基于生物醫(yī)學(xué)科研數(shù)據(jù)倉儲(chǔ)的圖書館數(shù)據(jù)管理服務(wù)

隨著科研數(shù)據(jù)開放共享進(jìn)程的推進(jìn)，國際科研基金資助單位、科研機(jī)構(gòu)、期刊出版商等紛紛對(duì)科研人員提出科研數(shù)據(jù)開放存取的相關(guān)要求及政策。由于不同學(xué)科領(lǐng)域?qū)蒲袛?shù)據(jù)具有不同的要求，對(duì)科研數(shù)據(jù)進(jìn)行學(xué)科領(lǐng)域的分析研究，才能更好地提供數(shù)據(jù)服務(wù)[1]。學(xué)科領(lǐng)域的科研數(shù)據(jù)管理政策決定著科研數(shù)據(jù)管理發(fā)展的方向，也是學(xué)科館員做好數(shù)據(jù)管理服務(wù)的重要依據(jù)。

科研數(shù)據(jù)倉儲(chǔ)(Data Repositories，DR)作為科研數(shù)據(jù)存儲(chǔ)、發(fā)布、開放共享的重要途徑，備受廣大科研人員的關(guān)注。由于生物醫(yī)學(xué)領(lǐng)域的數(shù)據(jù)形態(tài)多樣[2]，不同數(shù)據(jù)類別的科研數(shù)據(jù)倉儲(chǔ)有著不同的特點(diǎn)。生物醫(yī)學(xué)學(xué)科領(lǐng)域科研數(shù)據(jù)倉儲(chǔ)對(duì)數(shù)據(jù)提交、數(shù)據(jù)管理以及數(shù)據(jù)使用的政策與要求，是生物醫(yī)學(xué)學(xué)科館員進(jìn)行數(shù)據(jù)服務(wù)的抓手之一。因此，國內(nèi)一些學(xué)者已經(jīng)對(duì)國外生物醫(yī)學(xué)領(lǐng)域科研數(shù)據(jù)倉儲(chǔ)的特點(diǎn)、服務(wù)及政策進(jìn)行了研究。如鄒麗雪等人對(duì)國外生命科學(xué)領(lǐng)域科研數(shù)據(jù)倉儲(chǔ)的建設(shè)年代、國家、機(jī)構(gòu)、學(xué)科領(lǐng)域、開放程度等分布情況進(jìn)行調(diào)研，并探討了美英兩國數(shù)據(jù)倉儲(chǔ)建設(shè)對(duì)我國生命科學(xué)領(lǐng)域數(shù)據(jù)管理服務(wù)的啟示[3]；孫軼楠等人通過對(duì)有明確政策聲明的38個(gè)國外生命科學(xué)領(lǐng)域的數(shù)據(jù)倉儲(chǔ)的政策聲明進(jìn)行調(diào)研, 提出了生命科學(xué)數(shù)據(jù)倉儲(chǔ)的管理規(guī)范框架[4]。

本文對(duì)生物醫(yī)學(xué)領(lǐng)域的科研數(shù)據(jù)倉儲(chǔ)在數(shù)據(jù)提交、數(shù)據(jù)管理和數(shù)據(jù)使用3方面的政策要求進(jìn)行調(diào)研，以期找到數(shù)據(jù)管理生命周期的服務(wù)切入點(diǎn)，探索生物醫(yī)學(xué)學(xué)科領(lǐng)域的數(shù)據(jù)服務(wù)模式。

1 研究方法及數(shù)據(jù)來源

本文研究對(duì)象主要來源于綜合性的全球研究數(shù)據(jù)存儲(chǔ)庫注冊(cè)庫re3data.org的記錄，截至2018年12月30日，該庫共記錄了3 927個(gè)數(shù)據(jù)倉儲(chǔ)，其中生命科學(xué)領(lǐng)域的數(shù)據(jù)倉儲(chǔ)[5]有1 261個(gè)，但只有18個(gè)數(shù)據(jù)倉儲(chǔ)來自中國?？紤]到全面性和代表性，筆者又查閱了我國生物醫(yī)學(xué)領(lǐng)域科學(xué)數(shù)據(jù)共享平臺(tái)，對(duì)這些數(shù)據(jù)倉儲(chǔ)進(jìn)行補(bǔ)充。通過人工閱讀、篩選，最終選取了9個(gè)在國內(nèi)外具有代表性的生物醫(yī)學(xué)學(xué)科科研數(shù)據(jù)倉儲(chǔ)進(jìn)行調(diào)研分析(表1)。

