Skip to main content
样例报告 · 原文照录

真实样例:AI 完整审稿报告(中文)

下面是中文评估引擎对一篇公开预印本(CC BY 4.0)生成的完整报告,未经人工编辑。您可以对照 bioRxiv 上的原文逐条核对。

报告全文

61 条问题,8 条必须修改

目标期刊 Cancer Cell。以下为报告原文,标题、评分、引文和建议都没有改动。

本报告由人工智能生成,仅供作者投稿前自查参考。

投稿前评估报告

质量评分

原创性: 3/5 发现POU2F1参与SCLC中DLL3和神经内分泌程序调控具有一定新意,但tandem POU2F1–ASCL1 motif作为"cis-regulatory code"的核心论证主要依赖基因组富集与AlphaFold预测,缺少功能扰动验证。

研究问题的重要性: 4/5 DLL3作为SCLC治疗靶点的转录调控机制具有明确临床与转化意义,问题本身重要且及时。

结论有据: 2/5 Figure 1C图注错写为"Serpin B5",与全文研究对象DLL3直接冲突;"SCLC-specific"及"normal neuroendocrine cellular contexts"等论断缺乏相应实验支持。

方法学可靠性: 3/5 双筛选策略与ChIP-seq设计合理,但AlphaFold 3的20个预测作为独立重复进行Welch's t-test会放大显著性,且tandem motif无任何报告基因或碱基编辑功能验证。

写作清晰度: 3/5 主体行文清晰,但Figure 2–3不同细胞系取样时间点(第4天vs第6天)差异未加解释,Figure 3图注将Gene Ontology与DESCARTES Cell Type signatures混用,参考文献25标题截断。

学术价值: 4/5 POU2F1–ASCL1协同模型对理解DLL3表达稳定性与SCLC谱系可塑性有参考价值,补充表与GEO数据公开有利于领域复用。

总体评价: 该稿件提供了有价值的筛选与关联数据,但作为机制论文的核心因果证据(tandem motif功能扰动、POU2F1–ASCL1直接相互作用生化验证)尚未到位,且存在多处内部不一致与统计描述问题。目前状态更适合作为投稿前大修的预印本,尚未达到Cancer Cell的发表标准。

1. 创新性与概念推进

本文概念推进主要有三点:(1) 通过TF-focused与genome-wide双CRISPR筛选收敛到POU2F1作为DLL3激活因子;(2) 提出POU2F1–ASCL1 tandem motif构成神经内分泌身份的cis-regulatory code;(3) 借助AlphaFold 3预测提出DNA依赖的POU2F1与ASCL1–TCF12复合物相互作用模型。第(1)点具有明确新意,与既往ASCL1-Notch轴调控DLL3的框架互补。第(2)(3)点主要停留在计算富集与结构预测层面,与作者在讨论中延伸出的ASCL1 pioneer factor接力、POU–ASCL家族模块化、以及谱系转换等推论之间存在明显证据缺口。tandem motif基因组内882个位点、20 kb窗口内227个靶基因的GO富集结果仍属相关性分析,尚不能支撑"code"这一强断言。

2. 数据与证据的优势和不足

做得好的地方:

  1. 双筛选体系(DBD-focused与Brunello genome-wide)独立收敛到POU2F1,且内源DLL3、ASCL1 sgRNA行为支持筛选可信度(Results 第1–2节)。
  2. 三种独立SCLC-A细胞系(NCI-H209、NCI-H1836、NCI-H1436)的Western blot与RNA-seq验证增强了结论稳健性(Fig 2A–B)。
  3. 两个独立POU2F1 ChIP抗体的一致性(Fig 4A–C)与H3K27ac、input对照设置合理。
  4. 结构预测中明确承认模型间变异大,并同时展示reversed motif与无DNA条件作为对照,思路诚实(Fig 6)。
  5. 数据公开至GEO,补充表覆盖筛选、RNA-seq、ChIP-seq、motif与抗体信息,透明度较好。

需要改进的地方:

