biocad-task

Описание задачи

Наш департамент работает с большим количеством информации, которую удобно представлять в виде графа. Это могут быть последовательности аминокислот, связанные с различными видами структур, или же химические реагенты и катализаторы, связанные с помощью реакций с получившимися продуктами.

Оказывается, на рынке уже есть графовая база данных - neo4j. Удобнее всего её установить с помощью Docker образа. Несложно догадаться, что к этой базе данных существует биндинг для Haskell: hasbolt и набор плюшек для него hasbolt-extras. Некоторое представление о работе с этим библиотеками поможет составить доклад, а также их документация на Hackage.

Важно. Начиная с 4-й версии Neo4j полностью поменяли протокол и не все Haskell-библиотеки на него перешли. На текущий момент лучше использовать версию Neo4j 3.5.

Задача

Задать структуру данных в Neo4j

• компонент Molecule должен иметь поля id :: Int, smiles :: String, iupacName :: String;
• компонент Reaction должен иметь поля id :: Int, name :: String;
• компонент Catalyst должен иметь поля id :: Int, smiles :: String, name :: Maybe String;
• компонент PRODUCT_FROM должен иметь поле amount :: Float;
• компонент ACCELERATE должен иметь поле temperature :: Float, pressure :: Float;
• дополните структуру данных необходимыми на ваш взгляд полями;
• населите базу данных представителями (хотя бы по 20 образцов каждого вида). Данные подразумеваются совершенно синтетические.

Между записями в структурах данных могут быть различные зависимости (например, между представлением smiles и именем IUPAC).

Реализовать функционал на Haskell

• создайте соответствующие типы в Haskell-библиотеке;
• напишите функцию, которая умеет принимать реацию на вход и загружать её в базу;
• напишите функцию, которая по номеру реакции в базе будет возвращать её в Haskell-объект;
• напишите функцию, которая по двум заданным молекулам ищет путь через реакции и молекулы с наименьшей длиной.

Подумать и предложить обобщения

В процессе развития системы будут добавляться различные компоненты, например, механизм реакции. Предлагается ответить на следующие вопросы:

• какие абстракции или вспомогательные компоненты можно ввести на уровне базы данных, чтобы новые полученные знания ладно укладывались в систему?
• какие абстракции вы бы предложили ввести в Haskell-реализацию?

Работа с базой данных

Для работы с базой данных предназначены модули Functions.TextRequest и Functions.GraphRequest.

Functions.TextRequest

Модуль Functions.TextRequest формирует Cypher запросы на основе текстовых шаблонов. В его основе лежит Database.Bolt . Модуль экспортирует следующие функции:

• добавление реакции в БД:

putReaction :: ReactionData -> BoltActionT IO (Id Reaction)

• извлечение реакции из БД по указанному Id:

getReaction :: Id Reaction -> BoltActionT IO (Maybe ReactionData)

• Нахождение всех кратчайших путей через Реакции и Молекулы между молекулами:

findShortPath :: Molecule -> Molecule -> BoltActionT IO [Transformation]

• Удаление узла реакции и связей из БД по переданному Id:

deleteReaction :: Id Reaction -> BoltActionT IO ()

• Нахождение всех кратчайших путей через промежуточные Реакции и Молекулы между начальной и конечной Молекулами по переданным Id:

findShortPathById :: Id Molecule -> Id Molecule -> BoltActionT IO [Transformation]

Следует отметить, что для функций findShortPath, findShortPathById важен порядок переданных агрументов, так как происходит поиск пути только в одном направлении. Если требуется найти кратчайший путь в любом из направлений, то следует использовать функцию дважды с изменением порядка агрументов. Если оба агрумента совпадают, то возвращается путь, содержащий только переданную молекулу. Если начальная или конечная Молекулы отсутствуют в базе, то возвращается пустой список Трансформаций.

Functions.GraphQueries

Модуль Functions.GraphRequest основан на построении запросов из графовых шаблонов. В его основе лежит модуль Database.Bolt.Extras.Graph. Модуль экспортирует только 2 функции:

• добавление реакции в БД:

putReaction :: ReactionData -> BoltActionT IO (Id Reaction)

• извлечение реакции из БД по указанному Id:

getReaction :: Id Reaction -> BoltActionT IO (Maybe ReactionData)

Наполнение тестовой базы данных

Для генерации данных и наполнения тестовой базы данных используется функция putSampleData из модуля SampleData. Функция использует данные из файлов Reactions.csv,Molecules.csv,Catalyst.scv в папке SampleData.

putSampleData :: Int -> BoltActionT IO ()

Ниже приведен пример использования данной функции из модуля Main:

boltCfg :: BoltCfg
boltCfg = def { host = "localhost"
              , user = "neo4j"
              , password = "testDB"
              }

runQueryDB :: BoltActionT IO a -> IO a
runQueryDB act = bracket (connect boltCfg) close (`run` act)

main :: IO ()
main = do
  putStrLn "Enter number of generated reactions:"
  n <- read <$> getLine
  runQueryDB $ putSampleData n

Также модуль экспортирует функции randomReaction, randomMolecule, randomCatalyst, randomProductFrom, randomAccelerate для генерации составных частей реакции и randomReactionData для генерации реакции.

В данной библиотеке используется логика, запрещающая повторное создание или модификацию уже существующей а базе данных реакции. Если в результате генерации реакции будет повторно использоваться уже существующее имя реакции, то такая реакция не будет добавлена в тестовую БД. Это следует учитывать при выборе числа генераций, передаваемых в функцию putSampleData. Обычно 35 генераций достаточно для получения не менее 20 образцов каждого типа.

Размышления по поводу дополнительных вопросов

В структуру базы данных можно добавить компонент-узел Mechanism и компонент-взаимоотношение DESCRIBES.

Механизм реакции должен содержать информацию об интермедиатах, переходных состояниях и продуктах реакции. Соответственно возможно введение:

• компонентов группы "Интермедиатов"
  • Карбкатион Carbocation
  • Карбанион Carbanion
  • ...
  • Нитрен Nitrene
• компонента "Переходного состояния" TransitionState
• компонента-взаимоотношение TRANSITION_IN
• компонента-взаимоотношение INTERMEDIATE_IN

В Haskell можно ввести типы данных

data DESCRIBES       = DESCRIBES{..}
data TRANSITION_IN   = TRANSITION_IN{..}
data INTERMEDIATE_IN = INTERMEDIATE_IN{..}

data Intermediate = Carbocation{..}
		  | Carbanion{..}
		  | ...
		  | Nitrene{..}
				  
data TransitionState = TransitionState{..}

data Mechanism = Mechanism [(Intermediate, INTERMEDIATE_IN)] [(TransitionState, TRANSITION_IN)]

Тип данных ReactionData следует дополнить полем Mechanism

data ReactionData = ReactionData
	{ rdName :: Name Reaction
	, ...
	, rdMechanism :: Maybe (Mechanism, DESCRIBES)
	}