当COVID-19疫情关闭全球实验室时，斯坦福大学的博士后Jordan Farrell面临一个难题：他的工作需要在多个脑区同时进行广泛的神经记录。但他没有放弃项目，而是转向了艾伦研究所和伦敦大学学院的开放数据集。通过巧妙地组合这些开放资源，Farrell发现了显著的结果：锐波波纹介导内省规划状态，而齿状峰则激活观察状态。像Farrell这样的故事清楚地说明了数据重用的益处：分析现有数据而不是自己收集，可以加速研究、减少收集数据的时间、降低科学成本、减少所需的动物生命数量，并建立对研究结果的信任——在未被发现的情况下篡改他人的数据比篡改自己的数据困难得多。本文基于《The Transmitter》的观点文章，系统解析开放数据革命的最新进展、可用的数据集和工具、文化转变的必要性以及行动呼吁。
一、数据重用的益处
数据重用为神经科学研究带来了多重益处：加速研究，因为分析现有数据比收集新数据更快；降低成本，减少数据收集的时间和资源；减少动物使用，降低所需的动物生命数量；建立信任，因为篡改他人数据比篡改自己的数据困难得多；验证发现，可以使用开放数据独立验证研究结果。
二、开放数据集的爆炸式增长
近年来，神经科学开放数据集的数量激增，主要得益于美国国立卫生研究院BRAIN倡议和私人基金会的支持。关键资源包括：DANDI，开放神经生理学数据集档案，包含350多个数据集，总数据量超过350TB；OpenScope，提供视觉域预测编码数据集，共11个公共数据集；国际脑实验室脑宽地图，包含视觉决策任务的Neuropixels电生理记录，由多实验室协作完成；MICrONS，将高密度神经生理学记录与电子显微镜关联，实现前所未有的分辨率；开放神经影像数据集，如OpenNeuro档案，包含1000多个标准化、开放访问的神经影像数据集。
三、使开放数据更易使用的工具
为了降低数据重用的技术门槛，一系列工具被开发出来：DANDI允许用户无需登录或编码即可在数秒内搜索和下载数据集；Neurodata Without Borders用重新分析所需的元数据打包数据，格式针对本地、集群和云计算优化；Neurosift支持在浏览器中无需编码、无需下载或安装即可浏览数据集；Pynapple可轻松加载和分析神经生理学数据集；Brain Imaging Data Structure实现了神经影像数据的标准化；BrainLife则是一个整合神经影像数据集到当前项目的集成工具。
四、数据重用的障碍与文化转变
尽管开放数据潜力巨大，但仍面临多重障碍：缺乏意识，可通过培训课程和暑期学校（如NeuroDataReHack、NeuroHackademy、非洲脑数据科学学院）解决；技术障碍，通过更好的工具（如Neurosift、Pynapple）和标准化（如Neurodata Without Borders）克服；文化偏见，即新数据收集优于数据重用的观念，需要改变激励结构，将开放数据纳入课程，并由审稿人和资助者提出要求；对数据质量的担忧，可通过在顶级期刊上发表使用开放数据的示范性研究来缓解。
五、使用开放数据的高影响力研究示例
多个高影响力研究展示了开放数据的价值：Farrell et al.（2025）使用艾伦研究所和Harris/Carandini实验室的数据；Burman et al.（2023）在Neuron发表，数据来自艾伦研究所；Schneider et al.（2023）在Nature发表，整合多个开放数据集；Pachitariu et al.（2024）在Nature Methods发表，使用开放数据集开发Kilosort4；Stringer et al.（2024）在Nature Neuroscience发表，基于开放数据集开发Rastermap；de Vries et al.（2023）在eLife发表，数据来自艾伦脑观测站视觉编码实验。
六、对研究人员的行动呼吁
为了推动开放数据革命，研究人员应采取以下行动：在计划研究时，首先搜索DANDI或OpenNeuro，查看相关数据是否已存在；在教学中，将开放数据集纳入课程；在审查基金或论文时，询问作者是否考虑过现有数据如何补充他们的工作；在审查论文时，考虑要求作者在现有数据集上重现他们的发现；在审查基金提案时，期望研究人员在已有数据的背景下证明数据收集的合理性。
七、结论：基础设施已建，数据正在等待
数据重用代表了一个加速科学步伐、降低成本和增加集体研究投资价值的机会。随着DANDI等新工具使开放数据更易使用，以及新的压力（包括资金削减）可能增加使用率，神经科学的开放数据革命才刚刚开始。
核心信息：
- 开放数据集已促成高影响力发现，且可在顶级期刊发表。
- 过去五年，由于美国国立卫生研究院BRAIN倡议和私人基金会的支持，共享到开放档案的数据集数量激增。
- 新工具（Neurosift、Pynapple、Neurodata Without Borders）使开放数据比以往更容易使用。
- 文化转变是必要的：新数据收集应在已有数据的背景下证明其合理性。
- 行动呼吁：研究人员、教师、审稿人和资助者都应优先考虑数据重用。
参考来源：
Dichter, B. (2025). Neuroscience’s open-data revolution is just getting started. The Transmitter.