从“特例”变为“共识”，可重复性为何成为科研标配？

可重复性是研究可信度的基石。它支撑着创新与合作，让科学经得起时间的检验，为研究人员与专业人士（来自学术界和产业界，为研究人员提供支持）之间建立基于信任的联盟提供了坚实的基础。

该系列共分为两篇文章，围绕“可重复性、数字化实验室和可互操作工作流程”展开。我们邀请了protocols.io战略计划总监Emma Ganley和施普林格·自然数字生命科学解决方案产品总监Robin Padilla，共同探讨可重复性的各个方面，从原则和理论，到真实情境与实际应用。

在本篇文章中，Ganley和Padilla探讨了可重复性在科研中从“特例”变为“共识”所需要经历的文化转变。他们介绍了数字工具和FAIR原则（可发现、可访问、可互操作、可重复使用）的作用、分析了AI的潜力和局限性，并探讨了未来如何打造更加连通且可靠的科研生态系统。

为什么可重复性是可信科学的基础

“可重复性是科研诚信和可靠性的指标，”Ganley说，“它表明你在做经得起时间检验的研究。”她将缺乏可重复性的研究比作一栋地基不稳的房屋：“一开始可能看起来很出色，甚至令人惊艳，但如果基础不牢，最终很有可能倒塌。”

Ganley表示，研究透明度的提升让利益相关者能够更有把握地开展合作。以医疗行业为例，“在临床转化当中，研究的可重复性从长远来看甚至关系到患者的生命。只有各个环节都能再现的研究，才能经得起时间检验。”

只有各个环节都能再现的研究，才能经得起时间检验。

数字工具助力大规模可靠研究

Padilla谈到了“科学数字化转型”和将可重复性融入新的工作流程的重要性。他表示，如今纸质笔记本和手写记录已被电子实验记录本（ELN）、实验室信息管理系统（LIMS）和自动化工作流程所取代。这些数字工具提高了科研效率，并减少了一些可能对结果产生巨大影响的错误（如抄录错误），从而改善了可重复性。“将实验流程记录在数字系统中，你就不用再为这些问题操心了。”Padilla说。

将可重复性融入日常研发工作流程

为提高研究的可重复性，需要做出哪些改变？对此Ganley分享了她的一些观点。她认为，包括出版机构、研究人员、资助机构和政策制定者在内的利益相关者，需要在开放数据、代码和实验方案等方面围绕共同标准达成一致。“可重复性实践必须嵌入工作流程和实验方案中，成为一种标准做法，”她说，“可重复性不应该是科研中的奢侈品，也不应该是事后想起的添头。”增强可互操作性，同时减少研究人员使用的孤立平台数量，同样有助于提高可重复性。“我们希望所有要素尽可能地互联互通。”Ganley说。

可重复性实践必须嵌入工作流程和实验方案中，成为一种标准做法。

借助FAIR数据和AI为研究长久赋能

Ganley和Padilla还谈到了对未来可重复性的展望，包括AI在其中扮演的角色。Padilla比较了概率性和确定性AI系统之间的差异——前者性能强大但容易产生“幻觉”，后者更加稳定但应用范围有限，关键在于结合二者的长处。他说：“尤其在涉及可重复性的问题时，如何搭配使用不同类型的AI系统使之互为补充，是非常重要的能力。”

Ganley相信AI永远不会彻底取代科学家。然而，她认为巧妙地运用AI对于可重复性的提升非常重要。“AI就绪的数据和标准化格式将带来巨大进步，而且能帮助研究人员更快、更轻松地提高研究可重复性。”

总的来说，两位受访者都认为，要使可重复性在未来成为常态，就需要推动“文化层面的转变”。透明数据、数字工具和FAIR原则，如果运用得当，将有助于这一目标的实现——也就是Ganley所说的“将研究成果变成一种全球性资源，而不是把它们锁起来”。

科研实践中的可重复性

可重复性同时受到文化、技术与合作的影响。随着研发环境朝着数字化、分布式和互联的方向不断演变，可重复性正日益成为学术界和产业界中各大科研机构的战略关切。

在下一篇文章中，我们将继续讨论科研实践中的透明度，包括日常科研行为和记录、数字工具的作用、出版实践，以及支持可重复性的激励措施。敬请期待！

欢迎点击“阅读原文”访问官网了解详情

版权声明：

本文由施普林格·自然上海办公室负责整理翻译。中文内容仅供参考，一切内容以英文原版为准。欢迎转发分享，如需转载，请邮件[email protected]。未经授权的翻译是侵权行为，版权方将保留追究法律责任的权利。

© 2026 Springer Nature Limited. All Rights Reserved