Baiba VilneEdīte VārtiņaMedicīnas fakultāteFaculty of Medicine2025-09-042025-09-042025https://dspace.rsu.lv/handle/123456789/1040320BiostatistikaBiostatisticsDzīvās dabas zinātnesNatural SciencesReproducējamības “krīze” biomedicīnas pētniecībā ir īpaši parādījusi nepieciešamību pēc precīziem, konsekventiem un labi strukturētiem metadatiem, sevišķi tādās tehnoloģiju jomās kā RNS sekvenēšana (RNA-seq). RNA-seq ir kļuvusi par vienu no būtiskākajām metodēm gēnu ekspresijas, alternatīvās saplūšanas (splicing) un transkriptomu dinamikas izpētei dažādos bioloģiskos kontekstos, tostarp kompleksu slimību gadījumos. Tomēr, neskatoties uz to, ka publiskajās datu krātuvēs pieejamo liela mēroga transkriptomu datu apjoms pieaug, metadatu nepilnīgums, nekonsekvence vai vāja standartizācija būtiski ierobežo šo datu interpretāciju, reproducējamību un atkārtotu izmantošanu. Tas ne tikai apdraud datu kvalitāti, bet arī būtiski apgrūtina savstarpēji salīdzināmu pētījumu veikšanu, datu integrāciju un metaanalīzes. Šis pētījums risina minētās problēmas, izstrādājot FAIR principiem atbilstošu metadatu struktūru, kas īpaši piemērota RNA-seq eksperimentiem. Izstrādātais ietvars balstās uz FAIR principiem, atrodams (Findable), pieejams (Accessible), savietojams (Interoperable) un atkārtoti izmantojams (Reusable), un ir veidots, lai atbalstītu reproducējamus, pārskatāmus un mašīnlasāmus datu anotācijas procesus. Lai izveidotu šo ietvaru, sistemātiski tika analizēti četri plaši pielietoti metadatu standarti: MIAME (Minimum Information About a Microarray Experiment), MINSEQE (Minimum Information about a High-Throughput Nucleotide Sequencing Experiment), FAANG (Functional Annotation of Animal Genomes) un HCA (Human Cell Atlas) metadatu vadlīnijas. MIAME un MINSEQE ir publicētas kā aprakstošas vadlīnijas, nenodrošinot konkrētu metadatu struktūras paraugu. Šī pētījuma ietvaros vadlīniju apraksti tika pārvērsti strukturētās veidnēs, identificējot un sistematizējot metadatu laukus, kas būtiski RNA-seq darba plūsmām. Savukārt FAANG un HCA jau piedāvā skaidri definētas veidnes ar noteiktiem metadatu laukiem un integrētām ontoloģijām. Šīs vadlīniju struktūras tika izmantotas nemainītā formā, lai saglabātu saderību un demonstrētu iespēju harmonizēt dažādus metadatu standartus vienotā ietvarā. Lai atvieglotu pētniekiem anotācijas procesu, tika izstrādāta strukturēta metadatu veidne, kas ietver ievadlaukus, izvēlnes un kontrolētās vārdnīcas. Tā uzlabo lietojamību un atbalsta metadatu ievades automatizāciju. Lai demonstrētu izstrādātās shēmas praktisko pielietojamību, tā tika piemērota un novērtēta, izmantojot RNA-seq datus no DC4MND projekta, kurā tiek pētītas transkriptoma izmaiņas motoneironos ALS peles modelī pēc transspinālās tiešās strāvas stimulācijas (tsDCS). Rezultāti parādīja, ka ietvars efektīvi aptver būtiskākos bioloģiskos un tehniskos metadatus, veicina atbilstību FAIR principiem un ļauj precīzi sasaistīt paraugus ar datu failiem sarežģītos, daudzcentru pētījumos. Nodrošinot strukturētu un FAIR principiem atbilstošu pieeju RNA-seq metadatu anotēšanai, šis metadatu ietvars var būtiski uzlabot datu kvalitāti un veicināt atvērtās zinātnes reproducējamību.The reproducibility “crisis” in biomedical research has underscored the need for well-annotated high-quality metadata, particularly in high-throughput domains such as RNA sequencing (RNA-seq). RNA-seq has become an essential technique for investigating gene expression in various biological contexts, including complex diseases. However, despite the increasing availability of large-scale transcriptomic datasets in public repositories, incomplete, inconsistent, or poorly standardized metadata significantly limits their interpretability, reproducibility, and reuse. These issues not only compromise data quality but also hinder meaningful cross-study comparisons, data integration, and meta-analyses. This study addresses these challenges by developing a FAIR-compliant metadata framework tailored to RNA-seq experiments. The framework is grounded in the FAIR principles, Findability, Accessibility, Interoperability, and Reusability. To construct the framework, four widely adopted metadata standards were analyzed: MIAME, MINSEQE, FAANG, and HCA. MIAME and MINSEQE were originally published as narrative descriptions without formalized templates. For this study, those descriptive guidelines were translated into structured templates through the identification and categorization of metadata fields relevant to RNA-seq workflows. In contrast, FAANG and HCA already provide well-defined templates with rule-based metadata fields and ontology integration. These existing templates were adopted without modification to maintain compatibility and demonstrate the feasibility of harmonizing diverse metadata schemas under a unified framework. The framework was implemented in Microsoft Excel and incorporates features such as drop-down menus, conditional formatting, and controlled vocabulary fields to enhance accuracy and consistency. To illustrate practical applicability, the framework was applied and evaluated through a case study on RNA-seq data from the DC4MND project, which investigates transcriptomic changes in motor neurons of ALS model mice following trans-spinal direct current stimulation (tsDCS). Results demonstrated that the framework effectively captures key biological and technical metadata, facilitates compliance with FAIR principles, and enables accurate linkage between samples and data files across complex, multi-center studies. The study emphasizes the importance of prospective metadata curation, especially for technically detailed fields, and outlines plans to develop a user-friendly software tool based on this framework to support wider adoption and scalability. By providing a structured and FAIR-aligned approach to RNA-seq metadata annotation, this framework has the potential to significantly improve data quality, enhance transparency in biomedical research, and support the broader goals of open science and reproducibility.lv-LVinfo:eu-repo/semantics/restrictedAccessFAIR principimetadatu menedžmentsRNS sekvencēšanaFAIR principlesMetadata managementRNA-seqinfo:eu-repo/semantics/masterThesis