让研究数据可复核、可治理，也可转化为真实发现

从研究问题到数据字典

项目开始前需要定义研究人群、表型、样本类型、主要终点和排除标准。数据字典越清楚，后续统计和跨项目复用越可靠。

• 样本与表型映射
• 缺失值和质量规则
• 预先设定主要分析计划

样本和分析管线的质量

样本接收、核酸质量、测序批次和分析版本都应建立记录。研究结果需要能够回到原始数据和具体软件环境，而不是只保留最终图表。

• 批次平衡和质控样本
• 容器化和版本锁定
• 回归测试和异常记录

授权、合作与成果交付

研究数据使用应有明确目的、访问范围、合作方责任和退出机制。项目结束后还需约定数据归档、删除、成果发表和用户权益。

• 知情同意与伦理审查
• 去标识化和最小权限
• 结果共享和发表审查

研究项目先把数据字典写清楚

人群基因组学项目的可复用性，往往取决于研究开始前的数据字典。样本编号、表型定义、缺失值、批次信息、排除标准和主要终点都应形成版本化记录。

如果病例和对照分别在不同批次处理，统计校正不能完全消除混杂。项目设计阶段应尽量平衡批次、随机化处理并设置质控样本。

• 定义样本与表型的映射关系
• 预先写明质量和排除规则
• 平衡批次并保留异常记录

科研交付不仅是文件，也包括可复核过程

完整交付应包含数据字典、分析脚本或工作流版本、参考文件、参数、质控摘要和结果说明。这样合作方能够复现关键结果，也能在研究问题变化时评估哪些数据可以继续使用。

项目结束前还应确认发表审查、成果归属、数据归档、访问撤销和删除机制。明确退出路径，可以减少合作结束后长期保留权限的风险。

• 锁定软件和数据库版本
• 提供校验值与结果目录
• 明确合作结束后的数据处理