Design of Sequencing Data Management and FAIRification at Oncology Institute

Bc. Radoslava Kacová

Diplomová práce

Anotace:

Jednou z techník, ktorú Masarykův onkologický ústav (MOU) využíva pre diagnostiku pacientov je sekvenácia DNA/RNA, ktorá generuje obrovské množstvo surových dát využiteľných pre ďalší výskum. Hlavným problémom, ktorým sa diplomová práca zaoberá je súčasná nemožnosť zdieľať tieto sekvenačné dáta s externými výskumníkmi kvôli ich nedostatočnému popisu a správe. Súvisiacim problémom sú vysoké kapacitné nároky na ukladanie veľkého množstva sekvenančých dát, ktoré sú v súčasnosti zálohované na prenosných médiách bez akéhokoľvek čistenia a spracovania. Autorka k riešeniu problémov pristupuje z role tzv. dátového stevarda, ktorého cieľom je podporiť otvorenú vedu a zabezpečiť súlad dát s tzv. FAIR princípmi. Tieto princípy zabezpečujú, že dáta sú nájditeľné (findability), prístupné (accessibility), interoperabilné (interoperability) a v konečnom dôsledku znovu-využiteľné (reusability). Výstupom práce je návrh správy sekvenančých dát (tzv. data pipeline), v rámci ktorého bol vytvorený dátový katalóg slúžiaci ako jednotná platforma pre vystavenie metadát a navrhnuté cloudové prostredie pre ukladanie citlivých dát pomocou služby SensitiveCloud.

Abstract:

One of the techniques used by the Masaryk Memorial Cancer Institute (MMCI) to diagnose patients is DNA/RNA sequencing, which generates a huge amount of raw data that can be used for further research. The main problem that the thesis deals with is the current inability to share sequencing data with external researchers due to its insufficient description and management. A related problem is the high-capacity requirements for storing large amounts of sequential data, which are currently backed up on portable media without any cleaning and processing. The author approaches the work from the role of the so-called data steward, whose goal is to support open science and ensure data compliance with the so-called FAIR principles. These principles ensure that data is findable, accessible, interoperable, and ultimately reusable. The output of the work is the design of a sequencing data pipeline, within which a data catalogue serving as a unified platform for metadata exposure was created, and a cloud environment for storing sensitive data was designed using the SensitiveCloud service.

Keywords

open science, data stewardship, sequencing data, research data sharing, data reusability, FAIR Principles, FAIRification, pseudonymization, sensitive data storage, data catalogue

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 1. 7. 2022

Obhajoba závěrečné práce

• Obhajoba proběhla 31. 8. 2022
• Vedoucí: Mgr. Zdenka Dudová, Ph.D.
• Oponent: PhDr. Michal Lorenz, Ph.D.

Masarykova univerzita

Filozofická fakulta

Magisterský studijní program / obor:
Informační studia a knihovnictví / Informační studia a knihovnictví