Ein Open Access oder OA ist eine Reihe von Prinzipien und eine Reihe von Praktiken, durch dieForschungAusgaben werden online, kostenlos oder andere Zugangsbarrieren verteilt.

Eine Einführung in « Open Access » Ressourcen

Ein Open Access oder OA ist eine Reihe von Prinzipien und eine Reihe von Praktiken, durch dieForschungAusgaben werden online, kostenlos oder andere Zugangsbarrieren verteilt. Mit strikt definiertem Open Access (gemäß der Definition von 2001) oder libre Open Access werden auch Hindernisse für das Kopieren oder die Wiederverwendung durch die Anwendung einer offenen Lizenz für das Urheberrecht reduziert oder beseitigt.

Das Hauptaugenmerk der Open-Access-Bewegung liegt auf „peer-reviewed research Literatur“. Historisch gesehen hat sich dies hauptsächlich auf gedruckte wissenschaftliche Zeitschriften konzentriert. Während konventionelle (non-open access) Zeitschriften die Publikationskosten durch Zugangsgebühren wie Abonnements, Site-Lizenzen oder Pay-per-View-Gebühren decken, zeichnen sich Open-Access-Zeitschriften durch Finanzierungsmodelle aus, bei denen der Leser für die Lektüre nicht bezahlen muss Inhalt der Zeitschrift. Open Access kann auf alle Formen von veröffentlichten Forschungsergebnissen angewendet werden, einschließlich peer-reviewed und non-peer-reviewed wissenschaftliche Zeitschriftenartikel, Konferenzbeiträge, Abschlussarbeiten, Buchkapitel, Monographien und Bilder.

Bei der Definition des „freien“ Zugangs muss jedoch zwischen „gratis“ und „libre“ unterschieden werden.

Um die realen Unterschiede im Grad des Open Access widerzuspiegeln, wurde 2006 von Peter Suber und Stevan Harnad, zwei der Mitverfasser der ursprünglichen Budapest Open Access Initiative ( BOAI) Definition des Open-Access-Publizierens. Gratis Open Access bezieht sich auf den kostenlosen Online-Zugang und libre Open Access bezieht sich auf den kostenlosen Online-Zugang zuzüglich einiger zusätzlicher Weiterverwendungsrechte. Libre Open Access entspricht der Definition von Open Access in der BOAI, der Bethesda-Erklärung zum Open-Access-Publizieren und der Berlin Declaration on Open Access to Knowledge in the Sciences and Humanities. Die Weiterverwendungsrechte von libre OA werden oft durch verschiedene spezifische Creative Commons-Lizenzen festgelegt; diese erfordern fast alle die Zuschreibung der Autorenschaft an die ursprünglichen Autoren.

Das im Februar 2002 von der BOAI veröffentlichte Dokument enthält die folgende sehr verbreitete Definition:

• Mit „offenem Zugang“ zu dieser Literatur meinen wir ihre freie Verfügbarkeit im öffentlichen Internet, die es allen Benutzern ermöglicht, die Volltexte dieser Artikel zu lesen, herunterzuladen, zu kopieren, zu verteilen, zu drucken, zu durchsuchen oder zu verlinken, sie zur Indexierung zu durchsuchen, als Daten an Software weiterzugeben oder für andere rechtmäßige Zwecke zu verwenden, ohne andere finanzielle, rechtliche oder technische Hindernisse als die, die mit dem Zugang zum Internet selbst untrennbar verbunden sind. Die einzige Einschränkung bei der Vervielfältigung und Verbreitung und die einzige Rolle des Urheberrechts in diesem Bereich sollte darin bestehen, den Autoren die Kontrolle über die Integrität ihrer Werke und das Recht auf ordnungsgemäße Anerkennung und Zitierung zu geben.

Angesichts der obigen Informationen muss die Nutzung wissenschaftlicher Open-Source-Ressourcen den allgemein verabschiedeten Regeln folgen. Bei der Veröffentlichung von wissenschaftlichen Open-Source-Ressourcen muss auch deutlich angegeben werden, ob sie frei oder kostenlos sind und dem ursprünglichen Autor zugeschrieben werden.

Was sind „Daten“

Laut dem Merriam-Webster-Wörterbuch gibt es drei verschiedene Definitionen von Daten:

1. Sachinformationen, wie Messungen oder Statistiken, die als Grundlage für Argumente, Diskussionen oder Berechnungen dienen
2. Informationen in digitaler Form, die übermittelt oder verarbeitet werden können
3. Informationsausgabe eines Sensors oder Organs, die sowohl nützliche als auch irrelevante oderredundantInformationen und müssen sinnvoll verarbeitet werden

In diesem Dokument werden wir die meisten der drei Definitionen behandeln.

In diesem Dokument werden wir die meisten der drei Definitionen behandeln.

Seit der Mensch zu kommunizieren begann, hat er die Notwendigkeit erfahren, Informationen langfristig zu speichern. Das Aufbewahren von Informationen war für unsere Vorfahren notwendig, um ihr Überleben zu sichern. Die Weitergabe von Informationen über Generationen hinweg ermöglichte es ihnen, potenzielle Gefahren im Auge zu behalten, aber auch eine Bestandsaufnahme der besten Orte zum Sammeln von Nahrung, der besten Angelplätze, der interessantesten Tiere zum Jagen und der besten Unterstände zu machen. Alle diese Informationen wurden mündlich übermittelt. Mit der Evolution des Wissens und der Erfindung der Schrift begannen sie, Informationen auf unauslöschlichen Medien zu speichern.

Ohne auf die Entwicklung der Informationsdarstellung einzugehen, werden einige bedeutende Beispiele gegeben, die bei der Strukturierung des Denkens geholfen haben, die zur Entdeckung der Computerwerkzeuge führten, die wir täglich verwenden.

Daten vor der Erfindung des Computers

Als menschliche Gesellschaften entstanden, wurden die kollektiven Motivationen für die Entwicklung des Schreibens von pragmatischen Erfordernissen angetrieben. Dazu gehören die Organisation und Führung von Gesellschaften durch die Bildung von Rechtssystemen, Verträgen, Eigentumsurkunden, Steuern, Handelsabkommen, Verträgen, Volkszählungen, Geschichtsschreibung, Kulturpflege, Verfolgung wissenschaftlicher Entdeckungen, Kodifizierung von Wissen durch Lehrpläne und Listen von Texten, die künstlerisch außergewöhnlich sind oder grundlegendes Wissen enthalten, und viele andere Bedürfnisse.

