Dokument: Die SCIO-Ontologie: Eine Formalisierung von Konzepten aus präklinischen Studien über traumatische Rückenmarksverletzungen
| Titel: | Die SCIO-Ontologie: Eine Formalisierung von Konzepten aus präklinischen Studien über traumatische Rückenmarksverletzungen | |||||||
| Weiterer Titel: | SCIO: The Spinal Injury Ontology/ An Ontology representing knowledge from preclinical research in spinal cord injury | |||||||
| URL für Lesezeichen: | https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=53701 | |||||||
| URN (NBN): | urn:nbn:de:hbz:061-20200715-082914-7 | |||||||
| Kollektion: | Dissertationen | |||||||
| Sprache: | Deutsch | |||||||
| Dokumententyp: | Wissenschaftliche Abschlussarbeiten » Dissertation | |||||||
| Medientyp: | Text | |||||||
| Autor: | Dr. Kirchhoffer, Tarek [Autor] | |||||||
| Dateien: |
| |||||||
| Beitragende: | Prof. Dr. Müller, Hans Werner [Gutachter] Prof. Dr. Conrad, Stefan [Gutachter] | |||||||
| Stichwörter: | Ontologie, traumatische Rückenmarksverletzungen, präklinische Studien | |||||||
| Dewey Dezimal-Klassifikation: | 600 Technik, Medizin, angewandte Wissenschaften » 610 Medizin und Gesundheit | |||||||
| Beschreibungen: | Das aus präklinischen Tierstudien über traumatische Rückenmarksverletzungen (TRV) in hoher Quantität generierte Wissen liegt in natürlicher Sprache vor und ist somit nicht
für automatische Metastudien zugänglich und anwendbar. Die Entwicklung geeigneter Therapien in der Domäne des Neurotraumas wird nachhaltig und negativ durch das fehlende Bewusstsein in Wissenschaftskreisen über das bereits vorhandene Wissen, das aus einer Vielzahl an präklinischen Studien hervorgeht, beeinflusst. Zur Bewältigung dieses Problems wurde die Spinal Cord Injury Ontology (SCIO) entwickelt, um das bereits vorhandene Wissen über therapeutische Konzepte und insbesondere die Beschreibung relevanter Parameter und Ergebnisse aus der großen Menge an präklinischer Literatur einzufangen. SCIOs kurzfristiges Ziel ist die Bereitstellung einer zielorientierten Datenextraktion, um eine präklinische Studie über traumatische Rückenmarksverletzungen vollständig und detailliert zu repräsentieren. Langfristig soll die SCIO als Grundlage für die automatische Datenextraktion aus wissenschaftlichen Publikationen dienen. Aus 140 Publikationen (peer-reviewed) wurden Konzepte, wie die verwendeten Untersuchungsmethoden, Tierspezies, Verletzungsmodelle und Therapien manuell extrahiert. Es wurde ein Klassengefüge mit Attributen und einer Taxonomie definiert. Jede Klasse wurde mit dem zentralen Konzept der Ontologie, dem Ergebnis (Outcome) eines Experimentes, verknüpft. Basierend auf einer Untersuchungsmethode (z.B. die Überprüfung der Fortbewegungsfähigkeit) werden unterschiedliche experimentelle Gruppen in einem direkten Vergleich durch die Ontologie als „Veränderung“ (change) oder „keine Veränderung“ (no change) eingestuft. Bei der Datenextraktion mit SCIO werden die beschriebenen Ergebnisse einer wissenschaftlichen Publikation mit (1) den gegenseitig verglichenen experimentellen Gruppen verknüpft, die wiederum Auskunft über das experimentelle Setup und (2) die angewendeten Untersuchungsmethoden geben. Die manuelle Annotation von wissenschaftlichen Texten verlief simultan zur Konstruktion der Ontologie, um ein notwendiges Maß an Konzepten für eine adäquate Repräsentation der Domäne durch SCIO zu gewährleisten. Als Proof of Concept wurde die SCIO durch zwei Diplom-Biologen für die semi-automatische Datenextraktion auf 22 wissenschaftliche Publikationen angewendet. Die SCIO wurde konzipiert, um alle Hauptparameter und Ergebnisse einer präklinischen Studie über TRV