tl;dr: światem rządzą sieci bezskalowe. The rich get richer, w nauce jest tak samo, a Nobel to nagroda dla najbogatszych. Można zobaczyć filmik, a na końcu narzekam na to, że mnie nikt nie cytuje, i nikt nie bada nieznanych genów. Artykuł zacząłem pisać dwa lata temu, a teraz zmotywował mnie świetny artykuł z Atlantica.

Pierwszy powód jest taki, że robię się coraz starszy, a Nobla nie tylko nie dostałem, ale nawet nie zapowiada się, żebym go kiedyś dostał. To jest oczywiście dobry powód do zgorzknienia i narzekania, ale mam też lepsze racjonalizacje. Dojrzewały we mnie już od jakiegoś czasu, ale gdy przeczytałem artykuł Eda Yonga z “The Atlantic” zrozumiałem że tak mogę się pod tym podpisać.

Nauka jest wysiłkiem zespołowym i bardzo rzadko trafia się noblista, który zrobił coś w pojedynkę (czy nawet samotrzeć). Nagrody Nobla nie tylko promują błędną wizję nauki jako wysiłku samotnych geniuszy, ale notorycznie pomijają pewne grupy osób: kobiety, młodszych stażem, czarnych, żółtych… um, właściwie to wszystkie grupy naukowców z wyjątkiem uprzywilejowanych starych białych facetów, USBF¹, którzy mieli to szczęście, że dożyli (z jednym wyjątkiem). Którzy w ogóle mieli szczęście, full stop, bo jak powiedział Sydney Brenner, mój ulubiony noblista (też skądinąd USBF),

Sposób na sukces to urodzić się we właściwym czasie i właściwym miejscu. Jeśli potrafisz tego dokonać, to odniesiesz sukces. Musisz tylko być otwarty i mieć trochę talentu.

The way to succeed is to get born at the right time and in the right place. If you can do that then you are bound to succeed. You have to be receptive and have some talent as well.

Cytat pochodzi z wywiadu, który w ogóle warto przeczytać.

W nauce niestety mamy do czynienia ze zjawiskiem, które nazywa się “preferencyjnym przyłączaniem” (preferential attachment), czyli zasadą “the rich get richer” - bogaci bogacą się jeszcze bardziej. Sława rodzi większą sławę, granty rodzą jeszcze większe granty itd. Co gorsza, autorytet rodzi większy autorytet, także poza dziedzinami, za które dany osobnik dostał Nobla. Mamy wśród noblistów przykłady denialistów klimatycznych, denialistów związku między HIV a AIDS, wiary w astrologię, wiary w Obcych w postaci fluorescencyjnych szopów praczy… no dobra, to wszystko to jest jeden noblista, ale nie jest odosobniony. Skoro jednak noblista coś mówi, to chyba nie mówi byle czego, prawda?²

Można sobie powiedzieć, tak jest ten świat urządzony, ale są jeszcze dwa przykłady tego zjawiska, które mnie wyjątkowo denerwują. Zanim je podam, pokażę, jak w praktyce działa preferencyjne przyłączanie.

Pomyślcie teraz o sieci komputerowej. W sieci komputerowej mamy węzły (komputery) i połączenia (kabelki sieciowe, czy nawet bezprzewodowe połączenia sieciowe). Większość komputerów ma jeden kabelek, ale są takie specjalne komputery - routery, serwery czy co tam, nie znam się - które mają tych kabelków fafnaście albo nawet pierdylion; tyle, że jest ich o wiele mniej, niż komputerów z jednym kabelkiem. Taka sieć nazywa się bezskalowa - przykładem takiej sieci jest po prostu Internet.

Jak zrobimy wykres, na którym na osi poziomej jest liczba kabelków sieciowych, a na osi pionowej liczba komputerów, które mają daną liczbę kabelków, to wyjdzie coś takiego:

W sieci powyżej jest jeden komputer z siedmioma połączeniami, jeden z pięcioma, za to dziesięć bez żadnego połączenia. To bardzo dobrze widać na rysunku po prawej: wykładniczo spadająca liczba komputerów wraz ze zwiększającą się liczbą kabelków.

