我是如何从公开数据中挖掘出新鲜有趣的科学发现

作者原本并未计划以分析他人数据为职业方向，但在博士期间偶然利用实验室已有的埃及伊蚊细胞系数据，发现了一种此前未被描述的新病毒。该病毒不能感染哺乳动物细胞，却能轻微抑制登革热病毒复制——这一现象提示昆虫特异性病毒可能影响蚊媒疾病传播机制。导师鼓励他扩大搜索范围，他随即下载并分析了全球约3000个蚊子转录组数据，追溯该病毒的全球演化历程。博士末期，他又重新审视本校另一位病毒学家实验室已发表的非编码RNA与细胞外囊泡数据，意外发现病毒会以全新方式切割宿主RNA，由此开启合作并共同获得国家级科研基金支持。作者指出：对早期研究者而言，已公开的基因组、临床试验、生态调查和医学影像等数据是宝贵资源——无需实验成本，仅需一个问题、一台装有R或Python的电脑，以及换一个角度思考的意愿。例如美国NCBI的序列读取档案（SRA）存有超50拍字节数据，多数长期闲置；2022年Serratus项目即靠重分析这些数据，将已知RNA病毒多样性扩大十倍。数据重分析的价值不仅在于验证原结果，更在于挖掘原始研究未关注的关联；结合多类型数据（如蛋白质组+转录组、卫星图像+实地调查）往往产出最富启发性的发现。但成功前提是对元数据（如实验条件、时间点、重复次数、技术平台）有清晰理解；若解读困难，重分析可能事倍功半。尽管大量尝试可能无果，但零结果本身也具科学价值；严谨的二次分析完全可作为独立成果发表、引用，并支撑后续基金申请。