编者按：国内外对于如何有效资助科学研究非常关注。目前很多的科学基金被陈旧的筛选机制和庸俗关系所侵蚀。本文作者提出，利用公共数据库进行数据挖掘和网络分析可以识别和量化科学发现与医学重大进展（治愈）之间的关系。作者认为，进一步发展此类方法可以帮助提高公众对生命科学研究的理解，并可以为寻找治愈方法的决策提供支持。当然，这篇文章为如何有效资助科学研究问题的解决提供了一种观点。
政府和慈善家主要期望生命科学研究能够带来治愈——广义上定义为预防、根除或减轻严重疾病的措施，从而为生命科学提供资金支持。然而，公众对科学发现如何真正转化为治愈的理解有限，而阐明生物过程原理的研究可能被非科学家认为深奥难懂，与公众期望无关。近年来，一些重要的治愈案例已经出现，但美国国立卫生研究院 (NIH) 获得的联邦资助在过去十年中有所下降（FASEB 2015），这表明公众对生命科学企业是否满足公众期望缺乏强烈的共识。
为什么在发现速度强劲、科学家看到机会不断扩大的情况下，公众对生命科学研究的支持却在动摇？采取行动提高公众对新治疗方法开发方式的理解，是否可以导致对生命科学的持续和可预测的资助？
我们提出，将数据挖掘和网络分析（Nicholson 2006；Nishikawa 和 Motter，2011）应用于我们称之为“治愈网络信息学”的领域，可以帮助提高公众对生命科学发现社会价值的认识。从这个概念中产生的深思熟虑的指标可以发展和塑造成形式，在生命科学家和为其提供资金的那些人之间广泛接受，并可用于以加速治愈进程的方式指导决策。
在这里，我们通过一个分析模型和基于拓扑的算法来描述这一方向的一步，这些算法量化了科学发现与治愈之间的关系。
我们建立了并自动化了利用公开数据库的数据收集和网络分析协议，包括 www.fda.gov、www.clinicaltrials.gov、www.pubmed.gov 和 www.webofknowledge.com。在一项试点研究中，我们考虑了两种新药 ipilimumab 和 ivacaftor 在肿瘤学和囊性纤维化中最近成功申请监管批准的应用。这些医学进步足够新颖和重要，可以合理地将其描述为“治愈”（见上文）。Ipilimumab 是免疫肿瘤学这一新兴领域中的第一个成功案例（Sharma 和 Allison，2015），它通过释放免疫效应细胞从检查点抑制中诱导出对先前难治性癌症患者的持续临床缓解。Ivacaftor 纠正了囊性纤维化跨膜传导调节因子中特定功能缺失突变的结构，并且是这种遗传性疾病的首个靶向疗法。从这些药物的临床试验中引用的参考文献和提供给美国联邦药物管理局 (FDA) 以获得监管批准的信息（FDA，2011；FDA，2012）开始，我们提取了两轮回顾性引用，并构建了文章、作者和机构对网络做出贡献的网络模型。这种方法的假设是：（1）FDA 申请和临床试验的作者将适当引用报道对新药候选药物开发至关重要的新知识的出版物；（2）进一步的回顾性引用将识别以前发现的最重要发现，这些发现构成了成功药物开发计划的知识基础。
我们发现，治愈发现引用网络的特点是复杂且根本上是协作的，涉及对治愈做出贡献的不同科学家和机构的数量。例如，ipilimumab 的引用网络包括 7,067 名不同的科学家，他们列出了 5,666 个不同的机构和部门附属机构，并包括跨越 104 年研究的发现（图 1A）。Ivacaftor 的结果类似：来自 2,516 个不同机构和部门附属机构的 2,857 名不同科学家，发现跨越了 59 年的研究（图 1B）。
接下来，我们使用两个指标来描述每个引用网络中的个人科学家。传播入度排名 (PIR) 基于作者在引用网络中发表的文章数量和引用计数，并衡量在该组出版物中的影响力。基本排名比率 (RBR) 基于作者在治愈发现引用网络中发表文章的选择性，与大小、范围和结构相似的主题相关出版物背景网络相比。该比率有助于规范他们的整体出版成果。
通过将 PIR 和 RBR 指标应用于整个治愈发现引用网络，最有影响和选择性贡献者出现在了这些庞大的网络中。因此，在 ipilimumab 的情况下，15 名科学家和 7 个机构与跨越 46 年的 433 篇文章相关，被描述为精英表现者（图 1A 和表 S1）。在 ivacaftor 网络中表现出与相同指标定义的类似特性的精英表现者包括 33 名科学家和 7 个机构，与跨越 47 年的 355 篇文章相关（图 1B 和表 S1）。这些精英表现子网络是其整体引用网络不可或缺的一部分，为 ipilimumab 网络的 31% 和 ivacaftor 网络的 49% 提供了枢纽。
这些数据量化了医学重要进展（“治愈”）所依赖的知识库包括来自许多不同地区的大量不同个人科学家的贡献。这一见解应该对政策制定者有所启发，他们建议未来的治愈将取决于对生命科学的广泛公共支持。狭隘的目标资金计划可能很有价值，但单独来看，它们不太可能产生为未来治愈奠定基础所需的新知识范围。
我们呼吁科学界接受并推进治愈网络信息学的概念，以便开发先进的分析工具，以增加对科学发现如何导致治愈的理解，包括可能指导正在进行的工作的预测指标。所有必要的代码均可免费获取并开源（Lotia 和 Pico，2015）。这种网络信息学方法可以应用于任何具有引用出版物轨迹的“治愈”。公共数据库的管理员可以通过在数据库架构和嵌入式工具的设计中考虑治愈网络信息学来在这些努力中发挥重要作用。确定所有治愈都普遍存在的趋势和特定类型治愈的趋势也很重要。识别治愈网络中枢纽的特征，这些特征对于创建治愈所需的知识流动至关重要，也将很有用。
生物医学领域的领导者和评论员普遍认为，需要更好的指标来评估生命科学中的绩效和决策支持（Sarli 和 Carpenter，2014；哥德堡大学，2013）。易于被非科学家理解的指标，基于公众高度重视的结果（治愈），并且忠实于科学家所知道的科学发现的丰富交叉和往往不可预测的本质，应该比目前可用的替代方案更能影响政策制定者。进一步开发治愈网络信息学的新工具应该有助于提高公众对生命科学企业的信任和支持。
补充信息
补充信息包括一个表格，可在此篇文章的在线版本中找到：http://dx.doi.org/10.1016/j.cell.2015.09.007。
致谢
我们感谢 Schwab 基金会和 Bruce 和 Martha Atwater 帐户为该项目提供资金支持。我们还要感谢 Eleanor Prezant 为该项目提供项目管理以及与此研究相关的沟通。
R. Sanders Williams,1,2, Samad Lotia,1 Alisha K. Holloway,1,2 和 Alexander R. Pico1,2
1Gladstone 研究所，美国加利福尼亚州旧金山 94158
2加利福尼亚大学旧金山分校，美国加利福尼亚州旧金山 94143
通讯作者：rs.williams@gladstone.ucsf.edu
http://dx.doi.org/10.1016/j.cell.2015.09.007
