Iskanje podatkov

V naravoslovju in vedah o življenju se podatki večinoma iščejo v zaupanja vrednih področnih repozitorijih in odprto dostopnih publikacijah, ki zagotavljajo povezave do surovih podatkov, obsežne metapodatke in trajne identifikatorje za zagotavljanje trajnega dostopa. Eksperimentalni načrt mora biti pregleden in mora jasno navajati velikost vzorca. Dodatni nabori podatkov, kot so obdelani podatki in/ali končne analize, morajo biti skrbno anotirani, opremljeni s podrobnimi protokoli in shranjeni v odprtih formatih, da se omogoči ponovljivost znanstvene raziskave. Vsi postopki, vključno z razvojem računalniških modelov in delotokov, morajo biti temeljito opisani in javno dostopni.

To vključuje deljenje izvorne kode na platformah, kot je npr. GitHub, skupaj z informacijami o platformi, različici, licenci, začetnimi parametri in minimalnimi vhodnimi in izhodnimi podatki (angl. minimal reproducible example). Podatki, ki nimajo ustrezne dokumentacije ali vsebujejo pomanjkljive elemente, veljajo za neverodostojne in jih je treba obravnavati previdno ali izključiti iz raziskave.

Primer iskanja podatkov

Za raziskavo različic virusa, ki povzroča COVID-19, potrebujemo zaupanja vreden repozitorij, ki vsebuje nukleotidna zaporedja. Sequence Read Archive (SRA) repozitorij nukleotidnih zaporedij, ki je na seznamu ARIS zaupanja vrednih repozitorijev in re3data.org registru repozitorijev, ponuja nukleotidna zaporedja in podatke sekvenciranja kot so RNA-Seq, ChIP-Seq, 16S rRNA. SRA iskalnik ponuja grafični vmesnik za grajenje poizvedb in dodatne filtre npr. glede na biološki vir podatkov, tip in format podatkov in platformo sekvenciranja.

Našteti vzorci kot rezultat poizvedbe so povezani z vsemi ustreznimi vzorci iz t. i. bioprojekta, ki je opremljen s surovimi podatki in obsežnimi metapodatki za celoten projekt (avtor, eksperimentalni načrt, soglasja, metode zbiranja, nastavitev naprave za sekvenciranje itn.) in vsak posamezen vzorec.

Primer iskanja kode

Za iskanje knjižnice/paketov za risanje t. i. angl. heatmap uporabimo GitHub  https://github.com/search in filter za želeni programski jezik (npr. R). Za hitro izbiro lahko sortiramo po priljubljenosti (angl. most stars).

Kriteriji za izbiro knjižnice/paketov so:

1. obstoječa licenca (najpogostejše MIT in Apache),
2. posodobljenost (datumi spremembe kode),
3. odzivnost avtorja (razmerje števila odprtih in zaključenih vprašanj),
4. kvaliteta dokumentacije (dostopni priročnik in vinjeta).

Za R in Python knjižnice/pakete je zaželeno, da so na voljo tudi na Bioconductor-u ali CRAN-u, o.z. PyPI-u.

Več informacij o ponovni uporabi podatkov najdemo na RDMkit – Reusing Data in RDMkit – Existing Data. Pri ocenjevanju nabora podatkov se priporoča tudi uporaba platform, kot sta Retraction Watch in PubPeer, na katerih je moč najti informacije o pomanjkljivostih nekaterih raziskav/podatkov.