[논문 리뷰] Want Drugs? Use Python

Michał Nowotka, George Papadatos외 3명|arXiv (Cornell University)|2016. 07. 01.

Computational Drug Discovery Methods참고 문헌 3인용 수 4

한 줄 요약

이 논문은 ChEMBL에서 약물 발굴 데이터 정제, 분석 및 배포를 간소화하는 데 파이썬이 중심 기술 스택으로 기능하는 방식을 보여준다. RDKit, Django, Beaker, 웹 서비스와 같은 파이썬 기반 도구를 활용하여 저자들은 화학정보학 작업, 타겟 예측, 데이터 배포를 위한 확장성 있고 오픈소스인 파이프라인을 구축한다. 이는 계산 기반 약물 개발 분야에서 효율적이고 재현 가능하며 협업이 가능한 과학적 워크플로우를 가능하게 한다.

ABSTRACT

We describe how Python can be leveraged to streamline the curation, modelling and dissemination of drug discovery data as well as the development of innovative, freely available tools for the related scientific community. We look at various examples, such as chemistry toolkits, machine-learning applications and web frameworks and show how Python can glue it all together to create efficient data science pipelines.

연구 동기 및 목표

• 파이썬 기반 도구를 사용하여 약물 개발 데이터의 정제, 모델링, 배포를 간소화하기 위해.
• 계산 기반 약물 개발 분야에서 화학 데이터셋을 처리하고 분석하기 위한 효율적이고 통합된 파이프라인의 부족을 해결하기 위해.
• 로컬 설치 없이도 화학정보학 작업을 수행할 수 있도록 재사용 가능하고 오픈소스 도구를 개발하기 위해.
• 웹 서비스와 표준화된 데이터 포맷(예: JSON, XML, YAML)을 통해 데이터 접근성을 향상시키기 위해.
• 파이썬 라이브러리를 사용해 구축된 오픈소스이고 재현 가능한 워크플로우를 통해 약물 타겟 예측 모델링을 지원하기 위해.

제안 방법

• Oracle에서 MySQL 및 PostgreSQL로의 데이터 내보내기를 위해 Django ORM을 사용하여 다중 데이터베이스 호환성과 자동 스키마 번역을 가능하게 한다.
• 파이썬(Bottle 프레임워크 기반)으로 구축된 RESTful API인 Beaker 프로젝트를 활용하여 HTTP를 통해 RDKit의 기능을 노출함으로써 로컬 설치 요구 사항을 제거한다.
• Django, Tastypie, Gunicorn을 사용하여 웹 서비스를 배포하고, JSON, XML, YAML 및 CORS를 지원하여 AJAX를 통한 클라이언트 측 액세스를 가능하게 한다.
• RDKit을 통합하여 분자 서술자 계산, 서브스트럭처 및 유사도 검색, SMILES/InChI 포맷 변환을 수행한다.
• scikit-learn과 pandas를 활용하여 정제된 ChEMBL 데이터를 기반으로 나이브 베이즈 모델을 구축하고 훈련하여 타겟 예측을 수행한다.
• Celery를 작업 큐로 사용하여 데이터 정제 중 화학 계산을 관리함으로써 계산 처리를 사용자 인터페이스에서 분리한다.

실험 결과

연구 질문

• RQ1 파이썬을 사용하여 약물 개발 데이터의 처리 및 배포를 위한 확장성 있고 재사용 가능하며 오픈소스 파이프라인을 구축할 수 있는 방법은 무엇인가요?
• RQ2 파이썬 기반 웹 서비스를 화학정보학 워크로드에 사용할 때 기술적이고 아키텍처적 이점은 무엇인가요?
• RQ3 RESTful API는 로컬 소프트웨어 설치 없이도 복잡한 화학정보학 작업(예: 서브스트럭처 검색, 서술자 계산)을 노출시킬 수 있을까요?
• RQ4 과학 문헌에서 화합물 데이터를 고속도로 정제하는 데 있어 파이썬 기반 워크플로우의 효과성은 어느 정도인가요?
• RQ5 파이썬 생태계를 활용해 오픈소스이고 재현 가능한 기계학습 모델을 얼마나 잘 구축하고 공유할 수 있을까요?

주요 결과

• ChEMBL 팀은 SQL 덤프 및 웹 서비스를 포함한 전체 스택 기반 파이썬 기반 인fra를 성공적으로 구축하였으며, 다양한 데이터베이스 포맷과 데이터 교환 표준을 지원한다.
• Beaker 프로젝트를 통해 HTTP 액세스가 가능한 모든 시스템이 로컬 설치 없이도 RDKit의 화학정보학 기능에 원격으로 액세스할 수 있다.
• ChEMBL 웹 서비스는 고급 필터링, 페이징 및 JSONP, YAML을 포함한 여러 출력 포맷을 지원하는 18개의 별도 엔드포인트를 노출한다.
• ChEMBL 데이터 기반으로 훈련된 나이브 베이즈 모델은 알려진 약물 화합물의 타겟 예측을 가능하게 하며, 모델과 튜토리얼은 다운로드 및 재사용이 가능하다.
• 비동기 화학 계산을 위해 Celery를 사용함으로써 데이터 정제 효율성이 향상되었으며, 사용자 인터랙션과 계산 처리를 분리하였다.
• 웹 서비스, Beaker, 클라이언트 라이브러리 등 전체 스택은 Apache 2.0 라이선스에 따라 라이선스가 부여되었으며, GitHub와 PyPI에 호스팅되어 있어 빠른 배포와 커뮤니티 기여를 가능하게 한다.