بایننس ریسرچ: از چالش تا فرصت؛ DeSci چگونه علم را از نو تصور کرد؟

عنوان اصلی مقاله: از چالش‌ها تا فرصت‌ها: DeSci چگونه علم را از نو تصور می‌کند؟
منبع اصلی: Binance Research

گردآوری و ترجمه مقاله اصلی: Will Awang

از دوران باستان، امپراتورها و سرداران همواره آرزوی بی‌پایانی برای جاودانگی در سر می‌پروراندند و امروز نیز از این قاعده مستثنا نیست. این جست‌وجو برای افزایش طول عمر و پیشرفت علم، با کمک فناوری بلاک‌چین مسیر تازه‌ای پیدا کرده است. ظهور علم غیرمتمرکز (DeSci) امیدها و امکان‌های جدیدی برای کاوش در مرزهای علمی فراهم کرده است.

چیزی که ابتدا توجه من را به DeSci جلب کرد، سرمایه‌گذاری Pfizer در VitaDAO بود؛ اقدامی که نه‌تنها نخستین سرمایه‌گذاری Pfizer در فضای Web3 به شمار می‌رفت، بلکه نشان‌دهنده پذیرش و حمایت این غول داروسازی سنتی از حوزه DeSci نیز بود. این موضوع را در کنار پیشینه خودم در کارآفرینی حوزه سلامت دیجیتال قرار دادم و به این فکر افتادم که چگونه می‌توان با DeSci مدل‌های کسب‌وکار را از نو بررسی کرد.

در گزارش پژوهشی DeSci که Binance Research با عنوان «از چالش‌ها تا فرصت‌ها: DeSci چگونه علم را از نو تصور می‌کند؟» منتشر کرده، ابتدا پدیده «دره مرگ» در فرایند پژوهش علمی معرفی می‌شود. سپس DeSci برای پرداختن به «دره مرگ» از طریق راهکارهای نوآورانه مطرح می‌شود و در پایان، چشم‌انداز فعلی DeSci در بازار جمع‌بندی می‌شود؛ چشم‌اندازی که نشان می‌دهد DeSci به‌اندازه کافی بالغ شده تا بر شیوه انجام پژوهش علمی در روزگار کنونی اثر بگذارد. هرچند وضعیت فعلی همچنان با برخی شکاف‌ها و چالش‌ها روبه‌روست، غلبه بر «دره مرگ» در پژوهش گامی مهم به جلو محسوب می‌شود.

بر اساس منطق گزارش پژوهشی، در کل فرایند تبدیل پژوهش علمی به تجاری‌سازی، DeSci می‌تواند بیش‌ازپیش با فناوری بلاک‌چین و Web3 ادغام شود. برای نمونه، پژوهش و توسعه پزشکی را در نظر بگیرید:

· گردآوری داده: داده‌های حاصل از پژوهش‌های بنیادی و پژوهش‌های انتقالی در مراحل اولیه را می‌توان از طریق DePIN به دست آورد و با هوش مصنوعی تقویت کرد؛ این کار در مقیاس جهانی انجام می‌شود و مشوق‌هایی نیز فراهم می‌کند؛

· ذخیره‌سازی داده: این داده‌ها را می‌توان با استفاده از فناوری رمزنگاری به‌صورت درون‌زنجیره‌ای ذخیره کرد تا تمامیت و امنیت داده حفظ شود. همچنین می‌توان شکل تازه‌ای از انتشار آزاد و در دسترس همگان ایجاد کرد که تا حدی به مسائل مربوط به تکرارپذیری و بازتولیدپذیری اکتشافات علمی می‌پردازد؛

· جامعه ذی‌نفعان: با استفاده از قواعدی که سازمان‌های DAO تعیین می‌کنند، می‌توان میان پژوهش بنیادی و درمان بالینی زیست‌بوم منافع مشترکی ایجاد کرد. این قواعد را می‌توان گسترش داد تا کل فرایند پژوهش، خدمات بالینی، تجاری‌سازی و تعامل پزشک و بیمار را در بر بگیرد و برای همه طرف‌های درگیر موقعیتی برد-برد رقم بزند؛

آینده‌ای که DeSci ترسیم می‌کند، چنین است: یک سازمان خودمختار غیرمتمرکز (DAO) متشکل از جامعه‌ای چندذی‌نفعی با هدف و چشم‌اندازی مشترک که دیگر سودآوری سرمایه‌محور محرک آن نیست؛ سازمانی که فناوری بلاک‌چین و Web3 را عمیقاً ادغام می‌کند، اکتشافات علمی را پیش می‌برد، اجرای محصولات ملموس را سرعت می‌بخشد و به توسعه کل جامعه کمک می‌کند.

اگرچه DeSci هنوز در مرحله‌ای بسیار ابتدایی قرار دارد، به‌طور فعال بر شیوه انجام پژوهش علمی در روزگار کنونی اثر می‌گذارد.

در ادامه، محتوای از چالش‌ها تا فرصت‌ها: DeSci چگونه علم را از نو تصور می‌کند؟ آمده است. از آن لذت ببرید:

01 بینش‌های کلیدی

· فرایند پژوهش علمی با چالش‌های چشمگیری روبه‌روست؛ به‌ویژه هنگام تبدیل پژوهش بنیادی به کاربردهای عملی. پدیده «دره مرگ» باعث می‌شود ⁦%80⁩-⁦%90⁩ از پروژه‌های پژوهشی پیش از آزمایش‌های انسانی شکست بخورند و تنها ⁦%0.1⁩ از داروهای کاندید به درمان‌های تأییدشده تبدیل شوند.

