Saludos, gran comunidad de Steemit, incluyendo a mis comunidades multidisciplinarias favoritas #STEM-Espanol y #SteemSTEM. Para esta ocasión he preparado este artículo con ánimos de demostrar, una vez más, la importancia de la tecnología informática para labores de investigación científica. Esta vez, la disciplina coprotagonista será la biología, una hermosa ciencia por la que sentí predilección durante mis estudios de educación media y que —como he dicho en alguna otra ocasión— habría sido la carrera que estudiaría y ejercería en otras circunstancias de mi vida.

Pero dejemos la retrospectiva para otra ocasión. La temática en particular que se desarrollará en estas líneas tiene que ver con el Global Biodiversity Information Facility (GBIF), esto es, el Sistema de Información sobre la Biodiversidad Mundial; un importante recurso que todo aquel que se dedique a la investigación científica relacionada con biología debería conocer.

En este artículo, se abordará un poco qué es este sistema (referido también aquí como "servicio"), y también se introducirá otro de los elementos que me ha llamado la atención e inspirado para escribir el artículo: la API del GBIF, una interfaz mediante la cual los programadores pueden desarrollar aplicaciones cliente que interactúen con toda la información compilada por esta organización.

Debo decir que también me ha motivado a abordar este tema, el hecho de que aparentemente es un contenido considerablemente menos común en el idioma español comparado con el inglés, en especial por la parte técnica relacionada con la programación, el análisis de la API del sistema, las librerías y los programas de ejemplo. He encontrado esto verdaderamente inspirador y he querido compartirlo.

Para ello, se ha dividido este artículo en varias secciones. La primera sección introduce la temática de biodiversidad y presenta al Sistema de Información sobre la Biodiversidad Mundial para el conocimiento de toda la comunidad, mientras que la segunda sección comenta didácticamente el componente especializado de la API para el deleite de los amantes de la programación que también gusten hacer interdisciplina. Por último, se insertan secciones de conclusiones, referencias y notas aclaratorias.

Cualquier aporte, sugerencia o comentario será bien recibido. Sin más preámbulos, comencemos ¡Espero les guste! 😄

1. Sistema de Información sobre la Biodiversidad Mundial

Todo estudioso de la biología seguramente está familiarizado con el término 'biodiversidad', que en realidad remite a la noción de 'diversidad biológica', esto es, el vasto conjunto de diversos seres vivos que hay sobre el planeta Tierra, organizados mediante la cohabitación de los individuos de distintas especies en determinados ambientes, conformando así los ecosistemas. Hablar de biodiversidad es implicar procesos como la evolución, la diferenciación genética y muchos subcampos de la ecología, categorías científicas todas de la biología.

Pero también puede implicar hablar de 'biodiversidad cultural', amén de la marcada —y dificilmente ignorable— influencia del ser humano en la naturaleza, con la que interactúa algunas veces benéfica y, otras veces, perjudicialmente. Se debe recordar que la biodiversidad contribuye a mantener el equilibrio ecológico necesario para supervivencia de la especie humana, además de que es sumamente importante para la producción de alimentos, medicinas y materiales diversos, tornándose en un sustento de la actividad económica del homo sapiens.

Por cierto, para quienes no lo sabían, Venezuela es —también— uno de los países más ricos del mundo en términos de biodiversidad. Para la organización internacional ambientalista VITALIS y otros organismos internacionales, Venezuela se encuentra dentro de los primeros diez (TOP 10) países del mundo con mayor riqueza en diversidad biológica. No es para menos considerando que tan sólo América del Sur es poseedora del 40% de la cuota de biodiversidad del planeta. Literalmente: una bendición de vida. ^[1][2] La imagen 1 señala los países con mayor diversidad biológica de la Tierra (véase imagen 1).

Precisamente, la 'biodiversidad' lleva implícito consigo conceptos como variedad, multiplicidad, abundancia, entre otros que apuntan hacia la idea de 'mucho': muchos individuos, muchos tipos, muchísimas características, muchas poblaciones, muchas distribuciones, en fin, mucha información. Desarrollar todos los subcampos de la ecología implica necesariamente una sustantiva acumulación de conocimientos que a su vez requiere necesariamente una gestión efectiva de su registro y manipulación.

