Nature论文爆出千行Python代码Bug，或影响百篇学术论文
作者：互联网
你的论文借鉴了 Nature 文章的代码？对不起，论文可能要重新写了。
在 10 月 8 日发表于《ACS Publication》期刊的一篇论文中，来自夏威夷大学的 Jayanti Bhandari Neupane、Yuheng Luo、Rui Sun、Philip Williams 等研究者表示，他们发现了一个《Nature》论文中的 Python 脚本编程错误，这个错误可能会对 150 多篇已经发表的化学论文产生影响。
10 月 8 日发表于「ACS Publication」的论文。作者是来自夏威夷大学化学系的 Jayanti Bhandari Neupane、Yuheng Luo、Rui Sun、Philip Williams 等人。他们在这篇论文中指出了《Nature》论文中的 Python 脚本 bug。
论文地址：https://pubs.acs.org/doi/full/10.1021/acs.orglett.9b03216
论文中提到的脚本名为「Willoughby-Hoye」，用来计算核磁共振图谱的化学位移值。夏威夷大学的研究者发现，在该脚本中，有一个模块是根据文件的排序返回值，但 Python 并没有定义查询的文件顺序。因此，该系统在不同的脚本上会有不同的返回值。
在运行这些脚本的时候，Luo 在不同的操作系统上得到了不同的结果。
他们在实验中使用了相同的核磁共振数据，但结果却出现了显著差异。在 macOS Mavericks 和 Windows 10 上运行该脚本都能得到正确的结果（173.2），但在 macOS Mojave 和 Ubuntu 上运行时，结果却出现了差异（分别是 172.4 和 172.7），与正确结果相差近 1 个百分点。虽然看起来相差不大，但在精确的科研世界里，这一差别就很严重了。
产生这种差异的原因是该脚本使用 Python 的 glob 模块来查找符合特定规则的文件路径名——基于 glob 的结果去生成读取文件列表。但是 glob 的结果又取决于操作系统的文件返回值。于是脚本的计算结果会受到文件处理顺序的影响。夏威夷大学的 Rui Sun 和 Phillip Williams 编写了用来解决这个问题的排序较正代码以保证结果的一致性，代码量达到上千行。
在《Nature》论文中藏身五年的 Bug
2014 年，《Nature》子刊上发布了一篇名为《A guide to small-molecule structure assignment through computation of (1H and 13C) NMR chemical shifts》的化学论文，论文中包含了上文中提到的使用 Python 语言构建的脚本。
2014 年发表于「Nature」的那篇论文。
论文地址：https://www.nature.com/articles/nprot.2014.042
论文中的 Python 脚本下载地址：https://media.nature.com/original/nature-assets/nprot/journal/v9/n3/extref/nprot.2014.042-S2.zip
现任美国里彭学院化学系助理教授的 Patrick Willoughby 认可了夏威夷大学研究者的发现，并且在推特上展示了该团队对脚本所做的更正：
他还提醒道，「如果你在做或依赖核磁共振化学位移方面的研究，那你一定要读一下这篇论文。」
脚本的作者也在 twitter 上表示了对这一发现的赞赏，但他表示，当年写代码的时候，脚本是运行良好的。
他说，「Rui 和 Williams 教授的发现真的非常棒。6 年前我写这个脚本的时候，操作系统能够处理排序问题。Rui 和 Williams 添加了必要的排序代码和函数来确保计算排序一致，给他们点赞！」
这篇 2014 年的论文至今已经被浏览过 1900 多次。Williams 表示，可能有 150-160 项研究项目受到了该 bug 的影响。例如，如果 Williams 用这个脚本错误地计算了样本中的成分，而化学家刚好要用这一结果合成新的分析来研发新药，那他的研究可能从开始就是错的。
虽然 Williams 等人及时发现了这个问题，避免了该 bug 对自己的研究造成的影响，但它可能对其他研究举足轻重。他希望这篇论文能够让科学家们更加关注实验的计算部分。由于已发表的论文中很少提及操作系统，所以这一 bug 产生的影响目前还很难得出定论。
「学术原型代码」VS「工业级别代码」
一般来说，代码并不是一篇学术论文中最被关注的点。所以说，计算机学界及其他领域学界往往不会对代码质量过分深究。这也导致，不管是学术研究者还是业界人士，都能感觉到「学术原型代码」和「工业级别代码」之间的巨大差异。
显然，科研人员们暂时未能成为精于代码的「程序员」。论文中的代码往往存在易读性差、注释量不足等问题，在没有对应技术手册的情况下也常常让读者摸不着头脑。
许多网友也对这一现象进行过讨论：「发 paper 的代码一般多是 quick and dirty, 如果说一个方法很好，希望把整个代码做好做鲁棒，一般要经历哪些步骤？」
最多的回答是：「重写。」
还有一种类似张无忌演习太极剑法的实现方式：「把 paper 看完然后丢在一边，直到完全忘却代码，然后根据记忆，按照工业级标准重写一遍。」
不过相比于工业界的代码，学术论文中代码 bug 的影响毕竟还是有限的。
新西兰惠灵顿维多利亚大学化学系讲师 Rob Keyzers 在今年的一项研究中引用了这篇论文，他表示自己当时确实并不知晓这个 bug。
Rob Keyzers 没有太过担心自己的成果，因为团队在研究中没有使用这项有 bug 的脚本。同时他也补充说：「我们会仔细检查研究数据，以确保没有得出任何不严谨的结论。」
「Nature Protocols」的发言人在一份声明中回应道，他们正在调查夏威夷大学这项研究中所提出的问题，目前处于保密方面的考虑暂不发表评论。
参考链接：
https://arstechnica.com/information-technology/2019/10/chemists-discover-cross-platform-python-scripts-not-so-cross-platform/
https://www.vice.com/en_us/article/zmjwda/a-code-glitch-may-have-caused-errors-in-more-than-100-published-studies
标签：脚本,千行,Python,代码,论文,Nature,Bug,Williams 来源： https://blog.51cto.com/15127532/2692557