تجزیه‌وتحلیل کردن تداخل‌های دارویی با BigQuery Graph

۱. مقدمه

در این codelab، با نحوه استفاده از BigQuery Graph برای مدل‌سازی و تجزیه‌وتحلیل شبکه تعامل دارو-هدف آشنا خواهید شد. از قدرت پُرسمان‌های گراف (GQL) برای کاوش نحوه تعامل داروها با اهداف بیولوژیکی، شناسایی عوارض جانبی احتمالی (مانند خطرات قلبی)، و کشف درمان‌های ترکیبی احتمالی استفاده خواهید کرد.

🧬 مورد استفاده — شبکه تعامل دارو-هدف

پرسش کسب‌وکار: شعاع انفجار کامل یک ترکیب چیست — به کدام هدف‌ها متصل می‌شود، کدام مسیرهای زیستی تحت تأثیر قرار می‌گیرند، و کدام حوزه‌های بیماری درگیر می‌شوند؟

جدول‌ها:

جدول

شرح

compounds

مولکول‌های دارو با سازوکار کنش و مرحله توسعه

targets

پروتئین‌های هدف با نام ژن و شناسه UniProt

interactions

میل ترکیبی اتصال هدف ترکیبی (هدف‌های اصلی + هدف‌های فرعی)

pathways

مسیرهای زیستی با ارتباطات حوزه بیماری

target_pathways

جدول تقاطع که هدف‌ها را به مسیرهایی که در آن‌ها شرکت می‌کنند پیوند می‌دهد

مدل نمودار دارایی:

(Compound)-[BINDS_TO {affinity_nm, ic50_nm, interaction_type}]->(Target)
(Target)-[PARTICIPATES_IN {role, importance_score}]->(Pathway)

طرح‌واره گراف

🔍 پُرسمان‌های نمایشی

پُرسمان

آنچه نشان می‌دهد

سؤال ۱: نمایه اتصال هدف

پیمایش ۱-پرشی — ترکیب به همه اهداف اصلی و فرعی

سه‌ماهه دوم: تشخیص خطر قلبی hERG

پیمایش ۲-پرشی — ترکیب ← هدف hERG ← مسیر قلبی

سه‌ماهه سوم: جفت‌های مرکب هدف مشترک

تطابق دوطرفه — دو ترکیب که در یک گره هدف همگرا می‌شوند

سؤال ۴: شعاع انفجار مسیر بیماری

تجمیع ۲-پرشی — پوشش کامل مسیر و ناحیه بیماری برای هر ترکیب

سؤال ۵: انتخاب ترکیب ایمن

ترکیباتی با پوشش سرطان‌شناسی بالا اما بدون مسئولیت قلبی hERG

آنچه انجام خواهید داد

  • ایجاد مجموعه‌داده و طرح BigQuery برای شبکه تداخل دارویی
  • بار کردن داده‌های نمونه (ترکیب‌ها، اهداف، تعاملات، مسیرها، مسیرهای هدف)
  • یک «گراف خصوصیت» در BigQuery ایجاد کن که این نهادها را به هم متصل کند
  • بااستفاده از پیمایش‌های گراف (GRAPH_TABLE و MATCH)، گراف را برای درک تعاملات ترکیبی، مسیرهای بیولوژیکی، و شعاع انفجار بیماری جست‌وجو کنید
  • GQL و SQL استاندارد را کنار هم مقایسه کنید تا سادگی و قدرت بیانی نحو گراف را درک کنید

آنچه نیاز خواهید داشت

  • مرورگر وب مانند Chrome
  • پروژه Google Cloud با صورت‌حساب فعال

این codelab برای توسعه‌دهندگان در همه سطوح، ازجمله مبتدیان، مناسب است.

۲. قبل‌از شروع

ایجاد «پروژه Google Cloud»

  1. در کنسول Google Cloud، پروژه Google Cloud را انتخاب یا ایجاد کنید.
  2. مطمئن شوید که صورت‌حساب برای پروژه Cloud شما فعال است.