Asimismo, la disponibilidad de una amplia información sobre biodiversidad es la base de numerosas y nuevas investigaciones científicas y demás proyectos. La compilación de data sobre casos de especies y su localización puede servir para la reconstrucción filogenética, la previsión del impacto del cambio climático en la venidera biodiversidad, el desarrollo y verificación de modelos sobre la conveniencia del hábitat, e incluso para la estimación de potenciales extinciones, sus ritmos y las consecuentes iniciativas de conversación; entre otras muchos motivos de investigación y aplicaciones. ^[3]

Es aquí donde aparece el Sistema de Información sobre la Biodiversidad Mundial (o Global), conocido en inglés como Global Biodiversity Information Faciliy, cuyas siglas son GBIF. Su sitio oficial en la red lo define como:

"An international network and research infrastructure funded by the world’s governments and aimed at providing anyone, anywhere, open access to data about all types of life on Earth". ^[3]

"Una red internacional e infraestructura de investigación financiada por los gobiernos del mundo y destinada a proporcionar a cualquier persona, en cualquier lugar, acceso abierto a datos sobre todos los tipos de vida en la Tierra" (traducción del autor).

Efectivamente, este servicio es el más grande sistema de información a nivel internacional destinado a facilitar el acceso a una vasta data sobre la biodiversidad de todo el planeta. A él tienen acceso más de 1.289 instituciones de todo el mundo que contribuyen proporcionando y compartiendo información de manera libre, alimentando el sistema, además de otros centenares de instituciones y miles de usuarios que acceden diariamente para obtener información.

Es por ello que esta plataforma es un ejemplo de 'gestión de datos abiertos', dado que pone a disposición de todo el mundo, datos específicos de manera completamente libre, sin limitaciones por derechos de autor y por otras formas de propiedad intelectual que, en ocasiones, han demostrado ser perjudiciales para el progreso de la ciencia. ^[4]

La génesis del GBIF está íntimamente ligada al interés de los países pertenecientes a la Organización para la Cooperación y Desarrollo Económico (OCDE) de crear un "mecanismo internacional" para lograr ese cometido de facilitar el acceso a la información sobre biodiversidad, puesto que se determinó que el tener al alcance bases científicas sólidas podría ahorrar esfuerzos en el crecimiento del conocimiento humano sobre el mundo natural, además de contribuir a mejorar la calidad de vida de la sociedad y —un argumento que no podía faltar— derivar en beneficios económicos. ^[5]

Debe destacarse que el GBIF es también un ejemplo del potencial de las bases de datos para la investigación científica, aspecto sugerido en un pasado ensayo sobre preliminares de base de datos, en el sentido de que la plataforma aporta y enlaza diferentes repositorios con información científica. Las organizaciones miembro de distintos países se agrupan a manera de 'nodos' y son las que proveen las bases de datos que se enlazan y cooperan en un único sistema distribuido que contiene registro especies, conjunto de datos (datasets), registro de instituciones publicadoras, entre otros.

Para tener una idea de la magnitud de data provista por este sistema, vale mencionar que al momento de escribir estas líneas, contaba con un registro de casos de 1.031.069.850 unidades, es decir, ¡más de mil millones de casos individuales de especies conocidas por el GBIF! Sobre la cantidad de especies registradas, la organización ha aclarado que es difícil proveer una cantidad exacta debido a distintas "complicaciones" prácticas para interpretar toda la data, los nombres y distribución de las especies. No obstante, estima que hay 1.718.336 especies revisadas incluidas en su último "catálogo de vida" (Cataloge of Life) y cerca de otro millón de "especies candidatas".

Tecnológicamente hablando, el sistema puede ser utilizado a través del sitio web oficial, que ofrece un front-end bastante cómodo para la consulta de información a través del navegador, soportando vistas en español, francés, inglés, japonés y portugués, aunque la mayor parte de los contenidos del sitio se mantienen en inglés. A modo de ejemplo, en la imagen 2 se muestra una consulta de la especie Elaeis guineensis en el sitio web (véase imagen 2).