Figur 1: Keilschrift

Zum Beispiel um das 4. Jahrtausend v. Chr. wuchs die Komplexität von Handel und Verwaltung in Mesopotamien über das menschliche Gedächtnis hinaus, und das Schreiben wurde zu einer zuverlässigeren Methode, um Transaktionen in dauerhafter Form aufzuzeichnen und darzustellen.

Keilschrift war eines der frühesten Schriftsysteme, das von Sumerern im alten Mesopotamien erfunden wurde. Es zeichnet sich durch seine keilförmigen Markierungen auf Tontafeln aus, die mit einem stumpfen Rohrblatt für einen Griffel hergestellt wurden, wie in Abb. 1 gezeigt.

Im Laufe der Zeit ist die Entwicklung von Wissen, die Vervielfältigung von Informationen, die Einschränkung des menschlichen Gedächtnisses, die Notwendigkeit, riesige Mengen von Informationen aufzuschreiben und zu dokumentieren, unabdingbar geworden. Trotz der Aufzeichnung von fast jeder Art von Informationen oder Daten auf verschiedenen Medien wurde es jedoch immer komplexer, diese auf einfache Weise abzurufen. Man musste Dutzende von Berichten und Büchern lesen, um zu einem Thema zusammenzufassen.

Daten in der Moderne

Die Menge der jährlich produzierten und digital vorgehaltenen Daten, z. B. To-Do-Listen, Rezepte, Erinnerungen, Logbücher, Karten, Fotos, E-Mails, wissenschaftliche Daten, politische Berichte, Videos etc. ist heute so exponentiell, dass sie die Notwendigkeit, die Art und Weise zu strukturieren, wie wir diese phänomenalen Größen abrufen können.

Computer gewannen an Popularität und wurden in den frühen 80er Jahren für Einzelpersonen und private Unternehmen kostengünstig. Die 60er Jahre können jedoch als die neue Ära im Bereich der Datenbanken betrachtet werden. Die Einführung des Begriffs „Datenbank“ fiel mit der Verfügbarkeit von Direktzugriffsspeichern oder DAS ab Mitte der 60er Jahre zusammen. Diese neue Technologie stellte einen Kontrast zu den früheren Lochkarten und den bandbasierten Systemen dar und ermöglichte eine gemeinsame interaktive Nutzung anstelle einer täglichen Stapelverarbeitung. Es wurden zwei Hauptdatenmodelle entwickelt – das Netzwerkmodell „CODASYL“ (Conference on Data System Language) und das hierarchische Modell „IMS“ (Information Management System).

Die erste Generation von Datenbanksystemen war „navigationsfähig, im Gegensatz zum sequentiellen Zugriff aufgrund der bisherigen Technologien zur Datenspeicherung, also Bänder und Lochkarten. Anwendungen greifen normalerweise auf Daten zu, indem sie Zeigern von einem Datensatz zum anderen folgen. Die Speicherdetails hängen von der Art der zu speichernden Daten ab.

Das Hinzufügen eines zusätzlichen Felds zu einer Datenbank erforderte das Umschreiben des zugrunde liegenden Zugriffs-/Modifikationsschemas. Der Schwerpunkt lag auf zu verarbeitenden Datensätzen, nicht auf der Gesamtstruktur des Systems. Ein Benutzer müsste die physische Struktur der Datenbank kennen, um Informationen abzufragen. Eine Datenbank, die sich als kommerzieller Erfolg erwies, war das System „SABRE“, das von IBM verwendet wurde, um American Airlines bei der Verwaltung ihrer Reservierungsdaten zu unterstützen. Dieses System wird immer noch von den großen Reiseanbietern für ihre Reservierungssysteme verwendet.

In der modernen Informationstechnologie gab es unter den Benutzern schon immer Verwirrung zwischen Datenbanken und Internet-Websuchmaschinen, auf die über Browser zugegriffen wird. Eine Datenbank enthält normalerweise strukturierte Daten, im Gegensatz zum World Wide Web (www), das normalerweise unstrukturierte Daten enthält. Auch wenn das Abrufen von Informationen aus Datenbanken und „www“ nahtlos verläuft und ähnlich aussieht, sind der Inhalt und die Art und Weise, wie Anfragen bearbeitet werden, völlig unterschiedlich. Strukturierte und unstrukturierte Daten werden später in diesem Dokument erläutert.

Terminologie

Wie jede andere Wissenschaft hat auch die Informatik ihre eigene Sprache. Um die Informationen, die in diesem Dokument bereitgestellt werden, vollständig zu verstehen, ist es wichtig, sich mit dem Wortschatz zu diesem Thema vertraut zu machen.

Außerdem wird die Kommunikation mit einem DBA (Datenbankadministrator) erleichtert. Wenn ein Biochemiker seine Bedürfnisse in Bezug auf die Strukturierung oder Verwaltung von Daten in einer Datenbank äußern muss, wird er versucht sein, seine eigene Fachsprache zu verwenden. Dann muss der DBA die Anfrage verstehen und in eine für Biochemiker verständliche Computersprache umwandeln.

Was sind „Daten“ im Computerzeitalter

Abbildung 2: Ein Bit kann 0 oder 1 sein

Wie in Abschnitt 2.1 erwähnt, können Daten je nach Domain, auf die verwiesen wird, unterschiedliche Bedeutungen haben. Im Fall von Computern und Datenbanken werden Daten als eine beliebige Folge von einem oder mehreren Symbolen definiert. Daten bedürfen der Interpretation, um zu Informationen zu werden. In der Informationstechnik ist das „Bit“ die kleinste Datenmenge. Ein Bit ist binär. Binärzahlen sind eine Darstellung von Zahlen mit nur zwei Ziffern, 0 und 1 (Abb. 2). Es ist ein Zahlensystem zur Basis 2, dh:

• 0 0 0 1 = Zahlenwert 2⁰
• 0 0 1 0 = Zahlenwert 2¹
• 0 1 0 0 = Zahlenwert 2²
• 1 0 0 0 = Zahlenwert 2³

Tisch 1

Eine Folge von „Bits“ bildet ein „Byte“. Bytes bestehen wie im obigen Beispiel aus einem Vielfachen von 4 Bit (ein Byte von 4 Bit wird als Nibble bezeichnet). Heute ist das Byte eine digitale Informationseinheit, die am häufigsten aus acht Bits besteht. Historisch gesehen war das Byte die Anzahl der Bits, die verwendet wurden, um ein einzelnes Textzeichen in einem Computer zu codieren. Bei einem Byte von acht Bit ist die maximale Dezimalzahl256. Historisch gesehen ist das Byte auch die Einheit von Computerinformationen oder Datenspeicherkapazität, die verwendet wird, um die Datenmenge zu messen (Tabelle 1).

