Thermo Fisher के antibody डेटा में कितनी हेरफेर हुई?

 (reeserichardson.blog)
1 पॉइंट द्वारा GN⁺ 4 시간 전 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • commercial antibody catalog की validation images खरीद से पहले antibody performance साबित करने का आधार होती हैं, लेकिन कई Western blot images में flip/rotate के बाद एक जैसे bands, brush-like निशान, और दोहराया गया background noise जैसे हेरफेर के संकेत मिले
  • Zenodo repository में 3 जून 2026 तक Thermo Fisher के online primary antibody catalog के validation data से 450 से अधिक images और Abcam के 1 case को मिलाकर समस्याग्रस्त images का रिकॉर्ड संकलित है
  • शुरुआती लेख के समय तक Thermo Fisher antibody catalog में हेरफेर के संकेत वाली 100 से अधिक validation images दस्तावेज़ित की गईं, और एक खास background pattern 50 validation datasets में दिखा, जो दोहराए गए पैटर्न का मामला है
  • antibodies biomedical research में व्यापक रूप से इस्तेमाल होती हैं, लेकिन selectivity और specificity बहुत महत्वपूर्ण हैं; YCharOS के सदस्यों ने 2024 में अनुमान लगाया कि कुल antibodies में 50% से अधिक कम-से-कम एक application में fail होती हैं, यानी validation risk मौजूद है
  • Thermo Fisher ने जवाब दिया कि कुछ images वेबसाइट पर display और clarity के लिए adjust की गई हो सकती हैं; विश्वसनीय validation data के बिना researchers के लिए खरीद से पहले antibody performance जानना मुश्किल है, इसलिए स्वयं validation ज़रूरी है

शुरुआती खोज और validation data की प्रकृति

  • p53 protein की कमी वाली cell line का भरोसेमंद data खोजते समय Thermo Fisher Scientific के online antibody catalog में मौजूद Western blot image से इस समस्या की शुरुआत हुई
  • यह image बिक्री पर उपलब्ध p53 Antibody clone DO-7 Monoclonal के अपेक्षित तरीके से काम करने को दिखाने वाली validation data थी
  • Thermo Fisher साइट ने इस image को “Advanced Verification” data के रूप में label किया था, जबकि internally produced न होने वाली catalog images को अलग “Published Figures” के तहत रखा गया था
  • संबंधित Western blot image बनाई गई प्रतीत होती है, और annotated image में कई bands flip और rotate करने पर एक जैसे दिखते हैं
  • बाद में अन्य anti-p53 antibody images में भी इसी तरह के संदेहास्पद मामले मिले, और Thermo Fisher के 8 अन्य antibody products में 10 अतिरिक्त संदिग्ध images की पहचान हुई

समस्याग्रस्त image repository और गणना

  • Zenodo repository Thermo Fisher antibody catalog के validation data में हेरफेर की गई प्रतीत होने वाली images का सार्वजनिक रिकॉर्ड है
  • 3 जून 2026 तक शीर्ष सारांश के अनुसार, Thermo Fisher के online primary antibody catalog validation data में हेरफेर के संकेत वाली 450 से अधिक images और Abcam का 1 case दर्ज था
  • शुरुआती लेख के अनुसार Thermo Fisher antibody catalog के validation data में हेरफेर की गई प्रतीत होने वाली 100 से अधिक images दस्तावेज़ित की गई थीं
  • repository में ऐसे मामले भी हैं जिनमें हेरफेर की संभावना अपेक्षाकृत कमज़ोर है, लेकिन वे फिर भी समस्याग्रस्त हैं; उदाहरण के लिए, एक ही image दो अलग antibodies के validation data के रूप में इस्तेमाल हुई
  • नई खोजों की रिपोर्ट Google form के ज़रिए की जा सकती है

