life sciences linked data
DESCRIPTION
Transparencias de las clases sobre Linked Data en el Máster de Bioinformática de la Universidad de Murcia. Para un mejor efecto, http://biordf.org:8080/UM_LSLD/Clases/UM_Bioinformatics_LD.htmlTRANSCRIPT
Life Sciences Linked Data
Máster Bioinformática UM
Mikel Egaña Aranguren
/
Biological Informatics Group ( ), CBGP, UPM, Madridhttp://mikeleganaaranguren.com [email protected]
http://wilkinsonlab.info
Life Sciences Linked Data
https://mikeleganaaranguren.wordpress.com/teaching/
http://biordf.org:8080/UM_LSLD/Clases/UM_Bioinformatics_LD.html
¿Qué es Linked Data?
Video divulgativo
¿Qué es Linked Data (LD)?
Un método para ofrecer datos directamente en la web
Una propuesta del : W3C http://www.w3.org/standards/semanticweb/data
Un primer paso hacia la Web Semántica
Pila tecnologías Web Semántica
Un primer paso hacia la Web Semántica
LD utiliza la tecnología ya existente (URI, HTTP, ...) para ofrecer una primeraversión de la Web Semántica
Pila tecnologías Web Semántica y LD
BNODE
Principios LD
1. Usar URIs para identificar entidades2. Usar URIs HTTP para que se pueda acceder a esas entidades3. Cuando un usuario o agente accede a una URI, proveer información útil mediante
estándares (RDF, SPARQL)4. Incluir enlaces a otras URIs para que se puedan descubrir más entidades
http://www.w3.org/DesignIssues/LinkedData.html
Con LD publicamos datos de manera ...
... semántica
... enlazada
Semántica
RDF ofrece el triple, un modelo de datos explícito y homogéneo: una "frase"estándar que los ordenadores pueden "entender"
Enlaces
En el triple, cada entidad (sujeto, predicado, objeto) tiene una URI que lo identifica
Los datos son enlazados a otros datos a través de la web, con enlaces explícitos
Red global de datos enlazados
Red global de datos enlazados
Internet de datos, en vez de documentos: "Base de Datos universal":
Es más fácil construir aplicaciones que exploten los datos, incluyendorazonamiento automáticoEncontramos justo lo que buscamos: consultas directas (SPARQL) en vez deprocesar texto
Red global de datos enlazados
Navegamos directamente por las datos (RDF), en vez de navegar a través dedocumentos que representan esos datos en lenguaje natural (HTML)
Enlazar datos nuevos es tan fácil como enlazar páginas web: crecimiento orgánicode la red
Linked Open Data (LOD) cloud
http://richard.cyganiak.de/2007/10/lod/
Datasets de interés
(¡UM!)
**
LOD cloud ...
Bio2RDFOGOLODLinkedLifeDataHyQueArrayExpress and Gene expression atlasUniProt
RDF
RDF (Resource Description Framework)
RDF es un estándar oficial del para representar información en la webW3C
www.w3.org/standards/techs/rdf
Triple RDF
Grafo RDF
Un grafo RDF es un conjunto de triples
Grafo RDF
Algunos objetos pueden ser valores literales (Cadenas de caracteres)
Sujetos y predicados sólo pueden ser recursos
Los valores literales pueden tener tipo ( )XML Schema datatypes
Elementos RDF
rdf:type: agrupar recursos en clases
Elementos RDF
URIs en RDF
Cada recurso (Sujeto, predicado, objeto) tiene una URI
URI: Uniform Resource Identifier ( )
Reference URI: URI + fragment (http://foo/bar#frag)(En Linked Data, las URIs se pueden resolver, es decir dereferenciar)
RFC3986
Espacios de nombres XML
RDF usa espacios de nombres XML mediante "qualified names"
Vocabulario: URIs bajo un espacio de nombre
rdfs="http://www.w3.org/2000/01/rdfschema#"obo="http://purl.org/obo/owl/GO#"owl="http://www.w3.org/2002/07/owl#"...
Serializar RDF
RDF es un modelo para representar datos
Ese modelo abstracto se puede representar con diferentes sintaxis: "Serializar"(escribir) en un archivo
Una de esas sintaxis es RDF/XML
No confundir el modelo con la sintaxis: ¡RDF es mucho más que un archivo XML!
