La scienza pubblica proteine che non esistono. Ecco perché non basta più fidarsi degli studi

La pubblicazione scientifica è diventata un sistema nel quale si può pubblicare un esperimento biologicamente impossibile, farlo superare alla revisione tra pari e ritrovarlo, anni dopo, citato come prova dell'esistenza di un fenomeno. Quando qualcuno scopre l'errore, il risultato ha già avuto il tempo di contribuire alla costruzione di nuove ipotesi, orientare altri esperimenti e magari giustificare finanziamenti. La vicenda resa pubblica il 21 ottobre dal ricercatore indipendente Sholto David mostra quanto sia avanzato questo processo, perché riguarda esperimenti che avrebbero dovuto essere riconosciuti come sbagliati utilizzando conoscenze biologiche disponibili da decenni.

David ha raccolto 230 segnalazioni di espressione proteica incompatibili con caratteristiche genetiche note delle cellule studiate, distribuite in 221 pubblicazioni. Il principio della sua indagine è semplicissimo. Quando un gene è stato completamente eliminato dal genoma di una cellula, quella cellula non può produrre la proteina corrispondente. Se un articolo scientifico mostra una fotografia nella quale la proteina compare ugualmente, qualcosa nell'esperimento è necessariamente sbagliato. Eppure, quelle fotografie sono state pubblicate, spesso accompagnate da interpretazioni elaborate dei meccanismi biologici che avrebbero dovuto dimostrare.

Prendiamo un caso che risale al 2008. Le cellule MCF-7, derivate da un tumore mammario e ampiamente utilizzate nella ricerca oncologica, possiedono una delezione di 47 basi nel gene della caspasi-3, una proteina coinvolta nella morte cellulare programmata. L'alterazione impedisce la produzione della normale proteina, circostanza documentata almeno dal 1998 in un lavoro pubblicato sul Journal of Biological Chemistry. Un articolo pubblicato sull'International Journal of Oncology nel 2008 mostrava invece, mediante una tecnica chiamata Western blot, la presenza della caspasi-3 in quelle cellule. Il Western blot permette di riconoscere una proteina utilizzando un anticorpo e produce una banda scura in corrispondenza della sua posizione. Quella banda, nel caso delle MCF-7, non avrebbe dovuto esserci.

Si potrebbe pensare a un errore isolato. Nel 2015 un lavoro pubblicato su Anti-Cancer Drugs, dedicato a una sostanza naturale chiamata zerumbone, descriveva gli effetti del trattamento sulla proteina STAT3 in cellule di carcinoma prostatico PC-3. Il problema è che queste cellule possiedono una delezione che comprende l'intero gene STAT3, documentata già nel 2003 su Oncogene. Gli autori presentavano comunque un Western blot che ne indicava la presenza, costruendo intorno a quel segnale parte dell'interpretazione dell'effetto farmacologico osservato.

Evidentemente, non abbiamo bisogno dell'intelligenza artificiale generativa per produrre simili risultati. Gli esempi del 2008 e del 2015 precedono largamente la diffusione degli attuali sistemi capaci di fabbricare immagini sperimentali verosimili. Il fenomeno ha radici più antiche e comprende possibili scambi di linee cellulari, anticorpi che riconoscono proteine diverse da quelle dichiarate, errori sperimentali e manipolazioni dei risultati. La raccolta di David identifica contraddizioni che richiedono spiegazioni; attribuire automaticamente ciascuna a una frode intenzionale sarebbe scorretto.

Il risultato rimane devastante. La revisione tra pari non ha intercettato contraddizioni verificabili consultando informazioni genetiche già disponibili. In un altro esempio discusso da David, un anticorpo utilizzato per riconoscere la proteina BAX, citato in oltre 1.400 pubblicazioni, è stato identificato come problematico soltanto nel 2024, attraverso uno studio pubblicato su Cell Death & Disease. Questo significa che per anni lo stesso reagente può aver alimentato una quantità enorme di risultati scientifici dalla dubbia interpretazione.

Il problema diventa ancora più grave quando quei risultati entrano nelle rassegne della letteratura. David mostra come studi sulla segnalazione di STAT3 nelle cellule PC-3, incompatibili con la loro costituzione genetica, siano stati ripresi in articoli di sintesi. A quel punto l'informazione erronea comincia ad apparire confermata dalla convergenza di pubblicazioni diverse. I sistemi di intelligenza artificiale che interrogano la letteratura possono riprodurla e amplificarla ulteriormente. La moltiplicazione delle citazioni conferisce così un'apparenza di solidità a ciò che era sbagliato fin dall'origine.

