Workflow Management Systems in supporto alla ricerca biomedica: verso l automazione dell accesso ai dati e falla loro analisi in rete

Transcript

1 Wrkflw Management Systems in supprt alla ricerca bimedica: vers l autmazine dell access ai dati e falla lr analisi in rete Pal Rman S.C. Biinfrmatica e Prtemica Strutturale Istitut Nazinale per la Ricerca sul Cancr (pal.rman@istge.it)

2 Smmari Integrazine dei dati in bilgia Strumenti e metdlgia per l autmazine dei prcessi d analisi Cnclusini 2

3 L infrmazine bilgica La ricerca bimedica prduce un enrme quantità di dati La genmica e la prtemica, cntribuiscn alla realizzazine di banche dati di rilevanti dimensini Altri settri cntribuirann in futur cn quantità di dati ancra superiri: analisi di variabilità (mutazini, plimrfismi) percrsi bichimici / metablici strumenti HT (micrarray). 3

4 Dimensine infrmazini bilgia EMBL Data Library 86 (Mar 2006): Sequenze: 69,783,593 (Basi: 126,401,347,060) Aument: +7,79% (+8,87%) dalla precedente release Aument: +41,05% (+48,47%) in un ann ( ArrayExpress (21/12/2005): Esperimenti 1,187 (circa 800 Gb) Aument +100% da Ottbre 2004 a Ottbre 2005 ( Nucleic Acids Research Supplement (2006) 858 database di bilgia mleclare ( SRS public sites (2006) 1,300 librerie ( 4

5 Banche dati in bilgia Etergenee: Pche banche dati sn gestite in md mgene Banche dati secndarie di ttima qualità (anntazine estesa, cntrll accurat) Mlte banche dati specializzate: gene/genma, rganism, patlgia, Mlte banche dati sviluppate da singli ricercatri piccli gruppi di ricerca Distribuite: Strutture dati, DBMS e metdi di distribuzine sn differenti Infrmazini e significati (semantica) sn differenti 5

6 Obiettivi dell integrazine L integrazine dei dati è necessaria per: Ottenere una visine cmplessiva e più precisa delle infrmazini dispnibili Eseguire in maniera integrata query e/ analisi dati che cinvlgn più database e sftware Eseguire cn efficienza analisi che cinvlgn grsse quantità di dati Realizzare un effettiv data mining 6

7 Specificità dell integrazine In ambit bilgic: Una pre-analisi delle infrmazini è impssibile: dati e cnscenze cambian frequentemente e rapidamente La cmplessità delle infrmazini nn permette di creare mdelli validi in diversi ambiti e nel temp La dispnibilità di strumenti assestati riduce le pssibilità di implementare standard cmuni Le esigenze e gli biettivi di ricerca evlvn rapidamente, seguend le nuve acquisizini e terie Strumenti tradizinali (data warehuse, sftware di integrazine SRS) pngn prblemi: dimensine, aggirnament, struttura variabile L integrazine deve essere sviluppata cn sistemi flessibili, adattabili ed espandibili 7

8 Vers l autmazine dei prcessi Una pssibile metdlgia: XML per strutturare i dati Web Services per cnsentire un efficiente interazine tra cmputer Wrkflw Management Systems per autmatizzare le prcedure Prtali user friendly per rendere i wrkflw accessibili a tutti i ricercatri 8

9 XML e Web Services in biinfrmatica Linguaggi XML W eb Services Sequenze (BSML, Agave) Prteine (SPML) NCBI utputs (BlastXML) EMBOSS, XEMBL, Interpr (EBI) eutils (NCBI) cabio (NCICB) KEGG API Micrarray (MAGE-ML) GeneCruiser, Bisphere (micrarray) Systems Bilgy Markup Language (SBML) Bilgical Variatin Markup Language (BVML) SIMAP (prteine) Catalghi CABRI (risrse bilgiche) Mutazini TP53 9

