生命科学中的人工智能：可复制性、可重用性和社区工作

生命科学中的人工智能1（2021）100002社论人工智能研究中的可复制性、可重用性和社区工作生命科学中的人工智能（AILSCI）支持开放科学、数据共享和良好实践，以确保科学研究的可重复性。因此，对于在AILSCI上发表的原始研究，必须提供不在公共领域的原始数据 以及对研究的主要结果至关重要的自定义代码。然而，行业中的专有数据限制也是可以理解的，并且不应排除商业环境中有趣科学的出版。因此，AILSCI收录了多种文章类别。目前，我们考虑以下类型的手稿（有关详细信息，请参阅作者指南）：1 研究文章传达原创研究产生新的发现。高度鼓励报告具有生命科学影响的新计算方法以及将人工智能与实验工作相结合的研究。2 通信报告的初步研究是新颖的和科学合理的，可能会引起更大规模的调查。3 综述全面涵盖与生命科学或特定生命科学学科或跨学科研究中的AI应用高度相关的AI领域。4 观点具有对特定主题或研究领域的小型评论的特点，带有明确的个人观点。5 概念分析文章涵盖生命科学的AI概念，或从生命科学的角度重新评估现有理论6 方法方案简明扼要地介绍了一种方法，工作流程，软件，或研究协议，是容易适用和完全可复制的，包括开源软件。鼓励提出示范性应用7 有争议的观点讨论可能有争议的研究结果或科学问题，例如当前的方法局限性，经常被忽视的问题，或绘制新领域的挑衅性概念，即使是初步的。编辑也可能会征求这些稿件，以并排呈现不同研究者的对立观点。8 意见是对特定主题、发现或领域趋势的评论或建议，侧重于个人观点及╱或建议。观点、概念分析、方法协议、有争议的观点或意见等文章提供了多种格式，用于交流新的科学方法、案例研究和个人观点，https://doi.org/10.1016/j.ailsci.2021.100002接收于2021年3月15日;接受于2021年3月16日2021年3月24日网上发售经验，无需披露数据。 因此，这些类型的手稿可以很容易地被认为是以不同的方式呈现该行业的新科学发展。当然，有时可能会出现需要逐案作出决定的边缘情况。例如，在方法论文中，如果描述足够详细以使其他人能够重新实现，则在行业中开发的新算法可能被呈现为伪代码，而不提供软件。然而，如果软件供应商的目标是将专有软件与公开可用的程序进行基准测试，并声称具有卓越的性能，则无论手稿类型如何，该研究都不会在AILSCI中被删除，除非该软件向公众提供在下文中，我们详细说明了AILSCI范围内不同类型的贡献的进一步机会。算法和代码的可重用性和适应性将已发表的方法和源代码用于或扩展到不同的应用，对于该领域的进一步发展非常重要，也支持我们对可重复性的追求。受Nature Machine Intelligence[1，2]中最近引入的可重用性报告的启发，强烈鼓励在AILSCI中发表此类研究，如方法支持贡献。重要的是，这些论文中报告的计算和工作流程是完全可重复的。因此，它们应该以开源脚本、Java笔记本或其他合适的格式提供。此外，我们注意到，计算机科学和生命科学有不同的出版文化。在计算机科学中，新的算法和方法优先发表在生命科学中通常不考虑的会议论文集中。如果最初在会议记录中报告的人工智能方法具有生命科学应用的潜力，AILSCI邀请以概念分析或方法协议论文的形式重新出版这些贡献。在这种情况下，报告的算法或方法的生命科学相关性应在手稿中简要讨论，并应提供额外的说明和/或摘要，使工作可供跨学科的生命科学导向的观众访问。我们还注意到，方法协议手稿涵盖了以应用笔记、软件或其他期刊发表的等效报告形式发表的研究。2667-3185/© 2021作者。由Elsevier B. V.发布。这是一个CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）可在ScienceDirect上获得目录列表生命科学期刊首页：www.elsevier.com/locate/ailsci编辑生命科学中的人工智能教育和社区体育AILSCI还提供机会发布由社区倡议（如方法评估或盲测预测）产生的专题文章集。文章集可能涉及AILSCI科学组织或学会也可以利用这一机会发表来自会议或组织特定倡议的论文。对于从事跨学科人工智能研究的不断发展的科学界来说，关注不同层次的教育电子竞技也是非常重要的。例如，整合人工智能和生命科学组件的新教学概念可以作为概念分析呈现。此外，教育观点也可能旨在提供指导 用于解决快速发展的科学领域中的关键问题，例如人工智能应用中的炒作与现实之间的差距，争议观点提供了一个很好的讨论论坛。开放获取和预印本服务器本着促进开放科学的精神，AILSCI的文章在知识共享署名（CC BY）许可下或在知识共享署名-非商业性-无衍生（CC-BY-NC- ND）许可下发表。这将确保所有文章立即和永久免费供每个人阅读，下载，复制和分发。欲了解更多详情，请参阅期刊网站上的开放获取信息。此外，我们还认识到预印本服务器（如arXiv、bioRX iv和ChemRX iv）在快速传播研究成果和同行评议方面的价值。对于所有类别的手稿，作者可以随时随地分享他们的预印本更多详情，请参阅shar-《华尔街日报》我们期待收到许多有趣的和主题多样的贡献，这将有助于以各种方式进一步支持人工智能驱动的跨学科科学竞争利益作者声明，他们没有已知的竞争性金融产品。利益或个人关系，可能会出现在本文报告的工作。Jürgen Bajorath生命科学信息学和数据科学系，B-IT，Rheinische Friedrich-Wilhelms-Universität，Friedrich-Hirzebruch-Allee 6，D-53115德国波恩康纳W. 麻省理工学院化学工程系，地址：77 Massachusetts Avenue，Cambridge，MA02139，United States国梅利莎河LandonCyclica，207 Queens Quay West，Suite 420，Toronto，Ontario，M5J1A7，加拿大W. 帕特里克·沃尔特斯Relay Therapeutics，399 Binney Street，2nd Floor，Cambridge，MA02139，美国中国科学院上海药物研究所药物研究国家重点实验室，上海市徐汇区555路，上海祖冲之中国*通讯作者。电子邮件地址：bajorath@bit.uni-bonn.de（J.Bajorath）引用[1] 研究，再利用，重复（编辑）。Nat Mach Intell2020;2：729.[2] MohapatraS，Yang T，Gómez-Bombarelli R.可重用性报告：用描述符条件递归神经网络设计有机Nat Mach Intell 2020;2：7492