Abstract
Le monitoring en cage (home-cage monitoring, HCM) — l'observation automatisée, continue et non invasive des animaux de laboratoire dans leur cage d'hébergement — connaît un essor rapide en recherche préclinique. Il améliore la qualité et la reproductibilité des données tout en répondant aux principes des 3R (réduction et raffinement de l'expérimentation animale). Mais chaque système commercial produit des données propriétaires, hétérogènes et cloisonnées : comparer, agréger ou partager les résultats entre dispositifs et entre laboratoires reste très difficile, au détriment de la science ouverte et des principes FAIR.
HCMO (Home-Cage Monitoring Ontology), développée dans le cadre de Metadatapp (MAPP), logiciel open-source, propose un modèle sémantique partagé pour ce domaine. Elle décrit les enceintes monitorées, les sujets biologiques et groupes expérimentaux, l'environnement et ses mesures, les observations et résultats, ainsi que les capteurs, le matériel et les logiciels qui produisent les données. L'ontologie s'appuie sur les standards du Web sémantique et s'aligne sur des vocabulaires établis : SOSA/SSN (capteurs et observations), OWL-Time (temporalité), PROV (provenance) et BFO (ontologie de haut niveau), avec une feuille de route vers QUDT/OM pour les grandeurs et unités.
Au-delà du modèle, HCMO est livrée comme un paquet directement exploitable par des outils : un manifeste de version stable servant de contrat aux couches en aval, des sources Turtle modulaires, des distributions générées de façon reproductible (TTL, OWL, JSON-LD), des formes SHACL pour la validation des données à l'ingestion, des requêtes de compétence SPARQL, un contexte JSON-LD pour les développeurs, une documentation HTML (WIDOCO), des IRI pérennes (w3id.org), une licence CC BY 4.0, un DOI et une chaîne d'intégration continue qui garantit la cohérence des artefacts.
Nous planifions d'explorer l'apport des grands modèles de langues (LLM) à deux niveaux : l'assistance à la construction et à l'enrichissement de l'ontologie, et l'interrogation en langue naturelle du graphe de connaissances (couche KGQA), afin de rendre ces données accessibles aux biologistes.
Nous présenterons la motivation et le domaine, les choix de modélisation et d'alignement, l'organisation outillée du dépôt open source, et les leçons d'un projet pilote — ainsi que les défis ouverts : qualité des définitions, mapping des données constructeurs et adoption communautaire.
AUTRICES ET AUTEURS:
Le projet réunit une équipe pluridisciplinaire mêlant expertise en neurosciences et expérimentation animale et expertise en Web sémantique, graphes de connaissances, données FAIR et IA statistique: Damien Huzard (ORCID 0000-0003-4820-7951), neuroscientifique, porteur du projet et spécialiste du monitoring en cage ; Konstantin Todorov (ORCID 0000-0002-9116-6692), Web sémantique, IA statistiques et appariement d'ontologies ; Pierre Larmande (ORCID 0000-0002-2923-9790), données FAIR et graphes de connaissances pour les sciences du vivant ; ainsi que Cyril Gilbert, Gaoussou Sanou, Serge Sonfack et Antoine Tofano pour la modélisation de l'ontologie, l'ingénierie des données et l'outillage.
LIENS:
- Dépôt de code : https://github.com/dhuzard/HCMO
- Documentation WIDOCO: https://dhuzard.github.io/HCMO/index-en.html
- Espace de noms / IRI de l'ontologie : https://w3id.org/hcmo/ontology/hcm
- DOI (Zenodo) : https://doi.org/10.5281/zenodo.18925285
- Metadatapp: https://github.com/neuronautix/metadatapp-oss/