Science揭露奠基研究最大骗局:被引2300多次,重量级造假论文误导学界16年

d7bbf0fe9f08c3bfe7efff95b5b777b2.jpeg

来源:新智元

谁能想到,一篇被引2300多次的Nature论文,竟涉嫌造假!更严重的是,这篇开创性论文竟误导了全世界阿尔茨海默病研究长达16年。

一篇被引2300多次的Nature论文,竟涉嫌造假。

影响有多恶劣?

这篇开创性论文直接误导了本世纪阿尔茨海默病(老年痴呆)研究长达16年!

然而,这仅是其中的一篇。

acc1ec1b71df098c32293106b4e9ba79.jpeg

今天,Science发表了一篇为期6个月的调查,揭露了埋藏多年之久的学术造假行为。

文章称,美国明尼苏达大学(UMN)神经学家Sylvain Lesné发表的20多篇论文中可能存在学术不端行为。

5d1bf451982ab6163d8e434401817289.jpeg

诺贝尔奖得主、斯坦福大学神经科学家Thomas Südhof表示,

最直接、最明显的损害就是浪费了美国国立卫生研究院 (NIH) 的投入资金,以及后续研究者的思考,因为他们都以这个结果作为自己实验起点。

一次意外发现,竟揭露老年痴呆奠基研究最大骗局

本次事件的主人公是来自范德堡大学(Vanderbilt University)医学中心的神经病学助理教授Matthew Schrag。

他是这一学术造假的披露者。

7744121bce3904e1985dbfbf9cdb2433.jpeg

2021年8月,Matthew Schrag接到了一通电话,他没想到的是这通电话可能会将他卷入学术不端的漩涡。

他的同事想让他与一位律师取得联系,该律师正调查一种名为 Simufilam 的阿尔茨海默病实验药物。

d864c78ed54028e692a7e414bed4d57a.jpeg

药物的开发商Cassava Sciences声称,其可通过修复一种蛋白质从而改善病人的认知能力,这种「蛋白质可阻止淀粉样蛋白β (Ab) 的粘性脑沉积」——也就是阿尔茨海默症的标志。

而这位律师的客户认为 Simufilam 相关的研究存在造假行为,并以自己的名义向FDA提交了请愿书,要求暂停Cassava Sciences公司关于Simufilam药物的两项III期临床试验。

7e0c1cd55711da3c2cbf56ceb1a27969.jpeg

但在今年二月,这项请愿书因干预程序不正确为由被FDA驳回,但FDA也表示最终会采取行动。

f711ad62fe99e66d23c52292cd37865f.jpeg

同时也有期刊报道了这份请愿书,但并未透露Schrag的身份。

据《华尔街日报》报道称,美国证券交易委员会也在调查Cas-sava Sciences的研究。

而Matthew Schrag本人,此前已经因为公开批评FDA批准「有争议的抗 Aβ 药物 Aduhelm」而声名狼藉,他自己还曾发表研究反驳Cassava Sciences的言论。

而这次,他担心正参加Simufilam试验中的1800多名志愿者面临副作用风险,且得不到任何治疗效果。

于是他运用自己在医学技术领域的专业知识,查询有关药物Simufilam及其基本原理的已发表图像,结果在数十篇期刊文章中发现了「明显更改或重复的图像」。

9c44d5ee22d94df576dcea5031a12691.jpeg

Schrag随即向美国国立卫生研究院 (NIH)提交了关于Cassava Sciences发表的34篇论文的报告,并表示对学术不端行为的严重担忧,并对「可能被篡改的图像和可疑的数据」提出质疑。

