自那时以来，数十家技术公司，学术机构，科学家和其他人员一直在开发新工具，为研究人员提供前所未有的机会来探索大脑如何处理，利用，存储和检索信息。但是，如果缺乏用于分析，管理和理解由这些新技术生成的数据的连贯策略，则该领域的进步将受到限制。

这正是劳伦斯伯克利国家实验室(Berkeley Lab)计算神经科学家Kristofer Bouchard组建了一支由跨学科研究人员组成的国际团队的原因，其中包括数学家，计算机科学家，物理学家以及实验和计算神经科学家，以制定管理，分析和共享神经科学数据的计划。他们的建议发表在最近一期的《神经元》上。

Bouchard说：“美国的BRAIN计划只是全球许多旨在加速我们对大脑理解的国家和私人神经科学计划之一。”“这些努力中的许多已经将很多注意力集中在了测量和操纵神经活动的技术挑战上，而与这些技术所产生的大量数据相关的计算挑战却没有受到太多关注。”

为了最大程度地提高全球神经科学计划的投资回报，Bouchard和他的同事认为，国际神经科学界应该为数据管理和分析制定综合战略。这种协调将促进工作流的可重复性，然后使研究人员可以在彼此的工作基础上进行构建。

首先，作者建议神经科学各个方面的研究人员就从数据分析和模拟得出的产品的标准说明和文件格式达成一致。之后，研究人员应与计算机科学家合作，开发用于归档和共享数据的硬件和软件生态系统。

作者建议建立一个类似于物理学界用来共享通过大型强子对撞机(LHC)等实验收集的数据的生态系统。在这种情况下，每个研究小组都有他们自己收集或生成的生理或模拟数据的本地存储库。但是最终，所有这些信息也应该包含在更大的神经科学界可以访问的“元存储库”中。“元存储库”中的文件应采用通用格式，并且存储库最好由开放科学的超级计算设施托管，例如位于伯克利的能源部(DOE)国家能源研究科学计算中心(NERSC)实验室

由于新技术正在产生空前的数据量，Bouchard和他的同事还建议神经科学家与数学家合作开发新的数据分析方法，并修改现有的分析工具以在超级计算机上运行。他们强调，为了最大程度地进行这些合作，分析工具应该是开源的，并且应该与大脑规模的仿真相集成。

“这是神经科学和大数据的早期，但我们可以看到挑战的到来。这不是第一个面临大数据挑战的研究机构;气候和高能物理已经出现并克服了许多相同的问题，”负责NERSC数据与分析服务小组的Prabhat说。