labapi: a Python object model for the LabArchives electronic lab notebook

Im modernen Labor ist die Geschichte eines Experiments nicht mehr nur ein handgeschriebenes Protokoll in einem ledergebundenen Buch. Es ist ein digitales Archiv, ein lebendiges Register, in dem jede Beobachtung, jede Berechnung und jedes Ergebnis mit Präzision abgelegt werden muss. Für Wissenschaftler an den National Institutes of Health und vielen anderen Forschungseinrichtungen ist dieses digitale Zuhause ein System namens LabArchives. Es fungiert als elektronisches Notizbuch, ein sicherer Raum, in dem Forscher ihre Arbeit Schritt für Schritt dokumentieren und so sicherstellen, dass die Geschichte einer Entdeckung zusammen mit der Entdeckung selbst bewahrt wird. Es ist jedoch eine Lücke entstanden zwischen der Art und Weise, wie Wissenschaftler arbeiten, und der Art und Weise, wie diese digitalen Notizbücher aufgebaut sind. Während Forscher zunehmend auf automatisierte Computerprogramme angewiesen sind, um Daten zu verarbeiten – komplexe Berechnungen durchzuführen, die Ergebnisse in Sekundenschnelle generieren –, müssen sie diese Ergebnisse immer noch manuell über einen Webbrowser in das Notizbuch kopieren und einfügen. Es ist eine mühsame, repetitive Aufgabe, die den wissenschaftlichen Fluss unterbricht und den Menschen zwingt, als Brücke zwischen einem schnellen Computer und einer statischen Webseite zu fungieren.

Um diese Reibung zu lösen, hat ein Team von Forschern ein neues Werkzeug namens labapi entwickelt, eine Softwarebibliothek, die darauf ausgelegt ist, dass Computerprogramme die gleiche Sprache wie das elektronische Notizbuch sprechen. Die Kernleistung dieser Arbeit ist die Schaffung einer Brücke, die die flachen, technischen Befehle des zugrunde liegenden Systems des Notizbuchs in eine Struktur übersetzt, die sich für einen menschlichen Benutzer natürlich anfühlt. Anstatt ein Computerprogramm dazu zu zwingen, nach obskuren internen Codes zu suchen, um eine bestimmte Seite zu finden, ermöglicht das neue Werkzeug dem Programm, das Notizbuch über dieselben vertrauten Pfade zu navigieren, die auch ein Mensch verwenden würde: von einem Notizbuch in einen Ordner und hinunter zu einer spezifischen Seite. Dieses Werkzeug bewegt nicht nur Daten; es versteht die Hierarchie des Notizbuchs und erkennt, dass ein Ordner andere Ordner oder Seiten enthalten kann und dass Seiten die eigentlichen Dateneinträge beherbergen. Durch den Aufbau dieser Struktur haben die Autoren es Forschern ermöglicht, automatisierte Arbeitsabläufe zu erstellen, die ihre Ergebnisse direkt in das Notizbuch schreiben und diese später wieder auslesen können, ohne dass ein menschliches Eingreifen erforderlich ist.

Die Entwickler haben dieses Werkzeug mit einem spezifischen Ziel entworfen: das digitale Notizbuch soll sich so intuitiv anfühlen wie die Web-Benutzeroberfläche, die Wissenschaftler bereits kennen. In der Vergangenheit erforderte die Verbindung eines Computerprogramms mit dem Notizbuch das Schreiben von individuellem Code, um einen einfachen Pfad wie „Projekt A/Ergebnisse/Subjekt 1“ in eine komplexe Serie interner Anfragen zu übersetzen. Die neue Bibliothek übernimmt diese Übersetzung automatisch. Sie enthält Helfer, die prüfen können, ob ein Ordner existiert und ihn erstellen, falls er fehlt, oder eine spezifische Seite finden, ohne deren verborgene interne ID kennen zu müssen. Dieser Ansatz folgt dem Prinzip „Parse, don't validate“ (Analysieren statt Validieren), was bedeutet, dass die Software den Pfad akzeptiert, während der Benutzer ihn eintippt, und die Details selbst ermittelt, anstatt den Benutzer zu zwingen, sich einer starren, vordefinierten Struktur anzupassen. Diese Flexibilität ermöglicht es der Software, neue Einträge zu erstellen, wie etwa das Speichern einer komplexen Datendatei als JSON-Anhang, der dann mit einer für Menschen leicht lesbaren, formatierten Vorschau im Notizbuch erscheint.