  1. Figure 1C图注基因名错误:图注写作"Workflow of genome-wide Serpin B5 reporter screen",但本研究筛选标记是DLL3,Serpin B5在全文其他位置未出现。这显然是其他文稿的遗留内容,且位置在主图,必须在投稿前改正。
  2. 核心机制缺少功能验证:tandem POU2F1–ASCL1 motif的因果作用仅由FIMO基因组扫描、GO富集与AlphaFold 3预测支撑。作者应在DLL3启动子内通过碱基编辑或定点突变破坏tandem motif,并配合报告基因或内源表达检测,直接检验该元件对DLL3表达的贡献。Figure 5的分析目前无法区分相关与因果。
  3. AlphaFold 3统计处理存在问题:Methods中"all twenty outputs were used as standalone replicates",但20个预测来自4个起始种子,种子内模型并非独立样本。以n=32核苷酸位点作为Welch's t-test的重复数(Figure 6B)同样会把同一模型内的位点当作独立观测。作者应以seed为层级建模,或明确以描述性统计呈现,避免夸大p值。
  4. "SCLC-specific role"未直接验证:摘要中"an SCLC-specific role for POU2F1 in activating DLL3"仅基于POU2F1普遍表达而DLL3亚型选择性的表达对比(Fig 1F–G, S1C),缺少非SCLC或非神经内分泌细胞中POU2F1扰动对照,因此无法排除POU2F1在其他背景对同源基因的调控。
  5. POU2F1与ASCL1上下游关系未界定:Figure 2A虽检测了ASCL1、POU2F1、DLL3蛋白,但正文未说明POU2F1 KO是否影响ASCL1表达、ASCL1 KO是否影响POU2F1。若POU2F1 KO下调ASCL1,则tandem motif协同模型需重新解释。此为关键对照,应明确报告。
  6. Methods与Figure 5的GO输入不一致:Methods中"Gene Ontology analysis was conducted using Enrichr ... using the top 250 significantly downregulated genes (RNA-sequencing analysis), or all genes adjacent to each respective set of peaks (ChIP-sequencing analysis and motif analysis)",而Figure 5B/D图注明确是"annotated genes within 20kb of a tandem POU2F1–ASCL1"。20 kb窗口与"all genes adjacent"的定义需要统一并说明选择依据。
  7. FIMO显著性阈值不对等:Methods对tandem/reversed motif用1×10⁻⁷,对单POU2F1/ASCL1 motif用1×10⁻⁵。正文却断言"this enrichment was substantially stronger for the tandem motif than for either the POU2F1 or ASCL1 motif alone"。不同阈值下基因集规模不同,会直接影响GO富集强度比较,应统一阈值或按基因集规模进行校正。
  8. Figure 3图注术语错配:图注(G–I)段先写"Enrichr Gene ontology analysis",紧接着写"Top 10 DESCARTES Cell Type signatures are ranked ordered by their significance (p-value)",两套基因集被混为一谈。Figure 5B/D图注也使用相似表述,需要核对并按面板分别说明。
  9. Figure 2–3取样时间点差异未说明:Figure 2B图注写"day 4 (B–C) or day 6 (B, D–E)",Figure 3图注写"day 4 (A,D,G) or day 6 (B,C,E,F,H,I)"。即NCI-H209为第4天,NCI-H1436与NCI-H1836为第6天。三种细胞系采用不同时间点会比较混杂,正文未解释原因,也未做时间点一致性分析。
  10. Figure 2B统计方法:以Mann–Whitney直接比较TPM值,而(C–E)同一实验采用DESeq2。同一RNA-seq数据采用两种统计框架,应在方法中解释B面板为何不使用DESeq2标准化结果,或统一到DESeq2。
  11. 样本量描述不一致:Figure 2C–E写"n = 6 biological replicates per timepoint, per cell line",但Figure 2B、Figure 3均未给出每组n值;Statistics and Reproducibility又写"No statistical method was used to predetermine sample size. Sample size calculations were based on previously published data",两句直接冲突。应明确每组n及是否为独立生物重复。
  12. 多重比较校正不一致:Figure 1F "no multiple comparison correction" vs Figure 1G "correction for 4 comparisons",两者分析对象相似,需说明差别依据。
  13. 箱线图描述异常:Figure 1F–G、2B图注称"Boxes represent the mean ± interquartile range (IQR)",传统箱线图以中位数与四分位数表示;且与Mann–Whitney(基于秩)搭配使用时应报告中位数。建议改为标准定义或明确自定义图形含义。
  14. 筛选QC指标缺失:正文仅以ASCL1与DLL3 sgRNA行为作为筛选整体表现依据,未报告Gini系数、sgRNA检出率、重复相关性等常用QC指标,补充表应给出。
  15. ASCL1 ChIP-seq质量未量化:正文给出POU2F1 693 peaks(<700),但ASCL1 ChIP-seq峰数、重复一致性、抗体特异性验证方式均未在结果或补充表中明确。
  16. Figure 4E中DLL1位点未讨论:图注列出"DLL3, INSM1, and DLL1",但结果正文仅讨论DLL3与INSM1,DLL1 locus的呈现缺乏解释。
  17. ChIP-seq input对照表述含糊:Methods中"MACS2 v2.2.9.1 was used to call peaks using no input genomic DNA control"与ChIP流程"200 µL of the sample was saved for input"、Figure 4D展示input track互相矛盾。请明确MACS2是使用还是不使用input。
  18. 统计工具列表不完整:Methods "General computational"段仅列"Mann–Whitney U tests and Fisher's Exact statistical tests",但AlphaFold分析使用Welch's unpaired t-test,正文也未见Fisher's exact test结果。应补齐并按图列出。
  19. Supplementary Figure 1标题与内容不匹配:标题为"DLL3 and POU2F1 are highly expressed in SCLC-A",但结果正文明确POU2F1 "was relatively uniform across the molecular subtypes of SCLC"。标题会误导读者以为POU2F1为SCLC-A特异。
  20. 参考文献25标题截断:文献25写作"Brumage, L. et al. In vivo functional screens reveal. Sci Adv 11, eadq7084 (2025)",标题不完整。文献24序号后缺句点。
  21. Data Availability包含审稿token:GSE317998/317997/317996后附"[reviewer token = ...]",正式投稿与发表版本必须删除。
  22. Methods中提及ChatGPT辅助Python脚本:脚本本身未存入代码库或补充材料,其可重复性无法评估,建议公开代码或将方法部分表述收敛为描述性说明。
  23. 20 kb HOMER靶基因分配窗口较宽:882个tandem motif对应227个基因意味着大量位点未被覆盖或多重归属,20 kb窗口的选取对GO结果敏感,建议以多个窗口(如5/10/50 kb)进行敏感性分析。
  24. Figure 1D–E x轴按基因名字母排序:这不利于观察β-score分布与离散度,建议按β-score或p值排序以增强可读性。