شروع Cloud Shell

  1. روی فعال‌سازی Cloud Shell در بالای کنسول Google Cloud کلیک کنید.
  2. درستی‌سنجی اصالت‌سنجی:
gcloud auth list
  1. پروژه‌تان را تأیید کنید:
gcloud config get project
  1. درصورت نیاز آن را تنظیم کنید:
export PROJECT_ID=<YOUR_PROJECT_ID>
gcloud config set project $PROJECT_ID

فعال کردن میاناهای برنامه‌سازی کاربردی

این فرمان را برای فعال کردن میانای برنامه‌سازی کاربردی BigQuery موردنیاز اجرا کنید:

gcloud services enable bigquery.googleapis.com

۳. تعریف طرح‌واره و بار کردن داده‌ها

ابتدا باید مجموعه داده‌ای برای ذخیره کردن جدول‌های مرتبط با گراف ایجاد کنید و آن‌ها را با داده‌های نمونه پر کنید.

  1. به BigQuery Studio در «کنسول Google Cloud» بروید.
  2. روی ویرایشگر SQL کلیک کنید تا برگه پُرسمان جدیدی باز شود.
  3. دستور زیر را برای ایجاد مجموعه داده drug_target_graph اجرا کنید:
CREATE SCHEMA IF NOT EXISTS drug_target_graph
OPTIONS (location = 'US');

اکنون، با اجرای پُرسمان‌های DDL زیر در BigQuery Studio، پنج جدول منبع را ایجاد کنید.

۱. ایجاد کردن جدول compounds

حاوی مولکول‌های دارو، سازوکار عملکرد آن‌ها، مرحله توسعه، و حوزه درمانی است.

CREATE OR REPLACE TABLE drug_target_graph.compounds AS
SELECT 'CPD001' AS compound_id, 'Imatinib'    AS compound_name, 'Kinase Inhibitor'       AS mechanism_of_action, 'Approved'    AS dev_stage, 'Oncology'           AS therapeutic_area, 479.6 AS molecular_weight UNION ALL
SELECT 'CPD002', 'Gefitinib',   'Kinase Inhibitor',        'Approved',    'Oncology',           446.9 UNION ALL
SELECT 'CPD003', 'Erlotinib',   'Kinase Inhibitor',        'Approved',    'Oncology',           393.4 UNION ALL
SELECT 'CPD004', 'Sorafenib',   'Multi-Kinase Inhibitor',  'Approved',    'Oncology',           464.8 UNION ALL
SELECT 'CPD005', 'Vemurafenib', 'BRAF Inhibitor',          'Approved',    'Oncology',           489.9 UNION ALL
SELECT 'CPD006', 'Crizotinib',  'ALK Inhibitor',           'Approved',    'Oncology',           450.3 UNION ALL
SELECT 'CPD007', 'Idelalisib',  'PI3K Inhibitor',          'Approved',    'Oncology',           415.4 UNION ALL
SELECT 'CPD008', 'Trametinib',  'MEK Inhibitor',           'Approved',    'Oncology',           615.4 UNION ALL
SELECT 'CPD009', 'Palbociclib', 'CDK Inhibitor',           'Approved',    'Oncology',           447.5 UNION ALL
SELECT 'CPD010', 'Compound-X1', 'Kinase Inhibitor',        'Phase II',    'Oncology',           412.3 UNION ALL
SELECT 'CPD011', 'Compound-X2', 'PI3K Inhibitor',          'Phase I',     'Oncology',           398.7 UNION ALL
SELECT 'CPD012', 'Saquinavir',  'Protease Inhibitor',      'Approved',    'Infectious Disease', 670.8 UNION ALL
SELECT 'CPD013', 'Metformin',   'AMPK Activator',          'Approved',    'Metabolic',          165.6 UNION ALL
SELECT 'CPD014', 'Rapamycin',   'mTOR Inhibitor',          'Approved',    'Immunology',         914.2 UNION ALL
SELECT 'CPD015', 'Compound-X3', 'Multi-Kinase Inhibitor',  'Preclinical', 'Oncology',           502.1;

۲. ایجاد کردن جدول targets

حاوی اهداف پروتئینی، نام ژن‌ها، شناسه‌های UniProt، و کلاس‌های هدف است.

