Integrativ bioinformatik - Integrative bioinformatics

Integrativ bioinformatik er en disciplin inden for bioinformatik, der fokuserer på dataintegrationsproblemer i biovidenskaben .

Med stigningen i high-output- teknologier (HTP) inden for biovidenskab, især inden for molekylærbiologi , er mængden af ​​indsamlet data vokset eksponentielt. Desuden er dataene spredt over en overflod af både offentlige og private oplagringssteder og gemmes ved hjælp af et stort antal forskellige formater . Denne situation gør søgning i disse data og udførelse af den analyse, der er nødvendig for udvinding af ny viden fra det komplette sæt tilgængelige data, meget vanskelig. Integrativ bioinformatik forsøger at tackle dette problem ved at give samlet adgang til life science-data.

Tilgange

Semantiske web-tilgange

I den semantiske web- tilgang søges data fra flere websteder eller databaser via metadata . Metadata er maskinlæsbar kode, der definerer indholdet på siden til programmet, så sammenligningerne mellem dataene og søgetermerne er mere nøjagtige. Dette tjener til at reducere antallet af resultater, der er irrelevante eller uhensigtsmæssige. Nogle metadata findes som definitioner kaldet ontologier , som kan mærkes af enten brugere eller programmer; disse tjener til at lette søgninger ved hjælp af nøgleudtryk eller -fraser til at finde og returnere dataene. Fordelene ved denne fremgangsmåde inkluderer den generelle øgede kvalitet af de data, der returneres i søgninger og med korrekt mærkning, ontologier med at finde poster, der muligvis ikke eksplicit angiver søgetermen, men som stadig er relevante. En ulempe ved denne fremgangsmåde er, at de resultater, der returneres, kommer i form af databasen med deres oprindelse, og som sådan kan direkte sammenligninger være vanskelige. Et andet problem er, at de udtryk, der bruges i tagging og søgning undertiden kan være tvetydige og kan forårsage forvirring blandt resultaterne. Derudover betragtes den semantiske web-tilgang stadig som en ny teknologi og er ikke i vid udstrækning brugt på dette tidspunkt.

En af de nuværende anvendelser af ontologibaseret søgning i biomedicinske videnskaber er GoPubMed , der søger PubMed- databasen med videnskabelig litteratur. En anden anvendelse af ontologier er inden for databaser som SwissProt , Ensembl og TrEMBL , der bruger denne teknologi til at søge gennem lagringerne af humane proteomrelaterede data for tags relateret til søgeudtrykket.

Nogle af forskningen på dette felt har fokuseret på at skabe nye og specifikke ontologier. Andre forskere har arbejdet på at verificere resultaterne af eksisterende ontologier. I et specifikt eksempel er målet for Verschelde et al. var integrationen af ​​flere forskellige ontologibiblioteker i et større, der indeholdt flere definitioner af forskellige underspecialiteter (medicinsk, molekylærbiologisk osv.) og var i stand til at skelne mellem tvetydige tags; resultatet blev et datalagerlignende effekt med let adgang til flere databaser ved hjælp af ontologier. I et separat projekt har Bertens et al. konstrueret et gitterværk af tre ontologier (til anatomi og udvikling af modelorganismer) på en ny ramme ontologi af generiske organer. F.eks. Ville resultater fra en søgning efter 'hjerte' i denne ontologi returnere hjerteplanerne for hver af hvirveldyrets arter, hvis ontologier var inkluderet. Projektets erklærede mål er at lette komparative og evolutionsundersøgelser.

Data warehousing tilgange

I datalagringsstrategien ekstraheres og integreres dataene fra forskellige kilder i en enkelt database. For eksempel kan forskellige 'omics' datasæt integreres for at give biologisk indsigt i biologiske systemer. Eksempler inkluderer data fra genomics, transcriptomics, proteomics, interactomics, metabolomics. Ideelt set synkroniseres ændringer i disse kilder regelmæssigt med den integrerede database. Dataene præsenteres for brugerne i et fælles format. Mange programmer, der har til formål at hjælpe med oprettelsen af ​​sådanne lagre, er designet til at være ekstremt alsidige for at gøre det muligt for dem at blive implementeret i forskellige forskningsprojekter. En fordel ved denne fremgangsmåde er, at data er tilgængelige til analyse på et enkelt sted ved anvendelse af et ensartet skema. Nogle ulemper er, at datasættene ofte er enorme og vanskelige at holde sig ajour. Et andet problem med denne metode er, at det er dyrt at sammensætte et sådant lager.

Standardiserede formater til forskellige typer data (eks: proteindata) vises nu på grund af indflydelse fra grupper som Proteomics Standards Initiative (PSI). Nogle datalagringsprojekter kræver endda indsendelse af data i et af disse nye formater.

Andre tilgange

Data mining bruger statistiske metoder til at søge efter mønstre i eksisterende data. Denne metode returnerer generelt mange mønstre, hvoraf nogle er falske og nogle er betydningsfulde, men alle de mønstre, programmet finder, skal evalueres individuelt. I øjeblikket er en del forskning fokuseret på at inkorporere eksisterende data mining-teknikker med nye mønsteranalysemetoder, der reducerer behovet for at bruge tid på at gå over hvert mønster, der findes i det oprindelige program, men i stedet returnere et par resultater med stor sandsynlighed for relevans. En ulempe ved denne tilgang er, at den ikke integrerer flere databaser, hvilket betyder, at det ikke er muligt at sammenligne på tværs af databaser. Den største fordel ved denne tilgang er, at det giver mulighed for at generere nye hypoteser til at teste.

Se også

Referencer

eksterne links