Distributed knowledge sharing and production through collaborative e-Science platforms

255 Pages·2017·7.06 MB·English

by  Alban Gaignard

Distributed knowledge sharing and production through
collaborative e-Science platforms
Alban Gaignard
To cite this version:
Alban Gaignard. Distributed knowledge sharing and production through collaborative e-Science plat-
forms. Other [cs.OH]. Université Nice Sophia Antipolis, 2013. English. ￿NNT: 2013NICE4010￿.
￿tel-00827926v2￿
HAL Id: tel-00827926
https://theses.hal.science/tel-00827926v2
Submitted on 26 Jun 2013
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est
archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
UNIVERSITÉDENICE-SOPHIAANTIPOLIS
ÉCOLE DOCTORALE STIC
SciencesetTechnologiesdel’Information
etdelaCommunication
THÈSE
pourl’obtentiondugradede
Docteur en Sciences
de l’Université de Nice-Sophia Antipolis
Mention : INFORMATIQUE
Présentéeetsoutenuepar
Alban GAIGNARD
Distributed knowledge sharing and
production through collaborative e-Science
platforms
Thèse dirigée par Johan MONTAGNAT
preparée au laboratoire I3S, CNRS UMR-7271, équipe MODALIS
soutenuele15mars2013
Jury
Rapporteurs: OscarCORCHO - AssociateProfessor,UniversidadPolitécnicadeMadrid
OllivierHAEMMERLÉ - Professeur,UniversitéToulouseleMirail
Directeur: JohanMONTAGNAT - DRCNRS,LaboratoireI3S
Président: AndreaTETTAMANZI - Professeur,UniversitéNiceSophiaAntipolis
Examinateurs: OlivierCORBY - CRINRIA,LaboratoireI3S
BernardGIBAUD - CRINSERM,LaboratoireLTSI
Invitée: CatherineFARONZUCKER - MaîtredeConférence,UniversitéNiceSophiaAntipolis
CetteoeuvreestmiseàdispositionselonlestermesdelalicenseCreativeCommonsAttribution-Pasd’Utilisation
Commerciale-PasdeModification3.0France(http://creativecommons.org/licenses/by-nc-nd/3.0/fr)

Remerciements
Je tiens à remercier en premier lieu Johan Montagnat, pour avoir accepté de se lançer
avec moi dans cette aventure enrichissante. Ce travail doit beaucoup à sa rigueur
méthodologique,expérimentale,àsongoûtpourlesidéesetprojetsscientifiquesmêlant
à la fois réalisme et ambition, à son exigence, à sa capacité d’écoute et à ses encourage-
mentsconstants.
Ce travail n’aurait pas pu voir le jour sans le soutien actif de la direction du labora-
toire I3S, Luc Pronzato puis Michel Riveill. Ce soutien m’a permis, parallèlement à des
activitéstransversesdesupport,demenerdesactivitésderecherchesurunethématique
scientifiquequimetientàcoeur. MercienparticulieràMichelRiveilldem’avoirsoutenu
etmislepiedàl’étrier,dèsnotretoutepremièrerencontre.
Je tiens également à remercier les membres du jury d’avoir accepté d’évaluer mes
travaux. MerciàOllivierHaemmerlépourl’étenduedesonrapportetletempsconsacré
àl’examendecemanuscrit,poursesremarquesconstructivesetsesencouragements.
QuisieratambiénagradeceraOscarCorchoporaceptarestatareadeevaluación. Gra-
ciasporsutiempo,suscomentariosconstructivosysussugestionesparaseguiradelante.
Ces travaux ont été menés à l’interface entre plusieurs disciplines dans un contexte
collaboratif(projetsANRNeuroLOGetVIP).MerciàBernard,Tristan,Franck,Germain,
Rafael pour l’efficacité, le sérieux, et la qualité des échanges dans ces travaux d’équipe
(quelesdistancessoientcourtes,pourFranckmonco-bureauoupluslongues).
Merci également à Olivier et Catherine pour leur grande disponibilité et leur impli-
cation dans ces travaux menés à l’interface entre systèmes distribués et ingénierie des
connaissances.
IwouldalsoliketothankSilviaforallowingmetoparticipateintheorganizationof
an international scientific conference. This event was really a nice and enriching experi-
ence.
Pourleurbonnehumeur,l’ambiancechaleureuse,lesrepaspartagés,merciauxmem-
bres des équipes Rainbow, Modalis, et Wimmics, et particulièrement "aux" Philippes
(Philippe L., Philippe C., Filip K., Philippe R.), à Mireille, Diane, Clémentine, Nadia,
Sébastien,Simon,Stéphane,Jean-Yves,Gaëtan,Javier,Tram,Ketan.
Enfin, merci à Stéphane R.-D., pour sa curiosité, ses relectures approfondies et ses
questionnements philosophiques. Plus généralement, merci à mes proches, famille et
amis,pourleurprésenceindéfectible.
MerciàAnapoursapatience,saconfiance,sonsoutien,etcesbellesannées.
AMaya&Adèle

