[论文解读] The I-ADOPT Interoperability Framework for FAIRer data descriptions of biodiversity

Barbara Magagna, Ilaria Rosati+6 more|arXiv (Cornell University)|Jul 14, 2021

Biomedical Text Mining and Ontologies参考文献 11被引用 6

一句话总结

I-ADOPT框架提出了一种标准化的、符合FAIR原则的本体，通过将可观测属性建模为机器可读的、可解析的IRI，以增强生物多样性数据的语义互操作性。通过将变量的组成部分——属性、关注对象和取值——映射到符合FAIR原则的词汇表，该框架实现了统一、可重用的元数据和基于RDF的数据表示，显著提升了GBIF、PANGAEA和eLTER RI等异构生物多样性基础设施之间的数据整合能力。

ABSTRACT

Biodiversity, the variation within and between species and ecosystems, is essential for human well-being and the equilibrium of the planet. It is critical for the sustainable development of human society and is an important global challenge. Biodiversity research has become increasingly data-intensive and it deals with heterogeneous and distributed data made available by global and regional initiatives, such as GBIF, ILTER, LifeWatch, BODC, PANGAEA, and TERN, that apply different data management practices. In particular, a variety of metadata and semantic resources have been produced by these initiatives to describe biodiversity observations, introducing interoperability issues across data management systems. To address these challenges, the InteroperAble Descriptions of Observable Property Terminology WG (I-ADOPT WG) was formed by a group of international terminology providers and data center managers in 2019 with the aim to build a common approach to describe what is observed, measured, calculated, or derived. Based on an extensive analysis of existing semantic representations of variables, the WG has recently published the I-ADOPT framework ontology to facilitate interoperability between existing semantic resources and support the provision of machine-readable variable descriptions whose components are mapped to FAIR vocabulary terms. The I-ADOPT framework ontology defines a set of high level semantic components that can be used to describe a variety of patterns commonly found in scientific observations. This contribution will focus on how the I-ADOPT framework can be applied to represent variables commonly used in the biodiversity domain.

研究动机与目标

• 解决由于全球性倡议（如GBIF、ILTER和BODC）在元数据和语义资源方面存在异质性，导致生物多样性数据互操作性挑战日益加剧的问题。
• 通过创建一个统一框架来描述生物多样性观测中所观测、测量或推导的内容，统一多样化的术语和数据管理实践。
• 通过为变量概念提供机器可读的、可解析的标识符（IRI），推进FAIR数据原则，尤其是可查找性（Findability）和互操作性（Interoperability）。
• 通过将变量描述与标准化、可重用的语义组件对齐，支持在研究基础设施之间整合生物多样性数据。
• 通过提供设计模式和与现有模型（如OBOE和DDI-CDI）的映射，促进在多样化系统中的采用。

提出的方法

• 开发了一种高层本体，将变量分解为核心语义组件：属性（所观测的内容）、关注对象（被观测的内容）和取值（结果）。
• 将这些组件映射到符合FAIR原则的持久、可解析的标识符（IRI），以替代元数据字段中的纯文本，提升机器可读性。
• 使用SKOS词汇表（如LifeWatch Phytotraits、EnvThes）和RDF数据模型对真实生物多样性数据应用该框架，实现结构化、可查询的表示。
• 将该框架集成到现有元数据标准（如EML 2.2.0和Darwin Core）中，使其可用于电子表格和正式的知识表示格式。
• 通过在RDF三元组中嵌入IRI，实现基于SPARQL的分面搜索，使用户能够根据特定物质或生物体查询数据集。
• 建立与OBOE和DDI-CDI等外部模型的映射，以确保在数据管理生态系统中的兼容性和更广泛应用。

实验结果

研究问题

• RQ1 如何在元数据和术语实践存在差异的异构生物多样性数据基础设施之间，提升语义互操作性？
• RQ2 哪些标准化、可重用的组件可用于以机器可读且符合FAIR原则的方式描述生物多样性观测中的可观测属性？
• RQ3 现有元数据标准（如Darwin Core和EML）在多大程度上可以通过基于IRI的变量描述得到增强，以改善数据整合？
• RQ4 如何对定性观测变量（如细胞形状或建立程度）进行语义建模，并使用受控词汇表和IRI进行编码？
• RQ5 在eLTER RI、PANGAEA和GBIF等主要生物多样性数据系统中，采用I-ADOPT框架的实际路径是什么？

主要发现

• I-ADOPT框架通过使用三个核心组件——属性、关注对象和取值——成功对生物多样性变量进行建模，实现了统一、机器可读的描述。
• 将变量概念映射到持久IRI而非纯文本，显著提升了元数据的可查找性和互操作性，尤其是在基于RDF的数据发布中。
• 该框架通过允许用户基于语义元数据搜索特定物质（如硫酸内吸硫）或生物体（如Ostrea edulis），实现了对数据集的SPARQL查询。
• 在LifeWatch Italy和eLTER RI中的概念验证实现表明，SKOS基础的术语表可扩展为包含IRI链接的变量定义，用于功能特征和标准观测。
• 通过为如“生物体内物质浓度”等变量提供设计模式，该框架支持跨领域的复用，确保在不同研究情境中的一致建模。
• 与OBOE和DDI-CDI等现有模型的可映射性，证实了该框架在更广泛的数据集成生态系统中提升语义互操作性的潜力。