Özet. Farmakolojiye yönelik araştırma süreçlerinde yaşanan en büyük problemlerden birisinin bir aktif madde ile ilgili olarak internet üzerinde geleneksel arama motorlarıyla yapılan aramalardan dönen sonuçların, işe yararlığa göre süzülüp entegre edilmesi olduğu görülmüştür. Bu sorunun önüne geçmek için bağlı verinin gücünden yararlanan ve yüksek erişilebilirlikli bir uygulama geliştirilmiştir. Ege Üniversitesi İlaç Araştırma ve Farmakokinetik GeliştirmeUygulama Merkezi (ARGEFAR) danışmanlığında geliştirilen bu uygulama, bağlı açık ilaç verisi bulutu üzerindeki verilerin, bir masaüstü uygulamasında entegrasyonu için geliştirilen bir mimariye dayanmaktadır. Veri erişiminde güncelliğin sağlanması için SPARQL uçnoktalarında sorgu dağıtımı erişim deseni kullanılmıştır. Bu desen her zaman güncel veriyi getirmesine karşın, erişilebilirlik sorunlarına sahip olduğundan, mimaride, desen üzerinde önbellekleme ve indeksleme gibi mekanizmalar geliştirilmiştir. Mimarinin, nesneye dayalı programlama paradigmasına dayalı esnek yapısı sayesinde yeni veri kaynaklarıyla genişlemeye uygun olduğu görülmüştür. Ayrıca paralelleştirmeye uygun yapısı sayesinde, dağıtık olarak da çalıştırılabileceği düşünülmektedir. ARGEFAR araştırmacılarıyla yapılan testlerde, sadece isminin bir kısmı dahi bilinen bir aktif madde ile ilgili gerekli bilgilere ulaşımın oldukça kolaylaştığı gözlemlenmiştir.
Birçok alandaki araştırma-geliştirme çalışmalarının önemli bir bölümünü, verinin
değişik kaynaklardan toplanması ve bu toplanan verinin entegre edilmesi
oluşturmaktadır. Bu süreçteki en büyük problemlerden birisi de, geleneksel arama motorlarıyla
yapılan aramalar içinden, işe yarar verilerin süzülmesi ve entegre edilmesidir.
Günümüz interneti, dökümanların birbirlerine bağlanmasından oluştuğundan, arama
motorları sadece metin tabanlı arama yapmakta, direkt olarak aranılan kavramı değil,
kavramın içinde bulunduğu dökümanı büyük ölçüde anlamsal olarak incelemeksizin
bulmaktadır [
Bu çalışmada, bağlı verinin gücünü kullanarak, farmakoloji araştırmacılarının uygun veriyi bulma ve birleştirme sürelerini kısaltmaya, araştırma sürecinin etkinliğini artırmaya yönelik bir uygulama geliştirilmiştir.
Bağlı veri, temel olarak farklı kaynaklardaki verinin anlamsal çıkarımlar yapmaya
uygun şekilde bağlanmasıyla oluşur. HTML dökümanlarına dayalı web dökümanların
birbirine bağlanmasıyla oluşurken; bağlı veri, veriyi RDF (Resource Description
Framework) [
Bağlı verinin en somut uygulaması Linking Open Data Project'tir (Açık Veriyi
Bağlama Projesi) [
Şekil 1. 2011 yılında açık bağlı veri bulutu
Bu çalışmada, farmakoloji araştırmaları için geliştirilen uygulamada, bağlı açık
veri bulutunun bir parçası olan Linked Open Drug Data (LODD)1 Verisi bulutunda
yer alan veriden yararlanılmıştır (Şekil - 2) [
Şekil 2. LODD (Linked Open Drug Data) bulutu
Bu çalışma kapsamında geliştirilen uygulama, LODD üzerinde ARGEFAR danışmanlarıyla belirlenen veri kümeleri üzerindeki verileri bir masaüstü uygulamasında entegre etmektedir. Uygulama, başka alanlara özgü masaüstü bağlı veri uygulamaları için de kullanılabilecek katmanlı bir mimari önermektedir.
