受伤感染的蚂蚁独处时 93% 会死,回到同伴身边只有 8%。我们用论文公开的数据,分别运行作者的 R 代码和独立编写的 Python 代码,看看能不能算出同样的结果。
原论文 DOI:10.1038/s41467-023-43885-w
原始数据:https://www.nature.com/articles/s41467-023-43885-w (Source Data 文件 41467_2023_43885_MOESM9_ESM.xlsx,“Figure 2a”工作表)
作者代码:https://www.nature.com/articles/s41467-023-43885-w (Supplementary Data 中的 R-code.R)
一个有趣的问题
蚂蚁也会给伤员“上药”吗?非洲的马塔贝勒蚁(Megaponera analis)专门袭击白蚁窝,常常在战斗中受伤。2023 年 Nature Communications 的一项研究发现:伤口感染后,同伴会从胸部的腺体取出抗菌分泌物,涂在伤口上。效果惊人——独处的感染蚂蚁 36 小时内死了 93%,回到同伴身边的只死了 8%。
图 1|论文补充影片 2 的蚂蚁护理伤口画面(节选)。来源:Frank et al. (2023),CC BY 4.0。
有趣的是:这张论文图,本来就用免费软件做的
论文 Figure 2a 比较了感染蚂蚁独处和返回同伴身边后的生存情况。作者使用的 R、RStudio 及生存分析扩展包均可免费使用。我们无需购买商业统计软件,就能拿到公开的 Excel 数据,重新核对这张图最关键的结果。
这次只做一件事:用免费的 Python,检查 Figure 2a 中最吸引人的两个数字是否经得起重算。
打开 Excel,几行计算就能得到答案
原始数据来自论文的 Source Data(Figure 2a 工作表),共有 143 条蚂蚁观察记录。每条记录包含实验组、观察时间和死亡或删失状态。
图 2|本次直接读取公开 Excel,用 Python 重新统计的两组死亡比例。
感染后独处的 15 只蚂蚁中,14 只死亡:93.33%;感染后与同伴在一起的 12 只中,1 只死亡:8.33%。四舍五入后正是论文报告的 93% 和 8%。
免费工具的优势,不只是“省钱”
R 的优势在于与作者原方法一致:大量科研统计模型、扩展包和绘图工具都可以免费使用,方便沿着论文的方法检查每个步骤。Python 的优势是灵活:读取 Excel、整理不同实验组、画出生存曲线,都能写进一个脚本,以后换数据也可以重复执行。
我们进一步用 Python 的 Kaplan–Meier 计算重新绘制四组生存曲线:感染后独处组明显下降,感染后与同伴同处的组保持较高生存率,和论文图中的变化趋势一致。
图 3|从论文公开记录独立计算的四组 Kaplan–Meier 生存曲线(Python 生成)。
真正重要的结论
这一轮验证证明:对于这张图的死亡比例和生存曲线,免费的 R 与 Python 生态已经具备所需能力;不必因为论文发表在高水平期刊,就以为重算它必须购买昂贵软件。
有一个边界需要说明:公开的 Figure 2a 数据缺少蚁群编号(Colony),所以无法仅凭该表完整重跑作者包含蚁群随机效应的 Cox 模型。关键死亡率已经核对一致,但统计模型属于部分验证。
对科研工作者来说,更实用的做法是:先找论文公开的数据和作者使用的免费工具,再用另一套免费工具交叉核对。软件是否收费,并不是结果能否复核的关键。
原始论文与复核资料
论文:Frank et al. (2023), Targeted treatment of injured nestmates with antimicrobial compounds in an ant society. Nature Communications 14:8446。DOI: https://doi.org/10.1038/s41467-023-43885-w
数据:论文 Source Data,41467_2023_43885_MOESM9_ESM.xlsx → Figure 2a;本次生成的 Python 图与数据汇总可随复核资料包下载。