Nuevo método de publicación de datos científicos, con más transparencia y más aptitud para la reutilización

El 15 de Marzo de 2016 se han publicado formalmente los principios directrices FAIR para la gestión y administración de datos científicos (http://dx.doi.org/SDATA.2016.18), en la revista Scientific Data del Grupo Nature Publishing.

El problema que abordan los principios FAIR es la actual falta de prácticas adecuadas para la gestión de datos generados como resultado de la investigación científica, de modo que los datos se puedan compartir, comunicar con claridad y aplicar fácilmente en otros contextos.

La historia de la publicación en revistas especializadas es larga y bien conocida, algo que no se puede decir de la publicación formal de los propios datos. Sin embargo, los datos podrían considerarse como la principal producción fruto de la investigación científica, y su publicación y reutilización son necesarias para asegurar su validación y reproducibilidad, así como para llevar a cabo futuros descubrimientos. Los principios FAIR abordan estas necesidades, indicando qué serie de cualidades precisas y medibles debería tener toda publicación formal de datos - cualidades que aseguran que los datos se pueden Encontrar (Findable), son Accesibles (Accessible), Interoperables (Interoperable) y Reutilizables (Reusable)”, es decir, “FAIR”.

Sus fundamentos se propusieron en Enero de 2014 tras el Lorentz Center Workshop. Se reunieron entonces distintos actores interesados en la publicación y reutilización de datos científicos, para discutir las características requeridas en el mundo de la publicación científica actual. El primer borrador de los fundamentos FAIR se publicó en la Web Force11, para que una comunidad mayor los pudiera evaluar y comentar

- proceso que duró unos dos años. Este proceso dio lugar a los fundamentos claros, concisos y ampliamente apoyados que se publican hoy. Los fundamentos comprenden una amplia gama de iniciativas internacionales nuevas, como la European Open Science Cloud y el NIH Big Data to Knowledge (B2DK), que suministran directrices claras que ayudan a asegurar que todos los datos y sus servicios asociados en la ‘Web de los Datos’ emergente puedan Encontrarse, ser Accesibles, Interoperables y Reutilizables - FAIR - no sólo por usuarios, sino también por máquinas.

El reconocimiento de que los equipos deben ser capaces de acceder a una publicación de datos de forma autónoma, sin la ayuda de un operador humano, es el núcleo de los principios de FAIR. Los ordenadores son ahora una compañía inseparable en toda investigación. Hoy día todo el conjunto de datos científicos es largo, complejo y está distribuido globalmente, convirtiéndose casi imposible para los humanos descubrir, integrar, inspeccionar e interpretar dichos datos de manera manual. Todas estas barreras nos han impedido hasta ahora maximizar los resultados de ayudas provenientes de la enorme inversión financiera producida a nivel global, respaldada por la investigación y el desarrollo de proyectos de "big data", especialmente en ciencias de la vida y salud. Esta barrera sin sentido no ha pasado desapercibida para los organismos pertinentes y entidades reguladoras. Como resultado, una rigurosa gestión de datos, aplicable tanto a los "usuarios" humanos como los virtuales, está llamada a convertirse más pronto que tarde, en una actividad primordial financiada dentro de los proyectos de investigación actuales. De hecho, las actividades de manejo de datos orientadas a FAIR, pronto se considerarán obligatorias por los organismos de financiación públicos.

El alto nivel de abstracción de los principios FAIR, eludiendo temas polémicos tales como la tecnología o métodos utilizados en su aplicación, ya han sido aceptados por una diversa variedad de organismos de financiación de la investigación y órganos decisorios de la política a seguir. Algunos ejemplos incluyen la formación de datos FAIR por UE-ELIXIR, la inclusión de FAIR en futuros planes de Horizon 2020, y el apoyo del Instituto Nacional de Salud de América. Como tal, parece seguro que estos principios se convertirán rápidamente en una base clave para la innovación en el movimiento global hacia entornos de Open Science.

Con respecto a Open Science, los principios FAIR abogan por ser "abiertos" de manera inteligente y no de manera rigurosa. Los Principios no proponen que todos los datos deben ser de libre acceso, en particular con respecto a la privacidad de datos sensibles. Por el contrario, proponen que todos los datos deben estar disponibles para su reutilización bajo condiciones y licencias claramente definidas, disponibles a través de un proceso bien definido, y con agradecimientos y citaciones correctas y completas. Esto permitirá una participación mucho más amplia de los integrantes de, por ejemplo, el ámbito biomédico y la industria, donde se usan los datos de manera rigurosa y transparente.

Los principios de FAIR representan, para todas las partes interesadas, un camino hacia una reutilización eficaz y económica de los resultados provenientes de fondos nacionales e internacionales de investigación, y un paso importante hacia una mayor transparencia de la investigación académica, mejorando así la fiabilidad y reproducibilidad.

"Estoy orgulloso de que sólo dos años después de la reunión donde se nos ocurrieron los principios FAIR iniciales, ahora jueguen un rol tan importante en muchos documentos punteros de políticas alrededor del mundo, y también que los autores de este artículo estén en posiciones que les permiten seguir estos Principios. Sinceramente, espero que FAIR llegará a convertirse en 'algo asumido' en el futuro del Open Science, tanto en Holanda como globalmente", dice Barend Mons, el autor senior y Profesor de Biosemántica en el Centro Médico Universitario de Leiden, responsable del nodo ELIXIR-NL en el Centro Tecnológico Holandés para las Ciencias de la Vida, integrador de Ciencias de la Vida en el Centro Holandés para eScience, y miembro de la directiva del Centro para Ciencia de Datos de Leiden.

El autor principal de esta publicación es el Dr. Mark Wilkinson, BBVA-UPM Industry Chair en Biotecnología e Investigador Senior Isaac Peral en el Centro de Biotecnología y Genómica de Plantas de la UPM-INIA. Él y el Prof. Dr. Barend Mons, han estado trabajando durante más de siete años para definir una serie de simples pero efectivas normas para que los investigadores publiquen e integren el resultado de sus investigaciones. La publicación de los fundamentos FAIR representa el éxito más reciente de estos objetivos compartidos- un simple conjunto de directrices que simplifican el descubrimiento y la reutilización de los datos científicos.

Para más información no duden en contactar con Dr. Mark Wilkinson (mark.wilkinson@upm.es) o Prof. Barend Mons (fairdata@dtls.nl).