计算神经科学把大脑写成方程

知识地图 › 08 方法与工具 › 8.7

8.7

开放数据与可复现

Open data and reproducibility

★★☆ 核心工具规范

计算神经科学的可信度,取决于别人能不能用你的数据与代码复现那张图。

核心要点

  1. NWB 是神经数据的通用容器;DANDI 是公开归档;ModelDB 存模型代码。
  2. 最小可复现包:原始/处理后数据 + 环境文件 + 一键脚本 + 图对应的代码。
  3. 预注册与分析计划能显著降低 p-hacking 与结论漂移。

公式

Reproducible=Data+Code+Environment+Provenance

四者缺一,都只能算"描述"而非"证据";Provenance 指数据从原始记录到最终图的完整处理链条。

直觉

复现不是"代码能跑",而是"换一台机器、换一个人,得到同一张图"。

常见误区

把"代码上传 GitHub"当成可复现。没有锁定依赖版本与环境(conda/container),半年后大概率跑不起来。

出处

  • NWB 规范(nwb-schema)
  • DANDI Archive
  • ModelDB(SenseLab)
回到模块 08