Open Source y su importancia en la ciencia

El 10 de abril, los astrofísicos anunciaron que habían capturado la primera imagen de un agujero negro. Esta fue una noticia emocionante, pero ninguno de los titulares vertiginosos mencionó que la imagen hubiera sido imposible sin el software de código abierto. La imagen se creó utilizando Matplotlib, una biblioteca de Python para graficar datos, así como otros componentes del ecosistema de código abierto de Python. Tan solo cinco días después, la Fundación Nacional de Ciencia de EE. UU. (NSF, por sus siglas en inglés) rechazó una propuesta de subvención para respaldar ese ecosistema, diciendo que el software carecía del impacto suficiente.

Es un problema familiar: el software de código abierto es ampliamente reconocido como crucialmente importante en la ciencia, pero se financia de manera no sostenible. El trabajo de apoyo a menudo se maneja ad hoc por estudiantes graduados y postdoctorados con exceso de trabajo y puede llevar al agotamiento. "Es una especie de diferencia entre tener un seguro y tener un GoFundMe cuando su abuela va al hospital", dice Anne Carpenter, una bióloga computacional en el Broad Institute of Harvard and MIT en Cambridge, Massachusetts, cuyo laboratorio desarrolló la herramienta de análisis de imágenes CellProfiler. "Simplemente no es una buena forma de vivir".

Los científicos que escriben software de código abierto a menudo carecen de capacitación formal en ingeniería de software, lo que significa que es posible que nunca hayan aprendido las mejores prácticas para la documentación de código y las pruebas. Pero un software mal mantenido puede perder tiempo y esfuerzo, y dificultar la reproducibilidad. Los biólogos que usan herramientas computacionales pasan rutinariamente "horas y horas" tratando de ejecutar el código de otros investigadores, dice Adam Siepel, un biólogo computacional del Laboratorio Cold Spring Harbor en Nueva York, y un mantenedor de PHAST, una herramienta que se usa para fines comparativos y genómica evolutiva. "Intentan encontrarlo y no hay sitio web, o el enlace está roto, o ya no se compila, o se bloquea cuando intentan ejecutarlo en sus datos".

Pero hay recursos que pueden ayudar, y modelos a emular. Si su grupo de investigación planea lanzar software de código abierto, puede prepararse para el trabajo de soporte y las preguntas que surgirán a medida que otros comiencen a utilizarlo. No es fácil, pero el esfuerzo puede generar citas y reconocimiento de nombre para los desarrolladores, y mejorar la eficiencia en el campo, dice Wolfgang Huber, un biólogo computacional en el Laboratorio Europeo de Biología Molecular en Heidelberg, Alemania. Además, agrega, "Creo que es divertido".

https://www.nature.com/articles/d41586-019-02046-0