科學數(shù)據倉儲元數(shù)據標準研究與啟示*

崔佳偉 吳思竹 鄔金鳴 修曉蕾 錢慶

（中國醫(yī)學科學院醫(yī)學信息研究所，北京 100020）

隨著數(shù)據密集型科學研究成為常態(tài)，各類科學數(shù)據呈爆炸式增長，這為科研人員存儲、管理以及共享數(shù)據帶來了巨大的困難與挑戰(zhàn)?？茖W數(shù)據倉儲的出現(xiàn)雖然為科學數(shù)據的存儲和共享提供了途徑，但如何實現(xiàn)對倉儲內數(shù)據進行有效管理和統(tǒng)一檢索則成為另一個重要問題?？茖W數(shù)據元數(shù)據是對科學數(shù)據外部形式和內部特征的詳細描述[1]，能夠為科學數(shù)據的組織、整合、交換、發(fā)現(xiàn)和獲取等提供信息。為充分發(fā)揮科學數(shù)據倉儲的功能與作用，必須構建、應用能夠滿足倉儲功能目標、資源特點和用戶需求的科學數(shù)據元數(shù)據標準，鑒于此類科學數(shù)據元數(shù)據標準主要應用于科學數(shù)據倉儲，故也可稱之為科學數(shù)據倉儲元數(shù)據標準。國外的科學數(shù)據倉儲元數(shù)據標準發(fā)展已經較為成熟，但國內的相關標準還大多處于建設之中。本文擬對國外現(xiàn)有科學數(shù)據倉儲相關的元數(shù)據標準的內容設計及實際應用情況進行系統(tǒng)梳理與深入探究，以期為我國科學數(shù)據倉儲元數(shù)據標準的構建和應用提供可資借鑒的參考。

1 科學數(shù)據倉儲元數(shù)據標準概述

在過去的幾十年里，為實現(xiàn)跨學科、跨領域的科學數(shù)據發(fā)現(xiàn)與共享，生物醫(yī)學、物理學和社會科學等領域都建立了相應的元數(shù)據標準與規(guī)范。尤其在生物醫(yī)學領域，隨著高通量測序技術的快速發(fā)展，臨床實驗和人群隊列研究的不斷深化，科學數(shù)據的膨脹驅動了該領域科學數(shù)據倉儲的設計，致使該領域科學數(shù)據倉儲元數(shù)據標準的構建與應用均處于較為前沿位置，對其他學科領域科學數(shù)據倉儲元數(shù)據標準以及通用科學數(shù)據倉儲元數(shù)據標準的建設具有較高的借鑒價值，故本研究將生物醫(yī)學領域科學數(shù)據倉儲元數(shù)據標準與通用科學數(shù)據倉儲元數(shù)據標準進行綜合性分析。通過對國際科學數(shù)據倉儲注冊系統(tǒng)Re3Data.org中收錄的倉儲所應用的元數(shù)據標準進行統(tǒng)計與歸納[2]，結合FAIRsharing[3]和英國數(shù)字監(jiān)護中心（Digital Curation Center）[4]中收錄的科學數(shù)據元數(shù)據標準，并針對能夠存儲科學數(shù)據的相關倉儲及倉儲所使用的元數(shù)據標準進行調研，在綜合考慮每個標準的權威性、應用廣泛性、領域影響力及內容覆蓋力的基礎上，選取了3個通用的科學數(shù)據倉儲元數(shù)據標準，分別為Dublin Core、DataCite和Dataverse科學數(shù)據倉儲元數(shù)據標準，以及3個生物醫(yī)學領域科學數(shù)據倉儲元數(shù)據標準，分別為DatA Tag Suite、W3C HCLS Dataset Description和Dryad科學數(shù)據倉儲元數(shù)據標準。

1.1 Dublin Core

1995年3月，都柏林核心集（Dublin Core）誕生于美國俄亥俄州都柏林鎮(zhèn)召開的第一屆元數(shù)據研討會上[5]。會議目的是希望建立一套簡單通用的描述網絡資源的方法，降低檢索難度，從而提高網絡資源利用率。而后經過多次修正和補充，逐漸形成現(xiàn)在包含15個元素的元數(shù)據標準。目前 Dublin Core已被多個機構作為正式標準發(fā)布（ISO15836、NISOZ3985、RFC5013），我國與其對應的標準為GB/T 25100—2010。

