Cross search and_semantic_web_mbsj2013

生命科学分野の横断検索サービスとセマンティック・ウェブ

医薬基盤研究所　伊藤真和吏

1

インターネット上での情報収集

2

Sagace 創薬・疾患研究のための生命科学分野のデータベースの横断検索サービス

http://sagace.nibio.go.jp/

3

4

h"p://integbio.jp/ja/

横断検索エンジンの仕組み

1.  CRAWLING 2.  INDEXING 3. QUERY PROCESSING

4. SCORING

5

CRAWLING

6

データベース

クローラー

INDEXING

•  データを便利なサイズに分割し，サーバー上へ保存

サーバー

Indexing Data

7

QUERY PROCESSING AND SCORING

8

NIBIO

MEDALS

JCGGDB

NBDC / DBCLS

AgriTogo

Collaborate by using P2P

architecture

SEARCH SYSTEM

9

横断検索サービスにとって

重要な事は何か

11

速さと正確さ

生命科学分野の横断検索サービス

にとって重要な事は何か

13

速さと正確さ

14

１日700名程度の利用

ログ解析を実施

どんなデータベースの需要があるのか　（Sagaceの場合）

•  ログを解析した結果，上位のデータベースは大体同じだった。 •  神８

–  特許 –  ゲノムネット医薬品データベース –  医学・薬学予稿集全文データベース –  お薬110番（ハイパー薬辞典） –  「健康食品」の素材情報データベース –  メルクマニュアル –  医療情報サービスMINDS –  ここカラダ　お薬辞典

15

ログの解析によるデータベース間の比較

•  人気のあるデータベースは医薬に関する“文字情報の多い”データベース

•  上位のデータベースに人気は集中 •  半分以上のデータベースはサービス開

始時（2012年3月）からクリックされていなかった。

16

Sagaceの取り組み

•  ログのデータを検索結果のランキングに反映

•  一度も検索されていないデータベースは検索対象から排除（272DB → 122DB)

17

速さと正確さが向上

18

しかし

19

生命科学分野のデータベースは

文字情報が少ないことも多い

20

どうするか？

21

セマンティックウェブ！

22

セマンティックウェブ？

セマンティックウェブとは

コンピュータが理解できる意味付けされたデータのウェブ

23

文書のウェブからデータのウェブへ

24 h"p://cellbank.nibio.go.jp/~cellbank/cgi-‐bin/search_res_det.cgi?ID=3267

横断検索の検索結果

25

文書のウェブからデータのウェブへ

26 h"p://cellbank.nibio.go.jp/~cellbank/cgi-‐bin/search_res_det.cgi?ID=3267

データ

データ

データ

データ

データ

データ

データ

データ

データ

データ

データ

データデータ

データデータデータ

データ

データ

データ

データ

データ

データのウェブ

27

ウェブページA ウェブページB

論文

細胞名

エントリーID

細胞名

疾患名

生物種

生物種論文

エントリーID 疾患名

データのウェブ

28


細胞名

生物種

ウェブページC ウェブページD

論文

細胞名

エントリーID

疾患名

生物種

論文

エントリーID

疾患名

疾患名

タンパク質名

データベース名

論文


疾患名

論文

研究者名

論文

所属

Q.　の疾患の掲載されているウェブページは？

29


細胞名

生物種


論文

細胞名

エントリーID

疾患名

生物種

論文

エントリーID

疾患名

疾患名

タンパク質名


論文


疾患名

論文

研究者名

論文

所属

A.ウェブページA,B,C,D

Q.　の論文が掲載されているウェブページ数とそのデータベース名は？

30


細胞名

生物種


論文

細胞名

エントリーID

疾患名

生物種

論文

エントリーID

疾患名

疾患名

タンパク質名


論文


疾患名

論文

研究者名

論文


A.２つ（ウェブページC,D），

31

どう書くのか？

32

A（の１つ）.メタデータによるマークアップ

メタデータとは?