En la ‘vista general’, pueden apreciarse varios datos de la especie, como su completa taxonomía, una galería fotográfica de ejemplares y una georeferenciación a través de la renderización de un mapa que destaca las zonas del planeta de las que se tiene registro de dicha especie, entre otros datos. Sobre la consulta, el sitio proporciona aún más información de interés, como las estadísticas mostrada en la sección de ‘métricas’ y enlaces a los conjuntos de datos que guarden relación con la especie, todo lo cual el usuario seguro podría encontrar útil e intuitivo de usar.

Otro de los recursos tecnológicos del servicio es la Caja de Herramientas de Publicación Integrada (Integrated Publishing Toolkit IPT), una aplicación en software libre y gratuita que provee una interfaz gráfica estándar con la cual las instituciones asociadas alimentan todo el sistema. Según lo reflejado en el sitio web del GBIF, el IPT cuenta para la fecha con 240 instalaciones distribuidas en 68 países, que incluye una instalación en la Universidad Central de Venezuela (UCV).

Con esta herramienta, una científica de un centro de investigación afiliado al GBIF podría compilar 10 mil registros de resultados de su investigación sobre artrópodos en una hoja de cálculo, e ingresarlos al software IPT. Este último se encargará de exportar toda la información a un formato llamado Darwin Core Archive (del cual probablemente se hablará en un futuro post) y subirla a la red del GBIF para continuar con su procesamiento, lo cual finalizará con el registro y publicación de la información aportada.

Es de hacer notar que el uso de este software requiere algo de entrenamiento y lógicamente está indicado para aquellos usuarios registrados y autorizados a cargar datos al GBIF, razón por la cual no se han podido hacer pruebas del software en este post. En todo caso, se provee una referencia sobre un tutorial oficial de cómo utilizar el programa. ^[6]

2. Sobre la API del GBIF y las librerías cliente

Ahora bien, otras de las grandes características que han querido examinarse del GBIF tiene que ver con la programación, un componente más técnico del sistema. La organización tras el GBIF ha puesto a disposición una completa Interfaz de Programación de Aplicaciones (API, siglas en inglés de Application Programming Interface) de tipo REST con respuestas en formato JSON, pensada para la automatización del uso del GBIF a través de aplicaciones desarrolladas por terceros.

De acuerdo a la documentación oficial, la API se divide en "secciones lógicas" (métodos) para su más fácil manipulación. La imagen 3 contiene una tabla con los principales métodos cubiertos por la API (véase imagen 3). ^[7]

Sin embargo, los programadores por lo general no interactúan con la API directamente, sino que lo hacen a través de librerías (bibliotecas) o wrappers, que son piezas de software prefabricadas que se unen al proyecto bajo desarrollo y fungen de intermediario con la API, facilitando mucho la labor de programación.

Existen tres conocidas librerías para trabajar con el GBIF, desarrolladas por los profesores Scott Chamberlain y Carl Boettiger, ambos de la University of California. Estas librerías son: rgbif, escrita en lenguaje R; pygbif, escrita en lenguaje Python; y gbifrb, escrita en lenguaje Ruby.

La revisión del código fuente de cada librería, aunado a los detalles sobre documentación provistos, apuntan a que no todas ellas poseen el mismo grado de desarrollo ni funcionalidad. La más avanzada es la librería rgbif, que en el contexto del lenguaje R se la llama ‘paquete de software’. El lenguaje R es muy popular en entornos académicos y científicos, y facilita mucho la manipulación, tratamiento estadístico y visualización de datos. Quizá por ello fue seleccionado para crear la más compleja de las librerías.

Por su parte, la menos sofisticada de las librería es gbifrb, que funciona en el ambiente del lenguaje Ruby. Aunque este lenguaje no es muy común en entornos científicos, sí lo es en entornos más generales, sobre todo a nivel de servicios web. Eso podría justificar porqué esta librería fue creada para Ruby, a fin de darle mayor alcance a la API del GBIF, permitiendo la proliferación de todo tipo de aplicación web cliente.

