[發明專利]面向蛋白質組學數據分析的基于provenance的工作流匹配和發現系統

在審

• 申請號: 201310380982.7
• 申請日: 2013-08-28
• 公開（公告）號: CN103440553A
• 公開（公告）日: 2013-12-11
• 發明（設計）人: 翟廣猛;盧暾;黃興;陳昭燦;顧寧
• 申請（專利權）人: 復旦大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

技術領域

本發明屬于計算機支持的科學工作流技術領域，具體涉及一個面向蛋白質組學數據分析，并支持基于provenance的工作流的匹配和發現系統。

背景技術

關于e-science中的科學工作流??科學工作流技術在科學研究領域越來越受重視，研究人員已經開始在他們的科學研究中應用一些成熟的科學工作流管理系統，這一做法極大地促進了科學研究中的發現。如今，隨著網絡技術發展愈加的成熟，為了提高科研領域的協作性，一些組織將實驗數據、計算和和分析工具等科研資源以web服務的形式發布出去，其他科學家可以通過網絡將這些共享資源應用到他們的科學研究中。為了有效地組織這些分布式的資源，研究人員們設計了一些科學工作流和科學工作流管理系統。在這些系統的幫助下，研究人員可以編排計算密集型的工作任務，分析大批量的數據，整合分布式的資源和本地資源，可以將更多的精力放在專業問題的解決上而不必花費過多的時間在計算和數據資源的組織管理上。

目前比較典型的科學工作流管理系統有Taverna?，Kepler，Triana等。Taverna是一個開源的科學工作流管理系統，主要應用于生物信息學領域。Taverna可以整合多種共享的web服務,包括以下幾種類型：Arbitrary?WSDL?type?,?Soaplab?type,?Talisman?type,?Nested?workflow?type?,?String?constant?type,?Local?processor?type。它為用戶提供了一個可視的操作平臺，在這個平臺上生物學家可以使用這些服務來描述和執行以數據為中心的科學工作流。它還提供了web服務發現，異常處理及provenance信息獲取等功能。與Taverna相似，Kepler也是一個面向生物信息學領域并且開源的科學工作流管理工具。除了一般的共享web服務，它可以整合諸如數據庫一類的資源，并且提供了靈活的控制策略來組合這些資源。Triana主要用于分布式環境下的服務和工作流的執行。與Taverna和Kepler不同，Triana可以應用于不同的領域。

隨著科學研究復雜性的增加，在科學研究中使用的共享資源越來越多，為了實現資源出處的追蹤，準確性的審查以及實驗執行步驟的再現，科學家們開始將provenance引入到科學工作流中。

關于provenance??因為科學研究的不確定性，必須提供一種機制可供科學家們審查科學實驗的結果有效性和正確性。另外隨著科學研究中協同合作現象的愈加普遍，貢獻的認證也引起人們的注意。Data?Provenance（數據起源/世系）記錄了科學工作流執行過程中產生的實驗數據的歷史信息，內容包括數據對應的初始數據和初始數據演變為當前數據所經過的所有的處理步驟。作為一種新的技術，它被應用到科學工作流中。這不僅解決了上述問題，同時因為擁有記錄數據起源，數據再生和數據共享，解釋數據間的差異以及支持知識重用等能力，provenance在科學工作流中的重要作用得到了普遍的認可。

關于蛋白質組學數據分析(proteomics?data?analysis)??蛋白質組學是一門較新的科學研究領域。對蛋白質組學的研究將有助于解釋生命科學，揭示生命的奧秘。然而對蛋白質組學數據分析事實上是一個多步驟并且復雜的流程。在蛋白質組學數據分析中使用科學工作流將大大地減輕研究人員的負擔。最近幾年蛋白質組學有了極大的發展，其中一個最重要的催動因素是愈加增多的開源或免費的數據分析工具。但是人們在使用這些工具的時候經常會遇到以下幾種問題：1.?工具不易安裝；2.?在沒有專業人員指導的情況下無法使用這些工具；3.因為結果數據格式的不一致導致這些工具的接口不相容，因此不易組建數據分析流程。為了解決上述問題科學工作流被引入到蛋白質組學數據分析領域。