हेरफेर के प्रमुख संकेतों के प्रकार

  • कुछ images में शुरुआती मामले की तरह एक-दूसरे से अत्यधिक मिलते-जुलते bands शामिल हैं
  • contrast adjust करने पर कुछ images में स्पष्ट “brush” जैसे निशान दिखाई देते हैं, जो Photoshop जैसे program से image के हिस्से पर paint-over किए जाने का संकेत देते हैं
  • कुछ images में दोहराए जाने वाले background noise blocks हैं, जो image के हिस्सों को copy-paste किए जाने और background noise pattern में अचानक discontinuity का संकेत देते हैं
  • एक मामले में duplicate background noise जैसा pattern मिला, और बाद में Thermo Fisher द्वारा बेची जाने वाली दर्जनों antibodies के validation Western blots में वही background pattern देखा गया
  • यह दोहराया गया background pattern इस तरह edit किया गया लगता है कि कम-से-कम बदलाव के साथ एक single band को target protein की expected position पर रखा जाए; शुरुआती लेख के समय तक Thermo Fisher साइट के validation data में ऐसे 50 मामले दस्तावेज़ित थे
  • Google Lens, Bing Images, और DuckDuckGo की “similar image” search से अभी तक दस्तावेज़ित न किए गए सैकड़ों और मामले सामने आए हैं
विज्ञापन

antibody validation क्यों महत्वपूर्ण है

  • antibodies biomedical research में लगभग हर जगह इस्तेमाल होती हैं, लेकिन वे संभालने में कठिन lab reagents हैं
  • कई applications में antibody की selectivity और specificity अनिवार्य होती है; selectivity का मतलब target protein से मज़बूती से bind करना है, जबकि specificity का मतलब रुचि वाले protein से bind करना और अन्य targets से लगभग न bind करना है
  • commercially sold antibodies अक्सर इन मानकों पर खरी नहीं उतरतीं, और स्वतंत्र antibody validation initiative YCharOS के सदस्यों ने 2024 में अनुमान लगाया कि कुल antibodies में 50% से अधिक कम-से-कम एक application में fail होती हैं
  • जो antibodies अपेक्षित तरीके से काम नहीं करतीं वे experiments को कई हफ्तों तक delay कर सकती हैं, और non-specific antibodies biomedical literature में reproducibility problems का बड़ा कारण हैं
  • Thermo Fisher जैसे antibody vendors catalog में validation data इसलिए रखते हैं ताकि scientists को दिखा सकें कि product अपेक्षित तरीके से काम करता है
  • validation data में हेरफेर के संकेत मिलने का मतलब यह ज़रूरी नहीं कि संबंधित antibody की performance विफल है, लेकिन विश्वसनीय validation data के बिना scientists वास्तविक खरीद से पहले antibody performance नहीं जान सकते
  • Thermo Fisher में 0.1mL antibody solution vial की सामान्य कीमत 400–500 डॉलर है

repository का उद्देश्य और व्यावहारिक संदेश

  • समस्याग्रस्त image repository का उद्देश्य सक्रिय biomedical researchers को यह बताना है कि vendor catalogs में उपलब्ध antibody validation data पर भरोसा करना मुश्किल हो सकता है
  • एक और उद्देश्य Thermo Fisher तक सीमित न रहकर vendors द्वारा दिए गए समस्याग्रस्त antibody validation data को खोजने और रिपोर्ट करने के लिए प्रोत्साहित करना है
  • antibodies की हमेशा प्रत्यक्ष validation की जानी चाहिए