1.2 DataCite

DataCite Metadata Schema由DataCite國際聯(lián)盟（the DataCite Consortium）制定[6]，該聯(lián)盟創(chuàng)建的主要目標是支持科學數(shù)據存儲并將科學數(shù)據的地位提升至合法的、可被引用的科學記錄，使科學數(shù)據更易在網上獲取。其創(chuàng)建的DataCite元數(shù)據標準包含一系列核心元數(shù)據元素，通過為數(shù)據集提供永久性唯一標識符（DOI）以及準確、一致性的描述，輔助科學數(shù)據的檢索、共享、重用、應用和關聯(lián)。

1.3 Dataverse科學數(shù)據倉儲元數(shù)據標準

Dataverse是哈佛-麻省理工數(shù)據中心（Harvard MIT Data Center，HMDC）于2007年開發(fā)的一個科學數(shù)據管理系統(tǒng)，能夠對科學數(shù)據進行發(fā)布、引用、存儲、發(fā)現(xiàn)和在線分析[7]。Dataverse的元數(shù)據標準是以DDI（Data Document Initiative）元數(shù)據標準為基礎擴展而成，根據不同的類型分為不同的區(qū)塊，包括引用通用元數(shù)據區(qū)塊和學科專有元數(shù)據區(qū)塊。其中，引用通用元數(shù)據區(qū)塊包含引用數(shù)據集所需的相關信息，是平臺所有數(shù)據集的必備元數(shù)據區(qū)塊，適用于描述所有類型和所有學科的數(shù)據集[8]；學科專有元數(shù)據區(qū)塊則提供針對某一學科數(shù)據的元數(shù)據元素，覆蓋生命科學、人文與社會科學、地理空間、天文與天體物理和政治學等多個領域。

1.4 DatA Tag Suite

DatA Tag Suite（DATS）是由NIH的bioCADDIE（biomedical and healthCAre Data Discovery Index Ecosystem）開發(fā)的元數(shù)據模型[9-10]，設計初衷是滿足科學數(shù)據倉儲DataMed的資源索引和檢索需求[11-12]。DATS以實現(xiàn)跨數(shù)據倉儲的數(shù)據集發(fā)現(xiàn)和獲取為目的，其核心實體可用于描述任何類型的數(shù)據集，包括“數(shù)據集”“數(shù)據集分布”“獲取”等實體，涵蓋了數(shù)據集的基本信息；擴展實體則主要針對生物醫(yī)學領域，包括“疾病”“研究”“生物”“分子”等實體，以期對生物醫(yī)學領域的數(shù)據進行揭示。

1.5 W3C HCLS Dataset Description

W3C HCLS Dataset Description是由the W3C Semantic Web for Health Care and the Life Sciences Interest Group（HCLSIG）通過重用18個已有詞表構建的RDF詞表[13-14]，目的是為生物醫(yī)學領域數(shù)據集提供一個高質量標準，以滿足數(shù)據集的描述、關聯(lián)、交互、更新、內容總結、索引和發(fā)現(xiàn)等功能需求。W3C HCLS Dataset Description對數(shù)據集的描述分為3個層級：①Summary層級，該層級對于數(shù)據集的描述獨立于特定版本或格式；②Distribution層級，側重于描述特定數(shù)據文件的格式及可下載位置；③Version層級，主要描述特定版本數(shù)據集的屬性，并利用VersionNumber將Summary層級的描述與Distribution層級的描述相關聯(lián)。除此之外，該標準中的元數(shù)據元素又分為5個專題模塊，分別為：核心元素元數(shù)據；標識符；出處和變化；訪問、獲??；統(tǒng)計。

1.6 Dryad科學數(shù)據倉儲元數(shù)據標準

Dryad是由美國國家進化分析中心等機構建立的科學數(shù)據倉儲[15]，旨在實現(xiàn)對進化生物學、生態(tài)學及相關領域出版物的支撐數(shù)據的保存、發(fā)現(xiàn)、復用和管理。該倉儲將元數(shù)據管理納入科學數(shù)據管理的全過程，成為科學數(shù)據倉儲元數(shù)據管理的典范，被稱為元數(shù)據的“最佳實踐”[16]。Dryad的元數(shù)據從描述內容來看可以分為3個模塊（即出版物元數(shù)據、數(shù)據集元數(shù)據和文件元數(shù)據[17]），通過利用特定元數(shù)據元素值之間的繼承，實現(xiàn)科學數(shù)據之間以及科學數(shù)據與期刊文章之間的相互關聯(lián)。

