Transparencias de las clases sobre Linked Data en el Máster de Bioinformática de la Universidad de Murcia. Para un mejor efecto, http://biordf.org:8080/UM_LSLD/Clases/UM_Bioinformatics_LD.html

1. Life Sciences Linked Data
Máster Bioinformática UM
Mikel Egaña Aranguren
http://mikeleganaaranguren.com / mikel.egana.aranguren@upm.es
Biological Informatics Group (
http://wilkinsonlab.info ), CBGP, UPM, Madrid

3. Life Sciences Linked Data
https://mikeleganaaranguren.wordpress.com/teaching/
http://biordf.org:8080/UM_LSLD/Clases/UM_Bioinformatics_LD.html

5. ¿Qué es Linked Data?

7. Video divulgativo

8. ¿Qué es Linked Data (LD)?
Un método para ofrecer datos directamente en la web
Una propuesta del W3C : http://www.w3.org/standards/semanticweb/data

9. Un primer paso hacia la Web Semántica

10. Pila tecnologías Web Semántica

11. Un primer paso hacia la Web Semántica
LD utiliza la tecnología ya existente (URI, HTTP, ...) para ofrecer una primera
versión de la Web Semántica

12. Pila tecnologías Web Semántica y LD
BNODE

13. Principios LD
1. Usar URIs para identificar entidades
2. Usar URIs HTTP para que se pueda acceder a esas entidades
3. Cuando un usuario o agente accede a una URI, proveer información útil mediante
estándares (RDF, SPARQL)
4. Incluir enlaces a otras URIs para que se puedan descubrir más entidades
http://www.w3.org/DesignIssues/LinkedData.html

14. Con LD publicamos datos de manera ...
... semántica
... enlazada

15. Semántica
RDF ofrece el triple, un modelo de datos explícito y homogéneo: una "frase"
estándar que los ordenadores pueden "entender"

16. Enlaces
En el triple, cada entidad (sujeto, predicado, objeto) tiene una URI que lo identifica
Los datos son enlazados a otros datos a través de la web, con enlaces explícitos

17. Red global de datos enlazados

18. Red global de datos enlazados
Internet de datos, en vez de documentos: "Base de Datos universal":
Es más fácil construir aplicaciones que exploten los datos, incluyendo
razonamiento automático
Encontramos justo lo que buscamos: consultas directas (SPARQL) en vez de
procesar texto

19. Red global de datos enlazados
Navegamos directamente por las datos (RDF), en vez de navegar a través de
documentos que representan esos datos en lenguaje natural (HTML)
Enlazar datos nuevos es tan fácil como enlazar páginas web: crecimiento orgánico
de la red

20. Linked Open Data (LOD) cloud

21. http://richard.cyganiak.de/2007/10/lod/

22. Datasets de interés
Bio2RDF
OGOLOD (¡UM!)
LinkedLifeData
HyQue *
ArrayExpress and Gene expression atlas *
UniProt
LOD cloud ...

24. RDF

26. RDF (Resource Description Framework)
RDF es un estándar oficial del W3C para representar información en la web
www.w3.org/standards/techs/rdf

27. Triple RDF

28. Grafo RDF
Un grafo RDF es un conjunto de triples

29. Grafo RDF
Algunos objetos pueden ser valores literales (Cadenas de caracteres)
Sujetos y predicados sólo pueden ser recursos
Los valores literales pueden tener tipo ( XML Schema datatypes )

30. Elementos RDF
r f t p : agrupar recursos en clases
d:ye

31. Elementos RDF

33. URIs en RDF
Cada recurso (Sujeto, predicado, objeto) tiene una URI
URI: Uniform Resource Identifier ( RFC3986 )
Reference URI: URI + fragment (http://foo/bar#frag)
(En Linked Data, las URIs se pueden resolver, es decir de­referenciar)

34. Espacios de nombres XML
RDF usa espacios de nombres XML mediante "qualified names"
Vocabulario: URIs bajo un espacio de nombre
rdfs="http://www.w3.org/2000/01/rdf­schema#"
obo="http://purl.org/obo/owl/GO#"
owl="http://www.w3.org/2002/07/owl#"
...

