Cómo publicar datos de manera FAIR (Findable, Accessible, Interoperable y Reusable)

Hace algunas semanas un grupo de personas del ámbito del manejo de datos, entre los que se incluyen investigadores, agencias administrativas y de gobierno y organismos de financiación, publicaron un conjunto de principios muy claros y concisos que debería constituir la guía para la publicación de resultados científicos (doi:10.1038/sdata.2016.18). Los principios FAIR establecen que la producción académica de todo tipo - no sólo artículos sometidos a evaluación anónima, sino todos los flujos de trabajo analíticos y de datos en los que se fundamentan estos artículos- deberían ser “Findable” (hallables), “Accesible” (accesibles), “Interoperable” (interoperables) y “Reusable” (reutilizables). A pesar de que estos Principios proporcionan tanto una serie de guías a nivel general como unas medidas para medir el "FAIRness" de las publicaciones, evitan hacer recomendaciones de tipo tecnológico o metodológico, y por lo tanto no sugieren cómo alcanzar el FAIRness per se.


En este artículo de FRONTIERS IN PLANT SCIENCE se presenta la primera hoja de ruta metodológica enfocada a alcanzar los principios FAIR de publicación de datos. El principal conjunto inicial de datos está relacionado con el ámbito fitopatológico y forma parte de la base de datos Pathogen Host-Interaction Database (PHI_Base). Se remodelaron los datos con el fin de incrementar su interoperabilidad con herramientas externas como PubMed y UniProt. También se anotaron con información que facilitara el descubrimiento de otros datos relevantes, así como con información sobre licencias y autorías para fomentar el proceso de reutilización a nivel académico. El conjunto de datos resultante se publicó de nuevo usando un estándar abierto y disponible para su búsqueda de manera pública. Este artículo proporciona algunas búsquedas demostrativas que abarcan la propia PHI-Base, UniProt y PubMed y muestran cómo el uso de estándares abiertos e interoperables reduce la carga de "propietarios de datos", reduciendo la cantidad de datos de terceros a almacenar, así como la capacidad de mejora de la comunidad investigadora de automatizar la integración de grandes fuentes dispares de datos.