Informática y biodiversidad:

el caso de la e-taxonomía

Layla Michán

Departamento de Biología Evolutiva, Facultad de Ciencias, UNAM.

laylamichan@ciencias.unam.mx

Contenido

• Introducción– Taxonomía

– E-ciencia

• Informática y taxonomía– Aplicaciones WEB

– Acceso Abierto

– Semántica

– Interoperatividad

– Colecciones

– Meta-análisis

– E-taxonomía

INTRODUCCIÓN

Informática y biodiversidad: el caso de la e-taxonomía

INFORMACIÓNBIOLÓGICA

TIPOS1.Biológica

2.Bibliográfica

3.Institucional

ÁREAS1.Biodiversidad

2.Biomedicina

APLICACIONES1.Análisis de la ciencias biológicas actuales: desarrollo, estructura, relaciones y tendencias

2.Información e informática en ciencias biológicas, relacionadas y afines

3.Obtención de nuevo conocimiento biológico

4.Planeación, evaluación, gestión y política científica

PROBLEMAS1. (R)evolución digital en las ciencias biológicas

2. Características de la E-biología

3. Dinámica, estructura y relaciones de la biología reciente

4. Publicación científica en la Web

5. Recursos web y ciberinfraestructura para biología

6. Colecciones de datos

7. Meta-análisis de literatura: bibliometría, análisis de redes, minería de textos,

semántica

ENFOQUE MULTIDISCIPLINARIO1.Biología

2. Ciencias de la información y

documentación

3. Tecnologías de la Información y

comunicación

4.Ciencias de la computación e informática

5.Historia, sociología y filosofía de la ciencia.

Laboratorio de Ciencimetría, Información e Informática en Ciencias Biológicas

Facultad de Ciencias, UNAM

La sistemática y/o taxonomía

• Es la subdisciplina de la biología encargada de la descripción, la nomenclatura, la clasificación, la teoría y la historia de la clasificación de los seres vivos (Wiley, 1981), incluyendo sus bases, principios, procedimientos y reglas (Simpson, 1961).

• Constituye el sistema de referencia de la biología, porque entre sus tareas principales están: descubrir, identificar, nombrar y clasificar a los seres vivos.

Informática Biológica•Ciencias de la Información biológica: La recopilación, clasificación, almacenamiento, recuperación y difusión de la información biológica, en especial la literatura.

•Bioinformática: Investigación, desarrollo o aplicación de herramientas computacionales y enfoques para ampliar el uso de datos biológicos, médicos, de comportamiento o de salud, incluidos los de adquirir, almacenar, organizar, archivar, analizar o visualizar estos datos.

•Biología computacional: El desarrollo y aplicación de métodos de datos analíticos y teóricos, modelos matemáticos y técnicas computacionales de simulación para el estudio de sistemas biológicos, conductuales y sociales.

•Informática biológica: estudio de los problemas sobre la información biológica para su sistematización, recuperación, manejo, análisis, publicación, difusión e intercambio.

e-science/ cyberinfraestructure

• e-science (europe)

• United Kingdom's Office

of Science and

Technology in 1999.

• Se refieren a la

ciencia a gran escala,

que se lleva a cabo a

través de colaboración

global habilitada por

el Internet.

• cyberinfraestructure (USA)

• United States National Science

Foundation (NSF) blue-ribbon

committee in 2003 .

• Describe el nuevo ambiente de

investigación apoyado por la

adquisición de datos avanzados, el

almacenamiento, gestión,

integración, minería, visualización,

computación y servicios de

procesamiento de información a

través del Internet.

Ciberinfraestructura

•Entorno tecnológico-social que permite crear, difundir y

preservar los datos, información y conocimientos

mediante la adquisición, almacenamiento, gestión,

integración, informática, minería, visualización y otros

servicios a través de Internet (NSF 2003, 2007).

•Incluye un conjunto interoperable de diversos

elementos:

–1) Infraestructura, los sistemas computacionales (hardware,

software y redes), servicios, instrumentos y herramientas.

–2) Colecciones de datos.

–3) Grupos virtuales de investigación (colaboratorios y

observatorios).

