Est

1
Estándares para el intercambio de información
sobre biodiversidad
María Auxiliadora Mora Administradora del Nodo
Participante de Costa Rica en la Red GBIF
2
Contenido

• El reto de manejar la información sobre
  biodiversidad.
• Importancia de utilizar estándares.
• Áreas de la bioinformática en donde los
  estándares son necesarios.
• Estándares disponibles para el manejo de
  información sobre biodiversidad.

3
El manejar la información sobre la biodiversidad
representa un reto enorme

• Número esperado de especies 10 millones.
• 1.7 millones han sido descritas y nombradas.
• Número total de especímenes en las colecciones
  del mundo de 1-3 mil millones.
• Sin contar un gran número que corresponden a
  especies aún no descritas.
• 18 000 nuevas especies se describen cada año.
• El porcentaje no ha mejorado en los últimos 40
  años.
• De 1 000 a 10 000 especies se extingen cada año
• La tasa es 1000 veces más rápida comparada con la
  tasa natural.

Fuente www.gbif.org
4
Importancia de utilizar estándares

• Hacer los datos de biodiversidad (genes, especies
  y ecosistemas) universalmente disponibles para el
  desarrollo de la ciencia, la sociedad y el futuro
  sostenible.
• Evitar la duplicación de esfuerzo.
• No importa la plataforma tecnológica (SO y DB)
  que exista en la institución los estándares son
  aplicables.
• No dependencia de un proveedor.
• Más personal calificado disponible.

5
Áreas de la bioinformática en donde los
estándares son necesarios

• Contenidos de las bases de datos
• Identificadores
• Espécimen, observaciones
• Nombres taxonómicos
• Instituciones, proveedores, colecciones, y
  personas

• Procesos
• Trabajo en equipo (TDWG)
• Discusiones, documentación
• Capacitación
• Open source

• Protocolos para intercambio de datos
• XML
• WebServices (SOAP, WSDL, UDDI)
• Darwin Core /DiGIR
• ABCD/BioCASE
• Dublin Core

Fuente www.gbif.org
6
XML

• Extensible Markup Language
• Metalenguaje
• Independiente de la plataforma
• Basado en marcas (tags)
• Extensible No especifica el conjunto de marcas
  ni la gramática.
• Esquemas
• Establecen restricciones a un documento XML.
• Utilizan XML válidos y bien formados.
• Definen datos respecto a los datos

Volver
7
Servicios Web

• Un servicio web es
• Una aplicación o componente de software.
• Identificado por un URI, cuya interfase y forma
  de comunicación puede ser descrita utilizando
  XML.
• Soporta interacciones directas con otras
  aplicaciones o componentes a través de
• Intercambio de información que es expresada
• In términos de XML vía protocolos basados en
  Internet. - Chris Ferris, Sun Microsystems, W3C

8
Cómo trabajan los servicios web
Volver
9
El protocolo

• Envío de mensajes codificados en XML sobre HTTP
• Utilizado como medio de comunicación entre los
  nodos de datos y los usuarios.
• Es más liviano y especializado que SOAP
• Permite la creación de un único punto de acceso
  (portal o motor de búsquedas) a recursos
  distribuidos.
• Recursos una colección de objetos que utilizan
  un esquema común (BD, documentos en XML).
• Los recursos distribuidos están acorde con un
  esquema
• Permite la búsqueda y recuperación de datos
  estructurados.
• Búsqueda de valores en los datos en un contexto
  (semántica)
• Los resultados son presentados con un conjunto de
  datos estructurados.
• Hacen que la localización y las caraterísticas
  técnicas de un recurso sean transparentes a los
  usuarios.
• El protocolo Distributed Generic Information
  Retrieval fue creado por el TDWG/CODATA subgrupo
  de datos de colecciones biológicas.

Fuente www.gbif.org
10
Arquitectura de DiGIR
Portales, Motores de búsqueda y aplicaciones
Proveedores DiGIR
Bases de datos
Fuente www.gbif.org
11
Ejemplo de uso de DiGIR (GBIF)
User
Metadata and name query
Provider query
( UDDI )
Index
Portal
Registry
Request Marshaller
Cache
Metadata
Institutions Providers Services
Available providers
Query Engine
Metadata response
Accounting
Publish availability
Metadata and statistics
Full data response
DiGIR
Full data query
Synonyms, GUIDs
SOAP
Name provider
Data provider
HTTP
Provider Services
Provider Services
Resource
Metadata
Fuente www.gbif.org
12
Interfase para intercambio de datos en el web con
DiGIR