8 जून 2026 अपडेट: Thermo Fisher की प्रतिक्रिया

  • Thermo Fisher ने अवलोकनों पर 15-item FAQ response प्रकाशित किया
  • FAQ का मुख्य प्रश्न था: “क्या Thermo Fisher ने antibody data में हेरफेर की या उसे गढ़ा?” और उत्तर में कंपनी ने “नहीं” का रुख अपनाया
  • Thermo Fisher का कहना है कि वह data और underlying science का पूरी तरह समर्थन करती है, और antibody validation, specificity, तथा सटीक product documentation को महत्वपूर्ण मानती है
  • Thermo Fisher के अनुसार, वेबसाइट पर antibody images प्रकाशित करने की तैयारी के दौरान कुछ images को display clarity के लिए adjust किया गया हो सकता है, लेकिन इसका उद्देश्य underlying experimental results को बदलना या विकृत करना नहीं था
  • Thermo Fisher ने कहा कि आगे से जहाँ original images उपलब्ध नहीं होंगी या उपलब्ध कराई नहीं जा सकेंगी, वहाँ वेबसाइट users को बताया जाएगा कि antibody images वेबसाइट display और clarity के लिए optimize की गई हो सकती हैं
  • FAQ page पर “antibody images may have been optimized for presentation and clarity on the website” वाक्य 6 बार दोहराया गया है
  • संदेश यह है कि Zenodo repository की images को स्वयं देखें और तय करें कि किसे “display और clarity के लिए optimization” माना जा सकता है

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 4 시간 전
Hacker News की राय

  • यहाँ लोग कह रहे हैं कि पहली, दूसरी और तीसरी—तीनों सहज प्रतिक्रियाएँ बिल्कुल साफ़ और घटिया धोखाधड़ी की ओर इशारा करती हैं। फिर भी David Kriesel द्वारा उजागर किया गया मशहूर Xerox scanner वाला मामला याद आ गया
    https://www.dkriesel.com/en/blog/2013/0802_xerox-workcentres...
    लिंक किए गए YouTube वीडियो का विवरण मज़ाकिया ढंग से बहुत सटीक है: “सोचकर ही डर लगने वाली चीज़ों के पैमाने पर, ‘दस्तावेज़ बदल देने वाला scanner’ ‘मांस खा जाने वाले बैक्टीरिया’ के बराबर है। 2006 से Xerox scan multifunction devices सचमुच सामग्री गढ़ रहे हैं। उदाहरण के लिए, वे scan में अंकों को दूसरे अंकों से बदल देते हैं। बदले हुए अंक पेज पर इतनी सफ़ाई से फिट होते हैं कि गलती पकड़ना मुश्किल हो जाता है। यह यक़ीन से परे चालाक लगता है, लेकिन सच है। prescriptions, construction drawings, कुछ भी इससे प्रभावित हो सकता है”

    • क्या यह JBIG2 की वजह से था? याद है मैंने पढ़ा था कि Pegasus spyware में इस्तेमाल हुए FORCEDENTRY zero-click exploit में भी JBIG2 इस्तेमाल हुआ था। शायद यह बस असंबंधित trivia हो
    • एक बार fax नंबर में 6 था, जो कभी-कभी 8 में बदल जाता था, और बदकिस्मती से वह किसी दूसरी कंपनी का वैध fax नंबर था। ऊपर से उसमें गोपनीय जानकारी थी
      सामने वाला ज़ोर देकर कहता था कि उसने हमारे भेजे cover sheet के नंबर पर ही भेजा है, फिर जब वह copy वापस भेजता था तो यह पुष्टि करना हमेशा मज़ेदार होता था कि नंबर Xerox ने ग़लत बना दिया था
    • अब तो लगभग हर mobile phone camera AI enhancement के ज़रिए images को “बेहतर” बनाता है, जो details गढ़ भी सकती है। सबसे मशहूर उदाहरण Samsung का चाँद की तस्वीरों में detail जोड़ना है
    • बढ़िया उदाहरण है, लेकिन क्योंकि यह comment सबसे ऊपर है, तेज़ी से पढ़ने वालों के लिए कह दूँ कि यहाँ जो हुआ उससे इसका कोई संबंध नहीं है