2 科學數(shù)據倉儲元數(shù)據標準分析

本文圍繞科學數(shù)據倉儲元數(shù)據標準的特點，提出分析框架，從基礎信息、內容設計和實際應用3個維度對這些元數(shù)據標準進行深入分析，以期為我國科學數(shù)據倉儲元數(shù)據標準的構建和應用提供可資借鑒的參考。

2.1 基礎信息

通過調研各元數(shù)據標準及其相關科學數(shù)據倉儲，對各標準的基礎信息進行整理，包括標準正文語種、發(fā)布機構/組織、發(fā)布國家、最初版發(fā)布時間、最新版發(fā)布時間、最新版版本號和可下載格式，具體內容見表1。通過比較可以發(fā)現(xiàn)，美國在元數(shù)據標準制定和發(fā)布方面發(fā)揮了重要作用，主要體現(xiàn)在其起步較早且發(fā)布的標準應用廣泛。如Dryad科學數(shù)據倉儲元數(shù)據標準和Dataverse科學數(shù)據倉儲元數(shù)據標準的最初版均于2007年發(fā)布，2015年發(fā)布的DATS更是被DataMed、OmicsDI、ICPSR等多個科學數(shù)據倉儲采用。

隨著科學數(shù)據倉儲的持續(xù)發(fā)展，倉儲收錄的數(shù)據資源及提供的服務類型不斷豐富，這就需要倉儲的元數(shù)據標準持續(xù)優(yōu)化升級，實現(xiàn)多個版本的更迭。以DataCite為例，其最初版發(fā)布于2009年，而后每隔一年或兩年便更新一次，2019年發(fā)布的最新版版本號為4.2。

同時，為適應不同類型科學數(shù)據的特點，支持數(shù)據的人機理解與處理，各元數(shù)據標準的格式也趨于多樣化，從而滿足用戶多樣性的需求。如JSON格式能夠簡潔清晰地揭示元數(shù)據標準內容元素的層次結構，XML格式的通用性有助于元數(shù)據標準在不同應用場景的共享與快速解析，RDF格式能夠準確描述出標準中各元素間的關系等。

2.2 內容設計

在科學數(shù)據倉儲元數(shù)據標準內容設計分析部分，分為設計概況分析和內容元素分析兩個部分，逐層揭示現(xiàn)有標準值得借鑒之處與不足，輔助我國相關標準的制定。

2.2.1 設計概況

根據各元數(shù)據標準提供的創(chuàng)建指南或最佳實踐，對標準的整體設計架構進行分析，主要包括元數(shù)據標準設計目標、元素總數(shù)、元素分類、核心/必備元素個數(shù)、復用標準、是否提供受控詞表和是否提供數(shù)據集引用標準或格式7個方面（見表2），進而從宏觀層面對各元數(shù)據標準的內容設計進行較為直觀的比較與分析。

在元素設置及分類方面，除Dublin Core外，其他5個標準都對自身的元數(shù)據元素進行分類，其中“Must”“Mandatory”“Requried”類元素均代表必備元素，（即在描述數(shù)據時必須出現(xiàn)的元素），占總元素的6%～80%，主要為10%左右。以DataCite為例，該標準共收錄元數(shù)據元素75個，分為必備元素、推薦元素（在描述數(shù)據時推薦出現(xiàn)的元素）和可選元素（在描述數(shù)據時可不出現(xiàn)的元素）3類，其中必備元素9個，占總元素的12%。從理論上看，元數(shù)據標準中設置的元素越多，其對數(shù)據集內容和特征的揭示也就越全面，更有利于促進科學數(shù)據的共享與發(fā)現(xiàn)。但在實際應用中，如果元數(shù)據標準中的元素過多，尤其是必備元素過多時，將導致數(shù)據著錄過程過于煩瑣和冗長，影響用戶上傳數(shù)據和倉儲收集數(shù)據的效率，反而不利于科學數(shù)據的共享。而如果必備元素過少，雖然能夠減少著錄負擔，但可能導致對數(shù)據資源的揭示程度不夠，阻礙科學數(shù)據的發(fā)現(xiàn)與再利用。同時，通過對科學數(shù)據倉儲進行調查發(fā)現(xiàn)，許多倉儲雖然直接應用特定的元數(shù)據標準，但也會依據自身需求對標準元素進行增減或修改。以科學數(shù)據倉儲Zendo為例，其在應用元數(shù)據標準DataCite時，不僅使用了該標準的必備元素和推薦元素，還在此基礎上進行一些額外的補充[18]，從而為用戶提供豐富的資源描述和多角度資源服務，保證數(shù)據的可發(fā)現(xiàn)性和可重用性。

