精选
每年11月10日，世界和平与发展科学日都促使我们重新审视科学在生活中的关键作用，以及科学在促进全球和平与发展方面的力量。今年的节日将“以科学外交凝聚共识”作为主题，更提醒我们：面对气候变化、公共卫生危机等等全球性挑战，科学的价值不仅在于发现本身，更在于这些发现能否被广泛而及时地分享。而共识的形成，正建立在信息充分共享、对齐的基础之上。
也正是在这一点上，预印本展现出与该主题深深契合的一面：它打破了资源获取的壁垒，让新知识以更快、更低成本的方式抵达全球各地的研究者、决策者乃至普通公众。
那么，预印本如何将开放共享的理念转化为惠及公众、推动社会发展的实际影响？下面，让我们通过三个研究案例一探究竟。
案例一：让政府决策更有底气
环境污染往往具有隐蔽性和长期性，其影响可能跨越生态系统和行政区域。对于地方政府而言，如何准确评估污染物的危害，并据此制定治理方案，是一项需要科学证据支持的重要工作。
全氟和多氟烷基物质（PFAS）就是其中一个典型例子。这类人工合成化学物质因具有良好的耐热、耐水和耐油性能，被广泛应用于消防泡沫、防水防污材料等产品中。然而，其在自然环境中难以降解，长期残留可能对生态系统和人体健康造成影响。
2023年，意大利博洛尼亚大学药学与生物技术系Federico Giorgi教授及其团队在Preprints.org发布了《跨物种转录组学分析揭示对PFAS的保守分子反应》的研究，从跨物种转录组学角度探讨PFAS对生物体的影响。
研究结果显示，“PFAS影响了研究测试的所有脊椎动物的激素通路，尤其是雌激素通路，涉及物种包括人类、老鼠以及斑马鱼等。这些化合物不仅会导致农场动物的死亡，还会干扰它们的生殖周期。这是因为PFAS能够模拟睾酮或雌激素等自然激素，从而导致个体不育，进而影响脊椎动物数千万年来存在的基本机制。”
预印本发布后不久，Giorgi教授及其团队便收到了意大利威尼托地区地方政府的联系。当时，当地正在调查PFAS污染问题，需要可靠的科学证据支撑治理决策，而这项刚刚公开的研究恰好提供了有力的数据支持。政府人员将研究结果纳入对PFAS问题的分析之中，作为论证依据，说明为何必须投入更多公共资源和资金来清除这些污染物。
Giorgi教授特别指出：“由于预印本比同行评审论文提前数月面世，地方政府得以节省大量时间，从而能够更早地做出决策。”
该预印本荣获Preprints.org“2023年最受欢迎预印本奖”，后经同行评审发表在MDPI期刊Toxics上。
案例二：为危重生命赢得时间
在更紧急的公共卫生危机中，科学信息传播的速度有时则直接关系到生命救治。尤其面对一种尚缺乏有效治疗方案的新发传染病，研究者能否尽早分享可靠的临床试验结果，医疗工作者能否及时获取并评估这些证据，显得尤为重要。
2020年新冠疫情初期，寻找安全、有效且易于获取的治疗方案成为世界范围内的紧迫任务。当时全球规模最大的COVID-19治疗临床试验——英国的RECOVERY试验正是在这一背景下启动的。
2020年6月16日，试验团队通过新闻稿公布了首批结果。这项研究证实，一种价格低廉、临床常用的类固醇药物地塞米松，能够将接受机械通气的危重患者死亡率降低约三分之一，将需要吸氧的患者死亡率降低约五分之一。
这一发现迅速引起关注，试验团队的成员后来回忆道：“我们中午刚宣布这一消息，到下午茶时间，（地塞米松）已经在英国全境使用”。
仅仅六天后，团队便将完整结果上传至医学预印本平台medRxiv，使全球研究人员能够第一时间获取研究数据，并在此基础上开展独立验证与进一步分析。随后，CoDEX、WHO前瞻性荟萃分析等独立研究迅速跟进，提供了外部验证和类效应证据，为全球治疗指南的快速统一提供了重要依据。
而在距预印本发布的近一个月后，论文刊登于《新英格兰医学杂志》。尽管这一发表速度在当时已经相当迅速，但在正式论文问世之前，世界已经通过新闻与预印本提前知晓地塞米松具备疗效，为临床治疗赢得了宝贵时间，将众多患者从死亡边缘拉回。
需特别指出的是，地塞米松的临床应用建立在临床试验结果及后续专业评估的基础上，而非仅仅因为研究以新闻稿或预印本形式迅速发布。从根本上讲，这个案例真正值得我们关注的是：在紧迫的公共卫生事件中，提前公开经过严谨研究获得的关键证据，可以为科学交流和医疗决策争取宝贵时间，快速转化为实实在在的生命救援。
案例三：让预警创新快速落地
与公共卫生危机类似，自然灾害也往往不受国界限制。一次极端降雨、热带气旋或持续高温，都可能在短时间内给多个地区带来严重影响。据最新统计，2026年前三季度，我国自然灾害（以气象灾害、地质灾害为主）共造成全国五千六百多万人次不同程度受灾，死亡失踪上千人，直接经济损失今两千亿元。如何提高灾害预测的准确性、提前识别潜在风险，是减少灾害损失的重要环节。
近年来，AI技术为天气预报领域带来了新的可能。传统数值天气预报依赖复杂的物理模型和大量计算资源，而机器学习方法则尝试从历史气象数据中学习天气变化规律，为天气预测提供新的技术路径。
2022年，谷歌DeepMind团队在arXiv上发布了AI天气预报模型GraphCast的相关研究。该模型基于图神经网络，利用历史天气再分析数据进行训练，能够在不到一分钟的时间内，以0.25度的空间分辨率预测数百个天气变量，并能覆盖未来10天的时间跨度。
研究结果显示，在1380个验证目标中，GraphCast对其中90%的预测精度显著优于彼时最精确的确定性预报系统。此外，该模型在热带气旋路径、大气河流以及极端温度等天气事件的预测方面也有更出色的表现。
该预印本发布不久后，包括欧洲中期天气预报中心（ECMWF）在内的多个气象机构就在其网站上运行GraphCast的实时实验预报，并成功地在大约9天前预测到飓风Lee会登陆新斯科舍省。后来，美国国家海洋和大气管理局（NOAA）也基于GraphCast架构开发了AIGFS等模型，进行正式业务化部署。
更快、更准确的天气预测意味着气象部门有机会更早识别潜在风险，为防灾部署、应急资源调配和公众预警争取时间。尤其对于跨境天气系统和区域性极端天气，开放研究成果也有助于不同国家和地区的科研人员了解、评估和进一步改进相关技术。
从PFAS污染治理中的科学证据，到COVID-19危重患者治疗方案的快速传播，再到AI天气预测技术的发展，三个案例生动展现了科学知识通过预印本从研究领域走向现实社会的路径。它们也说明，科学的社会价值不仅取决于研究本身，还与知识能否被及时获取、交流和应用密切相关。
预印本不能替代正式的同行评审，也不能保证每项研究都能直接转化为公共政策或实际应用。但通过提前公开研究成果，它为知识传播、交流和国际科学合作提供了更多可能。
在今年世界和平与发展科学日的主题下，开放共享不仅是一种学术交流方式，也是一种促进科学合作、增进相互理解的途径。当更多研究成果能够跨越地域、学科与资源的限制，科学便有机会更充分地回应人类共同面对的挑战。
转载本文请联系原作者获取授权，同时请注明本文来自曼迪匹艾MDPI科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3516770-1560557.html?mobile=1
收藏