Tisch 2: ASCII Tisch

Ein Anwendungsbeispiel ist die ASCII-Zeichentabelle (American Standard Code for Information Interchange), die üblicherweise für alphabetische Zeichen verwendet wird (Tabelle 2). Die ersten 32 Zeichen werden als Steuerzeichen bezeichnet. Ursprünglich waren sie nicht darauf ausgelegt, druckbare Informationen darzustellen, sondern um Geräte zu steuern, die ASCII-Code verwenden, wie Drucker, oder um Metainformationen über Datenströme bereitzustellen, die beispielsweise auf Magnetbändern gespeichert sind.

Was sind „Metadaten“

Was ist eine „Datenbank“

Abbildung 5: Teilstruktur der Datenbank

Im Allgemeinen wird eine Datenbank als eine Sammlung von Datenelementen wie Telefonbüchern, Preislisten, Inventarlisten, Kundenadressen usw. definiert. Trotzdem wird eine Datenbank in der Fachsprache als „eine selbstbeschreibende Sammlung von integrierten“ Aufzeichnungen“. Es impliziert Computertechnologie, die mit einer bestimmten Computersprache wie SQL (Structured Query Language) ergänzt wird.

Eine Datenbank besteht aus mehreren Tabellen (Abb. 5) und sowohl aus Daten als auch aus Metadaten. Metadaten sind die Daten, die die Struktur der Daten innerhalb einer Datenbank beschreiben. Wenn Sie wissen, wie Ihre Daten angeordnet sind, können Sie diese abrufen. Da die Datenbank eine Beschreibung ihrer eigenen Struktur enthält, wird sie als selbstbeschreibend bezeichnet. Die Datenbank ist integriert, weil sie nicht nur Datenelemente, sondern auch die Beziehungen zwischen ihnen enthält.

Die Datenbank speichert Metadaten in einem Bereich, der als Datenwörterbuch bezeichnet wird und die Tabellen, Spalten, Indizes, Einschränkungen und andere Elemente beschreibt, aus denen die Datenbank besteht.

Da ein Flatfile-System, zB „Spreadsheet“, keine Metadaten enthält, müssen Anwendungen, die für die Arbeit mit Flatfiles geschrieben wurden, das Äquivalent der Metadaten als Teil des Anwendungsprogramms enthalten.

Was sind „Tabellen“ in einer Datenbank?

Eine Tabelle ist eine Sammlung zusammengehöriger Daten in einem Tabellenformat, das aus Spalten und Zeilen innerhalb einer Datenbank besteht. Es ähnelt einer Tabellenkalkulation (Abb. 6).

Was sind „Spalten“ in einer Datenbank?

Abbildung 6: Tabelle mit Zeilen und Spalten

Eine Spalte ist ein Satz von Datenwerten, alle von einem einzigen Typ, in einer Tabelle. Spalten definieren die Daten in einer Tabelle. In den meisten Datenbanken können Spalten komplexe Daten wie Bilder, ganze Dokumente oder sogar Videoclips enthalten. Daher bedeutet eine Spalte, die Datenwerte eines einzelnen Typs zulässt, nicht unbedingt, dass sie nur einfache Textwerte enthält. Einige Datenbanken gehen sogar noch weiter und erlauben es, die Daten als Datei auf dem Betriebssystem zu speichern, während die Spaltendaten nur einen Zeiger oder Link auf die eigentliche Datei enthalten. Dies geschieht, um die Gesamtgröße der Datenbank überschaubar zu halten – eine kleinere Datenbankgröße bedeutet weniger Zeit für Backups und weniger Zeit für die Suche nach Daten in der Datenbank.

In einer Tabelle werden jeder Spalte normalerweise ein Datentyp und andere Einschränkungen zugewiesen, die den Werttyp bestimmen, der in dieser Spalte gespeichert werden kann. Beispielsweise kann eine Spalte E-Mail-Adressen akzeptieren und eine andere Telefonnummern mit einer Beschränkung von 10 Ziffern.

Was ist ein „Rekord“

Ein Datensatz ist eine Darstellung eines physischen oder konzeptionellen Objekts. Sagen Sie zum Beispiel, dass Sie den Überblick über die Kunden eines Unternehmens behalten möchten. Sie ordnen jedem Kunden einen Datensatz zu. Jeder Datensatz hat mehrere Attribute wie Name, Adresse und Telefonnummer. Individuelle Namen, Adressen usw. sind die Daten.

Was sind „Indizes“

Abbildung 7: Beispiel für Index

Strukturierte Daten werden in Form von Datensätzen in einer Datenbank gespeichert. Jeder Datensatz verfügt über ein Schlüsselfeld, das zur eindeutigen Wiedererkennung beiträgt, zB die ID eines Patienten. Kein anderer Patient darf dieselbe ID-Nummer haben, aber ein anderer Patient darf denselben Vor- und Nachnamen haben.

Das Indizieren einer Datenbank ist eine Technik zum effizienten Abrufen von Datensätzen aus den Datenbankdateien, basierend auf einigen Attributen, für die die Indizierung durchgeführt wurde. Vereinfacht gesagt ähnelt die Indizierung in Datenbanksystemen dem, was wir normalerweise in Büchern sehen. Am Anfang oder am Ende eines Buches kann sich (anders als ein Inhaltsverzeichnis) ein Index befinden, der alle Seitenzahlen zu einem bestimmten Thema enthält. Ein Atlas kann beispielsweise in Kapitel mit Karten, Kapiteln mit Bevölkerungsdaten und Kapiteln zu Länderproduktions- oder Agrardaten unterteilt werden. Wenn Sie nach einem bestimmten Land suchen und einen Überblick über alle Daten zu diesem bestimmten Land haben möchten, kann der Index sehr hilfreich sein, da er Ihnen in jedem Kapitel die Seite zu diesem Land anzeigt (Abb. 7) .

