Avoimen datan uudet mahdollisuudet terveys- ja yhteiskuntatieteissä. Esitelmä THL:llä 3.12.2013

1. Avoin data­analytiikka & terveystieteet
Leo Lahti, Helsinki & Wageningen (Alankomaat)
THL 3.1 2.201 3

2. Leo Lahti
Helsingin yliopisto (eltdk)
Wageningenin yliopisto (Lab. Microbiol.), Alankomaat
Tutkijatohtori (SA)
Ihmiskehon mikrobiekologia
TkT (Aalto, 201 0)
Bioinformatiikka & koneoppiminen
DI (TKK 2003)
Teknillinen fysiikka & matematiikka
VTK (HY 2009)
Käytännöllinen filosofia & kansantaloustiede
Open Knowledge Foundation Finland; Open Science work group
Avoimen datan ohjelmakirjastot (rOpenSci; sorvi; Louhos-blogi)
Avoimen lähdekoodin analyysivälineitä avoimelle datalle;
biolääketiede keskeisimpänä sovellusalueena

3. Laskennallinen tiede & bioinformatiikka
Avoin ja suljettu yhteiskunnallinen data
Uusia tutkimustapoja ja ­välineitä?
Keskustelua

4. Bioinformatiikka on monitieteinen tutkimusala, joka kehittää ja
käyttää matematiikan, tietojenkäsittelytieteen sekä
tilastotieteen menetelmiä biologisten ongelmien ratkaisuun.
- Organisoi tietoaineistoja tutkijoiden saataville
- Kehittää laskennallisia menetelmiä ja tietoresursseja
- Soveltaa näitä (molekyyli)biologian tutkimuksessa
Perimän rakenteen ja toiminnan kartoitus, geenisekvenssit,
proteiinien ja geenien rakenne ja toiminta, evoluutiotutkimus,
mikrobiekologia, tautigeenien kartoitus, eliöiden
sukulaisuussuhteiden selvittäminen, prognostiikka,
diagnostiikka

5. Ihmisen perimä
­ 3,000,000,000 emäsparia
­ 22,000 geeniä
­ mRNA; ncRNA; miRNA; lincRNA
­ 100,000 proteiinia
- proteiinikompleksit
- muu aineenvaihdunta, soluviestintä
- biokemialliset vaikutusverkot
- satoja kudostyyppejä
- tuhansia sairauksia
- ympäristötekijät

6. Aineistojen laskennallinen yhdistely
keskeisellä sijalla perimän toimintaa
tutkittaessa

8. Ihmisen mikrobiomi
- tuhansia bakteerilajeja, valtaosin
tuntemattomia
- 1 0 1 4 bakteerisolua
(1 0 x ihmisen solujen määrä!)
­ metagenomi: >3,000,000 uniikkia
geeniä (1 50 x ihmisen perimä!)
- hyvät, pahat & vapaamatkustajat
HITChip suolistobakteeriatlas:
1000 bakteeria x 5000 näytettä

9. Datasta tietoon
Tietojen yhdistely
mahdollistaa uudet
sovellukset ja
kasvattaa datan arvoa
Viisaus, toiminta
Tieto, ymmärrys
Informaatio, faktat
Havainnot, data

10. R ­ Avoin tieteellinen laskentakieli
jokapäiväiseen tiedonlouhintaan
www.r-project.org
- Laaja käyttäjä- ja kehittäjäyhteisö
- Avoin lähdekoodi
- Tuhansia analyysimenetelmiä (tilastollinen testaus,
tiedonlouhinta, visualisointi)
- Uusia työkaluja ja vaihtoehtoja SAS/SPSS/Matlab/Excel-säädölle

11. Number of analysis tools for R
now growing exponentially
CRAN
rOpenGov
r4stats.com

13. Avoimuuden etuja (data
& koodi)
- saavutettavuus & käytettävyys
- läpinäkyvyys & luotettavuus
- toistettavuus & jatkokäyttö
- yhteistyön skaalautuvuus
- lisätukea suljetun datan analyyseille

15. Esimerkki: uusi kuntajako ja väestötilastot
Kuntajako:
YLE
Kuntakartta:
Maanmittauslaitos
Väestötiedot:
Tilastokeskus

