2021
2021-07-28
10.17192/bfdm.2021.2.8335
urn:nbn:de:hebis:04-0008-2021-254-83359
keine Angabe
DataPLANT – Ein NFDI-Konsortium der Pflanzen-Grundlagenforschung
http://creativecommons.org/licenses/by/4.0
public -Frei abrufbar
In der modernen hypothesen-basierten Forschung sind Forschende zwingend auf Dienste und Infrastrukturen für Forschungsdatenmanagement (FDM) angewiesen, welche die Erfassung, die Verarbeitung, den Austausch und die Archivierung von Forschungsdatensätzen erleichtern. Dabei schafft ein modernes FDM erst die Verknüpfung von interdisziplinärer Expertise, sowie Vergleich und Integration verschiedener Analyseergebnisse mit dem darauf beruhenden immensen zusätzlichen Erkenntnisgewinn. Das Ziel des Projektes DataPLANT[1] besteht darin, diesen Mehrwert für die Pflanzen-Grundlagenforschung zu schaffen. Auf diesem Fachgebiet werden die (molekularen) Prinzipien des pflanzlichen Lebens untersucht, welche beispielsweise das Pflanzenwachstum, den Ernteertrag oder die Biomasseproduktion bestimmen. Die hierzu eingesetzten Methoden von Transkriptomik, Proteomik und Metabolomik bis hin zu bildgebenden Verfahren erzeugen hochdimensionale, polymorphe Daten, die verarbeitet, fusioniert und interpretiert werden müssen. Eine erfolgreiche Nutzung von Daten unterschiedlicher Modalitäten – aus vielen Quellen und Experimenten, vorverarbeitet oder analysiert mit einer Vielzahl von Algorithmen – erfordert eine Kontextualisierung der Daten. Hierzu zählt die Annotation mit detaillierten Metadaten ebenso wie ein eindeutiges Referenzieren der jeweiligen Daten mit ihren Abhängigkeiten. Die FAIR Data[2] and Linked Open Data[3]-Prinzipien bieten entscheidende Richtlinien für den verantwortungsvollen Umgang mit Forschungsdaten.
+nbsp;
[1] Homepage und Community-Portal von DataPLANT, https://www.nfdi4plants.de, aufgerufen am 31.01.2021.
[2] Vgl. Wilkinson, Mark D. et al. „The FAIR Guiding Principles for scientific data management and stewardship“. Scientific Data 3, Nr. 160018 (2016): 1-9.
https://doi.org/10.1038/sdata.2016.18
[3] Vgl. Bizer, Christian et al. „Linked Data on the web (LDOW2008).” Proceedings of the 17th international conference on World Wide Web, (2008): 1265-1266.
https://doi.org/10.1145/1367497.1367760
rschungsdaten.
Pflanzen-Grundlagenforschung
NFDI
DataPLANT
NFDI4Plants
Forschungsdatenmanagement
https://journals.uni-marburg.de/0008/2021/254/8335/8335.png
urn:nbn:de:hebis:04-0008-2021-254-83359
DataPLANT – Ein NFDI-Konsortium der Pflanzen-Grundlagenforschung
https://journals.uni-marburg.de/0008/2021/254/cover.png
2
2626-7489
2947344-5
https://journals.uni-marburg.de/0008/cover.png
Forschungsdatenmanagement
Research Data Management
AG Forschungsdaten
urn:nbn:de:hebis:04-00084
Bausteine Forschungsdatenmanagement
Periodical
Deutschhausstraße 9, 35037 Marburg
Marburg
Philipps-Universität Marburg
2021, 2
PeriodicalPart
urn:nbn:de:hebis:04-0008-2021-2546
2021-07-28
2021
2021-07-28
Pflanzen-Grundlagenforschung
2021-07-28
Universitätsbibliothek Marburg
Publikationsserver der Universitätsbibliothek Marburg
Dirk
von Suchodoletz
von Suchodoletz, Dirk
Timo
Mühlhaus
Mühlhaus, Timo
Jens
Krüger
Krüger, Jens
Björn
Usadel
Usadel, Björn
Cristina
Martins Rodrigues
Martins Rodrigues, Cristina
NFDI
2021-07-28
application/pdf
DataPLANT
2021
NFDI4Plants
German
In der modernen hypothesen-basierten Forschung sind Forschende zwingend auf Dienste und Infrastrukturen für Forschungsdatenmanagement (FDM) angewiesen, welche die Erfassung, die Verarbeitung, den Austausch und die Archivierung von Forschungsdatensätzen erleichtern. Dabei schafft ein modernes FDM erst die Verknüpfung von interdisziplinärer Expertise, sowie Vergleich und Integration verschiedener Analyseergebnisse mit dem darauf beruhenden immensen zusätzlichen Erkenntnisgewinn. Das Ziel des Projektes DataPLANT[1] besteht darin, diesen Mehrwert für die Pflanzen-Grundlagenforschung zu schaffen. Auf diesem Fachgebiet werden die (molekularen) Prinzipien des pflanzlichen Lebens untersucht, welche beispielsweise das Pflanzenwachstum, den Ernteertrag oder die Biomasseproduktion bestimmen. Die hierzu eingesetzten Methoden von Transkriptomik, Proteomik und Metabolomik bis hin zu bildgebenden Verfahren erzeugen hochdimensionale, polymorphe Daten, die verarbeitet, fusioniert und interpretiert werden müssen. Eine erfolgreiche Nutzung von Daten unterschiedlicher Modalitäten – aus vielen Quellen und Experimenten, vorverarbeitet oder analysiert mit einer Vielzahl von Algorithmen – erfordert eine Kontextualisierung der Daten. Hierzu zählt die Annotation mit detaillierten Metadaten ebenso wie ein eindeutiges Referenzieren der jeweiligen Daten mit ihren Abhängigkeiten. Die FAIR Data[2] and Linked Open Data[3]-Prinzipien bieten entscheidende Richtlinien für den verantwortungsvollen Umgang mit Forschungsdaten.
+nbsp;
[1] Homepage und Community-Portal von DataPLANT, https://www.nfdi4plants.de, aufgerufen am 31.01.2021.
[2] Vgl. Wilkinson, Mark D. et al. „The FAIR Guiding Principles for scientific data management and stewardship“. Scientific Data 3, Nr. 160018 (2016): 1-9.
https://doi.org/10.1038/sdata.2016.18
[3] Vgl. Bizer, Christian et al. „Linked Data on the web (LDOW2008).” Proceedings of the 17th international conference on World Wide Web, (2008): 1265-1266.
https://doi.org/10.1145/1367497.1367760
rschungsdaten.
Forschungsdatenmanagement
article
https://doi.org/10.17192/bfdm.2021.2.8335
PRESERVATION_MASTER
VIEW
PDF
PRESERVATION_MASTER
application/pdf
8191
//bausteine-fdm.de/article/download/8335/8191
8191