2021年12月,Schrag想到了PubPeer,这是一家专门负责学术文章审查的网站。

8fe9b9dbcba3f9608756f46a5a94e408.jpeg

在PubPeer搜索「阿尔茨海默氏症」时,关于The Journal of Neuroscience上几篇论文的帖子引起了Schrag的注意。

帖子对用于区分小鼠脑组织中 Aβ 和类似蛋白质的印迹的真实性表示质疑。

另外贴子下面的评论称其中一些蛋白质条带似乎是复制过的。

后来他发现在同一篇文章中其他的蛋白质印迹也存在类似的问题,图像背景中存在复制的痕迹。

其中,有3篇论文将从未听说过的Sylvain Lesné列为第一作者或通讯作者。Schrag很快发现,Lesné的另一篇论文也受到了PubPeer的审查。

于是,他就扩大范围搜查Lesné其他未被标记的论文。

现在来看,《Science》杂志为期6个月的调查也为Schrag的怀疑提供了有力支持。

Science邀请了行业顶尖的图像分析师和几位顶级阿尔茨海默病研究人员审查了Schrag的大部分报告档案。

他们同意Schrag的观点,并对数百张图片提出了质疑,其中包括 Lesné 论文中的70多张。

cdcb70944db9bec4ff103aa68fbea1a4.jpeg

发表在Nature上的版本存在切割痕迹,表明对Aβ*56 和其他蛋白质的波段进行了不当篡改

Schrag发现图像中一些蛋白质条带看起来异常相似,存在复制痕迹。

另外一个确凿的证据是,红框中的蛋白质条带在小鼠生命周期中的出现时间要比Aβ*56晚。

507e44aeb7cac607391da0fdec2dcd33.jpeg

同时,他将图像上色使蛋白质条带更加清晰,下图可以看到疑似复制过的蛋白质条带。

54fb7594647528ec4caa98d451363e93.jpeg

根据Schrag的计算,图像的相关性系数显示为1,蛋白质条带相关性系数为0.98。

如此高的相关度绝不可能是偶然现象,这下实锤了属于是。

肯塔基大学阿尔茨海默病专家Donna Wilcock说,这些图片看起来像是「公然的图像篡改范例」。

分子生物学家Elisabeth Bik说,作者似乎通过拼凑来自不同实验的照片来组成数据,并且更改实验数据以迎合假设。

如果Schrag的怀疑是正确的,那么Lesné 的发现就是一个精心设计的海市蜃楼,本世纪被引用最多的阿尔茨海默病研究之一和无数相关实验也将成为骗局。

发现Aβ * 56,让一作成当红明星

2006年发表在Nature的论文为有争议的阿尔茨海默症「淀粉样蛋白假说」提供了有力支撑。

要知道,淀粉样蛋白假说认为脑组织中的Aβ团块 (即斑块) 是这种毁灭性疾病的主要原因。而目前全球有成千上万的老年痴呆患者。

这篇研究一作是Sylvain Lesné,其导师是著名神经科学家、明尼苏达大学教授Karen H. Ashe,也是该论文的通讯作者。

ae7dfb9142a3e4f73d27f7992b9795ed.jpeg

在20世纪90年代中期,她创造了一种转基因小鼠,大量生产人类Aβ,在动物的大脑中形成斑块。

结果发现,老鼠也表现出类似痴呆的症状,并将其当成老年痴呆症的首选模型。

在Ashe的转基因小鼠的大脑中,UMN团队发现了一种以前未知的低聚物物种,称为Aβ * 56。

将分离出的Aβ * 56注射到幼鼠体内,就会发现老鼠回忆以前学过的简单信息的能力急剧下降。

这篇论文直接证明了Aβ亚型是引起老鼠痴呆症的确凿证据,并让Sylvain Lesné一战成名。

2a717ea6d3ba3fc9141b0bb28645d1d1.jpeg

这一发现,可以说在当时轰动了整个学术界。

Ashe在其网站上吹捧Aβ * 56是在阿尔茨海默氏症研究中首次在脑组织中发现能够引起记忆障碍的物质。

《自然》杂志发表了一篇社论文章「Aβ * 56是老年痴呆症的头号嫌疑人」。另外,还兴起了一个该领域的论坛Alzforum,题为「Aβ之星诞生了?」

更重要的是,这篇论文发表不到2周,Ashe就获得了著名的神经科学波坦金奖。

Web of Science的数据显示,这篇论文已被约2300多篇学术论文引用,引用数比2006年以来发表的其他4篇阿尔茨海默病基础研究报告都多。

从那时起,NIH每年对「淀粉样蛋白、寡聚物和阿尔茨海默病」研究的投入,从0直接飙升到2021年的2.87亿美元。

这项研究为Sylvain Lesné未来人生铺了一条平坦大道。

2009年, Lesné加入了UMN以及NIH资助的实验室,并将Aβ * 56当作主要的研究重点。

2020年,他成为UMN神经科学研究生项目的领导人。2021年5月,在Schrag向NIH提交其报告的4个月后,Lesné从NIH还获得了令人垂涎的R01资助,长达5年。

关键致病物质找不到?

