Managing biodiversity information: development of a virtual repository

Abstract

Biodiversity research is currently undergoing a silent but fast revolution. The massive availability of digital biodiversity information — facilitated by the widespread use of the internet and the every-day use of personal computers in science — paves the way for unprecedented analyses and discoveries. This new data-centric discipline relies more than ever on producing, sharing and reusing digital data, yet, sound data management and data publication are still not a part of the normal scientific workflow. A variety of factors are responsible for the reluctance of scientists to make their data publicly available for reuse, but the lack of technical knowledge, coupled with the time-consuming process of converting the data into a standardised format allowing to be incorporated into appropriate databases, might be the main obstacle. Therefore, new tools, workflows and incentives which facilitate the scientist's daily work and provide acknowledgement of this work are needed. This can be achieved by providing an intuitive working environment which handles all technical aspects of data formatting and organisation, and by ensuring that researchers receive academic credit for the publication of their data.This thesis consists of four research papers answering specific scientific questions in thefield of taxonomy and ecology. The work in each paper is supported by using existing and newly developed tools and methods from the field of biodiversity informatics and cybertaxonomy, demonstrating the value of appropriate data management and publication for cutting-edge research outputs. The data underpinning the research performed in this thesis is managed and published through a virtual research environment, a Scratchpad ( http://polychaetes.lifewatchgreec e.eu), to which the four research papers forming the mainbody of this thesis are linked. The papers presented here demonstrate an approach to modern biodiversity research by using existing and newly created tools and by linking, sharing and mobilising data, always with the aim of making the underlying data and results reusable in awider context. Chapter 2 provides the description of a new species, which is prepared and published through an integrated online writing tool in a virtual research environment. Chapter 3 proposes a new data type, three-dimensional digital morphological and anatomical data, and the concept of virtual type material, so-called “cybertypes”, to transform conventional taxonomy into a cyberscience. This chapter identifies important research directions for the biodiversity informatics and museum communities towards the creation of virtual collections and the curation of potential cybertypes. Chapter 4 is the first data paper to describe a semantically annotated database of species life-cycle trait information ( http://poly traits .lifewatchgreece. eu) and to make use of the Encyclopedia of Life's TraitBank as a repository for the data. Chapter 5 then makes use of this trait information in an ecological study, demonstrating the value of such information towards gaining new ecological insights, providing a potential approach to predicting human-induced changes to ecosystems, and underlining the importance of collecting and sharing traits data at a global scale. Finally, this thesis identifies a number of challenges for the biodiversity informatics community which need to be addressed in the near future in order to make best use of the existing and newly created data.