Taka sieć powstaje właśnie w wyniku preferencyjnego przyłączania, co łatwo zasymulować. Poniższy filmik pokazuje, co dzieje się ze zwykłą siecią - nie bezskalową, tylko taką, w której wszystkie komputery mają mniej więcej tyle samo kabelków. W każdym kadrze dokładany jest jeden węzeł zgodnie z zasadami preferencyjnego przyłączania. Zauważcie, jak szybko sieć staje się bezskalowa:

Bardzo ciekawym przykładem sieci bezskalowych jest sieć publikacji naukowych. Każdy artykuł naukowy powołuje się na inne artykuły naukowe, czyli je cytuje. Cytowania to waluta nauki: liczysz się tyle, ile masz cytowań³. Są jedyną w przybliżeniu obiektywną miarą tego, jak ważne jest jakieś badanie⁴. Służą do oceny naukowców, ich wpływu na naukę, w konkursach na stanowiska, w rozdzielaniu grantów itd.

Jeżeli na wykresie przedstawiającym sieć artykuł jest kropką, to cytowanie jednego artykułu przez drugi może być kreską między dwoma kropkami. I teraz znowu mamy do czynienia z siecią bezskalową: artykuł, który został już raz zacytowany, ma o wiele większe szanse, by zacytowano go ponownie. Bo skąd ja wiem o artykułach do cytowania? Na przykład z wyszukiwarki google.scholar, która zwraca najpierw artykuły o większej liczbie cytowań. Ale nawet przed google.scholar tak było, najstarsze prace dokumentujące to zjawisko pochodzą z lat ‘60 zeszłego wieku. Nie sposób bowiem czytać całej literatury, więc poza najwęziej rozumianym tematem pracy, cytuję chętniej prace, które już raz cytowałem, a często o jakiejś pracy dowiaduję się, bo ją ktoś zacytował.

Nie mam pomysłu, co by z tym można było zrobić, ale mnie irytuje, bo efekt jest taki: bywa, że znakomite prace nie są cytowane tylko dlatego, że w podobnym czasie – niekoniecznie wcześniej – wyszła podobna praca, która z takich czy innych powodów trafiła na świecznik. Pomijając sytuację, gdy pewna praca była zdecydowanie pierwsza w swojej dziedzinie, to niezależne od siebie publikacje potrafią dostawać zupełnie różne liczby cytowań tylko dlatego, że jedna z nich ma bardzo znanego autora (albo po prostu miała szczęście dostać się do lepszego czasopisma). To jest niesprawiedliwe, bo nieproporcjonalnie nagradza jednego autora, a co gorsza, redukuje różnorodność reprezentowanych w naukowym mainstreamie interpretacji i poglądów.

Ale to małe miki. Mam lepszą historię.

Człowiek ma mniej więcej dwadzieścia tysięcy różnych genów kodujących białka. Ze wszystkich kręgowców, genom człowieka jest najlepiej poznany – co nie znaczy że znamy go bardzo dobrze. Kiedy sprawdzam⁵, jakie geny są aktywowane u ludzi chorych na gruźlicę, o mniej więcej połowie wiem w przybliżeniu do czego służy. Pozostałe mają w najlepszym razie jakieś szczątkowe opisy. Moim ulubionym przykładem jest gen ANKRD22, który jest jednym z najlepszych biomarkerów gruźlicy. Gen jest indukowany przez interferon (który odgrywa dużą rolę w gruźlicy⁶), produkowane białko ma strukturę, którą możemy odgadnąć - i w sumie tyle. Niewiele o nim wiadomo, poza tym, że bierze udział w całym szeregu różnych procesów chorobowych.

Preferencyjne przyłączanie w tym przypadku działa tak, że więcej badań publikuje się na temat genów, o których już i tak dużo wiemy. Garstka genów omawiana jest w tysiącach artykułów naukowych, a jednocześnie - tysiące genów w ogóle nie pojawia się w żadnych publikacjach⁷:

Zwróćcie uwagę na niebieskie punkty. Każdy z nich oznacza jeden gen; na pionowej osi jest związana z tym genem liczba opublikowanych badań naukowych. Jak widać, pewne geny (takie jak TNF albo interleukina 6) mają tysiące publikacji, ale większość genów nie była dotąd jeszcze nigdy badana.

Najgorsze jest to, że pieniądze na badania rozkładają się dokładnie tak samo: łatwiej dostać grant na badanie genu, o którym już wiemy, że jest ważny, i na temat którego napisano tysiące prac, niż na badanie genu, o którym nic nie wiemy.

Staję się powoli SBF, a może nawet USBF (zależy od punktu widzenia), i gdybym mógł zmienić w nauce jedną rzecz, to właśnie te różne preferencyjne przyłączania i sieci bezskalowe. Noble z jednej strony są fajne, bo popularyzują naukę, ale jednocześnie napędzają zjawiska, które szkodzą nauce. Dlatego przestałem je lubić.

/

Komentarze

Original post