•  データの情報を示したデータ。

疾患：アルツハイマー病生物種：ヒト最終更新日:2012-10-24 文献:PubMed ID 23110816 関連するエントリ：OMIM 134400

33

検索結果への反映

•  文字情報が少なくても，何に関するデータなのかが推測できる。

34

どうメタデータを入れるのか？

•  HTMLタグにメタデータを追記するだけ

35

http://schema.org/BiologicalDatabaseEntry/dateModified

サンプルページ 2012-10-24

反映方法

•  クローラーはメタデータの目印を発見して

•  インデックスに導入し

•  検索結果に反映させることが出来ます

36

幸せ　＞　面倒　

•  データベース開発者 – 検索結果により多くの情報を掲載できるように – データベースはそのままでメタデータが追記できる

•  ユーザー – より有用な情報を簡単に得られるように – 基礎研究と応用例を同時に比較しやすくなる

•  クローラー – メタデータの検出のプログラムは１つで済む

37

幸せ　＞　面倒　

•  データベース開発者 – メタデータを埋め込むのが面倒

•  ユーザー – わざわざSagaceなんか使わなくとも良いデータ

ベースを知っている。 •  クローラー

– 幸せにしかなりません。すみません。 –  （DB開発者の皆さんに負担を強いるのが心苦しい）

38

Sagaceだけの話？

•  いいえ。 •  Sagaceでサポートしているメタデータのマークアップ方式は

Microdata（とRDFa Lite) •  MicrodataはBing, Google, Yahoo!など大手検索サービ

ス提供企業が検索エンジンに利用をすることを協定しているマークアップ方式です。

•  例えSagaceが無くなっても •  頑張り次第で，大手の検索エンジンの検索結果にも先ほど

のようなデータが表示されます。

39

頑張り次第？

40

schema.orgへの追加候補

schema.org

検索表示対象

イマココ

schema.orgとは

•  “schema.orgは、検索エンジン大手の Google、Microsoft、Yahoo! がウェブの改善を目的として共同で進めている、構造化データマークアップの共通仕様を策定する取り組み。”（https://support.google.com/webmasters/answer/1211158?hl=ja）

•  生命科学のメタデータが大手の検索エンジンの検索対象となるためには，ここに登録されることが必要条件。

41

現状

•  生命科学用のプロパティを策定しました。

– entryID, isEntryOf, taxon, seeAlso, reference •  http://www.w3.org/wiki/WebSchemas/BioDatabases •  以下のプロパティも利用できます

–  image,disease,dateModified •  Sagaceの検索結果には反映できるようにしています。 •  マークアップ方法は

•  h"p://sagace.nibio.go.jp/press/metadata/markup/ •  をご参照ください。

42

８つのDBが採用

•  DoBISCUIT(Database Of BIoSynthesis clusters CUrated and InTegrated)

•  JCRB細胞バンク •  Functional Glycomics with KO mice database •  Glyco-Disease Genes Database •  JCGGDB Report •  MEDALS •  Integbio データベースカタログ •  LSDBアーカイブ

43

検索結果例

44

検索結果例

45

希望

46

schema.orgへの追加候補

schema.org

大手検索エンジン検索表示対象

まずはここに行きたい

Schema.orgに正式に採用されるために

•  “NEED MORE PEOPLE WHO THINK IT IS A GOOD IDEA.” (BY ORGANIZERS @ SCHEMA.ORG)

– PUBLIC-‐[email protected] (<-‐ ML LET’S JOIN !)

• より多くのデータベースのご協力が必要です。

47

microdata and RDFa Lite

•  microdata •  大手の検索エンジンへの採用をプッシュしたい。 •  とりあえず，メタデータを入れてみたい。

•  RDFa Lite •  既にRDFを多く利用している。 •  今後，RDFを積極的に作る予定がある。

Sagaceはどちらもサポートします。

48

Future Perspective

•  創薬疾患関連のデータベースを検索対象に追加 •  メタデータに文献データの追加 •  検索結果へのRDFa Liteの活用

49

謝辞

•  医薬基盤研究所 –  水口賢司

–  森田瑞樹

–  五十嵐芳暢

–  坂手龍一

–  長尾知生子

–  陳怡安

–  深川明子

–  増井徹 –  Johan Nystrom-‐Persson

50

•  本プロジェクトはNBDCとの共同研究「医薬基盤研究所データベースの統合化と外部連携」における支援を受けています。

•  バイオサイエンスデータベースセンター (NBDC)

•  農業生物資源研究所 (NIAS) •  産業技術総合研究所創薬分

子プロファイリング研究センター (molprof)

•  産業技術総合研究所糖鎖医工学研究センター (JCGGDB)

Cross search and_semantic_web_mbsj2013

Health & Medicine

Transcript of Cross search and_semantic_web_mbsj2013