3. 期刊匹配与发表前景

Cancer Cell: 45/100 (冲刺) 若补充tandem motif的基因组扰动验证与POU2F1–ASCL1直接相互作用的生化证据,本文的谱系特异性转录逻辑将与Cancer Cell高度契合;当前证据链尚不完整。

Nature Cancer: 40/100 (冲刺) 机制深度与临床关联(DLL3靶向治疗稳定性)具备潜力,但缺乏体内验证与功能motif扰动,暂未达到Nature Cancer对机制严谨性的要求。

Cancer Discovery: 55/100 (更匹配) 若强化DLL3治疗抗性、抗原丢失等转化论证并加入类器官或体内模型,本文的转化价值更适合Cancer Discovery定位。

Genes & Development: 55/100 (更匹配) POU2F1–ASCL1协同、tandem motif cis-regulatory grammar的转录调控问题本身符合该刊兴趣,但需要更多机制与结构层面的直接证据。

Cell Systems: 65/100 (首选) 双CRISPR筛选、motif富集与多组学整合在计算与系统层面贡献明确,当前数据包对Cell Systems是最匹配的选择。

4. 优先修改事项

A. [必须] 更正Figure 1C图注,将"Serpin B5"替换为DLL3,并全文核查是否有其他残留的错误基因/项目名称。

B. [必须] 在DLL3启动子tandem POU2F1–ASCL1 motif位点进行CRISPR碱基编辑或定点突变,配合qPCR、Western blot及报告基因,直接验证该元件对DLL3表达的必要性。

C. [必须] 通过co-IP、EMSA或体外结合实验验证POU2F1与ASCL1–TCF12复合物在tandem motif DNA存在下的相互作用,将AlphaFold 3预测与实验证据对接。

D. [必须] 明确POU2F1 KO对ASCL1蛋白/mRNA的影响及ASCL1 KO对POU2F1的影响,界定上下游关系,避免tandem motif协同模型与间接效应混淆。

E. [必须] 统一并说明Figure 2–3中不同细胞系取样时间点(第4天vs第6天)的原因,或增加时间点一致性实验。

F. [必须] 修订Statistics and Reproducibility段落,消除"No statistical method was used to predetermine sample size"与"Sample size calculations were based on previously published data"之间的矛盾,明确每组n与重复性质。

