Forskningsdata!

1. Forskningsdata! Våre utfordringer Espen Henriksen

2. Dagens data: • Elektrofysiologi • Bilder • Modellering

3. Utfordringer • Struktur/organisering av data • Arkivering av data • 10 års krav for publiserte data • Eksponentiell økning av lagringsbehov • Ca 60% økning per år

4. Dagens struktur • Organisert på bruker • Fleksibelt! • Alle har tilgang til alle andres data. + - • Brukeren har kun adgang til sin gruppe. • Organized by project • Duplication when project inherits data • Easily id the data belonging

5. Må ha et velfungerendearkiv • Redusereantallforsøksdyrersværtviktig • Finnesdetgamle data vi kanbruke? • Dissedataenemåværeletttilgjengelig, selvomdatainnsamlerharforlattsenteret. • Ca 20% av datakapasiteten brukes til arkivering av data

6. Eksempel: • For instance, the authors' lab has previously published CA1 place field recordings of animals with lesions of Schaffer collaterals (Brun et., 2002) or MEC input (Brun et al., 2008).  Analysis of these datasets with a focus on recording sites (and additional recordings in animals with these lesions, if necessary) could fulfill the larger aim

7. Om gamle data: • Sletterådata: Uaktuelt • Et eksperimentkananalyserespåveldig mange måter • Dataeneersåkomplekse at en publikasjonvil bare se påfragmenteravdataene • Slettemellomanalyser: Uaktuelt • Vi måkunnesjekke at analysenesomblegjorterriktige • Vi måenkeltkunnefinneanalyseneogresultatene.

8. Papirløs lab? • Vi ønskerossbortfrafeks. lab-bøker Pga: Folk tar med segpapirernår de drar • Utfordringer: • Detmåkunnedokumentereshvemsomgjørhva. • Absolutt all infomasjonomeksperimentetmålagreseffektivtogenkelt. Ikke bare rådata! • Fordeler: • Myeenklere å finnefremgamle data.

9. Fremtiden:

10. Prognoser fra DMF • CBM utgjør i dag ca 2/3 av dette

11. Fremtiden: • Vi publiserer idagnoe data fra vår hjemmeside • Nasjonalt og internasjonalt samarbeid krever enkle og raske dataoverføringer. • Arkiv til norstore (med deler for public)? • Kanskje en database for oversikt?

12. Usage by group