表2 元數(shù)據標準內容設計比較

在提供受控詞表方面，各標準均通過提供自建的受控詞表或引用已有受控詞表對部分元數(shù)據元素的值域進行限定。以Dataverse科學數(shù)據倉儲元數(shù)據標準中的元數(shù)據元素“Subject”為例，該項可填入的內容只能從標準自建的受控詞表中選擇，即從“Agricultural Sciences”“Medicine，Health and Life Sciences”“Chemistry”和“Other”等中選擇一個或多個。通過此種方式，有助于用戶了解和選擇恰當?shù)脑~，從而在創(chuàng)建數(shù)據集描述之始提高元數(shù)據質量，確保元數(shù)據描述的規(guī)范性和一致性，以便科學數(shù)據倉儲未來提供更深層次的服務（如數(shù)據分析服務、知識發(fā)現(xiàn)服務等）。

元數(shù)據復用是指在一個元數(shù)據標準中復用一個或多個元數(shù)據標準中的部分元素，利用不同元數(shù)據標準共同描述復雜資源，以便擴展元數(shù)據標準的適用范圍，增強不同系統(tǒng)之間元數(shù)據的互操作性，促進元數(shù)據的相互轉換[19]。由“復用標準”列可見，超過60%的元數(shù)據標準在構建時都會借鑒其他元數(shù)據標準，復用已有元數(shù)據標準的部分元素，從而在降低標準構建復雜性的同時提高自身實用性，并為實現(xiàn)元數(shù)據標準間的互映射提供很好的基礎保障。以Dryad科學數(shù)據倉儲元數(shù)據標準為例，其在構建時便復用了“the Bibliographic Ontology”“Dublin Core”和“Darwin Core”這3個標準中的元素。

規(guī)范的數(shù)據引用標準或格式在數(shù)據認證、數(shù)據再利用以及追蹤數(shù)據影響等方面均發(fā)揮了重要作用。由“是否提供數(shù)據集引用標準或格式”列可見，DataCite和Dataverse科學數(shù)據倉儲元數(shù)據標準均提供數(shù)據集引用標準或格式，而Dublin Core、DATS、W3C HCLS Dataset Description和Dryad科學數(shù)據倉儲元數(shù)據標準并未提供。

2.2.2 內容元素

基于不同的設計目標和應用需求，各科學數(shù)據倉儲元數(shù)據標準的結構框架和內容元素設計均存在明顯差異。Dublin Core、DATS和Dryad科學數(shù)據倉儲元數(shù)據標準的設計目標較為類似，主要為促進資源的存儲、管理、發(fā)現(xiàn)與獲取，并不需要對資源內容進行詳細的說明與揭示，此類標準的元素相對較少。相比于Dublin Core，Dryad科學數(shù)據倉儲元數(shù)據標準和DATS更加注重不同類型資源間的整合，其中Dryad科學數(shù)據倉儲元數(shù)據標準利用不同元數(shù)據模塊中特定元數(shù)據元素值之間的繼承關系將出版物與數(shù)據集相關聯(lián)；而DATS是基于“被引用”“使用”“存儲”“符合”等實體間關系將科學數(shù)據資源與出版物、軟件以及其他科學數(shù)據倉儲和數(shù)據標準相聯(lián)系，同時還針對生物醫(yī)學相關科學數(shù)據構建擴展實體。與上述3個標準不同的是DataCite、Dataverse科學數(shù)據倉儲元數(shù)據標準和W3C HCLS Dataset Description，這3個標準的總元素較多，必備元素卻較少，利用可選元素對數(shù)據資源進行靈活描述，對于數(shù)據集的揭示更具有完整性，尤其是Dataverse科學數(shù)據倉儲元數(shù)據標準和W3C HCLS Dataset Description，分別利用學科專有元數(shù)據區(qū)塊和分層級的資源描述方法，深入到科學數(shù)據描述的微觀層面。

