編譯 | 張晴丹

年輕的科研人員容易陷入一個(gè)思維定式：想要做科研，必須先自己產(chǎn)生數(shù)據(jù)，數(shù)據(jù)等同于經(jīng)費(fèi)，經(jīng)費(fèi)等同于門檻。無數(shù)青年學(xué)者被困在這個(gè)閉環(huán)里寸步難行。

資金緊張、資源有限、人脈不足，這是許多人面臨的共同困境。然而，有一座被忽視的“金礦”就藏在公共數(shù)據(jù)庫中，等待著擁有新眼光的人去挖掘。

一位年輕的病毒學(xué)家Rhys Parry，無意間走上了一條非傳統(tǒng)的科研之路。他沒有花費(fèi)巨額經(jīng)費(fèi)去測序，沒有耗時(shí)數(shù)年去采樣，而是靠著一臺筆記本電腦和一雙善于發(fā)現(xiàn)的眼睛，從全世界公開可下載的“二手?jǐn)?shù)據(jù)”中“榨”出了令人驚喜的科學(xué)發(fā)現(xiàn)。

最終，Parry不僅發(fā)了論文，還拿下了國家級項(xiàng)目，走出了一條屬于普通科研人的突圍之路。近日，他在《自然》雜志的“職業(yè)專欄”發(fā)文，分享自己的經(jīng)歷。

對于所有渴望證明自己卻苦于資源不足的科研人員來說，或許答案就藏在那些已經(jīng)被儲存卻鮮被重訪的數(shù)據(jù)之中。

Rhys Parry 圖源：昆士蘭大學(xué)

3000份數(shù)據(jù)，一次意外的發(fā)現(xiàn)

2018年，在澳大利亞昆士蘭大學(xué)的實(shí)驗(yàn)室里，博士生Parry正在與埃及伊蚊細(xì)胞系打交道。這是一種常見的蚊子細(xì)胞，用于研究蚊媒傳播的疾病。然而，在一次常規(guī)的實(shí)驗(yàn)觀察中，他發(fā)現(xiàn)了一個(gè)異?！?xì)胞系中似乎存在著一種以前從未記錄過的病毒。

這個(gè)發(fā)現(xiàn)本身并不驚人。事實(shí)上，昆蟲細(xì)胞經(jīng)常攜帶持續(xù)性的、未被注意的病毒感染，就像老房子里總會(huì)有一些不請自來的“住客”。但真正讓這位年輕研究者感到好奇的是，這種新病毒無法感染哺乳動(dòng)物細(xì)胞，而且出人意料的是，它竟然能適度降低登革熱病毒的復(fù)制水平。

這個(gè)結(jié)果瞬間點(diǎn)亮了整個(gè)研究的意義。

登革熱，一種由蚊子傳播的急性傳染病，每年威脅著全球數(shù)億人的健康。如果有一種昆蟲特異性病毒能夠干擾登革熱的傳播，那將意味著什么？這極有可能成為人類理解甚至阻斷蚊媒傳播疾病的關(guān)鍵鑰匙。

博導(dǎo)、分子病毒學(xué)家Sassan Asgari敏銳地捕捉到了這個(gè)發(fā)現(xiàn)的潛力，并鼓勵(lì)Parry：“去查查我們實(shí)驗(yàn)室的其他數(shù)據(jù)集，把搜索范圍擴(kuò)大?！盇sgari想知道，這種病毒在自家實(shí)驗(yàn)室及其他實(shí)驗(yàn)室的埃及伊蚊細(xì)胞中究竟有多普遍。

于是，一場跨越全球數(shù)據(jù)海洋的探險(xiǎn)就此開始。

分析埃及伊蚊的現(xiàn)有數(shù)據(jù)集，幫助Rhys Parry鑒定出了一種新病毒。圖源：James Gathany

幸運(yùn)的是，全球各地從事蚊子研究的科研人員，早已將大量轉(zhuǎn)錄組數(shù)據(jù)共享。這些數(shù)據(jù)散落在不同的數(shù)據(jù)庫中，像一顆顆無人撿拾的石頭。Parry下載了大約3000個(gè)數(shù)據(jù)集，并日復(fù)一日地整理、對比、分析，在海量信息中抽絲剝繭，一點(diǎn)點(diǎn)還原出這種病毒在全球范圍內(nèi)的分布與進(jìn)化歷史。

