十个指南采用本体创建公平的科学数据

Listicle

发表:2022年8月15日

信贷:Pixabay

在一个前一篇文章,我看着本体如何帮助解决一些生命科学的大数据挑战FAIRifying数据,使它可发现的,访问,的互操作性和可重用性。本体——人为的,机器可读的一个域模型,可以使数据创造公平和可用的。这减少了时间科学家寻找信息,避免了重复的实验工作,使数据“机器准备”人工智能和机器学习项目。

然而,决定实现本体在数据管理实践可以令人生畏。它也可以是一个艰难的销售业务涉众的ROI通常不是直接的。在这篇文章中,我概述的挑战和提供10指南开启你的本体的旅程。

商业、文化和科学的挑战

实现任何本体是一个专门的任务。成功地这样做需要不断从多个来源的数据格式化,结构化和协调。在包含任何领域,这是一个挑战。但在生命科学这一挑战尤为严重——数据源包括出版文献,实验数据,和病人和临床记录,包含图表和表格,生物医学图像,社交媒体数据和语音录音。

生命科学组织还必须考虑业务和管理需求。公司希望确保任何本体符合严格的治理过程和健壮的版本控制提供一个可见的审计跟踪,同时还需要一个系统敏捷足以轻易做出改变。建立一个网络的本体可以同时允许这些级别的灵活性和控制是困难和费时。

此外,越来越多的需求本体更“民主”,允许用户在业务的范围为其发展作出贡献。这扩大池提要本体的知识,所以它是更准确,反映了用户的需要。然而,这需要一个文化心态的转变——不再“我的实验室和数据”;而是“公司的数据和它的公平”。

最后,潜在的最关键的挑战是证明本体和公平的项目利益相关者的价值。与任何大型、复杂的项目,ROI是中长期的术语和本体项目可能在短学期面临风险。因此,为了最大化你的本体项目的成功,这些都是10件事要记住:

1。已经发现的地方

在规划一个新项目之前,数据团队应该确定什么样的本体已经被使用在他们的组织——公共本体或定制术语创建内部。建立在现有工作加速进步,为利益相关者提供早期赢得礼物。

重建、再利用、再循环

从事生命科学本体已持续了几十年,这意味着利用现有的开源框架。公共本体,如网从美国国立卫生研究院是一个伟大的起点。使用已经可以作为自己的本体的基础是一个简单的方法来取得切实进展。

找到你的公平的冠军

我已知的公司最成功的是那些“公平冠军”理解上面讨论的挑战。公平的冠军不需要专家在语义和数据科学,他们需要顽强的,致力于项目和炙热的利益相关者的能力目标和里程碑。

4所示。创建一个URI的策略

统一资源标识符(uri)应该建立在任何本体的旅程的开始。uri提供定位和检索网络资源的一种手段——类似于web地址url。uri是难以改变一旦到位,他们表示一个实体的惟一ID。常见的URI战略从一开始就减少了错误的机会,提高整个业务标准化。

地图很少

本体映射是一个耗时和无休止的任务,与一个不断移动的目标本体进化与我们对生命科学的理解。尝试尽可能限制映射通过限制少量的每个域本体(理想情况下一个!),而不是引进或创建一个新的本体,一个已经在使用的区域。

6。简化你的本体选择

减少使用的本体数量减少的负担必须保持同步,或它们之间的映射。选择公共本体进一步简化了集成的公共和私有数据。例如,如果您的域名是疾病,您可能使用绝对的疾病本体以减少你的工作量。

从小事做起,进行迭代

你不能解决你所有的数据。看到回报,除了需要太长时间,它可能是不可能的。一个用例开始时间——原型迭代的工作和使用这些知识。数据录入分析等项目登记是一个很好的起点,因为他们已经有一个特定的结构。它可以是一个简单的交换进入自由文本从一个下拉列表选择您选择的领域本体的化验。这使得数据从一开始就公平;标准列表以确保信息记录,可互操作和促进未来重用。