[发明专利]面向蛋白质组学数据分析的基于provenance的工作流匹配和发现系统

说明书

技术领域

本发明属于计算机支持的科学工作流技术领域，具体涉及一个面向蛋白质组学数据分析，并支持基于provenance的工作流的匹配和发现系统。

背景技术

关于e-science中的科学工作流  科学工作流技术在科学研究领域越来越受重视，研究人员已经开始在他们的科学研究中应用一些成熟的科学工作流管理系统，这一做法极大地促进了科学研究中的发现。如今，随着网络技术发展愈加的成熟，为了提高科研领域的协作性，一些组织将实验数据、计算和和分析工具等科研资源以web服务的形式发布出去，其他科学家可以通过网络将这些共享资源应用到他们的科学研究中。为了有效地组织这些分布式的资源，研究人员们设计了一些科学工作流和科学工作流管理系统。在这些系统的帮助下，研究人员可以编排计算密集型的工作任务，分析大批量的数据，整合分布式的资源和本地资源，可以将更多的精力放在专业问题的解决上而不必花费过多的时间在计算和数据资源的组织管理上。

目前比较典型的科学工作流管理系统有Taverna ，Kepler，Triana等。Taverna是一个开源的科学工作流管理系统，主要应用于生物信息学领域。Taverna可以整合多种共享的web服务,包括以下几种类型：Arbitrary WSDL type , Soaplab type, Talisman type, Nested workflow type , String constant type, Local processor type。它为用户提供了一个可视的操作平台，在这个平台上生物学家可以使用这些服务来描述和执行以数据为中心的科学工作流。它还提供了web服务发现，异常处理及provenance信息获取等功能。与Taverna相似，Kepler也是一个面向生物信息学领域并且开源的科学工作流管理工具。除了一般的共享web服务，它可以整合诸如数据库一类的资源，并且提供了灵活的控制策略来组合这些资源。Triana主要用于分布式环境下的服务和工作流的执行。与Taverna和Kepler不同，Triana可以应用于不同的领域。

随着科学研究复杂性的增加，在科学研究中使用的共享资源越来越多，为了实现资源出处的追踪，准确性的审查以及实验执行步骤的再现，科学家们开始将provenance引入到科学工作流中。

关于provenance  因为科学研究的不确定性，必须提供一种机制可供科学家们审查科学实验的结果有效性和正确性。另外随着科学研究中协同合作现象的愈加普遍，贡献的认证也引起人们的注意。Data Provenance（数据起源/世系）记录了科学工作流执行过程中产生的实验数据的历史信息，内容包括数据对应的初始数据和初始数据演变为当前数据所经过的所有的处理步骤。作为一种新的技术，它被应用到科学工作流中。这不仅解决了上述问题，同时因为拥有记录数据起源，数据再生和数据共享，解释数据间的差异以及支持知识重用等能力，provenance在科学工作流中的重要作用得到了普遍的认可。

关于蛋白质组学数据分析(proteomics data analysis)  蛋白质组学是一门较新的科学研究领域。对蛋白质组学的研究将有助于解释生命科学，揭示生命的奥秘。然而对蛋白质组学数据分析事实上是一个多步骤并且复杂的流程。在蛋白质组学数据分析中使用科学工作流将大大地减轻研究人员的负担。最近几年蛋白质组学有了极大的发展，其中一个最重要的催动因素是愈加增多的开源或免费的数据分析工具。但是人们在使用这些工具的时候经常会遇到以下几种问题：1. 工具不易安装；2. 在没有专业人员指导的情况下无法使用这些工具；3.因为结果数据格式的不一致导致这些工具的接口不相容，因此不易组建数据分析流程。为了解决上述问题科学工作流被引入到蛋白质组学数据分析领域。