Serializar RDF
RDF/XML ( )RDFa ( )Turtle ( )N3 ( )...
http://www.w3.org/TR/rdfsyntaxgrammar/http://www.w3.org/TR/rdfacore/http://www.w3.org/TR/turtle/
http://www.w3.org/DesignIssues/Notation3.html
Serializar RDF: RDF/XML
Vocabulario (ontología) / triples
Más información
RDF primer
RDF validator
RDFS (RDF Schema)
RDFS
RDFS es un estándar oficial del para describir clases de recursos RDF y suspropiedades: definir vocabularios para RDF
W3C
http://www.w3.org/TR/rdfschema/
RDFS
OWL (Web Ontology Language)
OWL
OWL es un estándar oficial del para crear ontologías en la web con unsemántica precisa y formal
W3C
http://www.w3.org/standards/techs/owl
OWL
OWL se basa en Lógica Descriptiva (DL)
Representación computacional de un dominio de conocimiento:
Razonamiento automático: inferir conocimiento "nuevo" (*), consultas,consistencia, clasificar entidades contra la ontología, ...Integrar conocimiento disperso
Sintaxis OWL
Para ordenadores: RDF/XML, OWL/XML, ...
Para humanos: Manchester OWL Syntax, functional, ...
Semántica OWL
Una ontología OWL esta compuesta de:
Entidades: las entidades del dominio de conocimiento, identificadas con URIs,introducidas por el desarrollador ("proteina", "participa_en", ...)Axiomas: relacionan las entidades mediante el vocabulario lógico que ofreceOWL
Una ontología puede importar otra (owl:import) y hacer referencia a sus entidadesmediante axiomas
Entidades OWL
IndividuosClasesPropiedades
ObjetoAnotaciónDatos
Semántica OWL
Una ontología OWL formada por individuos y clases es una "Base deConocimiento" (KB) formada por:
TBox (Terminological Box): clases (~ "esquema")Abox (Assertional Box): individuos (~ "datos")
Clases
Clase subclase
Clases equivalentes
Jerarquía de clases (Taxonomía)
Condiciones necesarias
Condiciones necesarias y suficientes
Restricción existencial (some)
Manchester tutorial
Restricción universal (only)
Manchester tutorial
Restricción a un individuo (value)
Manchester tutorial
Restricciones cardinales
(+ QCR!) Manchester tutorial
Más axiomas para clases
disjointFrom
booleanos: not, or, and
Manchester tutorial
Expresiones complejas
Propiedades OWL
Jerarquía propiedades
Jerarquía propiedadsubpropiedad (~taxonomía pero con propiedades), ej:
interacciona conmata a
estrangula a
Características propiedades objeto
Manchester tutorial
Características propiedades objeto
Manchester tutorial
Características propiedades objeto
Manchester tutorial
Características propiedades datos
Solo funcional
Dominio clases, rango datatypes
Propiedades anotación
Anotar con lenguaje natural entidades (propiedades, clases, individuos), axiomas,ontologías
Fuera de la semántica
rdfs:label, rdfs:comment, dublin core, a medida
Individuos
Miembro de una o más clases (Types)
Igual (SameAs) o diferente (DifferentFrom) a otro individuo
Relaciones binarias con otros individuos o datos (triples), positivas o negativas
Razonamiento automático
Un razonador infiere los "nuevos" axiomas que implican los axiomas que hemosintroducido en la ontología
El razonador infiere todos los axiomas; es útil para tratar con conocimientocomplejo
Open World Assumption (OWA)
(Falta de) Unique Name Assumption (¡owl:sameAs!)
Tareas más comunes razonamiento automático
Mantener taxonomía
Consistencia
Clasificar entidades y consultas
Mantener una taxonomía
Consistencia
Clasificar entidades, consultas
Clasificar entidades: dada una entidad nueva, como se relaciona con las demasentidades (types, equivalentTo, subClassOf, triples)
Una consulta es una clase anónima que clasificamos contra la ontología como sifuese una entidad
Ejercicios
Ejercicios:
Soluciones:
,
owl_assignment.pdf
cars.owlnormalisation.owl normalisation.pnganswers_3_4.pdf
SPARQL
SPARQL
Lenguaje para hacer consultas sobre grafos RDF (~"El SQL para RDF")
http://www.w3.org/standards/techs/sparql
SPARQL
SPARQL
SPARQL
Tutorial: ( )SPARQL by example Cambridge Semantics
SPARQL
Ejercicio práctico:
Ejercicio práctico:
http://linkedlifedata.com/sparql
BioGateway
SPARQL
Ejercicio práctico:
search for the human genetic diseases related to the gene Brca1 of the Mus musculusspecies stored in bio2rdf.org datasets
http://miuras.inf.um.es/sparql
SPARQL
PREFIX ogolod: <http://miuras.inf.um.es/ogolod/ontology/>SELECT DISTINCT ?bio2rdf_omim ?titleWHERE ?gene owl:sameAs <http://bio2rdf.org/page/geneid:12189> .?cluster ogolod:hasOrtholog ?gene .?cluster ogolod:hasOrtholog ?ortholog .?disease ogolod:causedBy ?ortholog .?disease owl:sameAs ?bio2rdf_omim .?disease ogolod:Name ?title .