表1 具有代表性的生物醫(yī)學(xué)學(xué)科科研數(shù)據(jù)倉儲(chǔ)

2 生物醫(yī)學(xué)領(lǐng)域科研數(shù)據(jù)倉儲(chǔ)的政策與要求

2.1 數(shù)據(jù)提交方面

由于生物醫(yī)學(xué)學(xué)科數(shù)據(jù)的多樣性和特殊性, 不同類型的數(shù)據(jù)倉儲(chǔ)依照其覆蓋的領(lǐng)域?qū)蒲腥藛T提交的內(nèi)容有不同的政策和要求。

2.1.1 對(duì)內(nèi)容的要求

生物醫(yī)學(xué)學(xué)科的數(shù)據(jù)倉儲(chǔ)通常收錄某個(gè)主題的數(shù)據(jù)，對(duì)數(shù)據(jù)類別有比較詳細(xì)的說明。如GenBank，DNA DataBank of Japan(DDBJ)等基因序列數(shù)據(jù)庫收集所有公開可獲取的DNA序列數(shù)據(jù)，Worldwide Protein Data Bank(wwPDB)等收集分子結(jié)構(gòu)數(shù)據(jù)，Gene Expression Omnibus(GEO)、ArrayExpress收集微陣列數(shù)據(jù)等。

除了對(duì)數(shù)據(jù)類別有要求外，數(shù)據(jù)倉儲(chǔ)通常還對(duì)數(shù)據(jù)的范圍有所要求。如國家人口與健康科學(xué)數(shù)據(jù)共享平臺(tái)中醫(yī)藥數(shù)據(jù)中心要求數(shù)據(jù)是在各級(jí)科技計(jì)劃項(xiàng)目實(shí)施過程中產(chǎn)生的并能夠驗(yàn)證中醫(yī)藥科學(xué)研究得到的或發(fā)現(xiàn)的最后研究數(shù)據(jù)，包括實(shí)驗(yàn)室記錄的經(jīng)過驗(yàn)證的原始觀測數(shù)據(jù)、實(shí)驗(yàn)數(shù)據(jù)、調(diào)查數(shù)據(jù)、考察數(shù)據(jù)、統(tǒng)計(jì)數(shù)據(jù)集等，但不包括初步的分析、論文草稿、未來研究計(jì)劃等。

2.1.2 對(duì)格式的要求

大部分生物醫(yī)學(xué)學(xué)科的數(shù)據(jù)倉儲(chǔ)都要求按照學(xué)科領(lǐng)域的通用格式提交上傳數(shù)據(jù)。Dryad雖然不限制所提交的數(shù)據(jù)文件格式，但鼓勵(lì)采用現(xiàn)有標(biāo)準(zhǔn)。參與科研數(shù)據(jù)管理服務(wù)的學(xué)科館員可以為科研人員提供現(xiàn)有國際或國內(nèi)通用標(biāo)準(zhǔn)，鼓勵(lì)科研人員按標(biāo)準(zhǔn)提交數(shù)據(jù)。

2.1.3 對(duì)數(shù)據(jù)質(zhì)量的要求

數(shù)據(jù)質(zhì)量是保證數(shù)據(jù)分析及重復(fù)使用的基礎(chǔ)。數(shù)據(jù)倉儲(chǔ)要求數(shù)據(jù)提供者保證其提交數(shù)據(jù)的準(zhǔn)確性與可靠性，并認(rèn)真填寫元數(shù)據(jù)。參與科研數(shù)據(jù)管理服務(wù)的學(xué)科館員可以協(xié)助科研人員監(jiān)督數(shù)據(jù)的質(zhì)量及元數(shù)據(jù)的填寫完成情況。