Was ist ein „Objekt“

In der Informatik kann ein Objekt eine Variable, eine Datenstruktur, eine Funktion oder eine Methode sein und ist als solche ein Wert im Speicher, auf den ein Bezeichner verweist. Im relationalen Modell der Datenbankverwaltung kann ein Objekt eine Tabelle oder Spalte oder eine Assoziation zwischen Daten und einer Datenbankentität sein, wie beispielsweise das Beziehen des Alters einer Person auf eine bestimmte Person.

Strukturierte Daten

Abbildung 8: Strukturierte Daten

Laut SNIA (Storage Networking Industry Association) sind strukturierte Daten definiert als:

„Daten, die auf bekannte und feste Weise organisiert und formatiert sind.

Format und Organisation werden üblicherweise in aSchema. Unter strukturierten Daten versteht man normalerweise Daten, die von Datenbanken und Geschäftsanwendungen generiert und gepflegt werden.“

Drei Bedingungen sind erforderlich, um Daten als strukturiert zu beschreiben:

• Es muss einem Datenmodell entsprechen,
• Es muss eine gut definierte Struktur haben,
• Sie muss einer einheitlichen Reihenfolge folgen und kann von einer Person oder einem Computerprogramm leicht abgerufen und verwendet werden.

Strukturierte Daten werden normalerweise in wohldefinierten Schemata wie Datenbanken gespeichert. Es ist im Allgemeinen tabellarisch mit Spalten und Zeilen, die seine Attribute eindeutig definieren (Abb. 8).

SQL (Structured Query Language) wird häufig verwendet, um strukturierte Daten zu verwalten, die in Datenbanken gespeichert sind.

Unstrukturierte Daten

Große Daten

Laut SNIA (Storage Networking Industry Association) ist Big Data definiert als:

„Eine Charakterisierung von Datensätzen, die zu groß sind, um von den leistungsstärksten verfügbaren Standard-Rechenplattformen in ihrer Gesamtheit effizient verarbeitet zu werden.“

Mit anderen Worten, Big Data bezieht sich auf riesige Mengen strukturierter oder unstrukturierter Daten, die von herkömmlicher Software als traditionelle Datenbankabfragesprache oder jede andere Art von Abrufmaschine nicht verarbeitet werden können.

Verwirrung herrscht hinsichtlich der aktuellen Verwendung der Begriffe Big Data und Analytics. Big Data sind die Informationen, während Analytics der Weg ist, die gewünschten Informationen aus riesigen Mengen verfügbarer Informationen zu extrahieren.

Analytik

In der Computertechnologie ist Analytics eine Methode zur Extraktion von Wertaus Big Data.

Im Gesundheitswesen hat Big Data Analytics durch personalisierte Medizin und Predictive Analytics zu vielen Verbesserungen geführt. Da das Datenvolumen dramatisch ansteigt, werden herkömmliche Datenbanken und Suchmaschinen nicht in der Lage sein, spezifische Informationen zu verarbeiten und abzurufen. Patientendaten werden von MRTs, Röntgenstrahlen, Bluttestgeräten, Überwachungssensoren und vielen weiteren zu verarbeitenden Datenquellen generiert. Umfangreiche Informationen im Gesundheitswesen liegen jetzt in elektronischer Form vor; es passt unter den Big-Data-Schirm, da das meiste davon unstrukturiert und schwer zu verwenden ist.

Big Data in der Gesundheitsforschung ist im Hinblick auf explorative biomedizinische Forschung besonders vielversprechend, da datengetriebene Analysen schneller vorankommen können als hypothesengetriebene Forschung. Anschließend können Trends in der Datenanalyse in der traditionellen, hypothesengesteuerten biologischen Nachfolgeforschung und schließlich in der klinischen Forschung getestet werden.

Repository

Ein Datenrepository oder Data Warehouse ist ein zentralisierter Ort zum Speichern und Verwalten von Daten. Ein Datenrepository kann aus einer oder mehreren strukturierten Datendateien bestehen, wie beispielsweise Datenbanken oder unstrukturierten Datendateien, die über ein Netzwerk verteilt und langfristig aufbewahrt werden können.

Dieser Abschnitt ist der Übersicht über die wichtigsten Bausteine ​​einer Datenbank gewidmet.

Einführung

Seit der Erfindung des Computers hat die Menge der elektronisch gespeicherten und verwalteten Daten drastisch zugenommen. Es wird geschätzt, dass die Datenmenge bis 2025 175 Zettabyte (1021 Bytes) erreichen wird, von einigen Petabytes (1015 Bytes) im Jahr 2000. Eine gängige Methode, das Leben der Benutzer zu vereinfachen und ihre Ressourcen optimal zu nutzen, ist die effizienter speichern und abrufen. Während eine Flatfile beispielsweise zum Speichern Ihrer persönlichen Daten, wie eines Adressbuchs oder einiger Rezepte, gut funktioniert, eignet sie sich nicht so gut zum Speichern eines städtischen Telefonverzeichnisses oder genauer gesagt der Genomdaten im Biotech-Bereich. Wenn Sie Daten mehrerer genomischer Arten speichern möchten, ist es außerdem sehr schwierig, Daten aus einer Flatfile zu suchen und abzurufen. Datenbanken bieten eine Lösung für dieses Problem, indem sie die Speicherung,

Die Software zur Verwaltung einer Datenbank wird als Datenbankmanagementsystem (DBMS) bezeichnet. Diese spezialisierte Software fungiert als Zwischenlösung, um Endbenutzern beim Zugriff auf die Datenbank zu helfen. Normalerweise interagieren Benutzer nicht direkt mit einer Datenbank, da dies zu ihrer Desorganisation führen kann. Stattdessen verwenden sie ein DBMS, das Daten aus der Datenbank liest oder Daten in die Datenbank schreibt.

Die wachsende Komplexität großer Datenmengen erforderte in manchen Unternehmen den Einsatz von Datenmanagement-Tools auf Basis des relationalen Modells, wie dem klassischen RDMBS. RDBMS steht für relationales Datenbankmanagementsystem. Dennoch standen große Internetunternehmen wie Google, Yahoo und Amazon oder alle gängigen Social Media vor Herausforderungen im Umgang mit riesigen Datenmengen in Echtzeit, die herkömmliche RDBMS-Lösungen nicht bewältigen konnten. Das erklärt die steigende Popularität von NoSQL-Datenbanksystemen, die parallel dazu entstanden.

