[논문 리뷰] A perspective on Microscopy Metadata: data provenance and quality control

Maximiliaan Huisman, Mathias Hammer외 17명|arXiv (Cornell University)|2019. 10. 24.

Cell Image Analysis Techniques인용 수 8

한 줄 요약

이 논문은 광학 현미경 연구에서 데이터 기원, 품질 관리 및 재현 가능성을 향상시키기 위해 계층적 프레임워크를 제안한다. OME 데이터 모델을 확장하고 상호운용성 있는 도구를 도입함으로써 실험 조건, 기기 설정 및 분석 워크플로우를 포괄적으로 기록함으로써 FAIR(검색 가능, 접근 가능, 상호운용성 있음, 재사용 가능) 데이터를 달성한다.

ABSTRACT

The application of microscopy in biomedical research has come a long way since Antonie van Leeuwenhoek discovered unicellular organisms. Countless innovations have positioned light microscopy as a cornerstone of modern biology and a method of choice for connecting omics datasets to their biological and clinical correlates. Still, regardless of how convincing published imaging data looks, it does not always convey meaningful information about the conditions in which it was acquired, processed, and analyzed. Adequate record-keeping, reporting, and quality control are therefore essential to ensure experimental rigor and data fidelity, allow experiments to be reproducibly repeated, and promote the proper evaluation, interpretation, comparison, and re-use. To this end, microscopy images should be accompanied by complete descriptions detailing experimental procedures, biological samples, microscope hardware specifications, image acquisition parameters, and image analysis procedures, as well as metrics accounting for instrument performance and calibration. However, universal, community-accepted Microscopy Metadata standards and reporting specifications that would result in Findable Accessible Interoperable and Reproducible (FAIR) microscopy data have not yet been established. To understand this shortcoming and to propose a way forward, here we provide an overview of the nature of microscopy metadata and its importance for fostering data quality, reproducibility, scientific rigor, and sharing value in light microscopy. The proposal for tiered Microscopy Metadata Specifications that extend the OME Data Model put forth by the 4D Nucleome Initiative and by Bioimaging North America [1-3] as well as a suite of three complementary and interoperable tools are being developed to facilitate the process of image data documentation and are presented in related manuscripts [4-6].

연구 동기 및 목표

• 재현 가능성과 데이터 재사용을 저해하는 전 세계적으로 공인된 메타데이터 표준이 없는 현미경 데이터 문제를 해결한다.
• 이미징 실험의 과학적 엄밀함과 정확성을 보장하기 위해 완전한 메타데이터의 핵심적 역할을 부각시킨다.
• 메타데이터 문서화를 위한 체계적인 접근 방식을 정의함으로써 현미경 분야에서 FAIR 원칙의 도입을 촉진한다.
• 기기 성능, 校정 및 처리 파rameter 기록 부족과 같은 현재 메타데이터 관행의 격차를 특정한다.
• 현미경 데이터 파이프라인의 체계적이고 상호운용 가능한 문서화를 지원하는 도구 및 사양 개발을 지원한다.

제안 방법

• OME 데이터 모델을 확장하여 메타데이터 완전성 수준에 따라 다양한 수준의 메타데이터를 수용할 수 있는 계층적 현미경 메타데이터 사양 프레임워크를 제안한다.
• 실험 절차, 생물학적 샘플 및 획득 파rameter를 대규모로 기록함으로써 데이터 기원 추적을 통합한다.
• 기기 校정, 신호 대 잡음 비율, 해상도 기준치와 같은 품질 관리 지표를 메타데이터 스키마에 통합한다.
• 이미지 획득 및 분석 워크플로우 동안 메타데이터 캡처를 자동화할 수 있는 상호운용성 있는 도구를 설계한다.
• 기존 공동체 이니셔티브(예: 4D Nucleome 이니셔티브 및 Bioimaging North America)와 메타데이터 사양을 일치시킨다.
• 기계로 읽을 수 있고 구조화된 데이터 교환을 가능하게 하여 오믹스 및 임상 데이터 세트와의 후속 통합을 지원한다.

실험 결과

연구 질문

• RQ1 다양한 실험 설정에서 재현 가능성과 과학적 엄밀함을 확보하기 위해 현미경 메타데이터를 어떻게 체계적으로 구조화할 수 있는가?
• RQ2 이미징 데이터를 FAIR(검색 가능, 접근 가능, 상호운용성 있음, 재사용 가능)로 만드는 데 필요한 핵심 메타데이터 구성 요소는 무엇인가?
• RQ3 현미경 분야에서 효과적인 데이터 공유 및 재사용을 방해하는 현재 메타데이터 관행의 주요 격차는 무엇인가?
• RQ4 다양한 수준의 실험 복잡성과 기술 전문성에 맞게 메타데이터 표준을 어떻게 확장 가능하게 설계할 수 있는가?
• RQ5 기기 성능 지표와 校정 데이터는 데이터 품질과 신뢰성 확보에 어떤 역할을 하는가?

주요 결과

• 공개된 이미지의 시각적 품질은 높지만, 재현 가능한 실험을 가능하게 하기 위한 충분한 메타데이터가 부족한 경우가 흔하다.
• 전 세계적으로 공인된 메타데이터 표준이 없어, 연구 및 기관 간에 이미징 데이터의 상호운용성과 재사용성이 저해된다.
• 제안된 계층적 메타데이터 프레임워크는 실험 수요에 따라 최소에서 종합적 메타데이터까지 확장 가능한 문서화를 지원한다.
• 기기 校정 및 성능 지표를 메타데이터에 통합함으로써 데이터 품질과 신뢰성이 향상된다.
• 병행하여 개발된 상호운용성 있는 도구는 이미지 획득 및 분석 동안 일관되고 자동화된 메타데이터 캡처를 가능하게 한다.
• OME 데이터 모델 확장 도입은 표준화되고 기계로 읽을 수 있는 메타데이터의 기반을 제공하며, FAIR 데이터 원칙을 지원한다.