王芊佳：让科学数据“活”起来的FAIR原则，是什么？| 海洋与湿地

摘要：在这个数据爆炸的时代，科学研究正经历着一场静悄悄的革命。想象一下，每天产生的科学数据如果打印出来，能绕地球好几圈！但问题是，这些宝贵的数据大多躺在各个实验室的硬盘里“睡大觉”，结果，就成了名副其实的“数据僵尸”。钱没少花；下次还得再重复劳动。为了避免这种情况，

本文来源于“海洋与湿地”（OceanWetlands）：

文 | 王芊佳

本文约4700字，阅读约9分钟

在这个数据爆炸的时代，科学研究正经历着一场静悄悄的革命。想象一下，每天产生的科学数据如果打印出来，能绕地球好几圈！但问题是，这些宝贵的数据大多躺在各个实验室的硬盘里“睡大觉”，结果，就成了名副其实的“数据僵尸”。钱没少花；下次还得再重复劳动。为了避免这种情况，这不，一群聪明的科学家们想出了一个妙招——FAIR原则，让这些数据真正“活”起来。

说起数据共享的困境，科研圈的朋友们肯定都有一肚子苦水。你辛辛苦苦做实验得到的数据，别人想用、却找不到；好不容易找到了，又发现格式不兼容、打不开；就算打开了，也看不懂是啥意思。这种情况，就像你去图书馆借书，明明知道书就在馆里，却怎么也找不到；找到了又发现是外文原版（甚至是小语种），连个翻译都没有。更糟的是，很多研究结果因为数据不可获取，根本无法重复验证，搞得科研圈的朋友们都很头疼。

全球科研数据快速增长，但其中相当一部分的数据在论文发表后即处于不可用状态。“数据孤岛”的现象，普遍存在，不同研究机构、不同学科之间的数据难以互通共享。这种状况，已经严重地制约了科学研究的效率和创新。数据共享的困境不仅造成科研资源的巨大浪费，还导致大量研究难以重复验证。其中，数据不可获取是主要原因之一。

举例来说。让我们看看数据缺乏互操作性和可查找性给研究人员带来的困扰——想象一位研究人员，他研究一种非模式致病菌在不同环境条件下的基因表达情况。他发现了一些与致病性相关的基因，并想将这些基因与其他生物的同类基因进行比较。但是，由于缺乏针对这种特殊数据类型的数据库，以及针对该病原体的模式生物数据库，这位研究人员很难找到相关的数据。他需要花费大量时间去搜索不同的资源，并手动整合数据，这就大大地降低了研究效率。

第二个例子，生命科学领域有一些著名的专用数据库，如Genbank、wwPDB和UniProt，它们存储着大量的基因、蛋白质等数据。这些数据库就像一个个组织有序的“专卖店”，提供特定类型的数据，并有专业的策展团队进行维护，确保数据的质量和一致性。但是，并非所有的数据都适合存储在这些“专卖店”中。许多研究人员产生的数据类型多样，格式不一，难以被这些专用数据库所接纳。因此，出现了一些通用的数据存储库，如Dataverse、FigShare等，它们像一个“杂货铺”，接受各种类型的数据，但缺乏专业的策展和整合。这种多样性使得数据的查找和重用变得更加困难，就像在“杂货铺”里寻找特定商品一样，需要花费更多的时间和精力。

这时候，FAIR原则就像一场及时雨，给这个困局带来了转机。FAIR原则由来自学术界、产业界和出版界的专家共同制定，旨在建立科学数据管理的新标准。FAIR原则是2014年提出的，作为生命科学研究数据监管的一套最低指导原则和实践。

FAIR意味着四个基本原则——可查找性（Findability）、可访问性（Accessibility）、互操作性（Interoperability）和可重用性（Reusability），它们指导数据生产者和出版商克服这些障碍，从而帮助最大化当代正式学术数字出版所增加的价值。

找得到、拿得到

Findable, Accessible

这个原则可不是什么高深的理论，而是实实在在的“数据使用指南”。它告诉我们，科学数据应该像超市里的商品一样，找得到、拿得到、看得懂、用得上。听起来是不是很简单？但要做到这几点，可没想象中那么容易。

