Proveniência de dados de workflows de bioinformática usando o banco de dados no SQL ArangoDB

Abstract

Este trabalho apresenta uma análise da utilização do sistema gerenciador de banco de dados NoSQL ArangoDB em workflow de Bioinformática. O ArangoDB é um banco híbrido que possui um modelo baseado em grafo e em documento para persistência de dados. Para isso, foi realizado um estudo sobre o armazenamento de dados gerados na fases de filtragem e de mapeamento de um workflow de Bioinformática, bem como a geração de grafos de proveniência a partir dos processos utilizados. O estudo foi motivado pela possibilidade de se armazenar os dados gerados ao longo do processamento do workflow e informações sobre sua execução em um mesmo lugar, o que facilitaria a reexecução de um workflow científico, visto que não seria necessário buscar novamente os dados que foram utilizados em um dado experimento. Como resultado, este trabalho demonstra como os dados gerados pelo workflow e seus dados de proveniência foram armazenados no ArangoDB utilizando o modelo PROV-DM.