• Distributed Generic Information Retrieval is un
  protocolo cliente/servidor para la recuperación
  de información de recursos distribuidos.
• Usa HTTP como mecanismo de transporte y XML para
  la codificación de los mensajes entre el cliente
  y el servidor
• Tres tipos de mensajes
• Metadata permite obtener los metadatos del
  proveedor y los recursos que sirve.
• Search permite realizar búsqueda de registros de
  especimenes y observaciones basado en un criterio
  de búsqueda.
• Inventory permite obtener un conjunto de valores
  distintos asociados a un concepto, por ejemplo
  especie.
• Utiliza el esquema Darwin Core2 (apropiado para
  el intercambio de datos de especimenes y
  observaciones).

Fuente www.gbif.org
13
El esquema Darwin Core 2

• Darwin Core 2 es un simple conjunto de elementos
  que permite estructurar datos de registros de
  especimenes u observaciones para ser compartidos
  como un documento XML que puede ser trasmitido
  por Internet.
• Apropiado para datos de colecciones y
  observaciones.
• http//digir.net/schema/conceptual/darwin/2003/1.0
  /darwin2.xsd
• 48 Elementos

DateLastModified InstitutionCode CollectionCode CatalogNumber
ScientificName BasisOfRecord Kingdom Phylum
Class Order Family Genus
Species Subspecies ScientificNameAuthor IdentifiedBy
YearIdentified MonthIdentified DayIdentified TypeStatus
CollectorNumber FieldNumber Collector YearCollected
MonthCollected DayCollected JulianDay TimeOfDay
ContinentOcean Country StateProvince County
Locality Longitude Latitude CoordinatePrecision
BoundingBox MinimumElevation MaximumElevation MinimumDepth
MaximumDepth Sex PreparationType IndividualCount
PreviousCatalogNumber RelationshipType RelatedCatalogItem Notes
Fuente www.gbif.org
14
Elementos del Darwin Core 2 (1)

• DateLastModified ISO 8601 compliant stamp
  indicating the date and time in UTC(GMT) when the
  record was last modified. Example the instant
  "November 5, 1994, 81530 am, US Eastern
  Standard Time" would be represented as
  "1994-11-05T131530Z"
• InstitutionCode A "standard" code identifier
  that identifies the institution to which the
  collection belongs. No global registry exists for
  assigning institutional codes. Use the code that
  is "standard" in your discipline.
• CollectionCode A unique alphanumeric value which
  identifies the collection within the institution.
• CatalogNumber A unique alphanumeric value which
  identifies an individual record within the
  collection. It is recommended that this value
  provides a key by which the actual specimen can
  be identified. If the specimen has several items
  such as various types of preparation, this value
  should identify the individual component of the
  specimen.
• ScientificName The full name of lowest level
  taxon the Catalogued Item can be identified as a
  member of includes genus name, specific epithet,
  and subspecific epithet (zool.) or infraspecific
  rank abbreviation, and infraspecific epithet
  (bot.) Use name of suprageneric taxon (e.g.,
  family name) if Catalogued Item cannot be
  identified to genus, species, or infraspecific
  taxon.
• BasisOfRecord An abbreviation indicating whether
  the record represents an observation (O), living
  organism (L), specimen (S), germplasm/seed (G),
  etc.
• Kingdom The kingdom to which the organism
  belongs
• Phylum The phylum (or division) to which the
  organism belongs
• Class The class name of the organism
• Order The order name of the organism
• Family The family name of the organism
• Genus The genus name of the organism
• Species The specific epithet of the organism
  
• Subspecies The sub-specific epithet of the
  organism
• ScientificNameAuthor The author of a scientific
  name. Author string as applied to the accepted
  name. Can be more than one author (concatenated
  string). Should be formatted according to the
  conventions of the applicable taxonomic
  discipline.