Contents
1 Introduction 1
1.1 Context,motivationsandobjectives . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Researchquestions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Thesiscontributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 Securedcollaborations . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.2 Knowledgebasefederation . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.3 Semanticscientificworkflows . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Applicativecontext: neurosciencesandmedicalimagesimulation . . . . . 7
1.4.1 Collaborativeneuroscience(NeuroLOGproject) . . . . . . . . . . . 8
1.4.2 Multi-modalandmulti-organmedicalimagesimulation(VIPproject) 10
1.5 Thesisoutline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
I Sharingdistributedresourcesinlife-Sciences 15
2 Knowledgesharingincollaborativelife-sciences: stateoftheart 17
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.1 Life-scienceresources . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.1.2 Datarepresentationandunderstanding . . . . . . . . . . . . . . . . 19
2.1.3 Dataintegration: approachesandchallenges . . . . . . . . . . . . . 20
2.2 Backgroundinformationsonsemanticdata: representation,querying,rea-
soningandpersistency . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.1 Semanticdatarepresentation . . . . . . . . . . . . . . . . . . . . . . 26
2.2.2 Semanticdataquerying . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.3 Semanticreasoning . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.4 Semanticdatapersistency . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3 Virtualizeddataintegration . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3.1 Distributedqueryprocessingapproaches . . . . . . . . . . . . . . . 40
2.3.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.4 DatasharingthroughLife-sciencecollaborativeplatforms . . . . . . . . . 48
2.4.1 Life-sciencecollaborativeplatformexamples . . . . . . . . . . . . . 48
2.4.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3 Securedcollaborationsinalife-scienceplatform 55
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.1.1 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.1.2 Relatedworks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.1.3 Requirementsforsecuredlife-sciencecollaborations . . . . . . . . . 60
iv Contents
3.2 Life-sciencedistributedsecuritymodel. . . . . . . . . . . . . . . . . . . . . 61
3.2.1 Fromindependenttocollaborativetrustdomains . . . . . . . . . . 61
3.2.2 Dataprotection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2.3 Decentralizedaccesscontrolpolicy . . . . . . . . . . . . . . . . . . . 62
3.3 Resultsandimplementation . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.3.1 Usecase: securedsharingofdatasetsthroughdecentralizedRBAC 63
3.3.2 Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.4 Discussionandconclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4 Semanticdataandquerydistribution 71
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.2 Strategiesforsemanticquerydistribution . . . . . . . . . . . . . . . . . . . 74
4.2.1 Abstractknowledgegraphs . . . . . . . . . . . . . . . . . . . . . . . 74
4.2.2 DistributedQueryProcessingprinciples . . . . . . . . . . . . . . . 75
4.2.3 Queryrewritingoptimizations . . . . . . . . . . . . . . . . . . . . . 77
4.2.4 Federatorparallelismoptimizations . . . . . . . . . . . . . . . . . . 84
4.3 Distributedqueryprocessingperformanceandscalabilityevaluation . . . 88
4.3.1 Impactofthequeryrewritingoptimizations . . . . . . . . . . . . . 91
4.3.2 Impactofthefederatorparallelismoptimizations . . . . . . . . . . 92
4.3.3 Impactofthedynamicsourceselection . . . . . . . . . . . . . . . . 95
4.3.4 Impactoftheedgegroupingalgorithm . . . . . . . . . . . . . . . . 95
4.4 Discussionandconclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
II Extendingknowledgebasesthroughscientificworkflows 103
5 Semanticservicesinscientificworkflows 105
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.2 SemanticWebServices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.2.1 Fromservicemodelstosemanticwebservices . . . . . . . . . . . . 108
5.2.2 Fromlegacywebservicestosemanticwebservices . . . . . . . . . 109
5.2.3 AppliedSemanticWebServices . . . . . . . . . . . . . . . . . . . . . 112
5.2.4 PositioningourcontributionstowardsSemanticScientificWorkflows114
5.3 Provenanceinscientificworkflows . . . . . . . . . . . . . . . . . . . . . . . 115
5.3.1 Scientificworkflows . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.3.2 Domain-agnosticprovenance . . . . . . . . . . . . . . . . . . . . . . 117
5.3.3 Provenanceandinteroperability . . . . . . . . . . . . . . . . . . . . 118
5.3.4 Meaningful,domain-specificprovenance . . . . . . . . . . . . . . . 120
5.3.5 Positioningtheprovenance-basede-Scienceexperimentsummaries 121
5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Contents v
6 Semanticscientificworkflowsforknowledgecaptureandextension 125
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.2 Motivatingusecase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
6.3 Backgroundinformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.3.1 Rolemodeling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.3.2 Rolesinwebserviceontologies . . . . . . . . . . . . . . . . . . . . . 129
6.4 Knowledgecaptureinneuroimagingdataprocessing . . . . . . . . . . . . 131
6.4.1 Supportingontologies . . . . . . . . . . . . . . . . . . . . . . . . . . 131
