生物医学实验中生物样本元数据质量的不一致性
数据库
2019-02-27 v2 人工智能
摘要
我们提出了一项关于生物医学实验所用样本元数据质量的分析研究。所分析的元数据存储在两个知名数据库中：BioSample——由美国国家生物技术信息中心 (NCBI) 管理的存储库，以及 BioSamples——由欧洲生物信息学研究所 (EBI) 管理的存储库。我们检验了这两个存储库中的 1140 万条样本元数据记录是否填有满足此类值既定要求的数据。我们的研究揭示了元数据中的多种异常。大多数元数据字段名及其取值未被标准化或受控。即便是简单的二值或数值字段，也常填入不同数据类型的非恰当取值。通过对元数据字段名进行聚类，我们发现常存在多种不同的方式来表示样本的同一方面。总体而言，我们所分析的元数据揭示出缺乏强制和验证元数据要求的原则性机制。我们在元数据中发现的大量异常很可能阻碍相关数据集的检索与二次利用。
引用
@article{arxiv.1808.06907,
title = {The variable quality of metadata about biological samples used in biomedical experiments},
author = {Rafael S. Gonçalves and Mark A. Musen},
journal= {arXiv preprint arXiv:1808.06907},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1708.01286