大多數科學數據從未充分發揮其推動新發現的潛力。
每創建 100 個數據集，大約有 80 個留在實驗室，20 個被共享但很少重複使用，只有不到兩個符合 FAIR 標準，只有一個帶來新的發現。
其後果是重大的：癌症治療的進展已經放緩。氣候模型缺乏足夠的證據和研究，無法複製
為了改變這一現狀，開放科學出版商 Frontiers 推出了 Frontiers FAIR² 數據管理，號稱是世界上第一個完全集成的人工智能驅動的研究數據服務。它旨在使數據既可重複使用又可正確記入。它包括所有必要的步驟，例如管理。合規性驗證 人工智能就緒、經過同行評審的格式化 交互式門戶、認證和永久託管成為一個順利的流程 目標是確保當前的研究投資轉化為健康、可持續發展和技術方面更快的進展。
FAIR² 建立在 FAIR（可查找、可訪問、可互操作）原則之上。且可重用），具有開放且可擴展的框架。這保證了每個數據集都與人工智能兼容，並且可以被人類和機器合乎道德地重複使用。 FAIR² 數據管理系統是該模型的第一個實現。這是在研究成果快速增長的時期發生的。人工智能正在改變我們發現的方式。將高級原則轉化為具有可衡量影響的真實、可擴展的基礎設施。
Frontiers 聯合創始人兼首席執行官卡米拉·馬克拉姆 (Kamila Markram) 博士解釋道：
“百分之九十的科學都迷失在虛空中。有了 Frontiers FAIR² 數據管理，就不再有數據集，也無需丟失發現。每一項貢獻都可以推動進步。獲得應有的榮譽。並解放科學”
人工智能為核心
從組織和驗證數據集到創建元數據和可發布的結果，過去需要花費數月的艱苦工作。現在，由 FAIR² 背後的 Frontiers 團隊 Senscience 提供支持的 AI Data Steward 只需幾分鐘即可完成此操作。
提交數據的研究人員將收到四個綜合結果：經過認證的數據包；經過同行評審並可供參考的信息性文章。具有可視化、人工智能聊天和 FAIR² 認證的交互式數據門戶。每個元素都包括質量控制和清晰的摘要，使普通用戶更容易理解信息。並在各個研究領域變得更加兼容。
這些結果有助於確保每個數據集都得到保存、驗證、引用和重用。 Frontiers FAIR² 在加速發現的同時為研究人員提供適當的認可，還提高了可見性和訪問權限。通過支持科學家的引入，政策制定者、運營商、社區甚至人工智能係統都得到了負責任的重複使用。幫助社會從科學投資中獲取更大價值。
旗艦試點數據集
-
SARS-CoV-2 變異特徵 — 該數據集涵蓋 3,800 個刺突蛋白，將 AlphaFold2 和 ESMFold 的結構預測與 ACE2 結合和表達數據連接起來，為大流行防範提供了強大的資源。這樣可以更深入地了解不同的行為和適用性。
-
臨床前 TBI MRI — 來自 4 個研究中心的 343 個擴散 MRI 掃描的共識數據集，跨協議進行標準化。並且比較一致 支持發現可重複的生物標誌物 強大的跨位點分析和臨床前創傷性腦損傷研究的進展。
-
環境壓力指標（1990-2050） — 該數據集結合 43 個國家 6 年來的觀測數據和模型預測，追踪溫室氣體排放、廢物、人口和 GDP。它支持可持續性比較和基於證據的氣候政策規劃。
-
印度太平洋環礁的生物多樣性 — 該數據集包括五個地區的 280 個環礁。通過收集生物多樣性記錄、珊瑚礁棲息地、氣候指標和人類利用歷史，為生態建模提供了前所未有的基礎。優先考慮脆弱島嶼生態系統的保護和跨區域研究。
進行試點測試的研究人員指出，Frontiers FAIR² 不僅保存和共享數據；同時也保證了數據的重用。與質量檢驗為非專家提供了清晰的總結。以及跨學科數據集組合的可靠性。所有這些都確保了科學家獲得榮譽。
