소프트웨어와 과학적 지식은 함께 진화하지만, 이들은 서로 거의 소통하지 않는 별개의 코퍼스(corpora)로 분류되어 있습니다. 우리는 World of Code(공개 버전 관리 이력의 거의 완전한 미러)를 Semantic Scholar 및 OpenAlex와 연결하여 8가지 관계 유형(논문-소프트웨어 언급, 소프트웨어-논문 인용, 소프트웨어 의존성, 저자 관계, 소속 관계, 그리고 식별자 연결)에 걸친 6,980만 개의 엣지(edges)로 구성된 유형화된 교차 코퍼스 그래프를 통해 전 지구적 규모로 이 둘을 연결합니다. 18,247개의 큐레이션된 과학 저장소(repositories)를 기반으로, 우리는 두 가지 상호적인 질문을 던집니다: 과학이 소프트웨어에 미치는 영향은 무엇이며, 소프트웨어가 과학에 미치는 영향은 무엇인가? 이러한 과학-소프트웨어 공급망 (Science-Software Supply Chain, S3C) 관점이 실행 가능한지 테스트하기 위해, 우리는 확정적인 측정을 주장하기보다는 기본적인 조사를 수행합니다. 두 방향은 서로 다르면서도 상호 보완적인 계층을 조명하는 것으로 보입니다. 문헌이 소프트웨어에 미치는 영향은 재현성 및 패키징 계층(nf-core, Nextflow, Bioconda)과 서열 분석(sequence-analysis) 도구들이 주도하는 반면, 소프트웨어가 과학으로 역으로 미치는 영향은 주로 보이지 않는 머신러닝(machine-learning) 및 데이터 과학 인프라 계층(PyTorch, seaborn, NLTK)에 의해 대리됩니다. 논문 이름이 직접 소프트웨어를 언급하는 채널은 순위를 매기기에는 너무 희소합니다. 인간이 큐레이션한 골드 벤치마크(gold benchmark)에 따르면 범위 내 65개 사례 중 단 하나도 연결되지 않았습니다. 의존성 재사용(Dependency reuse)은 대리 지표로 사용되며, 이는 인용 횟수 및 스타(stars) 수와는 기껏해야 약하게 결합되어 있습니다 (Spearman rho=0.36). 우리의 가장 주의 깊게 살펴봐야 할 발견은 측정 자체에 관한 것입니다: 저장소를 인용 횟수와 쌍을 맺는 두 가지 합리적인 방식(저장소를 명시하는 논문을 통한 방식(n=137, rho=0.05, 신뢰 구간이 0을 포함함) vs 저장소가 스스로 선언한 DOI를 통한 방식(n=1,067, rho=0.13, CI [0.07, 0.19]))에 따라 재사용-인용 결합의 부호와 신뢰도가 뒤바뀝니다. 이처럼 연결이 희소한 상황에서는 헤드라인 상관관계의 부호가 어떤 간극을 허용하느냐에 따라 달라지므로, 우리는 두 가지 모두를 보고하며 강력한 디커플링(decoupling) 주장을 자제합니다.