图片来源：pixabay.com

■本报见习记者 田瑞颖

科学数据共享一直是学术界的期盼，但让科学家自愿把“攥”在手心的数据交出来太难了。

现在，美国国立卫生研究院（NIH）打算当这个“恶人”。据《自然》报道，2023年1月起，NIH将要求其每年资助的30万名研究人员和2500个机构中的大多数，在其拨款申请中添加“数据管理和共享”（DMS）计划，并最终公开研究数据。

由于NIH是全球生物医学研究领域最大的公共资助者，这项规定的影响远超美国国界；它也向全球科学家发出信号，应该如何进行生物医学研究。

研究人员在接受《自然》采访时对政策背后的开放科学原则表示赞赏。但也有人担心，由于要做大量数据收集工作，该政策或将加重青年科学家的负担，加剧科学基金领域的不平等。

可重复性危机

“只发表论文不公开研究数据，可能会导致科学研究成果无法复现，这不仅会降低论文可信度，还可能衍生学术不端等行为。”《中国科学数据》常务副主编黎建辉在接受《中国科学报》采访时曾表示。

此外，数据不共享还造成巨大的科研资源浪费。例如一项针对美国不可重复实验的研究评估，每年有100亿到500亿美元浪费在使用缺陷方法的研究上，导致研究难以重复。最终，这笔巨大的成本主要由公共资助机构买单。

2021年，一场耗资200万美元、历时8年，旨在重复“顶级”癌症研究的尝试就证实了这一问题的存在：超一半的研究重复操作失败。

这个项目名为“可重复性项目：癌症生物学”（RPCB），于2013年启动，计划重复53篇具有高影响力的癌症论文中的193个实验。其中不少研究都发表在《自然》《科学》《细胞》等“顶刊”。

结果，由于缺乏论文数据和细节等原因，研究团队不得不缩小项目规模，仅对23篇论文中的50项实验进行了重复，其中仅46%的重复结果与论文一致。

不仅如此，他们每重复一项研究就需要197周的时间，以及5.3万美元的成本，是预算的两倍。

解决科学研究的“可重复性危机”，正是NIH数据管理计划的目的之一。该计划包含分析数据所需的软件或工具的详细信息、原始数据发布的时间和地点，以及访问或分发数据时的任何特殊考虑。

NIH负责科学政策的代理副院长Lyric Jorgenson表示，不可重复的研究不仅浪费了纳税人的钱，还破坏了公众对科学的信任。“我们想确保国家的投资有所收获，并促进研究的透明度和问责制。”

钱从哪里来

但也有一些研究人员担心，该计划将带来更多的工作量。

芝加哥大学免疫学家Jenna Guthmiller证实了这种担忧。她是获得美国国家过敏症和传染病研究所（NIAID）项目资助的少数研究人员之一。该机构隶属于NIH，Guthmiller所承担的项目已经在执行与NIH新规类似的数据政策。

对Guthmiller而言，这意味着要为一个已经运行4年之久的项目溯源，找到那些消失很久的试剂和实验条件信息。这项工作花费了15个小时。“我很幸运，能和一名数据管理员一起工作。”

但绝大多数实验室没有专职的数据管理员。作为一个刚领导研究小组不到两年的科学家，马里兰大学医学院疫苗学家Lynda Coughlan对政策感到担忧，她认为这项政策可能会给处于职业生涯早期的科学家带来沉重负担。

此外，还有人担心数据管理计划会使资金紧缺的实验室“雪上加霜”。虽然政策指出研究人员可以在拟议预算中增加某些费用，以抵消这项任务的新增成本，但并未说明NIH批准这些请求的标准。

因此，Jorgenson认为NIH需要明确如何给予这些费用，尤其是给予年轻科学家和资金紧缺的机构，以防加剧研究界的不平等现象。目前，NIH正在评估合理成本，并希望提供更多的指导和信息。

共享数据范围仍模糊

实际上，NIH的数据共享政策还存在一些潜在问题。

该政策除了会造成重大法律、伦理或技术负担的数据，研究人员还必须共享“验证和重复研究结果”所需的全部“科学数据”，无论它们是否用于在学术期刊上发表论文。尽管最终由研究人员决定将数据上传到哪里，但NIH建议只在有信誉的存储库中共享数据。

由于“科学数据”的宽泛表述，研究人员对到底要分享哪些数据感到困惑。Coughlan认为，很难预测哪些数据对其他人有用，或是否能被任何人获取。

2020年，美国大学协会曾在针对该政策的早期草案中提出，NIH应该缩小“科学数据”的定义，并建议将其限制为只包括学术出版物的基础数据。

但Jorgenson认为，政策的模糊性也为研究人员提供了灵活性，他们可以确定哪些数据对重现研究结果真正有用。例如，实验不成功时收集的数据，虽然不用于出版，但对于其他研究者理解整个实验同样有帮助。

Jorgenson还表示，对于不执行该政策的研究人员或机构，其未来的资金奖励或将受到影响。