Fuente www.gbif.org
15
Elementos del Darwin Core 2 (2)

• IdentifiedBy The name(s) of the person(s) who
  applied the currently accepted Scientific Name to
  the Catalogued Item.
• YearIdentified The year portion of the date when
  the Collection Item was identified as four
  digits -9999..9999, e.g., 1906, 2002.
• MonthIdentified The month portion of the date
  when the Collection Item was identified as two
  digits 01..12.
• DayIdentified The day portion of the date when
  the Collection Item was identified as two digits
  01..31.
• TypeStatus Indicates the kind of nomenclatural
  type that a specimen represents. In particular,
  the type status may not apply to the name listed
  in the scientific name, i.e. current
  identification. In rare cases, a single specimen
  may be the type of more than one name.
• CollectorNumber An identifying "number" (really
  a string) applied to specimens (in some
  disciplines) at the time of collection.
  Establishes a links different parts/preparations
  of a single specimen and between field notes and
  the specimen.
• FieldNumber A "number" (really a string) created
  at collection time to identify all material that
  resulted from a collecting event.
• Collector The name(s) of the collector(s)
  responsible for collection the specimen or taking
  the observation
• YearCollected The year (expressed as an integer)
  in which the specimen was collected. The full
  year should be expressed (e.g. 1972 must be
  expressed as "1972" not "72").
• MonthCollected The month of year the specimen
  was collected from the field. Possible values
  range from 01...12 inclusive
• DayCollected The day of the month the specimen
  was collected from the field. Possible value
  ranges from 01..31 inclusive
• JulianDay The ordinal day of the year i.e., the
  number of days since January 1 of the same year.
  (January 1 is Julian Day 1.)

Fuente www.gbif.org
16
Elementos del Darwin Core 2 (3)

• TimeOfDay The time of day a specimen was
  collected expressed as decimal hours from
  midnight local time (e.g. 12.0 mid day, 13.5
  130pm
• ContinentOcean The continent or ocean from which
  a specimen was collected.
• Country The country or major political unit from
  which the specimen was collected. ISO 3166-1
  values should be used. Full country names are
  currently in use. A future recommendation is to
  use ISO3166-1 two letter codes or the full name
  when searching
• StateProvince The state, province or region
  (i.e. next political region smaller than Country)
  from which the specimen was collected.
• County The county (or shire, or next political
  region smaller than State/Province) from which
  the specimen was collected
• Locality The locality description (place name
  plus optionally a displacement from the place
  name) from which the specimen was collected.
  Where a displacement from a location is provided,
  it should be in un-projected units of measurement
• Longitude The longitude of the location from
  which the specimen was collected. This value
  should be expressed in decimal degrees with a
  datum such as WGS-84
• Latitude The latitude of the location from which
  the specimen was collected. This value should be
  expressed in decimal degrees with a datum such as
  WGS-84
• CoordinatePrecision An estimate of how tightly
  the collecting locality was specified expressed
  as a distance, in meters, that corresponds to a
  radius around the latitude-longitude coordinates.
  Use NULL where precision is unknown, cannot be
  estimated, or is not applicable.
• BoundingBox This access point provides a
  mechanism for performing searches using a
  bounding box. A Bounding Box element is not
  typically present in the database, but rather is
  derived from the Latitude and Longitude columns
  by the data provider
• MinimumElevation The minimum distance in meters
  above (positive) or below sea level of the
  collecting locality.
• MaximumElevation The maximum distance in meters
  above (positive) or below sea level of the
  collecting locality.

Fuente www.gbif.org
17
Elementos del Darwin Core 2 (4)

• MinimumDepth The minimum distance in meters
  below the surface of the water at which the
  collection was made all material collected was
  at least this deep. Positive below the surface,
  negative above (e.g. collecting above sea level
  in tidal areas).
• MaximumDepth The maximum distance in meters
  below the surface of the water at which the
  collection was made all material collected was
  at most this deep. Positive below the surface,
  negative above (e.g. collecting above sea level
  in tidal areas).
• Sex The sex of a specimen. The domain should be
  a controlled set of terms (codes) based on
  community consensus. Proposed values MMale
  FFemale HHermaphrodite IIndeterminate
  (examined but could not be determined UUnknown
  (not examined) TTransitional (between sexes
  useful for sequential hermaphrodites)
• PreparationType The type of preparation (skin.
  slide, etc). Probably best to add this as a
  record element rather than access point. Should
  be a list of preparations for a single collection
  record.
• IndividualCount The number of individuals
  present in the lot or container. Not an estimate
  of abundance or density at the collecting
  locality.
• PreviousCatalogNumber The previous (fully
  qualified) catalogue number of the Catalogued
  Item if the item earlier identified by another
  Catalogue Number, either in the current catalogue
  or another Institution / catalogue. A fully
  qualified Catalogue Number is preceded by
  Institution Code and Collection Code, with a
  space separating the each subelement. Referencing
  a previous Catalogue Number does not imply that a
  record for the referenced item is or is not
  present in the corresponding catalogue, or even
  that the referenced catalogue still exists. This
  access point is intended to provide a way to
  retrieve this record by previously used
  identifier, which may used in the literature. In
  future versions of this schema this attribute
  should be set-valued.
• RelationshipType A named or coded valued that
  identifies the kind relationship between this
  Collection Item and the referenced Collection
  Item. Named values include "parasite of",
  "epiphyte on", "progeny of", etc. In future
  versions of this schema this attribute should be
  set-valued.
• RelatedCatalogItem The fully qualified
  identifier of a related Catalogue Item (a
  reference to another specimen) Institution Code,
  Collection Code, and Catalogue Number of the
  related Catalogued Item, where a space separates
  the three subelements.
• Notes Free text notes attached to the specimen
  record.

