《Frontiers in Bioinformatics》：The illusion of meritocracy: addressing systemic gender gaps in bioinformatics
编辑推荐：
尽管计算科学被广泛视为客观且以优绩为依据的领域，生物信息学仍持续表现出持久的性别不平等。这篇观点文章审视了结构性差异如何通过引用差距（citation gap）、马蒂尔达效应（Matilda Effect）和“漏管管道”（leaky pipeline）等现象，
尽管计算科学被广泛视为客观且以优绩为依据的领域，生物信息学仍持续表现出持久的性别不平等。这篇观点文章审视了结构性差异如何通过引用差距（citation gap）、马蒂尔达效应（Matilda Effect）和“漏管管道”（leaky pipeline）等现象，以及塑造职业发展和科学认可的社会文化障碍而显现。研究人员还讨论了性别偏见可能通过该领域自身开发的计算工具、数据集和算法框架被复制的风险。研究人员认为，持续的制度性和社区层面干预，而非个人努力，才是通往真正公平的科学共同体的唯一可行路径。
**论文解读：生物信息学中的系统性性别差距——“优绩主义”的幻象**
### 一、研究背景与问题提出
科学常被理想化为终极的优绩主义（meritocracy）场域，似乎数据至上、学术认可仅取决于发现的严谨性。然而，在生物学、计算科学与统计学交叉形成的生物信息学领域，现有的社会结构恰恰与这一理想相悖。该领域的性别差距并非简单的代表性不足，而是一种系统性问题：学术价值常常经由性别视角被过滤。联合国教科文组织（UNESCO）数据显示，全球女性研究人员占比不足30%，这意味着过滤在发表文章之前就已开始，动摇了学科宣称的客观性。性别偏见若影响了谁发表、谁被引用、谁领导研究团队，也极可能影响所提出的科学问题与所构建的数据集，进而损害科学本身的质量与包容性。已有证据表明，性别多元化的团队往往能产出更高质量、更具创新性的研究成果。因此，正视并修正生物信息学中的性别偏见，不仅是伦理诉求，更是认知论层面的必要条件。本文发表于《Frontiers in Bioinformatics》，旨在系统梳理这些结构性障碍并提出干预路径。
### 二、主要技术方法概述
本研究是一篇观点文章（opinion article），并未开展原创实验，而是通过系统性的文献综述与二手数据整合展开论证。研究人员汇总并分析了来自多来源的实证数据，包括：PubMed与arXiv收录的作者身份数据（Bonham与Stefan的研究）、2005—2017年女性作者趋势数据（Saldivar等）、2014—2020年间超过10,000名生物医学高被引研究者的横断面研究（JAMA Network Open）、21,509名高被引作者的文献计量分析（Goyanes等）、COVID-19论文作者数据分析（Andersen等）、针对127名美国科研教师的随机对照实验（Moss-Racusin等）、覆盖140多所机构的教师服务负担调查（Guarino与Borden）、对公共基因表达数据集（GEO）中211个数据集的偏见评估（Gondal）、以及拉丁美洲多个国家的科研资助与职业发展统计数据（如CONICET、PEDECIBA等来源）。通过整合上述多源定量证据与质性案例，作者勾勒出生物信息学中性别不平等从科研产出、学术评价到数据基础设施的完整链条。
### 三、研究结果
**1. 数量差距：作者身份与引用差异**
数据表明，生物信息学中的性别差距比相邻学科更为严重。尽管生物科学中女性博士比例超过一半，计算机科学中该比例低于20%，计算生物学与生物信息学介于二者之间但更接近计算机科学。PubMed与arXiv作者身份分析显示，标题含“Bioinformatics”“Computational”或“Systems”的期刊女性代表比例最低，且女性在第一作者和末位作者位置上所占份额更小。值得注意的是，若末位作者为女性，论文中其他作者为女性的可能性显著增加，说明支持女性进入领导岗位会产生可测量的下游效应。文献计量数据显示，2005年至2017年间女性作者比例仅勉强超过35%。即使在女性科研人员约占45%的拉丁美洲，她们在科学发表中的系统性缺席依然明显，且引用次数低于男同事，即使控制了生产力变量也是如此。2014—2020年间生物医学领域高被引研究者中仅16%为女性。COVID-19疫情期间，1,893篇论文分析显示女性第一作者比例比2019年同期刊文章低19%，说明危机事件会加剧女性科学可见性的脆弱性。马蒂尔达效应（Matilda Effect）即女性科学家的成就被系统性地低估，仍然普遍存在。对191个学科中21,509名高被引作者的文献计量分析发现，全球最多被引学者中女性与男性比例仅为0.25:1，且在多数领域中女性h指数较低。然而，当控制生产力和职业长度后，自然与精确科学领域女性被引次数实际上高于男性，表明引用差距不是质量差异，而是结构性可见性障碍的反映。
