相关实验视频
Updated: Jul 24, 2025

gP2S, an Information Management System for CryoEM Experiments
Published on: June 10, 2021
协作研究中心的数据管理策略
Deepti Mittal1, Rebecca Mease2, Thomas Kuner3
1Institute of Pharmacology, Heidelberg University, 69120 Heidelberg, Germany.
有效的研究数据管理 (RDM) 对FAIR神经科学数据至关重要. 本研究介绍了大型财团的可持续RDM战略,解决异质数据生成的挑战,并促进增量采用.
科学领域:
- 神经科学是一个神经科学.
- 数据科学数据科学数据科学
- 生物医学研究生物医学研究
背景情况:
- 有效的研究数据管理 (RDM) 对于生成可查找,可访问,可互操作和可重复使用 (FAIR) 神经科学数据至关重要.
- 由于数据类型和研究方法的多样性,多学科神经科学联盟面临着重大的RDM挑战.
- 在其他研究需求中优先考虑RDM,并实施复杂联盟的连贯计划仍然很困难.
研究的目的:
- 为大规模的多学科神经科学研究联盟提出一个实用的RDM战略.
- 解决来自异质和多模式来源 (动物,人类,临床) 生成FAIR数据的挑战.
- 提出可持续的解决方案,鼓励逐步采用RDM,同时满足特定的研究需求.
主要方法:
- 为海德堡协作研究联盟制定和实施定制的RDM战略.
- 专注于早期的RDM和FAIR数据生成原则.
- 整合解决方案来管理各种数据类型,包括神经生理学,神经成像,遗传学和行为.
主要成果:
- 在一个大型协作联盟中,成功实施了具体的RDM战略.
- 该战略有助于从异质来源生成FAIR神经科学数据.
- 开发了可持续的解决方案,以激励正在进行的RDM实践.
结论:
- 实施积极和可持续的RDM战略对于大型神经科学联盟来说是可行的,也是有益的.
- 这些策略对于最大限度地发挥多学科研究的影响和确保数据可用性至关重要.
- 早期应对RDM挑战有助于实现开放科学和神经科学数据共享的长期目标.
更多相关视频
09:43Databases to Efficiently Manage Medium Sized, Low Velocity, Multidimensional Data in Tissue Engineering
Published on: November 22, 2019
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
相关概念视频
Methods of Documentation VI: Case Management Model
For example, a patient with a chronic...
Guidelines and Strategies for Safe Computer Charting
Maintain Confidentiality and Security:
Archival Research
Methods of Documentation IV: Focus Charting
It typically involves three columns for recording information: