그래프 RAG를 활용한 게놈 주석 강화 | WIPI의 프로그래밍 및 기술 블로그

소개

생성형 AI와 게놈학의 교차점은 연구자들이 복잡한 생물학적 데이터를 이해하고 주석을 다는 방식을 빠르게 변화시키고 있습니다. 새롭게 떠오르는 기술 중, GraphRAG는 구조화된 지식 그래프를 대규모 언어 모델과 통합하여 맥락적 추론 및 데이터 검색을 강화함으로써 두각을 나타냅니다. 유전자, 단백질, 표현형 간의 관계가 복잡하게 얽혀 있는 게놈 주석 분야에서 GraphRAG는 이러한 복잡성을 더 정확하고 해석 가능한 방식으로 탐색할 수 있는 새로운 접근 방식을 제공합니다. 이 블로그는 이전 논문의 후속 연구이며, GraphRAG를 활용하여 게놈 서열의 주석을 가속화하고 개선할 수 있는 방법을 모색합니다.

Figure 1. Proposed approach

GraphRAG 퀵 스타트 Jupyter 노트북은 이 링크에서 찾을 수 있습니다.

이 블로그의 내용을 재현하기 위한 샘플 Jupyter 노트북은 이 링크에서 찾을 수 있습니다.

샘플 ClinVAR 변이 레코드:

chr1:1523548,na,ATAD3A,not_provided, "GRCh38_chr:chr1 GRCh38_pos:1523548 reference_allele:T alternative_allele:C dbSNP_ID:na Variation_ID:1704755 Allele_ID:1699287 canonical_SPDI:NC_000001.11:g.1523548T>C molecular_consequence:SO:0001583|missense_variant germline_review:Uncertain_significance germline_status:criteria_provided,_single_submitter Gene:ATAD3A Condition:not_provided source:clinvar clinvar_URL:https://www.ncbi.nlm.nih.gov/clinvar/variation/1704755/"

컴퓨팅 환경:

Azure ML Studio VM: Standard_DS15_v2 (20 코어, 140 GB RAM, 280 GB 디스크)

GraphRAG 인덱싱 시간:

레코드당 72밀리초

쿼리 방법: local

GraphRAG는 4가지 다른 방법을 지원합니다. 자세한 내용은 다음을 방문하십시오:Overview - GraphRAG

모델 정보:

중요: GraphRAG의 'settings.yaml' 파일에서 Azure OpenAI Service REST API 정보를 업데이트하십시오.

default_embedding_model:

type: azure_openai_embedding

api_base: https://XXX.openai.azure.com

api_version: 2025-01-01-preview

auth_type: azure_managed_identity

model: text-embedding-3-small

deployment_name: text-embedding-3-small</LI-CODE>

인덱싱 명령어:

!graphrag index --root ."/genomicsragtest"

샘플 인덱싱 프로세스:

Figure 2. Sample screen of data indexing with GraphRAG

결과

이 블로그에서는 ClinVAR vcf 파일의 모든 변이를 GraphRAG로 인덱싱했습니다. 다음은 'Baseline RAG (GPT-4o, 이전 연구에서)'와 'GraphRAG'의 샘플 쿼리 결과입니다:

샘플 쿼리:

!graphrag query --root ./genomicsragtest --method local --query "Annotate chr1:5863337"

Table 1. Comparison of Baseline RAG and GraphRAG responses

기준 RAG와 GraphRAG 간의 비교 표는 GraphRAG가 더 구조화된 출력을 생성하고 쿼리 구문에 매우 민감하여 보다 정확하고 맥락을 인식하는 응답을 가능하게 함을 강조합니다. (표 1)

지식 그래프 시각화 및 디버깅

Figure 3. High Level representation of GraphRAG

GraphRAG 개발팀은 결과 지식 그래프의 직관적이고 확장 가능한 시각화를 위해 Gephi를 사용할 것을 권장합니다. 단계별 가이드를 검토하여 GraphRAG에 의해 구성된 후 지식 그래프를 시각화하는 프로세스를 확인하십시오.

결론
게놈 데이터의 양과 복잡성이 계속 증가함에 따라 기존 주석 파이프라인은 확장성과 맥락적 이해에 한계에 직면합니다. GraphRAG는 생물학적 온톨로지의 구조화된 세계와 AI 모델의 유연한 추론 기능을 연결하는 매력적인 솔루션을 제시합니다. 그래프 기반 검색을 활용하여 주석의 관련성과 정확성을 향상시켜 더 깊은 통찰력과 빠른 발견의 문을 엽니다. 게놈학의 미래는 지식 그래프와 AI 모델 간의 이러한 공생 관계에 있을 수 있습니다. 연구자들은 생물 정보학 도구를 데이터 중심에서 통찰력 중심의 응용 프로그램으로 전환할 수 있습니다.

감사의 말씀

이 작업의 시작과 기반을 마련해 준 Jesus Aguilar에게 특별한 감사를 드립니다. 또한 귀중한 피드백을 제공했을 뿐만 아니라 이 노력의 방향을 안내하는 GraphRAG 프로젝트 책임자 역할을 수행한 Jonathan Larson에게도 감사드립니다.

고지 사항

이 블로그는 연구 및 정보 제공 목적으로만 제공됩니다. 임상용으로 제작되지 않았습니다. AI 생성 결과물에는 부정확하거나 오해의 소지가 있는 정보가 포함될 수 있습니다.