E-ciencia (ciberciencia)

• Resulta del uso y aplicación de la

Ciberinfraestructura en la práctica cientifica,

• Se caracteriza por la inter y multidisciplinariedad.

• Colaboración, la participación de un gran número

de investigadores (en algunos casos cientos)

localizados en diversas regiones y con diferentes

especialidades que se forman grupos trabajo (Hey

y Trefethen, 2005; Barbera et al.,2009).

E-ciencia• Transformación en 30 años:

– Tecnológica• Computadoras

• Web

• Documentos digitales

– Teórica• Nuevos campos del conocimiento

– Metodológica• In sílico

– Social• Colaboración

• Democratización

• Masiva

– Cultural:• Acceso abierto

FUNCIONES

Web 2.0 y 3.0

• Etiquetar (Tagging)

• Compartir (share)

• Calificar (ranking)

• Suscribirse (feeds)

• Comentar

IIIMeta-análisis

• Infometría

• Análisis de Redes

• Descubrimiento basado en literatura

Buscadores Metabuscadores

Buscadores especializados

Editores ProveedoresBuscar

Marcar (marck)Sistematizar / Organizar

Explorar

Difundir

II

Colecciones

de datos bibliográficas

•Personalización•Inmediatez•Automatización•Eficiencia

CARACTERÍSTICAS

IGenerales

Layla Michán, 2010

I. Aplicaciones Web y programas

III. Meta-análisis de literatura

II. Colecciones bibliográficas

APLICACIONES WEB Y

PROGRAMAS

Informática y biodiversidad: el caso de la e-taxonomía

Explorar

Buscar

Marcar

Actualizar

Manejar

Analizar

Web 2 y 3 para taxonomía

La Web 2.0 (Social)

• Se centra en la capacidad de las personas para colaborar y compartir

información en línea.

• Transición de la Web estática a una dinámica, que es más

organizada.

• Comunicación abierta con un énfasis en comunidades de usuarios e

intercambio de información.

• Ya no sólo se trata de ofrecer la posibilidad de encontrar información,

sino de lograr objetivos específicos, pues es factible, crear, etiquetar

jerarquizar y compartir datos.

• Lenguaje HTLM.

Web 3.0 (Semántica)

• Basada en la idea de añadir metadatos semánticos e información (a

través de mapas cognitivos).

• Desarrollar nuevos sistemas de interoperabilidad que permitan

interpretar metadatos para adaptarse a las acciones de los usuarios .

• Minería de textos y ontologías.

• Lenguajes: XML (etiquetas) y RDF (metadatos).

Navegar

BuscarRecomendación

Selección Recuperación

Lectura

Comentar

CitarReferencias

PUBLICACIÓN

Guardar

Obtener

metadatos

1

7

3

45

6

2

Meta-análisisBibliometría

Análisis de redes

Descubrimiento Basado en Literatura

Comentar

PDFs

Acrobat

PDF Exchange*

COLECCIONES DE

DATOS

Bases de datos

Sistemas de

información

Proveedores

Citar mientras

escribo

1/100

Marcadores

Google marcadores y

block

Facebook

Folkosomias

Delicious

Citeulike

Gestores de

bibliografíaGestores de

bibliografía

Endnote

Refworks

Mendeley*

Zotero

Citeulike*

PDF

HTLM

TXT

Alertas

Correos electrónicos

Listas de discusión

Agregadores

Navegadores

Google, Bing

Ciberinfraestructura

Modificado de Hull, 2009

Marcadores/Guardar etiquetar

Manejador

bibliografíaca

Marcador

bibliografía

Marcador web

Marcador

imágenes

Library

Torres-Salinas, D. and E. Delgado-López-Cózar (2009, September). Estrategia para mejorar la difusión de los resultados de

investigación con la web 2.0. El Profesional de la Informacion 18 (5), 534-539.

Redes sociales/Marcar compartir

Artículos de vanguardia

Marcar

Compartir

cBuscar

Calificar

Ranking

c

c Bibliometría

Varios

http://www.tolkin.org/

http://www.gbif.org/informatics/primary-data/publishing/

Aplicación

para

publicación

de datos

taxonómicos

La Web semántica

• (del inglés semantic web) es la "Web de los datos".1

• Se basa en la idea de añadir metadatos semánticos y ontológicos a la WorldWide Web.

