在被撤稿的论文里，出现图像问题最多的实验类型是 Western Blot。 在期刊日趋严格的新规里，被明确要求提交原始数据的，同样是 Western Blot。 当一张膜足以决定一篇论文的命运，你真的厘清了「数据完整性」这道关吗？（点此直达试用福利）
一、WB，正站在「数据完整性」的聚光灯下
过去几年，科研圈对「数据完整性（data integrity）」的审视力度空前提升，而 Western Blot（WB）恰好站在风暴中心。
两项来自不同权威机构、却指向同一结论的研究，值得每一位 WB 使用者高度警惕：
美国癌症研究协会（AACR）在一项针对 1,367 篇文章的研究中发现：图像问题最常见的来源正是 Western Blot，占比高达 40.8%[1]。一旦图像完整性遭到举报并经调查核实，结果往往就是撤稿。
PLOS ONE 对其出版伦理团队在 2017～2019 年间处理的所有图像完整性问题进行统计后发现：Western Blot 图像问题位居首位[2]。正是基于这一发现，PLOS ONE 与 PLOS Biology 自 2019 年起要求作者提交原始、未裁剪的 blot 与 gel 图像数据。
两家机构，同一结论：在所有「出问题」的科研图像中，WB 始终是出现频率最高的类型。
换句话说，WB 已不再是「做出来好看就行」的实验。它的每一条带、每一次归一化、每一步统计处理，都可能在投稿、返修乃至见刊后被反复检验。数据完整性，正从「加分项」变成「生死线」。
那么问题来了：为什么偏偏是 WB，成了图像与数据完整性问题的重灾区？
二、同一批数据，为什么能得出相反的结论？
近期发表于 Scientific Reports 的一项研究[3]（2024，DOI: 10.1038/s41598-024-70096-0）系统揭示了一个令人不安的事实：
WB 数据高度依赖实验设计与统计处理方式，不同的处理方式可能导致截然相反的生物学结论。
研究团队基于 6,000+ 张 WB、281 例动物样本的数据库，以脊髓损伤大鼠模型（N = 29，检测 AMPA 受体亚基 GluA2）为例，对完全相同的一批原始数据用 8 种常见方式分别进行处理。结果令人警醒：效应量、统计功效、p 值在不同处理下大幅波动——某些方案「看不到效应」，换一种方案「效应显著」。
数据没变，结论却已迥异。这种「处理方式不同、结果随之而变」的脆弱性，正是 WB 容易出现数据完整性争议的深层土壤——它给了变异和偏差太多藏身之处。
三、真正的元凶，不是「造假」，而是看不见的变异
需要指出的是：绝大多数 WB 数据问题，并非源于学术不端，而是研究者没有意识到、也没有控制住的技术变异。文章总结了四大核心来源：
1
抗体信号的非线性：
大多数 WB 分析默认「条带密度与蛋白量成正比」。但在上样量过低或过高的情况下，信号会偏离线性区。一旦超出线性范围，定量结果本身就是错的——后续再精密的统计也无法弥补。
图 1. 确定抗体的线性范围以优化 Western blot 数据的参数统计分析
当加载的蛋白浓度过低或过高时，Western blot 条带强度（band density）与蛋白含量之间的关系往往会变为非线性。如果观测到的信号与实际蛋白浓度之间出现偏离，那么分析结果可能会不准确。
2
不均衡的实验设计：
PAGE 胶并非完全均匀。如果同一实验组的样本被集中加在相邻泳道，胶的技术性差异就会与组间差异混淆。极端情况下，你根本无法区分「看到的差异」是生物学效应，还是胶本身的问题。
图 2. 通过平衡设计（Counterbalancing）减少偏差
（A）实验设计
一个用于说明平衡设计的简化假设实验。
• 两个实验组：野生型（Wild Type）vs 转基因（Transgenic）
• 两种处理：药物（Drug）vs 对照（Vehicle）
