網(wǎng)絡(luò)和圖表已經(jīng)成為表示連接數(shù)據(jù)的自然方式，過(guò)去十年的努力已將大量不同的信息組織為節(jié)點(diǎn)（實(shí)體）和邊（關(guān)系）的集合。由此產(chǎn)生的靈活結(jié)構(gòu)，稱(chēng)為知識(shí)圖譜，可以快速適應(yīng)復(fù)雜數(shù)據(jù)及其關(guān)系，并能夠有效地使用網(wǎng)絡(luò)分析技術(shù)來(lái)識(shí)別隱藏的模式和知識(shí)。

蛋白質(zhì)組在過(guò)去的十年中已取得了長(zhǎng)足的進(jìn)步，為生物過(guò)程、細(xì)胞信號(hào)傳導(dǎo)和蛋白質(zhì)相互作用提供了越來(lái)越多的數(shù)據(jù)。然而，快速增長(zhǎng)的數(shù)據(jù)量對(duì)該領(lǐng)域提出了新的挑戰(zhàn)。高通量蛋白質(zhì)組學(xué)中一個(gè)瓶頸是難以解釋定量結(jié)果，對(duì)生物學(xué)或臨床假設(shè)的驗(yàn)證提出了考驗(yàn)。目前，僅有少數(shù)工具旨在緩解這個(gè)問(wèn)題。因此，我們需要一種集成多種數(shù)據(jù)類(lèi)型的解決方案，實(shí)現(xiàn)同時(shí)獲取分子及其對(duì)應(yīng)的疾病表型之間的關(guān)系。此外，我們需要那些缺乏專(zhuān)業(yè)知識(shí)的人提供工具，以用戶友好的方式從蛋白質(zhì)組學(xué)數(shù)據(jù)中提取高質(zhì)量信息。因此，建立一個(gè)基于知識(shí)的平臺(tái)，將一系列數(shù)據(jù)庫(kù)和科學(xué)文獻(xiàn)信息與組學(xué)數(shù)據(jù)集成到易于使用的工作流程，將為發(fā)現(xiàn)科學(xué)和臨床實(shí)踐提供支持。

Matthias Mann 在2022年1月31日發(fā)表在Nature Biotechnology上的“A knowledge graph to interpret clinical proteomics data”就基于臨床相關(guān)的實(shí)驗(yàn)數(shù)據(jù)、公共數(shù)據(jù)庫(kù)和文獻(xiàn)，建立了一套開(kāi)源平臺(tái)：臨床知識(shí)圖譜 （CKG），目前包含近 2000 萬(wàn)個(gè)節(jié)點(diǎn)和 2.2 億個(gè)關(guān)系。CKG 結(jié)合了統(tǒng)計(jì)和機(jī)器學(xué)習(xí)算法，可加速蛋白質(zhì)組學(xué)工作流程的分析和知識(shí)挖掘。

代碼：
https://github.com/MannLabs/CKG

CKG包括幾個(gè)獨(dú)立的功能模塊：

（1）格式化和分析蛋白質(zhì)組學(xué)數(shù)據(jù)（analytics_core）；

（2）通過(guò)整合來(lái)自一系列可公開(kāi)訪問(wèn)的數(shù)據(jù)庫(kù)、用戶進(jìn)行的實(shí)驗(yàn)、現(xiàn)有本體和科學(xué)出版物的可用數(shù)據(jù)，構(gòu)建一個(gè)圖形數(shù)據(jù)庫(kù)（graphdb_builder）；

（3）連接和查詢這個(gè)圖形數(shù)據(jù)庫(kù)（graphdb_connector）；

（4）通過(guò)在線報(bào)告（report_manager）和Jupyter notebooks促進(jìn)數(shù)據(jù)可視化、存儲(chǔ)和分析。這個(gè)架構(gòu)無(wú)縫地協(xié)調(diào)和整合了數(shù)據(jù)以及用戶提供的分析。它還促進(jìn)了數(shù)據(jù)共享和可視化，以及基于詳細(xì)的生物醫(yī)學(xué)知識(shí)注釋的統(tǒng)計(jì)報(bào)告的解釋?zhuān)a(chǎn)生了臨床相關(guān)的結(jié)果。

1. analytics Core

蛋白質(zhì)組學(xué)數(shù)據(jù)下游分析的第一步需要一個(gè)全面的、多功能的統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和可視化方法的集合。該工作組選擇了Python及其相關(guān)的科學(xué)堆棧，在分析核心中實(shí)現(xiàn)的功能以統(tǒng)計(jì)和視覺(jué)數(shù)據(jù)表示為中心，涵蓋所有主要的計(jì)算領(lǐng)域，如表達(dá)、相互作用和翻譯后、基于修飾的蛋白質(zhì)組學(xué)（圖1b）。