35. Serializar RDF
RDF es un modelo para representar datos
Ese modelo abstracto se puede representar con diferentes sintaxis: "Serializar"
(escribir) en un archivo
Una de esas sintaxis es RDF/XML
No confundir el modelo con la sintaxis: ¡RDF es mucho más que un archivo XML!

36. Serializar RDF
RDF/XML ( http://www.w3.org/TR/rdf­syntax­grammar/ )
RDFa ( http://www.w3.org/TR/rdfa­core/ )
Turtle ( http://www.w3.org/TR/turtle/ )
N3 ( http://www.w3.org/DesignIssues/Notation3.html )
...

37. Serializar RDF: RDF/XML

38. Vocabulario (ontología) / triples

39. Más información
RDF primer
RDF validator

41. RDFS (RDF Schema)

43. RDFS
RDFS es un estándar oficial del W3C para describir clases de recursos RDF y sus
propiedades: definir vocabularios para RDF
http://www.w3.org/TR/rdf­schema/

44. RDFS

46. OWL (Web Ontology Language)

48. OWL
OWL es un estándar oficial del W3C para crear ontologías en la web con un
semántica precisa y formal
http://www.w3.org/standards/techs/owl

49. OWL
OWL se basa en Lógica Descriptiva (DL)
Representación computacional de un dominio de conocimiento:
Razonamiento automático: inferir conocimiento "nuevo" (*), consultas,
consistencia, clasificar entidades contra la ontología, ...
Integrar conocimiento disperso

50. Sintaxis OWL
Para ordenadores: RDF/XML, OWL/XML, ...
Para humanos: Manchester OWL Syntax, functional, ...

51. Semántica OWL
Una ontología OWL esta compuesta de:
Entidades: las entidades del dominio de conocimiento, identificadas con URIs,
introducidas por el desarrollador ("proteina", "participa_en", ...)
Axiomas: relacionan las entidades mediante el vocabulario lógico que ofrece
OWL
Una ontología puede importar otra (owl:import) y hacer referencia a sus entidades
mediante axiomas

52. Entidades OWL
Individuos
Clases
Propiedades
Objeto
Anotación
Datos

53. Individuos
Manchester tutorial

54. Propiedades
Manchester tutorial

55. Clases
Manchester tutorial

57. Semántica OWL
Una ontología OWL formada por individuos y clases es una "Base de
Conocimiento" (KB) formada por:
TBox (Terminological Box): clases (~ "esquema")
Abox (Assertional Box): individuos (~ "datos")

58. Clases

60. Clase subclase

63. Clases equivalentes

65. Jerarquía de clases (Taxonomía)

67. Condiciones necesarias

68. Condiciones necesarias y suficientes

69. Restricción existencial (some)
Manchester tutorial

70. Restricción universal (only)
Manchester tutorial

71. Restricción a un individuo (value)
Manchester tutorial

72. Restricciones cardinales
(+ QCR!) Manchester tutorial

73. Más axiomas para clases
disjointFrom
booleanos: not, or, and
Manchester tutorial

74. Expresiones complejas

75. Propiedades OWL

76. Manchester tutorial

77. Jerarquía propiedades
Jerarquía propiedad­subpropiedad (~taxonomía pero con propiedades), ej:
interacciona con
mata a
estrangula a

78. Características propiedades objeto
Manchester tutorial

80. Características propiedades objeto
Manchester tutorial

81. Características propiedades objeto
Manchester tutorial

82. Características propiedades datos
Solo funcional
Dominio clases, rango datatypes

83. Propiedades anotación
Anotar con lenguaje natural entidades (propiedades, clases, individuos), axiomas,
ontologías
Fuera de la semántica
rdfs:label, rdfs:comment, dublin core, a medida

84. Individuos
Miembro de una o más clases (Types)
Igual (SameAs) o diferente (DifferentFrom) a otro individuo
Relaciones binarias con otros individuos o datos (triples), positivas o negativas

85. Razonamiento automático
Un razonador infiere los "nuevos" axiomas que implican los axiomas que hemos
introducido en la ontología
El razonador infiere todos los axiomas; es útil para tratar con conocimiento
complejo
Open World Assumption (OWA)
(Falta de) Unique Name Assumption (¡owl:sameAs!)