NoSQL-Systeme sind verteilte, nicht relationale Datenbanken, die für die Massenspeicherung von Daten und für die massiv parallele Hochleistungsdatenverarbeitung über eine große Anzahl von Standardservern ausgelegt sind. Sie sind aus dem Bedürfnis nach Agilität, Leistung und Skalierbarkeit heraus entstanden und können eine Vielzahl von Anwendungsfällen unterstützen, einschließlich explorativer und prädiktiver Analysen in Echtzeit. NoSQL-Datenbanken wurden von führenden Internetunternehmen entwickelt, um mit der Datenflut Schritt zu halten. Sie skalieren horizontal und sind so konzipiert, dass sie auf Hunderte Millionen und sogar Milliarden von Benutzern skalieren, die sowohl Updates als auch Lesevorgänge durchführen.

Einige der häufigsten Anwendungen von NoSQL-Datenbanken sind soziale Medien, große E-Mail-Anbieter und staatliche Gesundheitssysteme.

Normalerweise kann eine soziale Anwendung in wenigen Wochen von null auf Millionen von Benutzern skaliert werden. Um dieses Wachstum besser zu bewältigen, braucht man eine DB, die eine riesige Anzahl von Benutzern und Daten verwalten kann, aber auch problemlos horizontal skaliert werden kann.

In diesem Kurs konzentrieren wir uns nur auf DBMS und RDBMS. Dies sind die beiden Arten von Datenbanken, die bis heute in der Biotech-Welt gebräuchlich sind.

Überblick über eine Datenbankarchitektur

Abbildung 10: Hardwarearchitektur einer Datenbank

Datenbanken können alle Arten von Informationen speichern, von Zahlen und Text bis hin zu E-Mails, Webinhalten, Telefonaufzeichnungen, biologischen, geografischen Daten usw. Datenbanken werden offiziell danach klassifiziert, wie sie diese Daten speichern. Relationale Datenbanken speichern Daten in Tabellen. Objektorientierte Datenbanken speichern Daten in Objektklassen und Unterklassen. Wir werden uns auf relationale Datenbanken konzentrieren, wie sie am häufigsten verwendet werden. Die meisten grundlegenden Topologien von Datenbanken benötigen jedoch Backend-Server, um das Datenbankverwaltungssystem zu hosten, ein an die Server angeschlossenes Speichersystem zum Speichern der Struktur und der Daten der Datenbank und natürlich Computer, Laptops, Desktops oder Terminals als Schnittstelle, um Benutzern den Zugriff auf die Datenbank, ihr Verwaltungssystem und ihre Inhalte zu ermöglichen. Außerdem ist ein Netzwerk zum Austausch zwischen allen Hardwarekomponenten und ein Cloud-Anhang erforderlich, um Remotebenutzern den Zugriff auf die Datenbank zu ermöglichen. Abb. 10 fasst auf einfache Weise das Minimum zusammen, das zum Betrieb einer Datenbank erforderlich ist.

Eine andere grundlegende Möglichkeit, es zu beschreiben, besteht darin, die dreistufige Architektur einer Datenbank zu zeigen. Es ist eine virtuelle Ansicht der notwendigen Schichten, damit eine Datenbank richtig funktioniert. Abb. 11 zeigt die Drei-Ebenen-Ansichtsarchitektur. Es wird als ANSI-SPARC-Modell bezeichnet. Trotz der Tatsache, dass dieses Modell nie ein formaler Standard wurde, präsentiert es die Idee der logischen Datenunabhängigkeit, die weit verbreitet ist.

Abbildung 11: Drei-Ebenen-Ansichtsarchitektur

In einer relationalen Datenbank gespeicherte Informationen sind in Tabellen enthalten. Diese Tabellen bestehen aus Datenzeilen und jede Zeile enthält Felder oder Spalten. In einer gut gestalteten Datenbankdefinition, die als Schema bezeichnet wird, werden nur ähnliche Daten in jeder Tabelle gespeichert und die Duplizierung von Spalten wird auf ein Minimum reduziert. Entwickler können Daten aus zwei Tabellen verbinden oder verknüpfen, um verschiedene Arten von Informationen miteinander zu verknüpfen.

Für Felder in der Datenbanktabelle können Indizes erstellt werden, um dem DBMS das Abrufen von Daten zu erleichtern. Indizes werden normalerweise für häufig gesuchte Spalten konfiguriert, z. B. den Namen einer Person oder einen Datumswert. Der Nachteil der Verwendung von Indizes besteht darin, dass sie Speicherplatz auf der Festplatte belegen und die Arbeit verlangsamen können, wenn zu viele von ihnen verwaltet werden, da jedes Mal, wenn eine Zeile in der Datenbank aktualisiert wird, auch der Index aktualisiert werden muss.

Die meisten Datenbanken unterstützen Structured Query Language (SQL), eine Standardsprache für die Interaktion mit Informationen, die in einer Datenbank enthalten sind. SQL ermöglicht Benutzern und Anwendungen die Interaktion mit bestimmten Teilmengen von Daten aus einer oder mehreren Tabellen unter Verwendung mehrerer Anweisungen wie SELECT, INSERT, UPDATE und DELETE.

Relationale Datenbanken bieten auch einen mehrschichtigen Speicheransatz, der es ermöglicht, zu definieren, welche Datenbankobjekte sich in bestimmten Datendateien befinden und wo diese Datendateien innerhalb der Dateistruktur des Betriebssystems platziert werden. Neben der Verwaltung des physischen Speicherorts von Datenbankobjekten bieten viele Datenbanksysteme eine gewisse Kontrolle darüber, wie die Daten in den Datendateien gespeichert werden.

Allgemeine Datenbankbegriffe

Bestimmte Datenbankbegriffe leiten sich davon ab, wie Datenbanken Schreibaktionen automatisieren. Datenbankentwickler automatisieren häufig das Schreiben in bestimmte Felder oder andere Tabellen, beispielsweise das Schreiben einer Kopie der eingefügten Zeile – zusammen mit einem Zeitstempel oder Benutzernamen – in eine Verlaufs- oder Prüftabelle. Die meisten DBMS-Systeme bieten mehrere Möglichkeiten zum automatischen Verwalten von Datenbankschreibaktionen.

Datenbank-Trigger sind die gebräuchlichste Methode, um Aktionen für Daten durchzuführen, während diese in die Datenbank geschrieben werden. Trigger sind normalerweise einer bestimmten Tabelle zugeordnet und so konfiguriert, dass sie an einem bestimmten Punkt während einer bestimmten Schreibaktion ausgeführt werden, beispielsweise vor oder nach einer Aktualisierung oder nach dem Einfügen einer Zeile. Trigger können verwendet werden, um Daten zu formatieren, eine Spalte mit Daten zu füllen, die aus vorhandenen Informationen abgeleitet wurden, oder sogar basierend auf der eingefügten oder aktualisierten Zeile in eine andere Tabelle zu schreiben.

