Lifecycle management of biomedical research studies for heterogeneous data sharing and reuse in multimodal preclinical research
Gestion du cycle de vie des études multimodales de recherche biomédicale préclinique pour le partage et la réutilisation des données hétérogènes
Résumé
Frequent changes in methods, data types and personnel are common is biomedical research. This results in significant heterogeneity of research data that become multi-source, multimodal, multidisciplinary, multisite, etc. Heterogeneity hinders the sharing and reuse of scientific data since trust in, and understanding of, the data is at stake. To improve data trust, we have applied the lifecycle management paradigm to biomedical research studies. It is based on a Product Lifecycle Management (PLM) solution from manufacturing industry. Thus, we propose a data management approach with maximum traceability of data provenance throughout the lifecycle of a biomedical research study. Regarding the understanding of data, we defined semantic interoperability between the vernacular terminologies used by research teams, on the one hand, and the standards, terminologies and ontologies (i.e., Knowledge Organization Systems (KOS)) published and recognized by the community, on the other hand. We conducted our research in the Imaging Research Laboratory (LRI) at PARCC, specialized in small animal preclinical research. The result is a multi-level ontology implemented on a BMS-LM system (for BioMedical Study - Lifecycle Management by analogy to PLM). To validate our proposal, we have integrated scientific data and computing workflows from the LRI laboratory into the BMS-LM system. We applied our methods to (1) data from different modalities (TEP-TDM, Histology, and Proteomics) and (2) two scientific computing workflows in the LRI laboratory: one for the quantification of histological tissues and a second for the analysis of the heart Impulse Response (IR) in PET-CT imaging.
La recherche biomédicale se caractérise par des évolutions fréquentes de méthodes, de types de données et de personnel. Il en résulte une hétérogénéité importante des données de recherche : multisources, multimodales, pluridisciplinaires, multisites, etc. L’hétérogénéité freine le partage et la réutilisation de données scientifiques puisque la confiance dans celles-ci et leur compréhension sont en jeu. Pour améliorer la confiance dans les données, nous avons appliqué aux études de recherche biomédicale le paradigme de gestion du cycle de vie, basé sur une solution de « Product Lifecycle Management » (PLM) qui a son origine dans l’industrie manufacturière. Ainsi, nous proposons une démarche de gestion de données, avec un maximum de traçabilité de la provenance des données, tout au long du cycle de vie d’une étude de recherche biomédicale. Quant à l’amélioration de la compréhension des données, nous nous sommes focalisés sur la mise en place d’une interopérabilité sémantique entre les terminologies vernaculaires utilisées par les équipes de recherche d’un côté, et les standards, terminologies et ontologies (i.e. Systèmes d’Organisation de Connaissances (KOS)) publiées et reconnues par la communauté, de l’autre côté. Nous avons conduit nos recherches dans le Laboratoire de Recherche en Imagerie (LRI), spécialisé en recherche préclinique sur le petit animal, du centre de recherche PARCC. Le résultat est une ontologie multi-niveaux implémentée sur un système de BMS-LM (pour BioMedical Study – Lifecycle Management par analogie au PLM). Pour valider notre proposition, nous avons procédé à l’intégration des données et calculs scientifiques du laboratoire LRI dans le système BMS-LM. Nous avons appliqué nos méthodes à (1) des données issues de modalités différentes (TEP-TDM, Histologie, Protéomique) et (2) deux calculs scientifiques au laboratoire LRI : un premier pour la quantification de tissues histologiques et un deuxième pour l’analyse de la Réponse Impulsionnelle (RI) du coeur en imagerie TEP-TDM.
| Origine | Version validée par le jury (STAR) |
|---|