其設(shè)計(jì)的分析核心包括數(shù)據(jù)科學(xué)管道的主要步驟：數(shù)據(jù)準(zhǔn)備（過(guò)濾、規(guī)范化、估算和數(shù)據(jù)格式化）、數(shù)據(jù)探索（匯總統(tǒng)計(jì)、排名和分布）、數(shù)據(jù)分析（降維、假設(shè)檢驗(yàn)和相關(guān)性）和可視化。分析核心整合了除蛋白質(zhì)組學(xué)之外的其他數(shù)據(jù)類(lèi)型的分析（即臨床數(shù)據(jù)、多組學(xué)、生物背景和文本挖掘）。

臨床知識(shí)圖譜架構(gòu)

CKG圖數(shù)據(jù)庫(kù)數(shù)據(jù)模型旨在整合多層次的臨床蛋白質(zhì)組學(xué)實(shí)驗(yàn)，并用生物醫(yī)學(xué)數(shù)據(jù)對(duì)其進(jìn)行注釋。

2. Graphdb Builder

為了實(shí)現(xiàn)蛋白質(zhì)組學(xué)數(shù)據(jù)與其他全能實(shí)驗(yàn)或文獻(xiàn)信息的無(wú)縫注釋和整合，該工作構(gòu)建了一個(gè)能自然連接大型異質(zhì)數(shù)據(jù)的圖形數(shù)據(jù)庫(kù)。為了構(gòu)建知識(shí)圖譜，該工作首先編寫(xiě)了一個(gè)解析器庫(kù)（graphdb_builder），為每個(gè)本體、數(shù)據(jù)庫(kù)和實(shí)驗(yàn)類(lèi)型提供相關(guān)配置。這些解析器從在線資源中下載數(shù)據(jù)，提取信息并生成實(shí)體和關(guān)系，兩者在蛋白質(zhì)節(jié)點(diǎn)中都可以有屬性，如名稱(chēng)或描述。解析器使用配對(duì)的配置文件，指定需要如何解釋本體、數(shù)據(jù)庫(kù)或?qū)嶒?yàn)。

一旦本體、數(shù)據(jù)庫(kù)和實(shí)驗(yàn)文件被標(biāo)準(zhǔn)化、格式化和導(dǎo)入，graphdb_builder模塊就會(huì)用一組Cypher查詢將它們加載到圖數(shù)據(jù)庫(kù)中，從而創(chuàng)建相應(yīng)的節(jié)點(diǎn)和關(guān)系（方法）。

3.Graphdb Connector graphdb_connector

提供連接和查詢CKG數(shù)據(jù)庫(kù)的功能。這個(gè)模塊依賴于Neo4j。它使用Python庫(kù)py2neo，能獨(dú)立于平臺(tái)中的其他功能，這使得與數(shù)據(jù)庫(kù)的互動(dòng)不可知，有利于適應(yīng)和擴(kuò)展。同樣，在整個(gè)平臺(tái)上用Cypher語(yǔ)言對(duì)數(shù)據(jù)庫(kù)的查詢也被定義為YAML對(duì)象，其結(jié)構(gòu)使它們可以被找到（名稱(chēng)、涉及的節(jié)點(diǎn)和關(guān)系）和被理解（描述），并易于替換。

4.Reportmanager & Jupyter notebooks

報(bào)告管理器是一個(gè)與CKG數(shù)據(jù)庫(kù)中現(xiàn)有項(xiàng)目對(duì)接的工具。這個(gè)功能模塊利用分析核心來(lái)分析項(xiàng)目數(shù)據(jù)并生成交互式圖表，然后用這些分析結(jié)果創(chuàng)建詳細(xì)的報(bào)告。新的報(bào)告管道可以用配置文件（YAML格式）來(lái)定義，描述數(shù)據(jù)處理中要使用的參數(shù)，以及要執(zhí)行的分析順序。該結(jié)構(gòu)要求用戶為每個(gè)分析的配置指定要使用的數(shù)據(jù)（數(shù)據(jù)框架的名稱(chēng)）、分析列表和可視化結(jié)果的圖表（分別是分析核心中的函數(shù)：analytics和viz）、是否將結(jié)果存儲(chǔ)為數(shù)據(jù)框架以及分析和可視化需要的參數(shù)。

該工作將 Jupyter notebooks作為CKG平臺(tái)的另一個(gè)組成部分，主要是以下三個(gè)方面上因素上的考慮：(1)作為測(cè)試和開(kāi)發(fā)新的分析和可視化的平臺(tái)；(2)解釋如何使用CKG的Python庫(kù)；(3)能作為已發(fā)布的案例研究進(jìn)行再分析的資源庫(kù)，可以共享、復(fù)制和重用。

report_manager 模塊包括一組儀表板應(yīng)用程序

參考文獻(xiàn)
Santos A, Cola?o AR, Nielsen AB, et al. A knowledge graph to interpretclinical proteomics data. Nat Biotechnol. 2022;
10.1038/s41587-021-01145-6.doi:10.1038/s41587-021-01145-6.