首先说说“找得到”这件事。现在的科学数据就像大海捞针，没有个明确的“地址”，找起来，可费劲了。FAIR原则要求给每份数据都配上“身份证”——唯一的标识符，还要有详细的“说明书”——元数据。这就好比给图书馆的每本书都编上号，还配上内容简介，找起来就方便多了。

现在很多期刊都要求作者上传数据时使用数字对象标识符（DOI），就是这个道理。DOI就像是数字对象的“身份证号码”，它由一串字母和数字组成，用于唯一标识一个数字对象，例如一篇论文、一份数据集、一张图片等。每个DOI 都是独一无二的。与网址（URL）不同，DOI是不会因为网页改版、网站迁移等原因而失效的。只要数字对象存在，DOI就会一直有效，保证用户可以随时找到它。而且，DOI通常会链接到包含数字对象详细信息的元数据，例如作者、标题、出版日期等，帮助用户快速地、节省精力地、也更好地了解和评估对象。

再说说“拿得到”。光找得到还不够，关键是要能拿到手。这里说的“拿得到”可不光是技术问题，还得考虑法律和道德问题。比如医疗数据，既要保证研究人员能用，又得保护患者隐私。这就需要在数据开放vs安全之间，找到一个平衡点。好在现在很多机构都在努力，像一些生物样本库就建立了严格的数据访问机制，既保护隐私、又促进科研。

在鸟类的监测中，FAIR原则的应用也能够提升数据的可用性和科学价值，从而更有效地支持鸟类迁徙研究和保护决策。研究人员通过卫星追踪、环志、自动录音设备和公民科学观测等方式收集候鸟的出现时间、地理位置、种类及环境参数，并将这些数据存储在全球开放数据库中，如GBIF或Movebank，确保数据的可查找（Findable）和可访问（Accessible），允许科学家基于已有数据分析气候变化、栖息地丧失等因素对候鸟迁徙模式的影响，为制定国际候鸟保护策略提供科学依据。©Linda Wong | 绿会融媒·“海洋与湿地”（图文无关）（CC BY-SA 4.0）

看得懂、用得上

Interoperable, Reusable

然后是“看得懂”。

你有没有遇到过这种情况：好不容易拿到数据，却发现格式千奇百怪，根本没法用？这就是FAIR原则要解决的第三个问题——互操作性。它要求大家都用统一的“语言”来描述数据，就跟秦始皇统一度量衡一样。

现在很多领域都在制定自己的数据标准，比如生物医学领域的OBO Foundry项目，就是为了让不同实验室的数据能够“对话”。OBO Foundry项目是一个开放的合作项目，致力于开发和维护一系列互操作的生物医学本体。这些本体为生物学和医学领域的各种概念（如基因、蛋白质、疾病、解剖结构等）提供标准化的术语和定义，从而促进数据的共享、整合和分析。OBO Foundry的本体被广泛应用于生物信息学研究和应用中。

在安达曼海域，潜水员观察到的白化的珊瑚碎片、海鳗等。摄影师：车车 | 绿会融媒·海洋与湿地（OceanWetlands）

最后是“用得上”。数据不仅要能用，还要能放心用。这就需要有详细的使用说明和规范的文件记录。

想象一下，如果你拿到一份菜谱，上面只写着“加盐少许”、或者是“抓一把胡椒”……，这时，你会不会很抓狂？其实，科学数据也是一样，需要有明确的“使用说明”。英国生物样本库（UK Biobank）在这方面就做得很好，他们的数据文档详细得就像一本使用手册。

海草中的多样生命。©摄影：王敏幹（John MK Wong）| 图文无关

实实在在的改变

告别“数据僵尸”，FAIR原则开启科研“快车道”

FAIR原则的推广可不是纸上谈兵，它正在实实在在地改变科研数据的管理方式。从数据采集、存储到共享，每个环节都有了标准化的流程。这就好比把杂乱无章的仓库变成了井然有序的超市，不仅提高了效率，还促进了跨学科、跨机构的合作。

