上周五，基金委官网挂出《案件通报（2026 年第 2 批）》，一口气处理了 31 起科研不端案件。最扎眼的一条：中山大学邝栋明的国家杰出青年科学基金项目被直接撤销，公开通报里还是头一回。同批上榜的还有同济大学原生命学院院长王平、南开大学原生命学院院长陈佺、上海大学原转化医学研究院院长苏佳灿，四人名下合计撤掉 9 个项目，追回经费超千万元。
作为常年坐在编辑部里的审稿人，我盯着这份名单看了很久。名单里那些表述，图片使用混乱、数据微调、伪造篡改、代写代投，恰恰是我和同行每天在稿件里找的东西。这批通报不是针对某几个人的，它把整个学术出版行业最忌讳的动作，逐条列成了标准答案。今天我不聊八卦，把编辑和审稿人真正在意的三条红线摊开讲，投稿前后都能照着自查。
第一条红线：图可以美化，数据不能动手脚
先说最常见的翻车点。2026 年 9 月 1 日，《Nucleic Acids Research》撤回一篇 2006 年的论文，起因是图 1B 里两条蛋白条带疑似重复，编辑部顺藤摸瓜，又查出图 3D 拼接、图 6A 与 6B 显微图像重复旋转。2026 年 8 月，美国做空机构 Gotham City Research 把矛头指向诺奖得主山中伸弥，指控其名下多篇论文存在图像重复问题，尽管京都大学 iPS 细胞研究所逐篇反驳，舆论已经烧起来了。
编辑部查图查得有多细？投稿系统里的图片，很多期刊会直接跑图像完整性检测，比对同一稿件内、甚至跨论文的重复区域。Western blot 条带复制粘贴、显微照片旋转后复用、把两个实验拼进一张图，这些操作在软件眼里几乎无所遁形。
怎么改？记住一句话：图片的每个像素都要能说清来源。原始膜、原始切片、扫描参数，投稿前逐张核对一遍，别等编辑部来问你"这张图的原始数据在哪"。基金委通报里那句"图片使用混乱"，落到现实中就是：原始数据拿不出来，前后解释对不上。
第二条红线：AI 可以用，但痕迹必须透明
如果说图片问题算"老毛病"，那 AI 带来的就是新雷区，而且踩雷的人越来越多。
最典型的案例是 2026 年 7 月 PNAS 撤了一篇文章，作者用 AI 工具把文献 ID 转成参考文献列表，投稿前没有逐条核验，结果部分文献对不上号、无法核实真伪，稿子里还混进了生成式 AI 做的图。同款翻车还有一例：一本 BMJ 旗下的医学伦理学期刊撤回论文，唯一作者是一名高中生，撤稿原因同样是文中多条参考文献根本查无此文，属于典型的 AI 幻觉文献。
编辑部对 AI 的态度不是"禁用"，而是"透明"。ICMJE 与多数期刊的共识是：AI 可以帮你整理语言、梳理逻辑，但 authorship 必须是人，方法部分要如实交代 AI 的用途，参考文献必须逐条核实真伪。现在不少期刊的投稿系统里，AI 使用声明已经从选填项变成必填项，用 AI 生成了内容却不在投稿时声明，一旦被发现，轻则退稿，重则按学术不端处理，性质比语言润色严重得多。
怎么改？两条硬规矩。第一，凡 AI 参与的内容，在 cover letter 和方法部分如实说明，不抱侥幸；第二，AI 输出的参考文献与观点，一律回到原始来源人工核验。真实文献的题名、作者、年份、卷期页码、DOI，经不起任何一道粗心。
第三条红线：从买到投，来路必须干净
前两条针对"稿子本身"，第三条针对"稿子从哪来"，这也是今年监管最重的一刀。
