超越NGS数据共享，迈向开放科学
分布式、并行与集群计算
2017-01-16 v1 软件工程
摘要
生物科学近年来被下一代测序（NGS）技术彻底改变，在医疗、工业和环境应用方面带来了新视角。尽管我们的动机源于生物科学，但以下对许多科学领域皆成立：发表的结果通常难以复现，因为数据不可用或工具不易获得，这延迟了新方法的采用并阻碍创新。我们的焦点在于工具就绪性与管道可用性。即使大多数工具自由可用，数据分析管道通常极少被描述且配置远非平凡，有许多参数需要调整。本文讨论如何有效构建和使用管道，依赖前沿计算技术执行它们而无需用户配置、安装和管理工具、服务器以及复杂工作流管理系统。我们对前沿框架与系统做了深入比较分析。提出NGSPipes框架，表明我们可以拥有公开管道随时处理和分析实验数据（例如由高通量技术产生），但不依赖集中式服务器或Web服务。NGSPipes框架及底层架构在计算生物学研究人员与实践者之间关于工具和管道的真正协作与开放科学方面迈出重要一步。我们展示可以以去中心化和平台独立的方式执行数据分析管道。诸如所提议的方法对于中长期存档和重用数据分析管道至关重要。NGSPipes框架可在 http://ngspipes.github.io/ 自由获取。
引用
@article{arxiv.1701.03507,
title = {Beyond NGS data sharing and towards open science},
author = {Bruno Dantas and Calmenelias Fleitas and Alexandre P. Francisco and José Simão and Cátia Vaz},
journal= {arXiv preprint arXiv:1701.03507},
year = {2017}
}
备注
19 pages, 10 figures