86. Tareas más comunes razonamiento automático
Mantener taxonomía
Consistencia
Clasificar entidades y consultas

87. Mantener una taxonomía

89. Consistencia

91. Clasificar entidades, consultas
Clasificar entidades: dada una entidad nueva, como se relaciona con las demas
entidades (types, equivalentTo, subClassOf, triples)
Una consulta es una clase anónima que clasificamos contra la ontología como si
fuese una entidad

92. Ejercicios
Ejercicios: owl_assignment.pdf
Soluciones:
cars.owl
normalisation.owl , normalisation.png
answers_3_4.pdf

94. SPARQL

96. SPARQL
Lenguaje para hacer consultas sobre grafos RDF (~"El SQL para RDF")
http://www.w3.org/standards/techs/sparql

97. SPARQL

98. SPARQL

99. SPARQL
Tutorial: SPARQL by example ( Cambridge Semantics )

100. SPARQL
Ejercicio práctico: http://linkedlifedata.com/sparql
Ejercicio práctico: BioGateway

101. SPARQL
Ejercicio práctico: http://miuras.inf.um.es/sparql
search for the human genetic diseases related to the gene Brca1 of the Mus musculus
species stored in bio2rdf.org datasets

102. SPARQL
PEI ooo:<tp/mua.n.me/gldotlg/
RFX gld ht:/irsifu.sooo/nooy>
SLC DSIC ?i2d_mm?il
EET ITNT borfoi tte
WEE{
HR
?eeolsmA <tp/borfogpg/eed119 .
gn w:aes ht:/i2d.r/aegni:28>
?lse ooo:aOtoo ?ee.
cutr gldhsrhlg gn
?lse ooo:aOtoo ?rhlg.
cutr gldhsrhlg otoo
?ies ooo:asdy?rhlg.
dsae gldcueB otoo
?ies olsmA ?i2d_mm.
dsae w:aes borfoi
?ies ooo:ae?il .
dsae gldNm tte
}

103. SPARQL
Ejercicio práctico: http://miuras.inf.um.es/sparql
orthologs related to genes involved in lung cancer and belonging to Rattus
Norvegicus

104. SPARQL
PEI ooo:<tp/mua.n.me/gldotlg/
RFX gld ht:/irsifu.sooo/nooy>
PEI ooor <tp/mua.n.me/gldrsuc/
RFX gld: ht:/irsifu.sooo/eore>
SLC DSIC ?ee
EET ITNT gn2
WEE{
HR
?rhlgooo:rmpce
otoo gldfoSeis
<tp/mua.n.me/gldrsuc/CIao_01/CIao_01>.
ht:/irsifu.sooo/eoreNBTxn116NBTxn116
?rhlgolsmA ?ee .
otoo w:aes gn2
?lse ooo:aOtoo ?ee.
cutr gldhsrhlg gn
?lse ooo:aOtoo ?rhlg.
cutr gldhsrhlg otoo
?ies ooo:asdy?ee.
dsae gldcueB gn
?ies olsmA <tp/borfogpg/mm218>.
dsae w:aes ht:/i2d.r/aeoi:190
}

106. Cómo funciona LD

108. Grafos y triple stores
Un "triple store" contiene diferentes grafos

109. Consultas
Solo recibiremos los triples de ese triple store (¡Pero nosotros o nuestro agente
automático podemos seguir los enlaces! "Follow your nose")
Alternativa: federated queries ( http://www.w3.org/TR/sparql11­federated­query/
)

110. Negociacion contenido

111. Negociacion contenido

112. Negociacion contenido

113. Diseño URIs
HTTP URIs dereferenciables: cuando se busca una URI, deberia devolver una
descripción del objeto que identifica esa URI
Descripción del objeto (documento RDF) ≠ objeto
303 URIs vs Hash URIs

