Projektzusammenfassung
| Info |
|---|
| Auszug |
|---|
Dieses Projekt trägt zur Stärkung des Wissenstransfers zwischen Universitäten, Wirtschaft und Gesellschaft bei und unterstützt als Lead-Projekt die nachhaltige Implementierung der European Open Science Cloud (EOSC). In der Vienna Declaration on the European Open Science Cloud (2018) wird die EOSC eng mit den FAIR (Findability-Accessibility-Interoperability-Reusability)-Datenprinzipien verknüpft, um dauerhaft einen einfachen, effizienten und disziplinübergreifenden Zugriff auf Forschungsdaten, deren Speicherung, Wiederauffindung, -verwendung und Weiterverarbeitung zu gewährleisten. Dieses Projekt ermöglicht die nachhaltige Implementierung der EOSC in Österreich durch die Entwicklung von innovativen, FAIR-konformen Tools zur Planung und Archivierung von Daten sowie der benötigten Support-Services. |
|
Ziele
- Etablierung von Prozessen und Definition von Aufgaben für Organisationseinheiten, um Forschungsdatenmanagement (FDM) über den gesamten Lebenszyklus der Daten zu unterstützen
- Integriertes FDM, abgestimmt auf disziplinspezifische und generelle Bedürfnisse der Forschungsgruppen
- Aufbau und Entwicklung von Repositorien für Forschungsdaten, Code und Datenbanken
- Entwicklung von Training und Support-Services für effizientes FDM (Aufbau und Erweiterung digitaler Skills)
- Entwicklung von Anreiz- und Belohnungssystemen
- Stärkung von FDM an österreichischen Universitäten durch Bündelung der Aktivitäten und Sichtbarkeit
- Tools für sensible Daten
- Barrierefreiheit der entwickelten Tools und Services
Maßnahmen
- Entwicklung allgemeiner Richtlinien zur Implementierung von FDM anhand von Use Cases aus Lead Communities der Partner
- Analyse der disziplinspezifischen und disziplinübergreifenden Anforderungen der Forschungsgruppen
- Forschung, Entwicklung, Implementierung und Verwendung von Tools und Services für Datenarchivierung, Data Sharing und Datenspeicherung, sowie für effiziente Erstellung von Datenmanagementplänen (DMP) (Öffnung der wissenschaftlichen Prozesse)
- Konzeption, Pilotierung, Nachschärfung von Trainings und Support-Services für FDM sowie Anreiz- und Belohnungssysteme
- Aufbau von Data Stewards, die die benötigten Fähigkeiten und Expertise für ordnungsgemäßes FDM entwickeln
- Entwicklung von Maßnahmen, laufende Konsultationsprozesse, um die Entwicklung von Tools und Richtlinien als Co-Design-Prozess sicherzustellen (Partizipation, Nachhaltigkeit)
- Entwicklung von Tools, die den Umgang mit sensiblen Daten erleichtern
- Bewusstseinsbildung für Barrierefreiheit, Tools zum Erstellen barrierefreier Inhalte, Erstellen von Schulungsmaterial und Guidelines
Nachhaltigkeit
Das Projekt ist ein profilbildendes und strukturentwickelndes Vorhaben, fördert Akzeptanz von Open Science durch Etablierung von Maßnahmen zur Effektivitätssteigerung und des Impacts der Forschung. Die Formulierung klarer Policies, die Entwicklung von Serviceangeboten hinsichtlich Open Science und FDM-Infrastruktur erleichtern internationale Zusammenarbeit und stellen diese sicher. Das bewirkt einen sichtbaren Entwicklungsschub für österreichische Universitäten auf internationaler Ebene.
Ziel von DigiOmics4Austria ist das Bereitstellen einer digitalen Infrastruktur im Life Science Bereich für kleine Moleküle (Metabolite und Fremdstoffe), die den Menschen in seiner molekularen Zusammensetzung beschreibt. DigiOmics4Austria beinhaltet eine Datenbank mit spezifischen Informationen über u.a. Organe, Alter und Substanz-Referenzlevel der humanen Proben. Zudem stellt die Infrastruktur erstmals quantitative Daten zu humanen Metaboliten und Umweltgiften bereit. Die Einzigartigkeit besteht darin, dass zukünftige Forschungsergebnisse auf diese Referenz und Metadaten abgebildet werden können und somit eine Vergleichbarkeit von Tausenden von Molekülen etabliert wird, was Rückschlüsse auf Umwelteinflüsse und Gesundheitszustände erlaubt. DigiOmics4Austria bietet somit Strategien zur Früherkennung und Verhinderung von diversen Krankheiten. |
|
Ziele
Das Ziel von DigiOmics4Austria ist die vollständige Referenz-Kartierung von Metaboliten menschlicher Organe, Gewebe, Zellen und essenzieller Biofluide im IST-Zustand darzustellen und somit als Basisreferenz zu fungieren, um die menschliche Gesundheit zu verstehen und für Diagnose, Überwachung und Krankheitsbehandlung sowie Grundlagenforschung einsetzbar sein. Die Eckpfeiler dieser Bioinformatik-Forschungsinfrastruktur werden die Bereitstellung von Daten nach den FAIR-Richtlinien, der Zugang zu Referenzdaten, sowie ein benutzerzentriertes Portfolio an Diensten, Anleitungen und Dokumentationen sein. Die Daten entsprechen den ethischen Richtlinien; es werden keine Daten veröffentlicht, welche Rückschlüsse auf Personen ermöglichen, und es wird eine Antidiskriminierungsstrategie aktiv verfolgt. DigiOmics4Austria wird für alle relevanten Interessensgruppen in Österreich offen sein und hat das Potenzial der nächste bahnbrechende Zugang für zukünftige grundlegende, angewandte und klinische Wissenschaften zu werden.