Finalmente, está la librería pygbif, escrita en el lenguaje de programación Python. Este lenguaje es tan popular en la academia y la ciencia como lo es en otros tipos de contextos (escritorio, desarrollo de software multiplataforma, scripting, desarrollo web, interfaces gráficas, vídeojuegos, Big Data, etc.), pues es un lenguaje de propósito general bastante extendido, desarrollado y documentado. Por esta razón, se hará detenimiento en la revisión de la librería para Python.

En este sentido, pygbif es distribuida como software libre y código abierto bajo la licencia MIT, con repositorio público en GitHub ^[8]. Puede ser instalada fácilmente desde el Indexador de Paquetes de Python (PyPi) con la orden: pip install pygbif. Hasta la fecha, los métodos de la API del GBIF que la librería soporta a manera de módulos son: registro (registry), especies (species) y casos u ocurrencias (ocurrences).

El módulo de registro (registry) contiene información sobre los conjuntos de datos (datasets), nodos, instalaciones, redes y organizaciones que tengan que ver con el GBIF. A continuación se inserta un script de demostración creado usando este módulo (véase imagen 4).

En este script básicamente se hace una consulta para saber qué registros de organizaciones poseen la palabra "Venezuela", lo que ayuda a ubicar aquellas organizaciones de este país que estén vinculadas al GBIF. En concreto, interesa obtener y mostrar el título de la organización, datos sobre el tiempo en que fue registrada (fecha, hora) y su código de identificación (ID). A continuación, se presenta la salida de la ejecución del script (véase imagen 5).

Como se observa, se cuentan dos organizaciones venezolanas registradas: la Universidad Central de Venezuela (UCV) y el Instituto Nacional de Investigación y Desarrollo Pesquero (INIDEP). Para ilustrar la utilidad del campo ID de los registros, se puede hacer una nueva consulta usando el ID de la UCV de esta manera:

Lo que produciría una salida 'pura', sin procesar como la siguiente, donde se ha destacado el atributo description (descripción) para confirmar que efectivamente se trata de la universidad venezolana (véase imagen 6).

A su vez, el módulo species se concentra en manejar nombres taxonómicos. Se debe recordar que la taxonomía se refiere a la clasificación de los organismos y esta clasificación es bastante compleja. El módulo hace su trabajo a través de una serie de funciones de búsqueda, lo que facilita el encontrar los nombres exactos utilizados por el GBIF, como si fuesen un estándar, ya que existen muchas organizaciones con sus propios nombres y claves taxonómicos. Esto también ayuda a la hora de implementar mecanismos que usen direcciones URL o por el estilo, de tal manera que un nombre esté siempre asociado a un resultado en particular.

El siguiente script de demostración hace una consulta usando la función name_suggest, la cual devuelve resultados 'rápidos' que sirven para tomar otras decisiones en los programas que se diseñen (véase imagen 7).

Se observa que se ha buscado el nombre Ruellia tuberosa (línea 9) y se extraen los valores: clave (key), nombre canónico (canonical name) y rango (rank), para saber a qué altura de la taxonomía se encuentra el nombre (línea 10). La imagen siguiente muestra los resultados (véase imagen 8).

La consulta devolvió cuatro resultados, uno de los cuales corresponde a la 'especie' y tres a 'variedades' o poblaciones de la misma especie. Ahora, se utiliza el nombre canónico del último resultado (Ruellia tuberosa tuberosa) para hacer una segunda búsqueda más exhaustiva con la función name_backbone. Esto se aprecia en el siguiente script y su correspondiente salida (véanse imágenes 9 y 10).

En este último script, básicamente se consulta la taxonomía completa de la variedad dada y se seleccionan los rangos o categorías específicas del árbol taxonómico (reino, filo, clase, orden, familia, género y especie). Esto seguramente puede bastante útil para desarrollar muchos tipos de aplicaciones como, por ejemplo, algunas que verifiquen la taxonomía de los nombres presentes en una publicación de internet o simplemente como una herramienta de soporte para el investigador.

Finalmente, se comenta el módulo occurrences, con el cual se accede a los 'casos' o unidades de información de ejemplares de especies, lo que incluye mucha información de interés, como su descripción contextual como resultado de investigaciones, su geolocalización, multimedia asociada (imágenes), etc.