• Esta información adicional —que describen el contenido, el significado y la relación de los datos— se deben proporcionar de manera formal, para que así sea posible evaluarlas automáticamente por máquinas de procesamiento.

• El objetivo es mejorar Internet ampliando la interoperabilidad entre los sistemas informáticos usando "agentes inteligentes". Agentes inteligentes son programas en las computadoras que buscan información sin operadores humanos.

Tim Berners-Lee, el creador de la

idea, la expresó de la siguiente

manera:

"Mi sueño es una Web en la que las

máquinas sean capaces de analizar

todos los datos –contenido, enlaces

y transacciones entre la gente y los

ordenadores–. La 'Web Semántica',

que haría esto posible, está todavía

por llegar, pero cuando llegue, la

rutina de nuestras compras,

burocracia y vida diaria será

gestionada por máquinas hablando

con máquinas. Los 'Agentes

Inteligentes' que han sido

anunciados durante décadas se

harán por fin realidad".

Interoperatibilidad

La interoperabilidad es la propiedad de un producto o

sistema, cuyas interfaces se conocen por

completo, para trabajar con otros productos o sistemas,

presentes o futuros, sin ningún tipo de acceso

restringido o de ejecución.

Estándares

• XML (eXtensible Markup Language)

• RDF (Resource Description Framework)

• SPARQL (an RDF Query Language)

XMLXML, siglas en inglés

de eXtensible Markup Language ('lenguaje

de marcas extensible'), es

un metalenguaje extensible de etiquetas

desarrollado por el World Wide Web

Consortium (W3C).

Ontologías taxonomía

• Una ontología es una manera formal de representar el conocimiento en el que los conceptos son descritos por su significado y su relación con los demás.

• Se asignan identificadores únicos que se asocian con cada concepto en ontologías biológicas (bio-ontologías) puede ser utilizada para enlazar información de diversas bases de datos.

http://richard.cyganiak.de/2007/10/lod/lod-datasets_2010-09-22_colored.html

Dublin Core Metadata Element

Set (DCMES)

• 15 elementos de meta-datos básicos.

http://www.tdwg.org/standards/

Leong, L. K. W., Coddington, P., & Wendelborn, A. (2005). Data grid services for biodiversity

informatics.

URL http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.86.9774

http://www.gbif.org/documents/ss5hobern.pdf

Guralnick, R., & Hill, A. (2009). Biodiversity informatics: automated approaches for documenting global biodiversity patterns and

processes. Bioinformatics , 25 (4), 421-428.

URL http://dx.doi.org/10.1093/bioinformatics/btn659

Cómputo en grid• No hay otro gran avance tecnológico que

haya demostrado el poder de

los individuos que el grid computing.

• Donar su tiempo en la computadora sin usar.

•

Cloud computing (cómputo en nube)

Es un enfoque transformador de la computación que involucra muchos aspectos, entre los que se incluyen:algoritmos a gran escala que se ejecutan en diversos conjuntos de

datos (estructurados, semi-estructurados y no estructurados),

almacenados en grandes equipos con enormes cantidades de datos de enorme,

utilidades basadas en la rápida provisión de recursos informáticos personalizados, y la web ubicua con aplicaciones accesibles desde cualquier lugar.

Sin embargo, es mucho más que lo que la tecnología promete: transformar radicalmente nuestra manera de interactuar con la información.

Ecosistemas digitales• En el mundo de Internet, el rápido crecimiento y el uso exponencial de

los medios digitales ha dado lugar a la aparición de

entornos virtuales denominados ecosistemas digitales.

• Están integrados por varias entidades independientes, como: individuos,

organizaciones, servicios, software y aplicaciones para

compartir una o varias misiones y centrarse sobre las interacciones e

interrelaciones entre ellos.

• Permiten la auto-organización de los ambientes, gracias a la

recombinación y la evolución de sus "componentes digitales", en

los que los recursos proporcionados

por cada entidad están bien conservadas y son factibles de gestionar y

utilizar en conjunto.

