科研原始数据保存规范共识

科研原始数据保存规范共识为确保科研工作的严谨性、可追溯性和数据共享的便利性，特制定本规范共识，旨在为科研活动中的原始数据保存提供一套系统、明确、可操作的指导原则。本共识适用于所有涉及实验、观测、调查、计算等产生原始数据的科研项目与个人研究者，期望通过共同遵守，提升科研数据的整体管理水平和长期价值。一、原始数据定义、范围与核心价值科研原始数据，是指在研究过程中通过直接观察、测量、实验、计算或调查首次获得的最基础、未经过加工或解释的数据、记录、图像、样本等。其形式多样，包括但不限于实验室记录本、仪器直接输出的数字文件、田野调查笔记、问卷调查原始答卷、传感器采集的时序数据、拍摄的原始图像与视频、未处理的测序数据、计算模拟的初始输入与输出文件、以及相关的元数据等。原始数据的核心价值在于其不可替代的原始性与真实性。它是所有后续数据分析、结果推导、论文结论的根基，是验证研究成果可重复性的关键证据，也是应对学术质疑、进行深入再分析或衍生新研究的宝贵资源。妥善保存原始数据，不仅是对科研工作者自身负责，更是对科研经费提供者、科学共同体乃至社会公众负责。二、原始数据保存的基本原则1.真实性原则：必须保存未经人为篡改、修饰的原始状态数据。任何对数据的后续处理、分析都应独立于原始数据文件进行，并保留完整的数据处理流程记录。2.完整性原则：保存的数据应尽可能完整，包括所有相关的数据文件、实验条件记录、样本信息、仪器参数、操作人员、时间地点等元数据。缺失关键信息的原始数据其科学价值将大打折扣。3.可溯性原则：从最终发表的研究结论，应能清晰、逐级地回溯到支撑其的原始数据。这要求建立数据与样本、实验记录、分析代码、论文图表之间的明确关联标识。4.安全性原则：采取可靠的技术和管理措施，防止数据丢失、损坏、未授权访问或泄露，特别是涉及个人隐私、国家秘密或商业机密的数据。5.可访问性原则：在遵守伦理、隐私和安全规定的前提下，应制定数据在一定期限后的共享计划，以促进科学知识的传播和再利用。项目组成员在项目期间应能高效、安全地访问所需数据。三、数据产生与记录规范原始数据的质量始于产生与记录环节。规范的记录是数据可用的前提。使用标准化记录载体：推荐使用装订牢固、页码连续的实验记录本进行手写记录，或使用具有审计追踪、防篡改功能的电子实验记录本。避免使用零散的活页纸或易失的便签。记录内容详尽：每次实验或观测，应记录：日期与时间：精确到必要的程度。实验者/记录者：签名。实验目的：本次操作要解决的具体问题。材料与样本：名称、来源、批号、唯一标识符、处理状态等。方法与步骤：详细的操作流程，包括对标准方法的任何修改。仪器与参数：仪器型号、软件版本、关键设置参数。原始观察与测量结果：直接读取的数据、现象描述、图像编号等。初步分析与备注：即时观察到的异常、问题、初步想法。电子数据文件命名与管理：建立清晰、一致的文件命名规则和目录结构。命名应包含关键信息，如项目缩写、日期、样本ID、实验类型、版本等。示例：文件命名与目录结构```项目A/├──实验记录/│├──ELN_2023-10-26_细胞培养与处理.pdf│└──实验记录本扫描_第50-55页.pdf├──原始数据/│├──20231026_细胞成像/││├──20231026_SampleA1_GFP_10x.tif││├──20231026_SampleA2_GFP_10x.tif││└──imaging_parameters_20231026.csv│├──20231027_WesternBlot/││├──raw_images/││└──quantification_raw_data.xlsx│└──20231030_RNA测序/│├──SampleA_R1.fastq.gz│├──SampleA_R2.fastq.gz│└──sample_sheet.csv├──分析脚本/│├──image_analysis_v1.2.py│└──RNAseq_QC_analysis.R└──论文图表数据/├──Figure1_source_data.xlsx└──Figure2_statistics.RData```四、数据组织、存储与备份策略系统化的组织与多重备份是防止数据丢失的基石。