PRUEBA AUTOMÁTICA DE HIPÓTESIS SOBRE BASES DE DATOS BIOLÓGICAS HETEROGÉNEAS UTILIZANDO REDES DE CONOCIMIENTO ABIERTAS

Resumen

Es necesario comprender las bases moleculares del dolor musculoesquelético para el desarrollo de terapias, su manejo y posible personalización. Uno de cada tres estadounidenses usa analgésicos de venta libre y una décima parte usa medicamentos recetados para controlar el dolor. Los CDC también estiman que alrededor del 20\% de los estadounidenses sufren dolor crónico. Dado que la experiencia del dolor agudo o crónico varía debido a la genética y la fisiología individual, es imperativo que los investigadores continúen encontrando nuevas terapias para tratar o controlar los síntomas. En este artículo, nuestro objetivo es desarrollar una plataforma computacional basada en el conocimiento semilla, llamada BioNursery, que permitirá a los biólogos formular hipótesis, definir y probar computacionalmente los mecanismos moleculares subyacentes al dolor. En nuestro ecosistema de conocimiento, acumulamos información seleccionada de los usuarios sobre las relaciones entre bases de datos biológicas, herramientas de análisis y contenidos de bases de datos para generar módulos de análisis biológicos, llamados pi-graphs o gráficos de procesos. Proponemos una función de mapeo desde una descripción en lenguaje natural de un modelo molecular hipotético hasta un flujo de trabajo computacional para realizar pruebas en BioNursery. Utilizamos un sistema de curación y retroalimentación de computación colectiva, llamado Explorer, para mejorar los modelos computacionales propuestos para el descubrimiento de mecanismos moleculares y el crecimiento del ecosistema de conocimiento