国家卫健委年初印发《加强医学科研诚信专项治理的工作方案》，随后从 4 月到 7 月连发五批通报，共查处 83 起涉"论文工厂"案件，涉及 74 家医院、超 300 名医护，其中多数来自三甲医院。处罚力度前所未有：有人撤销了已评上的副主任医师职称，有人被"终身禁止承担财政性资金支持的科技活动"，而且第一刀就落在一位通讯作者头上。
重点提醒两点。其一，追责不受论文发表与否限制，未发表的代写论文一样查；其二，导师和通讯作者的连带责任正在被压实，团队里任何一篇文章出问题，署名者都可能被牵连。买论文、买数据、挂名、虚构评审人邮箱，这些"捷径"现在都写在通报的类型统计里。
编辑给你的自查清单
先交代一下编辑部里每天都在发生什么。稿件投进来，第一关不是送外审，而是技术审查（technical check）：格式对不对、伦理材料齐不齐、作者信息有没有前后矛盾、图片是不是高糊截图。这关过不去，稿件会被直接退回修改，连审稿人面都见不到。第二关才是编辑初筛，看选题和期刊方向是否匹配、创新点是否站得住，很多综述类稿件就是在这个环节被拒的，原因往往是题目太宽、全是文献堆砌、看不到作者自己的判断。
说完了这些，给正在写论文、准备投稿的你一份可执行的清单，投稿前逐项打勾：
- 图片与数据：每张图的原始文件是否留存？Western blot 是否保留未裁剪的全膜图？投稿前是否用图像检测工具自查过一遍？
- 文献：AI 辅助生成的参考文献，是否逐条回到 PubMed 等数据库核验过题名、作者、年份、DOI？
- AI 披露：方法部分和 cover letter 是否如实声明了 AI 的参与范围？
- 署名：所有作者是否都知情并同意？有无被挂名或挂别人名的情况？
这四条都过，才算跨过编辑的第一道门槛。
用工具把"合规自查"变成日常动作
你可能发现了，上面这些动作里，最耗时、最容易被偷懒跳过的，是文献这一环。逐条核验几十篇参考文献、把综述里的证据理出层次、按学校或期刊格式整理引文，全是机械又必须精确的活。这正是 DeepBio 这类研究工具能帮上忙的地方。
DeepBio（deepbio.bio）是面向生物医学研究的 AI 工作台，核心理念是"上传资料、结构化分析、复核迭代"三步走。我的用法是这样的：
第一步，把资料交给工具，但不交出判断。 写综述或论文前，把收集的 PDF、笔记、指南上传，用"文献与证据整理"功能让它按主题归类，标出每篇证据的等级、结论和局限。它输出的是一张张带出处的证据卡，每条结论都连着原文位置，方便你回查。这恰好回应了第二条红线：AI 参与整理可以，但每条信息都要能溯源，最终核验的开关始终在你手里。
第二步，让工具按规范搭骨架。 确定要投的期刊或学校格式后，用"论文编写"功能生成章节结构和参考文献样式。以有学位论文规范的院校为例，封面、目录、正文层级、参考文献格式都能按规范模板走，你省下的时间用来逐段审内容、补证据，而不是和页边距较劲。
第三步，把复核留给自己。 DeepBio 的定位写得很清楚：医学研究辅助，不替代专业判断，输出可能有错，结论要回到原始资料验证。所以它适合当你的第二双眼睛和整理助手，而不是替你署名。工具把体力活干完，判断、核对、担责，永远是研究者自己的事。
说到底，编辑和审稿人也是科研出身，我们最怕的不是稿子有瑕疵，而是来路不清、原始数据拿不出来、用了 AI 却藏着掖着。科研这行，慢即是快。守住这三条红线，你的论文在编辑桌上，才经得起放大镜。
你在投稿前会做哪些自查？有没有哪次被审稿人问得哑口无言的经历？评论区聊聊，帮你逐条拆解。
标签：科研诚信 #论文撤稿 #学术不端 #SCI 投稿 #审稿人 #医学论文 #参考文献 #AI 辅助写作 #科研工具 #DeepBio