Bildiri şu bölümlerden oluşmaktadır: Bölüm 2'de bu çalışma ile ilgili daha önceden gerçekleştirilen çalışmalar kısaca incelenmiştir. Bölüm 3'te uygulamanın gerçekleştirimi ve mimarisi açıklanmıştır. Bölüm 4'te ise uygulamanın sonuçları tartışılmıştır. 2 2.1 İlgili Çalışmalar
OpenPHACTS projesi, üniversitelerin, araştırma kurumlarının ve özel sektörden
birçok firmanın işbirliği ile hazırlanmış ve hayata geçirilmeye başlanmıştır. Proje,
farmakoloji araştırmalarında ortaya çıkan veriye ulaşım ve ulaşılan verinin
kullanılabilecek hale getirilmesi problemini bağlı veriden yararlanarak ortadan kaldırmayı
amaçlar. [
Şekil 3. OPS mimarisi[
OPS platformu, yedi bileşenli bir mimari kullanmayı seçmiştir. Şekil - 3'te
görülebilecek, dört katmana yayılan bu yedi bileşen şu şekildedir [
TripleMap2, ağırlıklı olarak sağlık alanında olmakla birlikte, değişik veri
kaynaklarındaki verinin grafik olarak gösterilmesini sağlayan bir internet uygulamasıdır. Bu
uygulama, kavramları simgelerle temsil edip kavramlar arasındaki bağları
etiketleyerek bir çizge düzeninde gösterir [
OPS platformu, verinin anlık olarak güncel bir şekilde getirilmesinde bazı sorunlar yaşayabilmektedir. Çünkü Şekil - 3'te görülen mimarideki Linked Data Cache bileşeni, kullanılan veri kümelerindeki tüm verinin OPS sunucularına alınmasıyla oluşur ve sorgular bu sunucular üzerinde çalışır. Bu da programın zaman zaman güncel olmayan veri ile çalışmasına neden olabilir. Bunların dışında, OPS platformunun kimlik çözümleme servisi ve bazı eşleştirme mekanizmaları oldukça gelişmiştir. Yine de OPS platformu, bir uygulamadan ziyade bir altyapı sunduğundan, bu çalışma kapsamında geliştirilen uygulama ile işlevsel açıdan birebir karşılaştırmak pek mümkün değildir. Zira bu çalışma kapsamında geliştirilen uygulamada, ilerleyen sürümler OPS platformunun Core API bileşeninden yararlanabilir.
TripleMap uygulaması oldukça başarılı bir görselleştirme sunmanın yanında, arama sonuçlarına cevap vermede eksiklikleri görülmüştür. Bu çalışma kapsamında geliştirilen uygulamada yapılan Propranolol araması ilacın farmakolojik özelliklerine dair verilerini getirirken, TripleMap'te yapılan aramada zaman zaman sonuç gelmemekte, zaman zaman da sadece belirli veriler dönmektedir. Bunun dışında, TripleMap'in mimarisine dair bir içerik bulanamadığından iki çalışma bu açıdan karşılaştırılamamaktadır. 2 http://www.triplemap.com
Bir bağlı veri uygulamasında, en önemli karar noktası, bağlı veriye nasıl
erişileceğidir. Bağlı veri araştırmacılarının genel olarak kabul ettiği üç erişim deseni
bulunmaktadır: Emekleme Deseni, Yerinde Çözümleme Deseni, Sorgu Dağıtım
Deseni [
Emekleme Deseni, temel olarak günümüz arama motorları ile benzer şekilde çalışır. Bu desende tüm veri uzayı gezilerek sonuçlar bir yerde depolanır ve arama sonuçları bu depolanan verilerden getirilir. Her ne kadar büyük veri kümeleri için uygun olsa da güncel olmayan veriyle çalışma ihtimali oldukça yüksektir. Bir diğer desen olan Yerinde Çözümleme deseni de emeklemeye benzerdir fakat emekleme işlemi sadece ihtiyaç duyulduğunda yapılır. Bu desenin de performansı işlemler karmaşıklaştıkça önemli ölçüde düşer.
Üçüncü ve son desen ise Sorgu Dağıtım Deseni'dir. Bu desen, SPARQL sorgularının arama ile eş zamanlı olarak çevrimiçi SPARQL uçnoktalarına dağıtılması ile çalışır. Ulaşılan veri sürekli güncel olmasına rağmen, uçnoktaların zaman zaman performans sorunları yaşamaları ve karmaşık sorgularda, özellikle serbest metin aramada çabuk sonuç döndürememeleri sebebiyle sorgu etkinliği önemli ölçüde düşebilmektedir. Gerçekleştirilen uygulama, indeksleme ve kalıcı katman oluşturma(önbellekleme) gibi yöntemler kullanarak sorgu dağıtım desenin iyileştirilmesini amaçlar. 3.1
Uygulama gerçekleştirilirken, ARGEFAR danışmanlarıyla birlikte ilk prototiplerde3 kullanılmak üzere dört adet veri kümesi seçilmiştir.
