让模型真正有用：如何构建可信且实用的系统生物学模型
Making Models That Matter: How to Build Trustworthy and Useful Systems Biology Models
浏览论文内容
中文总结 AI 辅助
针对系统生物学模型难以复现和复用的问题，结合FAIR与CURE原则，提出十项建议以构建可信、可复用且实用的计算模型。
中文摘要 AI 辅助
支持复杂生物系统机制理解、系统行为预测和实验设计的计算模型，正越来越多地嵌入到复杂生物系统研究中。随着模型对计算基础设施需求的增加，模型的复用与精炼而非不断重新发明，正变得日益重要。然而，已发表的模型——尽管迄今已采取多种努力——常常难以复现或复用，这极大地限制了其科学价值。在此，我们根据领域特定的CURE框架（可信、可理解、可复现、可扩展）和更通用的FAIR原则（可查找、可访问、可互操作、可复用）来探讨模型可复用性的要求。参考已发表的指南，我们发现在可查找性、可访问性和可互操作性方面的要求存在广泛共识，但围绕可复用性仍缺乏清晰度和共识。聚焦于计算模型的科学质量和实用性，我们讨论了支撑模型共享与复用的六项关键实践。将FAIR和CURE原则映射到模型生命周期，我们提出了十项关于构建和共享既符合FAIR又符合CURE要求的系统生物学模型的建议。
英文摘要
Computational models supporting mechanistic understanding of (complex) biological systems, systems behaviour prediction, and experimental design are becoming more and more embedded in research on complex biological systems. Reuse and refinement of models, rather than continuous reinvention, is becoming increasingly important as models' demands on computational infrastructure increase. However published models - despite the variety of efforts taken so far - are frequently difficult to reproduce or reuse, substantially limiting their scientific value. Here we address the requirements for model reusability in the light of the field-specific CURE framework (Credible, Understandable, Reproducible, Extensible) and the more general FAIR principles (Findable, Accessible, Interoperable, Reusable). Considering published guidance we identify broad agreement on requirements for findability, accessibility, and interoperability, but continued lack of clarity and consensus around reusability. Focusing on the scientific quality and usability of computational models we discuss six key practices underpinning model sharing and re-use. Mapping the FAIR and CURE principles onto the model lifecycle we propose ten recommendations for building and sharing systems biology models that are both FAIR- and CURE-compliant.
发表机构
- University of Ljubljana（卢布尔雅那大学）
- Chalmers University of Technology（查尔姆斯理工大学）
- ELIXIR（欧洲生物信息学基础设施）
- Heidelberg University（海德堡大学）
- Luxembourg National Data Service（卢森堡国家数据服务）
- National Institute of Biology（斯洛文尼亚国家生物学研究所）
- Frontiers Media SA（前沿媒体股份公司）
- University of Minho（米尼奥大学）
- Maastricht University（马斯特里赫特大学）
- Université de Lorraine（洛林大学）
- University of Padova（帕多瓦大学）
- Wageningen University and Research（瓦赫宁根大学与研究）
- LifeGlimmer GmbH（LifeGlimmer有限公司）
- RWTH Aachen University（亚琛工业大学）
- SIB Swiss Institute of Bioinformatics（瑞士生物信息学研究所）
- University of Hertfordshire（赫特福德大学）
- University of Toulouse（图卢兹大学）
- Inria（法国国家数字科学研究所）
- University of Luxembourg（卢森堡大学）
机构由 AI 辅助整理，请以论文原文为准。
