NCBITaxonomy.jl: búsqueda y conciliación rápida de nombres biológicos

Área de la Ciencia:

• La bioinformática
• Biología computacional
• La taxonomía

Sus antecedentes:

• La identificación taxonómica precisa es crucial para la investigación biológica.
• Los desafíos en la reconciliación de nombres taxonómicos incluyen sinónimos, homónimos y errores de datos.
• Las herramientas existentes pueden carecer de eficiencia o flexibilidad para conjuntos de datos biológicos a gran escala.

Objetivo del estudio:

• Introducir NCBITaxonomy.jl, un paquete Julia para una conciliación robusta de nombres taxonómicos.
• Proporcionar un manejo eficiente de los datos taxonómicos complejos.
• Facilitar la integración en los flujos de trabajo de bioinformática para la estandarización de los datos.

Principales métodos:

• Utiliza una copia local de la columna vertebral taxonómica del NCBI.
• Implementa búsqueda insensible a la casilla, coincidencia de cadenas difusas y búsquedas restringidas taxonómicamente.
• Cuenta con un sistema de excepción para el manejo de coincidencias ambiguas y admite Apache Arrow para el almacenamiento de datos.

Principales resultados:

• NCBITaxonomy.jl concilia efectivamente los nombres taxonómicos, abordando los sinónimos, homónimos y errores.
• El paquete permite el procesamiento automatizado de grandes conjuntos de datos con un manejo robusto de excepciones.
• Ha demostrado su éxito en proyectos a gran escala para la limpieza y estandarización automatizada de datos.

Conclusiones:

• NCBITaxonomy.jl proporciona una solución potente y eficiente para la conciliación de nombres taxonómicos en Julia.
• El paquete es adecuado para tuberías de bioinformática que requieren una estandarización taxonómica confiable.
• Su acceso programático y el manejo eficiente de los datos facilitan el análisis de alto rendimiento de datos biológicos heterogéneos.