Το ερευνητικό πεδίο της βιοποικιλότητας διανύει μια περίοδο σιωπηλής αλλά ταχείας επανάστασης. Η διαθεσιμότητα μεγάλου όγκου ψηφιακής πληροφορίας βιοποικιλότητας, η ύπαρξη διαδικτυακών συνδέσεων υψηλής ταχύτητας και η χρήση υπολογιστών στην καθημερινότητα της έρευνας διανοίγουν μια οδό για καινοτόμες αναλύσεις και ανακαλύψεις χωρίς προηγούμενο. Αυτή η νέα «δεδομενο-κεντρική» κατεύθυνση της έρευνας βασίζεται όλο και περισσότερο στη παραγωγή, δημοσίευση και επαναχρησιμοποίηση ψηφιακών δεδομένων. Εντούτοις, η σωστή διαχείριση και δημοσίευση δεδομένων δεν αποτελούν ακόμα μέρος της καθημερινής επιστημονικής ενασχόλησης. Υπάρχουν συγκεκριμένοι παράγοντες υπεύθυνοι για την απροθυμία των επιστημόνων να δημοσιεύουν τα δεδομένα τους με σκοπό την επαναχρησιμοποίησή τους από την επιστημονική κοινότητα. Ο σημαντικότερος όλων φαίνεται να είναι η έλλειψη τεχνικών γνώσεων και χρόνου — απαραίτητες προϋποθέσεις για την τυποποίηση των δεδομένων, ώστε να μπορούν να ενσωματώνονται σε κατάλληλες βάσεις δεδομένων. Για την υποστήριξη του ερευνητή στη διαδικασία αυτή χρειάζονται νέα εργαλεία, ροή εργασίας και κίνητρα, όπως η παροχή εύχρηστου εικονικού περιβάλλοντος εργασίας το οποίο να αναλαμβάνει όλα τα τεχνικά βήματα της μετατροπής και οργάνωσης των δεδομένων, καθώς και ένας μηχανισμός διαπίστευσης του ερευνητή υπό τη μορφή επιστημονικών αναφορών όταν επαναχρησιμοποιούνται τα δεδομένα του.Η παρούσα εργασία αποτελείται από τέσσερις επιστημονικές δημοσιεύσεις οι οποίες απαντούν σε ειδικά ερωτήματα στα πεδία της ταξινομικής και της οικολογίας. Η έρευνα σε κάθε δημοσίευση υποστηρίζεται από υπάρχοντα και νέα εργαλεία και μεθόδους προερχόμενα από τα πεδία της πληροφορικής της βιοποικιλότητας και της κυβερνοταξινομικής, αποδεικνύοντας την αξία της σωστής διαχείρισης και δημοσίευσης δεδομένων για ερευνητικά αποτελέσματα σε τομείς αιχμής .Η διαχείριση και δημοσίευση των δεδομένων στα οποία βασίζονται οι έρευνες αυτές έγινε με τη βοήθεια ενός εικονικού περιβάλλοντος εργασίας, τα Scratchpads( http://polychaetes.lifewatchgreec e.eu). Το περιβάλλον αυτό συνδέει τις τέσσερις επιστημονικές εργασίες από της οποίες αποτελείται ο πυρήνας της παρούσας διατριβής. Αυτές οι εργασίες παρουσιάζουν μια σύγχρονη προσέγγιση στη έρευνα της βιοποικιλότητας, χρησιμοποιώντας υπάρχοντα εργαλεία και μεθόδους, συνδέοντας και κινητοποιώντας επιστημονικά δεδομένα με σκοπό την επαναχρησιμοποίησή τους σε ένα ευρύτερο πλαίσιο.Το Κεφάλαιο 1 παρέχει μια εισαγωγή στο πεδίο της πληροφορικής της βιοποικιλότητας και της κυβερνοταξινομικής και περιγράφει τη δομή της διατριβής αυτής.Το Κεφάλαιο 2 παρουσιάζει τη περιγραφή ενός νέου είδους Πολυχαίτου χρησιμοποιώντας σύγχρονα πρότυπα και εργαλεία της πληροφορικής της βιοποικιλότητας. Η περιγραφή του είδους εκπονήθηκε αποκλειστικά στο Scratchpads, συγκεντρώνοντας όλες της απαραίτητες πληροφορίες και υλικό (π.χ. βιβλιογραφία, φωτογραφίες, δεδομένα κατανομής) μέσα σε αυτό το δομημένο διαδικτυακό περιβάλλον. Η περιγραφή του είδους αποθηκεύτηκε ως ειδικός τύπος δεδομένων(«Taxon Description»). Με τη βοήθεια ενός ενσωματωμένου στο Scratchpads περιβάλλοντος για κοινή και διαδικτυακή ολοκλήρωση του άρθρου (μονάδα δημοσίευσης, Publication Module), τα χωριστά κομμάτια πληροφορίας σχετικά με το νέο είδος συναθροίστηκαν σε χειρόγραφο το οποίο στάλθηκε αυτόματο στο περιοδικό ως έγγραφο σήμανσης το οποίο μπορεί να υποστεί επεξεργασία από υπολογιστές.Στο Κεφάλαιο 3 προτείνεται ένα νέο είδος δεδομένων: τρισδιάστατα ψηφιακά μορφολογικά και ανατομικά δεδομένα, και προτείνεται επιπλέον η ιδέα του ψηφιακού υλικού-τύπου («cybertypes») ως θεμελιώδες βήμα στη μετατροπή της κλασικής ταξινομικής σε μια «κυβερνοεπιστήμη» (cyberscience). Μια σχετικά νέα τεχνική απεικόνισης, η υπολογιστική μικροτομογραφία ακτίνων Χ (ή απλά μικροτομογραφία ή micro-CT), χρησιμοποιήθηκε για την δημιουργία αυτών των ψηφιακών μορφολογικών και ανατομικών δεδομένων. Η μικροτομογραφία είναι μια νέα τεχνική παρόμοια με την ιατρική τομογραφία αλλά εφαρμόζεται σε κλίμακες μεγέθους χιλιοστού ή εκατοστού και παράγει εικόνες υψηλότερης διακριτικής ικανότητας. Η τεχνική είναι ιδανική για την απεικόνιση βιολογικών δειγμάτων επειδή επιτρέπει τη μελέτη μορφολογικών και ανατομικών χαρακτηριστικών χωρίς να καταστρέφει το πολύτιμο υλικό.