BioBricks.ai:生命科学データ資産のバージョン化されたデータレジストリ

科学分野:

• バイオ医学
• 公衆衛生
• バイオ情報学
• データサイエンス

背景:

• 生物医学と公衆衛生の研究者は,手動で様々な情報源からデータを取得し,クリーンアップし,統合するため,かなりの遅れに直面しています.
• この手作業は非効率で 発見が遅い 分析のパイプラインは不一致です

研究 の 目的:

• 公共の生物学的および化学的データセットへのアクセスと統合を簡素化するために設計されたオープンで集中的なリポジトリであるBioBricks.aiを導入します.
• 統合された抽出変換負荷 (ETL) パイプラインを備えた,バージョン制御されたモジュラーデータパッケージ (ブロック) を提供する.

主な方法:

• 公開データセットのためのDVC GitリポジトリシステムとしてBioBricks.aiを開発しました.
• データインストール,依存関係管理,および更新のためのパッケージマネージャのようなインターフェースを実装した.
• 統一されたバックエンドを確立した.

主要な成果:

• 現在のリリースでは,ゲノミクス,プロテオミクス,化学情報学,流行病学の90以上のキュレーションされたデータセットを提供しています.
• ブロックをプログラム的に組み合わせることで,マルチデータセットの分析コホートを迅速に組み立て,時間を数日から数分に短縮できます.
• 伝統的な方法と比較して,データへのアクセスと統合を大幅に加速しました.

結論:

• BioBricks.aiはデータへのアクセスを加速し,ワークフローの再現性を向上させ,異質な公開データセットを統合するための障壁を軽減します.
• プラットフォームはコミュニティの貢献を促進し,バージョン制御ソフトウェアとしてデータを扱うことで冗長なエンジニアリングの努力を削減します.
• 将来の作業は,FAIRデータ慣行を改善するために,データカバーと自動化された出所追跡を拡大します.