**2. 隐形负担：感知、过度表现与漏管管道**
在“怀疑文化”中，女性生物信息学家常需不断证明超凡能力，才能获得男性同事默认获得的基线尊重，这构成累积的认知与情感负担。实验证据显示，相同申请材料（仅性别姓名不同）中，女性申请者被评判为能力显著更低、更不适合被聘用，且起薪更低。生物信息学本身常被看作“技术性服务”而非智力性学科过程，这种低估会削弱女性在作者署名、致谢、经费评估和引用实践中的可见性。此外，女性承担了不成比例的“学术家务劳动”——基于140多所机构的数据，即使控制职称、领域和种族，女性教师的服务工作量显著多于男性，在STEM领域中性别差距尤为突出。跨学科性也带来惩罚：女性博士毕业生通常具有更高的跨学科性，但机构偏好单一学科专长，导致女性在教职安排中处于劣势。这些压力共同导致“漏管管道”效应：女性在职业生涯每个阶段系统性流失。欧洲数据显示，女性占博士候选人近一半，但仅占研究人员的30%、正教授的20%和研究组织领导者的20%。在阿根廷，即使控制学术生产力和职业阶段，女性STEM研究者首次申请公共研究经费的概率比男性低6.2个百分点，高级研究者中差距扩大到8个百分点，且这种结构性劣势随时间累积。
**3. 抵抗空间：专业网络的必要性**
性别专项倡议如拉丁美洲女性生物信息学与数据科学（WBDS LA）的诞生，正是回应区域结构性缺口。WBDS LA创建于2019年，其2020年首届会议汇集了拉丁美洲从事生物信息学与数据科学的女研究者，提供了机构渠道未能提供的合作与可见性空间。定量研究表明，该地区女性科学家发表论文较少、参与国际合作的机会也较少。这类组织并非排斥机制，而是生存与可见性的重要工具。巴塞罗那超级计算中心的Bioinfo4Women项目自2022年起不仅支持职业发展，还提高对AI应用和生物医学数据集中性别偏见传播的认识，推动采用更具代表性的数据和方法。只要学术界继续惩罚母职、忽视女性引用、维持招聘偏见，这些专业网络就是推动变革的有力工具。
**4. 超越代表性：当性别偏见成为科学偏见**
性别不平等的影响延伸至科学内部。研究团队缺乏多样性时，其提出的问题、研究的人群和构建的数据集会反映这种同质性。在临床和公共卫生语境中，算法在少数群体数据不足时可能产生性能不均。对GEO中211个数据集的分析发现，性别和族群代表性存在偏见；标准流程历史上常排除或掩盖性连锁基因组区域，导致女性来源样本的变异检出效果较差；大多数公开基因表达数据缺乏性别标签，药物研究中女性样本代表性不足，影响可重复性；基于祖先偏斜队列训练的多基因风险评分在应用于其他性别、族裔或地域群体时预测准确性下降。因此，性别平等不仅关乎伦理，还关乎认识论：多样性影响哪些生物学问题被优先考虑、哪些假设不被质疑、哪些专业知识被认可为有价值。
### 四、讨论与结论
当前已出现积极进展，如WBDS LA等性别网络、机构项目和专门出版平台，但在生物信息学数据集和工具中的性别偏见系统研究、同行评审和招聘中的标准化公平指标方面仍有显著缺口。从拉丁美洲视角出发，尽管区域科研人员总体数量接近性别均等（女性约占45%），但女性在学术传播中仍系统性缺席，倾向于在区域学术圈发表，而男性主导全球学术圈，加剧了国际引用网络中的不可见性。阿根廷和乌拉圭虽实现研究人员数量均等，但这一均等并未转化为发表、引用或领导职位中的对等代表。区域数据显示，性别隔离横向存在，纵向障碍持续：阿根廷女性在资助申请的每个阶段都面临更低的获批概率；哥伦比亚确认了跨职业阶段的漏管管道效应；十一个国家的共同因素包括家庭压力、刻板印象、导师缺乏和制度惯性。
研究人员提出系统修正路径：编辑委员会应系统审查同行评审过程，开展偏见审计；研究人员特别是资深人员应审视参考文献列表，进行有意识的引用；招聘和晋升机构应制定适应计算与跨学科贡献的评估标准；制度层面应执行对骚扰零容忍政策并建立正式导师体系。未来必须走向多元化，不是为满足指标，而是因为高质量科学不能忽视全球一半人才库。在雇佣、引用、认可和科学设计本身的贬低文化未被纠正之前，生物信息学的“客观性”始终是一个幻象。