CREATE OR REPLACE TABLE drug_target_graph.targets AS
SELECT 'TGT001' AS target_id, 'BCR-ABL1'    AS target_name, 'ABL1'    AS gene_name, 'P00519' AS uniprot_id, 'Kinase'       AS target_class, TRUE  AS is_oncogene UNION ALL
SELECT 'TGT002', 'EGFR',      'EGFR',    'P00533', 'Kinase',       TRUE  UNION ALL
SELECT 'TGT003', 'VEGFR2',    'KDR',     'P35968', 'Kinase',       FALSE UNION ALL
SELECT 'TGT004', 'BRAF',      'BRAF',    'P15056', 'Kinase',       TRUE  UNION ALL
SELECT 'TGT005', 'ALK',       'ALK',     'Q9UM73', 'Kinase',       TRUE  UNION ALL
SELECT 'TGT006', 'PI3K-alpha','PIK3CA',  'P42336', 'Lipid Kinase', TRUE  UNION ALL
SELECT 'TGT007', 'MEK1',      'MAP2K1',  'Q02750', 'Kinase',       FALSE UNION ALL
SELECT 'TGT008', 'CDK4',      'CDK4',    'P11802', 'Kinase',       FALSE UNION ALL
SELECT 'TGT009', 'CDK6',      'CDK6',    'P30279', 'Kinase',       FALSE UNION ALL
SELECT 'TGT010', 'mTOR',      'MTOR',    'P42345', 'Kinase',       FALSE UNION ALL
SELECT 'TGT011', 'PDGFR-beta','PDGFRB',  'P09619', 'Kinase',       FALSE UNION ALL
SELECT 'TGT012', 'c-KIT',     'KIT',     'P10721', 'Kinase',       TRUE  UNION ALL
SELECT 'TGT013', 'hERG',      'KCNH2',   'Q12809', 'Ion Channel',  FALSE UNION ALL
SELECT 'TGT014', 'AMPK',      'PRKAA1',  'Q13131', 'Kinase',       FALSE UNION ALL
SELECT 'TGT015', 'RAF1',      'RAF1',    'P04049', 'Kinase',       FALSE UNION ALL
SELECT 'TGT016', 'RET',       'RET',     'P07949', 'Kinase',       TRUE  UNION ALL
SELECT 'TGT017', 'FLT3',      'FLT3',    'P36888', 'Kinase',       TRUE  UNION ALL
SELECT 'TGT018', 'AKT1',      'AKT1',    'P31749', 'Kinase',       FALSE UNION ALL
SELECT 'TGT019', 'ERK2',      'MAPK1',   'P28482', 'Kinase',       FALSE UNION ALL
SELECT 'TGT020', 'HIV-Protease','HIV1-PR','Q72547', 'Protease',     FALSE;

۳. ایجاد کردن جدول interactions

حاوی داده‌های میل ترکیبی اتصال هدف ترکیبی (هدف‌های اصلی درمقابل هدف‌های فرعی) است.