通過對各科學數(shù)據倉儲元數(shù)據標準的內容元素展開分析，探究各標準的元數(shù)據元素共有情況，可以發(fā)現(xiàn)內容關聯(lián)性和相似性較高的標準，為實現(xiàn)標準間的映射及互操作奠定基礎，同時也為新標準的構建提供備選元素。為保證比較分析的元素在同一層面，本文只選取各標準中描述數(shù)據集的元素進行分析。依據元素被各標準共有的情況，可將元素分為3個大類，分別為公共元素、基本元素和擴展元素，每類元素具體涵蓋的內容如圖1所示。

雖然各元數(shù)據標準具體應用領域不同，描述數(shù)據集的細粒度也不同，但實現(xiàn)數(shù)據描述和數(shù)據檢索都是其首要功能，因此在各元數(shù)據標準中，標題、標識符、描述、時間等記錄數(shù)據集基本屬性的公共元素都是必備的。在公共元素基礎上，各標準圍繞自身構建目標及需求，對數(shù)據集的內容和形式展開進一步說明，歸納后形成基本元素和擴展元素。以DATS和Dryad為例，DATS標準的設計目標是幫助用戶實現(xiàn)跨數(shù)據倉儲的數(shù)據集發(fā)現(xiàn)和獲取，故其基本元素和擴展元素主要描述數(shù)據集的形式特征，提供關于數(shù)據集的分發(fā)信息（如數(shù)據集的格式、版本、存儲位置、獲取方式等），同時為滿足生物醫(yī)學科學數(shù)據的專業(yè)性，DATS還提供一些非核心實體，用于記錄數(shù)據集內生物體的分類情況、經歷的研究過程和治療過程等；Dryad科學數(shù)據倉儲元數(shù)據標準為滿足自身功能目標——實現(xiàn)生物醫(yī)學科學數(shù)據之間以及科學數(shù)據與期刊文章之間的相互關聯(lián)，在基于公共元素對數(shù)據集的內容和形式進行簡單描述的基礎上，利用擴展元素“Associated Dryad Publication Record Identifier”和“Associated Dryad Data File Record Identifier”記錄數(shù)據集、出版物和數(shù)據文件間的聯(lián)系。

2.3 實際應用

在上文對各元數(shù)據標準結構及內容進行分析的基礎上，結合各標準在科學數(shù)據倉儲中的實際應用情況，表3對它們的特點、不足、使用難度、適用范圍以及應用實踐進行總結，不僅為我國科學數(shù)據倉儲提供選擇元數(shù)據標準的依據，也為新標準的構建提供參考和借鑒。

圖1 元數(shù)據標準元素分類

表3 元數(shù)據實際應用比較

基于上述元數(shù)據標準的層級深度、結構復雜度、元素豐富度和元素易理解度，可將它們的使用難度分為三級。一星級使用難度相對較低，包括2個標準，分別為Dublin Core和Dryad科學數(shù)據倉儲元數(shù)據標準；二星級包括3個標準，分別為DataCite、Dataverse科學數(shù)據倉儲元數(shù)據標準和DATS；三星級使用難度相對較高，僅有標準W3C HCLS Dataset Description。分析可發(fā)現(xiàn)，Dublin Core、Dryad科學數(shù)據倉儲元數(shù)據標準描述的內容相對較少，雖然增加了標準的易用性，但同時也導致它們存在數(shù)據細粒度、數(shù)據關系等方面揭示不足等問題。Dataverse科學數(shù)據倉儲元數(shù)據標準雖然描述的內容較多，使數(shù)據描述的準確性與全面性得到保證，但由于元素的順序和層次劃分欠清晰，對其應用范圍的擴大造成限制。由此可見，對于科學數(shù)據倉儲元數(shù)據標準的設計，應考慮著錄者（包括專業(yè)和非專業(yè)著錄人員及科學數(shù)據管理人員）和使用者（指共享科學數(shù)據的使用者）的需求、著錄對象（被描述的各類科學數(shù)據）的特性，并在期間尋求最佳平衡和組配，兼顧元數(shù)據標準的描述準確性與應用便捷性，促進科學數(shù)據加工的規(guī)范化與標準化。

