EBP-prosjektet generer en mengde data. I tillegg til å lagre selve dataene (sekvenseringsdata, genomassemblier, genomannotasjoner, …), er det veldig viktig å også ta vare på såkalte “metadata”. Metadata er informasjon som forteller oss noe mer om selve dataene. Metadata kan være sånt som lokasjon og tid for prøvetaking, hvem som har tatt prøvene og/eller identifisert arten, eller hvordan en prøve har blitt tatt. Metadata for beregningsdata kan være sånt hvilken programvare har blitt brukt til å generere dataene, men også hvilken versjon og hvilke parametere som er brukt.
Et problem for metadata for data som er laget av programvare (som genomassemblier og annotasjoner) er at metadataene ofte er veldig mangelfulle eller ikke-eksisterende, og at det er ingen måte å søke i dem på. Selv om vi skulle ønske å deponere/sende inn metadataene for våre analyser er det per nå ingen måte å sende disse metadataene til store, internasjonale databaser som NCBI GenBank eller ENA. Metadataene blir (forhåpentligvis!) beskrevet i publikasjoner, men det kan gjøre det vanskelig for andre å få tak i. (Det er ikke rett frem å automatisk uthente (meta)data fra tabeller som er i en PDF.) Hvis en analyserer titalls eller hundretalls genomer vil det være tilsvarende mengde artikler som må gjennomgås manuelt for å sjekke hvordan annotasjonene egentlig er gjort.
Heldigvis er det flere initiativer som har som formål å sette opp standarder for å gjøre det enklere for folk å både lagre og å sende inn metata, som samtidig kan gjøre det enklere å søke på dem. En av disse er organisert av en arbeidsgruppe i RDA (Research Data Alliance) som heter “FAIRification of Genomic Annotations - metadata harmonisation at scale”. Denne arbeidsgruppa, som blir ledet av Sveinung Gundersen fra UiO, har som mål å lage standarder for å lagre og dele genomannotasjoner på en FAIR måte: Findable, Accessible, Interoperable, and Reusable (det vil si: finnbar, tilgjengelig, interoperabel og gjenbrukbar). Sammen med Gavin Chait sendte Sveinung inn et prosjekt til 2024 Elixir Biohackaton i Barcelona som ble akseptert. I en (bio)hackathon samles folk med forskjellige bakgrunner og jobber sammen på spesifikke problemer med minimalt med distraksjoner.
Fra EBP-Nor-prosjektet dro Ole K. Tørresen og Bram Danneels til biohackathonet i Barcelona. Selve biohackathonet skjedde fra 4. til 8. november og startet med en tre timers forsinkelse i flygningen på grunn av veldig dårlig vær i Barcelona. Dette var et rødt varsel som gjorde at flyplassen i Barcelona ikke tillot at noen fly landet og lagde store forsinkelser for de fleste som skulle på hackathonet. Selv om de dessverre gikk glipp av introduksjonen av hackathonet og presentasjonen av prosjektene, rakk de heldigvis den gode middagen på stedet (det første av mange den uka).
De neste tre dagene dreide seg bare om selve hackingen. Vi traff teamet som besto av de to lederne (Sveinung og Gavin), fire andre som var tilstede (inkludert Ole og Bram), en deltaker fra UK over nett og et team på sju personer fra Australia (også over nett). Koordineringen med teamet fra Australia var utfordrende på grunn av tidsforskjellen. Vårt team startet litt tidligere enn andre team for å kunne koordinere med det australske teamet, mens de i Australia forskjøv sin arbeidsdag utover kvelden slik at det ble overlapp. Dette gjorde at det var noen som jobbet fra vårt team til nesten alle døgnets tider.
Vi jobbet på et datasett donert av Katharina Hoff (en av utviklerne av BRAKER-genomannotasjonsprogramvaren). Hun ga oss metadata fra et av sine publiserte prosjekter hvor vi skulle ta ut de som vi mente var mest viktig for å gjøre det FAIR. Teamet vårt besto av personer med en rekke forskjellige bakgrunner, så vi måtte bruke ganske mye tid på diskusjoner og forklaringer. Det tok en del tid å finne ut av hvordan vi skulle angripe problemet, men etter to dager med intense diskusjoner kom vi fram til en foreløpig konklusjon. Vi bestemte oss for å lage et intermediært skjema basert på skjemaene som finnes i FAIRtracks som forhåpentligvis dekker de mest viktige metadataene om genomiske annotasjoner. Resultatet ble et førsteutkast av dette forenklete skjemaet som så kan brukes inn i RDA-arbeidsgruppen som et grunnlag for videre utvikling.
Denne prestasjonen ble feiret med drikke og karaoke og etter en kortere natt for noe, var det tid for å oppsummere biohackathonen og å dra hjem. For begge oss (Bram og Ole) var dette første gangen vi deltok i noe slikt, og selv om vi begge var utslitte på slutten, var det en verdifull opplevelse. Forhåpentligvis vil resultatene av dette arbeidet snart bli brukt til å enkelt lagre og dele metadataene for våre genomannotasjoner med resten av det vitenskapelige fellesskapet.
Du kan lese mer om arbeidet vårt på biohackathonen på GitHub-sida!