所有試點數據集均符合 FAIR² 開放規範。這確保了這些數據集得到負責任的管理。可重複使用，可靠，適合人和機器長期使用。因此，今天的信息可以加速未來解決社會最緊迫挑戰的速度。
識別和重用
每次重用都會以指數方式增加原始數據集的價值。這確保了不會浪費任何發現。每一次貢獻都可以引發下一次突破。研究人員的工作正在得到認可。
FAIR² 數據管理背後的 Frontiers AI 企業 Senscience 的聯合創始人兼首席執行官 Sean Hill 博士表示：
“科學投資了數十億美元來創建數據。但大多數都丟失了。研究人員幾乎沒有得到任何榮譽。通過 Frontiers FAIR²，每個數據集都被引用。這被所有科學家所接受。最後，它獎勵了創建數據的重要工作。這就是治療疾病的方式。如何解決氣候問題以及新技術更快地到達社會 – 這就是我們傳播科學的方式。”
研究人員怎麼說
AZTI 海洋研究巴斯克研究與技術聯盟 (BRTA) 首席研究員 Ángel Borja 博士：
“我強烈推薦它。（推薦）此類文章的數據管理和分發。因為您可以快速創建信息。而且它對最終用戶來說是一種有用的格式。”
Eric Schultes，萊頓藥物研究學術中心 (LACDR) 高級研究員； GO FAIR 基金會 FAIR 運營主管：
“Frontiers FAIR² 完美地體現了該項目的科學性。”
Femke Heddema，PharmAccess 研究員兼健康信息系統創新經理：
“Frontiers FAIR² 有助於數字健康研究人員和從業者更順利地實施 FAIR 原則。它證明，使 MomCare 這樣的數據集可重複使用並不一定很複雜。通過使數據透明、可訪問和可操作，Frontiers FAIR² 為健康研究打開了新機遇之門。”
Neil Harris 博士，加州大學洛杉磯分校 (UCLA) 神經外科腦損傷研究中心駐院教授：
“使用 (Frontiers) FAIR² 可以在多個層面提供有用的數據質量和損失監控。這種公正的評估和總結可以幫助非領域專家理解，最終改善信息共享。隨著該領域的進步，大數據在更多不同子領域的使用。審查和總結這些數據對於保持對如何在我們當前分析中使用和整合所獲得的大量數據信息至關重要。”
Maryann Martone，開放數據共享中心主編：
“(Frontiers) FAIR² 是實現數據公平的最簡單、最有效的方法之一。每個 PI 都希望自己的數據可搜索、可訪問、可比較和可重複使用。無論是在實驗室中與合作者還是整個科學界，真正的瓶頸始終是所需的時間和精力。(Frontiers) FAIR² 顯著減少了這一障礙。這使得大多數實驗室真正可以訪問 FAIR 數據。”
香港科技大學（科大）碳中和與氣候變化驅動者協會中心助理教授陳煥國博士：
“(Frontiers) FAIR² 使我們的全球廢物數據集更加可見和易於訪問。它可以幫助世界各地經常與稀缺和分散的數據作鬥爭的研究人員。我希望這將擴大合作並加速產生可持續廢物管理的見解。”
Sebastian Steibl 博士，Naturalis 生物多樣性中心和奧克蘭大學博士後研究員：
“真正的數據訪問不僅僅是將數據文檔上傳到存儲庫。這意味著無需多年的培訓即可輕鬆查看、探索和理解數據。(Frontiers) FAIR² 平台包括 AI 聊天機器人以及交互式視覺探索和總結工具。使我們的生物多樣性和環境數據能夠廣泛訪問和使用。不僅對學術界，而且對運營商、政策制定者和當地社區的倡議也適用。”