在標準的適用范圍方面，Dublin Core、DataCite和Dataverse科學數(shù)據倉儲元數(shù)據標準的元素設置均與學科無關，主要描述數(shù)據集的宏觀層面，適用于綜合性科學數(shù)據倉儲。DATS和Dryad科學數(shù)據倉儲元數(shù)據標準雖然都是為支持生物醫(yī)學相關科學數(shù)據倉儲而設計，但因DATS的核心實體和Dryad全部元素均與學科無關，故也可用于綜合性科學數(shù)據倉儲。W3C HCLS Dataset Description是基于對15個生物醫(yī)學相關數(shù)據集實例的分析而構建的元數(shù)據標準，對生物醫(yī)學科學數(shù)據集進行了深入內容層面的組織，主要適用于生物醫(yī)學相關科學數(shù)據倉儲。

結合現(xiàn)有元數(shù)據標準在科學數(shù)據倉儲中的實際應用情況，可以分析出元數(shù)據標準在科學數(shù)據倉儲中發(fā)揮的作用。本文以應用上述元數(shù)據標準的6個科學數(shù)據倉儲為例，對目前元數(shù)據標準在科學數(shù)據倉儲中發(fā)揮作用的功能模塊進行分析與總結（見表4）。在數(shù)據上傳和數(shù)據著錄模塊，科學數(shù)據倉儲依據元數(shù)據標準設定用戶上傳數(shù)據時必填寫的數(shù)據的元數(shù)據描述，進而形成數(shù)據的著錄信息，以便用戶在不必瀏覽數(shù)據的情況下，能夠對數(shù)據有基本的了解和認識。DataMed作為數(shù)據集檢索系統(tǒng)，其并不提供數(shù)據上傳功能，而是通過收錄科學數(shù)據倉儲，利用DATS元數(shù)據標準將各科學數(shù)據倉儲內數(shù)據集的元數(shù)據描述進行統(tǒng)一與規(guī)范化，進而實現(xiàn)跨數(shù)據倉儲的數(shù)據集檢索。在數(shù)據檢索和數(shù)據瀏覽模塊，各科學數(shù)據倉儲依據元數(shù)據標準設定用戶可選的檢索項、檢索結果篩選項以及分類瀏覽的分類依據。在數(shù)據獲取和數(shù)據引用模塊，許多科學數(shù)據倉儲不僅提供數(shù)據集的獲取方式及獲取路徑，還基于科學數(shù)據倉儲的元數(shù)據描述提供規(guī)范的數(shù)據引用格式。但也有部分倉儲并未提供數(shù)據引用模塊，如DataMed和EBI RDF Platform。在普通數(shù)據轉RDF模塊，僅利用標準W3C HCLS Dataset Description的科學數(shù)據倉儲EBI RDF Platform能夠實現(xiàn)，即將ChEMBL、Ensembl、UniProt等數(shù)據庫中的數(shù)據轉換為RDF格式，從而使這些數(shù)據集能夠通過利用語義網技術進行訪問。在API接口和OAI-PMH模塊，部分科學數(shù)據倉儲依據元數(shù)據標準為用戶提供批量數(shù)據上傳、數(shù)據下載、數(shù)據檢索以及數(shù)據的元數(shù)據項下載等功能。圖2從左至右分別展示了：①科學數(shù)據倉儲Zenodo的數(shù)據上傳界面，包括用戶上傳數(shù)據時必填元數(shù)據描述項、推薦填寫元數(shù)據描述項和選填元數(shù)據描述項，對應元數(shù)據標準DataMed的必備元素、推薦元素和可選元素；②科學數(shù)據倉儲Dryad的數(shù)據著錄信息詳情頁面，不僅提供了數(shù)據集的基本信息說明，還提供了數(shù)據的獲取路徑以及引用數(shù)據的標準格式；③科學數(shù)據倉儲DataMed的高級檢索界面，為用戶提供了22個可選檢索項，如“Title”“Author”“Description”等。