DBPedia4 http://dbpedia.org: Wikipedia'nın bağlı veri versiyonudur. Neredeyse tüm wikipedia verisine bağlı veri formatında erişilebilir, verilerin diğer veri kümeleriyle bağlar da kurulmuştur.
Drugbank: Yaklaşık 5000 FDA onaylı ilaç ile ilgili gerek farmakolojik gerek
biyolojik gerekse kimyasal bilgiyi sunan güncel bir veri kaynağıdır [
LinkedCT: Dünya üzerinde tamamlanmış veya hala süren klinik ilaç deneylerinin
yayınlandığı ClinicalTrials.gov sitesinin bağlı veri olarak yayınlanmış halidir. 158
ülkeden 60000 üzerinde klinik deney verisi yer almaktadır [
Geliştirilen üç katmanlı mimari Şekil - 4'te görülmektedir. Mimari, en üstte kullanıcıyla etkileşimin sağlandığı arayüz katmanı, ortada çoklu iş parçacıklı alt katman ile birlikte uygulamanın asıl yükünü taşıyan iş katmanı ve en altta da veri kaynaklarının bulunduğu veri katmanından oluşur.
Şekil 4. Geliştirilen katmanlı mimari
Kullanıcı Katmanı. Bu katman kullanıcı ile uygulamanın etkileşime girdiği katmandır (Şekil - 5). Kullanıcıya sunulan veriler, bu katmanda Genel Bilgiler, Farmakokinetik, Farmakodinamik ve Klinik Deneyler olarak dört sekme halinde gösterilmektedir.
Genel Bilgiler sekmesinde, aktif madde ile ilgili kısa açıklamalar ve prospektüs bilgileri gibi bilgiler yer almaktadır.
Farmakokinetik sekmesinde, canlı metabolizmasının ilacın aktif maddesine ne yaptığı ile ilgili bilgiler yer almaktadır. Emilim, vücuttan uzaklaştırılma süresi gibi bilgiler bu kategoriye girer.
Farmakodinamik sekmesinde ise, ilacın canlı metabolizmasına ne yaptığı ile ilgili bilgiler verilmektedir.
Klinik Deneyler sekmesi de, o aktif madde ile ilgili klinik deney verilerinin güncel bir şekilde ClinicalTrials.gov kaynağından getirilip kullanıcıya sunulduğu sekmedir.
Şekil 5. Kullanıcı arayüzünden bir ekran görüntüsü
İş Katmanı. Bu katman, iki tanesi çoklu iş parçacıklı alt katmanda yer almak
üzere, toplamda beş bileşenden oluşur. Bu bileşenlerden ilki olan İlaç Verisi
Denetleyicisi, GRASP [
Ögeler bileşeni, iş katmanında gerçekleşen işlemlerde bazı gerekli verilerin tutulması için yaratılan sınıfları içerir. Bu bileşendeki en önemli sınıf, arama yapılan karakter katarını bellekteki indekslenen elemanlarla eşleştirip bir RDF kaynağına dönüştüren sınıftır.
Veri Setleri bileşeni de, farklı veri kümelerini temsil eden sınıfları içerir. Nesneye dayalı paradigma ile sağlanan esnek yapı sayesinde yeni bir veri kümesi eklemek, neredeyse sadece yeni bir sınıf oluşturmak kadar basitleşmiştir.
Bu katmanda yer alan Çoklu İş Parçacıklı Alt Katman, uygulamanın veri erişimi, indeksleme, önbellekleme gibi işlemlerini yaparken hem performansı artırması hem de yapılan yoğun işlemlerin kullanıcının aramalarını bölmemesi için oluşturulmuştur.
Bu alt katmanda iki bileşen yer almaktadır: İndeksleme Yardımcısı: Bu bileşen, belirlenen aralıklarda, veriye ulaşım için anahtar olan verileri, SPARQL uçnoktalarına yaptığı sorgularla bir JSON5 dosyasında indeksler. Uygulamanın şu anki halinde yaklaşık 15000 ilaç verisi ve bunların eşdeğerleri indekslenmektedir. Kullanıcı tarafından girilen arama ifadesi, bu JSON dosyasının belleğe eşlenmiş hali üzerinde aranarak bulunan RDF kaynakları döndürülür. Bu RDF kaynakları aracılığı ile istenen ilacın bağlı veri bulutu üzerindeki
Nesneye dayalı paradigmaya göre tasarlanmış bir veri gösterim formatıdır. bilgilerine daha hızlı bir şekilde ulaşılır. Tablo - 1'de, indeksleme işleminin doğrudan SPARQL uçnoktaları üzerinde yapılan serbest metin aramasına göre getirdiği iyileştirme açıkça görülmektedir.