· سازوکارهای تشویقی در دانشگاه‌ها، نهادهای تأمین مالی و صنعت با یکدیگر هم‌راستا نیستند؛ در نتیجه، بودجه پژوهش و توسعه کافی نیست، همکاری میان دانشمندان و پزشکان بالینی کاهش می‌یابد و چالش‌هایی مانند تکرارپذیری و بازتولیدپذیری اکتشافات علمی ایجاد می‌شود؛ در نهایت، بیشتر پژوهش‌ها در «دره مرگ» متوقف می‌شوند.

· علم غیرمتمرکز (DeSci) جنبشی برای ایجاد مدلی نوآورانه از پژوهش علمی با استفاده از پشته Web3 است تا به چالش‌های یادشده رسیدگی کند.

· DeSci با استفاده از سازمان‌های خودمختار غیرمتمرکز (DAOها)، بلاک‌چین و قراردادهای هوشمند می‌تواند به مسائل کلیدی هماهنگی رسیدگی کند. این رویکرد گروه‌های مختلف ذی‌نفع را قادر می‌سازد منافع خود را هم‌سو کنند و برای پیشبرد پژوهش تا مرحله بالینی انگیزه داشته باشند.

· بازار تاکنون چهار حوزه کلیدی نوآوری در زمینه DeSci را شناسایی کرده است:

- زیرساخت؛ شامل زیرصنایعی مانند پلتفرم‌های تأمین مالی و ابزارهای DAO که پایه و اساس DAOهای DeSci را شکل می‌دهند.

- پژوهش؛ شامل جامعه مردمی DeSci که رویدادهای جهانی برگزار می‌کند و DAOای با چشم‌اندازی هم‌سو میان ذی‌نفعان مختلف.

- خدمات داده؛ شامل پلتفرم‌های انتشار و داوری همتا. این پلتفرم‌ها از انتشارات علمی با دسترسی آزاد و ابزارهای مدیریت داده پشتیبانی می‌کنند که تمامیت قدرتمند داده و کنترل دسترسی مشارکتی را فراهم می‌آورند.

- میم‌ها؛ که مستقیماً بودجه آزمایش‌های علمی را تأمین می‌کنند یا به‌عنوان ابزار سرمایه‌گذاری برای دیگر پروژه‌های DeSci به کار می‌روند.

· اگرچه پشته موجود هم‌اکنون می‌تواند از پژوهش بنیادی و پژوهش انتقالی پشتیبانی کند، برای پژوهش بالینی چندان مناسب نیست؛ حوزه‌ای که در آن محصول مستقیماً به نفع بیماران است.

· در مجموع، علم غیرمتمرکز به‌اندازه کافی بالغ شده تا بر شیوه انجام پژوهش علمی در روزگار کنونی اثر بگذارد. با وجود برخی شکاف‌ها و چالش‌های فعلی، غلبه بر «دره مرگ» در پژوهش گامی مهم به جلو محسوب می‌شود.

02 مقدمه

2.1 پیشینه پژوهش علمی سنتی

فرایندی که طی آن صنعت علم دانش و اختراعات تازه تولید می‌کند، به مراحل مختلفی تقسیم می‌شود که عمدتاً شامل پژوهش بنیادی و پژوهش بالینی است. پژوهش انتقالی این دو مرحله اصلی را به هم پیوند می‌دهد. کارکرد اصلی پژوهش انتقالی تبدیل دستاوردهای پژوهش بنیادی به کاربردهای عملی است؛ کاربردهایی که بتوان آن‌ها را از طریق پژوهش بالینی آزمایش کرد. هدف نهایی این فرایند، تجاری‌سازی یافته‌های پژوهشی و ایجاد محصولاتی است که به جامعه سود می‌رسانند.

(شکل 1: «دره مرگ» به مرحله‌ای اشاره دارد که بیشتر پژوهش‌ها در فاصله میان علوم بنیادی و علوم بالینی شکست می‌خورند)

بااین‌حال، یکی از بزرگ‌ترین چالش‌ها در این فرایند، پدیده «دره مرگ» است؛ جایی که بسیاری از تلاش‌های علمی به دلیل نبود پژوهش انتقالی مؤثر شکست می‌خورند.

بر اساس داده‌های مؤسسه ملی سلامت (NIH)، ⁦%80⁩ تا ⁦%90⁩ از پروژه‌های پژوهشی پیش از رسیدن به مرحله آزمایش انسانی شکست می‌خورند. افزون بر این، به‌ازای هر دارویی که سازمان غذا و داروی آمریکا (FDA) تأیید می‌کند، بیشتر از ⁦1,000⁩ داروی کاندید توسعه می‌یابد اما در نهایت شکست می‌خورد. حتی در مراحل بعدی نیز چالش‌ها ادامه دارند؛ تقریباً ⁦%50⁩ از داروهای آزمایشی در کارآزمایی‌های بالینی فاز III شکست می‌خورند. از این منظر، احتمال آنکه یک داروی کاندید جدید از مطالعات پیش‌بالینی به تأیید FDA برسد، تنها ⁦%0.1⁩ است. این آمار تکان‌دهنده بر چالش بزرگ تبدیل دانش و نوآوری‌های توسعه‌یافته در دانشگاه‌ها و مؤسسات پژوهشی به محصولات یا درمان‌های عملی برای استفاده انسان تأکید می‌کند.