G. [必须] 修订Figure 3、Figure 5图注,区分Gene Ontology与DESCARTES Cell Type signatures所对应的面板与数据库。

H. [必须] 删除Data Availability中的reviewer token;补全参考文献25标题并修正文献24格式。

I. [建议] 统一FIMO显著性阈值或按基因集规模进行标准化后再比较tandem motif与单motif的GO富集强度。

J. [建议] 以seed为层级重新处理AlphaFold 3统计,或将结论限定为描述性;避免以n=32核苷酸位点作为独立重复进行Welch's t-test。

K. [建议] 增加非SCLC或非神经内分泌细胞模型(如SCLC-P的NCI-H524、或正常肺上皮细胞)中的POU2F1扰动对照,支持"an SCLC-specific role"这一论断。

L. [建议] 在补充材料中提供筛选QC指标(Gini系数、sgRNA检出率、重复相关性)与ASCL1 ChIP-seq峰数与抗体验证信息。

M. [建议] 统一Methods与Figure 5中GO输入基因集定义(top 250 vs 20 kb窗口),并进行多个窗口大小的敏感性分析。

N. [建议] 将Figure 2B的统计方法与(C–E)保持一致,或在方法中明确TPM+Mann–Whitney的使用理由。

O. [建议] 解释Figure 4E中DLL1 locus的呈现意图,或从图注/正文中保持一致。

P. [建议] 核对Supplementary Figure 1标题,改为反映POU2F1在SCLC各亚型中广泛表达的事实。

Q. [建议] 提供AlphaFold 3分析Python脚本至代码库或补充材料,并在Methods中说明统计工具覆盖Welch's t-test;删除未使用的Fisher's exact test或补上对应结果。

R. [建议] 考虑在体内SCLC模型(PDX或基因工程小鼠)验证POU2F1对DLL3表达与肿瘤表型的影响,尤其针对Discussion中关于治疗压力下抗原丢失的推论。

5. 机制深度

目前的机制链条由三层构成:CRISPR筛选→转录组与ChIP-seq关联→AlphaFold 3结构模型。第一层稳健;第二层能证明POU2F1与ASCL1共占据、共调控,但仅是关联;第三层仅为计算预测,缺乏实验支持。作者在Discussion中进一步提出"ASCL1 pioneer activity打开染色质、继而招募POU2F1"的层级模型(对应Discussion中BRN2先例),但本研究未做ATAC-seq、ChIP-reChIP、时间分辨的染色质开放度实验或ASCL1/POU2F1扰动后的相互占位分析。类似地,Discussion将POU2F1–ASCL1与POU2F3–ASCL2类比为"modular transcriptional system",但无相应实验。这些延伸推论应在正文中明确标记为假说,并补充时间顺序(time-course ChIP或降解标签)与突变体救援(例如POU2F1 377–382碱性斑块突变体)来支撑DNA依赖相互作用的模型。

6. 研究意义与结论校准

论文的临床动机清晰:DLL3靶向疗法(tarlatamab、rovalpituzumab tesirine、CAR-T、BiTE等,见参考文献10–16)依赖DLL3表达稳定,理解其调控有助于预测抗原丢失与耐药。作者在Discussion中提出"disruption of this regulatory logic could lead to antigen loss and therapeutic resistance"以及"persistence of the POU2F1–ASCL1 regulatory axis may help explain sustained DLL3 expression",但本研究无治疗压力、无时间演化、无耐药模型数据,这两句应以假设语气重新表述,或补充相应实验。

摘要中"We provide evidence that tandem POU2F1–ASCL1 elements are part of a cis-regulatory code for the lung neuroendocrine cell fate"及"establish POU2F1 as a context-specific regulator of neuroendocrine lineage"目前强度偏高:现有证据为计算富集+结构预测,未直接验证"code"或"fate"层面的功能。建议将结论限定为"associated with"或"consistent with",直至功能扰动实验到位。

此外,Results末句"and potentially in normal neuroendocrine cellular contexts"缺乏正常神经内分泌细胞数据支撑,应删除或明示为待验证假设。SCLC亚型覆盖也仅限于SCLC-A三种细胞系,SCLC-N(NEUROD1)、SCLC-P(POU2F3)中POU2F1–ASCL1轴是否完全沉默尚未测试,会影响"module"普适性结论。

