#сдохни_или_умри #годнота

Привет, коллега!

Как было заявлено в закреплённом посте, я хочу писать и о том, как в науке вообще работается. И конечно, такой разговор невозможен без описания структуры науки в России. Однако, здесь я буду ленивым автором и посоветую вам ознакомиться с постами замечательного канала Зоопарк из слоновой кости на эту тему. Кстати, подпишитесь, если вы ещё не подписаны, я и многие мои коллеги с удовольствием их читаем. И в целом, Зоопарк и Русский research - мои любимки среди всех каналов о науке.

Для удобства поиска ссылки на сами посты про структуру науки вот и вот. А вот тут собраны другие интересные образовательные посты, я скорее всего ещё буду делиться ими с вами, поскольку повторять написанное не собираюсь.

От себя могу добавить, что я имею больше опыта работы в вузах, нежели в институтах РАН, однако многие коллеги побывали и там, и там. И какие плюсы и минусы мы выявили?

🟢 В вузах больше бюрократии. Я помню мы оформляли закупку в ныне присоединённом к Курчатовскому институту Институте молекулярной генетики и для этого мы сходили на другой этаж, отнесли список потребностей и через пару недель реактив был у меня. Сейчас мне для оформления закупки требуется около полутора месяцев. Две недели я напрямую общаюсь с поставщиками и месяц занимает согласование и подписание договора в ректорате. Все документы я оформляю сама, если делать через отдел закупок, то можно ждать полгода, поскольку на нескольких сотрудников этого отдела ложатся закупки по всему огромному университету. В МГУ помню оформление пропуска на выходной занимало несколько дней и требовало подписи проректора и постоянных перебежек между нашим корпусом и главным зданием.
🟢 Иерархия в вузах примерно такая же сложная как документооборот и за её соблюдением очень тщательно следят. И по моему опыту в первом меде гораздо более тщательнее, чем в МГУ. Не дай б-г ты напишешь кому-то выше твоего начальника, не получив соответствующего одобрения. Получишь нагоняй от своего начальства, а ответ на свой запрос нет. Потому что если человек сочтёт тебя сильно ниже по рангу - он просто проигнорирует письмо. Как-то у нас целый проект накрылся медным тазом из-за того, что не тот человек писал приглашения руководству. Так что если мне говорят кому-то написать, я всегда уточняю, могу ли я писать этому человеку и не лучше ли сделать это кому-то повыше. Про институты РАН в этом отношении у меня мало личного опыта, но по заверениям коллег - всё гораздо более горизонтально.
🟢 В вузах есть возможность трудоустройства по совместительству на педагогическую должность, что позволяет получать деньги за преподавание не отходя от кассы. Конечно, многие сотрудники институтов РАН обычно трудоустроены по внешнему совместительству на различные кафедры, но опять же по опыту коллег мотаться туда сюда на пары не так удобно. Педагогический стаж важен, если ты хочешь в будущем получить учёное звание доцента, а затем профессора. Учёное звание в отличие от одноименной должности - это как ученая степень кандидата или доктора наук. Работай ты хоть уборщицей, звание у тебя никто не отнимет. И нужно оно в основном для увеличения собственной значимости и небольшой денежки к зарплате.
🟢 Во многие вузы сейчас вливают кучу денег на научные исследования. Речь идёт о программах Приоритет 2030, НЦМУ, ПИШ и тд, которые призваны создавать исследовательские университеты. Поэтому в таких вузах как правило и больше ставок, и больше уровень зарплат, и оборудование посовременнее. И многие учёные из РАН прекрасно сотрудничают с научными группами из вузов, хотя и не переходят полностью зачастую из-за упомянутой выше бюрократии.

В целом, у меня нет однозначного ответа на вопрос, что лучше. Я уже писала, что мне предлагали позицию в институте РАН, но финансовый аспект и отсутствие педагогической ставки меня не устроили. Многим же совершенно не сдалось преподавание, а весь бюрократический ад вузов они в гробу видали, поэтому для них академия более предпочтительна. Тем более, что уровень зарплаты там поднимается до приемлемого за счёт более глубокого погружения в научные исследования.

#ля_ты_крыса

Смешались в кучу кони, люди или кто контролирует эксперименты на лабораторных животных в России?

Привет, коллега!