  • इसे उजागर करने वाले Sholto David वाकई कमाल के इंसान लगते हैं
    Wales से China तक 90 दिनों में साइकिल से जाने का वीडियो: https://www.youtube.com/watch?v=MdgHZPfivVA
    यह उनकी पहली fraud busting भी नहीं है। 2024 में उन्होंने Dana-Farber Cancer Institute में बड़े fraud का खुलासा किया और 2.6 million dollar पाए। Sholto की तरह free will का इस्तेमाल करें

    • मुझे पता ही नहीं था कि whistleblower को fraud settlement का एक हिस्सा मिल सकता है
      “इस civil settlement में False Claims Act की qui tam, यानी whistleblower, provisions के तहत Sholto David द्वारा लाई गई claims का निपटारा शामिल है। इन प्रावधानों के तहत निजी नागरिक United States की ओर से मुक़दमा दायर कर सकते हैं और recovery का एक हिस्सा पा सकते हैं। आज के settlement के तहत David को 2,625,000 डॉलर मिलेंगे”
      https://www.justice.gov/opa/pr/dana-farber-cancer-institute-...
    • पक्का? भेजे गए वीडियो में तो वह हर रात के खर्च के बजट को लेकर काफ़ी चिंतित लगते हैं। आह, शायद वह यात्रा इससे पहले की थी

  • मैंने यह बात कुछ साल पहले शायद ikaros antibody देखते समय पकड़ ली थी। यह साफ़ तौर पर manipulated था, लेकिन ध्यान खींचने वाला कोई platform नहीं था, इसलिए मैं Abcam पर चला गया, और हमारी lab ने दिमाग़ में उन vendors की सूची रखनी शुरू कर दी जिनसे immunology-related चीज़ें कभी नहीं खरीदनी चाहिए

  • यह systematic fraud है, और जो लोग manipulated data पर भरोसा करके वह antibody इस्तेमाल करेंगे, उनका पैसा और समय दोनों बर्बाद होगा। इसी तरह की समस्याओं के कारण कई papers retract भी हुए हैं। Thermo Fisher दुनिया के बड़े antibody suppliers में से एक है, इसलिए असली असर काफ़ी बड़ा है

      1. यह साफ़ तौर पर unethical और fraudulent behavior है। 2. यह देखना होगा कि fraud सिर्फ display images तक सीमित था या, मान लें, image न होने पर sales manager ने ख़राब फ़ैसला लिया, या फिर underlying research भी प्रभावित थी। अगर आख़िरी बात सच है, तो यह ज़्यादा systematic और चिंताजनक है। 3. manipulated images की मौजूदगी और उस product का इस्तेमाल करने वाले research की स्पष्ट अविश्वसनीयता या irreproducibility के बीच संबंध देखना दिलचस्प होगा

  • शायद यही एक वजह है कि biotech कंपनियाँ अभी तक ज़ोरदार हंगामा नहीं कर रहीं और False Claims Act लेकर नहीं आ रहीं: Thermo Fisher antibodies पहले से ही बदनाम हैं कि वे बहुत ख़राब होती हैं, और गंभीर संस्थान उन्हें वैसे भी खुद validate करते हैं

  • यहाँ दिखाए गए “डेटा” से ठीक-ठीक क्या मतलब है, यह जानne की जिज्ञासा है। असल सवाल यह है कि क्या यह मूल रूप से marketing material है, जिसका मतलब सिर्फ “ऐसे नतीजों की उम्मीद की जा सकती है”, या फिर यह वास्तविक डेटा है या regulatory compliance के लिए इस्तेमाल होने वाली सामग्री।
    अगर यह ऐसा marketing material है जो प्रतिनिधिक होने का दावा नहीं करता, या training example है, तो इसका वास्तविकता से जादुई ढंग से ज़्यादा साफ़ दिखना शायद बहुत बड़ा अपराध न हो। लेकिन अगर यह compliance या वास्तविक डेटा के रूप में भरोसा करने लायक सामग्री है, तो यह काफ़ी घातक है।