2.1.4 數(shù)據(jù)權(quán)利的聲明

科研人員向數(shù)據(jù)倉儲(chǔ)提交數(shù)據(jù)時(shí)，會(huì)考慮自己的數(shù)據(jù)是否可以得到充分的保護(hù)及合理的傳播使用。數(shù)據(jù)倉儲(chǔ)通常會(huì)明確聲明數(shù)據(jù)的著作權(quán)以及對(duì)數(shù)據(jù)的處理方式等。如國家人口與健康科學(xué)數(shù)據(jù)共享平臺(tái)基礎(chǔ)醫(yī)學(xué)科學(xué)數(shù)據(jù)中心明確規(guī)定，國家和各級(jí)政府投資的科技項(xiàng)目所產(chǎn)生的數(shù)據(jù)屬國家和生產(chǎn)單位共同所有，以公司和個(gè)人投資產(chǎn)生的數(shù)據(jù)屬公司和個(gè)人所有，并須保證提交發(fā)布的數(shù)據(jù)不侵犯第三方的權(quán)利和利益。

2.1.5 數(shù)據(jù)的倫理問題

數(shù)據(jù)倉儲(chǔ)通常會(huì)要求提交的數(shù)據(jù)不能來自違反科學(xué)倫理的實(shí)驗(yàn)或者采集。如GenBank 規(guī)定涉及人類基因序列的數(shù)據(jù)不能包括任何個(gè)人身份信息。

2.2 數(shù)據(jù)管理方面

科學(xué)數(shù)據(jù)倉儲(chǔ)對(duì)數(shù)據(jù)提交者所提交的科學(xué)數(shù)據(jù)進(jìn)行分類、分級(jí)存儲(chǔ)和管理，并確保數(shù)據(jù)的物理安全?？蒲腥藛T對(duì)提交到數(shù)據(jù)倉儲(chǔ)的數(shù)據(jù)也有開放共享、維護(hù)的責(zé)任。

2.2.1 數(shù)據(jù)公開發(fā)布

提交到科研數(shù)據(jù)倉儲(chǔ)中的數(shù)據(jù)通常有3種發(fā)布形式：一是完全保密發(fā)布，數(shù)據(jù)僅供自己使用或者課題組內(nèi)使用；二是部分保密發(fā)布，即向數(shù)據(jù)提交者和部分授權(quán)學(xué)術(shù)同行發(fā)布，主要用于學(xué)術(shù)出版所需的同行評(píng)審；三是數(shù)據(jù)公開發(fā)布，任何人都可以使用該數(shù)據(jù)。參與科研數(shù)據(jù)管理服務(wù)的學(xué)科館員應(yīng)鼓勵(lì)科研人員盡快公開發(fā)布其數(shù)據(jù)。

2.2.2 數(shù)據(jù)標(biāo)識(shí)

生物醫(yī)學(xué)科研數(shù)據(jù)倉儲(chǔ)為保證數(shù)據(jù)未來可被重復(fù)使用及引用，會(huì)給提交的數(shù)據(jù)分配標(biāo)識(shí)符，通常是唯一且穩(wěn)定的編號(hào)ID。如GenBank數(shù)據(jù)庫中使用的GI標(biāo)識(shí)符，NCBI DDBJ EMBL序列的Accession.Version標(biāo)識(shí)符等，Dryad則對(duì)提交的數(shù)據(jù)文件都給予DOI標(biāo)識(shí)?？蒲腥藛T在將數(shù)據(jù)用于學(xué)術(shù)期刊及數(shù)據(jù)期刊論文發(fā)表、注釋及引用自己和他人數(shù)據(jù)集時(shí)，使用數(shù)據(jù)倉儲(chǔ)分配的編號(hào)ID已成為規(guī)范。數(shù)據(jù)期刊指那些致力于發(fā)表數(shù)據(jù)論文的期刊，其重在描述實(shí)驗(yàn)和觀察數(shù)據(jù)，并有效整合傳統(tǒng)學(xué)術(shù)論文的內(nèi)容和結(jié)構(gòu)，力求在最大程度上促進(jìn)數(shù)據(jù)重復(fù)使用，幫助用戶進(jìn)行檢索和數(shù)據(jù)挖掘[6]。

