FAIR principles and big data: a software reference architecture for open science

Abstract

A Open Science busca a garantia de disponibilidade e usabilidade gratuitas de todos os resultados digitais originados de pesquisas científicas, como publicações científicas, dados e metodologias. Ela motivou o surgimento dos Princípios FAIR, que introduzem um conjunto de requisitos que os repositórios contemporâneos de compartilhamento de dados devem adotar para fornecer capacidade de localização, acessibilidade, interoperabilidade e reutilização. No entanto, implementar um repositório compatível com FAIR se tornou um problema central devido a dois fatores principais. Primeiro, há uma complexidade significativa relacionada ao cumprimento dos requisitos, pois eles exigem o gerenciamento de dados de pesquisa e metadados. Segundo, o repositório deve ser projetado para suportar a complexidade inerente de big data de volume, variedade e velocidade. Neste artigo, propomos uma nova arquitetura de referência de software compatível com FAIR para armazenar, processar e consultar grandes volumes de dados científicos e metadados. Também introduzimos um modelo genérico de warehouse de metadados para lidar com os metadados do repositório e dar suporte ao processamento de consultas analíticas, fornecendo diferentes perspectivas de insights de dados. Mostramos a aplicabilidade da arquitetura por meio de um estudo de caso no contexto de um conjunto de dados do mundo real de pacientes brasileiros com COVID-19, detalhando diferentes tipos de consultas e destacando sua importância para a análise de big data