BioCypher: 생의학 Knowledge Graph를 위한 통합 프레임워크

다양한 소스에서 Knowledge Graph를 더 쉽게 생성해서 생명공학 전문가와 연구자들의 삶을 더 편하게 만들어주는 방법에 대해 이야기해봤어요.

전체 에피소드를 보려면 이 블로그 게시물 끝으로 스크롤해주세요.

바이오사이퍼 개요

Knowledge Graph의 생성

최근에 Neo4j GraphSummit 뮌헨에서 카타리나 카리가 Knowledge Graph를 만들기 시작하기 전에 의미론적 분류를 순서대로 정리하기 위해 사전에 시간을 투자하는 것이 얼마나 중요한지 이야기하는 걸 들었어요. 이 초기 단계가 안정적인 기반을 바탕으로 구축되지 않으면 나머지 프로세스가 실패할 수 있고 목표를 달성하지 못할 수도 있다네요.

Sebastian도 이러한 우려에 동의하면서, 팀들이 자체 프로세스를 구축할 수 있는 대역폭이 없는 경우가 많아서 목표와 100% 일치하지 않더라도 "충분하다"고 여겨지는 이미 존재하는 것에 의존한다고 말해요. 이것이 BioCypher를 구축하게 된 큰 동기였다고 하는데요. 기존 리소스에서 자체 데이터와 결합해서 Knowledge Graph를 더 쉽게 생성하고, 동시에 해당 프로세스를 더욱 유연하게 만드는 거죠.

바이오사이퍼

BioCypher는 세 가지 주요 영역을 결합해서 이 문제를 해결하고 있어요.

• 자원: ETL과 유사한 프로세스를 통해 모든 종류의 데이터를 프레임워크에 파이프해요. 어댑터를 통해 선택된 데이터는 고도로 맞춤화될 수 있고, 사용자가 Node/Edge 수준에서 필요한 정보를 정의하는 데 도움이 되죠 (Graph Modeling을 생각해 보세요!). 따라서 사용자는 필요한 데이터만 로드하고 파이프라인은 이미 해당 데이터를 올바른 위치에 배치해줘요. 옴니패스처럼 모든 종류의 소스에 대한 많은 어댑터가 있답니다.
• 온톨로지: 전문적으로 선별된 정보가 데이터와 매핑돼요. 또한 사용자는 사용하려는 온톨로지를 선택하고 필요에 맞게 다양한 온톨로지를 함께 연결할 수 있어요. 앞으로는 온톨로지 병합까지 허용할 계획이라고 하네요.
• 산출: 그런 다음 결합된 데이터는 사용자가 데이터로 작업할 수 있도록 Property Graph, SQL 또는 RDF로 내보내져요. 다른 사용자가 쉽게 복제할 수 있도록 Schema를 공유할 수도 있답니다.

BioCypher 사용

에피소드를 마무리하면서 Sebastian은 BioCypher의 빠른 데모를 보여줬는데요, 메타그래프를 Neo4j로 로드하는 걸 볼 수 있어요.

Neo4j의 BioCypher 메타그래프

BioCypher 팀은 단위 테스트를 통해 이 접근 방식을 최대한 강력하게 만들고, 사용자에게 Knowledge Graph 구조에 대한 자세한 피드백을 제공하거나 중복 항목을 강조 표시하고 있어요.
앞으로는 사용 사례별 워크플로, 온톨로지 추론을 확장하고 성능을 개선하며, 더 직관적인 사용자 인터페이스(GUI도 가능)를 개발하고 싶어 한다고 해요.
관심 있는 커뮤니티 구성원의 도움을 언제나 환영한다고 하니 참고하세요!

전체 에피소드 보기

흥미로운 링크

BioCypher:
Github:
종이:
Sebastian Lobentanzer:
Graphs4Good:
HealthECCO:
OmniPath:
Meta 진행 중:

---

---

에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.

👉 에이치시스템즈 홈페이지