EMMAA — это экосистема машинно-обслуживаемых моделей с автоматическим анализом. Основной способ взаимодействия пользователей с EMMAA — это использование информационной панели EMMAA, доступ к которой можно получить здесь.
Подробную документацию по EMMA можно найти на сайте http://emmaa.readthedocs.io. Документация содержит три основных раздела:
Основная идея EMMAA заключается в создании набора вычислительных моделей, которые поддерживаются в актуальном состоянии с помощью автоматического машинного считывания, сбора знаний и генерации моделей. Каждая модель начинается с предшествующей сети соответствующих концепций, связанных через набор известных механизмов. Этот набор механизмов затем расширяется путем ежедневного чтения литературы или других источников информации, определения того, как новая информация связана с существующей моделью, а затем обновления модели новой информацией.
Модели также доступны для автоматического анализа, при котором соответствующие запросы, входящие в область действия каждой модели, могут быть автоматически сопоставлены с процедурами структурного и динамического анализа модели. Это позволяет распознавать и сообщать об изменениях в модели, которые приводят к значимым изменениям в результатах анализа.
Основной областью применения EMMAA является молекулярная биология рака, однако ее можно применять и в других областях, с которыми могут справиться система INDRA и системы считывания, интегрированные с INDRA.
Пользователи в основном взаимодействуют с EMMAA через панель мониторинга, для которой не требуется устанавливать никаких зависимостей.
Чтобы настроить программный доступ к функциям EMMAA локально, выполните следующие действия:
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 .
Докеризованная версия EMMAA доступна по адресу https://hub.docker.com/r/labsyspharm/emmaa, которую можно получить как
docker pull labsyspharm/emmaa
Разработка EMMAA финансируется в рамках программы DARPA по автоматическому извлечению научных знаний (ASKE) в рамках гранта HR00111990009.