[논문 리뷰] Protein Models Comparator: Scalable Bioinformatics Computing on the Google App Engine Platform

Paweł Widera, Natalio Krasnogor|arXiv (Cornell University)|2011. 02. 21.

Protein Structure and Dynamics참고 문헌 19인용 수 4

한 줄 요약

이 논문은 RMSD, GDT_TS, TM-score, Q-score를 사용하여 단백질 구조 모델을 고속으로 비교할 수 있는 확장 가능한 웹 애플리케이션인 Protein Models Comparator (pm-cmp)를 소개한다. Google App Engine 기반으로 구축된 이 도구는 클라우드 기반 병렬 처리와 접근성 있는 REST 유사 API를 활용해 수천 개의 모델을 자동으로 분산 비교할 수 있으며, 단백질 구조 예측에서 대규모 모델 평가에 있어 핵심적인 격차를 메운다.

ABSTRACT

The comparison of computer generated protein structural models is an important element of protein structure prediction. It has many uses including model quality evaluation, selection of the final models from a large set of candidates or optimisation of parameters of energy functions used in template-free modelling and refinement. Although many protein comparison methods are available online on numerous web servers, they are not well suited for large scale model comparison: (1) they operate with methods designed to compare actual proteins, not the models of the same protein, (2) majority of them offer only a single pairwise structural comparison and are unable to scale up to a required order of thousands of comparisons. To bridge the gap between the protein and model structure comparison we have developed the Protein Models Comparator (pm-cmp). To be able to deliver the scalability on demand and handle large comparison experiments the pm-cmp was implemented "in the cloud". Protein Models Comparator is a scalable web application for a fast distributed comparison of protein models with RMSD, GDT TS, TM-score and Q-score measures. It runs on the Google App Engine (GAE) cloud platform and is a showcase of how the emerging PaaS (Platform as a Service) technology could be used to simplify the development of scalable bioinformatics services. The functionality of pm-cmp is accessible through API which allows a full automation of the experiment submission and results retrieval. Protein Models Comparator is free software released on the Affero GNU Public Licence and is available with its source code at: http://www.infobiotics.org/pm-cmp This article presents a new web application addressing the need for a large-scale model-specific protein structure comparison and provides an insight into the GAE (Google App Engine) platform and its usefulness in scientific computing.

연구 동기 및 목표

• 대규모 단백질 구조 모델 수천 개를 비교할 수 있는 확장 가능한 도구의 부족을 해결하며, 이는 모델 품질 평가 및 선택에 필수적이다.
• 기존 웹 서버가 1:1 또는 1:PDB 비교만 지원하고 대규모 실험에 대한 자동화 기능이 부족한 점을 보완한다.
• 클라우드 인프라의 자동 수평 확장을 활용해 수천 개의 모델을 효율적이고 분산식으로 비교할 수 있도록 한다.
• 공개 소스 코드와 접근성 있는 API를 제공하는 무료 오픈소스 솔루션을 통해 생물정보학 연구의 재현 가능성과 확장성을 지원한다.
• Google App Engine와 같은 플랫폼형 서비스(PaaS) 모델이 구조 생물정보학 분야의 과학 계산에 실제로 유용한지 검증한다.

제안 방법

• GAE의 자동 확장 및 분산 작업 실행 기능을 활용해, GAE 기반의 클라우드 네이티브 웹 애플리케이션을 구현하여 모델 비교 작업을 처리한다.
• 실험 제출 및 결과 수신을 완전히 자동화할 수 있도록 REST 유사 API를 사용하여 프로그래밍 방식의 접근을 지원한다.
• 개별 단백질 구조 파일(PDB 형식 등)을 GAE 데이터스토어에 직접 저장하고 처리하며, Uploadify 라이브러리를 활용해 다중 파일 업로드를 지원한다.
• 모델 간의 최대 공통 잔류부분을 기반으로 쌍별 비교를 수행하여 완전하지 않거나 잘린 구조를 다룰 수 있도록 하며, 전체 구조 정렬을 피한다.
• 정렬된 잔류부분 쌍에 대해 표준 구조 유사도 지표인 RMSD, GDT_TS, TM-score, Q-score를 적용하여 모델 유사도를 정량화한다.
• GAE의 실행 시간 및 자원 제약 조건 내에서 대규모 계산을 관리하기 위해 작업 순환과 백그라운드 처리를 활용한다.

실험 결과

연구 질문

• RQ1 Google App Engine과 같은 클라우드 기반 PaaS 플랫폼이 수천 개의 단백질 구조 모델에 대한 고속, 분산 비교를 효과적으로 지원할 수 있는가?
• RQ2 동일 단백질의 모델들이 동일한 잔류부분 서열을 공유하므로 수동 정렬이 필요 없이 자동으로 확장 가능한 모델 비교는 어떻게 달성할 수 있는가?
• RQ3 기존 웹 기반 단백질 비교 도구는 어떤 식으로 개선되거나 대체될 수 있으며, 대규모 모델 대 모델 비교에 최적화된 전용 시스템으로서의 가능성을 어떻게 평가할 수 있는가?
• RQ4 GAE의 제약 조건(예: 직접 파일 시스템 접근 불가, 작업 실행 시간 제한 등)을 극복하기 위해 과학 계산 워크로드에 적합한 아키텍처 패턴과 구현 전략은 무엇이 필요한가?
• RQ5 완전한 API 노출을 통해 무료 오픈소스 소프트웨어를 제공함으로써 대규모 단백질 구조 예측 파이프라인에서 재현 가능성과 확장성은 어떻게 향상될 수 있는가?

주요 결과

• Protein Models Comparator (pm-cmp)는 Google App Engine 플랫폼에서 RMSD, GDT_TS, TM-score, Q-score 지표를 사용하여 단백질 모델의 확장 가능하고 분산된 비교를 성공적으로 수행한다.
• GAE의 자동 확장 기능을 활용해 데이터 스토리지 및 작업 실행을 통해 수천 개의 모델에 대한 자동화된 고속 비교를 지원한다.
• REST 유사 API의 사용을 통해 실험 제출 및 결과 수신을 완전히 프로그래밍 방식으로 자동화할 수 있으며, 재현 가능성 향상과 더 큰 워크플로우에의 통합을 촉진한다.
• GAE의 제약 조건(예: 직접 파일 시스템 접근 불가, 작업 실행 시간 제한 등)에도 불구하고, 작업 순환과 효율적인 데이터 처리를 통해 대규모 계산을 효과적으로 관리한다.
• 이 애플리케이션은 Affero GPL 라이선스 하에 무료 소프트웨어이며, 소스 코드가 공개되어 있어 커뮤니티가 검토, 수정 및 AppScale 또는 TyphoonAE와 같은 다른 플랫폼으로 배포할 수 있다.
• 아키텍처 제약 조건을 철저히 고려할 경우, PaaS 환경이 생물정보학 분야의 과학 계산에 실질적으로 유용할 수 있음을 플랫폼이 입증한다.