7. 逐项核查

  1. Results(A CRISPR screening strategy for identifying regulators of DLL3 expression in SCLC)/ Methods(Intracellular FACS-based CRISPR Screens):“On day 8 following transduction, 50 (DBD) or 750 (Brunello) million cells were harvested”。正文把 50/750 million 说成第8天收获的细胞数,而 Methods 中同样的数值(~5 × 10⁷ / 7.5 × 10⁸)说的是感染(infected)的起始细胞数,同一数字对应两个不同环节,且与 20–30% 感染效率不符。 建议:请分别写明各筛选实际感染的细胞数与第8天收获/分选的细胞数,使两处数字可以对上。
  2. Figure 2 图注 vs 参考文献列表(Ref 47):“DLL3 and additional genes related to fetal lung neuroendocrine identity (DESCARTES database; Cao et al. 2021) are labeled.”。图注引用 DESCARTES 数据库为 Cao et al. 2021,但参考文献 47 列出的是 “A human cell atlas of fetal gene expression. Science 370 (2020)”,年份不一致。 建议:统一为同一发表年份(2020 或 2021),图注与文献列表保持一致。
  3. Methods(ChIP-sequencing analysis vs ChIP and ChIP-seq library construction):“Single-end 76 base pair sequencing reads were mapped to the hg38 genome using Bowtie2”。分析部分称 ChIP-seq 读长为 76 bp,但建库部分写明 ChIP-seq 文库“were single-end sequenced for 76 or 100 bp”,两处读长数字不一致。 建议:请说明各文库实际读长(如 POU2F1/ASCL1 为 100 bp 等)或统一表述,使分析步骤与测序参数一致。
  4. Figure 6B:“Confidence scores (pLDDT) in the placement of the DNA nucleotides (N=32 each) in AlphaFold 3 models”。以32个核苷酸位置作为数据点进行组间检验属于伪重复:同一DNA分子内各位置的pLDDT高度相关,n被人为放大。 建议:改以模型(或种子)为独立单位做检验,核苷酸位置仅作描述性展示并说明其非独立性。
  5. Figure 3G–I (and Figure 5B, 5D):“the most significant terms (p < 0.05) are highlighted”。Enrichr中对数十至上百个GO/DESCARTES条目在多个细胞系中重复检验,仅用未校正的p<0.05判定显著,未做多重比较校正。 建议:报告BH等方法校正后的q值(FDR)作为显著性标准,并注明富集分析所用的背景基因集。
  6. Figure 2B:“Statistical significance was evaluated using two-sided Mann–Whitney tests with no multiple comparison correction.”。同一批RNA-seq数据在3个细胞系×POU2F1/ASCL1两种敲除中做多次Mann–Whitney比较却完全不校正,且DLL3同时被DESeq2再次检验。 建议:预先指定主要比较,或用Holm/BH校正全部比较;DLL3的推断统一以DESeq2结果为准,避免同一假设重复检验。
  7. Figure 1F–G legend:“Statistical significance was evaluated using two-sided Mann–Whitney tests with (F) no multiple comparison correction or (G) correction for 4 comparisons.”。同一图中两组亚型间比较采用不一致的多重比较校正标准,(F)中多个亚型比较未校正会使显著性被高估。 建议:对(F)(G)采用相同的校正方案并明确实际比较次数,或预先指定唯一主要比较。
  8. Methods – ChIP-sequencing analysis; Figure 4A:“MACS263 v2.2.9.1 was used to call peaks using no input genomic DNA control”。无input对照时MACS2给出的q<0.01(图4A的693个峰)其FDR未被校准,而图4D又显示存在input数据,前后不一致。 建议:用匹配的input样本调用峰值(或以重复间一致性/IDR界定高置信峰),并据此重新给出峰数与阈值。
  9. Methods – Statistics and Reproducibility:“No statistical method was used to predetermine sample size. Sample size calculations were based on previously published data.”。该陈述自相矛盾且未给出任何具体效能或样本量计算,而"All sample sizes were determined to be sufficient given that the differences among groups were consistent"属事后判定。 建议:给出每类实验的样本量依据(既往数据的效应量、变异度与目标效能),或删除矛盾与事后充分性表述。
  10. Methods – General computational, data, and statistical analyses:“Mann–Whitney U tests and Fisher’s Exact statistical tests were performed using R or PRISM v10.”。全文未报告任何Fisher精确检验对应的分析、图表或结果,统计方法与实际分析不匹配。 建议:在相应图表和方法中说明Fisher精确检验的具体用途与结果,或从统计方法中删除该表述。
  11. Figure 1C legend:“Workflow of genome-wide Serpin B5 reporter screen. Created in BioRender.”。图1C标注为Serpin B5报告基因筛选,但全文所有筛选均针对DLL3,Serpin B5未在任何地方提及,属于明显的数据/面板标签错配。 建议:将Figure 1C标注改为genome-wide DLL3 marker-based CRISPR screen(或对应的DLL3 workflow)并核对BioRender链接标题。
  12. Methods, Lentiviral Production and Infection:“Transfection media was replaced with fresh HITES media supplemented with 5% FBS 6 hours after transfection”。慢病毒生产使用HEK293T细胞,但此处称使用HITES培养基;而Methods的Cancer cell lines and tissue culture段明确说明HEK293T使用DMEM+10% FBS,HITES是SCLC细胞专用。 建议:将慢病毒生产段中的HITES改为DMEM + 10% FBS,或明确说明为何生产阶段改用HITES。
  13. Methods, Statistics and Reproducibility vs Intracellular FACS-based CRISPR Screens:“the DLL3high gate was insufficiently diverse for downstream analysis, so the DLL3low and DLL3bulk gates were used to analyze this screen”。Methods的筛选小节承认TF-focused筛选丢弃了DLL3high门,而Statistics and Reproducibility却声明"No data was excluded from any experiment",两处直接矛盾。 建议:在Statistics and Reproducibility中加入对DLL3high门排除的说明,或在筛选小节更清楚地交代排除标准与理由。
