💻 computer science

Biomedical Open Source Software: Crucial Packages and Hidden Heroes

Dit artikel maakt gebruik van het CZ Software Mentions Dataset om de upstream-afhankelijkheden van biomedisch onderzoeksoftware in de PyPi-, CRAN- en Bioconductor-ecosystemen in kaart te brengen en te analyseren, waarbij via centraliteitsmaten kritieke "verborgen held"-pakketten worden geïdentificeerd om hun vaak over het hoofd geziene belang voor de wetenschappelijke gemeenschap te benadrukken.

Oorspronkelijke auteurs: Eva Maxfield Brown, Stephan Druskat, Laurent Hébert-Dufresne, James Howison, Daniel Mietchen, Andrew Nesbitt, João Felipe Pimentel, Boris Veytsman

Gepubliceerd 2026-05-08

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Eva Maxfield Brown, Stephan Druskat, Laurent Hébert-Dufresne, James Howison, Daniel Mietchen, Andrew Nesbitt, João Felipe Pimentel, Boris Veytsman

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je de wereld van wetenschappelijk onderzoek voor als een enorme, bruisende stad. In deze stad zijn wetenschappers de architecten en bouwers die nieuwe ontdekkingen ontwerpen. Maar ze bouwen niet met bakstenen en mortel; ze bouwen met software.

Al geruime tijd hebben we alleen gekeken naar de "wolkenkrabbers" van deze stad – de grote, opvallende softwaretools die wetenschappers direct in hun papers noemen. We weten wie de wolkenkrabbers hebben gebouwd en we geven hen prijzen. Maar dit paper stelt dat we de fundering, de pijpleidingen en de bedrading negeren die die wolkenkrabbers rechthoudt. Zonder hen zou de hele stad instorten, toch krijgen de mensen die deze verborgen onderdelen onderhouden vaak geen krediet, geen financiering en geen erkenning.

Hier is een eenvoudige uiteenzetting van wat het paper doet en vindt:

1. De "onzichtbare" werknemers

Stel je een softwarepakket voor als een recept.

De "zichtbare" chef: Een wetenschapper gebruikt een beroemd recept (zoals ggplot2 of DESeq2) om een gerecht te maken (een onderzoeksartikel). Iedereen ziet de chef en het gerecht.
De "verborgen" leveranciers: Dat beroemde recept is eigenlijk afhankelijk van een dozijn andere ingrediënten: een specifiek type meel, een speciale oven en een unieke maatbeker. Deze ingrediënten zijn andere softwarepakketten.
Het "Nebraska"-probleem: Het paper maakt een grappige verwijzing naar een strip over een man in Nebraska die een kritiek stuk internetinfrastructuur onderhoudt dat niemand kent. Dit zijn de "Nebraska-pakketten". Ze zijn het meel en de oven. Ze worden zelden genoemd in het uiteindelijke paper, maar zonder hen mislukt het recept. Ze zijn de "verborgen helden".

2. Hoe ze de stad in kaart hebben gebracht

De onderzoekers keken niet alleen naar wie in papers werd genoemd. Ze bouwden een gigantische afhankelijkheidskaart (een stamboom van software).

Ze keken naar 2,4 miljoen biomedische papers.
Ze traceerden elk softwarepakket dat in die papers werd genoemd.
Vervolgens vroegen ze zich af: "Wat heeft dit pakket nodig om te draaien?" en "Wat heeft dat nodig?" Ze bleven laag voor laag de konijnenholte in graven om de diepste, meest fundamentele tools te vinden.

Ze gebruikten een wiskundig hulpmiddel genaamd Katz-centraliteit. Stel je een spel voor van "Zes graden van Kevin Bacon", maar dan met software in plaats van acteurs.

Als een stuk software wordt gebruikt door een beroemd, veel geciteerd paper, krijgt het punten.
Als een stuk software wordt gebruikt door andere software die ook belangrijk is, krijgt het nog meer punten.
Dit helpt hen de tools te vinden die kritiek zijn voor het hele systeem, zelfs als niemand er direct over praat.

3. De vier soorten software (de "Stokes"-kaart)

De auteurs hebben de software in vier groepen ingedeeld, als een kaart van een stad:

De "Pasteur"-pakketten (de supersterren): Dit zijn de beroemde exemplaren. Ze worden constant genoemd in papers en ze vormen de basis voor veel andere tools. Voorbeelden: ggplot2, DESeq2, numpy. Iedereen kent ze en ze zijn cruciaal.
De "populaire" pakketten: Deze worden veel genoemd in papers, maar ze vormen de basis voor niet veel anders. Ze zijn het "gezicht" van het onderzoek, maar niet de motor.
De "meerderheid"-pakketten: De saaie, kleine tools die zelden worden genoemd en zelden door andere tools worden gebruikt. Ze zijn het achtergrondruis.
De "Nebraska"-pakketten (de verborgen helden): Dit is de grote ontdekking. Dit zijn tools die kritiek belangrijk zijn (hoge centraliteit) maar zelden worden genoemd in papers. Ze zijn de stille motoren.
- Gevonden voorbeelden: vctrs (een tool voor het verwerken van datatypen in R), withr (een tool voor het veilig uitvoeren van code) en setuptools (een tool voor het verpakken van Python-code).
- Een specifieke vondst was tifffile, een hoogwaardige tool voor het verwerken van afbeeldingsbestanden, gebouwd door één persoon. Het is vitaal voor veel projecten maar bijna onzichtbaar in de literatuur.

4. Waarom dit belangrijk is

Het paper stelt dat ons huidige systeem voor het belonen van wetenschappers gebroken is.

We belonen de mensen die de "wolkenkrabbers" schrijven (de zichtbare tools).
We negeren de mensen die de "pijpleidingen" onderhouden (de Nebraska-tools).
Het risico: Als deze verborgen tools stukgaan, of als de mensen die ze onderhouden stoppen omdat ze niet worden gefinancierd, bevindt de hele wetenschappelijke stad zich in gevaar. Het is alsof het elektriciteitsnet faalt omdat het nutsbedrijf stopt met het betalen van de lijnwerkers.

5. De beperkingen (de "kleine lettertjes")

De auteurs zijn eerlijk dat hun kaart niet perfect is:

Naamsverwarring: Soms heeft software dezelfde naam als andere dingen (zoals een tool genaamd "TopHat" versus een hoed die je draagt). De computer raakte soms in de war.
Ontbrekende stukken: Ze keken alleen naar open-source pakketten in specifieke "winkels" (zoals PyPI en CRAN). Ze misten propriëtaire software (zoals Excel) en wat zeer diepe, low-level systeemcode (zoals de Linux-kernel), omdat die moeilijker te traceren zijn.
Tijdsreizen: Ze keken naar de software zoals die vandaag bestaat. Maar software verandert. Een tool die 10 jaar geleden cruciaal was, is misschien nu verouderd, maar de kaart toont het nog steeds als belangrijk.

De kernboodschap

Dit paper is een oproep tot actie. Het zegt: "Stop met alleen naar de top van de ijsberg te kijken."

Om de wetenschap vooruit te helpen, moeten financiers en organisaties de "Nebraska-pakketten" erkennen en ondersteunen – de onzichtbare, fundamentele software die modern onderzoek mogelijk maakt. Als we dat niet doen, riskeren we dat de hele wetenschappelijke infrastructuur van onderop instort.