    • यह जानबूझकर की गई हेराफेरी है। अगर चुपके से नकली डेटा बनाना हो तो उसके लिए कहीं ज़्यादा दिमाग़ लगाना पड़ेगा, और व्यवहार में Western blot तैयार करके उसे scan करना शाब्दिक रूप से कम मेहनत का काम है।
      जो चीज़ वे बेच रहे हैं, उसी तक उनकी पहुँच आसान है, इसलिए उसे सच में करना ज़्यादा आसान और cost-effective है। बस तब ही ऐसा “सबूत” गढ़ने का फ़ायदा पैदा होता है, जब उन्हें पता हो कि उत्पाद दावे के मुताबिक काम नहीं करता।
      यह सिर्फ़ false advertising से आगे की बात है; यह शोधकर्ताओं का ध्यान और समय बर्बाद करने वाली आपराधिक लापरवाही है, और वैज्ञानिक साहित्य को भी दूषित करती है, क्योंकि लोग भोलेपन में उत्पाद के label specification को दोहराने लगते हैं। लेखक को लगता है कि वह सिर्फ़ label specification फिर से लिख रहा है, लेकिन पाठक उसे लेखक का अपना दावा समझ सकता है।
      अगर कोई सोचता है, “शायद यह सिर्फ़ marketing material हो, तो क्या फ़र्क पड़ता है,” तो उसे याद करना चाहिए कि तंबाकू या दूसरे lobby group वैज्ञानिक रिकॉर्ड के साथ कैसे छेड़छाड़ करते हैं। निंदक नज़रिए से देखें तो अगर वैज्ञानिक रिकॉर्ड एक ऐसी poster wall है जिस पर सबसे ऊँची बोली लगाने वाला spam चिपका सकता है, तो तकनीकी रूप से यह भी marketing material ही है।
    • “यह image यह दिखाने के लिए है कि बिक्री के लिए उपलब्ध antibody इच्छित तरीके से काम करती है। Thermo Fisher साइट पर इसे ‘Advanced Verification’ डेटा के रूप में दिखाया गया है।”
      (https://www.thermofisher.com/uk/en/home/life-science/antibod... लिंक)
      तकनीकी रूप से इसे marketing material कहा जा सकता है, लेकिन अगर marketing material में भी हेराफेरी करनी पड़े, तो यह इस बात का अच्छा संकेत नहीं कि वह सामग्री सही है। अगर आपने विज्ञापन में कार को 300mph की रफ़्तार से दौड़ते देखा और खरीदने के बाद उसकी असली top speed 30mph निकली, तो वह misleading advertising है और उस पर कार्रवाई होनी चाहिए।
      अगर Thermo Fisher में 0.1mL antibody solution वाली एक vial आम तौर पर 400~500 dollar की है, तो खरीदने से पहले सही marketing material की उम्मीद करना बिल्कुल स्वाभाविक है।
    • कौन-सी antibody खरीदनी है, यह तय करते समय लोग ऐसी तस्वीरें देखकर quality का अंदाज़ा लगाते हैं। antibody परफ़ेक्ट नहीं होती, इसलिए यह उस protein के अलावा दूसरे protein से भी bind कर सकती है जिसे आप study करना चाहते हैं।
      उपयोग के हिसाब से कुछ off-target binding स्वीकार्य हो सकता है, लेकिन आम तौर पर नहीं। manufacturing process की गलती की वजह से यह पूरी तरह काम न करे और किसी चीज़ से bind ही न करे, ऐसा भी हो सकता है।
      यह धोखा ऐसी antibody को भी एक बार आज़माने पर मजबूर करता है जिसे आप सामान्य तौर पर खरीदते ही नहीं। आपको वैसे भी खुद verify करना पड़ता है कि वह सिर्फ़ target से bind करती है या नहीं, लेकिन अब आप ऐसे सामान को evaluate करने में समय और पैसा बर्बाद करेंगे जिसका fail होना पहले से तय है।
      antibody की reliability वैसे ही बदनाम है; काम करने वाली चीज़ मिलने से पहले दो-तीन vendors के उत्पाद आज़माने पड़ सकते हैं। अब यह सोचने का मन होता है कि उसकी बदनामी का कितना हिस्सा प्राकृतिक सीमाओं की वजह से है और कितना धोखाधड़ी की वजह से।
    • Western blot ठीक से करना हो तो थोड़ी practice चाहिए, और कुछ failure modes हैं जिनके प्रति सावधान रहना पड़ता है। background “noise”, smearing, flow जैसी चीज़ें experiment में binary judgment लेना मुश्किल बना देती हैं।
      उदाहरण के लिए, antibody आम तौर पर बहुत specific होती है, लेकिन impurities या दूसरे protein के साथ non-specific binding की वजह से interpretation कठिन हो सकता है। अगर विज्ञापन image से ऐसी चीज़ें हटा दी जाएँ, तो अपने परिणामों से उसकी तुलना करना बहुत मुश्किल हो जाता है।
      खासकर अगर gel photo में पूरे band को हटा दिया गया हो, तो मेरे हिसाब से यह सच में प्रतिबंधित होना चाहिए।
      आम तौर पर ऐसे catalog में antibody की binding affinity या impurity से जुड़े आँकड़े होते हैं, जिससे मोटे तौर पर पता चलता है कि क्या उम्मीद करनी है; लेकिन बहुत ज़्यादा साफ़ image आपको यह ग़लतफ़हमी दे सकती है कि आपकी अपनी experimental setup में ही कोई समस्या है। अगर यह इतना व्यापक था, तो यह कल्पना करना भी आसान है कि उनकी अपनी lab बहुत “साफ़” ढंग से नहीं चल रही थी, इसलिए gel में antibody contamination थी, या उनके protocol में समस्या थी जिसे editing से मिटाने की कोशिश की गई। मुझे नहीं लगता कि इसकी संभावना ज़्यादा है, लेकिन यह वाक़ई अच्छा नहीं दिखता।
    • मैं इसे मशीनों या electronic components की datasheet की तरह देखूँगा।
      एक सामान्य ग्राहक के रूप में जब मैं electronic components खरीदता हूँ, तो datasheet में दिए गए “typical” values के लगभग 90% तक सही होने की उम्मीद करता हूँ। अगर मैं बड़ा industrial customer होता, तो इससे भी खराब होने पर शायद काफ़ी सख़्त शिकायत करता। फिर भी circuit के critical parts को खुद verify और screen करना मेरी अपनी ज़िम्मेदारी है।