Maßnahmen
Der Antrag sieht zur Umsetzung des Vorhabens vor, sowohl Massenspektrometer (MS) für das Schließen von vorhandenen Messdatenlücken als auch Compute-Server zu beschaffen, mit denen die erhobenen Daten verarbeitet werden und in einer eigens dafür implementierten Datenbank bereitgestellt werden können. Durch ihre hohe Präzision und Geschwindigkeit sind MS-Geräte die beste Option zur Bestimmung von Bio-Molekülen in Proben und Geweben. Die Konzentrationen von Metaboliten können sich über mehrere Größenordnungen erstrecken. Für eine vollständige Charakterisierung der Moleküle sind deshalb verschiedene MS-Techniken nötig, um den ganzen Konzentrationsbereich abzudecken. Für niedrigabundante Moleküle eignen sich niedrigaufgelöste (LR) Massenspektrometer, wo hingegen hochauflösende Geräte (HR) den hohen Konzentrationsbereich gut abdecken. Das Vorhaben sieht die Beschaffung eines LR- und HR-Massenspektromers vor, um eine komplette Abdeckung der zu messenden Moleküle zu gewährleisten und vorhandene Datenbanklücken zu schließen.
Die erhobenen Daten müssen anschließend durch geeignete Programme aufgearbeitet werden, um diese in einer weiter nutzbaren Form zugänglich zu machen. Dabei sollen sowohl individuelle Benutzer*innen bequem auf die Daten zugreifen können als auch Programmierschnittstellen für automatisierte Prozesse zum Einsehen und Suchen, Filtern und Herunterladen vorhanden sein. Speziell in dem Bereich der computer-gestützten Lipidomik gibt es bereits ausgereifte Programme und Software-Lösungen, die in eigenen Vorarbeiten entwickelt wurden . Diese Software-Lösungen können als Grundlage genutzt werden, um sie an die neuen Anforderungen des Projektes anzupassen. In der Anfangsphase des Projektes wird zwar die Datenbank initial gefüllt, doch wird es Lücken in den Daten geben. Eine Strategie ist die fehlenden Daten zu interpolieren - auf der Basis von vorhandenen Daten, generiertem Wissen und geeigneten Verfahren des maschinellen Lernens -, um hochangepasste Daten-Modelle zu erhalten. Eine andere Strategie wäre das Simulieren der Daten unter Verwendung der erhobenen Daten und ihrer physikochemischen Eigenschaften in Verbindung mit den Zuständen der Proben (gesunde gegen erkrankte Zellen oder Patient*innen). Die fehlenden Daten können dann während der Benutzeranfrage interpoliert oder simuliert werden (chemisches Raummodel), was den Vorteil hat, dass neue Daten aus der Datenbank mit in die Analyse einfließen würden. Ein weiteres Merkmal der Datenbank wird sein, dass die Community ihre analysierten Daten zur Verfügung stellen und in die Datenbank hochladen kann, welche dann von erfahrenen Expert*innen überprüft und akzeptiert werden. Dies entspricht im hohen Maße den FAIR-Vorgaben.
Die benötigte Computer-Hardware setzt sich aus zwei Anforderungen zusammen: Erstens müssen die erhobenen Daten nach der Messung prozessiert und nachbearbeitet werden. Dieses erfordert ein hohes Maß an Rechenleistung, zumal auf den Rohdaten der Massenspektrometer (sehr speicherlastig) gearbeitet wird. Zweitens, sind die Merkmale einmal extrahiert, müssen die Daten zum anderen in einer geeigneten Datenbank untergebracht werden. Die Anforderungen für eine performante Datenbank sind u. a. ein hohes Maß an Parallelisierbarkeit und Transaktionssicherheit. Benutzer*innen, die die Datenbank über eine Weboberfläche nutzen, werden die Möglichkeit haben, Datensätze über mehrere Proben, Organe oder Gewebe miteinander zu vergleichen. Das Vergleichen der Datensätze wird zur Anfragezeit stattfinden, da eine Vorverarbeitung der Daten nicht umsetzbar ist. Solche Datensatzvergleiche benötigen performante Prozessoren und viel Arbeitsspeicher, um die Anfrage und deren Ergebnisse in Echtzeit bearbeiten und zurückliefern zu können. Die angeforderte Hardware wird deshalb als heterogene, virtualisierte Cloud-Umgebung betrieben, welches z. B. mit Apache Spark realisiert werden kann.
Nachhaltigkeit
tbd