该设计为一个 2（实验条件）× 2（组织区域） 的因子设计，共形成 4 个实验组。
平衡上样（Gel Loading）
合理的平衡设计目标是：优化样本上样顺序，使不同组别在整个凝胶中均匀分布
❌ 标注红色 X 的情况：实验组或处理条件集中分布于凝胶的某一区域 → 凝胶位置差异（gel variability）可能被误认为是组间差异
✅ 标注绿色 ✓ 的情况：
实验组和处理条件被均匀分散安排 → 有效降低某一组在局部区域过度集中的风险
3
技术重复的混乱处理：
把 3 个技术重复当作 3 个独立样本（伪重复），会把样本量人为放大 3 倍—统计功效虚高，假阳性率飙升；而简单取均值又会掩盖重复间的真实波动。
4
上样、泳道与膜之间的变异：
即大家最熟悉、却也最容易出错的环节：内参与归一化（normalization）。
每一个未被控制的变异，都是数据完整性链条上的一道裂缝。
四、最隐蔽的「陷阱」：你习以为常的归一化方式
研究特别强调：归一化方式的选择，直接决定数据的统计完整性。
最常见的做法是用目标蛋白除以内参（β-actin），得到一个比值。看似合理，实则埋着两个雷：
比值是「乘法关系」而非线性关系，会人为扭曲方差，违背 t 检验、ANOVA 等常用方法的前提假设；
单一管家蛋白本身并不可靠—actin、GAPDH、tubulin 等高丰度蛋白常常处于饱和、脱离线性区，且其表达可能随处理、疾病状态而改变。
换句话说，当你的「标尺」本身在变，所有测量都失去了意义。而一个站不住脚的归一化基准，正是图像与数据完整性审查中最容易被质疑的环节之一。
研究给出的统计层面解法是：把内参作为协变量（covariate）纳入线性混合模型（LMM），并把技术重复作为随机效应处理。这样既能扣除泳道间的技术变异，又不违反统计假设。当二者结合时，效应量更强、功效更高、p 值更低——在不增加样本量的前提下，真实生物学效得以更清晰地呈现。
但这里有一个前提常被忽略：统计方法能挽救的，只是「测对了」的数据。如果上样和内参环节本身就引入了偏差、又缺乏可追溯的原始记录，再好的模型也只是在「错误的数据上做精致的计算」。
正是在这一点上，研究也明确指出：总蛋白染色（如荧光染色）可以作为比单一管家蛋白更优的上样对照。
图 3. Western blot 总蛋白内参示意图
该图展示了一个典型的多重检测（multiplexed）Western blot 凝胶，主要包括：经抗体标记的目标蛋白条带（绿色/黄色），以及作为上样对照的内参蛋白（housekeeping protein）——目标蛋白在同一样本、同一 lane 中同时检测和定量。
五、从源头守住数据完整性：Bio-Rad Stain-Free 与总蛋白归一化（TPN）
要真正应对 WB 数据完整性问题，不能只靠「事后统计补救」，更要在数据采集阶段就将变异纳入控制、将原始记录留存归档。这正是 Bio-Rad Stain-Free（免染）技术与总蛋白归一化（Total Protein Normalization，TPN）的价值所在。
Stain-Free 技术：让「看不见的变异」变得可见、可记录
Bio-Rad 在 TGX Stain-Free 凝胶中预置了独有的三卤化合物。经短暂 UV 激活后，其与蛋白中的色氨酸残基发生共价反应并发出荧光—无需染色、无需脱色，即可在凝胶和转印膜上直接成像整条泳道的总蛋白。
这意味着你可以：
在上样后几分钟内核验各泳道的实际上样量是否均衡；
可视化验证转印效率，排除「转印不全」这一隐性误差源；
全程避免传统染色/脱色带来的批次间波动与人为操作误差；
留存完整泳道的总蛋白原始图像——这恰恰契合了 PLOS 等期刊对「原始、未裁剪图像数据」的要求，让归一化基准透明、可追溯、经得起审查。
TPN：用「总蛋白」取代「单一内参」
相比依赖单个管家蛋白，TPN 以每条泳道的全部蛋白信号作为归一化基准。它的优势恰好对应了研究中点名的痛点：