2.2.3 數(shù)據(jù)維護(hù)

生物醫(yī)學(xué)科研數(shù)據(jù)倉儲(chǔ)中的數(shù)據(jù)除了少數(shù)提交的是最終版本，多數(shù)是長期動(dòng)態(tài)更新的版本，數(shù)據(jù)隨著時(shí)間的變化會(huì)不斷增加或修改。數(shù)據(jù)倉儲(chǔ)通常只顯示最新版本，不同版本采用版本編號(hào)標(biāo)識(shí)符區(qū)分，如V1、V2、V3等，以保證用戶能同時(shí)訪問原始數(shù)據(jù)文件和修改后的數(shù)據(jù)文件。數(shù)據(jù)倉儲(chǔ)要求提交者每次修改或更新數(shù)據(jù)時(shí)需提交配套的說明文件。

2.3 數(shù)據(jù)使用方面

對(duì)科研數(shù)據(jù)合理的使用及重復(fù)使用能夠挖掘科研數(shù)據(jù)的潛在價(jià)值，是科研數(shù)據(jù)的增值。

2.3.1 數(shù)據(jù)訪問

數(shù)據(jù)倉儲(chǔ)通常要求數(shù)據(jù)提供者注冊(cè)為用戶，以便確認(rèn)提供者的身份。用戶通?？梢陨蟼?、瀏覽、檢索、下載數(shù)據(jù)集。但有些數(shù)據(jù)庫為了更好地保護(hù)數(shù)據(jù)提供者的權(quán)益，會(huì)對(duì)不同類型的用戶進(jìn)行區(qū)分，如普通用戶和高級(jí)用戶等，也可以由數(shù)據(jù)提供者分配不同用戶的角色。如北京大學(xué)生命科學(xué)學(xué)院生物信息學(xué)中心數(shù)據(jù)空間建議數(shù)據(jù)提交者對(duì)用戶進(jìn)行角色區(qū)分，主要分為管理者、數(shù)據(jù)貢獻(xiàn)者、數(shù)據(jù)維護(hù)者、文件下載者和內(nèi)部成員。管理者(Admin)擁有全部管理權(quán)限，尤其是人事管理權(quán)限，建議只分配給團(tuán)隊(duì)中極少數(shù)最可信的同伴；數(shù)據(jù)貢獻(xiàn)者(Contributor)有權(quán)管理數(shù)據(jù)文件，但不能修改數(shù)據(jù)空間或?qū)?shù)據(jù)集做整體變更；數(shù)據(jù)維護(hù)者(Curator)有權(quán)管理數(shù)據(jù)空間、數(shù)據(jù)集和文件；文件下載者(File Downloader)只可以下載數(shù)據(jù)文件；內(nèi)部成員(Member)有權(quán)查看仍處于未公布狀態(tài)的數(shù)據(jù)空間或數(shù)據(jù)集等。

2.3.2 數(shù)據(jù)使用

生物醫(yī)學(xué)科研數(shù)據(jù)倉儲(chǔ)普遍支持科研數(shù)據(jù)的開放共享和傳播，可以自由下載、使用及傳播。但有些數(shù)據(jù)倉儲(chǔ)要求科研人員注冊(cè)為用戶后才能夠上傳或下載科研數(shù)據(jù), 另一些數(shù)據(jù)知識(shí)庫則會(huì)要求數(shù)據(jù)使用者支付或分擔(dān)一部分的數(shù)據(jù)倉儲(chǔ)維護(hù)費(fèi)用。