举个例子，在欧洲生物信息学研究所（EBI），FAIR原则已经落地生根。他们建立的生物数据资源库，就像是一个巨大的“数据超市”，研究人员可以轻松找到自己需要的数据。EBI是全球领先的生物信息学研究机构之一，拥有庞大的生物数据资源库，包括基因组、蛋白质组、转录组等多种类型的数据。EBI的生物数据资源库不仅存储了大量的生物数据，还提供了强大的数据检索和分析工具，用户可以根据自己的需求轻松找到所需的数据，并进行后续的分析和研究。EBI还积极跟其他的国际生物信息学机构合作，共同构建全球生物数据共享网络，为全球研究人员提供便利。

在地球科学领域，国际科学理事会世界数据系统（WDS）也在推动建立统一的地球观测数据标准，让全球的气候数据能够互通有无。统一的气候数据标准和共享机制可以促进气候研究，科学家可以更方便地获取和利用全球气候数据、可以提高数据利用效率，从而更深入地了解气候变化规律。从标准的角度来讲，WDS会组织专家制定地球观测数据标准，包括数据格式、元数据、质量控制等方面。这些标准旨在确保数据的互操作性和可重用性。在认证数据上，WDS对符合标准的数据中心进行认证，这些认证的数据中心可以向全球用户提供高质量的地球观测数据。该机构鼓励数据中心共享其数据，并提供相应的平台和工具，方便用户查找和获取所需数据。

在生物多样性信息学领域，“海洋与湿地”（OceanWetlands）小编这个春节期间在参加自学，也注意到，全球生物多样性信息平台（GBIF）就严格地遵循了FAIR原则，确保其数据具备可查找性（Findable）、可访问性（Accessible）、可互操作性（Interoperable）和可重复使用性（Reusable）。所有数据集都配有数字对象标识符（DOI），便于追踪和引用，同时通过API和集成发布工具包（IPT）提供标准化的访问方式，确保数据的开放共享。GBIF推荐使用达尔文核心标准（Darwin Core, DwC）和生态元数据语言（EML），以实现数据的兼容性和互操作性。此外，GBIF要求数据发布者使用知识共享许可协议（Creative Commons），确保数据可以在不同研究场景下被重复利用，从而推动全球生物多样性研究的发展和科学合作。

【举例来讲】FAIR在“海洋与湿地”保护中的应用场景，

在海洋生物多样性研究中，FAIR原则可以应用在全球珊瑚礁健康监测上。研究人员通过水下摄像、潜水调查和遥感技术收集珊瑚礁生物群落的数据，并按照FAIR原则进行管理和共享。例如，所有数据都附有数字对象标识符（DOI），确保研究结果可查找；同时采用达尔文核心标准（Darwin Core, DwC）进行规范化处理，使其能够与其他生物多样性数据库互操作。开放访问的API允许全球科学家和政策制定者获取这些数据，用于分析气候变化、海洋酸化及其他环境压力对珊瑚生态系统的影响，并制定相应的保护措施。

另一个例子是对海洋哺乳动物分布的长期监测。科学家依托船载观测、声学监测和卫星跟踪等技术，记录鲸类、海豚及海豹的分布信息，并将这些数据存储在全球生物多样性信息平台（GBIF）等开放数据库中。FAIR原则确保这些数据按照统一标准存储，并使用开放许可（如CC BY）供研究人员自由下载和引用。这不仅提高了数据的可重复使用性，还使不同研究团队能够整合多源数据，分析物种迁徙模式、评估人类活动对其栖息地的影响，从而为重要海洋哺乳动物区域（IMMAs）的确定、以及未来海洋保护区的规划和管理提供科学依据。

从湿地科学上，FAIR原则在湿地水生生物和环境DNA研究中也具有重要的应用价值，可以提高数据的可用性、科学价值和可重复性，促进数据共享和跨学科研究，为湿地保护、生物多样性研究和生物保护决策提供有力支持。比如说，研究人员在全球不同湿地收集鱼类、浮游生物和底栖无脊椎动物的数据，并采用标准化的分类系统（如Darwin Core）进行整理，使数据具有良好的互操作性。所有数据都配有详细的元数据，包括采样时间、地理位置和环境参数，并存储在开放数据库中，确保可查找（Findable）和可访问（Accessible）。这样，全球湿地生态学家可以利用这些数据进行横向比较，分析气候变化、污染或栖息地破坏对水生生物的影响，为湿地保护和修复提供科学依据。