SPARQL
Ejercicio práctico:
orthologs related to genes involved in lung cancer and belonging to RattusNorvegicus
http://miuras.inf.um.es/sparql
SPARQL
PREFIX ogolod: <http://miuras.inf.um.es/ogolod/ontology/>PREFIX ogolodr: <http://miuras.inf.um.es/ogolod/resource/>SELECT DISTINCT ?gene2WHERE ?ortholog ogolod:fromSpecies<http://miuras.inf.um.es/ogolod/resource/NCBITaxon_10116/NCBITaxon_10116> .?ortholog owl:sameAs ?gene2 .?cluster ogolod:hasOrtholog ?gene .?cluster ogolod:hasOrtholog ?ortholog .?disease ogolod:causedBy ?gene .?disease owl:sameAs <http://bio2rdf.org/page/omim:211980> .
Cómo funciona LD
Grafos y triple stores
Un "triple store" contiene diferentes grafos
Consultas
Solo recibiremos los triples de ese triple store (¡Pero nosotros o nuestro agenteautomático podemos seguir los enlaces! "Follow your nose")
Alternativa: federated queries ()
http://www.w3.org/TR/sparql11federatedquery/
Negociacion contenido
Negociacion contenido
Negociacion contenido
Diseño URIs
HTTP URIs dereferenciables: cuando se busca una URI, deberia devolver unadescripción del objeto que identifica esa URI
Descripción del objeto (documento RDF) ≠ objeto
303 URIs vs Hash URIs
Diseño URIs
Base URI: http://geo.linkeddata.es/TBox URIs:
http://geo.linkeddata.es/ontology/concept|propertyhttp://geo.linkeddata.es/ontology/Provincia
ABox URIs:http://geo.linkeddata.es/resource/r. type/r. namehttp://geo.linkeddata.es/resource/Provincia/Madrid
http://www.slideshare.net/boricles/
Inferencia en LD
Para producir el dataset: materializar triples y asegurar consistencia
En consultas
Consumir LD
Navegadores LD
...
DiscoTabulatorOpenLink
Buscadores LD
( )
...
Sig.ma CYCBSWSE
Aplicaciones (Mashups)
...
RevyuTalis aspireNYT
Publicar datos en LD
¿Por qué publicar datos en LD?
Enlaces al exterior:Publicar solo nuestros datos, referancias al resto, no hay que replicar datosexternos:Los datos externos se actualizan independientemente, y nuestro dataset va "aremolque" sin esfuerzo
¿Por qué publicar datos en LD?
Enlaces a nuestro dataset:Es facil enlazar a nuestro dataset, ya que usamos HTTP URIsPor lo tanto, aumenta la capacidad de nuestro dataset de ser descubiertomediante enlaces
¿Por qué publicar datos en LD?
Semántica: el significado de nuestro datos es explícito y claro, debido a RDF(instancias) + OWL ("esquema"): es fácil crear aplicaciones, incluyendorazonamiento automático (ej. agentes)
Publicar datos en LD
Publicar datos en LD
Crear el datasetOntología OWL: reusar lo más posible de otras ontologías parainteroperabilidadInstancias RDF
Añadir enlaces a otros datasetsManualmente o con herramientas como SILKA nivel de instancias (owl:sameAs, predicados, ...) y a nivel de vocabulario(owl:equivalentClass, ...)
Publicar datos en LD
Almacenar el dataset en triple storePublicar el dataset mediante servidor webRegistrar el dataset en Generar archivo voiD (Vocabulary of Interlinked Datasets):
Generar archivo (con ) y enviarlo a Semantic Webindex ( ) y Google
Data Hub
http://www.w3.org/TR/void/sitemap.xml sitemap4RDF
http://sindice.com/
Publicar datos en LD
Ejercicio práctico: recrear todo el proceso de publicar un dataset Linked Data
Crear el dataset y "publicarlo" en una infraestructura ya lista (Life Sciences LinkedData)
Life Sciences Linked Data
"Pack" ya listo y configurado para publicar Linked Data en localhost (Solo paraGNU/Linux)
http://github.com/mikeleganaaranguren/LSLD
Life Sciences Linked Data
: triple store
: servidor web
: negociacioncontenido etc.