114. Diseño URIs
Base URI: http://geo.linkeddata.es/
TBox URIs:
http://geo.linkeddata.es/ontology/{concept|property}
http://geo.linkeddata.es/ontology/Provincia
ABox URIs:
http://geo.linkeddata.es/resource/{r. type}/{r. name}
http://geo.linkeddata.es/resource/Provincia/Madrid
http://www.slideshare.net/boricles/

115. Inferencia en LD
Para producir el dataset: materializar triples y asegurar consistencia
En consultas

117. Consumir LD

119. Navegadores LD
Disco
Tabulator
OpenLink
...

120. Buscadores LD
Sig.ma ( CYCB )
SWSE
...

121. Aplicaciones (Mash­ups)
Revyu
Talis aspire
NYT
...

123. Publicar datos en LD

125. ¿Por qué publicar datos en LD?
Enlaces al exterior:
Publicar solo nuestros datos, referancias al resto, no hay que replicar datos
externos:
Los datos externos se actualizan independientemente, y nuestro dataset va "a
remolque" sin esfuerzo

126. ¿Por qué publicar datos en LD?
Enlaces a nuestro dataset:
Es facil enlazar a nuestro dataset, ya que usamos HTTP URIs
Por lo tanto, aumenta la capacidad de nuestro dataset de ser descubierto
mediante enlaces

127. ¿Por qué publicar datos en LD?
Semántica: el significado de nuestro datos es explícito y claro, debido a RDF
(instancias) + OWL ("esquema"): es fácil crear aplicaciones, incluyendo
razonamiento automático (ej. agentes)

128. Publicar datos en LD

130. http://linkeddatabook.com/editions/1.0/#htoc61

131. Publicar datos en LD
Crear el dataset
Ontología OWL: reusar lo más posible de otras ontologías para
interoperabilidad
Instancias RDF
Añadir enlaces a otros datasets
Manualmente o con herramientas como SILK
A nivel de instancias (owl:sameAs, predicados, ...) y a nivel de vocabulario
(owl:equivalentClass, ...)

132. Publicar datos en LD
Almacenar el dataset en triple store
Publicar el dataset mediante servidor web
Registrar el dataset en Data Hub
Generar archivo voiD (Vocabulary of Interlinked Datasets):
http://www.w3.org/TR/void/
Generar archivo sitemap.xml (con sitemap4RDF ) y enviarlo a Semantic Web
index ( http://sindice.com/ ) y Google

133. Publicar datos en LD
Ejercicio práctico: recrear todo el proceso de publicar un dataset Linked Data
Crear el dataset y "publicarlo" en una infraestructura ya lista (Life Sciences Linked
Data)

134. Life Sciences Linked Data
"Pack" ya listo y configurado para publicar Linked Data en localhost (Solo para
GNU/Linux)
http://github.com/mikel­egana­aranguren/LSLD

135. Life Sciences Linked Data
Fuseki : triple store
Jetty : servidor web
Pubby : negociacion
contenido etc.

136. Life Sciences Linked Data
Probar con el dataset por defecto
Instrucciones: life­sciences­linked­data/LSLD/README, "Standard running"

137. Life Sciences Linked Data
/eafsk-..-NPHT
jn-uei026SASO
cmd+ fsk-evrs*
ho x ueisre -
.fsk-evr-udt -mm/s
/ueisre -pae -e d
.sptht:/oahs:00d/aadfut
/-u tp/lclot33/sdt eal
Dt/ok.t
aabostl

138. Life Sciences Linked Data
jtydsrbto-...3wbpsRO/E-
et-itiuin900M/eap/OTWB
IFwbxl
N/e.m
/et-itiuin900M
jtydsrbto-...3
jv -a satjrjtypr=00
aa jr tr.a et.ot88
http://localhost:8080/book1

139. Life Sciences Linked Data
Publicar el dataset de ejemplo con enlaces a otros datasets LOD
Instrucciones: life­sciences­linked­data/LSLD/README, "Using a different
dataset"