• Debido a la naturaleza multidisciplinar de los ecosistemas digitales

y sus características, son muy complejos para el estudio y diseño.

http://130.102.71.54/medes

Programas informáticos

Software para :

• Sistematizar información taxonómica,

• Realizar claves de indentificación,

• Analizar grandes cantidades de caracteres

(moleculares y morfológicos),

• Manejar grandes volúmenes de imágenes,

• Hacer análisis fenéticos y filogenéticos

complejos.

Ventajas/Desventajas

• Estos avances tecnológicos han tenido sus ventajas y desventajas (Godfray et al. 2007).

• Entre las primeras están que permiten el uso de estándares internacionales,

• Aumentan la eficiencia de los procesos y la capacidad de almacenar información,

• Optimizan el meta-análisis

• Integran información que se encuentra dispersa en tiempo y espacio.

COLECCIONES

Informática y biodiversidad: el caso de la e-taxonomía

Colecciones• Colecciones de datos digitales (megabases de datos)

taxonómicas, curatoriales, bibliográficas y de distribución

(Shanmughavel 2007) que se pueden consultar en línea;

• resaltan iniciativas mundiales como encyclopedia of life

(http://www.eol.org/),

• tree of life (http://tolweb.org/tree/),

• genBank (http://www.ncbi.nlm.nih.gov/Genbank/),

• barcode of life (http://www.barcoding.si.edu/),

• Biodiversity Heritage Library

(www.biodiversitylibrary.org/) y

• Global Biodiversity Information Facility

(http://data.gbif.org/welcome.htm).

• Biosis, Zoological Record y Epic

Colecciones/Sistematizar

Clasificación de las Colecciones digitales para

biodiversidad

• Tipos de datos– Texto, números e imágenes– Video , películas y audio– Software, algoritmos y ecuaciones, – Animaciones modelos, simulaciones,

etc

• Tipo de información– Bibliográfica– Curatorial– Nomenclatural– Biológica (morfológica bioquímica,

molecular)– Geográfica– Ecológica– Institucional

• Cobertura temática– Gupos y/o taxones

• Nivel de organización– Genes – Especies– Ecosistemas

• Cobertura geográfica– Mundial

– Regional – Local– Institucional– Personal

• Cobertura temporal– Siglo XIX– 1975-2010– 1865-2010

• Origen de la información– Éndogena (A.L)– Exógena

• Iniciativa– Académica– Gubernamental– Privada

• Acceso– Libre– Restringido

• Tamaño– Cantidad de registros– Memoria virtual (Teras o Gigas)

669 al 7 agosto 2011

http://www.animalbase.de/

Entrez

Colecciones bibliográficas

Repositorios

Editoriales y revistas

Catálogos e índices

Sistemas de información

E-bibliotecas

http://epic.kew.org/searchepic/searchpage.do;jsessionid=F

E84A5745BC3C8E853696798AB4D8D00

Algunas cifras•Ulrichs´s 300, 000 revistas.•DOAJ: 6, 715•La revista científica PLoS ONE publicó su artículo número 10.000 (1 dic 2006- 2 abril 2010, 41 meses)•PubMed Central 2.2 millones de artículos.•PubMed 20 millones de registros.•Scopus más de 40 millones de registros. •ISI Web of Knowledge (WOK) 40 millones de registros.•Google Scholar•Arif Jinha en la Universidad de Ottawa ha estimado recientemente que el número de artículos publicados desde siempre es alrededor de 50 millones.