6.4.2 Roleconcepts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
6.4.3 DifferentiatingneuroimagingNaturalandRoleconcepts . . . . . . 133
6.5 Knowledgeextensionthroughsemanticworkflowruns . . . . . . . . . . . 135
6.5.1 OPMprovenanceontology . . . . . . . . . . . . . . . . . . . . . . . 135
6.5.2 Reusable and service independent rules to infer new meaningful
statements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
6.6 Discussionandconclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
III ImplementationandEvaluation 141
7 Implementation 143
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
7.2 Supportingsemanticscientificworkflows: NeuSemStore . . . . . . . . . . 144
7.2.1 Featuressummary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
7.2.2 Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
7.2.3 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
7.3 Semanticfederationengine: KGRAM-DQP . . . . . . . . . . . . . . . . . . 150
7.3.1 Featuressummary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
7.3.2 Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
7.3.3 IntegrationofKGRAM-DQPwithintheexistingframework . . . . 152
7.3.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
7.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8 Experimentalevaluation 155
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
8.2 Largescaleexperiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
8.2.1 QueryingdistributedDBpediadatasets . . . . . . . . . . . . . . . . 157
8.2.2 The“FedBench”federationbenchmark . . . . . . . . . . . . . . . . 162
8.3 Federatingdistributedandheterogeneousneurosciencedatasourceswith
KGRAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
8.3.1 Materialandmethods . . . . . . . . . . . . . . . . . . . . . . . . . . 170
8.3.2 Resultsanddiscussion . . . . . . . . . . . . . . . . . . . . . . . . . . 175
8.4 A real-life medical imaging simulation workflow: semantic mash-up ex-
perimenttoinfermeaningfulexperimentsummaries . . . . . . . . . . . . 178
vi Contents
8.4.1 Materialsandmethods . . . . . . . . . . . . . . . . . . . . . . . . . . 179
8.4.2 Resultsanddiscussion . . . . . . . . . . . . . . . . . . . . . . . . . . 186
8.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
IV Conclusions 195
9 Conclusionandperspectives 197
9.1 Contributionssummary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
9.2 Futuredirections . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
9.2.1 Towardshighperformancesemanticdistributedquerying . . . . . 199
9.2.2 Towardshighlyexpressivesemanticdistributedquerying . . . . . 199
9.2.3 Towardsversatileandreliableknowledge-baseddatafederations . 201
9.2.4 Towardsreducedinformationoverloadine-Science . . . . . . . . . 203
9.3 Concludingremarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
V Appendix 207
10 Appendix 209
10.1 FedBenchLifeScienceQueries . . . . . . . . . . . . . . . . . . . . . . . . . 209
Bibliography 213
List of Figures
1.1 The NeuroLOG platform eases the setup of neuroimaging multi-centric
studiesthroughasemanticdrivendatafederation. . . . . . . . . . . . . . . 9
1.2 The VIP platform, easing the access to medical image simulators, organ
models, and leveraging the EGI distributed computing infrastructure to
handleheavysimulation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1 A sample materialized data integration where data from several dis-
tributed and heterogeneous data sources is extracted, transformed and
loadedintoacentralizeddatawarehouse. . . . . . . . . . . . . . . . . . . . 21
2.2 Asamplefederateddataintegrationsetupinwhichresultdataisdynam-
icallyretrievedfrommultipledistributedandheterogeneousdatasources
throughqueryrewritinganddistributedqueryevaluation. . . . . . . . . . 22
2.3 Linkingrawandprocesseddatatotheacquisitionequipmentandprocess-
ingtool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4 AsamplecontrolledvocabularyexpressedinRDFS . . . . . . . . . . . . . 28
3.1 Bridgingindependentsitestrustdomains. . . . . . . . . . . . . . . . . . . . 62
3.2 Activitiesinvolvedincoherentlysharingdata. . . . . . . . . . . . . . . . . 64
3.3 Decentralizedaccesscontrol . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.4 PolicydecisionandenforcementpointsintheNeuroLOGmiddleware. . . 66
4.1 Graph-basedqueryingwithKGRAM. . . . . . . . . . . . . . . . . . . . . . 75
4.2 DistributedsemanticqueryprocessingwithKGRAM . . . . . . . . . . . . 87
4.3 SemanticdistributedqueryprocessingwithKGRAM . . . . . . . . . . . . 89
4.4 Impact of the federator parallelism optimization on a medium size (338K
triples)knowledgebase,fragmentedinto1,2,4,6and8distributedstores.
The parallel-pipeline strategy is beneficial for queries producing a lot of in-
termediateresults.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.5 Decreasing distributed query processing (DQP) time for a large scale
knowledgebase(1.7Mtriples)fragmentedinto1,2,4,6and8datastores,
underfullqueryrewritingstrategy. . . . . . . . . . . . . . . . . . . . . . . . 94
5.1 ThemaincausaldependenciesintroducedintheOPMprovenancemodel. 119
6.1 A typical neuroimaging workflow mixing several nature of data and pro-
cessing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
6.2 Linkingdataandprocessesthroughgenericanddomain-specificrelations. 128
6.3 A domain-specific role taxonomy characterizing how neuroimaging data
canberelatedtoneuroimagingprocessingtools. . . . . . . . . . . . . . . . 134
6.4 Rolesinvolvedintheregistrationworkflow. . . . . . . . . . . . . . . . . . . 135