隨著數(shù)據(jù)規(guī)模呈指數(shù)級(jí)增長，神經(jīng)科學(xué)家面臨著一個(gè)緊迫的問題：是應(yīng)該保留所有原始數(shù)據(jù)，還是更專注于處理后的數(shù)據(jù)集？為了探討這一議題，麻省理工大學(xué)麥戈文腦研究所的科學(xué)家Nima Dehghani，向15位實(shí)驗(yàn)與理論研究專家征集了意見。
Nima Dehghani專注于神經(jīng)科學(xué)、理論物理學(xué)和人工智能的交叉領(lǐng)域，他的研究旨在理解大腦的復(fù)雜動(dòng)態(tài)系統(tǒng)及其功能。在他看來，理解原始數(shù)據(jù)與處理數(shù)據(jù)之間的權(quán)衡，對(duì)于最大化數(shù)據(jù)利用至關(guān)重要。
近年來，神經(jīng)科學(xué)領(lǐng)域的技術(shù)進(jìn)步，如神經(jīng)像素探針和光片顯微鏡，極大地?cái)U(kuò)展了從大腦中記錄信息的能力。然而，這些技術(shù)也帶來了前所未有的數(shù)據(jù)量挑戰(zhàn)。單次實(shí)驗(yàn)就可能產(chǎn)生數(shù)PB的數(shù)據(jù)，遠(yuǎn)超以往處理能力的極限。
原始數(shù)據(jù)因其完整性和未經(jīng)篩選的特點(diǎn)，成為某些研究不可或缺的資源。例如，尖峰分類算法可能從看似背景噪聲的活動(dòng)中提取出有意義的信息。原始數(shù)據(jù)還能增強(qiáng)科研的透明性和可重復(fù)性，并作為訓(xùn)練人工智能模型的重要素材。
然而，處理后的數(shù)據(jù)在科研生態(tài)系統(tǒng)中同樣扮演著關(guān)鍵角色。經(jīng)過預(yù)處理的數(shù)據(jù)，如尖峰分類、濾波或去卷積處理后的數(shù)據(jù)，更便于共享和使用。這不僅能減輕研究人員的負(fù)擔(dān)，還能促進(jìn)不同專家在不同研究階段的協(xié)作。
盡管如此，存儲(chǔ)原始數(shù)據(jù)的成本高昂，且訪問龐大的數(shù)據(jù)集對(duì)研究者來說也是一項(xiàng)挑戰(zhàn)。為了應(yīng)對(duì)這些問題，一些實(shí)驗(yàn)室開始采用“延遲加載”等策略，僅在必要時(shí)訪問數(shù)據(jù)部分，但這需要復(fù)雜的數(shù)據(jù)管理基礎(chǔ)設(shè)施。
在探討如何平衡原始數(shù)據(jù)與處理數(shù)據(jù)的需求時(shí)，多位專家提出了各自的觀點(diǎn)。例如，紐約大學(xué)醫(yī)學(xué)院的Zhe Sage Chen認(rèn)為，能夠訪問原始數(shù)據(jù)和處理后數(shù)據(jù)對(duì)于開發(fā)新的分析工具至關(guān)重要。他強(qiáng)調(diào)，同時(shí)保留兩種格式的數(shù)據(jù)集，并進(jìn)行對(duì)比分析，是一種有效的方法。
另一方面，西班牙卡哈爾研究所的Liset M. de la Prida指出，全面記錄實(shí)驗(yàn)數(shù)據(jù)和代碼的文檔對(duì)于數(shù)據(jù)共享至關(guān)重要。她強(qiáng)調(diào)，理解數(shù)據(jù)的細(xì)微差別對(duì)于推廣研究結(jié)果極為關(guān)鍵。
波士頓大學(xué)生物醫(yī)學(xué)工程系的Anna Devor則強(qiáng)調(diào)了數(shù)據(jù)預(yù)處理的重要性。她指出，原始實(shí)驗(yàn)數(shù)據(jù)中常常存在“瑕疵”，如實(shí)驗(yàn)對(duì)象的運(yùn)動(dòng)、儀器噪聲等，這些都需要通過預(yù)處理來去除。
紐約大學(xué)神經(jīng)科學(xué)系的André Fenton分享了他的經(jīng)驗(yàn)。他表示，盡管現(xiàn)代技術(shù)使得從神經(jīng)像素?cái)?shù)據(jù)中提取大量神經(jīng)元單元成為可能，但存儲(chǔ)原始數(shù)據(jù)仍然至關(guān)重要。他強(qiáng)調(diào)，許多改進(jìn)和錯(cuò)誤糾正都是在數(shù)據(jù)收集多年后才發(fā)現(xiàn)的。
麻省理工學(xué)院麥戈文腦研究所的Satrajit Ghosh則從數(shù)據(jù)管理的角度提出了思考。他指出，神經(jīng)科學(xué)原始數(shù)據(jù)和元數(shù)據(jù)的復(fù)雜性給數(shù)據(jù)生產(chǎn)者帶來了巨大的資源挑戰(zhàn)。因此，需要審慎決定哪些數(shù)據(jù)該留存，哪些可舍棄。
斯坦福大學(xué)神經(jīng)生物學(xué)系的Lisa Giocomo強(qiáng)調(diào)了推動(dòng)數(shù)據(jù)共享和基礎(chǔ)設(shè)施改進(jìn)的重要性。她認(rèn)為，這不僅能增強(qiáng)研究的透明性和可重復(fù)性，還能確保實(shí)驗(yàn)數(shù)據(jù)的科學(xué)價(jià)值被最大化。
總體而言，神經(jīng)科學(xué)家們?cè)谠紨?shù)據(jù)與處理數(shù)據(jù)之間尋求平衡的過程中，面臨著諸多挑戰(zhàn)和機(jī)遇。通過合作與技術(shù)創(chuàng)新，他們正努力克服這些障礙，以推動(dòng)神經(jīng)科學(xué)的進(jìn)一步發(fā)展。
