SupaSeqs

supaseqs

基本的にPostgreSQLで書かれた爆発

SupaseQSは、 Supabaseが提供するPostgreSQLの実装のおかげで、DNAシーケンスデータベースをローカルで管理するために使用できるツールです。

PostgreSQLをバックエンドデータベースマネージャー、KMERベースのベクトル化、およびベクトル検索として活用して、BLASTの機能を模倣します。

1。インストール

Linux環境で作業している場合は、setup.shをダウンロード/コピーして起動するだけです。

 # Linux
wget https://raw.githubusercontent.com/AstraBert/SupaSeqs/main/scripts/setup.sh
bash setup.sh

1a。事前要求

あなたの環境があることを確認してください：

• git
• Node v18またはフォロー
• npmおよびnpx
• python 3.10またはインストールプロセスに続いて、WindowsとLinuxの両方で動作する必要があります。

1b。環境のセットアップ

まず第一に、このリポジトリをクローンします。

 # BOTH Windows and Linux
git clone https://github.com/AstraBert/SupaSeqs
cd SupaSeqs

supabaseコマンドライン実行可能ファイルを取得します：

 # BOTH Windows and Linux
npm install supabase

Supabaseインスタンスを作成して開始します。

 # BOTH Windows and Linux
npx supabase init
npx supabase start

このコマンドの後に印刷されるDB URLから接続文字列を取得します。

 # BOTH Windows and Linux
npx supabase status

仮想環境を作成し、それをアクティブにし、必要な依存関係をインストールします。

 # Linux
python3 -m venv apienv
source apienv/bin/activate
python3 -m pip install -r requirements.txt

または

 # Windows
python3 - m venv .apienv
.apienvScriptsactivate  # For Command Prompt
# or
.apienvActivate.ps1  # For PowerShell
python3 - m pip install - r .requirements.txt

1c。アプリケーションの開始

仮想環境内で、実行してください。

 # BOTH Windows and Linux
cd scripts
python3 -m fastapi dev 

Supabaseクライアントへの接続に問題がある場合は、16のmain.pyのラインで接続文字列を、 supabase statusを実行していることがわかったものと交換してください。

2。どのように機能しますか

アプリケーションはAPIサービスとして機能し、Fastapiを活用します。 Supabaseへの接続は、 vecsライブラリに組み込まれたものと同様のクライアントのsqlalchemy実装を介して処理されます。

アプリケーションは2つの要求タイプを受け入れます。

1-投稿-シーケンスまたはFASTAファイルをアップロードします。

 # Single sequence
curl -X POST " http://127.0.0.1:8000/seqs/ " -H " accept: application/json " -H " Content-Type: application/json " -d " { " sequence " : " GGCAGAACCCAGGGCACCAGCACGCCGAAGGACCACCGCAGGCTGGCCAGCGCTCCACCCTCCCTGCACCACACCCTGCGAGCAAAAGGCAGCAGAAATGAAGAGCATTTACTTTGTGGCTGGATTGTTTGTAATGCTGGTACAAGGCAGCTGGCAACACCCACTTCAAGACACAGAGGAAAAACCCAGGTCTTTCTCAACTTCTCAAACAGACTTGCTTGATGATCCGGATCAGATGAATGAAGACAAGCGTCATTCACAGGGTACATTCACCAGTGACTACAGCAAGTTCCTCGACACCAGGCGTGCTCAAGACTTCTTGGATTGGCTGAAGAACACCAAGAGGAACAGGAATGAAAT " , " description " : " M57688.1 Octodon degus glucagon mRNA, complete cds " } "
# FASTA file
curl -X POST " http://127.0.0.1:8000/seqs/ " -H " accept: application/json " -H " Content-Type: application/json " -d " { " sequence " : " sequence.fasta " } "

各シーケンスは、5-MERベースの表現（1024-DIMアレイ）でベクトル化され、その後、Supabaseのsequencesテーブルに説明と説明（単一シーケンスの場合、FASTAファイルのシーケンスのヘッダーのヘッダーと元のシーケンス）とともにアップロードされます。

2-取得-シーケンスデータベースを検索します

curl -X ' GET ' ' http://localhost:8000/seqs/AACTTCTCAAACAGACTTGCTTGATGATCCGGATCAGATGAATGAAGACAAGCGTCATTCACAGGGTACATTCACCAGTGACTACAGCAAGTTCCTCGACACCAGGCGTGCTCAAGACTTCTTGGATTGGCTGAAGAACACCAAGAGGAACAGGAATGAAAT?limit=100&threshold=75 ' -H ' accept: application/json '

クエリシーケンスがベクトル化され、データベースが検索されます。多くのシーケンス（リミットキーで指定され、最大値は1000です）が類似のしきい値（しきい値キーのパーセント値として指定）に準拠している場合に返されます。典型的な応答は次のようになります：

{ "1" :{ "sequence" : " GGCAGAACCCAGGGCACCAGCACGCCGAAGGACCACCGCAGGCTGGCCAGCGCTCCACCCTCCCTGCACCACACCCTGCGAGCAAAAGGCAGCAGAAATGAAGAGCATTTACTTTGTGGCTGGATTGTTTGTAATGCTGGTACAAGGCAGCTGGCAACACCCACTTCAAGACACAGAGGAAAAACCCAGGTCTTTCTCAACTTCTCAAACAGACTTGCTTGATGATCCGGATCAGATGAATGAAGACAAGCGTCATTCACAGGGTACATTCACCAGTGACTACAGCAAGTTCCTCGACACCAGGCGTGCTCAAGACTTCTTGGATTGGCTGAAGAACACCAAGAGGAACAGGAATGAAAT " , "description" : " M57688.1 Octodon degus glucagon mRNA, complete cds " , "cos_dist" : 0.23987939711631145 }}

これは、 match_page_sectionsという関数のおかげで達成され、次のように定義されています。

 create or replace function public .match_page_sections (
  embedding vector( 1024 ),
  match_threshold float,
  match_count int
)
returns setof public . sequences
language sql
as $$
  select *
  from public . sequences
  where public . sequences .embedding <=> embedding < 1 - match_threshold
  order by public . sequences .embedding <=> embedding asc
  limit least(match_count, 1000 );
$$;

3。貢献

貢献は大歓迎です！詳細については、貢献ガイドラインを参照してください:)

4。資金

このプロジェクトが便利だと思ったら、それに資金を提供して成長させることを検討してください。一緒にオープンソースをサポートしましょう！？

5。使用権のライセンスと権利

このプロジェクトは、MITライセンスの下で提供されます。常にオープンソースで自由に使用できます。

このプロジェクトを使用する場合は、著者を引用してください：Astra Clelia Bertelli