roadDB：利用ROCEEH走出非洲数据库探索早期人类史前史与环境的R语言工具包

《PLOS One》：roadDB: An R package for exploring early human prehistory and environments with the ROCEEH Out of Africa Database

　　

宏观尺度与跨学科研究方法正逐渐成为人类演化研究的核心范式，这一点从日益增长的大规模数据驱动研究中得到证明。这一发展伴随着R语言工具包生态系统的扩展，这些工具包提供了对古环境和古气候重建数据的访问，以及先进的空间和时间分析与建模工具。然而，在这一计算框架内，对综合性考古学和人类学数据的直接程序化访问仍然有限。本研究介绍了roadDB，这是一个R语言工具包，能够实现对ROCEEH走出非洲数据库（ROAD）的简化访问。ROAD是一个与人类演化相关的考古学、古人类学、古环境、地理和年代学数据的重要存储库。roadDB弥合了现有R语言生态系统与ROAD考古数据集之间的鸿沟，该数据集涵盖了近300万年来非洲和欧亚大陆的人类演化历程，是目前唯一公开的具有如此广泛时间和地理覆盖范围的考古数据集。简而言之，roadDB为研究界提供了对丰富整理的地点层级和组合层级信息的无限制、透明访问，为大规模定量研究开辟了新可能性。该工具包加强了宏观尺度分析中考古学证据与古环境证据的整合，并支持关于人类演化时空动态的稳健、透明和跨学科研究。

研究背景

宏观尺度和跨学科的研究方法正日益成为人类演化研究的核心范式。随着计算方法的成本效益提升以及开放科学、FAIR原则（可发现、可访问、可互操作、可重用）的普及，数据共享已成为科研规范。这使得针对数十万年乃至百万年尺度、横跨整个大陆的人口动态、物质文化演化以及人类与环境相互作用的研究成为可能。R语言在这一发展中扮演了核心角色，形成了涵盖古气候重建、空间分析和年代学建模等领域的丰富工具包生态系统。

然而，尽管已有众多提供古环境和古气候数据的R工具包，但对综合性考古学和古人类学数据的直接、程序化访问途径仍然匮乏。ROCEEH走出非洲数据库（ROAD）是一个精心编纂的关系型数据库，收录了距今300万年至2万年间非洲和欧亚大陆的人类演化信息，包含超过2700个地点的29000多个组合，来源于6500多篇科学出版物。虽然ROAD提供了基于网页的用户界面用于数据探索和手动下载，但其缺乏原生脚本接口，这成为了将其整合到可重复、可扩展的计算工作流中的重大瓶颈。手动通过图形界面进行查询不仅效率低下，而且难以记录数据选择的具体步骤，严重阻碍了研究的透明性和可重复性。

因此，开展本研究的目的是开发一个R语言工具包——roadDB，旨在弥合ROAD复杂关系型数据库与现代可重复分析工作流之间的鸿沟，为研究者提供一个结构化、脚本化的数据获取途径。

研究方法与技术路线

研究人员主要采用了以下关键技术方法：

1. 1.
   数据库架构设计：构建了一个名为“snapshot”的PostgreSQL数据库，它是ROAD生产系统的定期复制副本，每季度更新一次。这种架构确保了安全性，并通过版本控制支持分析的可重复性。
2. 2.
   数据检索工作流：开发了一系列road_get_*函数。这些函数接受用户使用标准R语法提供的参数，内部将其与预定义的SQL片段结合，动态组装成完整的SQL语句，然后通过R的数据库接口包‘DBI’和‘RPostgres’驱动连接并查询在线快照数据库，最终将结果格式化为符合tidy data标准的数据框返回给用户。
3. 3.
   三级详细程度（Levels of Detail, LOD）设计：将检索功能划分为三个粒度级别：LOD 1（地点级）、LOD 2（组合级）和LOD 3（对象级），以适应从宏观到微观的不同研究需求。
4. 4.
   辅助函数开发：开发了如road_list_argument_values()和road_summarize_archaeology()等辅助函数，帮助用户了解可用参数值并进行跨表搜索，降低使用门槛。

研究结果

3.1 工具包概述

研究人员开发了roadDB R语言工具包，已在CRAN和GitHub上发布。其核心是一系列命名一致的road_get_*检索函数，提供可选且灵活的过滤参数，并将结果返回为遵循tidy data模式的清洁数据框，确保了与更广泛的R生态系统，特别是‘tidyverse’的高度互操作性。

3.2 road_get_ 函数*

这些检索函数定义了返回表的观测单元（行）和相关变量（列）。其关键设计特征是三级详细程度（LOD）：LOD 1（地点级）提供地点坐标、文化属性等信息；LOD 2（组合级）提供石器类型、象征性器物等具体内容；LOD 3（对象级）提供测年数据和出版来源等单个对象信息。函数参数分为通用参数和特定参数，分别适用于所有函数或特定领域，支持精确匹配和模糊匹配，并可自由组合以实现精细查询。

3.3 辅助函数

工具包包含了详细的文档和辅助函数。road_list_argument_values()函数能返回给定参数的所有有效值，帮助用户在使用标准化考古术语时确保拼写正确。road_summarize_archaeology()函数则通过汇总搜索词在考古数据集中的出现位置，帮助用户高效定位后续查询目标。

3.4 示例

研究人员通过代码示例展示了roadDB的强大集成能力：通过与‘sf’和‘tmap’包结合，快速绘制了2127个地点的地理分布图；与‘aoristAAR’包结合，对29087个组合进行了aoristic分析，展示了其时间分布概率；此外，还演示了如何将ROAD数据与‘pastclim’的古气候数据和‘rcarbon’的放射性碳校准功能相结合，进行更深层次的综合分析。

3.5 负责任地使用roadDB

研究人员强调，由于ROAD数据库持续更新，建议用户保存本地数据副本以确保可重复性。同时，建议用户通过查阅原始文献来验证数据，并认识到ROAD虽经精心编纂，但仍可能存在错误，且其信息来源跨越150多年、多种语言和研究传统，不可避免地带有一定主观性。

讨论与结论

讨论部分总结

roadDB的科学价值在于其学科广度及其对宏观尺度推断的适用性，它直接支持了“宏观考古学”的研究策略，即通过聚合跨时空的数据来识别大规模模式。在R生态系统中，roadDB作为一个结构化的数据提供者，补充了其他专注于年代学、古生物学、古气候重建等领域的专业工具包。它不是要取代这些工具，而是充当基础设施层，将ROAD嵌入到可重复的分析工作流中。此外，roadDB有力地支持了开放科学和FAIR原则。它将数据访问嵌入脚本化的R环境中，使查询过程变得明确、可共享和可审计，从而提升了研究的可重复性。通过结构化查询提高了数据的可发现性和可访问性，通过返回tidy数据增强了互操作性，并通过清晰的文档和数据库版本信息支持了可重用性。

研究结论

roadDB是一个实用的R语言工具包，能够将来自ROCEEH走出非洲数据库（ROAD）的开放、结构化、综合数据整合到R生态系统中。它与辅助R工具包的优化兼容性使其成为史前和古环境研究中进一步科学分析的宝贵数据提供者。通过促进透明的数据访问和可重用的工作流，roadDB构成了开放和可重复科学的基石。