Waarom computermodellen van cellen vaak niet herbruikbaar zijn
Wetenschappers bouwen steeds vaker digitale versies van biologische systemen. Denk aan een computermodel van hoe een cel reageert op medicijnen, of hoe een hart klopt. Zulke modellen zijn superhandig: je kunt er duizenden proefjes mee doen zonder één muis of proefbuis aan te raken.
Maar er is een probleem. Veel van die modellen belanden na publicatie in een la en worden nooit meer gebruikt door andere onderzoekers. Niet omdat ze slecht zijn, maar omdat niemand ze aan de praat krijgt.
Een team van onderzoekers dook in dit probleem en schreef er een overzichtsartikel over. Ze bekeken bestaande richtlijnen voor het bouwen en delen van zogeheten systeembiologie-modellen: computermodellen die laten zien hoe onderdelen van een levend systeem, zoals genen of eiwitten, samen een geheel vormen.
Vindbaar, maar niet bruikbaar
De onderzoekers gebruikten twee bestaande kwaliteitskaders om modellen te beoordelen. Het eerste heet FAIR: modellen moeten Findable (vindbaar), Accessible (toegankelijk), Interoperable (samen te laten werken met andere software) en Reusable (herbruikbaar) zijn. Het tweede kader, CURE, is speciaal gemaakt voor biologische modellen en vraagt dat ze Credible (geloofwaardig), Understandable (begrijpelijk), Reproducible (herhaalbaar) en Extensible (uit te breiden) zijn.
Wat blijkt: over vindbaarheid, toegankelijkheid en samenwerking met andere software bestaat al behoorlijk wat overeenstemming in het vakgebied. Maar over echte herbruikbaarheid, of een model in de praktijk ook door iemand anders opnieuw kan worden gebruikt en gecontroleerd, is nog altijd veel onduidelijkheid. Er is geen gedeelde standaard voor.
Zes gewoontes die het verschil maken
De onderzoekers benoemen zes concrete werkwijzen die ervoor zorgen dat een model wél herbruikbaar wordt. Denk aan het duidelijk documenteren van alle aannames die in het model zitten, het bijvoegen van de precieze data waarmee het model is getest, en het gebruik van standaardformaten die andere software kan lezen.
Op basis daarvan stellen ze tien concrete aanbevelingen op. Die volgen als het ware de hele levensloop van een model: van het allereerste ontwerp, via het testen en publiceren, tot het moment waarop een ander onderzoeksteam het model wil hergebruiken of uitbreiden voor eigen onderzoek.
Wat betekent dit (nog) niet: Dit is geen nieuwe ontdekking over hoe cellen of organismen werken. Het is een set praktische adviezen van één onderzoeksteam, gebaseerd op het combineren van bestaande richtlijnen. De aanbevelingen moeten nog breed worden opgepikt door het vakgebied voordat ze echt de standaard worden.
Waarom is dit belangrijk, ook als je zelf nooit een computermodel bouwt? Steeds meer medisch onderzoek, van kankeronderzoek tot de ontwikkeling van medicijnen, leunt op dit soort digitale modellen. Als die modellen niet controleerbaar of herbruikbaar zijn, kost dat de wetenschap tijd en geld. Iedereen moet dan opnieuw het wiel uitvinden in plaats van voort te bouwen op werk van anderen.
Bron: Making Models That Matter: How to Build Trustworthy and Useful Systems Biology Models