线性动态范围更宽，不易像高丰度管家蛋白那样饱和、脱离线性区；
不受单一蛋白表达变化的干扰，处理组与对照组之间更具可比性；
更真实地反映泳道间的实际上样差异，从源头降低技术变异；
归一化逻辑清晰可复现，在面对图像完整性审查时更具说服力。
可以说，Stain-Free + TPN 把研究中「总蛋白染色优于单一管家蛋白」的科学建议，变成了一套快速、定量、可重复、可追溯的标准化流程 — 在原始数据生成的那一刻，就为数据完整性把好了第一道关。
六、数据完整性，是从设计到分析的全链条工程
当 AACR 与 PLOS 的统计不约而同地把 WB 列为图像问题的头号来源、当顶刊开始要求提交原始 blot 图像，WB 数据完整性已不再是「做完实验再考虑」的事后问题。它的真正风险，从来不是某一步的疏忽，而是贯穿「线性范围—实验设计—技术重复—归一化—统计分析」全链条的累积变异，以及原始记录的缺失。
应对的路线图其实很清晰：
采集端：确定抗体线性范围、合理交叉平衡上样、用总蛋白作可靠且可记录的上样对照；
分析端：内参当协变量、把重复当随机效应，用更严谨的模型识别真实效应。
Bio-Rad 的成像仪在数据完整性上的措施与优势不仅包括 Stain-Free 与总蛋白内参技术，还包括：
1
.scn 原始数据格式 — 这是一种不可修改的专有二进制格式，内含完整的实验元数据，相比其他系统可随意编辑的通用 TIF 格式，从根本上杜绝了图像与元数据被篡改的风险，完美契合顶级期刊对原始数据可溯源、可存档的要求。
2
软件层面的权限分级与数据安全管理 — 支持密码保护、新账号管理员审核,可禁止数据删除(防止恶意或误操作)、禁止数据联网导出、限制 U 盘拷贝并对导出做安全验证，从而保障原始数据长期、安全、可追溯地保存。
3
高性能光学配置 — 通过专有低噪音高量子产率 CCD、滤光片后置光路、暗箱内壁与透镜组特殊涂层等设计，最大程度降低杂散光与荧光背景、提升信噪比，确保成像具备清晰的灰色背景与锐利的膜边缘、避免过高对比度，满足 Nature、Science 等期刊对 WB 图像背景呈现的明确规定。
现在还有免费试用活动，
点击下方图片即可申请！
与其在投稿、返修甚至撤稿调查时为数据反复辩解，不如从第一张胶开始，就让你的 WB 经得起检验。
注：
1. 相关产品仅限科研使用，不作为临床诊断。
2. Bio-Rad 为 Bio-Rad Laboratories, Inc. 在特定区域的商标。本文所使用的所有商标均归其各自所有者所有。© 2026 Bio-Rad Laboratories, Inc.
3. 本活动的最终解释权归伯乐生命医学产品（上海）有限公司。
内容策划：沈佳钰
内容审核：周育红
题图来源：Bio-Rad
参考文献：
[1]. https://www.labonline.com.au/content/computing-hardware-software/article/image-integrity-best-practice-the-problem-with-altering-western-blots-1593705893
[2]. Redefining standards in image data reporting: A new policy at PLOS ONE and PLOS Biology requires raw blot and gel image data - The Official PLOS Blog
[3]. Omondi C., et al. Improving rigor and reproducibility in western blot experiments with the blotRig analysis. Scientific Reports. 2024;14:21644.
热门跟贴