zu extrahieren. Die Ontologie besteht aus 385 Klassen und 46 Attributen. Die Granularität der Ontologie entspricht den Anforderungen die Domäne der TRV übersichtlich und detailliert zu repräsentieren. In einem mit Diplom-Biologen durchgeführten Annotationsprojekt validierten hohe Übereinstimmungen bei der semi-automatischen Datenextraktion mit SCIO ihre Effizienz. Darüber hinaus wurde die SCIO von Paasen et al. (2014) als Grundlage für die erfolgreiche automatische Datenextraktion aus wissenschaftlichen Publikationen über TRV verwendet. Im weiteren Verlauf soll die Ontologie den Translationsprozess von erfolgsversprechenden präklinischen Studien in klinische Studien fördern.A vast amount of knowledge generated by preclinical research in spinal cord injury (SCI) is described in natural-language publications and is thus not accessible to automated meta-studies. The design of therapeutic concepts in the neurotrauma domain is notoriously affected by the lack of complete knowledge about the large amount of data produced by experiments in preclinical studies. To overcome this problem the Spinal Cord Injury Ontology (SCIO) was developed in order to support the systematic capture of knowledge about therapeutic concepts, particularly the description of relevant parameters and results of experiments in the vast preclinical literature available on the topic. SCIO´s short-term goal is to supply scientists with a targeted form of dataextraction in order to represent a preclinical study in its entirety for a more transparent and detailed overview of the experimental setup and results. In the long-run SCIO serves as a blueprint for data mining, a method for automated data extraction. Descriptions and concepts from more than 140 peer-reviewed publications on spinal cord injury in animal models were manually extracted, e.g., types of investigation methods, animal strains or experimental lesion types. Classes, relations and a taxonomy were defined and each class was linked to the central concept of the ontology, i.e., the result of one experiment in a study, which is formalized as a “change” or “no change” of a certain parameter (e.g., locomotor function) between two experimental conditions (e.g. treated versus untreated). In SCIO, the results described in one publication are linked (1) to their specific experimental groups containing information about the experimental setup and (2) the investigation method that was used to evaluate the experiment’s result. Construction of the ontology was accompanied by textual annotations to cover a substantial amount of natural language terms that are used in scientific publications in order to yield a reference to the concepts contained in SCIO. Finally, the ontology was applied in terms of a proof of concept by two biologists who annotated 22 scientific publications about preclinical spinal cord injury experiments. SCIO has been designed to capture the main parameters and results of preclinical studies in the spinal cord injury domain. The final ontology consists of 385 classes and 46 relations. Based on the ongoing scientific discussion, the data granularity suits the actual domain needs for objective level-of-evidence estimation on therapeutic effects. SCIO represents all relevant aspects of a preclinical study about spinal cord injury and provides a straightforward approach towards information extraction. The annotation project carried out with two biologists yielded a high level of agreement amongst them in terms of data extraction with SCIO which proved its successful application. Furthermore, SCIO served as a template for an ontology-based automated data extraction from preclinical literature as proven by Paasen et al. (2014) who was able to use the ontology´s structure for datamining. Thus, the SCIO can serve as a tool to increase transparency and exchange of data amongst scientists in order to expedite the transformation of preclinical studies into clinical studies to yield success promising therapy options for patients who suffer from traumatic spinal cord injuries. | |||||||