其实,在Schrag展开调查之前,Aβ * 56在老年痴呆症中发挥作用的证据,就已经引起了人们的关注。

美国肯塔基大学阿尔茨海默病专家Donna Wilcock一直对「纯化」Aβ * 56的研究持怀疑态度。

她指出,这种低聚物是出了名的不稳定,自发转化为其他类型的低聚物。即使在进行净化之后,样本中也可能存在多种类型,因此很难说任何认知效应仅仅是由 Aβ * 56引起的。

81c65f3e6e7bf320ea8d6b661f39a5a0.jpeg

事实上,Wilcock和其他人说,几个实验室试图找到Aβ * 56,但都失败了,尽管几乎没有发表这些发现。期刊通常对负面结果不感兴趣,研究人员可能不愿意反驳一位著名的研究者。

有意思的是,淀粉样蛋白和有毒寡聚物假说的主要倡导者、哈佛大学的Dennis Selkoe至少引用这篇文章13次。

在2008年的2篇论文中,Selkoe说他在人体体液或组织中也找不到Aβ * 56。

Selkoe说,其中一张自然杂志上展示纯化 Aβ * 56的图片——显示出非常令人担忧的篡改迹象。

5年后,同样的图像再次出现在由Lesné和Ashe合著的另一篇论文中。

Selkoe表示,在科学领域,一旦你发布了你的数据,如果它不容易被重复,便会担忧它是不正确或不真实的。目前,几乎没有明确的证据表明Aβ*56存在。

目前,Nature在7月14日对2006年发表的这篇论文添加了注释,并着手调查论文中存在质疑的图片。

40dfdd9d841f1069ab2e66ef3c68a058.jpeg

一个长达16年的骗局,为何如今才被发现?

就像Wilcock等人早已发现根本找不到Aβ * 56,但是却很少有人去发表这些发现。

因为期刊通常对负面结果不感兴趣,研究人员可能也不愿意反驳一位著名的研究者。

无人揭发,只会导致一错再错。

这项研究不仅误导了后续研究工作,甚至耗费了大量资金。

本年度,NIH在涉及淀粉样蛋白的项目上花费了约16亿美元,约占阿尔茨海默症总资金的一半。

正如Selkoe所说,科学家必须证明他们能够发现并纠正罕见的、明显的不当行为。我们需要宣布这些案例,并警告全世界。

参考资料:

https://www.science.org/content/article/potential-fabrication-research-images-threatens-key-theory-alzheimers-disease

https://www.nature.com/articles/nature04533

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

48b500de5f6540783b15f086dee96666.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481776.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

元学习研究综述

元学习研究综述 人工智能技术与咨询 来源:《电信科学》,作者朱应钊等 摘要 深度学习和强化学习严重受限于小样本数据集,容易发生过拟合,无法实现类似于人类强泛化性的学习能力。元学习为此应运而生,以累积经验的方…

【院士思维】张亚勤:我们正在让自动驾驶变成现实

来源:贝德尔的ICT世界7月19日,IEEE 2022网络、计算机和通信国际研讨会(ISNCC2022)首次落地中国,围绕“Touch the Future数字未来之路”主题,来自中国、美国、英国、意大利、法国、突尼斯、印度、日本、俄罗…

基于Grad-CAM与KL损失的SSD目标检测算法

基于Grad-CAM与KL损失的SSD目标检测算法 人工智能技术与咨询 来源:《电子学报》,作者侯庆山等 摘 要: 鉴于Single Shot Multibox Detector (SSD)算法对中小目标检测时会出现漏检甚至错检的情况,提出一种改进的SSD目标检测算法&…

图灵奖得主 Adi Shamir最新理论,揭秘对抗性样本奥秘

来源: 智源社区导读:为什么模型会将「猫」识别成「牛油果酱」,将「猪」识别成「飞机」?要回答这个问题,就涉及到对抗性样本(Adversarial examples)。对抗性样本指在原始样本添加一些人眼无法察觉…

基于多视角融合的夜间无人车三维目标检测

基于多视角融合的夜间无人车三维目标检测 人工智能技术与咨询 来源:《应用光学》,作者王宇岚等 摘 要:为了提高无人车在夜间情况下对周围环境的物体识别能力,提出一种基于多视角通道融合网络的无人车夜间三维目标检测方法。引入…

清华邓志东:城市智能路网新基建催生路端世界级企业

2022年7月16日,中国指挥与控制学会(CICC)城市大脑专业委会在北京正式成立。在成立大会上也举办了城市大脑前沿学术研讨会,新当选的专委会顾问、主任委员、副主任委员发表了最新研究成果和观点,对城市大脑的未来发展进行…

机器学习的可解释性

机器学习的可解释性 人工智能技术与咨询 来源:《计算机研究与发展》,作者陈珂锐等 摘 要 近年来,机器学习发展迅速,尤其是深度学习在图像、声音、自然语言处理等领域取得卓越成效.机器学习算法的表示能力大幅度提高&#xff0c…

