[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

摘要

本发明属于计算机支持的科学工作流技术领域，具体为一个面向蛋白质组学数据分析的基于provenance的工作流的匹配和发现系统。本系统在创建蛋白质组学数据分析流程时，充分的利用了收集的历史流程信息及其相关的provenance信息，实现了知识的重用，减少了流程创建时的时间和精力消耗，加快了数据分析实验的进度。该系统内部的处理过程可以被划分为3个步骤：使用基于任务的科学工作流来描述实验任务；运用流程匹配和provenance信息发现算法机制从历史流程知识库中提取实例化的流程及其provenance信息；整合提取的流程信息并展示给研究人员，依据实验要求研究人员重用或修改这些历史流程配置信息。

主权项

一个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，其特征在于包括：工作流模块，信息发现模块，数据库更新模块，数据库，工作流引擎；其中： 所述工作流模块，包括两部分内容：初始工作流和实例化的工作流；初始工作流表示为描述数据分析任务而由抽象任务组成的科学工作流，在工作流匹配过程中作为工作流模板；实例化的工作流表示为初始工作流中的每一个抽象任务指定具体服务后的科学工作流；所述数据库，包括历史流程知识存储库（HFK）和源数据信息收集库（PDC），它们分别用于记录历史流程信息和它们执行时生成的provenance信息；所述信息发现模块，有如下三个子模块组成：流程匹配和信息整合子模块，流程信息挖掘子模块，源数据挖掘子模块；流程信息挖掘子模块用于从历史流程知识存储库中找出与流程模板重叠的任务节点及其对应的具体服务；源数据挖掘子模块用于从源数据信息收集库中获取匹配流程对应的provenance信息；流程匹配和信息整合子模块用于整合上述两个子模块获取的信息，然后将整合后的信息展示给用户；所述工作流引擎，包括工作流的执行监控模块和工作流执行模块；后者负责执行实例化的工作流，前者负责收集流程执行时产生的provenance信息；所述数据库更新模块，在工作流执行模块每次执行完一个工作流后就更新HFK和PDC；上述各个模块间的数据流向关系如下：用户根据任务描述创建初始工作流；信息发现模块将初始工作流作为工作流模板从历史流程知识存储库和源数据信息收集库中找出匹配的历史流程及其对应的执行时产生的源数据信息；由信息发现模块获取的信息展示给用户，用户使用这些信息来实例化初始工作流，从而得到实例化的工作流；工作流引擎模块的工作流执行子模块执行实例化的工作流，同时工作流的执行监控模块收集工作流执行时产生的源数据信息；数据库更新模块将工作流引擎获取的源数据信息和实例化的工作流信息作为历史流程信息更新到数据模块的历史流程知识存储库和源数据信息收集库中。