Eine gespeicherte Prozedur ist eine andere Möglichkeit, mit einer relationalen Datenbank zu interagieren. Gespeicherte Prozeduren sind komplexer als Trigger und nicht an eine einzelne bestimmte Tabelle gebunden. Sie werden in der Regel von einem Entwickler erstellt und verwenden eine Kombination aus SQL und einer Programmiersprache wie Java oder SQL (je nach Datenbankplattform). Gespeicherte Prozeduren bieten Entwicklern viel Kontrolle darüber, wie Daten von einer Anwendung validiert oder verarbeitet werden. Eine gespeicherte Prozedur könnte verwendet werden, um zu verwalten, wie sich ein Benutzer bei einer Anwendung anmeldet. Das Verfahren überprüft möglicherweise zuerst den Benutzernamen und das Kennwort und protokolliert dann den Erfolg oder Misserfolg des Versuchs in einer anderen Tabelle zusammen mit anderen Informationen, einschließlich des Computernamens und eines Zeitstempels. Es könnte sogar eine Warnung an den Benutzer gesendet werden, die ihn darüber informiert, dass sein Passwort abgelaufen ist und geändert werden muss.

Funktionen sind einfacher als gespeicherte Prozeduren und können manchmal sogar innerhalb von SQL-Abfragen verwendet werden. Funktionen werden normalerweise in einer Datenbank verwendet, um eine Reihe von Aktionen auszuführen, die einen oder mehrere Werte zurückgeben, z. B. das Berechnen der Summe einer Spalte für Zeilen, die einer bestimmten Bedingung entsprechen. Während diese Aktionen mit SQL ausgeführt werden können, kann deren Einbindung in eine Funktion die Verwendung in anderem Code erleichtern. Sowohl Funktionen als auch gespeicherte Prozeduren können gängige Aktionen auf eine optimierte und konsistente Weise ausführen, wodurch die Arbeitsbelastung für Datenbankadministratoren und Entwickler verringert wird.

Was ist der Unterschied zwischen den wichtigsten DBMS-Systemen?

Das DBMS wird im Allgemeinen von dem gesteuert, was die Benutzeranwendungen unterstützen müssen. Hier ist jedoch ein kurzer Vergleich der drei am häufigsten verwendeten Plattformen.

Microsoft SQL Server wird häufig in Unternehmensanwendungen verwendet und lässt sich problemlos in andere Microsoft-Tools integrieren. Microsoft SQL Server 2019 Express ist die neueste Version des kostenlosen Angebots von Microsoft und wird oft mit Anwendungen gebündelt, die SQL Server verwenden.

MySQL ist seit mehr als zwei Jahrzehnten ein Favorit für Open-Source-Entwickler. MySQL wird oft als Back-End für Open-Source-Blog- oder Content-Management-Systeme verwendet und verfügt über eine riesige installierte Basis auf der ganzen Welt. 2008 wurde MySQL AB von Sun Microsystems übernommen, das 2009 wiederum von Oracle Corp. übernommen wurde, wodurch MySQL unter dem Dach eines seiner größten Konkurrenten steht. Die MySQL Community Edition bleibt jedoch kostenlos und wird von der Community gut unterstützt. MySQL ist für zahlreiche Betriebssysteme verfügbar, darunter Linux, UNIX, Mac OS X und Windows.

Oracle Database wird von vielen als Standard für Datenbankplattformen auf Unternehmensebene angesehen und unterstützt zahlreiche Unternehmensanwendungen. Die Oracle Database Express Edition ist kostenlos erhältlich und kann auch kostenlos verteilt werden (obwohl es sich technisch nicht um freie Software handelt), was sie zu einer weiteren beliebten Option für Entwickler oder Bastler unter Windows oder Linux macht.

Nachdem Sie nun die grundlegenden Datenbankbegriffe und -konzepte kennengelernt haben, sind Sie viel näher dran, dieselbe Sprache zu sprechen wie die Datenbankentwickler Ihres Unternehmens.

Dieser Teil befasst sich mit den Grundlagen von Datenbanken, die in der wissenschaftlichen Welt verwendet werden

Einführung in bestehende wissenschaftliche Datenbanken

Dieser Abschnitt ist der Übersicht über die gängigsten Open-Access-Datenbanken gewidmet, die in der Wissenschaft verwendet werden.

Kontinuierliche Entwicklungen in den Bereichen Biotechnologie und Informationstechnologie haben zu einem exponentiellen Datenwachstum geführt. Studien von Forschern des European Bioinformatics Institute (EMBL-EBI) haben gezeigt, dass sich dieses Informationswachstum ungefähr jedes Jahr verdoppelt. Diese umfangreichen Datenmengen werden in wissenschaftlichen Datenbanken gespeichert, organisiert und ständig aktualisiert, wo sie Wissenschaftlern, darunter auch Biologen und Bioinformatikern, für Forschungszwecke zur Verfügung stehen. Die in biologischen Datenbanken verfügbaren Informationen stammen aus einer Reihe von wissenschaftlichen Bereichen, darunter Metabolomik, Microarray-Genexpression und Proteomik. Neben dem Speichern, Organisieren und Teilen riesiger Datenmengen, Biologische Datenbanken können als Datensammlungen definiert werden, die so strukturiert sind, dass ihre Inhalte leicht zu durchsuchen, zu handhaben und zu aktualisieren sind.

Abbildung 12: Beispiel für Namen von Biotech-Datenbanken

Beispiele für solche Datenbanken sind in Abb. 12 dargestellt. 1972 wurde die erste Proteinstrukturdatenbank, bekannt als Protein Data Bank (PDB), erstellt. Diese Datenbank enthielt ursprünglich nur 10 Einträge, die inzwischen auf mehr als 10.000 Einträge erweitert wurde, was das schnelle Wachstum biologischer Daten signalisiert. Eine biologische Datenbank kann verschiedene Arten von Daten enthalten, einschließlich Proteinsequenzen, Textbeschreibungen, Attribute und Tabellendaten. Im Allgemeinen können sie in primäre, sekundäre und zusammengesetzte Datenbanken unterteilt werden. Primärdatenbanken enthalten nur Daten über die Sequenz oder Struktur, während Sekundärdatenbanken Daten enthalten, die aus der Primärdatenbank stammen. Daten, wie die konservierte Sequenz und Reste des aktiven Zentrums von Proteinfamilien, können in Sekundärstrukturdatenbanken gefunden werden. Darüber hinaus können Einträge der PDB, die eine Primärdatenbank ist, in Sekundärstrukturdatenbanken organisiert gefunden werden.