Fuente www.gbif.org
18
DiGIR y Darwin Core2 Ejemplo

• lt?xml version"1.0" encoding"utf-8" ?gt
• ltresponseWrappergt
• ltresponse xmlns'http//digir.net/schema
  /protocol/2003/1.0'gt
• ltheadergt
• ltversiongtRevision 1.10 lt/versiongt
• ltsendTimegt11-09-2003
  1633530200lt/sendTimegt
• ltsource resource"biotella"gthttp//gio
  rgos.gbif.org80/digir/DiGIR.phplt/sourcegt
• ltdestinationgt192.38.103.181lt/destinati
  ongt
• lt/headergt
• ltcontent xmlnsdarwin'http//digi
  r.net/schema/conceptual/darwin/2003/1.0'
• xmlnsxsd'http//w
  ww.w3.org/2001/XMLSchema'
• xmlnsxsi'http//w
  ww.w3.org/2001/XMLSchema-instance'gt
• ltrecordgt
• ltdarwinDateLastModifiedgt1993071
  7T225000Zlt/darwinDateLastModifiedgt
• ltdarwinInstitutionCodegtbioshare
  .comlt/darwinInstitutionCodegt
• ltdarwinCollectionCodegtpyylt/darw
  inCollectionCodegt
• ltdarwinCatalogNumbergt4lt/darwin
  CatalogNumbergt
• ltdarwinScientificNamegtDiarsia
  mendicalt/darwinScientificNamegt

Fuente www.gbif.org
Volver
19
ABCD/BioCASE

• El esquema ABCD (Access to Biological Collection
  Data)
• Es parte del trabajo realizado por TDWG.
• El objetivo del grupo de trabajo es dar acceso a
  los datos de colecciones biológicas del mundo
  realizando una estandarización de los datos y
  metadatos asociados a estas.
• Es altamente comprensivo y estructurado, provee
  campos para albergar los datos completos de una
  amplia variedad de bases de datos con información
  de especimenes y observaciones.
• Es compatible con varios estándares de datos.

20
ABCD/BioCASE

• BioCASE (Biological Collection Access Service for
  Europe)
• Proveer a los investigadores acceso unificado a
  los datos de colecciones biológicas.
• El control de la información debe permanecer en
  manos de los custodios.
• 35 instituciones de 30 países de Europa e Israel
  están participando.
• La mayoría de los miembros están desarrollando
  nodos nacionales.
• www.biocase.org

21
ABCD vrs Darwin Core 2

• ABCD y DwC2 son estándares complementarios.
• DwC2 posee un estructura plana de 48 elementos en
  cambio ABCD posee una estructura jerárquica que
  soporta campos de repetición y tipos de datos
  complejos así como texto en formato libre. El
  ABCD tiene más de 700 elementos.
• El proceso de desarrollo de un portal con ABCD es
  más complejo,
• Sin embargo se puede utilizar la cantidad mínima
  común de elementos de todos los proveedores
  (flexible).
• Existe un mapeo documentado entre los elementos
  de DwC y el esquema ABCD.
• En GBIF coexisten ambos de una forma integrada.

Volver
22
Iniciativa para metadatos Dublin Core

• Dublin Core Metadata Initiative (DCMI)
• Organización dedicada a promover la adopción de
  estándares de metadatos.
• Desarrollo de vocabulario especializado para
  describir recursos que habiliten sistemas más
  inteligentes para descubrir información.
• Misión Que sea más fácil encontrar los recursos
  de información utilizando Internet, por medio de
• Desarrollo de estándares para metadatos.
• Definir marcos de trabajo para la interoperación
  de conjuntos de metadatos.
• Facilitar el desarrollo de metadatos específicos
  (para una comunidad o disciplina)

Volver
23
Gracias por la atención
María Auxiliadora Mora Instituto Nacional de
Biodiversidad www.inbio.ac.cr e-mail
mmora_at_inbio.ac.cr