فراداده برای اطمینان از تحقیقات با کیفیت و رفاه حیوانات

مطالعه‌ای که توسط یک تیم تحقیقاتی دولتی-خصوصی، از جمله دانشگاه لوزان (UNIL) انجام شد، اولین مجموعه ابرداده حداقلی را برای آزمایش‌های حیوانی ایجاد می‌کند که گامی مهم در جهت حداکثر کردن اشتراک‌گذاری و تکرارپذیری داده‌های تحقیقاتی و محدود کردن استفاده از حیوانات است. این مطالعه، منتشر شده در LabAnimal، یک فراخوان واقعی برای اقدام برای سهامداران اصلی در تحقیقات زیست پزشکی است.

تحقیقات زیست پزشکی با انفجار داده های تولید شده در نتیجه پیشرفت های فناوری و دیجیتال وارد عصر جدیدی شده است. با این حال، کمیت لزوماً پیشرفت علمی را تضمین نمی کند. برای افزایش دانش، داده ها باید به اشتراک گذاشته شوند تا بتوان آنها را در زمینه های دیگر بازجویی کرد یا توسط دیگران بازتولید کرد.

استفاده مجدد و تکرارپذیری داده ها به ویژه به تحقیقات مربوط به حیوانات مربوط می شود تا استفاده از آنها را به حداقل ممکن محدود کند و تنها زمانی که امکان پاسخگویی به سؤالات جدید را فراهم کند. فراداده بخش اساسی این فرآیند است. آنها حاوی اطلاعات توصیفی و اداری و همچنین جزئیات نحوه جمع آوری داده های اصلی هستند.

با این حال، ابرداده‌های موجود برای تحقیقات زیست‌پزشکی بر روی حیوانات زنده فاقد استانداردی هستند که بتواند قابلیت همکاری داده‌های خام مرتبط را تضمین کند. تعریف حداقل مجموعه ابرداده (MNMS) مورد نیاز برای توصیف داده‌های تولید شده توسط یک آزمایش، تأثیر چنین داده‌هایی را قادر می‌سازد تا به رشته‌های تحقیقاتی متعدد گسترش یابد و در نتیجه استفاده از حیوانات را محدود کند.

لئوناردو رستیوو، رئیس واحد تحلیل عصبی-رفتاری در گروه علوم اعصاب بنیادی در دانشکده زیست شناسی و پزشکی دانشگاه لوزان (UNIL) و یکی از نویسندگان این مطالعه، توضیح می دهد: «ما این مطالعه را پس از جلساتی آغاز کردیم. و بحث هایی که در چارچوب همکاری اروپا در علم و فناوری (اقدام COST-TEATIME) به وجود آمد، زیرا انجام آن ضروری شده است.

داده های منصفانه و اخلاقی

تیم پشت این مطالعه یک مجموعه حداقل ابرداده (MNMS) را پیشنهاد می کند که برای فعال کردن استفاده مجدد از داده های in vivo طراحی شده است.

ما از ابتدا شروع نکردیم. ما خودمان را با دستورالعملی برای بهبود گزارش تحقیقات حیوانی به نام ARRIVE 2.0 که از سال 2010 وجود داشت، هماهنگ کردیم. علاوه بر این، ما می‌خواستیم این مجموعه ابرداده به سازگاری داده‌های حیوانات زنده با مفهوم داده‌های FAIR کمک کند. لئوناردو رستیوو توضیح می دهد. رویکرد FAIR در پاسخ به دسترسی به اینترنت و داده‌های بزرگ برای یافتن داده‌ها، قابل دسترسی، قابلیت همکاری و استفاده مجدد (FAIR) ایجاد شد.

نتیجه یک جدول، نوعی چک لیست است که جنبه‌های حیاتی آزمایش‌های حیوانی، مانند شرایط اسکان، تصویربرداری، جراحی، روش‌های تجویز ترکیبات، و پروتکل‌های استاندارد شده را ارائه می‌کند، اما همچنین سن یا وضعیت ژنتیکی حیوانات را که باید هنگام جمع‌آوری داده‌های تجربی، در فراداده‌ها مستند شده است.

این مطالعه یک گام فراتر می رود و نشان می دهد که MNMS با نشان دادن یک مورد آزمایشی مشخص که در یک شرکت داروسازی زیستی انجام شده است، برای تحقیقات زیست پزشکی قابل استفاده است.

فراتر از داده ها

نویسندگان همچنین سناریوهایی را پیشنهاد می‌کنند که در آن MNMS باید پیاده‌سازی شود. محیط‌ها و موقعیت‌های تحقیقاتی مختلف، مانند موضوع محرمانه بودن داده‌ها، امکانات و اهرم‌های مشخصی را برای رویارویی با چالش‌های تخصیص مجدد داده‌ها در سطوح مختلف فراهم می‌کنند.

لئوناردو رستیوو می‌گوید: “در حال حاضر، این یک پایه محکم است که توسط تیم تحقیقاتی ما پیشنهاد شده است. ایده این است که دانشمندان، سهامداران و تصمیم‌گیرندگان آن را بکار گیرند و بیشتر توسعه دهند.”