为合成生物学提供标准化FAIR数据管理工作流程的框架

科学领域:

• 合成生物学 合成生物学
• 生物信息学是一种生物信息学.
• 数据管理数据管理

背景情况:

• 合成生物学研究产生了多样化的数据 (序列,模型,图像),通常分布在不同的系统中.
• 不一致的数据格式和元数据阻碍了数据的来源,重复使用,安全性,合规性和可扩展性.
• 在连接数据,元数据和代码以确保可查找性,可访问性,互操作性和可重复使用性 (FAIR) 方面存在关键差距.

研究的目的:

• 为了应对合成生物学实验室中碎片化数据管理的挑战.
• 提出一个整合数据管理工作流程的框架,遵守FAIR原则.
• 为标准化数据生成和改善数据可追溯性提供实际指导和软件解决方案.

主要方法:

• 与美国各地的合成生物学研究人员进行了半结构化采访.
• 分析了当前的数据管理实践,并确定了关键挑战.
• 开发了一个框架,将常见数据类型映射到社区标准,并建议软件解决方案.

主要成果:

• 确定分散的数据和不一致的元数据是合成生物学研究的主要障碍.
• 提出了一个综合数据管理的框架,将数据,元数据和代码联系起来.
• 提供了一个软件解决方案目录和采用指南,以促进公平的数据实践.

结论:

• 实施拟议的框架可以将数据生成标准化,并将其提升到FAIR状态.
• 改进的数据管理加强了监管和国防应用的可追溯性.
• 一个标准化的数据基础支持合成生物学机器学习模型的开发和培训.