通过深度溯源捕获促进电生理数据分析结果的共享
神经元与认知
2024-06-21 v1
摘要
科学研究要求可重复性与透明度，尤其在电生理学等数据密集型领域。电生理数据通常通过使用脚本进行分析来处理，这些脚本会生成包含图形在内的输出文件。由于分析过程的复杂性与交互性，处理这些结果带来了若干挑战。这些挑战源于难以从结果中辨识分析步骤、参数与数据流，使得在协作环境中知识转移与可发现性困难。溯源（provenance）信息追踪数据来源及其所施加的处理过程，而在分析脚本执行期间捕获溯源信息可应对上述挑战。我们提出 Alpaca（Automated Lightweight Provenance Capture，自动化轻量级溯源捕获），一种在以 Python 脚本实现的数据分析流水线运行时，以最小用户干预捕获细粒度溯源信息的工具。Alpaca 记录输入、输出与函数参数，并依据 W3C PROV 标准组织信息。我们采用涉及神经生理学实验多通道局部场电位记录的真实用例演示该工具，突出该工具如何以标准化方式使结果细节可知，以应对分析过程的挑战。最终，使用 Alpaca 将有助于依据 FAIR 原则呈现结果，从而提升研究可重复性并促进数据分析结果的共享。
引用
@article{arxiv.2311.09672,
title = {Facilitating the sharing of electrophysiology data analysis results through in-depth provenance capture},
author = {Cristiano André Köhler and Danylo Ulianych and Sonja Grün and Stefan Decker and Michael Denker},
journal= {arXiv preprint arXiv:2311.09672},
year = {2024}
}