E tuttavia David ha identificato soltanto gli errori che si possono riconoscere grazie a un'incompatibilità biologica già nota. Quanti risultati falsi rimangono invisibili perché descrivono eventi biologicamente possibili, ma mai avvenuti? Quanti esperimenti mai realizzati sono indistinguibili da esperimenti autentici, una volta trasformati nelle figure di un articolo? Il campione di David, costruito attraverso ricerche mirate, non permette di stimare la percentuale delle pubblicazioni sbagliate. Dimostra però che perfino contraddizioni elementari possono sopravvivere per anni al sistema di controllo scientifico.

Il successo della frode dipende anche da un'asimmetria che continuerà ad aggravarsi. Per produrre un risultato falso basta alterare una fotografia, inventare una serie di numeri o presentare come proprio un esperimento inesistente. Per riconoscerlo occorrono competenze specifiche, accesso ai dati originali e spesso un'indagine che richiede settimane di lavoro. Quando viene sviluppata una tecnica capace di riconoscere una manipolazione, chi vuole imbrogliare può imparare a evitarla. È una competizione evolutiva nella quale i metodi di falsificazione vengono selezionati proprio per la loro capacità di superare i controlli disponibili. L'intelligenza artificiale accelera questo processo, abbassando i costi di produzione di risultati apparentemente credibili.

Continuare a investire soprattutto nell'identificazione delle frodi dopo la pubblicazione significa accettare di inseguire un avversario che può cambiare continuamente strategia. Occorre intervenire in un punto precedente, quando il dato scientifico viene prodotto.

La tecnologia necessaria esiste. Uno strumento di laboratorio moderno genera informazioni digitali che possono essere registrate automaticamente, associate all'identità dello strumento e dell'esperimento, marcate temporalmente e protette mediante procedure crittografiche. Una firma digitale può attestare l'origine del documento, mentre una particolare impronta matematica, chiamata hash, permette di verificare se anche un solo elemento del file sia stato successivamente modificato. Registrando queste impronte in un archivio distribuito, una blockchain, diventa possibile costruire una storia verificabile della produzione dei dati e delle loro eventuali trasformazioni.

Tecnologie di questo tipo sono già state studiate e sperimentate nella ricerca clinica. Nel 2022 è stato presentato Scrybe, un sistema che utilizza una blockchain autorizzata per registrare la provenienza dei dati clinici, con un prototipo integrato nella piattaforma REDCap, largamente utilizzata per raccogliere informazioni sperimentali. Il sistema è descritto in un articolo pubblicato su Digital Threats: Research and Practice. Un lavoro pubblicato nel dicembre 2025 su Frontiers in Medicine ha descritto l'implementazione di un'architettura basata su Hyperledger Fabric, verificata mediante dati di uno studio clinico pilota, per assicurare la tracciabilità delle operazioni e delle informazioni. Sono applicazioni ancora limitate, ma dimostrano che i principali strumenti tecnologici sono disponibili.

Naturalmente, certificare l'origine di un dato non significa dimostrare automaticamente che l'esperimento sia stato condotto correttamente. Anche uno strumento autentico può misurare il campione sbagliato, e un anticorpo difettoso può generare un segnale perfettamente genuino. La garanzia crittografica riguarda la provenienza e l'integrità della registrazione, mentre la qualità biologica dell'esperimento richiede controlli appropriati. Nel caso dei Western blot esaminati da David, l'identificazione genetica delle linee cellulari e la validazione degli anticorpi rimangono quindi indispensabili. La certificazione dei dati diventerebbe davvero efficace associando queste informazioni ai risultati strumentali fin dalla loro acquisizione.

Possiamo allora immaginare un laboratorio nel quale l'originale digitale di ogni esperimento venga registrato automaticamente in un archivio indipendente, insieme alle informazioni necessarie per interpretarlo. Un ricercatore potrebbe elaborarlo liberamente, migliorare la visualizzazione di un'immagine, eseguire analisi statistiche, correggere errori e ripetere calcoli. Ogni passaggio resterebbe verificabile, perché il dato iniziale sarebbe conservato e le trasformazioni documentate. Il vantaggio maggiore sarebbe rendere molto più difficile sostituire retroattivamente risultati sgraditi con altri più convenienti, senza lasciare traccia.

Per applicare un sistema simile occorrono strumenti capaci di firmare i dati direttamente all'acquisizione, identificazione affidabile di operatori e campioni, archivi indipendenti e procedure di verifica. La blockchain sarebbe una delle tecnologie utilizzabili per garantire l'inalterabilità dei registri, senza dovervi depositare le immagini o gli interi dataset. La crittografia permette già di separare la conservazione dei dati dalla prova della loro integrità. Le autorità regolatorie, del resto, richiedono da tempo in numerosi contesti farmaceutici e clinici registrazioni originali e sistemi di tracciamento delle modifiche, i cosiddetti audit trail. Estendere questi principi alla ricerca scientifica ordinaria sarebbe un cambiamento impegnativo, perfettamente compatibile con le capacità tecnologiche attuali.

