数据应当是获取知识的手段，而非目的。

大约二十年前，我的老朋友悉尼 · 布伦纳（Sydney Brenner）在获得诺贝尔奖之时对生物学界提出了一个警告，“我们正淹没在数据的海洋中，却又忍受着知识的饥渴。”布伦纳凭借将秀丽隐杆线虫确立为研究发育生物学的模式生物成为分子生物学创始人之一。因此，这一警告对今天的生物学界更具现实意义。

在参加研究讲座时，我经常感觉自己淹没在数据的海洋中。一些演讲者似乎认为，只有堆砌大量的数据才能引起与会者的重视。他们忽视了逻辑框架、收集数据的目的、假设的测试过程、以及究竟可以产生哪些思想。研究人员似乎不愿意得出结论或提出新的思想，出版论文中同样的情况也时有发生。在这一背景下，无论是纠结数据的意义还是讨论具体的思想，似乎都不太恰当。

我对此有不同的看法：虽然文字描述和数据收集工作非常重要，但它们不是研究的全部。学术研究还需要观点，即使是试探性的猜想，也是有益的；同时也要认识到，随着事实和论据的积累，之前提出的观点也会发生变化。

为何研究人员不愿提出新的观点？或许他们担心这些观点是错误的，降低他们获得晋升或资助的机会。但是正如查尔斯 · 达尔文（Charles Darwin）所言，“错误的事实对科学进步非常有害，因为它们往往会持续很久；但是错误的观点如果得到证据的支持，也没有什么害处，因为每个人都能够从证明错误的过程中获得快乐；因为他们可以关闭一条通向错误的大门，而通向真理的大门往往也会同时打开”。换言之，虽然获取正确的事实很重要，但新观点和新思路也有很大的价值。只要它们基于合理的证据，并经得起纠正，就有存在的意义。

不要片面地理解我的发言，我们同样需要新技术产生的数据来促进对世界的理解。“无假设研究”的重要性众所周知。培根（Bacon）在1620年提出了这一观点，并将其作为“经验方法”之一。他在《新工具论》中主张，建立科学真理的第一步应该是通过系统的观察来描述事实。但这只是第一步。如果达尔文在描述了雀喙的形状和大小之后就停止思考，而没有继续提出自然选择进化的观点，那世上就不会出现“进化论”。

下一步是从数据中提取知识。为了重新关注这一目标，我们必须改进工作流程，更加强调理论，并转变我们的研究文化。应当让开发新技术和新方法的工程师与实验学家深入研究生物问题。只有深入了解生物学，而非仅仅收集海量的数据，我们才可能会提出重要的问题。而此类问题将促使研究人员勇于不断探索数据，促进新模式和知识的发现；此类问题也将进一步影响数据的收集方式。

其他必要的步骤包括：开发数据挖掘和机器学习程序等分析工具；确保数据可用、正确注释和公开共享；模拟生物现象涉及的分子和细胞成分，以便分析动态行为和相互作用；哪怕只抛出问题而不求解也可能会有帮助，因为这将对模型构建方式提出更严格的要求。

此外，我们还需要更多的理论支持。例如进化生物学家比尔 · 汉密尔顿（Bill Hamilton）和约翰 · 史密斯（John Maynard Smith），以及遗传学家芭芭拉 · 麦克林托克（Barbara McClintock）和弗朗西斯 · 克里克（Francis Crick），这些专家的论文充满了丰富的生物学直觉，读起来令人身心愉悦。这种思维方式将加速“从描述到知识”的转变过程。理论学家可以在研究生命系统中的信息流时抽丝剥茧，帮助自己从泛滥的生物数据中洞悉真相。

如果希望以理论和知识为主导，则可能需要转变研究文化。我们应鼓励理论探索，将理论观点纳入实验论文，以便使数据与研究内容相符。此类尝试不应被期刊编辑和资助者视作毫无根据的猜测。“（专业）领域的暴政”有时会阻碍不符合主流意识思想的产生，但这是错误的。评审委员会应当足够大度，即使研究人员的观点被证明有误，但只有要可取之处，也应给予晋升或资助。

上述方法不仅会促进研究，也会改善教学。如果学生得知生物学是有思想的，且这些思想值得讨论，他们能够获得更多的学习动力和灵感。

资料来源 Nature

——————

本文作者保罗·纳斯（Paul Nurse）是前英国皇家学会主席，伦敦弗朗西斯·克里克研究所所长