| Quelle: | References
[1] Ashburner, M., Ball, C. A., Blake, J. A., Botstein, D., Butler, H., Cherry, J. M., Davis, A. P., Dolinski, K., Dwight, S. S., Eppig, J. T., Harris, M. A., Hill, D. P., Issel-Tarver, L., Kasarskis, A., Lewis, S., Matese, J. C., Richardson, J. E., Ringwald, M., Rubin, G. M., and Sherlock, G. 2000. Gene ontology: tool for the unification of biology. Nature genetics 25, 1, 25–29. [2] Baker, M. 2015. PSYCHOLOGY. Estimating the reproducibility of psychological science. Science (New York, N.Y.) 349, 6251, aac4716. [3] Biering-Sørensen, F., Alai, S., Anderson, K., Charlifue, S., Chen, Y., DeVivo, M., Flanders, A. E., Jones, L., Kleitman, N., Lans, A., Noonan, V. K., Odenkirchen, J., Steeves, J., Tansey, K., Widerström-Noga, E., and Jakeman, L. B. 2015. Common Data Elements for Spinal Cord Injury Clinical Research: A National Institute for Neurological Disorders and Stroke Project. Spinal cord 53, 4, 1–33. [4] Borowi, A., Ter Horst, H., Hartung, M., Estrada, V., Brazda, N., Müller, H. W., and Cimiano, P., Eds. 2017. Ontology-driven Visual Exploration of Preclinical Research Data in the Spinal Cord Injury Domain. Proceedings of the SEMANTICS 2017 Poster and Demo Track 2044. [5] Brazda, N., Ter Horst, H., Hartung, M., Wiljes, C., Estrada, V., Klinger, R., Kuchinke, W., Müller, H. W., and Cimiano, P., Eds. 2017. SCIO: An Ontology to Support the Formalization of Pre-Clinical Spinal Cord Injury Experiments. Proceedings of the Joint Ontology Workshops 2017; Episode 3: The Tyrolean Autumn of Ontology 2050. CEUR Workshop Proceedings. [6] Carpentier, M., Combescure, C., Merlini, L., and Perneger, T. V. 2017. Kappa statistic to measure agreement beyond chance in free-response assessments. BMC medical research methodology 17, 1, 1–8. [7] Chan, A.-W., Song, F., Vickers, A., Jefferson, T., Dickersin, K., Gøtzsche, P. C., Krumholz, H. M., Ghersi, D., and van der Worp, H. B. 2014. Increasing value and reducing waste: addressing inaccessible research. The Lancet 383, 9913, 1–25. [8] Collins, F. S. and Tabak, L. A. 2014. Policy: NIH plans to enhance reproducibility. Nature 505, 7485, 612–613. [9] Fehlings, M., Singh, A., Tetreault, L., Kalsi-Ryan, S., and Nouri, A. 2014. Global prevalence and incidence of traumatic spinal cord injury. CLEP, 309. [10] Ferguson, A. R., Nielson, J. L., Cragin, M. H., Bandrowski, A. E., and Martone, M. E. 2014. Big data from small data: data-sharing in the 'long tail' of neuroscience. Nature neuroscience 17, 11, 1442–1447. [11] Freedman, L. P., Cockburn, I. M., and Simcoe, T. S. 2015. The Economics of Reproducibility in Preclinical Research. PLoS biology 13, 6, e1002165. [12] Gaševic, D., Djuric, D., and Devedžic, V. 2006. Model Driven Architecture and Ontology Development. Springer Berlin Heidelberg. [13] Gomes-Osman, J., Cortes, M., Guest, J., and Pascual-Leone, A. 2016. A Systematic Review of Experimental Strategies Aimed at Improving Motor Function after Acute and Chronic Spinal Cord Injury. Journal of neurotrauma 33, 5, 425–438. [14] Grüninger, M. and Fox, M. S., Eds. 1995. Methodology for the Design and Evaluation of Ontologies. [15] Karp, N. A. 2018. Reproducible preclinical research-Is embracing variability the answer? PLoS biology 16, 3, e2005413. 