  14. Methods, RNA extraction vs Figure 2 legend:“RNA was collected at the indicated timepoints (4 days or 6 days following lentiviral transduction).”。Methods中RNA收集时间锚定为慢病毒转导后第4/6天,而Figure 2和Figure 3图例写作"day 4 or day 6 following CRISPR-Cas9 knockout (KO)",两个时间基准不一致(转导≠KO)。 建议:统一时间轴描述:明确第4/6天是相对转导还是相对蛋白敲除,并在所有图例和Methods中保持一致。
  15. Figure 4 legend (E):“at the locus of ASCL1/POU2F1 peak summits adjacent to DLL3, INSM1, and DLL1”。Figure 4E包含DLL1位点,但Results正文仅描述DLL3启动子和INSM1上游元件,从未讨论DLL1处的占位或串联基序。 建议:在Results中补充DLL1位点的说明,或从Figure 4E中移除DLL1,使其与正文范围一致。
  16. Figure 1 legend (D–E):“Transcription factor-focused (D) or Genome-wide (E) DLL3 reporter screen results in H209.”。此处将实验称为"DLL3 reporter screen",但Methods描述的是基于抗DLL3抗体染色的FACS marker-based screen,并无遗传报告基因,术语与实验类型不符。 建议:将"DLL3 reporter screen"改为"DLL3 marker-based FACS screen",与Methods及全文其他位置保持一致。
  17. Description of Supplementary Information, Supplementary Figure 1:“Supplementary Figure 1: DLL3 and POU2F1 are highly expressed in SCLC-A.”。补充图1标题称POU2F1在SCLC-A高表达,但Results明确指出POU2F1"was relatively uniform across the molecular subtypes of SCLC",与SCLC-A特异性表述矛盾。 建议:修改补充图1标题,仅在DLL3上标注SCLC-A特异性,或改写为"DLL3 is SCLC-A-enriched while POU2F1 is broadly expressed across SCLC subtypes"。
  18. Abstract:“tandem POU2F1–ASCL1 motifs within the DLL3 promoter that underlie the strong codependency between POU2F1 and the neuroendocrine master regulator ASCL1 for high-level DLL3 expression in SCLC”。这是因果/机制断言:文中只有motif富集、ChIP共占位和AlphaFold预测,没有突变该启动子元件、也没有双基因扰动或结合依赖性实验来证明motif“underlie”共依赖;单基因KO各自降低DLL3也不等于“codependency”。 建议:改为“伴随/提示”并降级为假设,例如“提示POU2F1与ASCL1在DLL3高表达中协同发挥作用”,并说明该元件未做功能扰动验证。
  19. Abstract:“we identify an SCLC-specific role for POU2F1 in activating DLL3 and a broader set of neuroendocrine lineage genes”。所有功能实验都在SCLC细胞系中进行,没有在非SCLC或非神经内分泌模型中检验,无法断言该作用是“SCLC-specific”。 建议:改为“在SCLC细胞中,POU2F1激活DLL3及神经内分泌基因”,特异性作为待验证的推论提出。
  20. Results, tandem motif 结果末段:“tandem POU2F1–ASCL1 motifs serve as critical cis-regulatory elements that integrate the activities of both transcription factors to maintain neuroendocrine identity”。“critical”与“integrate”是元件功能断言,但证据是motif位置相关性与GSEA共下调,属于关联性设计,未对该元件做突变或报告基因实验。 建议:改为“tandem motifs are associated with genes that require POU2F1 and ASCL1”,并把整合功能明确列为待验证模型。
  21. Discussion, POU2F1–ASCL1协同段:“which leads to functional cooperativity via a DNA-dependent interaction between these two transcription factors”。DNA依赖的蛋白相互作用仅来自AlphaFold 3预测,无交联、co-IP或界面突变验证,却在正文中被写成机制性结论。 建议:明确标注为“in silico预测模型,有待生化验证”,删去“leads to”这类确定性因果措辞。
  22. Figure 6 图注 (B):“Higher pLDDT scores at DNA nucleotide positions indicate greater model confidence … and suggestive of stabilization of the DNA structure by bound proteins.”。pLDDT只反映预测置信度,不能作为蛋白质稳定DNA结构的物理证据;该解释超出计算结果所能支持的范围。 建议:删除“stabilization of the DNA structure”推断,仅保留“反映模型对DNA定位的置信度”。
  23. Discussion, ASCL1先锋因子段:“This observation supports a similar hierarchical model of chromatin engagement during SCLC progression”。该模型依据的是成纤维细胞重编程(ref 57)的时序数据,本研究没有SCLC中的时间顺序或染色质可及性实验,不能断言适用于SCLC进展。 建议:改为“提示一种可能的层级模型,尚需在SCLC中直接检验”,不要写成对SCLC进展的结论。
  24. Abstract:“it serves as an SCLC-selective tumor antigen and is the basis for clinically efficacious targeted therapies”。所引文献包含针对泛神经内分泌肿瘤的综述(ref 5)及多项I期研究(ref 12、13、15),其中Rova-T(ref 13)并未显示确切临床疗效,“SCLC-selective”和“clinically efficacious”均超出引用文献支持。 建议:改为“在神经内分泌肿瘤(尤其SCLC)中相对高表达,并已进入临床开发/显示出初步活性”。
  25. Discussion, 谱系可塑性段:“tuft cell-like SCLC is driven by a distinct transcriptional circuitry centered on POU2F3, often in conjunction with ASCL2, a paralog of ASCL1”。引文22和24的标题分别涉及POU2F3为主调控因子与OCA-T共激活因子,均未提及ASCL2与POU2F3协同,该陈述缺乏对应文献支持。 建议:补充直接支持ASCL2–POU2F3配合的参考文献,或删去/弱化ASCL2部分表述。
  26. Results, POU2F1依赖基因段:“canonical markers of neuroendocrine identity such as CHGA, INSM1, GRP, and TRPM8”。所引ref 45的标题只支持INSM1与chromogranin作为神经内分泌诊断标志,未支持GRP和TRPM8被称为经典神经内分泌标志。 建议:改为仅列举文献支持的基因(如CHGA、INSM1),或为GRP/TRPM8补充相应参考文献。