10 Wrkflw A cmputerized facilitatin r autmatin f a business prcess, in whle r part". (Wrkflw Management Calitin) Obiettiv: implementazine di prcessi di analisi dei dati in ambienti standardizzati Vantaggi principali: efficienza: la prcedura autmatica libera il ricercatre dai cmpiti ripetitivi sul web e cntribuisce a una gd practice, riprducibilità: le analisi pssn essere ripetute nel temp, rius: I risultati intermedi pssn essere riutilizzati, analisi della prvenienza: il wrkflw è eseguit in un ambiente trasparente nel quale la prvenienza dei dati può essere verificata a psteriri. 10

11 Wrkflw per database CABRI 11

12 Wrkflw per database TP53 12

13 Wrkflw Management Systems Gestine di wrkflw per applicazini biinfrmatiche: Bipipe, un add-n per biperl GPipe, una estensine dell interfaccia Pise Taverna (EBI), una cmpnente della piattafrma mygrid Pegasys (University f British Clumbia) EGene (Universidade de Sã Paul) Wildfire (Biinfrmatics Institute, Singapre) Pipeline Pilt (SciTegic) BiWBI, Biinfrmatic Wrkflw Builder Interface, di IBM Richiedn una ntevle cnscenza dei sistemi cinvlti e cmpetenze e temp per l svilupp dei wrkflw. Presentan diverse tiplgie e utilizzan diversi standard. 13

14 biwep: biettivi Wrkflw Enacment Prtal fr Biinfrmatics Obiettivi del sistema: Mettere a dispsizine di ricercatri nn esperti un insieme predefinit di wrkflw (testati, validati, anntati, mantenuti) Cnsentire la ricerca e la selezine dei wrkflw sulla base di una lr anntazine basata su una semplice ntlgia dei prcessri biinfrmatici (dmini, task, i/) e della tiplgia dell utente (interessi e rul) Cnsentire l esecuzine interattiva dei wrkflw selezinati Cnsentire la memrizzazine e il recuper dei risultati dei wrkflw eseguiti 14

15 biwep: caratteristiche Il sistema: è scritt in java + javascript è parzialmente basat su sftware pen surce (Taverna WB, FreeFlu, Tmcat e mysql) accede a dati e analisi dispnibili tramite Web Services può svlgere anche elabrazine lcali archivia i wrkflw in frmat Scufl XPDL è distribuit free (licenza LGPL) Prttip dispnibile n-line: (sit supprt) (prtale) 15

16 biwep: architettura 16

17 biwep: wrkflw e utenza I wrkflw sn: creati dall amministratre inviati da utenti cn Taverna BiWMS archiviati in frmat Scufl XPDL aggirnati (wrkflw vs versine) anntati sulla base di un ntlgia dei task in biinfrmatica (dmini, task, dati I/O) Gli utenti: accedn in remt al sistema sn registrati (access cntrllat) lavran in un prpri ambiente (sessini, risultati, wf) 17

18 Cnclusini Metdlgia, tecnlgia e standard per l autmazine delle prcedure di ricerca, integrazine e analisi dei dati bimedici Opprtunità per: Svilupp di strumenti sftware (WMSs, prtali) Svilupp di wrkflw d analisi Attività di supprt/cnsulenza 18

19 Cllabrazini IST, Genva Pal Rman, Dmenic Marra, Chiara Rasi, Ulrich Pfeffer, Valentina Mirisla, M. Assunta Manniell, Gilbert Frnza DIST, Università di Genva Ivan Prr, Silvia Scagline DISC, Università di Milan Biccca Guglielm Bertlini, Flavi De Pali, Giancarl Mauri ITB, CNR, Milan Lucian Milanesi DMI, Università di Camerin (MC) Emanuela Merelli, Ezi Bartcci ISMAC, CNR, Genva Patrizi Arrig Lavr svlt nell ambit dei prgetti Onclgy ver Internet (MIUR, ) e Labratri Interdisciplinare di Tecnlgie Biinfrmatiche (MIUR, ). 19