Integration medizinischer Forschungsdaten

HUMIT schärft den Blick für neue Zusammenhänge mit Big Data

Seite: 2/2

Firmen zum Thema

Analysen in der biomedizinischen Hochdurchsatzforschung erfordern die Integration umfangreicher heterogener Datenquellen (Experimente, Archive, Fachdatenbanken). Existierende Werkzeuge zur Datenintegration und -analyse von biomedizinischen Daten sind nicht ausreichend flexibel und ausdrucksstark, weil sich Fragestellungen und Datenquellen ständig weiterentwickeln und Informationen durch Benutzer semantisch interpretiert und angepasst werden müssen.

Ein Big-Data-Ansatz, der es Wissenschaftlern besser als bisher ermöglicht, domänenübergreifende Analysen von Hochdurchsatzexperimenten zu steuern und zu bewerten, soll einen wesentlichen positiven Effekt auf die Forschungs- und Entwicklungsfähigkeit des Standortes Deutschland in den Life Sciences haben.

Der Wert der erhobenen Daten wird wesentlich gesteigert, gleichzeitig wird das Potenzial der Hochdurchsatzforschung erhöht, um Krankheitsursachen zu erkennen und die richtigen Therapien zu finden.

Die Hauptideen des vorgeschlagenen Ansatzes sind ein inkrementelles Vorgehen bei der Definition von Datenmodellen und Integrationsregeln sowie die Trennung der Rohdatenspeicherung von der Datenaufbereitung für die Analyse.

Dabei wird die Interaktion mit dem Benutzer als ein zentrales Element in den Datenverarbeitungsprozess mit eingebunden. Die Verwertung der Projektergebnisse in einem Dienstleistungsszenario oder eine Vermarktung einzelner Komponenten ist aufgrund des hohen Bedarfs für Big-Data-Lösungen in den Life Sciences vorgesehen.

HUMIT (Human-zentrierte Unterstützung inkrementell-interaktiver Datenintegration am Beispiel von Hochdurchsatzprozessen in den Life Sciences) adressiert sowohl Anwender in kleinen und großen Pharmafirmen als auch in den öffentlichen Forschungseinrichtungen. Das Projekt wird vom Bundesministerium für Bildung und Forschung gefördert.

Artikelfiles und Artikellinks

Link: HUMIT im Web

(ID:43452964)