(شکل 2: تعداد مولکول‌های جدید تأییدشده در هر ⁦$1B⁩ از هزینه‌های جهانی پژوهش و توسعه کاهش یافته است)

فرایند روزبه‌روز ناکارآمدتر توسعه دارو نیز این چالش‌ها را تشدید می‌کند. در ایالات متحده، هزینه توسعه و تأیید یک داروی جدید تقریباً هر نه سال دو برابر می‌شود؛ پدیده‌ای که به قانون ایروم معروف است و نقطه مقابل قانون مور به شمار می‌رود. برخی از دلایل احتمالی آن عبارت‌اند از استانداردهای نظارتی سخت‌گیرانه‌تر، لزوم برآورده‌کردن آستانه‌های بالاتر برای نیازهای درمانی برآورده‌نشده در مقایسه با داروهای موجود در اکتشافات پزشکی جدید، و هزینه بالای طراحی و اجرای کارآزمایی‌های بالینی توسط سازمان‌های پژوهشی قراردادی. اگر این روند ادامه پیدا کند، تا سال 2043 هزینه توسعه یک دارو برای صنعت زیست‌دارویی ممکن است به ⁦$160B⁩ برسد. این بار مالی اغلب باعث می‌شود صنعت بر توسعه داروهای سودآورتر تمرکز کند و فوریت رسیدگی به دیگر نیازهای اساسی سلامت تحت‌الشعاع قرار بگیرد.

این ناکارآمدی پیامدهای اقتصادی و اجتماعی چشمگیری به همراه خواهد داشت. هزینه بالای پژوهش و توسعه، در کنار شکست‌های مکرر، به افزایش پیوسته هزینه‌های مراقبت‌های سلامت می‌انجامد؛ هزینه‌هایی که در نهایت بیماران، دولت‌ها و شرکت‌های بیمه متحمل می‌شوند. افزون بر این، تأخیر در تبدیل یافته‌های پژوهشی به درمان‌های کارآمد یا شکست در این مسیر به این معناست که بیماران اغلب فرصت‌های بالقوه نجات‌بخش را از دست می‌دهند و چالش‌های سلامت عمومی تشدید می‌شوند. برای مثال، بیماری‌های نادر و عارضه‌هایی که گروه‌های جمعیتی کوچک‌تری را تحت تأثیر قرار می‌دهند، اغلب نادیده گرفته می‌شوند؛ زیرا سودآوری کمتری دارند، با وجود آنکه نیاز فوری به درمان وجود دارد.

2.2 چرا بیشتر پژوهش‌ها نمی‌توانند از «دره مرگ» عبور کنند

مشکل اساسی، هم‌راستا نبودن مشوق‌هاست که به سه چالش عمده می‌انجامد: کمبود بودجه، کاهش همکاری میان پژوهشگران و پزشکان بالینی، و ضعف تکرارپذیری و بازتولیدپذیری اکتشافات علمی. این چالش‌ها در نهایت باعث می‌شوند پژوهش‌ها در «دره مرگ» گرفتار شوند.

در بخش‌های بعدی، این چالش‌های کلیدی را عمیق‌تر بررسی می‌کنیم:

2.2.1 کمبود بودجه

کمبود بودجه، به‌ویژه هنگام گذار از مرحله پژوهش بنیادی به پژوهش بالینی، را می‌توان به ناهماهنگی مشوق‌های تأمین‌کنندگان مالی و پژوهشگران و نیز نبود شفافیت در فرایند بررسی کمک‌هزینه‌ها نسبت داد.

از دیدگاه تأمین‌کنندگان مالی، احتمال بیشتری دارد که پژوهش‌هایی را در اولویت قرار دهند که قابلیت تبدیل‌شدن به محصولاتی با درآمد مکرر را دارند. در نتیجه این زنجیره واکنش و به‌دلیل رقابتی‌بودن جذب بودجه، پژوهشگران تمایل پیدا می‌کنند فعالیت خود را بیشتر با انتظارات تأمین‌کنندگان مالی هماهنگ کنند؛ در نتیجه پژوهش محافظه‌کارانه‌تر می‌شود و عملاً نوآوری را سرکوب می‌کند.

علاوه بر این، غیرشفاف‌بودن فرایند بررسی به این معناست که ارائه یک پیشنهاد واحد به هیئت‌های مختلف ممکن است به نتایج متفاوتی منجر شود. وقتی اعضای هیئت‌های بررسی کمک‌هزینه بدون دریافت دستمزد فعالیت می‌کنند، ممکن است پیچیدگی‌های دیگری مانند رقابت جانبدارانه میان پژوهشگران، توجه ناکافی به جزئیات و تأخیرهای چشمگیر در تأیید کمک‌هزینه‌ها نیز پدید آید. این وضعیت نشان می‌دهد پژوهشگران به‌جای انجام آزمایش‌ها، وقت بیشتری صرف انتشار مقاله می‌کنند تا اعتبار علمی خود را تثبیت کنند.

2.2.2 کاهش همکاری میان پژوهشگران و پزشکان بالینی

با توجه به اینکه بیشتر پژوهش‌ها در «دره مرگ» متوقف می‌شوند، هماهنگی میان پژوهشگران بنیادی و پزشکان بالینی در مرحله پژوهش انتقالی اهمیت حیاتی دارد.

همکاری مؤثر به طراحی نوآورانه کارآزمایی‌های بالینی کمک می‌کند و نشانگرهای زیستی حاصل از پژوهش بنیادی یا رویکردهای پژوهشی هدفمند را با آن‌ها ادغام می‌کند. برای نمونه، حوزه سرطان‌شناسی با همکاری پیشرفت چشمگیری داشته است؛ به‌طوری‌که اکتشافات ژنتیکی و مولکولی آزمایشگاهی مستقیماً طراحی درمان‌های هدفمند و کارآزمایی‌های مربوط به زیرگونه‌های مشخص سرطان را هدایت می‌کنند. این هم‌افزایی خطر شکست کارآزمایی‌ها در مراحل پایانی را کاهش می‌دهد و احتمال ارائه درمان‌های مؤثر به بیماران را افزایش می‌دهد.