Fuseki
Jetty
Pubby
Life Sciences Linked Data
Probar con el dataset por defecto
Instrucciones: lifescienceslinkeddata/LSLD/README, "Standard running"
Life Sciences Linked Data
/jena-fuseki-0.2.6-SNAPSHOTchmod +x fuseki-server s-*./fuseki-server --update --mem /ds
./s-put http://localhost:3030/ds/data defaultData/books.ttl
Life Sciences Linked Data
jetty-distribution-9.0.0.M3/webapps/ROOT/WEB-INF/web.xml
/jetty-distribution-9.0.0.M3java -jar start.jar jetty.port=8080http://localhost:8080/book1
Life Sciences Linked Data
Publicar el dataset de ejemplo con enlaces a otros datasets LOD
Instrucciones: lifescienceslinkeddata/LSLD/README, "Using a differentdataset"
Life Sciences Linked Data
1. /jena-fuseki-0.2.6-SNAPSHOT2. mkdir lslddb3. ./fuseki-server --update --loc=./lslddb /dataset
4. ./s-put http://localhost:3030/dataset/data lsldData/LSLD_example.owl
Life Sciences Linked Data
jetty-distribution-9.0.0.M3/webapps/ROOT/WEB-INF/web.xml
/jetty-distribution-9.0.0.M3java -jar start.jar jetty.port=8080http://localhost:8080/Protein_A
Life Sciences Linked Data
Crear vuestro propio dataset con Protégé 4 ( ) (DemoProtégé?)
Con enlaces a otros datasets
Publicar el dataset en localhost (Usar "Using a different dataset" como guía)
http://protege.stanford.edu/
Life Sciences Linked Data
Silk ...
Inferencia con P4: materializar triples ...
Programación para LD
Generar RDF con Jena
Model model = ModelFactory.createDefaultModel();
Resource prot_a = model.createResource("http://cbgp.upm.es/lsld.rdf#prot_a");
Resource cell_cycle = model.createResource("http://cbgp.upm.es/lsld.rdf#cell_cycle");
Property participates_in = model.createProperty("http://cbgp.upm.es/lsld.rdf#participates_in");
model.add(prot_a, participates_in,cell_cycle);
model.write(System.out);
Aplicaciones Linked Data
Consulta SPARQL endpoint con JENA (Juan F. Sequeda)
import com.hp.hpl.jena.query.*;
String service = "..."; // address of the SPARQL endpoint String query = "SELECT ..."; // your SPARQL query QueryExecution e = QueryExecutionFactory.sparqlService(service, query)
ResultSet results = e.execSelect(); while ( results.hasNext() ) QuerySolution s = results.nextSolution(); // ...
e.close();
Sumario herramientas para LD
Triple strores y APIs: , , , , ...Editores ontologías: , , ...Publicar LD: , , ...Validadores: , , , ......
Jena Virtuoso Sesame OWL APIProtégé TopBraid composer
Silk PubbyVapour RDF:Alerts Sindice inspector
Más información, agradecimientos, etc.
Más información
(Christian Bizer, Tom Heath, Tim BernersLee)
(Christian Bizer, TomHeath)
Semantic Web Health Care and Life Sciences Interest Group ( ):
Linked Data, the story so far
Linked Data: Evolving the Web into a Global Data Space
W3C HCLS IGHealth Care and Life Science (HCLS) Linked Data Guide
Más información
José Antonio MiñarroGiménez, Mikel Egaña Aranguren, Boris VillazónTerrazasand Jesualdo Tomás FernándezBreis. Publishing Orthology and DiseasesInformation in the Linked Open Data cloud. Current Bioinformatics 2012, 7 (3),255266. [ ] [ ]Bentham science pdf
Linked Data Patterns
Inspiración
: Raúl García Castro, University of Texas: Juan F.
Sequeda: Boris Villazón Terrazas
: Mark Wilkinson: Evolving the Web into a Global Data Space (Christian Bizer, Tom
Heath)
Ontology engineering Group (UPM)Bioinformatics and Semantic Web Group
IsocoBiological Informatics Group (CBGP, UPM)Linked Data