一些數(shù)據(jù)倉儲(chǔ)考慮到個(gè)別數(shù)據(jù)提供者在提交時(shí)的特殊需求，對(duì)數(shù)據(jù)使用做出了限制或?qū)懨饕?，如出于?xiàng)目保護(hù)需求(如尚未完成或成果尚未發(fā)表)、項(xiàng)目資助者要求(如有可能要求可以瀏覽、下載和利用數(shù)據(jù)驗(yàn)證科研成果, 但不允許利用數(shù)據(jù)形成新的產(chǎn)品)以及商業(yè)合同要求(數(shù)據(jù)集中存在采購得來的授權(quán)數(shù)據(jù))等情況?？紤]各方利益關(guān)系人的權(quán)益, 數(shù)據(jù)倉儲(chǔ)可以確定一個(gè)合理的時(shí)滯期，如 Dryad 規(guī)定時(shí)滯期為1～10年。

2.3.3 數(shù)據(jù)引用

如同發(fā)表科技文獻(xiàn)引用他人文獻(xiàn)時(shí)需注明出處，科研人員使用他人的數(shù)據(jù)研究產(chǎn)出新的成果時(shí)，也要承認(rèn)數(shù)據(jù)提供者的科研貢獻(xiàn)，必須注明科研數(shù)據(jù)的來源。生物醫(yī)學(xué)領(lǐng)域數(shù)據(jù)倉儲(chǔ)的數(shù)據(jù)引用可以用數(shù)據(jù)倉儲(chǔ)分配的數(shù)字資源標(biāo)識(shí)符或者DOI號(hào)。如SPD數(shù)據(jù)庫[7]引用方式為“Chen Y, Zhang Y, Yin Y, Gao G, Li S, Jiang Y, Gu X, Luo J (2005) SPD--a web-based secreted protein database.Nucleic Acids Res 33 Database Issue:D169-173”；炎癥性角膜新生血管老鼠模型的微陣列全基因組基因表達(dá)數(shù)據(jù)集的引用[8]為“doi:10.1038/sdata.2016.103”。

3 基于數(shù)據(jù)倉儲(chǔ)的學(xué)科數(shù)據(jù)服務(wù)

3.1 數(shù)據(jù)倉儲(chǔ)的選擇

科研數(shù)據(jù)管理離不開數(shù)據(jù)存儲(chǔ)，數(shù)據(jù)倉儲(chǔ)的選擇與使用成為生物醫(yī)學(xué)科研人員數(shù)據(jù)共享中必然面對(duì)的問題。然而生物醫(yī)學(xué)數(shù)據(jù)倉儲(chǔ)種類繁多、政策不一甚至質(zhì)量參差不齊，給科研人員選擇合適的數(shù)據(jù)倉儲(chǔ)增加了難度。不同的數(shù)據(jù)倉儲(chǔ)對(duì)內(nèi)容、格式等的要求沒有統(tǒng)一標(biāo)準(zhǔn)，這也給科研人員的數(shù)據(jù)管理工作帶來困擾。學(xué)科館員應(yīng)對(duì)生物醫(yī)學(xué)領(lǐng)域重要的數(shù)據(jù)倉儲(chǔ)進(jìn)行預(yù)先調(diào)研，了解其政策與要求，并與生物醫(yī)學(xué)領(lǐng)域?qū)＜疫M(jìn)行溝通形成知識(shí)資源的互補(bǔ)，然后通過科學(xué)數(shù)據(jù)信息素質(zhì)培訓(xùn)為科研人員推薦合適的數(shù)據(jù)倉儲(chǔ)，并幫助科研人員了解相關(guān)科研倉儲(chǔ)的需求，提升其對(duì)科研數(shù)據(jù)共享的認(rèn)知，使其能夠合理選擇數(shù)據(jù)共享的方式和途徑。

3.2 提交到倉儲(chǔ)的數(shù)據(jù)質(zhì)量控制

科研過程中會(huì)不斷產(chǎn)生大量的科研數(shù)據(jù)，提交到科研數(shù)據(jù)倉儲(chǔ)的數(shù)據(jù)必須保證其質(zhì)量。學(xué)科館員在嵌入科研過程的服務(wù)中，不僅可以對(duì)數(shù)據(jù)產(chǎn)生過程進(jìn)行監(jiān)督，也可對(duì)數(shù)據(jù)上傳過程進(jìn)行監(jiān)督，如指導(dǎo)元數(shù)據(jù)的填寫、督促數(shù)據(jù)集的更新等。學(xué)科館員可以為科研人員提供生物醫(yī)學(xué)領(lǐng)域數(shù)據(jù)文件命名通用規(guī)則、版本控制的工具/系統(tǒng)以及可用的元數(shù)據(jù)及元數(shù)據(jù)標(biāo)準(zhǔn)。