CREATE OR REPLACE TABLE drug_target_graph.interactions AS
SELECT 'INT001' AS interaction_id, 'CPD001' AS compound_id, 'TGT001' AS target_id, 0.025  AS affinity_nm, 0.038  AS ic50_nm, 'primary'    AS interaction_type, 9.8  AS pchembl_value UNION ALL
SELECT 'INT002', 'CPD001', 'TGT011', 0.1,    0.15,   'primary',    8.8  UNION ALL
SELECT 'INT003', 'CPD001', 'TGT012', 0.068,  0.1,    'primary',    9.2  UNION ALL
SELECT 'INT004', 'CPD001', 'TGT016', 0.5,    0.8,    'off-target', 7.4  UNION ALL
SELECT 'INT005', 'CPD001', 'TGT013', 5.2,    8.1,    'off-target', 6.1  UNION ALL
SELECT 'INT006', 'CPD002', 'TGT002', 0.02,   0.033,  'primary',    9.7  UNION ALL
SELECT 'INT007', 'CPD002', 'TGT013', 3.1,    4.8,    'off-target', 6.5  UNION ALL
SELECT 'INT008', 'CPD003', 'TGT002', 0.058,  0.079,  'primary',    9.2  UNION ALL
SELECT 'INT009', 'CPD003', 'TGT013', 8.5,    12.0,   'off-target', 5.9  UNION ALL
SELECT 'INT010', 'CPD004', 'TGT003', 0.09,   0.12,   'primary',    9.1  UNION ALL
SELECT 'INT011', 'CPD004', 'TGT004', 0.038,  0.055,  'primary',    8.9  UNION ALL
SELECT 'INT012', 'CPD004', 'TGT015', 0.22,   0.31,   'primary',    8.5  UNION ALL
SELECT 'INT013', 'CPD004', 'TGT016', 0.58,   0.75,   'primary',    8.1  UNION ALL
SELECT 'INT014', 'CPD004', 'TGT017', 0.33,   0.48,   'primary',    8.4  UNION ALL
SELECT 'INT015', 'CPD004', 'TGT013', 2.8,    4.1,    'off-target', 6.6  UNION ALL
SELECT 'INT016', 'CPD005', 'TGT004', 0.031,  0.044,  'primary',    9.5  UNION ALL
SELECT 'INT017', 'CPD005', 'TGT015', 0.48,   0.65,   'off-target', 7.3  UNION ALL
SELECT 'INT018', 'CPD006', 'TGT005', 0.02,   0.028,  'primary',    9.8  UNION ALL
SELECT 'INT019', 'CPD006', 'TGT003', 0.41,   0.59,   'off-target', 7.4  UNION ALL
SELECT 'INT020', 'CPD007', 'TGT006', 0.019,  0.025,  'primary',    9.8  UNION ALL
SELECT 'INT021', 'CPD007', 'TGT018', 0.55,   0.78,   'off-target', 7.2  UNION ALL
SELECT 'INT022', 'CPD008', 'TGT007', 0.0092, 0.014,  'primary',    10.1 UNION ALL
SELECT 'INT023', 'CPD008', 'TGT019', 0.38,   0.51,   'off-target', 7.4  UNION ALL
SELECT 'INT024', 'CPD009', 'TGT008', 0.011,  0.017,  'primary',    9.9  UNION ALL
SELECT 'INT025', 'CPD009', 'TGT009', 0.015,  0.022,  'primary',    9.8  UNION ALL
SELECT 'INT026', 'CPD010', 'TGT002', 0.041,  0.058,  'primary',    9.4  UNION ALL
SELECT 'INT027', 'CPD010', 'TGT001', 0.38,   0.52,   'off-target', 7.3  UNION ALL
SELECT 'INT028', 'CPD010', 'TGT013', 1.2,    1.8,    'off-target', 7.1  UNION ALL
SELECT 'INT029', 'CPD011', 'TGT006', 0.029,  0.041,  'primary',    9.5  UNION ALL
SELECT 'INT030', 'CPD011', 'TGT010', 0.71,   0.95,   'off-target', 7.0  UNION ALL
SELECT 'INT031', 'CPD012', 'TGT020', 0.39,   0.55,   'primary',    7.3  UNION ALL
SELECT 'INT032', 'CPD013', 'TGT014', 12.0,   18.5,   'primary',    5.7  UNION ALL
SELECT 'INT033', 'CPD014', 'TGT010', 0.0018, 0.0025, 'primary',    11.8 UNION ALL
SELECT 'INT034', 'CPD015', 'TGT004', 0.055,  0.078,  'primary',    9.2  UNION ALL
SELECT 'INT035', 'CPD015', 'TGT003', 0.12,   0.17,   'primary',    8.9  UNION ALL
SELECT 'INT036', 'CPD015', 'TGT016', 0.29,   0.41,   'primary',    8.5  UNION ALL
SELECT 'INT037', 'CPD015', 'TGT013', 0.95,   1.35,   'off-target', 7.2;

۴. ایجاد کردن جدول pathways

حاوی مسیرهای زیستی، حوزه‌های بیماری مرتبط، و ارتباط با سرطان است.

