ЦИФРОВАЯ ПЛАТФОРМА «МИКРОБИОТЕХ»: АРХИТЕКТУРА И НАЗНАЧЕНИЕ

В статье рассматривается архитектура разработанной цифровой платформы «Микробиотех» для решения широкого круга задач системной и структурной биологии, обсуждается использование программного обеспечения, интегрированного в платформу для обработки и анализа больших объемов генетической информации, а также для предсказания структуры и функции белков. Использование цифровой платформы «Микробиотех» позволяет увеличить производительность исследования, улучшить точность анализа данных и способствовать развитию новых методов исследования.

Данная работа финансировалось Министерством пауки и высшего образования Российской Федерации в рамках проекта «Курчатовский центр геномных исследований мирового уровня» № 075-15-2019-1662 от 31.10.2019.

Список литературы

1. Bharadwaj, A., El Sawy, О. A., Pavlou, Р. А., & Venkatraman, N. (2013). Digital business strategy: toward a next generation of insights. MIS quarterly, 471-482.
2. Yoo, Y., Henfridsson, O., & Lyytinen, K. (2010). Research commentary—the new organizing logic of digital innovation: an agenda for information systems research. Information systems research, 21(4), 724-735.
3. Goecks, J., Nekrutenko, A., Taylor, J., & Galaxy Team. (2010). Galaxy: a comprehensive approach for supporting accessible, reproducible, and transparent computational research in the life sciences. Genome biology, 11(8), R86.
4. Gruning, B.A., Rasche, E., Rebolledo-Jaramillo, B., Eberhard, C., Houwaart, T., Chilton, J., ...& Backofen, R. (2017). Jupyter and Galaxy: Easing entry barriers into complex data analyses for biomedical researchers. PLoS computational biology, 13(5), el005425.
5. Afgan, E., Baker, D., van den Beek, M., Blankenberg, D., Bouvier, D., Cech, M., ... & Goecks, J. (2016). The Galaxy platform for accessible, reproducible and collaborative biomedical analyses: 2016 update. Nucleic acids research, 44(W1), W3-W10.
6. Lowe, R., Shirley, N., Bleackley, M., Dolan, S., & Shafee, T. (2017). Transcriptomics technologies. PLoS computational biology,
7. Gruning, B., Chilton, J., Koster, J., Dale, R., Soranzo, N., van den Beek, M., ... & Backofen, R. (2019). Practical computational reproducibility in the life sciences. Cell systems, 8(3), 183-188.
8. Afgan, E., Baker, D., Batut, B., van den Beek, M., Bouvier, D., Cech, M., ... & Blankenberg, D. (2018). The Galaxy platform for accessible, reproducible and collaborative biomedical analyses: 2018 update. Nucleic acids research, 46(W1), W537-W544.
9. Kluyver, T., Ragan-Kelley, B., Perez, F., Granger, B.E., Bussonnier, M., Frederic, J., . ..& Ivanov, P. (2016). Jupyter Notebooks-а publishing format for reproducible computational workflows. In ELPUB (pp. 87-90).
10. Zaharia, M., Xin, R. S., Wendell, P., Das, T., Armbrust, M., Dave, A., ... & Ghodsi, A. (2016). Apache Spark: a unified engine for big data processing. Communications of the ACM, 59(11), 56-65.
11. Varia, J., & Mathew, S. (2014). Overview of Amazon Web Services. Amazon Web Services, 16.
12. Chee, B. J., Franklin, J.C., & Chee, B. J. (2009). Cloud computing: Technologies and strategies of the ubiquitous data center. CRC Press.
13. Пронозин А.Ю., Салина E.A., Афонников Д. A. (2023) GBS-DP: биоинформатический конвейер для обработки данных, полученных генотипированием путем секвенирования. Вави­ловский журнал генетики и селекции. 27 (7), 737-745. DOI 10.18699/VJGB-23-86
14. Ivanisenko VA, Saik OV, Ivanisenko NV, Tiys ES, Ivanisenko TV, Demenkov PS, Kolchanov NA. ANDSystem: an associative network discovery system for automated literature mining in the field of biology. BMC Syst Biol. 2015;9 Suppl 2(Suppl 2):S2. doi: 10.1186/1752-0509-9-S2-S2.