  • https://www.thermofisher.com/us/en/home/life-science/antibod...
    “आगे से, अगर मूल image मौजूद नहीं है या उपलब्ध नहीं है, तो कंपनी website users को बताएगी कि antibody image को website display और clarity के लिए optimize किया गया हो सकता है।”
    क्या बकवास है। अगर मूल verification image नहीं है, तो जवाब यह नहीं होना चाहिए कि “हम बता देंगे कि हम कोई मनगढ़ंत image बना रहे हैं”; बस साफ़-साफ़ कहना चाहिए कि वह कमबख़्त image है ही नहीं। यह कोई सुंदर background image नहीं है, यह verification data है। अगर data ही नहीं है, तो आख़िर किस चीज़ को “display के लिए optimize” किया जा रहा है?
    यह FAQ बेतुका है। यह शुद्ध liability dodge है, और ऐसा लगता है मानो इसे लिखने वाले को यह भी नहीं पता कि वह किस चीज़ को ढकने की कोशिश कर रहा है। अगर काट-चिपकाए गए और घुमाए गए band हैं, तो वह नकली डेटा है, “display optimization” नहीं।
    बेशक labs भी नई antibody को आम तौर पर हमेशा खुद verify करती हैं। लेकिन नकली verification data देखकर खरीदी गई खराब antibody पर समय खर्च करना शोध समय और करदाताओं के पैसे की बर्बादी है। मूल बात यह है कि verification data गढ़ना ही नहीं चाहिए। नहीं है तो नहीं है। मूल data ही नहीं है, तो किस चीज़ को optimize किया जा रहा है? इससे बाकी process के बारे में क्या पता चलता है?