140. Life Sciences Linked Data
1. / e a f s k - . . - N P H T
jn-uei026SASO
2. m d r l l d
ki sdb
3. . f s k - e v r - u d t - l c . l l d / a a e
/ueisre -pae -o=/sdb dtst
4. . s p t h t : / o a h s : 0 0 d t s t d t l l
/-u tp/lclot33/aae/aa sd
Dt/SDeapeol
aaLL_xml.w

141. Life Sciences Linked Data
jtydsrbto-...3wbpsRO/E-
et-itiuin900M/eap/OTWB
IFwbxl
N/e.m
/et-itiuin900M
jtydsrbto-...3
jv -a satjrjtypr=00
aa jr tr.a et.ot88
http://localhost:8080/Protein_A

142. Life Sciences Linked Data
Crear vuestro propio dataset con Protégé 4 ( http://protege.stanford.edu/ ) (Demo
Protégé?)
Con enlaces a otros datasets
Publicar el dataset en localhost (Usar "Using a different dataset" como guía)

143. Life Sciences Linked Data
Silk ...
Inferencia con P4: materializar triples ...

144. Programación para LD
Generar RDF con Jena
Mdlmdl=Mdlatr.raeealMdl)
oe oe oeFcoycetDfutoe(;
Rsuc po_ =mdlcetRsuc(ht:/bpume/sdrfpo_";
eore rta oe.raeeore"tp/cg.p.sll.d#rta)
Rsuc cl_yl =mdlcetRsuc(ht:/bpume/sdrfcl_yl";
eore elcce oe.raeeore"tp/cg.p.sll.d#elcce)
Poet priiae_n=mdlcetPoet(ht:/bpume/sdrfpriiae_
rpry atcptsi oe.raerpry"tp/cg.p.sll.d#atcptsi
n)
";
mdladpo_,priiae_ncl_yl)
oe.d(rta atcptsi,elcce;
mdlwieSse.u)
oe.rt(ytmot;

145. Aplicaciones Linked Data
Consulta SPARQL endpoint con JENA (Juan F. Sequeda)
ipr cmh.p.eaqey*
mot o.phljn.ur.;
Srn srie="." / adeso teSAQ edon
tig evc ..; / drs f h PRL npit
Srn qey="EET..;/ yu SAQ qey
tig ur SLC ." / or PRL ur
Qeyxcto e=QeyxctoFcoysaqSriesrie qey
urEeuin urEeuinatr.prlevc(evc, ur)
RslStrsls=eeeSlc(;
eute eut .xceet)
wie(rslshset)){
hl eut.aNx(
Qeyouins=rslsnxSlto(;
urSlto eut.etouin)
/ ..
/ .
}
ecoe)
.ls(;

146. Sumario herramientas para LD
Triple strores y APIs: Jena , Virtuoso , Sesame , OWL API , ...
Editores ontologías: Protégé , TopBraid composer , ...
Publicar LD: Silk , Pubby , ...
Validadores: Vapour , RDF:Alerts , Sindice inspector , ...
...

148. Más información, agradecimientos, etc.

150. Más información
Linked Data, the story so far (Christian Bizer, Tom Heath, Tim Berners­Lee)
Linked Data: Evolving the Web into a Global Data Space (Christian Bizer, Tom
Heath)
Semantic Web Health Care and Life Sciences Interest Group ( W3C HCLS IG ):
Health Care and Life Science (HCLS) Linked Data Guide

151. Más información
José Antonio Miñarro­Giménez, Mikel Egaña Aranguren, Boris Villazón­Terrazas
and Jesualdo Tomás Fernández­Breis. Publishing Orthology and Diseases
Information in the Linked Open Data cloud. Current Bioinformatics 2012, 7 (3),
255­266. [ Bentham science ] [ pdf ]
Linked Data Patterns

152. Inspiración
Ontology engineering Group (UPM) : Raúl García Castro
Bioinformatics and Semantic Web Group , University of Texas: Juan F.
Sequeda
Isoco : Boris Villazón Terrazas
Biological Informatics Group (CBGP, UPM) : Mark Wilkinson
Linked Data : Evolving the Web into a Global Data Space (Christian Bizer, Tom
Heath)

153. Estructura de la presentación
Reveal.js