بااین‌حال، در حال حاضر انگیزه اندکی برای همکاری میان دانشمندان علوم بنیادی، که بر اکتشاف متمرکزند، و پزشکان بالینی، که بر مراقبت از بیمار و پژوهش بالینی تمرکز دارند، وجود دارد. پیشرفت پژوهش در علوم بنیادی اغلب با میزان کمک‌هزینه‌های دریافتی و شمار مقاله‌های منتشرشده در مجلات تراز اول سنجیده می‌شود، نه با مشارکت در علوم بالینی و پیشرفت پزشکی. در مقابل، موفقیت بسیاری از پزشکان بالینی به تعداد بیمارانی وابسته است که درمان می‌کنند و اغلب زمان یا انگیزه‌ای برای انجام پژوهش و جست‌وجوی فرصت‌های تأمین مالی ندارند.

در نتیجه، این دو گروه در نهایت جدا از هم فعالیت می‌کنند و احتمال پیوند دادن یافته‌های آزمایشگاهی با کاربرد بالینی کاهش می‌یابد.

2.2.3 تکرارپذیری و بازتولیدپذیری پایین اکتشافات علمی

بازتولیدپذیری به توانایی دستیابی به نتایج سازگار با استفاده از همان داده‌ها، روش‌ها و گام‌های محاسباتی پژوهش اولیه اشاره دارد. از سوی دیگر، تکرارپذیری یعنی انجام یک پژوهش جدید برای رسیدن به همان یافته علمی پیشین. اگر اکتشافات علمی بازتولیدپذیر و تکرارپذیر نباشند، نشان‌دادن اثربخشی و اعتبار پژوهش بنیادی دشوار می‌شود و تبدیل آن به کاربردهای بالینی نیز با مشکل روبه‌رو خواهد شد.

چالش تبدیل پژوهش‌های حیوانی به پژوهش‌های انسانی به ناکارآمدی انجامیده است؛ بر اساس گزارش‌ها، تنها ⁦%6⁩ از مطالعات حیوانی را می‌توان به پاسخ‌های انسانی تعمیم داد. مسائل دیگری مانند تفاوت‌های روش‌شناختی ــ برای مثال، نوع پوشش لوله‌های آزمایش، دمای رشد سلول‌ها و شیوه هم‌زدن سلول‌ها در کشت ــ نیز ممکن است به نتایجی بینجامند که به‌هیچ‌وجه بازتولیدپذیر نیستند.

اگرچه گستردگی این مشکل عمدتاً به پیچیدگی علم نسبت داده می‌شود، ناهماهنگی سازوکارهای تشویقی ناشران و پژوهشگران مراحل اولیه نیز یکی از دلایل پایین‌بودن تکرارپذیری و بازتولیدپذیری اکتشافات علمی است. ناشران نقشی اساسی در پرورش پژوهشگران مراحل اولیه دارند و آثار منتشرشده می‌توانند اعتبار آن‌ها را افزایش دهند و در نتیجه فرصت‌های تأمین مالی بیشتری فراهم کنند. بنابراین، پژوهشگرانی که در نخستین تلاش خود به نتایج دارای معناداری آماری دست می‌یابند، تمایل کمتری به تکرار آزمایش‌ها دارند و ترجیح می‌دهند مستقیماً نتایج را منتشر کنند.

03 مبانی علم غیرمتمرکز

3.1 DeSci چیست؟

علم غیرمتمرکز («DeSci») جنبشی برای ایجاد مدلی جدید از پژوهش علمی با استفاده از پشته Web3 است.

بلاک‌چین مزایای منحصربه‌فردی دارد که می‌تواند به چالش‌های یادشده رسیدگی کند. این فناوری روشی بدون نیاز به اعتماد برای هماهنگی منابع مالی فراهم می‌کند و هم‌زمان امکان ردیابی شفاف و تغییرناپذیر پیشرفت و سوابق را به وجود می‌آورد؛ در نتیجه، منافع همه ذی‌نفعان در نظر گرفته می‌شود.

DeSci هنوز در صنعت ارز دیجیتال در مراحل اولیه خود قرار دارد. این موضوع را می‌توان از ارزش بازار کل آن مشاهده کرد که تازه از ⁦$1.75B⁩ فراتر رفته است؛ همچنین تنها 57 پروژه در دسته DeSci در CoinGecko ردیابی می‌شوند. از این منظر، DeFAI (ترکیب دیفای و عامل هوش مصنوعی) تنها 41 پروژه با ارزش بازار کل ⁦$2.7B⁩ دارد، درحالی‌که ارزش بازار کل حوزه گسترده‌تر Crypto AI به ⁦$47B⁩ می‌رسد (تا ⁦15/01/2025⁩).

3.2 DeSci چگونه به «دره مرگ» رسیدگی می‌کند؟

همان‌طور که پیش‌تر اشاره شد، بیشتر پژوهش‌ها به‌دلیل ناهماهنگی مشوق‌ها در «دره مرگ» شکست می‌خورند؛ وضعیتی که به چالش‌هایی مانند کمبود بودجه، کاهش همکاری و ضعف بازتولیدپذیری و تکرارپذیری نتایج علمی و موارد دیگر می‌انجامد. DeSci می‌تواند با استفاده از سازمان‌های خودمختار غیرمتمرکز (DAOها)، بلاک‌چین و قراردادهای هوشمند به این مسئله هماهنگی رسیدگی کند.

