《BMC植物生物学》（BMC Plant Biology）与 其他BMC系列期刊的发表政策不同于许多其他期刊，目的是为所有可发表的研究提供一个场所。文章发表的包容性门槛原则意味着编辑决策主要基于研究的可靠性，而不是工作的创新性或潜在影响力。

强调科学性而非创新性或影响力十分重要，因为这意味着手稿可能因为研究性质、报道了阴性结果或很大程度上重复先前研究而被视为影响力不足。这些文章难以在其他期刊发表，对于学术界却是有意义的。

在此，我们探讨了研究可靠性的重要意义并提供了一些基本指导方针，以帮助作者判断自己的研究论文是否适合向《BMC植物生物学》投稿。

将研究论文送审前，处理稿件的编辑首先确定文章所展示的研究是否具备科学有效性。为满足有效性，研究必须使用适当的方法和分析来解答生物学意义上的问题，并且必须遵循与研究领域相关的学术界认可的标准。

实验设计

应选用合理的方法检验假设并进行充分控制。研究具备科学性的一个关键特征是数据充分的可重复性。结果必须是可重复的，即必须能够被充分复制——这意味着实验性的复制而不仅是在技术层面复现同样的实验——从而为证实观察结果并非是偶然性的提供可信度。

设计与植物相关的实验并进行统计学分析有许多方法。根据实验性质可以通过多种方式复现实验，包括在不同环境生长和/或处理植物，使用不同的等位基因突变，多个独立的转基因株系，或使用在不同环境或不同季节生长的植物。实验复制要求取决于需要解答的问题。有几个例子可以说明这一点，例如关于低温处理的测试。在一个人工生长箱里有多株植物。科学家将这些单株植物称为生物学重复（它们确实是这样的）。然而，这些不是实验性的复制，而是某种低温处理的技术性复制。为满足统计学要求，我们需要在多个生长箱内复制低温处理（至少3次复制），或使用同样的生长箱、同样的处理实现多次复制。

然而，如果试验是针对不同基因型的冷反应，那么冷冻室内的不同植物（上文中的生物学复制）将在特定处理下实现基因型处理的复制。例如一个常见错误是在进行文献检索及转录组测序实验之前，从独立的实验性或生物学复制中收集这些材料。在此阶段收集材料可能掩盖了实验复制体之间的差异，因此无法对实验结果进行统计学检验。根据实验设计，方差分析（ANOVA）可能比简单的t检验能更有效地检验研究假设。

另一方面，如果研究人员开展的研究随着时间、空间的演进或在两者同时存在的情况下，获得多个观察结果，那么实验复制和方差分析是陈旧过时的。这类研究可以在农场、不受管理的生态系统、某一植物或植物群落的根际范围内，以及有观察时间序列的气候试验箱中开展。在这些情况下，可能不做处理，但在边界条件受控的情况下观察到过程的可变性。研究者可采用广受关注的分析工具进行设计和分析，例如自相关和互相关，自回归状态空间模型，基于傅里叶算法的技术（如光谱和小波分析）以及各种地质统计学方法。

以上方法均能有效地识别空间或时间进程或判断症候；它们不依赖于处理，也不禁止进行实验处理。复制也不是必需的。观察结果不是偶然的，而是反映了某个信号，可以从它们的自协方差结构中得以证实。这些技术与方差分析不同，不是基于非相关性或随机的观察，而是基于结构可变性。可变性不是阻碍，而是机会。一年的数据是否足以发表？如果观察到尽可能多的边界条件呈现出这样的数据，那么是的。大多数生态系统过程的观察结果难以准确地复制，但是在水文科学、经济时间序列、气候变化、医学科学、景观生态学、自然地理学等方面，不需要使用诸如此类的工具。

如有疑问，应在实验开始前向统计学家咨询试验设计，从而避免浪费大量的时间、精力和金钱。需要留意的是，仅仅因为一个结果具有统计学意义，并不意味着它在生物学上具有相关性，需要对研究数据进行仔细的解读。

转基因植物的使用

在使用转基因生物的情况下，我们建议至少对3个独立、表现出相似稳定表型的原代转基因株系进行初步鉴定。必须对至少2个株系进行详细分析。这样可以确保表型更有可能是转基因本身的结果，而不是插入转基因造成的或是在转化体系中组织培养而成的。

这类实验的理想对照是从转基因杂合子植物的自交后代分离出的无转入基因的分离子。这可能并不总是可行的，例如在植物自交不亲和或世代时间长达数年的情况下。另一种对照是由空载体或携带基因失活或为突变型的转化基因转化而来的。如果研究的表型是种子性状或可能受种子质量的影响，那么在并行生长的植物中进行检测并收获对照种子，在相同条件下储存十分重要。

定位特征

涉及定量遗传学研究（包括数量性状位点和全基因组关联分析）的手稿，符合一些基本要求可以确保数据的可靠性以及能够被审稿人评估。作者应提供基本的基因分型数据，如标记顺序和染色体位置。研究应纳入足够的样本量以确保统计学效能。对于数量性状，应全面地描述表型，并进行至少2年或1年内在多种环境中进行。在材料和方法学部分，作者应详细描述采用的统计学分析方法及软件。使用高质量图片阐释结果，并包含QTL置信区间和LOD临界值；为全基因组关联分析绘制信息充分的曼哈顿图。此外还应包括表格，报告性状特征的最相关标记。使用已发表数据时，需在手稿中清楚地说明，提供原始数据并标注信息作为参考。在这种情况下，作者应清晰地区分已发表数据与原稿中的原始数据。

组学分析

除了上述采用严密的试验设计进行处理之外，还需要考虑大数据集的其他因素，例如转录组学、蛋白质组学和代谢组学等。由于这些数据集包含大量需要检验的数据，出现假阳性的概率升高。为修正这一问题，可使用多重检验校正因子。最常见的方法是使用Benjamini-Hochberg校正因子计算错误的发现率[1]。校正后的p值称为“调整后的p值”。此外，这些数据集应储存在适于所描述的数据类型的公共数据库中。

分子命名法

应明确定义和识别基因、转录本、蛋白质和代谢产物，以避免混淆分析的结构。例如，基因位点识别通常是根据新的基因组组装更新的。因此，对于文献中研究的是哪些基因序列可能存在很多混淆，给读者带来相当大的困扰。建议将最近、最新的分子鉴定编号或标识与确定这些信息的数据库一同报告。此外，涉及参照基因组时，应清楚地鉴别所研究物种的合理分类ID。基因鉴定应遵循传统格式使用斜体。

参照基因

采用荧光定量PCR检测基因时，应至少使用一种已确认不会在组织中或经处理后改变的参照基因。 在某一组织中或经处理后有效的参照基因可能在其他组织或处理后无效。

遵循以上指导，有助于手稿通过质量控制环节，进入审阅的下一个阶段——同行评议。（来源：科学网）

Reference

1.Benjamini Y, Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. J R Statist Soc B. 1995;57:289–300.

论文链接