全球应对 COVID-19的关键亮点之一是有效、合乎道德和公平的数据共享的重要性，以及它如何能够成倍地加速疫情研究。然而，数据共享不仅仅是一种事件响应策略。
随着生物数据量逐年呈指数级增长，实验性多组学数据的公开共享需要成为生物和生命科学研究文化的一部分。跨领域和跨学科整合数据的能力将为更加综合的多组学和跨学科研究铺平道路，并扩大对生物系统更复杂洞察的潜力。
业界已齐心协力，致力于在生物研究中实现开放数据范式。然而，数据的公开可用性并不会自动转化为洞察力和知识方面的增值。我们必须彻底反思数据的生成、存储、共享和访问方式。同样重要的是，数据管理框架必须考虑元数据的价值。
元数据的挑战
元数据（本质上是描述数据的数据）为原始数据提供背景和出处，对于数据发现和验证都至关重要。例如，元数据可以描述样本，包括样本的来源、样本的处理 波斯尼亚和黑塞哥维那手机数据 方式 、样本纯化、分析和量化过程的细节，并提供有关实验设置和程序的详细信息。
整合来自多个分析和实验的数据可以进行高水平的研究，解决生命科学中更复杂的问题。
然而，一些案例研究表明，即使目前优先考虑开放数据的努力也未能以相应的规模促进开放分析。造成这种滞后的原因有很多。在这种情况下，一个关键挑战是，许多研究小组采用了社区特定的惯例，这些惯例不易扩展到多学科研究。
许多研究人员仍然不使用正式的报告惯例或完全排除对数据解释和重用至关重要的元数据。开放数据集中包含的元数据通常不完整和/或注释不充分。
谈到数据整合，传统方法分为两类：多阶段分析或元维分析。尽管元维分析能够将所有数据整合到一个综合元数据矩阵中，但将来自不同数据集的数据结合起来仍然是一项重大挑战。
对于生物信息学、生物统计学和编程专业知识有限的研究人员来说，缺乏用户友好的工具使得数据集成变得更加复杂。
没有元数据的开放数据不会给研究过程带来任何明显的新价值。尽管生物医学界正在齐心协力共享组学数据，但研究人员在确保这些数据有完整、注释和可用的元数据支持方面仍然缺乏一致性。因此，如果开放分析要赶上开放数据，就需要有一个通用的标准来报告和共享有价值的数据。