1.组织架构：建议按“项目-数据类型-日期”的层级组织数据。为每个项目建立独立的主文件夹，内部按数据产生的时间顺序或逻辑模块划分子文件夹。2.存储介质：区分在线存储、近线存储和离线归档。在线存储（工作存储）：如机构提供的网络附加存储、高性能计算中心存储、或可靠的商业云存储（需评估合规性）。用于存放正在频繁使用的数据。近线存储（中期备份）：如实验室内部的NAS、外置硬盘阵列。用于定期备份在线数据。离线归档（长期备份）：如磁带、蓝光光盘、或专用的离线硬盘。用于项目结题或论文发表后的数据长期归档。3.备份策略（3-2-1原则）：至少保存3份数据副本：一份原始工作副本，加上至少两份备份。使用至少2种不同的存储介质：例如，一份在NAS，一份在磁带或云存储。其中1份备份存放在异地：以防火灾、水灾等本地灾害导致数据全毁。4.备份频率与验证：根据数据产生和修改的频率制定备份计划（如每日增量备份，每周全量备份）。定期（如每季度）验证备份数据的可读性和完整性。五、元数据管理与数据文档没有元数据的数据是“死数据”。元数据是描述数据的数据，是理解和使用原始数据的钥匙。核心元数据内容：应创建独立的元数据文件（如README.txt或metadata.xml），伴随原始数据。内容应包括：项目标题、负责人、资助来源。数据收集的时间、地点、人员。数据文件列表及其描述、对应关系。实验设计、样本信息、变量定义、测量单位。仪器型号、软件版本、关键处理步骤。数据质量控制步骤说明。相关论文、预印本或协议的引用。数据使用许可与共享条件。使用标准与词汇：鼓励使用学科领域内公认的元数据标准（如DublinCore,ISA-Tab等）和受控词汇表，以增强数据的互操作性和可发现性。六、数据安全、保密与伦理合规访问控制：根据数据敏感程度，实施严格的访问权限管理。区分所有者、编辑者、查看者等角色。加密处理：对涉及个人隐私、商业秘密或特别敏感的数据，在传输和静态存储时应进行加密。伦理与法律遵从：涉及人类受试者、患者、濒危物种、地理位置敏感信息的数据，其保存与共享必须严格遵守相关的伦理审查批准、知情同意条款、数据保护法规（如GDPR）和国家法律法规。必要时进行数据脱敏或匿名化处理。风险评估：定期进行数据安全风险评估，并制定相应的应急预案。七、数据保存期限与长期归档最低保存期限：原始数据自相关研究论文发表之日起，应至少保存10年。对于有重大发现、可能引发争议、或具有长期参考价值（如长期生态观测、罕见病研究）的数据，应永久保存。项目结题与人员变动：项目结题或主要研究人员离职、毕业前，必须完成数据的整理、归档和交接工作，明确后续管理责任人。归档至机构或学科数据库：鼓励并将数据及其元数据归档至所在机构的知识库或本学科领域认可的公共数据仓储（如GenBank,PDB,Dryad,Figshare等）。这能极大提升数据的可发现性、可访问性、互操作性和可重用性（FAIR原则），并为其提供专业的长期保存服务。八、数据共享与访问共享计划：在研究计划或数据管理计划中，预先明确数据的共享范围、时间、方式及条件。共享时机：通常与论文发表同步，或遵循资助机构的要求（如论文发表后一定期限内公开）。共享方式：通过公共数据仓储共享是最佳实践，可获持久标识符（如DOI）。也可在合理请求下提供。使用许可：为共享的数据选择合适的使用许可协议（如CreativeCommons系列协议），明确他人使用、修改、再分发的权利和义务。九、角色与责任研究者（学生、博士后、技术人员）：是数据产生和日常管理的第一责任人，负责规范记录、及时整理、妥善保存本人产生的原始数据。课题负责人/首席科学家：对项目所有数据的完整性、安全性、合规性及长期保存负最终责任。负责制定数据管理计划、监督执行、并提供必要的资源支持。研究机构：应建立制度框架，提供数据管理政策指导、存储基础设施、培训支持和技术服务，并监督compliance。资助机构：通过政策要求数据管理计划，并鼓励或强制要求数据公开共享。十、培训与文化建设规范的落实依赖于人的意识与能力。应定期组织针对不同层次研究人员的培训，内容涵盖数据管理理念、本规范的具体要求、相关工具使用