Automatic capture of provenance data in genome project workflows

Abstract

Many scientific experiments are designed as computational workflows in the bioinformatics domain, which facilitates implementation and analysis. However, the amount of data generated increases at every phase of each execution, hindering the identification of the source and the data transformation. Therefore, it has become necessary to create new tools to verify automatically which resources and parameters were used to generate the results, among other information to validate and publish the experiment. This functionality of automatically capturing data provenance has been receiving attention in the scientific community, primarily with regard to bioinformatics projects, due the fact that the same workflow is executed several times with different parameters and versions of the tools. In this paper, we propose to use relational schema to automatically store data provenance using the PROV-DM model for workflows in bioinformatics projects.

Gerenciamento de dados de proveniência de workflow de bioinformática com banco de dados baseados em grafo

“…A execução de projetos de bioinformática necessita de uma variedade de processos que podem ser executados com diferentes opções de programas e diversas formas de uso através de parâmetros e configurações. Portanto, em Pinheiro et al (2013) é proposta a captura dos dados de proveniência semi-automática e a definição de um esquema relacional baseado no modelo PROV-DM com o objetivo de facilitar a validação e publicação do experimento. Como principal resultado conseguiu-se gerar o grafo de proveniência da execução de workflows em Bioinformática.…”