–Desde 1665, cuando inició la Philosophical Transactions of the Royal Society,

•http://duncan.hull.name/2010/07/15/fifty-million/

http://www.botanicus.org/About.aspx

DOCUMENTALBIOLÓGICA

Investigación sobre biodiversidad

Memorias

Artículos

Catálogos

Checklist

Libros

Páginas

electrónicas

índices y

abstracts

Revisiones

Libros de texto

Enciclopedias

ManualesBases de datos

bibliográficas

Organismos y sus partes

Diarios y

Etiquetas

Colecciones

Catálogos

Bibliotecas y

hemerotecas

INSTITUCIONAL

Science Citation Index®

Zoological Record

BIOSIS Previews

Biological Abstracts

Genetic databasesGenetic databases

The Tree of Life

Bases de datos

biológicas

Bases de datos

institucionales

Mundiales

1

10

100

1000

10000

100000

1864

1870

1876

1882

1888

1894

1900

1906

1912

1918

1924

1930

1936

1942

1948

1954

1960

1966

1972

1978

1984

1990

1996

2002

log

Do

cu

men

tos

SCI Periodica

SCI Biosis

CAB Scopus

ZR

Taxonomía AL

0

10

20

30

40

50

60

70

80

90

100

Bio

l Evolu

t

Zoolo

ogía

Eco

l y cien

c amb

Cien

c bio

log

Anat y

morf

Botàn

ica

Paleo

nto

logía

Bio

l mar y

acuát

Bio

div

y co

nserv

Gen

ética y h

erencia

Parasito

logía

Bio

l repro

d

Fisio

logía

Enfer in

fecc

Forestal

Agricu

ltura

Boquím

y b

iol m

ol

%Biosis

ZR

CAB

SCI

Periódica

Taxonomía América Latina

Taxonomía AL

Acceso abierto

• Costo de la literatura científica.

• La ciencia se subvenciona con fondos

gubernamental (públicos).

• Mandatos

– Welcome trust

– NIH

• No hay mandatos para biodiversidad.

• All research would be more useful if it were OA. But I’m an incrementalist. I’ll take what we can get when we can get it. I don’t expect OA to classified military research, and I don’t even argue for it. I don’t expect OA to patentable discoveries until after the discoverers voluntarily decide to publish. I don’t expect OA to copyrighted books except when OA would increase net sales or bring benefits that exceed royalties.

Repositorio Acceso

abierto Libre: ofrece algunos derechos de uso adicionales

como el de modificar y distribuir la obra siempre y

cuando se cite a el o los autores

Gratuito: se refiere a que la consulta del

documento completo en línea es sin costo

Licencia que especifica los derechos de uso:

Creative Commons

(http://creativecommons.org.mx/ )

Acceso abierto vía

oro (Gold Route)

Acceso abierto vía

verde (Green Route)

e-print (e-impreso)

Es la versión digital de un documento de investigación (generalmente un

artículo de revista, pero también podría ser una tesis, ponencias, capítulos de

libros, o un libro) que está accesible en línea porque ha sido depositado en un

repositorio digital

e-print

Pre-prints (artículos

antes de que sean

evaluados por pares)

Post-prints (la versión

resultado de la revisión por

pares)

Interactividad

Diseño

Integración

Agregación

Movilidad

Revistas electrónicas de vanguardia• Formato electrónico

– Datos complementarios

– Barato

– Múltiples formatos

– Identificadores digitales

– Interactividad

– Sin límites de extensión

• Eficiencia e inmediatez

• Acceso abierto

• Uso libre

• Evaluación por pares identificados (no anónimos)

• Indización y archivo en bases de datos

• Indicadores bibliométricos

– Las medidas de impacto

– Información sobre la Cita

– artículos relacionados

• Web 2.0 social

– Marcadores sociales

– Comentarios y notas

– Blog de cobertura

• Código de ética de publicación científica explícito

• Políticas explícitas de Autoarchivo

Figure 1. A mind map [207] summarizing the contents of this article in a convenient manner.doi:10.1371/journal.pcbi.1000204.g001

(Hull, D. et al., 2008)

The Advantages• Unmatched speed of publication

• In this era of elevated extinction rates of World's living animal species, rapid publications of taxonomic papers are not only desirable to

authors, but also important to our science. Zootaxa aims to publish most manuscripts within a month or two after the final revisions are

accepted by editors.

•

• Great flexibility

• Unlike many other journals, Zootaxa does not restrict the length of manuscripts. A paper of a few pages describing a new species is not too

short and a monograph of a few hundred pages is not too long. The only requirement is that peers/editors consider it a quality paper that is

well-presented and makes a good contribution to animal diversity research. As an option for monographs, ISBNs are assigned to papers of

60 pages or more.

Subscription is also flexible. You can have a standing order to the online or print edition, or both. You can also have a standing order to a

subset of papers (e.g. papers on insects, papers on fishes). You can also purchase individual papers and both PDF or paper copies can be

ordered this way.

