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.
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.
