#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.