Der praktische Wert dieses Werkzeugs ist bereits in der realen Forschung spürbar. Die Autoren haben es verwendet, um zwei spezifische Anwendungen zu bauen, die nun in anderen Laboratorien im Einsatz sind. Eine Anwendung namens muronto zeichnet automatisch die Ausgaben neuro-behavioraler Experimente auf und erfasst so Daten, die andernfalls einen manuellen Eintrag erfordern würden. Eine andere, namens save-my-jupyter, erstellt Snapshots von Jupyter-Notebooks – einem gängigen Format für wissenschaftliche Programmierung – und hinterlegt sie direkt im elektronischen Datensatz. In einer Demonstration der Fähigkeiten des Werkzeugs zeigten die Autoren, wie ein Workflow Daten von fünf verschiedenen Subjekten nehmen, einen Qualitätskontrollwert für jeden berechnen und diese Ergebnisse in das Notizbuch schreiben kann. Das System las diese gespeicherten Werte anschließend wieder aus, fasste sie in einem Kohortenbericht zusammen und fügte eine visuelle Abbildung derselben Seite bei. All dies geschah automatisch, wobei der Computer die Struktur des Notizbuchs durchlief, als würde ein Mensch durch die Menüs klicken.

Diese Arbeit adresst ein spezifisches Bedürfnis innerhalb der wissenschaftlichen Gemeinschaft, insbesondere für Institutionen, die verpflichtet sind, genehmigte elektronische Notizbücher für ihre Forschung zu verwenden. Während andere Systeme für elektronische Labornotizbücher offizielle Softwarebibliotheken zur Unterstützung der Automatisierung bereitstellen, bietet LabArchives keine solche öffentlich an. Frühere Versuche, eine Verbindung zum System herzustellen, waren entweder unvollständig, wurden nicht gepflegt oder erforderten von Forschern, das gesamte Navigationssystem von Grund auf neu zu entwickeln. Die neue Bibliothek füllt diese Lücke, indem sie ein allgemeines Werkzeug bietet, das Pfadnavigation, Handhabung von Einträgen und Dateitransfer in einem einzigen Paket kombさせて. Sie ist für den Einsatz durch computergestützte Forscher und Softwareentwickler konzipiert, die neben experimentellen Laboren arbeiten, und bietet ihnen einen zuverlässigen Weg, ihre digitalen Aufzeichnungen auf dem neuesten Stand zu halten.

Das Werkzeug steht nun jedem zur Verfügung, wobei der Quellcode und die Dokumentation offen veröffentlicht wurden. Es erfordert eine moderne Version der Programmiersprache Python und wird unter einer Lizenz veröffentlicht, die eine breite Nutzung und Modifikation erlaubt. Die Entwickler haben Beispiele und Tests beigefügt, um anderen den Einstieg zu erleichtern und sicherzustellen, dass der Weg von einer Rohdatendatei zu einem permanenten Laborregister nicht länger eine manuelle mühsame Aufgabe, sondern ein nahtloser Teil des wissenschaftlichen Prozesses ist. Durch das Entfernen der Barriere zwischen automatisierter Analyse und dem elektronischen Notizbuch ermöglicht dieses Werkzeug es Wissenschaftlern, sich mehr auf die Fragen zu konzentrieren, die sie stellen, und weniger auf die Mechanik des Ablegens ihrer Antworten.