为什么我们选择从一条分子记录开始

化学研究几乎总是从查询开始：这个化合物有没有人做过？它的性质是多少？类似结构有什么规律？这些问题的入口，通常是一个数据库。

入口正在变窄

专业化学数据库的订阅成本持续上升，访问中断也不再只是假设。对于资源充足的机构，这些是预算问题；对于教学场景和资源有限的研究者，它们可能直接意味着无法开始。

开放数据库提供了另一条路径，但“免费可访问”并不自动等于“可以放心使用”。数据来源、更新频率、许可范围和记录质量，决定了它能否支撑严肃的研究。

大不是唯一目标

一个数据库可以很大，但仍然难以回答简单的问题：这条记录描述的是哪个分子？这个性质是实验测得的还是计算得到的？两个来源给出不同数值时，应该相信哪一个？

MolScience 选择从这些问题开始。我们把分子身份、来源和适用条件放在数据模型的核心，而不是先追求记录数量。数据覆盖当然重要，但没有可判断性的数据，数量只会放大噪声。

一条记录要回答什么

• 它是哪个化学实体？结构、立体化学、盐与溶剂化物如何表示？
• 这个值从哪里来？是实验测量、软件计算还是模型预测？
• 它由什么方法得到，使用什么版本，原始值是什么？
• 它适合回答什么问题，在什么条件下可能失效？

这些问题听起来琐碎，却决定了数据库能否被科研使用。一个不能说明来源的数字，最多只能作为线索；一个能说明来源的数字，才有机会成为证据。

我们知道这很难

分子身份的边界、外部数据的许可、不同来源之间的冲突，都不是靠一套规则就能彻底解决的。团队规模有限，数据覆盖也仍然有限。

所以我们不把 MolScience 描述成一个已经完成的平台。它是一个正在建设的数据基础设施：有原型、有上线入口、有明确的工程方向，也有很多还没有做好的部分。

如果你对这些问题感兴趣，欢迎从一条数据、一个检索场景或一份文档开始参与。