در ادامه، Binance Research راهکارهای DeSci برای چالش‌های موجود را ابتدا برای شفافیت بیشتر در قالب جدول و سپس با توضیحات جزئی جمع‌بندی می‌کند. DeSci به‌عنوان یک جنبش، به روش‌های زیر با این چالش‌ها مقابله می‌کند:

3.2.1 DeSci چگونه به کمبود بودجه رسیدگی می‌کند

DAOها می‌توانند به‌عنوان ابزاری برای گردآوری سرمایه موردنیاز بودجه پژوهش عمل کنند و شرکت‌کنندگان آن‌ها ترکیبی از بیماران، پژوهشگران و جوامع سرمایه‌گذار باشند. ازآنجاکه ذی‌نفعان هدف مشترکی برای پیشبرد پژوهش تا مرحله بالینی و در نهایت تجاری‌سازی آن دارند، همگی انگیزه مشترکی برای کمک به عبور پژوهش از «دره مرگ» خواهند داشت.

تصمیم‌ها از طریق حاکمیت غیرمتمرکز توکن‌ها گرفته می‌شوند و رأی‌گیری به‌شکلی شفاف و دموکراتیک انجام می‌شود. سپس قراردادهای هوشمند پارامترهای تصمیم‌های DAO را اجرا می‌کنند و هم‌زمان شفافیت را حفظ می‌کنند. نمونه‌های این سازوکار عبارت‌اند از پرداخت برنامه‌ریزی‌شده بودجه بر اساس نقاط عطف، توکنیزه‌کردن مالکیت فکری (IP) حاصل از پژوهش علمی تأمین‌مالی‌شده، تقسیم مالکیت فکری و توزیع آن میان همه شرکت‌کنندگان DAO برای هماهنگ‌کردن منافع، و موارد دیگر.

در مجموع، DAOها در حوزه DeSci می‌توانند ذی‌نفعان گوناگون را بدون نیاز به اعتماد و در مسیر یک هدف مشترک هماهنگ کنند و با رویکردی یکپارچه و سرتاسری، همکاری را از پژوهش بنیادی تا پژوهش بالینی تقویت کنند.

3.2.2 DeSci چگونه به کاهش همکاری میان پژوهشگران و پزشکان بالینی رسیدگی می‌کند

همان‌طور که پیش‌تر گفته شد، دلیل اصلی کاهش همکاری، تفاوت در ساختار مشوق‌های پژوهشگران و پزشکان بالینی است. می‌توان از طریق مشارکت در یک DAO به این مسئله رسیدگی کرد؛ در زمان ایجاد DAO می‌توان درباره فرضیه‌های پژوهشی، روش‌های آزمایش و پارامترها به توافق رسید تا نتایج پژوهش هماهنگ شوند. در کنار توکنیزه‌کردن مالکیت فکری، پژوهشگران و پزشکان بالینی می‌توانند مشوق‌ها و پاداش‌های کافی دریافت کنند تا پژوهش را تا مرحله بالینی پیش ببرند.

ابزارهای دیگری نیز همکاری بیشتر را تسهیل می‌کنند؛ از جمله پلتفرم‌هایی که برای داوری همتا مشوق فراهم می‌کنند و پس از داوری موفق، پاداش‌ها را به‌صورت برنامه‌ریزی‌شده از طریق قراردادهای هوشمند توزیع می‌کنند. این ابزارها پزشکان بالینی را به پژوهشگران نزدیک‌تر می‌کنند و با ارائه بازخورد زودهنگام، می‌توانند در صورت موفقیت، پژوهش را به سوی اجرای واقعی در مرحله بالینی هدایت کنند. افزون بر این، می‌توان بر اساس مشارکت اعضای جامعه علمی در DAOهای مختلف DeSci، فعالیت‌های داوری همتا و اجراهای بالینی، سامانه‌ای برای اعتبارسنجی مبتنی بر بلاک‌چین ایجاد کرد؛ به‌طوری‌که هر فعالیتی برای پیشرفت علم، اعتبار مناسب خود را دریافت کند.

3.2.3 DeSci چگونه به مسئله پایین‌بودن بازتولیدپذیری و تکرارپذیری اکتشافات علمی رسیدگی می‌کند

یکی از راه‌های رسیدگی به این مسئله، ثبت روش پژوهش، طراحی آزمایش و هر یک از مراحل آن روی بلاک‌چین است. بلاک‌چین به‌عنوان دفترکلی تغییرناپذیر عمل می‌کند و اطمینان می‌دهد که پژوهشگران دیگر بتوانند آزمایش انجام‌شده را به‌طور کامل درک کنند. اگر بخواهند آزمایش را تکرار کنند، می‌توانند تک‌تک متغیرها را بررسی کنند.

همچنین می‌توان با استفاده از اجزای بنیادین Web3 شکل تازه‌ای از انتشار آزاد و در دسترس ایجاد کرد که امکان اشتراک‌گذاری همه پژوهش‌ها، حتی پژوهش‌های ناموفق، را فراهم می‌کند. این کار سوگیری در انتشار را از میان می‌برد؛ سوگیری‌ای که باعث می‌شود تنها آزمایش‌های موفق منتشر شوند، درحالی‌که داده‌های آزمایش‌های ناموفق نیز ارزشمندند.