Una trasformazione del genere richiede però di affrontare una questione ancora più profonda: quale funzione deve svolgere la pubblicazione scientifica?

Oggi un articolo pubblicato su una rivista continua a rappresentare, nella pratica, la principale unità di conoscenza certificata. È l'oggetto che viene citato, utilizzato nelle valutazioni accademiche, inserito nelle rassegne sistematiche e analizzato dalle intelligenze artificiali. Eppure, l'articolo è essenzialmente un racconto che gli autori fanno dei propri esperimenti. I dati mostrati sono quelli che hanno selezionato e organizzato per sostenere le conclusioni. Il sistema editoriale verifica questo racconto soprattutto attraverso il giudizio di altri scienziati, ai quali raramente vengono forniti gli strumenti necessari per ricostruire l'intero percorso sperimentale.

Dovremmo cominciare a considerare la pubblicazione come il momento in cui vengono discusse le interpretazioni di una ricerca, assegnando ai dati sperimentali un'esistenza autonoma e verificabile. Il patrimonio fondamentale della scienza diventerebbe così costituito da grandi archivi interoperabili di dati originali, accompagnati dalle informazioni sulla loro produzione, dai controlli di qualità e dalle certificazioni disponibili. La verifica della provenienza e quella della validità scientifica sarebbero esplicitamente distinte, e un risultato potrebbe essere rivalutato senza dipendere esclusivamente dall'articolo nel quale è stato presentato.

Una parte importante dei risultati potrebbe inoltre essere sottoposta a controlli automatici prima ancora di entrare nella letteratura. Sarebbe possibile confrontare l'identità genetica dichiarata di una linea cellulare con la proteina che un esperimento pretende di misurare, controllare i reagenti utilizzati e verificare la coerenza tra dati originali e analisi pubblicate. Proprio il lavoro di David dimostra che informazioni già disponibili in archivi diversi possono essere combinate per individuare contraddizioni sfuggite agli esseri umani.

Il vantaggio di disporre di basi di dati scientifici certificati diventerebbe ancora maggiore nell'epoca dell'intelligenza artificiale. Questi sistemi acquisiscono conoscenza da un patrimonio bibliografico nel quale convivono risultati affidabili, errori e falsificazioni. Sono capaci di elaborare rapidamente quantità di letteratura che nessuno scienziato potrebbe leggere, ma la qualità delle loro risposte dipende anche da quella delle informazioni utilizzate. La vicenda delle proteine inesistenti dimostra quanto facilmente un errore possa essere riprodotto da una pubblicazione all'altra, fino a essere assimilato dai sistemi automatici che utilizziamo per orientarci nella ricerca.

La prospettiva di un'ulteriore crescita della produzione scientifica, favorita dalla generazione automatica di testi e immagini, rende urgentissimo distinguere ciò che è stato effettivamente misurato da ciò che qualcuno ha semplicemente dichiarato di aver misurato.

Per questo le università, gli enti di ricerca, le agenzie di finanziamento e gli editori dovrebbero concordare standard comuni per la certificazione dei dati alla fonte e sostenere infrastrutture pubbliche capaci di conservarli a lungo termine. Il finanziamento di una ricerca dovrebbe includere la produzione di registrazioni verificabili, la loro conservazione e la disponibilità dei metadati indispensabili per controllarle, con le protezioni necessarie per i dati riservati. Le riviste potrebbero richiedere una provenienza documentata delle evidenze sperimentali, indicando chiaramente quali controlli siano stati eseguiti.

Una simile trasformazione richiederebbe investimenti e un profondo cambiamento delle abitudini accademiche. Consentirebbe anche di destinare una parte crescente delle risorse scientifiche alla produzione di conoscenza affidabile, anziché consumarle nel tentativo di riconoscere retrospettivamente quella falsa.

Il lavoro di Sholto David dovrebbe suscitare una preoccupazione che va molto oltre i 221 articoli identificati. Da almeno vent'anni vengono pubblicati risultati incompatibili con informazioni biologiche elementari, mentre continuiamo a trattare la pubblicazione come la principale garanzia dell'affidabilità di una scoperta. Nel frattempo abbiamo sviluppato tecnologie capaci di registrare in modo verificabile l'origine delle informazioni, e oggi disponiamo di sistemi informatici capaci di confrontare automaticamente enormi quantità di dati.

Continuare a costruire la conoscenza scientifica senza pretendere garanzie sulla provenienza delle evidenze che la sostengono è una scelta sempre meno difendibile. Se lasciamo che la produzione dei falsi cresca più rapidamente della nostra capacità di riconoscerli, rischiamo di perdere progressivamente la possibilità stessa di distinguere la conoscenza accumulata dalle sue imitazioni. È arrivato il momento di cambiare le regole, cominciando da ciò che uno strumento ha effettivamente registrato, prima che qualcuno lo trasformi in una pubblicazione.