El siguiente script es un prototipo que demuestra la potencial utilización de este servicio de ocurrencias provisto por la API del GBIF (véase imágenes 11 y 12).

Como se comenta en el ćodigo (imagen 11), la idea es extraer direcciones URL de las imágenes asociadas a las ocurrencias de una determinada especie (que en el ejemplo es Ruellia tuberosa). Se extraen las URL de aquellas imágenes cuyas licencias sean 'Creative Common BY', es decir: libres siempre y cuando se dé atribución al autor. Con ello, se obtuvo siete resultados organizados a manera de tuplas, conteniendo la URL de la imagen y la URL a la licencia (imagen 12).

Es de hacer notar que al abrir estos enlaces, las imágenes poseen una nota de 'copyright reserved' incluida, lo cual llama la atención considerando que la metadata devuelta por la API indica que la licencia de dichas imágenes es CC BY 4.0. Debido a esta aparente contradicción, no se publican en este artículo las imágenes aludidas en la consulta, pero sí se provee una fotografía de la misma especie a modo de ejemplo (véase imagen 13).

CONCLUSIONES

La biodiversidad son las distintas formas de vida que habitan el planeta. El ser humano en su prodigiosa capacidad de estudiarlo todo, ha desarrollado importantes conocimientos para profundizar su entendimiento del mundo natural, a partir de la progresiva acumulación y compilación de una extensa cantidad de información sobre la vida circundante. Esto podría explicar porqué el conversacionista Thomas Lovejoy comentó que "las especies naturales constituyen la biblioteca con la que trabajan los ingenieros genéticos" (cursivas añadidas).

Esta fórmula inductivista se potencia hoy día gracias al poderío computacional, en términos de tecnologías de información que garantizan el registro, manipulación y difusión de data sobre biodiversidad, y uno de los grandes ejemplares de ello ha sido precisamente el Sistema de Información sobre la Biodiversidad Mundial (GBIF), que provee la mayor red de repositorios de información científica libre sobre biodiversidad en todo el mundo.

El GBIF cuenta con algunas herramientas clave para ser accesible para investigadores de las ciencias de la vida, quienes cuentan con el bastante práctico sitio web y el Integrated Publishing Toolkit (IPT), un cliente para ser aprovechado por las organizaciones afiliadas, tales como universidades, institutos de investigación, etc. De igual forma, los científicos de la computación y programadores que contribuyan a la investigación en biodiversidad o desarrollen aplicaciones informáticas, pueden recurrir a la API del GBIF para tener un acceso 'repotenciado' de los recursos ofrecidos por el sistema.

Para esto último, se disponen de varias librerías en software libre, tales como rgbif,pygbif y gbifrb, de las cuales pygbif fue comentada y aplicada en varios programas de demostración durante este artículo. Es de hacer notar que la librería pygbif puede ser bastante satisfactoria, aunque es la librería rgbif la más avanzada de las consideradas, siendo capaz incluso de renderizar imágenes con la distribución y geolocalización de las especies (maps), todo lo cual es tema potencial para futuros proyectos.

Entretanto, la biodiversidad será aún tema de mucho qué decir, en especial por las amenazas que sufre a causa de las actividades del ser humano. Las aspiraciones tras la fundación del GBIF han sido la búsqueda el enriquecimiento intelectual, el beneficio social, el crecimiento económico y el desarrollo sostenible, y aunque la complejidad de los problemas y desafíos que enfrenta la vida en el planeta Tierra es muy grande, probablemente la ciencia y la tecnología ecológica puedan contribuir a dilucidar formas de hacer tales aspiraciones una realidad.

Si estás interesado en más temas sobre Ciencia, Tecnología, Ingeniería y Matemáticas (STEM, siglas en inglés), consulta las etiquetas #STEM-Espanol y #SteemSTEM, donde puedes encontrar más contenido de calidad y también hacer tus aportes. Puedes unirte al servidor de Discord de STEM-Espanol para participar aún más en nuestra comunidad y consultar los reportes semanales publicados por @STEM-Espanol.