寻求完全可重复性

计算系统生物学领域的绝大多数科学贡献基于数学模型。这类模型可广泛分为动力学(动力学)模型和稳态(约束基)模型。它们常常描述为特定的标记语言，其目的是 aid in the distribution and standardization of models。尽管该领域已有众多 established standards，但由于合规 effort大、实现多样且对研究人员的奖励不比例，复现性仍然具有问题。本文探讨了将事件源 (event sourcing) - 即系统状态从顺序记录的事件中派生的软件工程技术 - 应用于解决计算系统生物学中的复现性挑战。以git等系统为例，事件源提供了一种保持 complete、不可变记录 of all changes to a model的方法。通过包括 leader and follower applications、local and remote computation以及 contribution tracking的示例，本工作展示了如何通过事件源系统自动实现 standards compliance、提供 comprehensive audit trails、enable perfect replication of processes、facilitate collaboration以及从单个事件日志生成多个 specialized read models。该方法的实现有潜力通过提供 unprecedented transparency、复现性和 collaborative capabilities，最终通过 more effective model reuse and integration加速 research。一种面向计算系统生物学的事件源方法可能作为相关学科的示例，帮助 end the reproducibility crisis，这一危机影响着多个主要科学领域。