Propojování metabolomiky a toxikologie: výměnný pobyt zaměstnanců ELIXIR

Proč je tato výměna důležitá pro biologické vědy napříč Evropou  

• Iniciativa byla postavena na třech hlavních cílech:  
• posílení portfolia interoperabilních nástrojů a služeb,  
• usnadnění přenosu znalostí mezi jednotlivými obory,  
• zlepšení komunikace mezi komunitami metabolomiky a toxikologie.  

V jejím jádru stojí Adverse Outcome Pathway (AOP) — způsob reprezentace biologických dat za účelem objasnění, jak chemikálie vede k nepřiznivému účinku na zdraví.Propojením přístupů založených na AOP s nástroji metabolomiky chtějí týmy umožnit komplexnější analýzy spojující chemickou expozici, molekulární změny a biologické účinky.  

Od sladění k interoperabilitě  

Namísto vývoje zcela nových řešení se diskuse soustředila na prohloubení propojení mezi již existujícími nástroji. Klíčovou roli zde hrály technologie jako BridgeDb, IDSM, MSMetaEnhancer, WikiPathways a FixID, přičemž důraz byl kladen na posun od základní kompatibility k plné interoperabilitě.  

Jedním ze slibných směrů je například prohledávání AOP databázi zapomoci dat z hmotnostní spektrometrie (MS) prostřednictvím integrací mezi IDSM a AOP-Wiki-RDF. Toto má za účel výrazné zjednodušení propojení experimentálních metabolomických dat s daty toxikologickými. 

Mimo mapování identifikátorů a sladění ontologií účastníci také zkoumali možnosti využití nástrojů pro integraci dat založených na umělé inteligenci. Uplatnění se  zabývalyanalýzou textu (např. za pomocí AOPTK), ale i analýzou obrazu (např. PFOCR).  což je důkazem, že automatizace může pomáhat při interpretaci komplexních biologických dat a zavádění postupů v souladu s principy FAIR. 

Praktická spolupráce a konkrétní kroky 

Výměna nesla praktický charakter. Práce byla zaměřená na zlepšení a rozšíření konkrétních nástrojů:  

• MSMetaEnhancer je rozšiřován o nové možnosti převodu identifikátorů, integraci s BridgeDb a vylepšené rozpoznávání chemických názvů, včetně napojení na službu OPSIN a databázi Wikidata.  
• AOPTK, Python balíček pro analýzu toxikologické vědecké literatury pomocí velkých jazykových modelů (LLM) , směřuje k výstupům zohledňující identifikátory, integraci se službami mapování ontologií (např., ZOOMA) a podpoře formátu nanopublikací. Vývoj zahrnuje také začlenění dat z AOP-Wiki, čímž doplňuje stávající integraci databází jako PubMed, PubMed Central a Europe PMC.  
• SPARQL endpointy poskytují přístup k AI-ready biologickým datům prostřednictvím sémantického webu, který podporuje i internetové stránky. Tyto endpointy vytvářejí  LinkedOpen Data znalostní graf propojující různé databáze harmonizací identifikátorů prostřednictvím BridgeDb.  

Galaxy nástroje jsou rozšiřovány o napojení na SPARQL, výpočty strukturní podobnosti a plánovanou integraci s BioDataFuse, což umožní flexibilnější a škálovatelnější využití.  

Tyto aktivity odrážejí společnou prioritu: vytvářet nástroje, které jsou  interoperabilní, snadno použitelné v praxi a dostatečně škálovatelné pro zodpovězení nových výzkumnýchotázek.  

Měřitelný dopad a propojenější ekosystém ELIXIR  

Spolupráce již nyní formuje nové směry výzkumu. Plánované benchmarking studie budou hodnotit, jak dobře si různé nástroje vedou v rozpoznávání pojmenovaných entit (NER) pro malé molekuly, v rozlišování identifikátorů a v analýze strukturní podobnosti. Tyto aktivity přinesou potřebné poznatky o tom, jak se interpretace dat liší v závislosti na použitých nástrojích a identifikátorech — což je zásadní otázka pro reprodukovatelnost výsledků.  

To, co činí tuto výměnu obzvlášť hodnotnou, je její širší dopad. Snižováním roztříštěnosti a slaďováním nástrojů a standardů pomáháme oběma uzlům fungovat efektivněji a zároveň ukazujeme, jak sdílená infrastruktura, otevřená spolupráce a důraz na principy FAIR může činit mezioborový výzkum efektivnějším v praxi.