微管蛋白對照共享相同的空圖像。

16 Scholtzia involucrata

comment accepted April 2026

正如，從統計學上講，來自不同/獨立實驗的數據不可能顯示出一對一的相關性。

圖4c由Maarten和Yong討論和分析。此外，當把所有數據繪制成折線圖時，圖4c中8列中的7列在某種程度上是相關的（見線模式非常相似）。請注意，所有8列數據應來自不同/獨立的實驗。不可能的

不幸的是，我發現更多：

擴展圖5c+圖5f，每個第一列應該來自不同的實驗，但兩組數據是一一相關的，這可能是不可能的。

擴展圖6c，不同實驗

延伸Fig6m

但最令人震驚的是，就在發送評論之前，我發現我在這條評論中繪制的所有直線曲線都是相關的（共享類似的曲線模式）。

同濟大學王平團隊的Nature更正后，又遭數值“神巧合”質疑

來源：誠信探索

在2025年5月30日，編輯部首次指出了2024年11月20日，同濟大學醫學院/附屬第十人民醫院王平團隊在Nature 在線發表題為“Human HDAC6 senses valine abundancy to regulate DNA damage”的研究論文，發現文章內存在4對圖片重復使用。

有4對圖片重復使用：圖E7K-10與E7K-11出現部分重疊，但是代表明顯不一樣的實驗結果；E10E-11與E10E-15出現部分重疊，但是代表明顯不一樣的實驗結果，由于誠信科研獲取的是Merge后的圖片，發現Merge前E10E-9與E10E-13的圖片也出現重疊；E10E-27與E10M-11出現部分重疊，但是代表明顯不一樣的實驗結果；后續有相關的同行上傳到了Pubpeer。

在2025年7月25日，作者在Nature 對于我們指出的重復圖片進行了更正。

另外，在近期有相關的同行向編輯部反映，圖4c的數據存在異常。

參考信息

https://www.nature.com/articles/s41586-025-09409-w

https://www.nature.com/articles/s41586-024-08248-5

https://pubpeer.com/publications/429F23C68462E5C1A09175C3CD8B07

（來源：饒議科學版權屬原作者 謹致謝意）