[論文レビュー] A data-supported history of bioinformatics tools

Clément Levin, Emeric Dynomant+5 more|arXiv (Cornell University)|Jul 18, 2018

Genomics and Phylogenetic Studies参考文献 42被引用数 4

ひとこと要約

本稿は、1992年から2018年までにわたるOMICtoolsデータベースの23,000件の参照を用いて、バイオインフォマティクスツールの進化をデータドリブンで分析するものである。ソフトウェア開発の動向、国際的共同研究、プログラミング言語、研究開発投資、技術的シフトをマッピングし、本分野におけるこれまでで最も包括的な体系的概要を提供するとともに、バイオインフォマティクスツールにおける分析の複雑化が顕著であることを示している。

ABSTRACT

Since the advent of next-generation sequencing in the early 2000s, the volume of bioinformatics software tools and databases has exploded and continues to grow rapidly. Documenting this evolution on a global and time-dependent scale is a challenging task, limited by the scarcity of comprehensive tool repositories. We collected data from over ~23,000 references classified in the OMICtools database, spanning the last 26 years of bioinformatics to present a data-supported snapshot of bioinformatics software tool evolution and the current status, to shed light on future directions and opportunities in this field. The present review explores new aspects of computational biology, including country partnerships, trends in technologies and area of development, research and development (R&D) investments and coding languages. This is the most comprehensive systematic overview of the field to date and provides the community with insights and knowledge on the direction of the development and evolution of bioinformatics software tools, highlighting the increasing complexity of analysis.

研究の動機と目的

• 2000年代初頭以降のバイオインフォマティクスソフトウェアツールおよびデータベースのグローバルかつ時間的変化を記録すること。
• OMICtoolsデータベースからの大規模なデータセットを活用することで、包括的なツールリポジトリの不足を補うこと。
• バイオインフォマティクスツール作成における研究開発投資、プログラミング言語、技術的シフトの動向を分析すること。
• バイオインフォマティクスソフトウェアの複雑化が増加する傾向を明らかにし、今後の開発方針に示唆を与えること。
• 国際的な共同研究および国レベルでのバイオインフォマティクスツール開発への貢献をマッピングすること。

提案手法

• 1992年から2018年までのバイオインフォマティクスツールおよびデータベースをカバーする、OMICtoolsデータベースの23,000件の参照を収集・分析した。
• ツールを発表年、出典国、プログラミング言語、応用分野ごとに分類し、時間的・地理的動向を追跡した。
• ツール発表における共著者および機関所属データを用いて、国レベルの提携関係や共同研究ネットワークをマッピングした。
• 時間経過に伴う主要プログラミング言語（例：Python、R、C++）の変化を追跡し、ツール開発における技術的進化を評価した。
• ツール発表頻度と資金提供機関の報告書および機関の出力データを相関させることで、研究開発投資の動向を分析した。
• データ可視化および統計的分析を用いて、生物学的分野ごとのツールの複雑さと専門性のパターンを同定した。

実験結果

リサーチクエスチョン

• RQ1 2000年代初頭以降、バイオインフォマティクスツールの数と多様性はどのようにグローバルに変化してきたか？
• RQ2 バイオインフォマティクスツール開発で支配的だったプログラミング言語は何か。また、その使用状況は時間経過でどのように変化したか？
• RQ3 バイオインフォマティクスツール開発における主要な国レベルの貢献と共同研究パートナーシップは何か？
• RQ4 研究開発投資と技術的トレンドは、バイオインフォマティクスツールの複雑さと専門性にどのように影響したか？
• RQ5 生物学的研究の焦点のシフトやシークエンシング技術の採用に伴い、ツール開発のどのようなパターンが現れたか？

主な発見

• 2000年代初頭以降、バイオインフォマティクスツールおよびデータベースの数は指数関数的に増加しており、2010年以降に著しく加速した。
• PythonとRがツール開発における支配的プログラミング言語となったが、特に2010年以降にPythonの利用が急激に増加した。
• 米国、中国、欧州諸国（特にドイツとイギリス）がツール開発の主な貢献国であり、北米とヨーロッパ間の強い共同研究ネットワークが存在した。
• 次世代シークエンシングデータ解析を目的としたツールへのシフトが顕著であり、特にゲノムおよびトランスクリプトーム分野で顕著だった。
• ツール開発の多くが大学機関で行われていたが、特定分野やハイパフォーマンス応用分野では産業界の貢献も顕著に増加した。
• ツールの複雑さが増しており、複数の解析ステップを統合し、多様なデータタイプやフォーマットをサポートするツールが増加した。