他沒有飛往任何一個(gè)國家，沒有采集一個(gè)樣本，憑借3000個(gè)數(shù)據(jù)集、一臺筆記本電腦，就完成了一次全球范圍內(nèi)的病毒流行病學(xué)調(diào)查。而這，僅僅是他在二手?jǐn)?shù)據(jù)挖掘之路上的第一步。

從“舊數(shù)據(jù)”中發(fā)現(xiàn)新現(xiàn)象

博士生涯接近尾聲時(shí)，一次偶然的機(jī)會(huì)，他在網(wǎng)上點(diǎn)開了昆士蘭大學(xué)病毒學(xué)家Alexander Khromykh實(shí)驗(yàn)室已發(fā)表的數(shù)據(jù)集。Khromykh的研究方向是病毒感染期間細(xì)胞外囊泡中非編碼RNA的作用，這是一個(gè)聽起來相當(dāng)小眾的領(lǐng)域。

然而，就在這些已被分析過、發(fā)表過的數(shù)據(jù)中，Parry看到了一些“不對勁”的地方：病毒似乎在以一種前所未見的方式切割細(xì)胞RNA。

這不是原作者“漏掉”了什么。原作者與Parry的研究問題完全不同，他們的分析框架也完全不同。就像一個(gè)畫家專注于畫面的色彩，而一個(gè)建筑師卻從中看到了結(jié)構(gòu)。同樣的數(shù)據(jù)，在不同的問題視角下，呈現(xiàn)出截然不同的面貌。

于是，Parry給Khromykh寫了一封郵件介紹自己的新發(fā)現(xiàn)，并奏效了。一封郵件換來了一次交談，然后促成了雙方的一項(xiàng)合作。如今，他和Khromykh已經(jīng)成為一個(gè)國家資助項(xiàng)目的共同研究者，而那個(gè)項(xiàng)目的基石正是從“舊數(shù)據(jù)”中發(fā)現(xiàn)的“新現(xiàn)象”。

Parry表示：“根據(jù)我的經(jīng)驗(yàn)，大多數(shù)研究人員都很高興看到他們的數(shù)據(jù)被這樣使用。我發(fā)出的一些郵件促成了合作，另一些則讓作者分享了原始發(fā)表論文中未包含的元數(shù)據(jù)。有時(shí)，原作者擁有你所不具備的樣本或設(shè)備，能夠以你無法實(shí)現(xiàn)的方式對結(jié)果進(jìn)行驗(yàn)證；他們順手做的一個(gè)小實(shí)驗(yàn)，或許就能證實(shí)某種關(guān)聯(lián)，進(jìn)而成為你下一份申請的初步數(shù)據(jù)?！?/p>

挖掘“二手?jǐn)?shù)據(jù)”不是“次等科學(xué)”

這個(gè)故事的核心，指向一個(gè)讓人驚訝的事實(shí)：海量的公共數(shù)據(jù)正在被閑置。

以美國國立衛(wèi)生研究院下屬的國家生物技術(shù)信息中心管理的序列讀段檔案庫（SRA）為例，其擁有超過50PB的數(shù)據(jù)，而其中大部分在被存儲之后，很少被再次使用。2022年，一個(gè)名為Serratus的項(xiàng)目將這些海量讀數(shù)與病毒參考基因組進(jìn)行比對，識別出數(shù)千個(gè)新的病毒序列，將已知RNA病毒的多樣性擴(kuò)展了一個(gè)數(shù)量級。

Parry強(qiáng)調(diào)，數(shù)千個(gè)新病毒從舊數(shù)據(jù)中發(fā)現(xiàn)。這些開創(chuàng)性的努力，展示了當(dāng)人們真正重視并深耕二手?jǐn)?shù)據(jù)分析時(shí)，它所撬動(dòng)的可能性遠(yuǎn)超我們的想象。

這種模式并非基因組學(xué)領(lǐng)域獨(dú)有。放眼整個(gè)科學(xué)界，臨床試驗(yàn)數(shù)據(jù)集、生態(tài)學(xué)調(diào)查記錄、醫(yī)學(xué)影像檔案……大量高質(zhì)量資源都可在網(wǎng)上公開獲取，正等待著被重新“拾取”。而絕大多數(shù)已發(fā)表的分析通常只是觸及了數(shù)據(jù)所能揭示信息的表面，就像只讀了小說的第一章，卻以為知道了整個(gè)故事。

