EMMAA é um ecossistema de modelos mantidos por máquinas com análise automatizada. A principal forma de os usuários interagirem com o EMMAA é usando o Painel do EMMAA, que pode ser acessado aqui.
Para uma documentação detalhada do EMMA, visite http://emmaa.readthedocs.io. A documentação contém três seções principais:
A ideia principal por trás do EMMAA é criar um conjunto de modelos computacionais que sejam mantidos atualizados por meio de leitura automatizada de máquinas, montagem de conhecimento e geração de modelos. Cada modelo começa com uma rede prévia de conceitos relevantes conectados através de um conjunto de mecanismos conhecidos. Este conjunto de mecanismos é então ampliado através da leitura diária de literatura ou de outras fontes de informação, determinando como a nova informação se relaciona com o modelo existente e, em seguida, atualizando o modelo com a nova informação.
Também estão disponíveis modelos para análise automatizada, nos quais consultas relevantes que se enquadram no escopo de cada modelo podem ser automaticamente mapeadas para procedimentos de análise estrutural e dinâmica no modelo. Isso permite reconhecer e relatar alterações no modelo que resultam em alterações significativas nos resultados da análise.
A principal área de aplicação do EMMAA é a biologia molecular do câncer, no entanto, pode ser aplicada a outros domínios que o sistema INDRA e os sistemas de leitura integrados ao INDRA podem lidar.
Os usuários interagem principalmente com o EMMAA por meio do Dashboard, para o qual nenhuma dependência precisa ser instalada.
Para configurar o acesso programático aos recursos do EMMAA localmente, faça o seguinte:
git clone https://github.com/indralab/emmaa.git
cd emmaa
pip install git+https://github.com/sorgerlab/indra.git
pip install git+https://github.com/indralab/indra_db.git
pip install -e .
Uma versão Dockerizada do EMMAA está disponível em https://hub.docker.com/r/labsyspharm/emmaa, que pode ser obtida como
docker pull labsyspharm/emmaa
O desenvolvimento do EMMAA é financiado pelo programa DARPA Automating Scientific Knowledge Extraction (ASKE) sob o prêmio HR00111990009.