Отвечу сразу на поставленный в заголовке вопрос: фактически никто. Некоторые лаборатории ссылаются на Федеральный закон №498 "Об ответственном обращении с животными", хотя в нем прописано, что

Положения настоящего Федерального закона не применяются к [...] отношениям в области содержания и использования лабораторных животных.

Есть приказ Минздрава №199н "Об утверждении правил надлежащей лабораторной практики", там прописан общий порядок проведения доклинических исследований. Более подробно доклинические испытания лекарственных средств регламентируются Решением Совета ЕЭК №81 от 03.11.2016, а для ветеринарии Приказом Минсельхоза №101 от 06.03.2018. Правда эти документы регулируют в основном документацию, но не благополучие животных.

О лабораторных животных хоть немного заботятся ГОСТы, регулирующие содержание различных видов. Есть также требования СанПиН, которые больше касаются функционирования вивариев.

Но хочу подчеркнуть: нет ни одного государственного нормативного правового акта, регламентирующего экспериментальные процедуры на лабораторных животных. Это значит, что кто угодно может замучить крысу в виварии до смерти и ему ничего за это не будет. И к моему большому сожалению, я видела примеры этого своими глазами 😤.

В научных организациях обычно есть локальные комиссии по биоэтике. И животным очень повезло, если члены этих комиссий действительно читают заявки, а не одобряют их все сразу. Но что-то я пока не слышала о прецедентах, когда комиссия отклонила заявку или выявила нарушения при аудите который никто не проводит. Очень надеюсь, где-то они всё же имеются. Во многих местах даже разрешение комиссии не требуется, потребность всплывает только тогда, когда его начинает требовать журнал, в котором исследователь пытается опубликоваться.

Так что же делать и чем руководствоваться, если ты не хочешь превращать свои исследования в издевательство над животными?
▶️Во-первых, есть директива 2010/63/EU Европейского Парламента и Совета Европейского союза от 22 сентября 2010 года по охране животных, используемых в научных целях.
▶️ Во-вторых, есть такая международная организация Федерация европейских научных ассоциаций по лабораторным животным (FELASA), которая занимается разработкой различных гайдов по работе с лабораторными животными. Кстати, в России есть своё отделение Rus-LASA, на сайте у которых есть переводы международных документов, в том числе и упомянутой выше директивы. Лично я являюсь членом этой организации, а совсем недавно была выбрана в правление и очень надеюсь, что когда-нибудь получится как-то повлиять на ситуацию с законами. Кстати ГОСТы на содержание животных разрабатывались именно Rus-LASA.
▶️ В-третьих, ты можешь подписаться на этот канал. В 2019 году я проходила обучение работе с лабораторными животными в Каролинском институте по курсу, сертифицированному FELASA. Информацией оттуда я обычно делюсь в рамках своих курсов в университете, но теперь хочу писать об этом ещё и здесь.

Пост получился немного грустным, но я надеюсь, что через информирование мы сможем изменить что-то хотя бы на уровне отдельного учёного (да, да, именно тебя), а там глядишь и всё остальное подтянется.

#диссероплетение

Из чего же, из чего же, из чего же сделаны наши статьишки?

Привет, коллега!

Расскажу сегодня о структуре научной статьи, а для тех, кто с ней знаком - дам парочку советов по написанию различных разделов. Я намеренно пишу названия разделов на английском языке, так как, если ты хочешь сделать свои исследования достоянием мировой общественности, ты должен публиковаться в англоязычных журналах.

Начинается статья обычно с Abstract - т.е. краткой аннотации всего исследования и по сути сокращённой версии статьи. Именно поэтому в нём в нескольких предложениях будут представлены все нижеперечисленные разделы. А ещё часто только по абстракту судят о том, читать ли статью или нет, так что тут придётся постараться заинтересовать читателя

Introduction призвано привести читателя к научной гипотезе. Сначала ты пишешь более общие заявления об области, например, что в России живёт такой зверёк как подкустовный выползень*. Затем уходишь в большую конкретику, например, говоришь, что самок выползня в природе не видели. После этого переходишь к проблеме, которая-то и вызвала необходимость исследования. Мы же так и не понимаем, как выползень размножается! И вот дальше уже можно переходить к научной гипотезе, целям и задачам. Мы считаем, что выползни гермафродиты и занимаются самооплодотворением, поэтому неинвазивно исследуем его анатомию, а также понаблюдаем за размножением в естественной среде.

