DataPLANT – Ein NFDI-Konsortium der Pflanzen-Grundlagenforschung

Abstract

In der modernen hypothesen-basierten Forschung sind Forschende zwingend auf Dienste und Infrastrukturen für Forschungsdatenmanagement (FDM) angewiesen, welche die Erfassung, die Verarbeitung, den Austausch und die Archivierung von Forschungsdatensätzen erleichtern. Dabei schafft ein modernes FDM erst die Verknüpfung von interdisziplinärer Expertise, sowie Vergleich und Integration verschiedener Analyseergebnisse mit dem darauf beruhenden immensen zusätzlichen Erkenntnisgewinn. Das Ziel des Projektes DataPLANT[1] besteht darin, diesen Mehrwert für die Pflanzen-Grundlagenforschung zu schaffen. Auf diesem Fachgebiet werden die (molekularen) Prinzipien des pflanzlichen Lebens untersucht, welche beispielsweise das Pflanzenwachstum, den Ernteertrag oder die Biomasseproduktion bestimmen. Die hierzu eingesetzten Methoden von Transkriptomik, Proteomik und Metabolomik bis hin zu bildgebenden Verfahren erzeugen hochdimensionale, polymorphe Daten, die verarbeitet, fusioniert und interpretiert werden müssen. Eine erfolgreiche Nutzung von Daten unterschiedlicher Modalitäten – aus vielen Quellen und Experimenten, vorverarbeitet oder analysiert mit einer Vielzahl von Algorithmen – erfordert eine Kontextualisierung der Daten. Hierzu zählt die Annotation mit detaillierten Metadaten ebenso wie ein eindeutiges Referenzieren der jeweiligen Daten mit ihren Abhängigkeiten. Die FAIR Data[2] and Linked Open Data[3]-Prinzipien bieten entscheidende Richtlinien für den verantwortungsvollen Umgang mit Forschungsdaten.

[1] Homepage und Community-Portal von DataPLANT, https://www.nfdi4plants.de, aufgerufen am 31.01.2021.

[2] Vgl. Wilkinson, Mark D. et al. „The FAIR Guiding Principles for scientific data management and stewardship“. Scientific Data 3, Nr. 160018 (2016): 1-9.

https://doi.org/10.1038/sdata.2016.18

[3] Vgl. Bizer, Christian et al. „Linked Data on the web (LDOW2008).” Proceedings of the 17th international conference on World Wide Web, (2008): 1265-1266.

https://doi.org/10.1145/1367497.1367760

rschungsdaten.