Im Allgemeinen können biologische Datenbanken in Sequenz-, Struktur- und Pfaddatenbanken kategorisiert werden:

• Sequenzdatenbanken: Die am häufigsten verwendeten biologischen Datenbanken. Dazu gehören Protein- und Nukleotidsequenzdatenbanken, die Nasslaborergebnisse enthalten und die Hauptquelle für experimentelle Ergebnisse sind. GenBank und EMBL sind Beispiele für Sequenzdatenbanken.
• Strukturdatenbanken: Diese Datenbanken enthalten Informationen zur Proteinstruktur und molekularen Wechselwirkungen. PDB ist ein Beispiel für eine Strukturdatenbank.
• Pathway-Datenbanken: Diese Datenbanken basieren auf Daten, die aus der vergleichenden Untersuchung von Stoffwechselwegen stammen. Die Kyoto Encyclopedia of Genes and Genomes (KEGG) und Biocyc sind zwei indikative Pathway-Datenbanken.

Eine typische Suche in einer Nukleotidsequenzdatenbank kann zum Beispiel Daten zum wissenschaftlichen Namen des Quellorganismus, aus dem es isoliert wurde, zum Kontaktnamen, zur Eingabesequenz mit Details zum Molekültyp und häufig zu Literaturzitaten zu den Reihenfolge.

Bestimmte Werkzeuge wurden entwickelt, um Wissenschaftlern die Datenverarbeitung und den Abruf aus biologischen Datenbanken zu erleichtern. Diese Werkzeuge, die als Bioinformatik-Werkzeuge bezeichnet werden, sind Softwareprogramme, die zur Extraktion aussagekräftiger Daten aus der Vielzahl biologischer Datenbanken und zur Durchführung von Sequenz- oder Strukturanalysen erstellt wurden. Bioinformatik-Tools werden verwendet, um Daten aus genomischen Sequenzdatenbanken zu erhalten und um Daten aus proteomischen Datenbanken zu visualisieren, zu analysieren und abzurufen. Diese Tools sind im Wesentlichen unterteilt in:

• Homologie- und Ähnlichkeitswerkzeuge: Diese Werkzeuge werden verwendet, um Ähnlichkeiten zwischen den Sequenzen unbekannter struktureller und funktioneller Sequenzen zu erkennen, deren Funktion und Struktur bereits bekannt sind.
• Werkzeuge zur Proteinfunktionsanalyse: Programme zum Vergleich einer Proteinsequenz mit einem sekundären (oder abgeleiteten) Protein, die die Abschätzung der biochemischen Funktion eines Abfrageproteins ermöglichen.
• Strukturanalysetools: Diese Tools ermöglichen den Vergleich von Strukturen mit den bekannten Strukturdatenbanken und die Ermittlung der 2D/3D-Struktur eines Proteins.
• Sequenzanalysetools: Programme zur zusätzlichen, umfassenderen Bewertung einer Abfragesequenz, einschließlich der evolutionären Analyse und Identifizierung von Mutationen.

Biologische Datenbanken können auch nach dem Umfang der Datenabdeckung kategorisiert werden in:

• Umfangreiche Datenbanken: Diese Datenbanken umfassen verschiedene Arten von Daten zu einer Reihe von Arten. Beispiele für umfassende Datenbanken sind GenBank und EMBL.
• Spezialisierte Datenbanken: Diese Datenbanken enthalten bestimmte Arten von Daten oder Daten von bestimmten Organismen. Ein Beispiel für spezialisierte Datenbanken ist WormBase, die Informationen zur Biologie und Genomik von Nematoden enthält.

In Bezug auf den Grad der Biokuration, der als die Aktivität der Organisation, Demonstration und Bereitstellung biologischer Informationen sowohl für Menschen als auch für Computer definiert ist, werden biologische Datenbanken als primäre und sekundäre oder abgeleitete Datenbanken klassifiziert. Primärdatenbanken bestehen aus Rohdaten als Archiv-Repositorium, während sekundäre oder abgeleitete Datenbanken aus kuratierten Informationen als Mehrwert bestehen. Hinsichtlich der Methode zur Kuratierung der Daten lassen sich biologische Datenbanken weiter in von Experten kuratierte Datenbanken oder gemeinschaftlich kuratierte Datenbanken einteilen, die von zahlreichen Forschern kooperativ gepflegt werden.

Eine zusätzliche Kategorisierung von biologischen Datenbanken kann auch basierend auf dem Datentyp vorgenommen werden. Zu den Datentypen, die Datenbanken entsprechend klassifizieren, gehören DNA, RNA, Protein, Expression, Pathway, Krankheit, Nomenklatur, Literatur sowie Standard und Ontologie. Einige der wichtigsten und am häufigsten verwendeten biologischen Datenbanken sind die folgenden: GenBank, der UCSC Genome Browser und Ensembl, die Sequenzdatenbanken/Portale sind; WormBase und The Arabidopsis Information Resource (TAIR), die Datenbanken für Modellorganismen sind; und die PDB, Online Mendelian Inheritance in Man (OMIM), MetaCyc und KEGG, die als nicht sequenzzentrierte Datenbanken charakterisiert werden.

Datenmanipulation ist ein wesentlicher Bestandteil des experimentellen Prozesses aller Studien, unabhängig von ihrem Umfang. Die Online-Verfügbarkeit biologischer Daten in Kombination mit den sinkenden Kosten für automatisierte Genomsequenzer haben es ermöglicht, dass kleine Biologielabore zu Big-Data-Generatoren werden. Auch wenn ein Labor nicht mit solchen Instrumenten ausgestattet ist, kann es dennoch zu einem Big-Data-Anwender werden, indem es Zugang zu öffentlichen Repositorien mit biologischen Daten wie dem US National Center for Biotechnology Information in Bethesda erhält. Ein großer Teil des Bauens in der Big-Data-Biologie ist virtuell, basierend auf Cloud Computing, bei dem Daten und Software in riesigen, dezentralen Zentren untergebracht sind, auf die bei Bedarf zugegriffen werden kann. Daher ist es nicht erforderlich, dass Benutzer eigene Hardware erwerben.