CREATE OR REPLACE TABLE drug_target_graph.pathways AS
SELECT 'PWY001' AS pathway_id, 'MAPK Signaling'           AS pathway_name, 'hsa04010' AS kegg_id, 'Cell Proliferation'     AS biological_process, 'Oncology'           AS disease_area, 'high'   AS cancer_relevance UNION ALL
SELECT 'PWY002', 'PI3K-AKT Signaling',        'hsa04151', 'Cell Survival',         'Oncology',           'high'   UNION ALL
SELECT 'PWY003', 'VEGF Signaling',             'hsa04370', 'Angiogenesis',          'Oncology',           'high'   UNION ALL
SELECT 'PWY004', 'ErbB Signaling',             'hsa04012', 'Cell Growth',           'Oncology',           'high'   UNION ALL
SELECT 'PWY005', 'mTOR Signaling',             'hsa04150', 'Cell Growth',           'Oncology',           'medium' UNION ALL
SELECT 'PWY006', 'Cell Cycle',                 'hsa04110', 'Cell Division',         'Oncology',           'high'   UNION ALL
SELECT 'PWY007', 'Cardiac Muscle Contraction', 'hsa04260', 'Cardiac Function',      'Cardiovascular',     'low'    UNION ALL
SELECT 'PWY008', 'hERG Cardiac Channel',       'hsa04022', 'Cardiac Repolarisation','Cardiovascular',     'low'    UNION ALL
SELECT 'PWY009', 'AMPK Signaling',             'hsa04152', 'Energy Metabolism',     'Metabolic',          'low'    UNION ALL
SELECT 'PWY010', 'ALK Signaling',              'hsa04915', 'Cell Proliferation',    'Oncology',           'high'   UNION ALL
SELECT 'PWY011', 'RAS Signaling',              'hsa04014', 'Cell Proliferation',    'Oncology',           'high'   UNION ALL
SELECT 'PWY012', 'HIV Replication',            'hsa05170', 'Viral Replication',     'Infectious Disease', 'low';

۵. ایجاد کردن جدول target_pathways

جدول اتصالی که اهداف را به مسیرهای بیولوژیکی که در آن‌ها شرکت می‌کنند پیوند می‌دهد.

