研究问题、可复现分析与敏感性分析14 / 16
研究前沿与开放问题
- 网络研究的预注册模板：心理网络已有报告标准（Burger 等 2023），但面向脑网络、分子网络、网络医学的预注册模板和报告清单仍不完善；怎样在不束缚探索的前提下规定“网络构建的分岔点”，是一个开放问题。
- 大规模多元宇宙的计算与推断：网络构建的选择组合动辄成百上千，主动学习近似（Dafflon 等 2022）和基于质量标准的流水线筛选（Luppi 等 2024）是两条路线；怎样在多元宇宙结果上做有效的联合推断仍在发展中。
- 网络估计的样本量规划：基于模拟的样本量方法（Constantin 等 2026）目前主要针对横断面高斯图模型，时间序列网络、多层网络、分子网络推断的功效分析工具尚不成熟。
- 可复算性的自动核查：自动在干净环境中重新执行共享代码的研究（Trisovic 等 2022）显示了自动化的潜力；容器化、持续集成与“可执行论文”正在被期刊采用，但长期可执行性（软件和数据库多年后的可用性）仍未解决。
- 数据库版本漂移：STRING、BioGRID、DisGeNET 等数据库持续更新，基于旧版本得到的疾病模块或药物重定位结论在新版本中是否成立，系统性的“版本敏感性”研究还很少。
- 生成式 AI 与可复算性：大语言模型的输出本身有随机性且模型版本会被替换，如何记录和复算 AI 参与的分析步骤，尚无公认规范。