Gerenciamento de Workflows Científicos em Bioinformática

Transcrição

1 Gerenciamento de Workflows Científicos em Bioinformática Agosto de 2007 Estudante: Orientador: Co-orientadora: Luciano Antonio Digiampietri João Carlos Setubal Claudia Bauzer Medeiros

2 Roteiro Introdução Problemas Objetivos Conceitos Básicos Arquitetura Proposta Exemplo Conclusões e Trabalhos Futuros Publicações

3 Introdução Bioinformática: técnicas da matemática estatística e ciência da computação para resolver problemas biológicos. Experimentos em bioinformática: tipicamente complexos, interações entre diversas tarefas básicas, intervenção humana e acesso a fontes de dados heterogêneas. Dados em bioinformática: heterogêneos, importante saber a origem e o processo de geração dos dados

4 Problemas Encontrar o serviço apropriado. Combinar os serviços. Anotar os dados produzidos. Validar ou re-executar um certo experimento. Rastrear o processo que gerou certo resultado.

5 Objetivo Desenvolvimento de uma infra-estrutura que forneça: Proveniência e rastreabilidade de dados e ferramentas; Composição de tarefas (traduzida para planejamento em inteligência artificial); Mecanismos para encontrar e executar as ferramentas apropriadas.

6 Conceitos (1) Workflow: Denota a execução controlada de múltiplas tarefas em um ambiente distribuído. Workflow Científico: Alto grau de flexibilidade (modificações em tempo de execução), Incertezas, Existência de exceções.

7 Conceitos (2) Planejamento em Inteligência Artificial É a tarefa de apresentar uma seqüência de ações para atingir um objetivo. Proveniência de Dados (genealogia ou pedigree): O quê? Quando? Onde? Por quem? Rastreabilidade: Como?

8 Trabalho Correlato Infra-estruturas para bioinformática Planejadores

9

10 Arquitetura

11 Arquitetura - ontologias

12 Repositório de Ontologias

13 Arquitetura repositório de workflows

14 Repositório de Workflows Workflow Abstrato Modelo de Workflow Workflow Executável Workflow em tempo de execução

15 Repositório de Workflows Workflow Abstrato Modelo de Workflow Tipos de Serviços (Ontologia de Serviços) Instâncias de Serviços (Catálogo de Serviços) Workflow Executável Workflow em tempo de execução Dados de Entrada Dados Produzidos e Proveniência dos Dados

16 Arquitetura tipos e transformações

17 Tipos e Transformações Repositório de Tipos Estruturais descrição das estruturas de dados associadas aos conceitos das ontologias. Repositório de Regras de Transformações entre Dados Representação padrão de cada conceito; Mapeamento entre estruturas; Transformações automáticas.

18 Tipos Estruturais

19 Mapeamento entre estruturas

20 Arquitetura Gerenciador de Dados

21 Gerenciador de Dados É a interface entre os repositórios e os demais módulos; Executa as transformações automáticas armazenadas no Repositório de Regras de Transformações; Prove mecanismos de rastreabilidade.

22 Arquitetura composição automática

23 Planejamento

24 Trabalhos Correlatos - planejadores

25 Trabalhos Correlatos - planejadores

26 Trabalhos Correlatos - planejadores

27 Planejamento Ontologias Objetivos do Usuário

28 Planejamento Ontologias Objetivos do Usuário SHOP2

29 Planejamento Ontologias Objetivos do Usuário SHOP2 melhor workflow

30 Exemplo - SHOP2

31 Exemplo

32 Protótipo

33 Protótipo finalizado

34 Protótipo parcialmente desenvolvido

35 Protótipo apenas simulações

36 Conclusões principais contribuições (1) Proposta de uma solução para o problema da composição de serviços Definição de um modelo de dados em camadas combinando workflows e proveniência; Uso de ontologias para enriquecer a semântica na construção automática de workflows e para facilitar a rastreabilidade;

37 Conclusões principais contribuições (2) Especificação de mecanismos para: integração de dados; interoperabilidade de ferramentas; rastreabilidade de experimentos científicos. Validação de parte da solução protótipo para a montagem e anotação de genomas.