Der Einsatz biologischer Datenbanken kann in mehreren Forschungsbereichen von Vorteil sein. Zum Beispiel können Datenbanken das experimentelle Design unterstützen, indem sie die automatische Analyse und einfache Verarbeitung von experimentellen Daten ermöglichen und die Untersuchung von experimentellen Ergebnissen einfach und schnell machen. Die Wirkstoffsuche ist ein weiterer Bereich, der durch die Verwendung von Datenbanken vereinfacht werden kann. In diesem speziellen Bereich können Datenbanken durchsucht werden, um neue Kandidaten für Medikamente zu finden, indem ein Klassifikator auf einem Datensatz trainiert wird, in dem funktionstüchtige und nicht funktionstüchtige Medikamente identifiziert wurden. Darüber hinaus können Techniken des maschinellen Lernens angewendet werden, um virtuelle Assays zu entwickeln, die in der Lage sind, vielversprechende neue Medikamente zu identifizieren, die anschließend in einer Laborumgebung analysiert werden können. (REF. 4) Und vor allem:

Ohne die Existenz von Datenbanken wäre die gemeinsame Nutzung und Integration großer Datenmengen praktisch unmöglich. Obwohl viele Biowissenschaftler über fortgeschrittene Computerkenntnisse verfügen, ist ein großer Prozentsatz nicht mit der Entwicklung oder Anpassung der entsprechenden Software vertraut. Dennoch ist die Einbindung von Lebenswissenschaftlern in diesen Prozess von entscheidender Bedeutung, da sie Informatikern mit unterschiedlichen Bedürfnissen und Ansätzen der Wissenschaft Feedback geben können. Der Zugriff auf die tatsächlichen Datensätze, die ursprünglich in einer bestimmten Studie verwendet wurden, bietet Forschern die Möglichkeit, eine solche Studie zu reproduzieren und zu erweitern. Daher ist es wichtig, dass Daten für Wissenschaftlerinnen und Wissenschaftler jederzeit und ohne Einschränkungen frei verfügbar sind, ein Gedanke, der von Open Science und zahlreichen damit verbundenen Initiativen unterstützt wird. Eine dieser Initiativen heißt ELIXIR,

Obwohl die Schaffung biologischer Datenbanken viele Vorteile mit sich gebracht hat, beispielsweise die Förderung einer durch Vernetzung ermöglichten wissenschaftlichen Qualitätsproduktion, besteht noch Verbesserungsbedarf hinsichtlich der Wissensoptimierung. Es ist entscheidend, transdisziplinäres Wissen so zu managen, dass es zu einer Steigerung seiner Qualität und Quantität führt. Datenheterogenität ist ein weiteres häufiges Problem bei der Integration biologischer Daten. Im Bereich der Biologie gibt es verschiedene Methoden zur Darstellung ähnlicher Daten. Dies erschwert die Datenintegration und -verarbeitung, was es wiederum erschwert, einheitliche Ansichten solcher Daten zu erhalten. Ein Beispiel für dieses Problem ist die Verwendung verschiedener alternativer Namen bei der Bezugnahme auf Gene, ungeachtet der Existenz vollständiger Richtlinien, die 1979 herausgegeben wurden, die die Annahme von Gennomenklaturstandards vorschlugen, zu Schwierigkeiten beim Datenaustausch führen. Die Implementierung von Standards ermöglicht die Wiederverwendung von Daten, ihr Fehlen führt jedoch zu erheblichen Produktivitätsverlusten und trägt dazu bei, dass Forscher weniger Daten zugänglich machen. Daher ist es zwingend erforderlich, eine Lösung für dieses Problem zu finden, um die Herausforderungen für Wissenschaftler bei der Nutzung biologischer Datenbanken für ihre Forschung zu beseitigen.

Abschließende Gedanken

Der Umgang mit Daten erfordert eine drastische Disziplin, um langfristig Zugriff auf die gespeicherten Informationen zu erhalten. Die Technologie entwickelt sich weiter, was bedeutet, dass die heute verwendete Hard- und Software nicht der Standard von morgen ist. Das bedeutet, dass wir, um alle heute geschriebenen Daten lesen zu können, zwei verschiedene Arten von Migrationen durchführen müssen. Eine logische Migration und eine technologische Migration. Die logische Migration hängt von der Art des Formats ab, in dem die Daten gespeichert werden. Die technologische Migration hängt von der Art der verwendeten Hardware ab. Wenn Sie beispielsweise versuchen, eine 1993 mit Word Version 6 geschriebene Word-Datei mit der neuesten Version Word 2019 zu öffnen, funktioniert dies nicht. Dieses Beispiel zeigt einen Mangel an logischer Kompatibilität. Um dieses Problem zu vermeiden und eine aufsteigende Kompatibilität aufrechtzuerhalten,

Dasselbe gilt für Hardware, dh Server, Speicher, Netzwerke usw. Ein weiteres Beispiel könnte die Art des Servers und des Betriebssystems sein, mit dem eine Datenbank ausgeführt wird. Falls Sie sich entscheiden, Ihre Hardware zu ändern und beispielsweise von Windows auf UNIX zu migrieren, wird eine andere Hardware für die Ausführung von UNIX und eine andere Datenbankversion für die Ausführung unter UNIX benötigt. Windows läuft auf Intel-basierten Plattformen (und Intel-ähnlichen) und Unix läuft auf SPARC-basierten Plattformen, was bedeutet, dass Sie zu einer UNIX-SPARC-kompatiblen Version der Datenbank migrieren müssen.

Angesichts dieser ständigen Weiterentwicklung von Hardware, Betriebssystemen, Software und Formaten kann Ihnen die rechtzeitige Durchführung der entsprechenden logischen und technologischen Migrationen viel Zeit und Ärger ersparen.

Zu guter Letzt ist es wichtig, Ihre Daten ständig zu sichern. Führen Sie alle drei bis sechs Monate einen Wiederherstellungstest durch, um zu sehen, ob Sie Ihre Backups abrufen können. Dies ist aus zwei Gründen entscheidend:

• Es hält Sie auf dem Laufenden, wie Sie Ihre Daten wiederherstellen können

Dies ist die beste Testmethode, um zu sehen, ob Ihre Daten ordnungsgemäß gesichert wurden.