    • “6. क्या Thermo Fisher ने antibody डेटा में हेराफेरी या फ़र्ज़ीवाड़ा किया? नहीं।” ज़रा इन लोगों की बात तो सुनिए। बेहद घटिया।

  • यह सिर्फ़ इसलिए पकड़ा गया क्योंकि यह मुश्किल से नहीं, बल्कि अक्षम तरीके से किया गया धोखा था। कुशलता से किए गए ऐसे कितने मामले होंगे?

  • antibody reagent testing को standardize करने की कोशिशें हुई हैं, लेकिन उन्हें गंभीर रूप से funding और evaluation की कमी रही है। https://ycharos.com/ (https://www.nature.com/articles/s41596-024-01095-8)

  • दुर्भाग्य से, बहुत ही कमजोर नियमन वाली life sciences और biomedical research की दुनिया में उपकरण और reagents बेचने वाली कंपनियों ने व्यावहारिक रूप से मिलीभगत जैसा ढांचा बना लिया है। पिछले 10–15 वर्षों में लगातार acquisitions के जरिए बेहिसाब consolidation हुआ है, और अगर यह कोई regulated industry होती, या नियामक संस्थाएँ थोड़ा भी ध्यान देतीं, तो इसे कभी अनुमति नहीं मिलती
    अब बाज़ार पर दो खिलाड़ी हावी हैं: Merck का MilliporeSigma डिविज़न और Thermo Fisher। इस cartel की वजह से ये लोग Western blot manipulation जैसी धोखाधड़ी के मामले में भी, और जितनी चाहें उतनी कीमत तय करने के मामले में भी, लगभग मनमानी कर सकते हैं
    और दुर्भाग्य से biomedical scientists की पहचान किसी साझा दुश्मन के खिलाफ मिलकर काम करने के लिए नहीं है। Elsevier/Springer Nature publishing cartel के खिलाफ जो हल्का-सा विरोध हुआ भी, वह ज़्यादातर वैज्ञानिकों से नहीं बल्कि उन university library systems से आया जो बिल चुकाते हैं। शोधकर्ताओं के नज़रिए से बात अक्सर यह बनती है: “मैं कर भी क्या सकता हूँ? क्या antibodies खुद बनाऊँ? क्या glassware खुद फूँककर बनाऊँ?” और आखिर में वे दाँत भींचकर सह लेते हैं
    संदर्भ के लिए, research antibodies का workflow दशकों से कुछ ऐसा रहा है: 1. research community को जिन antibodies की ज़रूरत है, उन्हें बनाओ। quality assurance मत करो; वह महँगा है और ज़रूरी नहीं समझा जाता। 2. आम तौर पर बिना सबूत के, और अब तो सबूत गढ़कर भी, दावा करो कि वह antibody किसी खास उपयोग में काम करती है। 3. researchers से antibody खरीदवाओ और quality assurance का काम उन्हीं से करवाओ। antibody काम न करे तो भी refund पाने की कोशिश करने वाले खरीदार बहुत कम होते हैं। 4. मुनाफा कमाओ। कोई दुर्लभ वैज्ञानिक अगर समय निकालकर बिना किसी शक के दिखा भी दे कि वह antibody साफ तौर पर काम नहीं करती, तब भी उसे बेचते रहो। 5. जब काफी लोग धोखाधड़ी समझने लगें और बिक्री गिरने लगे, तो antibody को discontinue कर दो। कोई स्पष्टीकरण मत दो। 6. फिर 1 से दोहराओ