•

• Maximal online exposure

Accessed daily by more systematic zoologists daily than any other zoology journal, your papers are more likely to be read and cited if you

publish them in Zootaxa.

• Minimized cost to authors and readers

No page charge is required for publication of papers or monographs. Free e-reprint (a printable, high-resolution PDF) is also provided for

authors' personal use (including exchange with other individual scientists, but not for deposition in libraries/websites/ftp-sites for public

access). Authors with funding for publication can opt to pay a fee of US$20 per printed page to make his/her paper free online at this site.

Colour images can be published in the online edition without any fees to authors.

Unlike many other journals, which require subscribers to buy a full issue or volume containing many papers not needed by a particular

reader, Zootaxa allows subscribers to purchase each individual paper based on his/her needs and budget. An issue cost as little as

US$4.00.

• Optimized use of technology

Internet will be used to maximize the benefits of online journals: reduced cost in production and delivery, enhanced access, and interactive

links in online files. The print edition is also produced concurrently for permanent records, using state-of-the-art printing technology.

•

• Environmental soundness

The use of paper is minimized to save our forests and environment: free e-reprint is provided to authors instead of paper ones so that

authors can print out only enough paper copies that are needed; paper reprints can be ordered as few as 25 copies to avoid waste;

correspondence /invoices to subscribers are sent electrically without paper whenever possible; submissions and reviews of manuscripts are

handled electronically whenever possible.

META-ANÁLISIS

Informática y biodiversidad: el caso de la e-taxonomía

III Meta-analisis•Scientometrics

•Network Analysis

•Text mining

•Semantics

Web

Browsers

Metabrowser

s

web browsers

specializedEditors

SuppliersSearch

Bookmark

Browse

Share

II Colecciones bibliográficasI Aplicaciones Web

Repositories

Indexes and catalogs

Information systems

Manage

Libraries

Meta-análisis

• Simultáneo al desarrollo de ciencias de la información(CI) y las tecnologías la información y la comunicación(TICS), en especial con el desarrollo de las bases dedatos y la Internet, se han producido formas sistémicasde análisis de cantidades colosales de información(terabites).

• Técnica cuantitativa que usa mediciones específicaspara indicar la fuerza (tendencias) de relacionesvariables en los estudios incluidos en el análisis.

• La técnica enfatiza los resultados entre múltiplesestudios en oposición a los resultados obtenidos deuna sola investigación.

Meta-análisis

Meta-análisis

1. Análisis evolutivos

2. Bibliometría (cienciometría, infometría, cienciometría, cibermetría, alt-metría): Volumen de publicaciones, productividad y temática de la investigación

3. Análisis de Redes: Conexiones entre nodos que muestran información y sus relaciones.

4. Minería de Textos (Descubrimiento Basado en Literatura, descubrimiento basado en bases de datos) : Vinculación de conceptos para la obtención de nuevo conocimiento

5. Semántica: Es un conjunto de estándares y tecnologías que proporciona herramientas para una caracterización explícita de la semántica de la información para encontrar información distribuida heterogéneamente y relacionada.

Propósitos

1. Recuperación de información.

2. Obtención de nuevo conocimiento.

3. Evaluación.

4. Análisis, desarrollo, estructura y relaciones

de la dinámica científica.

http://bioinfo.dacya.ucm.es/

Entomology

E-taxonomía

• Aplicaciones web y programas

• Colecciones

• Grids, nube y semántica

• Meta-datos

• Meta-análisis

• Estándares e interoperatividad

• Resignificado

• Acceso abierto y creative commons

• Colaboratorios y observatorios

• Principales iniciativas GBIF, Vibrant, iplant, Edit

•E-taxonomía muchas

herramientas

•Poco impacto en la

práctica taxonómica,

•En las publicaciones no

se reporta

http://biiiogeek.blogspot.com/

• Esta investigación se lleva a cabo

gracias al financiamiento de:

• DGAPA, UNAM. Proyecto PAPIME PE

201509

• CONACYT, Ciencia Básica. Proyecto

13276 2011-2014.

Licencia Creative

Commons

http://creativecommons.org/licenses/by/3.0/deed.es_GT

Michán, L. 2011. Presentación

Forma de citar este trabajo