В разделе Methods надо написать какие методы были использованы в работе.
🟡 Методы не должны быть описаны слишком подробно, но и не должны быть слишком сжатыми. Важно, чтобы другой исследователь по этому описанию мог бы повторить твою работу.
🟡 Если метод уже был где-то опубликован - смело цитируй эту статью.
🟡 Если метод был опубликован, но потом немного модифицирован - ссылайся на статью и опиши модификации. Главное не ссылайся на статью, где ссылаются на другую, а найди оригинал. Как-то будучи в аспирантуре я так искала оригинальное описание метода, прошла через 6 статей, ссылающихся одна на предыдущую и в итоге пришла к статье 1937 года, в которой тоже ссылались на ещё более старую статью, которую я уже не нашла. Так что пришлось просто описать метод полностью.

Results в более старых работах могут приводится вместе со следующим разделом discussion, однако это не очень хорошо, так как нарушается логика повествования, а дискуссия выходит не очень хорошей. Результаты призваны последовательно показать те данные, которые вы получили. Здесь будут все графики, фото, таблицы и тд.
🟡 Наибольший акцент лучше сделать на результаты, подтверждающие гипотезу
🟡 Один абзац описывает один результат
🟡 Один раздел результатов описывает один рисунок (из этого следует, что один рисунок это несколько результатов)
🟡 И очень желательно наличие вводного и заключительного предложения для каждого раздела

Discussion включает в себя интерпретацию полученных результатов в тесной связи друг с другом и с мировым опытом по этой проблеме. Мы можем сказать, что по нашим данным у самцов выползней сперматозоиды с запасом питательных веществ и что мы наблюдали размножение без второй особи. Тут мы вспомним, что есть комодские вараны, самки которых могут размножаться партеногенезом без самца. И таким образом мы первые кто описал партеногенез у самцов.

Ну и в конце статьи обычно следует Conclusion, где ты должен написать основной вывод из работы и как её результаты можно применять в жизни.

После следуют разделы с благодарностями, грантовой поддержкой, вкладом авторов, конфликтом интересов, этическими аспектами и тд. Они обычно заполняются достаточно однотипно, так что не буду на этом акцентировать внимание.

😼 И последнее, но не по значимости. Писать статью лучше не в том порядке, в котором её читают, поскольку в этом случае придётся постоянно возвращаться и править написанное. Рекомендуемая последовательность следующая:

Results⏩Methods⏩Discussion⏩Introduction⏩Conclusion⏩Abstract

Кстати, а вы заметили, что последовательность разделов в статье прекрасно ложится в последовательность научного метода? Совпадение?

*вымышленное животное (см. День Радио)

#лабжурнал

Вот молодёжь пошла, сидят уткнувшись в свои электронные лабжурналы, а вот мы в их возрасте...

Привет, коллега!

Помнишь, я обещала рассказать про электронные лабораторные журналы? А вот и пост об этом. Но для начала какие преимущества и недостатки есть у такого формата ведения записей.

🙂 Электронный лабжурнал легче организовать и по нему легче осуществлять поиск. Как минимум через ctrl+F, как максимум через систему хештегов
🙂 Возможна коллективная работа и объединение разных работ в рамках одного проекта. Как руководителю мне иногда тяжело бегать между журналами студентов в поисках нужной информации
🙂 Можно защитить паролем и создать резервные копии, чтобы не потерять информацию
🙂 Можно вставлять изображения, графики, аудио и всё что угодно, что позволяет собирать более полную информацию об эксперименте
☹️ Нужен интернет и удобное приложение/устройство. Иногда в перчатках сложно набрать текст на телефоне, а вот взять ручку и написать гораздо проще
☹️ Возможность кибератак и утечки данных
☹️ Многие действительно удобные решения - платные.

Теперь собственно о специализированных сервисах для ведения электронного лабораторного журнала. Перечисленное выше закономерно для любого из них, так что напишу отличительные особенности. А ещё вот таким 💸 значком я отмечу программы, у которых есть бесплатная версия с ограниченным функционалом, а вот таким 💳 те, у которых есть только бесплатный пробный период.