資助機(jī)構(gòu)和出版商要求研究人員歸檔數(shù)據(jù)，初衷是為了確保結(jié)果的可重復(fù)性和可驗(yàn)證性。但歸檔數(shù)據(jù)的用途遠(yuǎn)不止于此。每個(gè)數(shù)據(jù)集都包含超出其生成者所發(fā)現(xiàn)之外范圍的關(guān)聯(lián)。Parry認(rèn)為，新方法會(huì)出現(xiàn)，新假設(shè)會(huì)涌現(xiàn)，研究領(lǐng)域的變遷可能讓舊數(shù)據(jù)煥發(fā)新生?！拔覀冇袡C(jī)會(huì)為現(xiàn)有數(shù)據(jù)帶來新的視角，發(fā)現(xiàn)新的關(guān)聯(lián)，并在理想情況下驗(yàn)證它們。”

最有趣的重新分析往往涉及整合不同類型的數(shù)據(jù)，比如蛋白質(zhì)組學(xué)與轉(zhuǎn)錄組學(xué)，或者衛(wèi)星圖像與調(diào)查數(shù)據(jù)。Parry建議，從那些你理解其基礎(chǔ)科學(xué)原理的數(shù)據(jù)集開始，但要能提出原作者未曾提出的問題。不過第一步永遠(yuǎn)是要檢查元數(shù)據(jù)。如果需要費(fèi)力挖掘才能理解相關(guān)系統(tǒng)、處理方式、時(shí)間點(diǎn)、重復(fù)實(shí)驗(yàn)以及實(shí)驗(yàn)平臺，那么重新分析這些數(shù)據(jù)可能并不值得。

當(dāng)然，并非所有數(shù)據(jù)集或所有分析都能產(chǎn)出新東西。Parry自己也承認(rèn)：“我下載了數(shù)千個(gè)數(shù)據(jù)集，最終一無所獲?！钡阉鞯某杀竞艿?，而陰性結(jié)果和陽性結(jié)果一樣能提供信息。一次執(zhí)行良好的二次分析可以發(fā)表、被引用，并作為初步數(shù)據(jù)使用，與任何其他科學(xué)產(chǎn)出地位相當(dāng)。

為了表彰在嚴(yán)謹(jǐn)?shù)亩螖?shù)據(jù)分析領(lǐng)域作出杰出貢獻(xiàn)的研究者，一個(gè)名為“研究寄生蟲獎(jiǎng)”的獎(jiǎng)項(xiàng)誕生了——它由美國賓夕法尼亞大學(xué)支持并在2025年由GigaScience和GigaByte期刊贊助。但Parry認(rèn)為“寄生蟲”這個(gè)類比并不恰當(dāng)。

關(guān)于“研究寄生蟲獎(jiǎng)”的介紹 圖源：PSB

“當(dāng)一名研究人員存入數(shù)據(jù)以支持可重復(fù)性，而另一個(gè)人利用這些數(shù)據(jù)發(fā)現(xiàn)了新東西，這不是剝削，而是科學(xué)在按預(yù)期方式運(yùn)作。而且雙方都受益：二次分析者發(fā)表了論文，而原始數(shù)據(jù)的生成者則獲得了新的引用、潛在的合作者，以及其工作影響力的新證據(jù)?！盤arry說。

當(dāng)然，Parry也表示，他并不是建議用重新分析取代原始數(shù)據(jù)的生成。但對于那些無法獲取人脈網(wǎng)絡(luò)和大量資源的年輕科研人員來說，已經(jīng)發(fā)表的數(shù)據(jù)是一座“金礦”，可以為他們提供一種以極低甚至零成本來發(fā)表論文和申請資助生成數(shù)據(jù)的方法?！爸恍枰粋€(gè)問題、一臺安裝了R或Python編程語言的筆記本電腦，以及一雙愿意重新審視舊數(shù)據(jù)的眼睛?！?/p>

https://www.nature.com/articles/d41586-026-00434-x

https://doi.org/10.1128/JVI.00224-18

本文經(jīng)授權(quán)轉(zhuǎn)載自微信公眾號“科學(xué)網(wǎng)”，編輯：方圓。

特 別 提 示

1. 進(jìn)入『返樸』微信公眾號底部菜單“精品專欄“，可查閱不同主題系列科普文章。

2.『返樸』提供按月檢索文章功能。關(guān)注公眾號，回復(fù)四位數(shù)組成的年份+月份，如“1903”，可獲取2019年3月的文章索引，以此類推。