Будущее «больших данных» в биологии зависит от хороших цифровых идентификаторов

Исследования «больших данных» рискуют быть подорванными из-за плохого дизайна цифровых идентификаторов, которые маркируют данные. Международная группа исследователей под руководством Джули МакМерри из Орегонского университета здоровья и науки собрала набор практических рекомендаций по созданию, использованию и поддержке веб-идентификаторов для улучшения воспроизводимости, атрибуции и научных открытий. Эти рекомендации, опубликованные 29 июня в журнале с открытым доступом PLOS Biology, помогают решить частые проблемы, связанные с постоянными идентификаторами научных данных.

За последнее десятилетие науки о жизни кардинально изменились, поскольку данные становятся всё больше, более взаимозависимыми и изначально веб-ориентированными. В этих условиях научное сообщество в целом столкнулось с трудностями в организации этих данных для веба так, чтобы они были постоянно доступны, пригодны для повторного использования и атрибутированы.

В зависимости от конкретной базы данных, идентификаторы могут обозначать ген, геном, химическое вещество, организм, набор экспериментальных данных или даже опубликованную статью. Полезность всех этих элементов зависит от надёжности и уникальности их соответствующих идентификаторов, что позволяет связывать и находить их в будущем. Авторы указывают, что органический, стихийный способ возникновения большинства идентификаторов угрожает этой полезности, и признают, что сложно создавать и поддерживать постоянные идентификаторы или веб-адреса, которые не будут «ломаться» и будут использоваться последовательно.

Эта работа призывает профессионалов лучше заниматься проектированием идентификаторов — в соответствии с формирующимися соглашениями, разработанными сообществом — чтобы данные могли эффективнее использоваться для научных открытий. Она также призывает пользователей достаточно хорошо знать эти соглашения и доступные инструменты, чтобы не пострадать от неработающих ссылок и упущенных связей.

«Как и в случае с сантехникой, вопрос о том, как работают идентификаторы, должны понимать только те, кто их строит и обслуживает. Однако всем необходимо знать, как идентификаторы следует использовать, и здесь важны соглашения», — сказала МакМерри. «Этой работой мы надеемся побудить всех участников научной экосистемы — включая авторов, создателей данных, интеграторов данных, издателей, разработчиков программного обеспечения и операторов систем разрешения идентификаторов — придерживаться лучших практик, чтобы максимизировать полезность и влияние данных наук о жизни».