🔤 LabArchives 💸 - интегрируется с MS Office и GraphPad Prism, а также базами PubMed, PubChem, SnapGene. В целом имеет достаточно простой и понятный интерфейс. Доступ осуществляется через браузер с любых устройств.
🔤 Benchling 💳 - хорошо подходит для исследователей в области молекулярной биологии и биоинформатики, поскольку включает в себя инструменты анализа данных, но может быть сложноват. Плюс по ощущениям является скорее частью общей системы менеджмента в лабораториях (LIMS), а не самостоятельным продуктом.
🔤 SciNote 💳 - есть возможность переписки и комментариев от членов команды, а также делегирования им задач. А ещё через SciNote можно организовать базу данных приборов и расписание работы на них. Также удобно наличие приложения на android или iOS.
🔤 LabFolder 💸 - организована командная работа через комментарии и сообщения. Есть интеграция с MS Office. Можно использовать как сервер для хранения данных любых форматов. И также есть встроенный модуль для систематизации оборудования и реактивов.
🔤 RSpace 💳 - интегрируется с кучей разных программ, начиная от офиса и заканчивая ютубом. Также позволяет коммуникацию через комментарии и имеет модуль для учёта оборудования и реактивов.
🔤 CDD Vault’s ELN 💳 - также как и Benchling является скорее частью системы лабораторного менеджмента. Имеет интеграцию с MS Office и возможность совместного доступа. Интерфейс откровенно говоря достаточно сложный.
🔤 LabGuru 💳 - имеет очень приятный интерфейс с возможностью командной работы, причём со встроенным видеочатом. В данном случае LIMS выглядит как приложение к журналу, а не наоборот. Есть модуль для организации реактивов и отдельно отмечается возможность рисовать химические формулы и реакции. Есть мобильное приложение.
🔤 eLabJournal 💳 - опять же по ощущениям интуитивно понятный интерфейс, есть модуль с реактивами, но разработчики добавили интересную фишку: карту лаборатории, чтобы все знали где эти реактивы лежат.
🔤 Sapio ELN 💸 - фишкой этого журнала является встроенный ИИ-помощник, а также мощный модуль для анализа и визуализации данных. Плюс также есть инструменты для молбиола типа дизайна праймеров, плазмид и тд.
🔤 IGOR - интерфейс похож на LabGuru, есть мобильное приложение. Меня зацепило название, так и вижу как записи в лабжурнал вводятся со словами "напишу Игорьку", но на мой взгляд это всё таки не стоит минимум 30 долларов в месяц.

Есть ли среди вас те, кто на постоянке пользуются этими сервисами? Если да - напиши в комментарии свои впечатления. Я-то старообрядец и до сих пор использую бумажный журнал.

#методичка

Это база

Привет, коллега!

В прошлый раз мы разбирались с формулировкой научной гипотезы и пришло время научиться оценивать качество этой самой гипотезы. Для начала стоит проверить, не сделал ли кто-то уже исследование на эту тему. Так что расскажу, где искать научные труды.
Дисклеймер: я специализируюсь на биомедицине, но постаралась включить в подборку и то, что нашла для других специальностей. Также стоит понимать, что баз огромное количество и я не могу перечислить их все, постаралась выделить основные. Если я упустила что-то очень важное - обязательно напиши в комментариях.

📌 Google Scholar - уж если ты решил загуглить свой вопрос, то делай это в Академии Гугл. Тут можно найти статьи, книги, диссертации и другие работы, которые размещены на различных сайтах. Кстати, через него можно найти полные версии некоторых статей, к которым нет доступа.

📌 Internet Archive Scholar - пожалуй, самая крупная база статей с доступом к текстам. Опять же там можно поискать полные версии статей, недоступные на сайте издательства.

📌 ScienceDirect - база данных от издательства Elsevier, включающая в себя статьи практически по всем областям наук.

📌 SpringerLink - база статей и книг издательства Springer-Verlag по различным областям наук.

📌 Web of Science - мультидисциплинарная база данных, которая включает журналы по естественным, социальным и гуманитарным наукам, позволяющая отслеживать цитирования (то есть используется для наукометрии). С недавних пор принадлежит Clarivate. Откровенно говоря для меня интерфейс стал абсолютно непонятным и я перестала туда заходить, кроме случаев, когда мне нужно указать ссылку на профиль автора при заполнении анкет.