16. Open Street Map,
Helsinki

17. Pullonkauloja avoimen datan hyödyntämisessä
- tiedon hajanaisuus
- heikko saavutettavuus
- sotkuinen data
- katoava data
- vertailukelvoton data
- välineiden puute
- yksityisyydensuoja

18. Louhos kerää ja kehittää algoritmeja
avoimelle Suomi­datalle
louhos.github.com

19. R/sorvi­kirjasto kattaa jo noin
20 kotimaista tietolähdettä
Kunnallisvaalit
Datavaalit
Eduskunnan äänestykset
Vaalikoneet
YLE/MOT Yritystuet
Maanmittauslaitos (MML)
Suomen ympäristökeskus (SYKE/OIVA)
Google Maps
OpenStreetMap
Kuntatason informaatio
Maakuntatason informaatio
Helsingin seudun ympäristöpalvelut (HSY)
Helsingin kaupungin kiinteistövirasto (HKK)
Helsinki Region Infoshare (HRI)
Asuntojen hinnat
Koulutus
Kulttuuri
Postinumerot
Tilastokeskus
Väestörekisterit
Nimitilastot
Maailmanpankki

20. Presidenttiehdokkaiden
kannatus ja suomalaisten
hyvinvointi (Data:
Tilastokeskus & HRI)

22. Sotkanetin R-esimerkit Opasnet-sivustolla

23. Apps4Finland­finaaliin yhteistyössä Demos Helsingin kanssa

24. Käyttöesimerkkejä
Datawiki
github.com/louhos/sorvi/wiki/
Louhos­blogi
louhos.wordpress.com

25. Sotkanet-esimerkit lähdekoodeineen Datawikissä

26. "Lex Karpela" tekijänoikeuslain kannattajat eduskunnassa

27. Louhos­blogi (louhos.wordpress.com)

28. Merkkipaaluja
201 0 sorvi-paketti & Louhos-blogi alulle
201 1 Datajournalismin työpaja, Vanha ylioppilastalo
Apps4Finland Datan Avaus-sarjan voitto (sorvi)
201 2 SHARE-konferenssi (Belgrad)
Kaupunkitutkimuksen päivät (Helsinki)
HSOpen Hackathon - yhteistyö (Vaalidatapaketti)
Sitralta 1 4,000e rahoitus Datavaalit-hankkeelle
Open Legislative Data-konferenssi (Pariisi)
Open Knowledge Festival (Helsinki)
Apps4Finland Datan Avaus-sarjan voitto (Datavaalit)
Apps4Finland Dataopas-sarjan yleisöäänet (Datawiki)
Louhos-blogiin 20,000 vierailua
201 3 Open Knowledge Foundation; Open Science työryhmä
Mukaan CRAN-verkostoon
Open Knowledge Roadshow
Sotkanet-sovellus Apps4Finland-finaalissa (+Demos Helsinki)
Globaali rOpenGov-verkosto käynnistyy
NIPS Machine Learning Open Source Software workshop (Lake Tahoe, US)

29. Uutta dataa & välineitä yhteiskuntatutkimukseen
Datan saatavuus: tietolähteiden kartoitus; joustavat haku- ja
putsausrutiinit
Läpinäkyvyys & toistettavuus: kaikki vaiheet yhdessä koodissa
Vuorovaikutteisuus: nopea datan seulonta ja visualisointi
Monipuolisuus: koodipohjaa voidaan jakaa ja uudelleenkäyttää
Lokalisoitu: kotimaisiin tarpeisiin
Uusia tutkimusvälineitä: R/Python-koodikirjastot!
(SAS/SPSS/Matlab/Excel: ei vastaavia välineitä

30. rOpenGov: globaali kehittäjäverkosto (ropengov.github.io)
rOpenSci

32. Kiitos!
Markus Kainu
Aleksanteri-instituutti
Joona Lehtomäki
Helsingin yliopisto
Juuso Parkkinen
Aalto-yliopisto
louhos.github.com/sorvi

33. Tervetuloa mukaan!
louhos.github.io/sorvi
!louhos@IRCnet