3 對我國科學數(shù)據倉儲元數(shù)據標準構建及應用啟示

2002年，在科技部的主導下，我國開始實施科學數(shù)據共享工程，制定了數(shù)據共享工程的核心元數(shù)據標準，并陸續(xù)啟動醫(yī)藥衛(wèi)生、氣象、農業(yè)等9個學科領域科學數(shù)據共享中心的建設與共享服務試點。近年來，隨著科學研究的不斷深入，我國科學數(shù)據的數(shù)量和規(guī)模不斷擴大，元數(shù)據標準也越來越多。但與國外相比，我國科學數(shù)據倉儲元數(shù)據標準的規(guī)范化程度還不夠高，體系有待完善，應用也未達到預期。在未來的發(fā)展中，我國科學數(shù)據倉儲不僅要加強自身技術建設，更應增加與國外前沿機構的合作學習，深層次地擴展科學數(shù)據倉儲元數(shù)據標準的構建與應用工作。

（1）應用已有元數(shù)據標準，根據需求進行修改。不斷涌現(xiàn)的科學數(shù)據倉儲和管理平臺亟需比較成熟的元數(shù)據標準進行管理，考慮到元數(shù)據格式規(guī)范設計和長期維護的復雜性以及國際化環(huán)境和互操作的需要，一般選擇復用相關領域現(xiàn)有標準。在選擇標準時，各平臺和倉儲應對自身功能目標進行探討，明確著錄科學數(shù)據的細粒度和層次，結合各元數(shù)據標準的特點與優(yōu)劣，從而選擇出適當?shù)臉藴?，并對選定的標準按需進行調整與修改。如倉儲主要收錄臨床實驗數(shù)據，并擬從微觀層面對數(shù)據進行深入內容的描述與組織，則可選用W3C HCLS Dataset Description標準，并在其基礎上增加相關專指性描述字段，從而對實驗的操作流程、方法以及時間進行詳細說明。

（2）參考已有元數(shù)據標準，構建新的標準體系?，F(xiàn)有元數(shù)據標準雖種類多樣，各具特點，但在實際應用中并不能滿足所有科學數(shù)據倉儲和管理平臺的需求。這就需要部分機構、倉儲或平臺以解決倉儲內科學數(shù)據管理、共享、應用等方面的問題為導向，考慮科學數(shù)據的特有屬性、倉儲的功能需求和服務對象范圍，參考已有標準，構建具有實用性、準確性、可擴展性和前瞻性的科學數(shù)據倉儲元數(shù)據標準，推進科學數(shù)據的全生命周期管理與規(guī)范引用。

表4 各元數(shù)據標準在科學數(shù)據倉儲中的應用情況

圖2 科學數(shù)據倉儲Zenodo、Dryad和DataMed的部分界面

（3）規(guī)整元數(shù)據標準應用，把控數(shù)據著錄質量。數(shù)據著錄是科學數(shù)據倉儲元數(shù)據標準應用過程中的一個重要環(huán)節(jié)，數(shù)據的著錄質量嚴重影響數(shù)據在科學數(shù)據倉儲內的管理效率與后期復用情況。因此，在未來科學數(shù)據倉儲元數(shù)據標準應用的過程中，需要嚴格把控科學數(shù)據著錄質量，主要可從以下方面展開：一是制定科學數(shù)據著錄的質量控制方案和相關原則，并以此為指導開展著錄工作，如為數(shù)據提交者制訂元數(shù)據創(chuàng)建指南或者最佳實踐等；二是建立科學數(shù)據元數(shù)據描述質量評估指標，將數(shù)據著錄結果交由專業(yè)人員進行審核和評估，并加強專業(yè)人員對元數(shù)據質量控制素養(yǎng)的培訓，保證他們對元數(shù)據標準以及每個元數(shù)據項有較為全面的理解。

4 結語

科學數(shù)據的開放共享離不開數(shù)據倉儲和元數(shù)據標準的支持，為數(shù)據附加高質量的元數(shù)據描述，是實現(xiàn)科學數(shù)據有效存儲與管理的基礎。目前我國科學數(shù)據倉儲元數(shù)據標準的構建與應用還處于探索階段，尚未形成良好的實踐成果和合作機制。本文在概述國外典型通用科學數(shù)據倉儲元數(shù)據標準和生物醫(yī)學科學數(shù)據倉儲元數(shù)據標準的基礎上，圍繞它們的內容設計與實際應用開展多維分析，以期為我國科學數(shù)據倉儲元數(shù)據標準的構建和應用提供理論根基和實踐參考。