Reproduzierbare COVID-Modelle

Europäische Cloud für offene Wissenschaft

Der Ausbruch der weltweiten COVID-19-Krise erforderte eine rasche Unterstützung für rationale Vorhersagen des Verhaltens epidemiologischer Systeme, um potenzielle Interventionen wie therapeutische Maßnahmen zu informieren, sowie für die Aufklärung und Informationsverbreitung, um zu erklären, was eine "Abflachung der Kurve" bewirkt.

Virtuelle Studien über COVID-19 für die wissenschaftliche Gemeinschaft, wie diese und auch die vorliegende, waren daher ein entscheidender Schritt in diese Richtung. Unser integratives Projekt zielte darauf ab, die Modellierungs- und die biomedizinische Gemeinschaft einzubeziehen. Wir waren bestrebt, unsere internen Prozesse transparent zu gestalten und unsere Kurationsergebnisse schnell zu veröffentlichen. Die Reproduzierbarkeit wissenschaftlicher Ergebnisse war ein inhärentes Ziel dieses Projekts, einschließlich der Replikation des Modellcodes durch andere Einrichtungen, aber auch der Transparenz des von uns angewandten Arbeitsablaufs sowie der Veröffentlichung unserer "Lessons Learned" als Leitfaden zur Messung der Reproduzierbarkeit. In Zukunft wird BioModels die aktualisierte Kuratierungspipeline wann immer möglich anwenden.

Die Universitätsmedizin Greifswald war verantwortlich für die Kontaktaufnahme mit den verschiedenen Nutzergemeinschaften, die Bekanntmachung des Projekts auf Twitter, die Werbung für das Projekt in biomedizinischen Gemeinschaften und auf relevanten Konferenzen.

Das Hauptergebnis des Projekts ist eine Sammlung reproduzierbarer COVID-19-Modelle, die vollständig ausgestattet sind und als COMBINE-Archive zur Verfügung stehen. Als Nebenprodukte des Projekts haben wir neue Versionen der wichtigsten Software-Tools und -Bibliotheken veröffentlicht, die für die Simulation von SBML-Modellen und die Erstellung von COMBINE-Archiven erforderlich sind. Die Erfahrungen aus diesem Projekt unterstützten die Veröffentlichung einer Scorecard zur Reproduzierbarkeit. Die resultierenden Modelle qualifizierten sich für die Integration in den COVID Graph, einen quelloffenen Wissensgraphen zu COVID-19-Informationen.