Ohmi：宿主ミクロバイオームの相互作用のオントロジー

背景：宿主ミクロバイオームの相互作用（HMI）は、生物学的プロセスの調節に重要であり、いくつかの疾患に関連しています。大規模なHMI研究により、大量のデータが生成されています。これらのデータから導き出された知識の論理的表現と、実験変数とプロセスの標準化された表現は、データの統合と実験の再現性を促進し、それによりHMI知識の発見をさらに促進することを提案します。 方法：多施設コラボレーションを通じて、オープンな生物学的/生物医学的オントロジー（OBO）鋳造の原則に従って、宿主ミクロバイオーム相互作用（OHMI）のコミュニティベースのオントロジーが開発されました。OBOライブラリのオントロジーとして、OHMIはオントロジーを確立して、（1）微生物、微生物分類、宿主種、宿主解剖学エンティティ、およびさまざまな条件下でのHMIの論理的に構造化された表現を作成し、（2）関連する研究プロトコルとタイプのデータ分析と実験的結果。 結果：基本的な正式なオントロジーに沿ったOhmiは、約500のOhmi固有の用語とともに、10を超える既存のオントロジーからインポートされた用語を含む1000を超える用語で構成されています。典型的な宿主ミクロバイオーム相互作用研究を表すために、特定のOHMI設計パターンが生成されました。50を超えるピアレビューされた出版物からのデータに関するデータの1つの主要なユースケースとして、リウマチ性関節症を含む6つのリウマチ性疾患に関連する腸、口腔、皮膚、気道から100を超える細菌と真菌を特定しました。私たちのオントロジー研究では、新しい高レベルの微生物叢分類学的構造が特定されました。2つのミクロビオーム関連のコンピテンシーの質問も設計および対処されました。また、OHMIを使用して、既存の大規模なマイクロバイオームデータベースデータ分析から特定された統計的に有意な結果を表すこともできました。 結論：Ohmiは、HMISのドメイン内のエンティティと関係を表しています。共有された知識表現、データ、メタデータの標準化と統合をサポートし、データ分析の目的で高度なクエリの策定に使用できます。

BACKGROUND: Host-microbiome interactions (HMIs) are critical for the modulation of biological processes and are associated with several diseases. Extensive HMI studies have generated large amounts of data. We propose that the logical representation of the knowledge derived from these data and the standardized representation of experimental variables and processes can foster integration of data and reproducibility of experiments and thereby further HMI knowledge discovery. METHODS: Through a multi-institutional collaboration, a community-based Ontology of Host-Microbiome Interactions (OHMI) was developed following the Open Biological/Biomedical Ontologies (OBO) Foundry principles. As an OBO library ontology, OHMI leverages established ontologies to create logically structured representations of (1) microbiomes, microbial taxonomy, host species, host anatomical entities, and HMIs under different conditions and (2) associated study protocols and types of data analysis and experimental results. RESULTS: Aligned with the Basic Formal Ontology, OHMI comprises over 1000 terms, including terms imported from more than 10 existing ontologies together with some 500 OHMI-specific terms. A specific OHMI design pattern was generated to represent typical host-microbiome interaction studies. As one major OHMI use case, drawing on data from over 50 peer-reviewed publications, we identified over 100 bacteria and fungi from the gut, oral cavity, skin, and airway that are associated with six rheumatic diseases including rheumatoid arthritis. Our ontological study identified new high-level microbiota taxonomical structures. Two microbiome-related competency questions were also designed and addressed. We were also able to use OHMI to represent statistically significant results identified from a large existing microbiome database data analysis. CONCLUSION: OHMI represents entities and relations in the domain of HMIs. It supports shared knowledge representation, data and metadata standardization and integration, and can be used in formulation of advanced queries for purposes of data analysis.