Επιπλέον, φαίνεται ότι δεν αποδομεί τις αλληλουχίες νουκλεϊκού οξέος οι οποίες επιτρέπουν να γίνει μοριακή ανάλυση ενός δείγματος ώστε να προσδιοριστεί η γενετική σύσταση ενός είδους. Επομένως, η τεχνική έχει μεγάλες δυνατότητες για τη δημιουργία ψηφιακών ειδώλων μουσειακού υλικού, (και ιδιαίτερα του υλικού-τύπου) τα οποία θα μπορούσαν να χρησιμοποιούνται ως «cybertypes» και για τη δημιουργία εικονικών συλλογών. Σκοπός της μελέτης ήταν α) να καθοριστούν οι απαιτήσεις για τα εν λόγω «cybertypes», β) η αξιολόγηση της τεχνικής σχετικά με τις δυνατότητες και τους περιορισμούς της για τη δημιουργία των«cybertypes», γ) ο προσδιορισμός σημαντικών κατευθύνσεων στο πεδίο της πληροφορικής της βιοποικιλότητας και της μουσειολογίας σχετικά με τη δημιουργία εικονικών συλλογών και τη διαχείριση του ψηφιακού υλικού-τύπου και δ) η επίδειξη μιας νέας μορφής ταξινομικής δημοσίευσης η οποία ενσωματώνει διαδραστικά τρισδιάστατα μοντέλα στα ηλεκτρονικά κείμενα.Το Κεφάλαιο 4 είναι η πρώτη εργασία σε μορφή «δημοσίευσης δεδομένων» (data paper)η οποία περιγράφει τη δημιουργία μιας σημασιολογικά εμπλουτισμένης βάσης δεδομένων με πληροφορίες για βιολογικά χαρακτηριστικά των ειδών, το polytraits( http:// polytraits .lifewatchgreece. eu). Σκοπός της μελέτης ήταν η ψηφιοποίηση και η διάδοση πληροφορίας σχετικά με βιολογικά χαρακτηριστικά των Πολυχαίτων. Δεδομένα για βιολογικά χαρακτηριστικά (τα οποία περιγράφουν, π.χ. τον κύκλο ζωής, τη συμπεριφορά ή τη μορφολογία των οργανισμών) συνήθως δεν δημοσιεύονται από την επιστημονική κοινότητα, ή σε μορφές οι οποίες δεν επεξεργάζονται από υπολογιστές (π.χ. σε παραρτήματα επιστημονικών δημοσιεύσεων). Στη παρούσα εργασία αναπτύχθηκε η βάση δεδομένων και συλλέχθηκαν καιεισήχθηκαν δεδομένα από τη βιβλιογραφία. Τα δεδομένα διατίθενται σε διάφορες μορφές, ώστε να μπορούν να χρησιμοποιηθούν από ανθρώπους, αλλά και σε μορφές οι οποίες αναγνωρίζονται και μπορούν να ερμηνευτούν από υπολογιστές. Τελικά, τα δεδομένα υποβλήθηκαν και στην«TraitBank» της Εγκυκλοπαίδειας της Ζωής (EOL), ένα νέο αποθετήριο για πληροφορίες σχετικές για βιολογικά χαρακτηριστικά των ειδών.Στο Κεφάλαιο 5 τα δεδομένα από το polytraits αναλύονται στο πλαίσιο μιας οικολογικής υπόθεσης. Η εργασία αυτή αποδεικνύει την αξία αυτού του είδους πληροφορίας για την διερεύνηση ειδικών οικολογικών ζητημάτων, οι οποίες παρέχουν μία εκτίμηση πιθανών αλλαγών της λειτουργικότητας του οικοσυστήματος και υποστηρίζουν τη διαχείριση οικοσυστημάτων. Συγκεκριμένα, μελετήθηκε ο τρόπος με τον οποίο αλλάζουν τα πρότυπα κατανομής των βιοκοινωνιών των Πολυχαίτων σε 6 λιμνοθάλασσες της νοτιοανατολικής Ευρώπης καθώς και τα πρότυπα κατανομής των βιολογικών χαρακτηριστικών σε υποθετικά σενάρια απώλειας ειδών. Η εργασία αυτή αποδεικνύει την αξία αυτού του είδους πληροφορίας για την διερεύνηση ειδικών οικολογικών ζητημάτων, οι οποίες παρέχουν μία εκτίμηση πιθανών αλλαγών της λειτουργικότητας του οικοσυστήματος και διαθέτουν επιστημονική πληροφορία για τη διαχείριση οικοσυστημάτων. Η εργασία τονίζει τη σημαντικότητα της συλλογής και δημοσίευσης πληροφορίας για βιολογικά χαρακτηριστικά σε παγκόσμια κλίμακα.Το Κεφάλαιο 6 παρέχει μια συζήτηση των ερευνών οι οποίες διεξήχθησαν στο πλαίσιο της παρούσας διατριβής και τις εντάσσει σε ένα ευρύτερο πλαίσιο. Το ύστατο κεφάλαιο της παρούσας διατριβής είναι ο προσδιορισμός σειράς από σημαντικών ερευνητικών προκλήσεων στο πεδίο της πληροφορικής της βιοποικιλότητας οι οποίες πρέπει να αντιμετωπιστούν στο άμεσο μέλλον με σκοπό τη σωστή διαχείριση και χρήση πολύτιμων δεδομένων και πληροφοριών.