对话加拿大工程院于非院士:寻找 AI 领域的「香农定理」

来源:AI科技评论作者:黄楠、青暮编辑:陈彩娴我相信智能是一种自然现象,就像岩石滚动和冰雪融化般自然的现象。——摘自于非著作《智能简史——从大爆炸到元宇宙》。当科学家把一些菟丝子移植到几株营养状态不同的山楂树上时&#…

工业人工智能及应用研究现状及展望

工业人工智能及应用研究现状及展望 人工智能技术与咨询 来源:《自动化学报》,作者李杰等 摘 要 工业4.0 将工业制造流程以及产品质量优化从以前依照经验和观察进行判断转变为以事实为基础,通过分析数据进而挖掘潜在价值的完整智能系统.人工智能技术的…

机器学习理论基础炼丹总结

来源:Datawhale机器学习发展迅猛,但对理论知识的理解却跟不上?本文将给出一名数据科学家的反思,他通过效用矩阵梳理了模型的实验结果和基础理论的关系,并探讨机器学习各个子领域的进展。引入知其然,知其所以…

基于改进SSD的车辆小目标检测方法

基于改进SSD的车辆小目标检测方法 人工智能技术与咨询 来源:《应用光学》,作者李小宁等 摘 要:地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确检测到目标。…

AlphaFold预测了几乎所有已知蛋白质!涵盖100万物种2.14亿结构,数据集开放免费用...

来源:量子位 | 公众号 QbitAI明敏 发自 凹非寺全世界几乎所有已知蛋白质结构,都被AlphaFold预测出来了!在预测出人类98.2%蛋白质一年后,DeepMind的重磅成果再次引爆学术界。包括植物、细菌、真菌在内的100万个物种、2.14亿个蛋白质…

融合零样本学习和小样本学习的弱监督学习方法综述

融合零样本学习和小样本学习的弱监督学习方法综述 人工智能技术与咨询 来源:《系统工程与电子技术》,作者潘崇煜等 摘 要: 深度学习模型严重依赖于大量人工标注的数据,使得其在数据缺乏的特殊领域内应用严重受限。面对数据缺乏等现实挑战&…

什么是文档智能?微软亚研最新《文档智能:数据集、模型和应用》综述

来源:专知微软亚洲研究院最新《文档智能:数据集、模型和应用》综述文档智能是指通过计算机进行自动阅读、理解以及分析商业文档的过程,是自然语言处理和计算机视觉交叉领域的一个重要研究方向。近年来,深度学习技术的普及极大地推动了文档智能领域的发展…

一种基于伪标签半监督学习的小样本调制识别算法

一种基于伪标签半监督学习的小样本调制识别算法 人工智能技术与咨询 来源:《西北工业大学学报》,作者史蕴豪等 摘 要:针对有标签样本较少条件下的通信信号调制识别问题,提出了一种基于伪标签半监督学习技术的小样本调制方式分类…

Intelligent Computing首期论文发表了哪些前沿研究?

来源:之江实验室Intelligent Computing创刊首期论文中,牛津大学计算机系主任、谷歌DeepMind-Oxford合作负责人Michael Wooldridge教授发表了关于人工智能未来发展趋势和关键技术的前瞻性观点论文;蚁群智能创始人、比利时布鲁塞尔自由大学Marc…

基于深度卷积神经网络的目标检测研究综述

基于深度卷积神经网络的目标检测研究综述 人工智能技术与咨询 来自《光学精密工程》 ,作者范丽丽等 摘要:作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对…

Yann LeCun开怼谷歌研究:目标传播早就有了,你们创新在哪里?

来源:机器之心在昨日的学术圈,图灵奖得主Yann LeCun对谷歌的一项研究发起了质疑。前段时间,谷歌 AI在其新研究《LocoProp: Enhancing BackProp via Local Loss Optimization》中提出了一种用于多层神经网络的通用层级损失构造框架LocoProp&am…

基于深度学习的场景分割算法研究综述

基于深度学习的场景分割算法研究综述 人工智能技术与咨询 来自《计算机研究与发展》 ,作者张 蕊等 摘 要 场景分割的目标是判断场景图像中每个像素的类别.场景分割是计算机视觉领域重要的基本问题之一,对场景图像的分析和理解具有重要意义,…

DeepMind 首席科学家 Oriol Vinyals 最新访谈:通用 AI 的未来是强交互式元学习

整理:李梅编辑:陈彩娴自 2016 年 AlphaGo 在围棋中击败人类以来,DeepMind 的科学家一直致力于探索强大的通用人工智能算法,Oriol Vinyals 就是其中之一。Vinyals 于 2016 年加入 DeepMind,目前任首席科学家&#xff0c…