3.3 數(shù)據(jù)倉儲(chǔ)的使用政策及工具

關(guān)于數(shù)據(jù)訪問、使用、重建及重復(fù)使用，每個(gè)數(shù)據(jù)倉儲(chǔ)都有不同的政策及要求，學(xué)科館員可以根據(jù)課題的數(shù)據(jù)倉儲(chǔ)的要求和數(shù)據(jù)的類型為科研人員提供數(shù)據(jù)上傳與下載工具、數(shù)據(jù)評(píng)估工具、數(shù)據(jù)分析工具(如Genomespace、Bioconductor等可視化分析工具等)，以及一些數(shù)據(jù)預(yù)處理和通用的數(shù)據(jù)分析工具等。

值得一提的是，普渡大學(xué)圖書館的科研數(shù)據(jù)服務(wù)不僅搭建了科研數(shù)據(jù)倉儲(chǔ)Purdue University Research Repository(PURR)[9]，還在其中嵌入了數(shù)據(jù)管理計(jì)劃服務(wù)。因此在科研用戶開始科研立項(xiàng)之初就能幫助其制定資助機(jī)構(gòu)要求的數(shù)據(jù)管理計(jì)劃，提供自我評(píng)估工具(DMP Self-Assessment Tool)，使用戶了解數(shù)據(jù)管理計(jì)劃中應(yīng)包含的內(nèi)容，并提供現(xiàn)成的模板，利用模板可直接創(chuàng)作數(shù)據(jù)管理計(jì)劃放入申請(qǐng)書中。此外，還有學(xué)科館員提供在線數(shù)據(jù)管理咨詢服務(wù)，服務(wù)內(nèi)容涵蓋了制定數(shù)據(jù)管理計(jì)劃、組織和管理數(shù)據(jù)、發(fā)現(xiàn)和使用研究數(shù)據(jù)等方面。

4 結(jié)語

數(shù)據(jù)倉儲(chǔ)是科研數(shù)據(jù)管理服務(wù)的重點(diǎn)，不僅是科研人員有效保管自己科研活動(dòng)重要數(shù)據(jù)的途徑，還是新科學(xué)發(fā)現(xiàn)的基礎(chǔ)。目前，雖然我國在《科學(xué)數(shù)據(jù)共享工程建設(shè)規(guī)劃》《科學(xué)數(shù)據(jù)共享?xiàng)l例》《國家科技計(jì)劃項(xiàng)目科學(xué)數(shù)據(jù)匯交辦法》和《科學(xué)數(shù)據(jù)分類分級(jí)共享及其發(fā)布策略》等政策基礎(chǔ)上建立了國家人口與健康科學(xué)數(shù)據(jù)共享平臺(tái)，但生物醫(yī)學(xué)科研數(shù)據(jù)倉儲(chǔ)的整體建設(shè)與英美等國還存在差距，遠(yuǎn)遠(yuǎn)不能滿足我國生物醫(yī)學(xué)科研數(shù)據(jù)的需求。

生物醫(yī)學(xué)圖書館及學(xué)科館員在科研數(shù)據(jù)服務(wù)方面應(yīng)承擔(dān)起更多責(zé)任，如建設(shè)嵌入科研數(shù)據(jù)生命周期中的小型或臨時(shí)數(shù)據(jù)倉儲(chǔ)，為科研人員提供數(shù)據(jù)協(xié)作環(huán)境等軟硬件設(shè)施，并在數(shù)據(jù)倉儲(chǔ)中提供數(shù)據(jù)管理的各種相關(guān)咨詢服務(wù)，使科研人員能夠更好地利用數(shù)據(jù)倉儲(chǔ)進(jìn)行科研數(shù)據(jù)管理與共享。