تمامیت و انطباق‌پذیری داده‌ها حوزه دیگری است که DeSci می‌تواند در آن کمک کند. اگرچه ذخیره‌سازی در آرشیوهای سنتی نیز می‌تواند این نیاز را برآورده کند، این روش‌ها اغلب به نوارهای ذخیره‌سازی وابسته‌اند و بازیابی داده را کند می‌کنند. با توجه به ماهیت پویای پژوهش علمی و پردازش یک داده مشترک توسط چندین طرف، درعین‌حال که تغییرناپذیری و امنیت داده حفظ می‌شود، ذخیره‌سازی توزیع‌شده و انبارهای داده می‌توانند راهکار باشند. آن‌ها کنترل دسترسی لازم به داده را فراهم می‌کنند، با حذف نقاط شکست منفرد افزونگی بیشتری به وجود می‌آورند و بازیابی سریع داده را برای کار مشارکتی ممکن می‌سازند. این امر پژوهش علمی دقیق‌تر را تقویت می‌کند و احتمال دستیابی به نتایج تکرارپذیر و بازتولیدپذیر را افزایش می‌دهد.

04 نمای کلی چشم‌انداز DeSci

4.1 حوزه‌های کلیدی نوآوری

Binance Research چهار حوزه کلیدی نوآوری را در چشم‌انداز DeSci شناسایی کرده است: زیرساخت، پژوهش، خدمات داده و میم‌ها.

· زیرساخت شامل زیرصنایعی مانند پلتفرم‌های تأمین مالی و ابزارهای DAO است؛ برای مثال توکنیزه‌کردن مالکیت فکری، تشکیل DAO و پروتکل‌های حقوقی. این موارد سنگ‌بنای DAOهای DeSci را تشکیل می‌دهند که در خط مقدم اکتشافات علمی قرار دارند.

· پژوهش شامل جوامع مردمی مانند DeSci Global و DeSci Collective است که برای گردهم‌آوردن علاقه‌مندان به DeSci در سراسر جهان رویداد برگزار می‌کنند؛ همچنین DAOهای آینده‌ای را در بر می‌گیرد که منافع مشترک ذی‌نفعان مختلف را به کار می‌گیرند. این DAOها معمولاً بر حوزه‌های علمی متفاوتی مانند افزایش طول عمر، ریزش مو و سلامت زنان تمرکز دارند.

· خدمات داده، پلتفرم‌های انتشار و داوری همتا را در بر می‌گیرد که دسترسی آزاد به انتشارات علمی را ممکن و همکاری بیشتر را تقویت می‌کنند؛ همچنین ابزارهای مدیریت داده‌ای را شامل می‌شود که تمامیت قدرتمند داده و کنترل دسترسی مناسب را فراهم می‌کنند.

· میم‌ها بیانگر علاقه سرمایه‌گذاران خرد در بازار هستند و آگاهی و آموزش درباره حوزه DeSci را که معمولاً به جهان دانشگاهی محدود است، افزایش می‌دهند. برخی میم‌کوین‌ها مستقیماً بودجه آزمایش‌های علمی را تأمین می‌کنند و برخی دیگر ابزار سرمایه‌گذاری برای پروژه‌های دیگر DeSci هستند.

4.2 زیرصنایعی که ارزش زیر نظر گرفتن دارند

A. زیرساخت: توکنیزه‌کردن / سهمی‌سازی مالکیت فکری (IP)

توکنیزه‌کردن مالکیت فکری (IP) به مانعی اساسی در پژوهش و نوآوری، یعنی کسب درآمد از مالکیت فکری و نقدشوندگی آن، رسیدگی می‌کند و نقشی تحول‌آفرین در پیشبرد انتقال علمی دارد.

سامانه‌های سنتی مدیریت و معامله مالکیت فکری پیچیده، متمرکز و اغلب برای ذی‌نفعان کوچک‌تر غیرقابل‌دسترس‌اند؛ در نتیجه، سرعت تجاری‌سازی اکتشافات و تبدیل آن‌ها به کاربردهای دنیای واقعی محدود می‌شود. توکنیزه‌کردن مالکیت فکری با بهره‌گیری از فناوری بلاک‌چین، چارچوبی غیرمتمرکز و شفاف ایجاد کرده است که به پژوهشگران، سرمایه‌گذاران و دیگر ذی‌نفعان امکان می‌دهد مؤثرتر در پروژه‌های نوآورانه مشارکت و برای آن‌ها تأمین مالی کنند.

توکنیزه‌کردن مالکیت فکری یعنی تبدیل مالکیت فکری به دارایی‌های دیجیتال تا قابلیت معامله و نقدشوندگی پیدا کند. پروژه‌هایی مانند Molecule این فرایند را با معرفی مفهوم IP-NFTها (توکن‌های غیرمثلی مالکیت فکری) و توکن‌های مالکیت فکری (IPT) به نمایش می‌گذارند. IP-NFTها مالکیت فکری را به بلاک‌چین می‌آورند و سهمی‌سازی امکان مدیریت مشترک مالکیت فکری توسط چندین ذی‌نفع را فراهم می‌کند. نتیجه مورد انتظار، هماهنگ‌شدن ذی‌نفعان برای اطمینان از تأمین بودجه کافی و پیشبرد پژوهش تا مرحله بالینی و در نهایت تجاری‌سازی آن است.