📌 Scopus - ещё одна база данных от Elsevier, содержащая абстракты статей и инструменты для анализа цитирования. Была создана как альтернатива Web of Science. В базу данных Scopus входят далеко не все журналы и поэтому принято считать, что индексация в этой базе это один из показателей качества журнала и публикации. Доступ к Scopus сейчас закрыт, но есть полезная инструкция как его получить.

📌 eLIBRARY - база русскоязычных статей. Из-за отсутствия какого-либо отбора, помимо хороших статей содержит кучу трешанины, которую обозревает канал КРИНЖ. Подпишись, если не слабонервный 🌻

📌 КиберЛенинка - ещё одна база русскоязычных статей, предоставляющая доступ к полным текстам работ. Придерживаются концепции открытой науки, за что им большое спасибо. С недавнего времени работают и с англоязычными статьями.

📌 PubMed - основная база работ по естественным наукам и медицине. Содержит миллионы статей и книг, так что для того, чтобы что-то найти, придётся научиться правильно составлять строку поиска. И угадай, в каком канале тебя этому научат? 😮

📌 IEEE Xplore - база статей, материалов конференций, технических стандартов и по информатике, электротехнике и электронике, а также в смежных областях.

📌 JSTOR - электронная библиотека статей, книг и первоисточников по гуманитарным и социальным наукам

📌 Cochrane Library - база результатов клинических исследований и систематических обзоров в области здравоохранения и медицины. Номер 1 в доказательной медицине. Если ты хочешь узнать работает ли очередной фуфломицин - смотри там.

📌 PsycINFO - база статей, книг и диссертаций в области психологии и социальных наук.

📌 MedLine - база статей по медицине. Не содержит полных текстов, но содержит ссылки на внешние ресурсы

📌 ERIC - база статей, отчётов, диссертаций в области образования, предназначенная в первую очередь для преподавателей

📌 arXiv, bioRxiv, PsyArXiv, - базы данных, содержащие препринты (то есть ещё не опубликованные версии) статей. В первом случае по физике, математике и информатике, во втором - по биологии и медицине, в третьем - по психологии.

Хотела включить сюда в этот список базы для поиска патентов, но и без них материал получился достаточно обширным. Так что приберегу подборку для следующего поста 😊

#статистика_для_котиков

Типы данных или как не ошибиться с выбором критерия

Привет, коллега!

😐 В самом начале разговора об анализе данных стоит обсудить какие данные вообще бывают. Потому что от этого будет зависеть выбор критерия для сравнения твоих экспериментальных групп.

В целом данные бывают количественные и качественные. Количественные данные можно упорядочить и с ними можно совершать различные арифметические действия. Качественные данные описывают свойства объекта и тут уж как говориться, ни отнять, ни прибавить.

В свою очередь количественные данные делятся на непрерывные и дискретные.
🟡 Непрерывные данные могут быть не целыми числами и их можно дробить настолько, насколько нам позволят наши приборы. Например, длина крыла подпотолочного лампонюха может быть 1 метр, может 1,12 м, может 1,12237467 метра и так далее.
🟡 Дискретные же данные не могут принимать нецелочисленные значения. Как правило, это количество чего-то, например, 5 студентов в потоковой аудитории. А вот полтора землекопа уже быть не может.

⭐️ В зависимости от типа данных ты будешь выбирать параметрические или непараметрические критерии для анализа. В случае дискретных количественных данных - всегда используй непараметрические критерии. Сколько же студентов и аспирантов посыпались на сравнении количества клеток t-критерием Стьюдента... Не становись одним из них 😇

Качественные данные описывают некоторое качество объекта и бывают ранговыми и номинальными.
🟡 Ранговые данные можно перепутать с дискретными количественными, так как они тоже только целочисленные, но при этом с ними бессмысленно проводить какие-то арифметические действия. Например, пятибалльная шкала ураганов. Находятся, конечно, извращенцы, считающие средний бал ураганов по региону. А потом эти умельцы готовят инфраструктуру к средним 3 баллам, которая летит к чертям собачьим в 5 баллов.
🟡 Номинальные данные описывают качество объекта, который нельзя упорядочить. Например, цвет глаз или предпочтения в музыкальных жанрах 👻

🥳 Для тех, кто уже немного искушён в статистике я принесла схемки 👇, которые помогут выбрать правильный критерий для анализа. А тем, кто только начинает этот путь вместе со мной - рекомендую добавить картинки в сохранёнки, ведь мы ещё к ним вернёмся.