A collaborative submission model for building high-quality data resources at scale through partnership

당신이 과학자들이 똑똑한 컴퓨터 프로그램(AI)을 훈련시키고 거대한 의학적 미스터리를 해결하는 데 도움이 될 수 있도록, 세계에서 가장 크고 유용한 생물학적 정보 도서관을 구축하려고 한다고 상상해 보십시오.

이 논문은 주요한 문제를 설명합니다: 당신은 수백만 권의 책(엄청난 양의 데이터)을 가진 도서관을 원하지만, 동시에 모든 책이 완벽하게 쓰여지고, 잘 정리되어 있으며, 이해하기 쉬워야(높은 품질과 풍부한 세부 정보) 합니다. 보통 이 두 가지 목표는 서로 충돌합니다. 만약 사람들에게 그냥 책을 가져다 달라고 요청한다면, 거대한 더미를 얻게 되겠지만 그 안은 찢어진 페이지와 누락된 제목들로 엉망진창일 것입니다. 반대로 당신이 직접 모든 것을 정리하려고 노력한다면, 한 번에 아주 적은 양의 책만 다룰 수 있을 뿐입니다.

해결책: "협력적 제출(Collaborative Submission)" 모델

저자들은 이 문제를 해결하기 위해 두 집단 간의 팀워크를 만드는 방법을 설명합니다:

1. 연구자 (기여자): 이들은 실제로 실험을 수행한 과학자들입니다. 이들은 자신들의 데이터 뒤에 숨겨진 "비밀 이야기"를 알고 있지만, 공공 도서관을 위해 데이터를 형식을 맞추는 데 시간을 보낼 만큼 여유롭지 않습니다.
2. 큐레이터 (파트너): 이들은 데이터가 컴퓨터와 다른 과학자들이 쉽게 사용할 수 있도록 어떻게 정리하고, 라벨을 붙이고, 표준화해야 하는지 정확히 아는 도서관 전문가들입니다.

작동 방식 (비유)

이것을 누군가의 이사를 돕는 전문 이삿짐 센터라고 생각해 보십시오.

• 과거의 방식 (기여자 중심): 집주인에게 모든 상자를 싸고, 모든 물건에 라벨을 붙이고, 트럭을 운전하라고 요청합니다. 그들은 그렇게 하지만, "취급 주의" 상자에 라벨을 붙이는 것을 잊어버리거나, 주방용품을 책과 함께 섞어서 짐을 쌀 수도 있습니다. 그러면 나중에 물건을 찾기가 매우 어려워집니다.
• 또 다른 과거의 방식 (리소스 중심): 이삿짐 센터가 집주인에게 아무것도 묻지 않고 대신 짐을 싸줍니다. 그들은 모든 것을 깔끔하게 싸지만, 어떤 상자에 가보(family heirloom)가 들어있는지 혹은 어떤 책이 희귀한 초판본인지 알지 못합니다. 그들은 중요한 것을 버리거나 잘못된 라벨을 붙일 수도 있습니다.
• 새로운 방식 (협력적): 집주인(연구자)이 "이것은 가보이고, 이것은 제가 보관하고 싶은 책입니다"라고 말합니다. 이삿짐 센터(큐레이터)는 "좋습니다, 제가 그것을 조심스럽게 포장하고, 완벽하게 라벨을 붙여서, 올바른 트럭에 실어 놓겠습니다"라고 답합니다.

왜 효과적인가

• 최상의 조합: 연구자는 "친밀한 지식"(맥락)을 제공하고, 큐레이터는 "표준화"(정리)를 제공합니다.
• 부담 감소: 연구자들은 데이터 형식을 맞추는 무거운 작업을 모두 수행할 필요가 없습니다. 그들은 단지 자신들의 지식을 공유하기만 하면 됩니다.
• 더 나은 품질: 큐레이터들은 데이터의 재사용성을 높이는 전문가들이기 때문에, 최종 결과물은 AI 훈련과 복잡한 분석에 즉시 사용할 수 있는 고품질의 리소스가 됩니다.

결과

이 파트너십 모델을 사용하여, CZ CELLxGENE Discover 프로젝트는 과학자들이 새로운 아이디어를 테스트하고, 자신의 발견을 검증하며, AI 모델을 구축하는 데 사용하는 빠르게 성장하는 고품질의 "도서관"이 되었습니다. 이 논문은 이러한 특정 협업 방식이 품질을 양과 맞바꾸지 않으면서도, 거대하고 신뢰할 수 있는 데이터 리소스를 지속 가능하고 성장하게 만드는 핵심이라고 주장합니다.