B. زیرساخت: تشکیل DAO

زیرساخت DAO نوآوری کلیدی در علم غیرمتمرکز به شمار می‌رود و جوامع بیماران، دانشمندان و متخصصان زیست‌فناوری را قادر می‌سازد پروژه‌های علمی را به‌صورت جمعی تأمین مالی، مدیریت و مالک شوند. تأمین مالی علمی سنتی اغلب به‌واسطه نهادهای متمرکز، کنترل‌های سخت‌گیرانه و فرایندهای غیرشفاف محدود می‌شود. زیرساخت DAO با فراهم‌کردن چارچوبی شفاف و غیرمتمرکز برای برنامه‌ریزی، تأمین مالی و حاکمیت ابتکارهای علمی، این الگو را دگرگون می‌کند.

ذی‌نفعان از طریق DAOها می‌توانند منابع را تجمیع کنند، تصمیم‌های جمعی بگیرند و مستقیماً بر مسیر پژوهش علمی اثر بگذارند. BIO Protocol نمونه‌ای از این رویکرد است که از ایجاد، تأمین مالی و حاکمیت BioDAOها پشتیبانی می‌کند. هر BioDAO تخصص خود را دارد و بر حوزه‌های علمی متفاوتی مانند افزایش طول عمر (VitaDAO)، انجماد زیستی (CryoDAO)، ریزش مو (HairDAO) و سلامت زنان (AthenaDAO) و حوزه‌های دیگر تمرکز می‌کند.

C. زیرساخت: پلتفرم تأمین مالی

پلتفرم‌های تأمین مالی Web3 با غیرمتمرکزکردن فرایند و امکان‌پذیرساختن مشارکت گسترده‌تر، شیوه تأمین مالی پژوهش علمی را تغییر می‌دهند. تأمین مالی سنتی پژوهش اغلب به کمک‌هزینه‌ها و حمایت نهادی متکی است؛ فرایندی که ممکن است کند، به‌شدت دیوان‌سالارانه و محدود از نظر دامنه باشد. این پلتفرم‌ها با تأمین مالی جمعی به پژوهشگران فرصت می‌دهند مستقیماً با تأمین‌کنندگان مالی، جامعه و همکاران تعامل کنند و زیست‌بومی شفاف‌تر و فراگیرتر برای تأمین مالی شکل دهند.

این پلتفرم‌های تأمین مالی ممکن است از نظر دریافت‌کنندگان منابع نیز با یکدیگر تفاوت داشته باشند. برای مثال، Catalyst با هدف تأمین مالی IPهای DeSci، Bio.xyz Launchpad با هدف تأمین مالی DAOهای DeSci و pump.science با هدف تأمین مالی آزمایش ترکیبات فعالیت می‌کنند.

ترکیب‌پذیری Web3 به پلتفرم‌های مختلف تأمین مالی جمعی اجازه می‌دهد ذی‌نفعان را در مراحل گوناگون پژوهش هماهنگ کنند و زیست‌بومی یکپارچه برای تأمین مالی به وجود آورند. برای نمونه، یک DAO در حوزه DeSci که از طریق Bio.xyz تأمین مالی شده است، می‌تواند برای یک سازمان پژوهشی مشخص در زمینه IP از Catalyst بودجه بگیرد یا ترکیبات را از طریق pump.science به‌شکل شفاف آزمایش و اعتبارسنجی کند.

D. خدمات داده: پلتفرم انتشار / داوری همتا

الگوی سنتی انتشار پژوهش علمی اغلب کند، پرهزینه و دشوار از نظر دسترسی است؛ هزینه‌های بالای پردازش مقاله (APC) دارد و شفافیت داوری همتای آن محدود است. افزون بر این، پژوهشگران به‌ندرت برای مشارکت خود در فرایند داوری همتا اعتبار یا پاداش دریافت می‌کنند. این مسئله فرایند بررسی را کند می‌کند، احتمال سوگیری ناشی از تضاد منافع را افزایش می‌دهد و در مجموع سرعت پیشرفت علمی را مختل می‌سازد و راه‌های دسترسی گسترده‌تر به دانش را محدود می‌کند.

پلتفرم‌های انتشار و داوری همتای مشوق‌محور می‌کوشند با ایجاد سامانه‌هایی باز و شفاف به این مسائل رسیدگی کنند؛ سامانه‌هایی که در آن پژوهشگران برای مشارکت‌های خود، از جمله انتشار، داوری و همکاری، پاداش می‌گیرند. این پلتفرم‌ها با ادغام فناوری بلاک‌چین و حاکمیت جامعه، دسترسی به دانش علمی را دموکراتیک می‌کنند، انتشار پژوهش را سرعت می‌بخشند و همکاری میان پژوهشگران سراسر جهان را تقویت می‌کنند. ResearchHub نمونه‌ای از این پلتفرم‌هاست که در آن پژوهشگران می‌توانند برای داوری همتای مقاله‌ها یا همکاری با افراد هم‌فکر در حوزه موردعلاقه خود پاداش توکنی دریافت کنند. مشارکت‌های مثبت در جامعه علمی را می‌توان روی بلاک‌چین ثبت کرد تا اعتبار یک دانشمند شکل بگیرد و قابلیت‌هایی مانند داوری همتا و کنترل دسترسی در اختیار او قرار گیرد.

هوش مصنوعی نیز در همین نقطه با این حوزه تلاقی پیدا می‌کند. پروژه‌هایی مانند yesnoerror راه‌اندازی شده‌اند؛ عاملی مبتنی بر هوش مصنوعی که برای یافتن خطاهای ریاضی از OpenAI استفاده می‌کند. این ابزار می‌تواند خطاهای ریاضی را کشف کند، داده‌های جعلی را شناسایی کند و ناسازگاری‌های عددی‌ای را بیابد که ممکن است در مقیاس گسترده به تمامیت علمی آسیب برسانند؛ آن هم با حداقل زمان توقف.

