Biomedical Open Source Software: Crucial Packages and Hidden Heroes
本文利用 CZ 软件提及数据集，对 PyPi、CRAN 和 Bioconductor 生态系统中的生物医学研究软件的上游依赖关系进行映射与分析，并通过中心性指标识别出关键的“幕后英雄”软件包，以凸显其对科学界常被忽视的重要性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，科学研究的世界是一座庞大而繁忙的城市。在这座城市里，科学家们是设计新发现的建筑师和建造者。但他们并非用砖块和灰泥建造，而是用软件来建造。
长期以来，我们只关注这座城市的“摩天大楼”——那些科学家在论文中直接提及的、宏大而炫目的软件工具。我们知道是谁建造了这些摩天大楼，并给予他们奖项。但这篇论文认为，我们忽视了支撑这些摩天大楼的地基、管道和线路。没有它们，整座城市将分崩离析，然而维护这些隐蔽部分的人们往往得不到任何赞誉、资金或认可。
以下是该论文所做工作及发现内容的简要概述：
1. “隐形”工作者
可以将一个软件包想象成一份食谱。
- “可见”的厨师：科学家使用一份著名的食谱（如
ggplot2或DESeq2）来制作一道菜（一篇研究论文）。每个人都能看到厨师和这道菜。 - “隐形”的供应商：那份著名的食谱实际上依赖于十几种其他食材：特定类型的面粉、特殊的烤箱和独特的量杯。这些食材就是其他的软件包。
- “内布拉斯加”问题：该论文引用了一个关于一位在内布拉斯加维护关键互联网基础设施却无人知晓的男子的卡通，以此作为有趣的参照。这些就是**“内布拉斯加软件包”**。它们就是面粉和烤箱。它们在最终论文中很少被提及，但如果没有它们，食谱就会失败。它们是“隐形的英雄”。
2. 他们如何绘制这座城市
研究人员并没有仅仅查看谁在论文中被提及。他们构建了一张巨大的依赖关系图（软件的家谱）。
- 他们分析了 240 万篇生物医学论文。
- 他们追踪了这些论文中提及的每一个软件包。
- 然后，他们问道：“这个软件包运行需要什么？”以及“那个软件包需要什么？”他们一层层地深挖这个兔子洞，以找到最深层、最基础的工具。
他们使用了一种名为Katz 中心性的数学工具。想象一下“凯文·贝肯的六度分隔”游戏，但主角不是演员，而是软件。
- 如果一个软件被一篇著名且高引用的论文使用，它就会得分。
- 如果一个软件被其他重要的软件使用，它则会得到更多的分数。
- 这有助于他们发现对整个系统至关重要的工具，即使没有人直接谈论它们。
3. 四种类型的软件（“斯托克斯”地图）
作者将软件分为四组，就像一张城市地图：
- “巴斯德”软件包（超级明星）：这些是著名的软件包。它们在论文中被频繁提及，并且是许多其他工具的基础。例如：
ggplot2、DESeq2、numpy。人人都知道它们，而且它们至关重要。 - “流行”软件包：这些在论文中被大量提及，但它们并不是其他许多内容的基础。它们是研究的“门面”，而非引擎。
- “大多数”软件包：那些枯燥、微小的工具，很少被提及，也很少被其他工具使用。它们是背景噪音。
- “内布拉斯加”软件包（隐形的英雄）：这是重大发现。 这些工具至关重要（高中心性），但在论文中很少被提及。它们是沉默的引擎。
- 发现的示例：
vctrs（R 语言中用于处理数据类型的工具）、withr（用于安全运行代码的工具）以及setuptools（用于打包 Python 代码的工具）。 - 一个具体的发现是
tifffile，这是一个由单人构建的高质量图像处理工具。它对许多项目至关重要，但在文献中几乎隐形。
- 发现的示例：
4. 为什么这很重要
该论文认为，我们目前奖励科学家的体系存在缺陷。
- 我们奖励那些撰写“摩天大楼”（可见工具）的人。
- 我们忽视了那些维护“管道”（内布拉斯加工具）的人。
- 风险：如果这些隐藏的工具失效，或者维护它们的人因缺乏资金而离职，整个科学城市都将面临危险。这就像因为公用事业公司停止支付线路工人的工资而导致电网瘫痪一样。
5. 局限性（“细则”）
作者诚实地指出，他们的地图并不完美：
- 名称混淆：有时软件名称与其他事物相同（例如，一个名为"TopHat"的工具与一顶你戴的帽子）。计算机有时会感到困惑。
- 缺失部分：他们只查看了特定“商店”（如 PyPI 和 CRAN）中的开源软件包。他们遗漏了专有软件（如 Excel）以及一些非常深层的低级系统代码（如 Linux 内核），因为那些更难追踪。
- 时间旅行：他们查看的是软件今天的样子。但软件是会变化的。十年前至关重要的工具现在可能已经过时，但地图仍将其显示为重要。
核心结论
这篇论文是一声行动号召。它说：“停止只关注冰山一角。”
为了推动科学向前发展，资助者和组织需要认可并支持“内布拉斯加软件包”——那些使现代研究成为可能的、隐形的、基础性的软件。如果我们不这样做，整个科学基础设施就有从底部开始崩塌的风险。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。