38 Trabalhos Futuros (1) Práticos: desenvolvimento de um protótipo funcional: que suporte a execução dos workflows; cuja interface gráfica facilite o gerenciamento de dados complexos. desenvolvimento de técnicas de reconhecimento de planos; extensão do escopo das ontologias.

39 Trabalhos Futuros (2) Teóricos (de pesquisa): avaliação de outros tipos de planejadores além dos hierárquicos; Estudo de mecanismos para otimização na geração e execução de planos tais como re-planejamento e reparo de planos; Pesquisa sobre mecanismos de indexação de serviços e workflows; Extensão da infra-estrutura proposta para tratar alinhamento e composição de ontologias.

40 Publicações (1) L.A. Digiampietri, J.J. Pérez-Alcázar, and C.B. Medeiros. An ontology-based framework for bioinformatics workflows. International Journal of Bioinformatics Research and Applications, R.S. Barga, L.A. Digiampietri. Automatic capture and efficient storage of escience experiment provenance. Concurrency and Computation: Practice and Experience, C. B. Medeiros and J. Perez-Alcazar and L. Digiampietri and G. Pastorello and A. Santanche and R. Torres and E. Madeira and E. Bacarin: WOODSS and the Web: Annotating and Reusing Scientific Workflow. ACM SIGMOD Record 34(3):18-23, 2005 R.S. Barga, L.A. Digiampietri: Automatic Generation of Workflow Provenance. Lecture Notes in Computer Science 2006, Vol ISBN: X / International Provenance and Annotation Workshop, IPAW 2006

41 Publicações (2) G.G.L. Costa, L.A.Digiampietri, E.H. Ostroski, J.C. Setubal: Evaluation of graph based protein clustering methods. BIOMAT2005. L. A. Digiampietri et al.: Fact and Task Oriented System for genome assembly and annotation. Lecture Notes in Bioinformatics July 2005, Vol. 2594, , ISBN: / Proceedings of the Brazilian Symposium on Bioinformatics, BSB L. A. Digiampietri, C. B. Medeiros, J. C. Setubal: A framework based in Web services orchestration for bioinformatics workflow management. Genetics and Molecular Research volume 4, nº 3 (2005). ISSN / Proceedings of the Third Brazilian Workshop on Bioinformatics (2004) L. A. Digiampietri, C. B. Medeiros, J. C. Setubal: A data model for comparative genomics. Revista Tecnologia da Informação. Dezembro de 2003, volume 3, nº 2, pp ISSN / Proc. of the Second Brazilian Workshop on Bioinformatics (2003)

42 Publicações (3) L. M. Moreira, R. F. de Souza, L. A. Digiampietri, A. C. R. da Silva, J. C. Setubal: Comparative analyses of Xanthomonas and Xylella complete genomes. OMICS (2005) Spring, 9(1):43-76 A.L.T.O. Nascimento, S. Verjovski-Almeida, M.A. Van Sluys, C.B. Monteiro-Vitorello, L.E.A. Camargo, L.A. Digiampietri, R.A. Harstkeerl, P.L. Ho, M.V. Marques, M.C. Oliveira, J.C. Setubal, D.A. Haake and E.A.L. Martins. Genome features of Leptospira interrogans serovar Copenhageni. Braz J Med Biol Res. Apr. 2004, vol.37, no.4

43 Pôsteres L. A. Digiampietri, J.J. Pérez-Alcázar. Bioinformatics scientific workflows: combining databases, AI and Web services. International Workshop on Genomic Databases (IWGD 05), Rio de Janeiro, RJ, Brazil. November M.F. Carazzolle, E.F. Formighieri,L.A. Digiampietri, M.R.R. Araujo and G.A.G. Pereira. GeneProjects: a Web application for ongoing annotation in EST and Shotgun genome projects. 1st Internacional Conference of the Brazilian Association for Bioinformatics and Computational Biology (AB3C), Caxambu, MG, Brazil. October L. A. Digiampietri et al. LBI Laboratório de Bioinformática. Unicamp de Portas Abertas (UPA) 2004 e 2005.

44 Agradecimentos Claudia Bauzer Medeiros e João Setubal CAPES CNPq FAPESP Microsoft Research Roger Barga da Microsoft Research Prof. José de Jésus Pérez-Alcázar da EACH, USP

45 Obrigado! Instituto de Computação (IC) Luciano Antonio Digiampietri