Cada año, millones de científicos publican artículos de investigación en revistas de biotecnología y ciencias de la vida. Sin embargo, existe un problema en toda la industria: los resultados no son fácilmente reproducibles. Cuando los científicos intentaron reproducir el trabajo de sus compañeros, el 70 % de ellos fracasó.
Solo en los Estados Unidos, un estudio estima que se gastan aproximadamente $ 28 mil millones por año en investigación preclínica que no se puede reproducir. Estos números resaltan la necesidad de una mejor conexión entre la academia, los laboratorios de biotecnología y la comunidad científica en general, y la necesidad de experimentos más replicables. Los científicos también deben priorizar la publicación de investigaciones junto con recomendaciones para otros que puedan realizar el experimento en su propio laboratorio.
¿Qué contribuye a la falta de reproducibilidad en la investigación biotecnológica?
Aquí hay otras formas en que la investigación puede no reproducirse, lo que limita su potencial a la comunidad científica en general.
Falta de acceso a los datos
Para que los científicos puedan reproducir estudios académicos, deben poder acceder a todos los datos y material de investigación relevante (y, a menudo, también irrelevante) para el estudio. La falta de acceso a los datos adecuados dificulta la reproducción y, en el pasado, era comprensible que la recopilación y el almacenamiento de datos fueran un desafío. Ahora, la tecnología ha facilitado que los investigadores almacenen y compartan datos no publicados, diseños de investigación e hipótesis descartadas para que no afecte el diseño experimental.
Diseño de investigación deficiente
Un factor importante que contribuye a la no reproducibilidad de los datos científicos es un diseño experimental deficiente. Los estudios con parámetros experimentales indefinidos no se informan claramente y afectan la capacidad de replicar analíticamente los datos.
Sesgo cognitivo
El sesgo cognitivo se refiere a las formas en que los pensamientos y opiniones subjetivos afectan la toma de decisiones. Los investigadores luchan por la imparcialidad y evitan que el sesgo cognitivo afecte el resultado de la investigación, pero a menudo es difícil eliminarlo. Las creencias y percepciones personales pueden impedir que los científicos evalúen los datos de manera objetiva y proporcionen una plantilla libre de sesgos para reproducir los resultados.
¿Cómo pueden los laboratorios de biotecnología realizar investigaciones de manera más eficiente?
Para abordar el problema de raíz, muchos esfuerzos científicos se han dirigido a realizar mejores investigaciones que puedan traducirse en experimentos exhaustivos. Aquí hay algunas formas en que la planificación y el diseño de experimentos más eficientes pueden afectar los resultados de la investigación.
Procesos estandarizados
Seguir un proceso de planificación de experimentos estandarizado garantiza la uniformidad en la investigación científica y aporta innovación. Los investigadores que siguen procesos estándar son más productivos y ahorran costos. El uso de un conjunto de patrones mientras realizan un experimento científico les da tiempo para documentar sus hallazgos, datos, factores de desviación y cualquier otro aprendizaje que consideren relevante. Este proceso optimizado les permite funcionar sin problemas, de manera segura y eficiente.Intercambio de datos
Todos los datos sin procesar de los estudios de investigación deben estar fácilmente disponibles para otros investigadores y científicos que deseen reproducir un estudio. El intercambio sólido de datos, material, software, procesos y otros detalles minuciosos reduce la probabilidad de mala interpretación y aumenta significativamente la probabilidad de que un estudio científico cobre vida.
Descripciones detalladas
Es importante incluir una descripción detallada de los procesos y diseños de investigación para mejorar la reproducibilidad. A menudo, los datos "negativos" que no respaldan las hipótesis se descartan y no forman parte del resultado final. Sorprendentemente, estos datos negativos a veces pueden ayudar a diseñar experimentos o interpretar resultados positivos de estudios relacionados. Por lo tanto, se alienta a los investigadores a almacenar todos los datos relacionados con un estudio y compartirlos con otros investigadores y científicos.
Lea también: Un formato novedoso: Laboratorios Biotecnológicos de Coworking
Diseño de experimentos para ser reproducidos
Para cumplir con los estándares de la industria y contribuir al progreso científico, diseñe experimentos que sean eficientes, reproducibles y fáciles de documentar.
Definir el objetivo
Documentar el objetivo del experimento, el mejor método para lograr el objetivo y los resultados esperados. Recuerda registrar toda la información y expectativas en la nube para que estén accesibles para ti en cualquier momento y no corras el riesgo de perderlas.
Usar protocolos
La documentación del protocolo ayuda a identificar los reactivos necesarios para el experimento y el tiempo necesario para llevar a cabo el procedimiento. Es mejor establecer plazos tentativos y un período de amortiguación, en caso de que las cosas vayan mal. Crear cronogramas detallados para cada acción junto con las partes responsables y los proveedores o suministros involucrados. Abarrotar demasiado en un día puede comprometer la eficiencia y hacer que su trabajo sea más propenso a errores. Concentrarse en una acción a la vez para garantizar que la investigación sea reproducible en tiempo real.
Analizar resultados
Al final del experimento, registrar todas las observaciones. Documentar los procesos, herramientas, hipótesis, resultados, desviaciones del protocolo, dificultades que enfrentó al realizar los experimentos o cualquier técnica adicional que lo ayudó a llegar allí. Si los resultados se desvían de las hipótesis, verificar el progreso e intentar identificar dónde podría haber fallado el estudio, lo que a veces se denomina análisis post mórtem. Esta información puede resultar valiosa al solucionar problemas del estudio y optimizarlo para futuros intentos.
Fuente: Zageno. How can biotech research designed efficiently.
