Anwendungen

SEEK

Diese Informationen sind leider nur in englischer Sprache verfügbar.

The SEEK platform  is a web-based resource for sharing heterogeneous scientific research datasets,models or simulations, processes and research outcomes. It preserves associations between them, along with information about the people and organisations involved.

Underpinning SEEK is the ISA infrastructure, a standard format for describing how individual experiments are aggregated into wider studies and investigations. Within SEEK, ISA has been extended and is configurable to allow the structure to be used outside of Biology.

SEEK is incorporating semantic technology allowing sophisticated queries over the data, yet without getting in the way of your users.

SEEK was conceived as part of the Systems Biology of Microorganisms (SysMO) project, a pan-European initiative to record and describe dynamic molecular processes in unicellular organisms: from laboratory to mathematical model. SEEK grew organically with the projects needs, informed by a core user-focus group known as the SysMO PALs. SEEK is now the central hub for the SysMO community to store and share a wide variety of data, from collection to publication, for both laboratory and computational experiments.

SEEK has been adopted by over 10 Systems Biology consortia across Europe. Among them are Virtual Liver Network, EVIMalaRSBEpo, etc.

SEEK has been continually funded by  the ERASysAPP ERANet funding initiative and beyond.

EXCEMPLIFY

Diese Informationen sind leider nur in englischer Sprache verfügbar.

In systems biology, quantitative experimental data are fundamental for building mathematical models. In many cases, these data are stored as Excel files and hosted locally. To improve the exchange and long-time storage of data, Excemplify was developed. Excemplify, a web-based application facilitates storage of the experimental data as well as the corresponding metadata in a central database, thus turning the data searchable, comparable and exchangeable. Additionally, by utilizing the embedded knowledge of templates, Excemplify is able to parse experimental data from the initial experimental setup stage and to generate the following spreadsheet stages in the experimental workflow automatically. The required manual copy and paste operations are performed within Excemplify, thus eliminating possible mistakes. Apart from the data storage capabilities of Excemplify, experimentalists are disburdened of the time-consuming data-handling procedures and error-prone manual impositions. Excemplify was developed in close collaboration with the group for Systems Biology of Signal Transduction which finally resulted in a release of a production version of Excemplify at the German Cancer Research Institute (DKFZ).

ChemHits

Normalisierung und Vergleich von Namen chemischer Verbindungen

Allen Bemühungen um eine Standardisierung der chemischen Nomenklatur zum Trotz kann ein und dieselbe chemische Verbindung viele unterschiedliche systematische und gewöhnliche Namen haben. Die eindeutige Bestimmung einer chemischen Verbindung allein aufgrund ihres Namens setzt daher chemisches Hintergrundwissen und häufig auch umfassende Recherchen in chemischen Datenbanken voraus. Da zahlreiche Publikationen sich ausschließlich mit Hilfe von Namen auf chemische Verbindungen beziehen, ist es mühsam, Information über identische chemische Verbindungen zu vergleichen, wenn diese unterschiedlich benannt wurden. Die Identifikation der unterschiedlich benannten chemischen Verbindungen ist zudem von entscheidender Bedeutung für die Integration von biochemischen Daten, z.B. für die Zusammenführung von Daten in Datenbanken oder für die Konfiguration von biochemischen Modellen, die auf Daten aus Veröffentlichungen basieren.

Um diesem Problem zu begegnen, haben wir ChemHits enwickelt. ChemHits ist eine Anwendung, die unsere Nutzer darin unterstützt, synonyme Namen von chemischen Verbindungen zu erkennen und für die Zusammenfassung von Daten aus unterschiedlichen Quellen zu nutzen. ChemHits basiert auf Methoden der Verarbeitung natürlicher Sprache und wendet unterschiedliche Transformationsregeln an, um chemische Verbindungsnamen systematisch in eine eindeutige normalisierte Form zu bringen. ChemHits ermöglicht die Normalisierung eines gegebenen chemischen Verbindungsnamens, die anschließend mit bereits normalisierten Verbindungsnamen aus (bio)chemischen Datenbanken wie KEGG COMPOUND, SABIO-RK oder ChEBI abgeglichen wird. Dabei können auch dann Übereinstimmungen zwischen normalisierten Verbindungsnamen gefunden werden, wenn die ursprünglichen Verbindungsnamen nicht exakt übereinstimmen. ChemHits ermöglicht es zudem, ganze Listen von Verbindungsnamen mit den Namen aus diesen Datenbanken abzugleichen, wodurch es zu einem nützlichen Werkzeug für die automatische kreuzweise Annotation von chemischen Daten aus unterschiedlichen Datenbanken wird.