8. 补充核查

  1. 图例标注错误,且与正文和方法矛盾(Fig. 1C, 1D–E)。Fig. 1C图例写的是“Workflow of genome-wide Serpin B5 reporter screen”,Fig. 1D–E图例写的是“DLL3 reporter screen results”,但Methods明确描述的是methanol固定后抗DLL3抗体胞内染色加FACS分选,标题也写的是“Marker-based CRISPR screens”。Serpin B5与本研究无关,这是最需要优先修正的错误。请将图例统一改为marker-based DLL3 FACS screen,并核查是否还有其他图例沿用了旧版本措辞。
  2. AlphaFold 3部分的统计处理不成立。Methods写“all twenty outputs were used as standalone replicates”并用Welch’s unpaired t-test比较,但20个模型来自4个seeds,同一seed内的5个模型高度相关,不满足独立性假设;这会导致p值被严重低估。建议改为按seed做混合效应模型或只做描述性比较,并在正文中避免使用“significant”描述模型间差异。此外,Python脚本“written predominantly manually with some input by ChatGPT for the fixing of syntax errors and code annotation”应作为补充代码或GitHub仓库公开,否则无法复现。
  3. ChIP-seq peak calling与replicate处理不清。Methods写MACS2“using no input genomic DNA control”,但Fig. 4D又展示了input track;建议说明为何不用input,或改用input做背景。Fig. 4A的“693 total POU2F1 peaks”究竟是两种抗体的交集还是并集没有说明,也没有报告replicate concordance(如IDR或重叠比例)。请明确693的定义,并补充两抗体间的一致性统计。
  4. Fig. 2与Fig. 3的时间点描述不一致。Fig. 2图例写“on day 4 (B–C) or day 6 (B, D–E)”,暗示H209的panel B同时包含day 4和day 6;Fig. 3图例写“on day 4 (A,D,G) or day 6 (B,C,E,F,H,I)”,暗示H209只有day 4。两处必须统一,并在补充表中列出每个样本的具体时间点。
  5. 筛选设计的局限没有被充分讨论。两个screen都只在NCI-H209一个细胞系中完成;TF-focused screen的DLL3high gate因“insufficiently diverse”被排除,只用low vs bulk,这一点只写在Methods,Results却笼统写“sorted by flow cytometry into populations with low, intermediate, or high DLL3 expression”。此外,“The total number of cells sorted per screen was a minimum of 2500x the size of the sgRNA library”与分选比例(20% low, 70% bulk, 10% high)之间的关系需要核对:若按单bin计算,low gate的覆盖度可能低于2500x。请明确覆盖度是按总分选细胞还是按单bin计算。基因组wide screen中富集到“general mRNA processing factors”,提示存在转录/生长全局性混杂,作者只是描述而未加控制或讨论,应补充基于cell viability或general transcription marker的对照分析。
  6. Western blot没有定量。Fig. 2A和Fig. 1A只展示“Representative of 2 biological replicates”的代表性blot,没有densitometry定量,也没有展示重复间的变异。POU2F1 KO导致DLL3蛋白下降是全文的验证基石之一,建议补充跨重复的定量柱状图和统计。同样,POU2F1 KO后的DLL3流式定量也没有展示,建议补充。
  7. “POU2F1 not sufficient on its own”这一推断缺乏实验支撑。该结论仅基于POU2F1在SCLC各亚型中表达相对均匀而DLL3不均匀这一相关性观察。要支持“not sufficient”,需要在非神经内分泌或SCLC-P细胞中过表达POU2F1并检测DLL3和NE基因。否则应改为“expression correlation suggests that POU2F1 alone is not sufficient”,或删除该推断。
  8. 多处引用与论点不匹配。ref 8(He等,人胎儿肺细胞图谱)被用来支持“DLL3 ... minimally expressed in most adult tissues”,但该文献是胎儿肺图谱,不能直接支持成人组织表达;建议补充成人组织表达数据(如GTEx或HPA)或弱化表述。ref 20(Bunn等综述)和ref 23(Tsherniak等DepMap)被放在“CRISPR-based loss-of-function screens have been particularly informative in this disease”一句中,但前者不是CRISPR筛选,后者不是SCLC特异筛选。ref 25(Brumage等)在参考文献列表中标题被截断为“In vivo functional screens reveal.”,请补全。ref 27(Li等,DHODH)被归入“transcriptional regulators, chromatin modifiers, and signaling pathways”,但DHODH是代谢酶,归类不当。Discussion中“POU2F3–ASCL2 function in tuft cell-like carcinomas”引用ref 22和ref 24,但ref 24(Wu等)的主题是OCA-T1/T2作为POU2F3共激活因子,并不直接支持POU2F3-ASCL2配对,请调整引用或表述。
  9. “POU2F1 has not been previously linked to neuroendocrine differentiation”是绝对化表述。建议改为“to our knowledge, POU2F1 has not been previously implicated in...”,并在投稿前做一次文献核查。
  10. “essential roles”、“codependency”、“cis-regulatory code for the lung neuroendocrine cell fate”等措辞过强。“essential”通常意味着对细胞活力必需,而本文只显示KO后DLL3和NE基因下调;“codependency”暗示合成致死或共同必需,而本文显示的是对同一批基因的共激活;“lung neuroendocrine cell fate”暗示正常发育中的谱系决定,而数据全部来自癌细胞系和motif扫描。建议分别改为“required for high-level expression”、“cooperative requirement/co-activation”和“a candidate cis-regulatory feature associated with lung neuroendocrine identity”。
  11. DLL3“promoter”的定位需要证据。Fig. 4E称DLL3的ChIP峰位于promoter,但FIMO分析又指出“Most tandem motifs were located at distal intergenic or intragenic regions rather than promoters, with DLL3 representing a notable exception”。请在正文或补充表中给出峰相对于DLL3 TSS的精确坐标、H3K27ac信号和TSS注释,以支持“promoter”的判定,否则应称为“TSS-proximal element”。

