Integrativ bioinformatik - Integrative bioinformatics

Integrativ bioinformatik är en disciplin av bioinformatik som fokuserar på problem med dataintegration för biovetenskap .

Med ökningen av HTP-teknik med hög genomströmning inom biovetenskap, särskilt inom molekylärbiologi , har mängden insamlad data vuxit exponentiellt. Dessutom är informationen spridd över en mängd både offentliga och privata förvar och lagras med ett stort antal olika format . Denna situation gör det mycket svårt att söka efter dessa data och utföra den analys som krävs för utvinning av ny kunskap från den kompletta uppsättningen av tillgängliga data. Integrativ bioinformatik försöker ta itu med detta problem genom att ge enhetlig tillgång till life science-data.

Approaches

Semantiska webben närmar sig

I Semantic Web- metoden söks data från flera webbplatser eller databaser via metadata . Metadata är maskinläsbar kod som definierar innehållet på sidan för programmet så att jämförelserna mellan data och söktermer är mer exakta. Detta tjänar till att minska antalet resultat som är irrelevanta eller olämpliga. Vissa metadata finns som definitioner som kallas ontologier , som kan taggas av antingen användare eller program; dessa tjänar till att underlätta sökningar genom att använda nyckeltermer eller fraser för att hitta och returnera informationen. Fördelarna med detta tillvägagångssätt inkluderar den allmänna ökade kvaliteten på de data som returneras i sökningar och med korrekt taggning, ontologier som hittar poster som kanske inte uttryckligen anger söktermen men som fortfarande är relevanta. En nackdel med detta tillvägagångssätt är att resultaten som returneras kommer i formatet för databasen med ursprung och som sådan kan direkta jämförelser vara svåra. Ett annat problem är att termerna som används vid taggning och sökning ibland kan vara tvetydiga och kan orsaka förvirring bland resultaten. Dessutom betraktas den semantiska webbstrategin fortfarande som en ny teknik och används inte i stor skala för närvarande.

En av de nuvarande tillämpningarna av ontologibaserad sökning inom biomedicinska vetenskaper är GoPubMed , som söker på PubMed- databasen med vetenskaplig litteratur. En annan användning av ontologier finns inom databaser som SwissProt , Ensembl och TrEMBL , som använder denna teknik för att söka igenom butikerna med mänsklig proteomrelaterad data för taggar relaterade till söktermen.

En del av forskningen inom detta område har fokuserat på att skapa nya och specifika ontologier. Andra forskare har arbetat med att verifiera resultaten från befintliga ontologier. I ett specifikt exempel är målet för Verschelde et al. var integrationen av flera olika ontologibibliotek i en större som innehöll fler definitioner av olika subspecialiteter (medicinska, molekylärbiologiska, etc.) och kunde skilja mellan tvetydiga taggar; resultatet var en datalagerliknande effekt, med enkel åtkomst till flera databaser genom användning av ontologier. I ett separat projekt, Bertens et al. konstruerade ett gitterverk av tre ontologier (för anatomi och utveckling av modellorganismer) på en ny ram för ontologi av generiska organ. Till exempel skulle resultat från en sökning efter 'hjärta' i denna ontologi returnera hjärtplanerna för var och en av ryggradsarter vars ontologier inkluderades. Projektets uttalade mål är att underlätta jämförande och evolutionära studier.

Datalagringsmetoder

I datalagringsstrategin extraheras och integreras data från olika källor i en enda databas. Till exempel kan olika 'omics'-datasätt integreras för att ge biologisk insikt i biologiska system. Exempel inkluderar data från genomics, transcriptomics, proteomics, interactomics, metabolomics. Helst synkroniseras förändringar i dessa källor regelbundet med den integrerade databasen. Uppgifterna presenteras för användarna i ett vanligt format. Många program som syftar till att hjälpa till med att skapa sådana lager är utformade för att vara extremt mångsidiga för att möjliggöra implementering i olika forskningsprojekt. En fördel med detta tillvägagångssätt är att data är tillgängliga för analys på en enda plats med ett enhetligt schema. Några nackdelar är att datasätten ofta är enorma och svåra att hålla sig uppdaterade. Ett annat problem med denna metod är att det är kostsamt att sammanställa ett sådant lager.

Standardiserade format för olika typer av data (ex: proteindata) dyker nu upp på grund av påverkan från grupper som Proteomics Standards Initiative (PSI). Vissa datalagringsprojekt kräver till och med att data inlämnas i ett av dessa nya format.

Andra tillvägagångssätt

Data mining använder statistiska metoder för att söka efter mönster i befintlig data. Denna metod ger i allmänhet många mönster, av vilka vissa är falska och andra är betydande, men alla mönster som programmet hittar måste utvärderas individuellt. För närvarande är en del forskning inriktad på att integrera befintliga tekniker för data mining med nya mönsteranalysmetoder som minskar behovet av att spendera tid på att gå över varje mönster som finns i det ursprungliga programmet, men istället returnera några resultat med stor sannolikhet för relevans. En nackdel med denna metod är att den inte integrerar flera databaser, vilket innebär att jämförelser mellan databaser inte är möjliga. Den största fördelen med detta tillvägagångssätt är att det gör det möjligt att testa nya hypoteser.

Se även

referenser

externa länkar