在环境DNA（eDNA）研究中，FAIR原则可以促进数据共享，提高研究的可重复性。科学家在湖泊、河流或海洋中采集水样，通过高通量测序技术检测其中的DNA片段，从而识别该区域的生物多样性。按照FAIR原则要求，eDNA数据都存储在开放数据库中，并附带详细的实验流程、测序平台和生物信息学分析方法，确保数据的可再用性。此外，研究人员采用生态元数据语言（EML）记录样本采集的环境信息，使这些数据可以与其他生态监测数据整合，实现跨学科的互操作性（Interoperability）。这就不仅加快了生物多样性调查的速度，也为区域内（或全球范围内）的生物保护决策提供了更可靠的、基础的数据支持。比如，“海洋与湿地”（OceanWetlands）小编注意到，上次联合国教科文组织的一个eDNA项目的存储都是开放获取的，遵循了FAIR原则。详情参见海湿往期的报道：《联合国教科文组织用eDNA技术揭示4500个物种新分布》。据悉，通过这个计划收集到的数据，全部上传到了联合国教科文组织的海洋生物地理信息系统（OBIS）上，任何人都可以访问这些信息，进行对比和分析。这种开放共享的方式，确保了全球的科学家和政策制定者能够共同利用这些数据，推动全球海洋保护工作的进展。

图源：obis.org

说到底，FAIR原则不仅仅是一套技术标准，更是一种科研理念的革新。它让科学研究从“闭门造车”走向开放共享，从单打独斗走向协同创新。从发展前景来看，数据标准是很重要的，笔者认为，FAIR原则的应用前景肯定会更加广阔。随着人工智能技术的发展，数据管理将变得更加智能和高效。想象一下，未来的科研助手不仅能帮你找到数据，还能自动分析、整合不同来源的数据，甚至提出新的研究思路。当然咯，从科技创新中伦理问题前瞻研究的角度来看，这也带来了新的挑战，比如数据安全、隐私保护、传统知识与资源的惠益分享等等多方面的问题，需要人们不断去探索和完善。

感兴趣的“海洋与湿地”（OceanWetlands），可以回过头去参看2016年的一篇很有影响力的研究的全文，访问量已经到了80多万：

Wilkinson, M., Dumontier, M., Aalbersberg, I. et al. The FAIR Guiding Principles for scientific data management and stewardship. Sci Data 3, 160018 (2016). https://doi.org/10.1038/sdata.2016.18
https://www.nature.com/articles/sdata201618

图源：Wilkinson, Mark D., et al.(2016)

不过，对于FAIR原则的批评也并非罕见。为了平衡，相反和批判的一个观点，读者们或许也可以看看下面的这个文章《FAIR数据原则：足够公平吗？》。该文章的作者提到，负责任地促进数据共享需要公平公正地评估数据共享请求，隐私和数据保护可能仍然是人类基因组学伦理和法律辩论的前沿：

Boeckhout, M., Zielhuis, G.A. & Bredenoord, A.L. The FAIR guiding principles for data stewardship: fair enough?. Eur J Hum Genet 26, 931–936 (2018). https://doi.org/10.1038/s41431-018-0160-0

海洋与湿地

专栏作者

（注：本文仅代表资讯、以及笔者学习笔记。不代表平台观点。欢迎留言、指正、讨论。）

资讯源 | Nature Data, GBIF等等
文 | 王芊佳

海湿编辑 | Linda Wong

排版 | 绿叶

Ocea

【引用本文】

王芊佳.让科学数据“活”起来的FAIR原则，到底是啥？.海洋与湿地.2025-02-03

全球环境治理·海湿前瞻

Mainstreaming OceanWetlands

【主要参考资料】

https://www.nature.com/articles/sdata201618

https://docs.gbif.org/course-introduction-to-gbif/en/principles-of-gbif-mediated-data.html

https://www.nature.com/articles/s41431-018-0160-0