Neue Software hilft bei der Bewertung der Interoperabilität und Wiederverwendbarkeit von biomedizinischen digitalen Forschungsobjekten

Ermittler des Berges Sinai, zusammen mit einem internationalen Konsortium von Kollegen, haben eine neue Toolbox entwickelt, mit der Wissenschaftler beurteilen können, wie einfach die digitalen Objekte, die sie als Ergebnis ihrer Forschungsprojekte generieren, von anderen Forschungsteams verwendet werden können.

Die Ergebnisse, heute gemeldet in Zellsysteme, gelten für digitale Objekte einschließlich Datensätze, Software, Quellcode, und andere Produkte, die Wissenschaftler entwickeln und die für die Forschungsgemeinschaft nützlich sein können.

Das Ziel ist es, die Art und Weise, wie wir Daten in der biomedizinischen Forschung verwalten, zu verbessern - Daten aus diesen Projekten zu teilen und wiederzuverwenden, um den Wert maximal zu extrahieren. Während Geldgeber, Forscher, und andere Interessengruppen erkannten, dass wir beim Datenmanagement in der biomedizinischen Forschung bessere Arbeit leisten müssen, der Weg dazu war nicht klar."

Avi Ma'ayan, PhD

Ma'ayan ist Direktor des Mount Sinai Center for Bioinformatics, und leitender Forscher an der Studie.

Das Team hofft, dass biomedizinische Forscher die Toolbox anwenden, um ihre Arbeit zu bewerten. Sie werden sich der einfachen Schritte bewusst, die sie ergreifen können, um die Benutzerfreundlichkeit ihrer digitalen Objekte zu verbessern.

In den Jahren 2017 und 2018 finanzierten die National Institutes of Health (NIH) das NIH Data Commons Pilot Phase Consortium, die daran gearbeitet hat, Wege zu finden, um die gemeinsame Nutzung digitaler Forschungsobjekte über eine Cloud-basierte Umgebung zu verbessern.

Um eine solche virtuelle Umgebung zu implementieren, Forscher mussten Standards und eine Plattform entwickeln, um Wissenschaftlern zu helfen, sich an die FAIR zu halten (auffindbar, zugänglich, interoperabel, und wiederverwendbare) Richtlinien, die zuvor von Mitgliedern des Konsortiums erstellt wurden.

Zuerst, das Team entwickelte Metriken und Rubriken, um FAIRness zu bewerten, räumte jedoch ein, dass diese Metriken und Rubriken möglicherweise nicht für alle Forschungsbereiche gleichermaßen gelten. Also haben sie die Toolbox erstellt, genannt FAIRshake, die es denjenigen ermöglicht, die digitale Objekte erstellen, nicht nur ihre FAIRness zu bewerten, sondern auch neue Standards zu entwickeln, um FAIRness zu definieren und zu bewerten.

Daher, Die Forscher stellten fest, dass „FAIRshake die Koexistenz mehrerer Metriken und Rubriken ermöglicht. die Gemeinschaft in die Lage zu versetzen, Standards demokratischer zu entwickeln."

Dr. Ma'ayan betont, dass Forschung nicht offen zugänglich sein muss, um FAIR zu sein. "Es erfordert nur, dass die Leute eine klare Lizenz dafür bereitstellen, wie andere ihre Daten verwenden sollen. " er sagte.

Die FAIRshake-Toolbox umfasst sowohl manuelle als auch automatisierte Tools zur Bewertung von FAIRness, die Fragen stellen wie "Verfügt das digitale Objekt über maschinenlesbare Metadaten?" Die Toolbox wurde im letzten Jahr an Tausenden von digitalen Objekten getestet und das Team hat auf Youtube Tutorials zur Verwendung von FAIRshake veröffentlicht.

Während Dr. Ma'ayan sagt, dass es eine "natürliche Verbesserung der Zugänglichkeit und Akzeptanz dieser Standards gegeben hat, auch ohne Druck von uns oder von NIH, " Er erklärt auch, dass das Team von einigen Trends überrascht war, die es bei der Durchführung von Assessments mit dem Toolkit festgestellt hat.

Er sagte, dass nur wenige Forscher Anwendungsprogrammierschnittstellen (APIs) implementiert hätten – Software, die es verschiedenen Computerprogrammen ermöglicht, miteinander zu kommunizieren –, die „für die Zusammenführung von Daten entscheidend sind“. Forscher versäumten es auch häufig, Lizenzen bereitzustellen, um anderen Wissenschaftlern mitzuteilen, wie sie die Erlaubnis zur Verwendung der Daten erhalten.

Da Forschungsprodukte FAIRer werden, Wissenschaftler werden in der Lage sein, Verbindungen herzustellen und Dinge aufzubauen, die vor dem Einsatz von Werkzeugen wie maschinellem Lernen nicht möglich waren, um „die Art und Weise zu verändern, wie wir Daten wiederverwenden, " sagt Dr. Ma'ayan.

• Mount Sinai veranstaltet vierte jährliche Gala zur Prostatakrebsforschung
• NTU-Studie:Mikroorganismen zeigen in tropischer Luft einen präzisen Tagesrhythmus