换成您的稿件,会得到同样结构的报告

上传后先看免费预览:总体评价、质量评分、问题数量和三条具体问题。

上传稿件

报告怎么读

每一部分,回答投稿前的一个问题

完整报告都按这个结构组织。评审框架由 35+ 位顶刊审稿人参与设计。

开篇

质量评分

六个维度各打 1 到 5 分:原创性、研究问题的重要性、结论有据、方法学可靠性、写作清晰度、学术价值。每项附一句理由,随后是一段总体评价。这份样例中“结论有据”只得 2 分,理由很具体:图 1C 的图注把基因名错写成了 Serpin B5。

第 2 节

需要改进的地方

问题有多少列多少,不设条数上限。每条先点明问题,再引用稿件原文或指明位置,例如某张图的图注、Methods 的某一段,然后给出改法。这份样例列出 24 条,前面另有“做得好的地方”。

第 3 节

期刊匹配

候选期刊各给一个 0 到 100 的匹配分,并归入首选、冲刺、更匹配、稳妥、保底五档。填写了目标期刊,报告会结合它来判断。这份样例中 Cancer Cell 得 45 分,归为冲刺;Cell Systems 得 65 分,归为首选。匹配分衡量当前稿件与期刊定位的契合程度,不是录用概率。

第 4 节

优先修改事项

修改事项分两级:[必须] 是投稿前要解决的,[建议] 能让稿件更扎实。这份样例有 8 条 [必须]、10 条 [建议],从更正图 1C 图注,到在 DLL3 启动子上用碱基编辑或定点突变验证 tandem motif。

第 7 节

逐项核查

专门核对数字、统计方法、图表标注、结论措辞和引用文献。每条先照录稿件原句,再说明问题和改法;与第 2 节引用同一原句的条目已去掉。这份样例核查出 26 条,例如正文与 Methods 用同一组细胞数分别描述收获和感染两个环节,图注把抗体染色的筛选称作报告基因筛选。

第 8 节

补充核查

由另一轮独立审读产生,引文已在前文出现的条目不再重复列出。这份样例补充了 11 条,包括 Western blot 没有定量、“POU2F1 not sufficient”的推断缺少实验支撑,以及几处引用文献与论点对不上。

第 1、5、6 节是成段的综合判断:创新性在哪里,机制链条还缺哪一环,哪些结论说过了头。

边界

这份报告做什么,不做什么

指出问题,给出改法

每条问题都落到稿件里的具体位置,并给出修改方向和先后顺序。报告由人工智能生成,可能误读图表或遗漏领域背景;每条都附原文引用,方便您逐条核对,再决定是否采纳。

不承诺录用

报告判断的是稿件现在的状态和期刊定位。能否录用由期刊编辑和审稿人决定,任何投稿前评估都无法替您担保。

只评审,不代写

报告不改写、不润色您的稿件。补实验、改论证、调整措辞,都由作者自己完成;报告告诉您先改哪里、为什么改。

常见问题

关于样例和完整报告

这份样例是真实输出吗?

是。报告由我们的中文评估引擎(版本 cn-1.0.0)于 2026 年 10 月 21 日生成,正文原样展示,未经人工编辑。稿件是 bioRxiv 上的一篇公开预印本,以 CC BY 4.0 许可发布,所以可以完整公开;目标期刊填的是 Cancer Cell。

免费预览能看到哪些内容?

总体评价、质量评分、问题数量(含必须修改的条数)、其中三条具体问题,以及候选期刊的名称和档位。完整报告 ¥249 单次解锁,包含全部问题、逐项核查、补充核查和修改优先级,可下载 Word 与 Markdown 文件。

报告是中文还是英文?

默认中文,上传时也可以选择英文报告。报告引用的稿件原文保留原来的语言,方便您回到稿件定位。

多久能拿到报告?

通常 30 分钟内完成,多数稿件更快。页面会显示进度,预览生成后也会发邮件通知您。

报告会替我修改稿件吗?

不会。报告只做评审:指出问题、引用原文、给出修改方向和优先级,不改写、不润色稿件,也不承诺录用。

不满意可以退款吗?

可以。60 天无理由退款:报告对您没有帮助,写信至 team@manusights.com 即可。付款可用微信支付、支付宝或银行卡,以结账页显示为准。

看过样例,再看看您自己的稿件

上传 PDF 或 Word 稿件,通常 30 分钟内生成免费预览。认可了再以 ¥249 解锁完整报告,60 天无理由退款。有问题请写信至 team@manusights.com。