缺乏数据使用指导原则，基因组数据共享遇阻

■我们的记者秦志伟

基因组数据共享将生物医学研究推向了快车道。然而，发布到公共领域的现有数据指南一方面认识到*和无条件使用数据的重要性，另一方面未能解决这种重要性与数据生产者首次发布数据的“权利”之间的关系。

据美国能源部联合基因组研究所所长尼科斯·基尔皮德斯(Nikos Kyrpides)称，这种矛盾导致了数据生产者和数据使用者对公共数据使用的不同解释和持续争论。

"根本原因是缺乏明确的数据使用指南."在接受《中国科学》采访时，Kyrpides再次强调，公共数据应被视为开放资源，用于分析、解释和出版，不受限制。《科学》杂志最近在网上发表了相关论文。

不时遇到“软障碍”

*使用公共基因组数据是国际生命科学研究领域的传统和共识。自人类基因组计划实施以来，大量开放共享的基因组数据信息极大地促进了生物医学研究的进展。

在中国的参与下，始于1990年的人类基因组计划被认为是科学史上的一项伟大工程。三年前，负责该项目的埃里克·格林、詹姆斯·沃森和弗朗西斯·柯林斯在《自然》杂志上写了一篇文章，总结了人类基因组计划的六个经验，其中之一就是最大化数据共享。

正是人类基因组计划改变了生物医学研究中的数据共享原则，并导致了1996年的百慕大原则，该原则同意在超过一定规模的基因组测序数据生成后24小时内向公共数据库提交。

长期以来，促进数据共享的工作一直在继续，并发生了新的变化。2003年《劳德代尔堡协定》重申并扩展了百慕大的原则，认为大规模基因组序列数据的预先发布将对科学界大有裨益，同时指出数据共享仅限于集团资源项目。

自协议签署以来，实现更广泛、更快速、更有效的数据共享已成为学术界反复讨论的话题。

在数据共享的背景下，当学术论文发表时，相关的基因组数据一般都会被发布和共享。“然而，各种*资助的科学研究项目产生的基因组数据要广泛得多，论文发表前的共享程度极低。”中国科学院马普计算生物学合作研究所的研究员张国庆告诉《中国科学》。

当张国庆使用国际基因组数据时，需要填写申请表，”但由于不透明的审计机制，它不时遇到“软障碍”

“数据共享政策不是静态的。许多融资机构已经对政策进行了微调。”Kyrpides说，例如，国家卫生研究院在2014年制定的基因组数据共享政策正在创造一个更完善的数据共享生态系统，“这在以前的协议中是没有的”。

“这难道不是矛盾吗？”

形势的发展“证明劳德代尔堡协议已经过时，需要修改以反映当前的科技状况。”Kyrpides认为，该协议通常仅限于好的团队资源项目，但不包括所有的排序项目。

在接受《中国科学》采访时，基尔皮德斯还指出了劳德代尔堡协议中的矛盾之处。根据该协议，向公共领域发布的数据应该并且可以由任何人不受任何限制地使用，并且规定这些数据应该在发布之前发布，以使整个群体受益。

多年来，基因测序已经产生了许多数据集，其中许多已经出版，但没有发表。然而，该协议还提到，“任何人想要使用未公开的公共数据，都应该首先获得数据生产者的许可，”基尔皮德斯说。“这难道不是矛盾吗？”

研究人员还提到，赞成限制使用公共基因组数据的人通常有两个原因。一个是未经验证的预发布数据可能包含错误，另一个是生成新数据通常需要很长时间。

张国庆认为，数据使用有限的主要原因是数据的相关权利和利益不明确，很难确保提供样本、数据输出、数据管理和数据分析等各方的利益。

此外，与基因组数据相关的个人信息的不明确的安全管理要求也是原因之一，例如敏感数据。

"我们承认一些限制可能适用于现有的敏感人类基因数据."基尔皮德斯也说。

然而，研究人员发现，对共享敏感数据的抵制正在逐渐减弱。纵观整个生物医学文献，从2015年到2017年，约有1/5的已发表文章共享原始数据，比前几年有显著增加。

确定使用原则

“不受限制地使用公共数据应该符合学术奖励制度。”Kyrpides认为，资助机构需要认识到数据共享的重要性，并给予产生数据的科学家适当的荣誉。

“在描述数据生成之后，确定支持协议和特定数据集生成的有效方法”也很重要Kyrpides告诉记者，有必要重新审查资助机构和期刊出版商的数据发布策略。

研究人员认为，期刊出版商需要重新考虑他们的出版政策，也就是说，当稿件被提交出版时，数据的可用性。Kyrpides等人建议，当手稿被提交给同行评审时，而不是在出版后，序列数据及其相关元数据应与详细协议一起免费提供。

“为了促进基因组学的发展，我们需要制定强有力的政策，促进开放和无限制的数据共享，并促进包容性的群体驱动的研究和培训。”基尔皮德斯说。

相关论文信息:DOI: 10.1126/science.aaw1280

《中国科学报》(2019-02-18，第4版)