78 [16] Kwon, B. K., Okon, E. B., Tsai, E., Beattie, M. S., Bresnahan, J. C., Magnuson, D. K., Reier, P. J., McTigue, D. M., Popovich, P. G., Blight, A. R., Oudega, M., Guest, J. D., Weaver, L. C., Fehlings, M. G., and Tetzlaff, W. 2011. A grading System To Evaluate Objectively the Strength of Pre-Clinical Data of Acute Neuroprotective Therapies for Clinical Translation in Spinal Cord Injury. Journal of neurotrauma 28, 8, 1525–1543. [17] Landis, J. R. and Koch, G. G. 1977. The Measurement of Observer Agreement for Categorical Data. Biometrics 33, 1, 159–174. [18] Landis, S. C., Amara, S. G., Asadullah, K., Austin, C. P., Blumenstein, R., Bradley, E. W., Crystal, R. G., Darnell, R. B., Ferrante, R. J., Fillit, H., Finkelstein, R., Fisher, M., Gendelman, H. E., Golub, R. M., Goudreau, J. L., Gross, R. A., Gubitz, A. K., Hesterlee, S. E., Howells, D. W., Huguenard, J., Kelner, K., Koroshetz, W., Krainc, D., Lazic, S. E., Levine, M. S., Macleod, M. R., McCall, J. M., Moxley, R. T., Narasimhan, K., Noble, L. J., Perrin, S., Porter, J. D., Steward, O., Unger, E., Utz, U., and Silberberg, S. D. 2012. A call for transparent reporting to optimize the predictive value of preclinical research. Nature 490, 7419, 1–10. [19] Lemmon, V. P., Abeyruwan, S., Visser, U., and Bixby, J. L. 2014. Facilitating transparency in spinal cord injury studies using data standards and ontologies. Neural regeneration research 9, 1, 6–7. [20] Lemmon, V. P., Ferguson, A. R., Popovich, P. G., Xu, X.-M., Snow, D. M., Igarashi, M., Beattie, C. E., and Bixby, J. L. 2014. Minimum Information about a Spinal Cord Injury Experiment: A Proposed Reporting Standard for Spinal Cord Injury Experiments. Journal of neurotrauma 31, 15, 1354–1361. [21] Mariano Fernandez and Asuncion Gomez-Pearez and Natalia Juristo. Methontology: From Ontological Art Towards Ontological Engineering. [22] McHugh, M. L. 2012. Interrater reliability: the kappa statistic. Biochem Med, 276– 282. [23] Nielson, J. L., Guandique, C. F., Liu, A. W., Burke, D. A., Lash, A. T., Moseanko, R., Hawbecker, S., Strand, S. C., Zdunowski, S., Irvine, K.-A., Brock, J. H., Nout- Lomas, Y. S., Gensel, J. C., Anderson, K. D., Segal, M. R., Rosenzweig, E. S., Magnuson, D. S. K., Whittemore, S. R., McTigue, D. M., Popovich, P. G., Rabchevsky, A. G., Scheff, S. W., Steward, O., Courtine, G., Edgerton, V. R., Tuszynski, M. H., Beattie, M. S., Bresnahan, J. C., and Ferguson, A. R. 2014. Development of a Database for Translational Spinal Cord Injury Research. Journal of neurotrauma 31, 21, 1789–1799. [24] NIST Big Data Public Working Group. 2015. NIST Big Data Interoperability Framework: Volume 1, Definitions. National Institute of Standards and Technology. [25] Paassen, B., Stöckel, A., Dickfelder, R., Göpfert, J. P., Brazda, N., Kirchhoffer, T., Müller, H. W., Klinger, R., Hartung, M., and Cimiano, P., Eds. 2014. Ontologybased Extraction of Structured Information from Publications on Preclinical Experiments for Spinal Cord Injury Treatments. Association for Computational Linguistics and Dublin City University, Dublin, Ireland. [26] Pedro-Roig, L. and Emmerich, C. H. 2017. The reproducibility crisis in preclinical research – lessons to learn from clinical research. MEW 26, 28–32. | |||||||
| Rechtliche Vermerke: | Keine. | |||||||
| Lizenz: |  Urheberrechtsschutz | |||||||
| Bezug: | Keine. | |||||||
| Fachbereich / Einrichtung: | Medizinische Fakultät | |||||||
| Dokument erstellt am: | 15.07.2020 | |||||||
| Dateien geändert am: | 15.07.2020 | |||||||
| Promotionsantrag am: | 01.03.2013 | |||||||
| Datum der Promotion: | 16.06.2020 |