Tablo 1. DBPedia verisi üzerinde, isminde “pro” ifadesi geçen aktif maddelerin ve eşdeğerlerinin aranması
SPARQL Uçnoktası Tepki Süresi
İndeksleme Mekanizması Tepki Süresi 32 saniye 0.3 saniye Bağlı Veri Erişimi: Bu katmanda bağlı veriye erişim gerçekleşir. Sorgu performanslarının ve erişilebilirliğin artırılması, internet bağlantısına bağımlılığın azaltılması için oluşturulan kalıcı katmana (önbellek) erişim de yine bu katmanda gerçekleştirilir. Strateji tasarım deseni ile oluşturulan bu bileşende (Şekil - 6), çalışma zamanında SPARQL uçnoktalarından ulaşılan bir aktif maddeye ait alt çizge arkaplanda yerel üçlü deposuna kaydedilir. Uçnoktaların ulaşılamaz olduğu zamanlarda strateji tasarım deseni ile oluşturulan yapı yerel depoya ulaşarak daha önceden önbelleklenmiş veriyi getirir. Böylece daha önce bir kere ulaşılmış veri, uygulamanın kullandığı her an erişilebilir olur.
Kalıcı katman aynı zamanda basit bir kimlik çözümleme servisi görevi de görür. Bağlı
veride, iki RDF kaynağı owl:sameAs özelliği ile birbirine bağlanabilir. Bu özellik iki
kaynağın tüm yönleriyle eş olduğunu gösterir [
Çoklu İş Parçacıklı Alt Katman'da, geleneksel Thread yapısının yanı sıra, Java 5.0 ile birlikte gelen Callable API'si6 de kullanılmıştır. Bu API, Thread'den farklı olarak, iş parçacıklarından sonuç dönmesine ve zaman aşımı gibi çeşitli istisnai durumların yakalanmasına olanak sağlar. 6 http://docs.oracle.com/javase/1.5.0/docs/api/java/util/concurrent/Callable.html Şekil 6. Veri erişimi için kullanılan strateji tasarım deseni UML şeması Veri Katmanı. Bu katmanın bir yerel bir de uzak tarafı vardır. Yerel tarafta, yani uygulama tarafında, indekslenen anahtar verilerin tutulduğu JSON dosyası ve önbelleklenen ilaç verisinin tutulduğu yerel üçlü deposu; uzak tarafta ise verilerin getirildiği SPARQL uç noktası bulunmaktadır. 4
Geliştirilen mimari, özellikle düşük yoğunluklu sorgularla veya büyük yoğunluklu sorguların daha küçük parçalara dağıtılabildiği sorgularla çalışacak, masaüstü bağlı veri uygulamaları için oldukça kolay uygulanabilir, genişleyebilir ve etkin bir jenerik çözüm ortaya koymuştur. Zira Veri Setleri bileşeninde her veri kümesini bir Java sınıfı temsil etmektedir ve tüm veri kümeleri ortak bir soyut sınıftan türediğinden, yeni veri kümeleri sadece bu sınıf implemente edildikten sonra soyut yöntemlerin implemente edilmesiyle eklenebilir. Aynı şekilde, sorgular da ayrı depo sınıflarında tutulduğundan; mimari, farklı veri kümeleri ve sorgular tanımlanarak farklı alanlara da uygulanabilir.
Mimarinin paralel yapısının, işlemleri tamamen veya kısmen dağıtık sistemler üzerinde gerçekleştirilebilmeye uygun olacağı düşünülmektedir. Şekil - 4'te görülen mimaride, çoklu iş parçacıklı alt katmandaki bileşenler birbirlerinden büyük ölçüde bağımsız olduklarından, farklı sistemlere dağıtılıp farklı stratejiler (mesaj gönderme, paylaşılan bellek gibi) ile beraber çalıştırılabilecekleri öngörülmektedir.
Gerçekleştirilen uygulama, ARGEFAR araştırmacılarıyla yapılan ilk testlerden olumlu sonuçlar elde etmiş, araştırma sürelerini kısalttığı görülmüştür. Kaynaklar