E. خدمات داده: تعامل‌پذیری و تمامیت داده

صنایع مراقبت‌های سلامت و پژوهش زیست‌پزشکی گرفتار پراکندگی سامانه‌های داده، نبود شفافیت و کمبود رویه‌های بیمارمحور هستند. بیماران اغلب داده‌ها و نمونه‌های زیستی ارزشمند خود را برای پژوهش اهدا می‌کنند، اما نمی‌توانند بفهمند و کنترل کنند که از مشارکتشان چگونه استفاده می‌شود و توان اندکی برای بهره‌مندی از ارزش علمی یا تجاری حاصل از آن دارند. این شکاف‌ها به بی‌اعتمادی، نقض حریم خصوصی و کاهش مشارکت انجامیده‌اند؛ به‌ویژه در جوامع به‌حاشیه‌رانده‌شده و کمتر نمایندگی‌شده.

تعامل‌پذیری و تمامیت داده می‌کوشند با ایجاد سامانه‌هایی به این مسائل رسیدگی کنند که ضمن توانمندسازی بیماران از طریق شفافیت، کنترل و منافع مشترک، همکاری یکپارچه میان پژوهشگران، مؤسسات و کسب‌وکارها را نیز ممکن می‌سازند. سامانه‌های تعامل‌پذیر منابع داده گوناگون را هماهنگ می‌کنند تا بتوان از آن‌ها در شبکه‌های مختلف بهره برد و در عین حال حریم خصوصی و تمامیت داده را حفظ کرد. این رویکرد در نهایت اکتشافات علمی را سرعت می‌بخشد، توسعه بالینی را ساده‌تر می‌کند و اعتماد به پژوهش زیست‌پزشکی را افزایش می‌دهد.

AminoChain نمونه‌ای از چنین سامانه‌ای است؛ پلتفرمی غیرمتمرکز که برای پیوند دادن مؤسسات مراقبت‌های سلامت و پشتیبانی از برنامه‌های سلامت تحت مالکیت کاربران طراحی شده است. این پلتفرم به بیماران امکان می‌دهد داده‌ها و نمونه‌های خود را کنترل کنند، شفافیت در استفاده از داده را تضمین می‌کند و به آن‌ها اجازه می‌دهد در ارزشی که پژوهش ایجاد می‌کند سهیم شوند. راهکارهای غیرمتمرکز دیگر برای داده شامل Filecoin، Arweave و Space and Time هستند؛ در این سامانه‌ها داده‌ها به‌شکلی امن و بدون نقاط شکست منفرد ذخیره می‌شوند و کنترل‌های دسترسی انعطاف‌پذیری فراهم می‌شود تا استفاده درست از داده تضمین شود.

05 جمع‌بندی نهایی

DeSci هنوز در مراحل اولیه خود قرار دارد، اما این شیوه غیرمتمرکز انجام علم روزبه‌روز در فعالیت‌های علمی امروز برجسته‌تر می‌شود. DeSci این ظرفیت را دارد که از مراحل اولیه پژوهش، ذی‌نفعان را هماهنگ کند تا علاقه و حمایت کافی برای پیشبرد پژوهش تا مراحل بالینی فراهم شود.

زیرساخت هماهنگی غیرمتمرکز پژوهش از هم‌اکنون وجود دارد. ذی‌نفعان هم‌سو می‌توانند منافع مشترک خود در پژوهش علمی را از طریق DAOها رسمیت ببخشند، بودجه فراهم کنند و پژوهش انجام دهند، مالک مالکیت فکری حاصل شوند و داده‌ها را با رعایت دستورالعمل‌های حفاظت از داده به‌شکل امن به اشتراک بگذارند تا همکاری میان جوامع علمی تقویت شود.

بااین‌حال، پشته فعلی بیش از پژوهش بالینی برای پژوهش بنیادی و انتقالی مناسب است. پژوهش بنیادی و انتقالی به هماهنگی بیشتری بدون نیاز به اعتماد نیاز دارد، درحالی‌که پژوهش بالینی مستلزم هماهنگی با نهادهای متمرکزی مانند نهادهای ناظر، شرکت‌های داروسازی و آزمایشگاه‌های فیزیکی و موارد دیگر است.

علاوه بر این، قانونی‌بودن DAOها همچنان حوزه‌ای در حال تحول و محل بحث مداوم در تنظیم‌گری است. در پرونده Ooki DAO، دادگاه ناحیه شمالی کالیفرنیا در ایالات متحده حکم داد که DAO بر اساس قانون بورس کالای آمریکا یک «شخص» محسوب می‌شود؛ حکمی که سابقه‌ای ایجاد کرد و نشان داد DAOها می‌توانند مسئولیت حقوقی داشته باشند. این تصمیم پیامدهای مهمی برای اعضای DAO دارد، زیرا نشان می‌دهد دارندگان توکن که در حاکمیت مشارکت می‌کنند ممکن است شخصاً در قبال اقدامات DAO مسئول باشند. نبود شفافیت در نحوه برخورد با DAOها ممکن است تأمین‌کنندگان مالی بالقوه را از مشارکت بازدارد.

در پایان، DeSci به‌اندازه کافی بالغ شده تا بر شیوه انجام پژوهش علمی در روزگار کنونی اثر بگذارد. اگرچه اکنون برخی شکاف‌ها و چالش‌ها وجود دارند، رسیدگی به «دره مرگ» در پژوهش گامی مهم به جلو است.

پیوند مقاله اصلی