CREATE OR REPLACE TABLE drug_target_graph.target_pathways AS
SELECT 'TP001' AS tp_id, 'TGT001' AS target_id, 'PWY001' AS pathway_id, 'activator' AS role, 0.95 AS importance_score UNION ALL
SELECT 'TP002', 'TGT001', 'PWY011', 'activator', 0.88 UNION ALL
SELECT 'TP003', 'TGT002', 'PWY004', 'activator', 0.98 UNION ALL
SELECT 'TP004', 'TGT002', 'PWY001', 'activator', 0.82 UNION ALL
SELECT 'TP005', 'TGT002', 'PWY002', 'activator', 0.75 UNION ALL
SELECT 'TP006', 'TGT003', 'PWY003', 'activator', 0.96 UNION ALL
SELECT 'TP007', 'TGT003', 'PWY001', 'activator', 0.71 UNION ALL
SELECT 'TP008', 'TGT004', 'PWY001', 'activator', 0.97 UNION ALL
SELECT 'TP009', 'TGT004', 'PWY011', 'activator', 0.89 UNION ALL
SELECT 'TP010', 'TGT005', 'PWY010', 'activator', 0.99 UNION ALL
SELECT 'TP011', 'TGT005', 'PWY001', 'activator', 0.78 UNION ALL
SELECT 'TP012', 'TGT006', 'PWY002', 'activator', 0.98 UNION ALL
SELECT 'TP013', 'TGT006', 'PWY005', 'activator', 0.85 UNION ALL
SELECT 'TP014', 'TGT007', 'PWY001', 'activator', 0.94 UNION ALL
SELECT 'TP015', 'TGT007', 'PWY011', 'activator', 0.88 UNION ALL
SELECT 'TP016', 'TGT008', 'PWY006', 'activator', 0.95 UNION ALL
SELECT 'TP017', 'TGT009', 'PWY006', 'activator', 0.93 UNION ALL
SELECT 'TP018', 'TGT010', 'PWY005', 'activator', 0.99 UNION ALL
SELECT 'TP019', 'TGT010', 'PWY002', 'activator', 0.91 UNION ALL
SELECT 'TP020', 'TGT011', 'PWY003', 'activator', 0.87 UNION ALL
SELECT 'TP021', 'TGT011', 'PWY001', 'activator', 0.72 UNION ALL
SELECT 'TP022', 'TGT012', 'PWY001', 'activator', 0.83 UNION ALL
SELECT 'TP023', 'TGT012', 'PWY011', 'activator', 0.79 UNION ALL
SELECT 'TP024', 'TGT013', 'PWY008', 'substrate', 0.99 UNION ALL
SELECT 'TP025', 'TGT013', 'PWY007', 'substrate', 0.95 UNION ALL
SELECT 'TP026', 'TGT014', 'PWY009', 'activator', 0.97 UNION ALL
SELECT 'TP027', 'TGT015', 'PWY001', 'activator', 0.91 UNION ALL
SELECT 'TP028', 'TGT015', 'PWY011', 'activator', 0.86 UNION ALL
SELECT 'TP029', 'TGT016', 'PWY001', 'activator', 0.84 UNION ALL
SELECT 'TP030', 'TGT016', 'PWY003', 'activator', 0.77 UNION ALL
SELECT 'TP031', 'TGT017', 'PWY001', 'activator', 0.88 UNION ALL
SELECT 'TP032', 'TGT017', 'PWY011', 'activator', 0.82 UNION ALL
SELECT 'TP033', 'TGT018', 'PWY002', 'activator', 0.96 UNION ALL
SELECT 'TP034', 'TGT018', 'PWY005', 'activator', 0.88 UNION ALL
SELECT 'TP035', 'TGT019', 'PWY001', 'activator', 0.97 UNION ALL
SELECT 'TP036', 'TGT019', 'PWY011', 'activator', 0.91 UNION ALL
SELECT 'TP037', 'TGT020', 'PWY012', 'substrate', 0.99;

۴. ایجاد نمودار دارایی

با ایجاد موفقیت‌آمیز جدول‌ها، اکنون می‌توانید نمودار ویژگی را بسازید. این گره‌ها (ترکیبات، اهداف، مسیرها) را بااستفاده از جدول‌های لبه (Interactions و Target Pathways) پیوند می‌دهد.

عبارت زیر را در «ویرایشگر BigQuery Studio SQL» اجرا کنید:

CREATE OR REPLACE PROPERTY GRAPH drug_target_graph.drug_target_interaction_graph
NODE TABLES (
  drug_target_graph.compounds
    AS compound_node
    KEY (compound_id)
    LABEL Compound
    PROPERTIES (compound_id, compound_name, mechanism_of_action, dev_stage, therapeutic_area, molecular_weight),

  drug_target_graph.targets
    AS target_node
    KEY (target_id)
    LABEL Target
    PROPERTIES (target_id, target_name, gene_name, uniprot_id, target_class, is_oncogene),

  drug_target_graph.pathways
    AS pathway_node
    KEY (pathway_id)
    LABEL Pathway
    PROPERTIES (pathway_id, pathway_name, kegg_id, biological_process, disease_area, cancer_relevance)
)
EDGE TABLES (
  drug_target_graph.interactions
    AS binds_to_edge
    KEY (interaction_id)
    SOURCE KEY (compound_id) REFERENCES compound_node (compound_id)
    DESTINATION KEY (target_id) REFERENCES target_node (target_id)
    LABEL BINDS_TO
    PROPERTIES (interaction_id, affinity_nm, ic50_nm, interaction_type, pchembl_value),

  drug_target_graph.target_pathways
    AS participates_in_edge
    KEY (tp_id)
    SOURCE KEY (target_id) REFERENCES target_node (target_id)
    DESTINATION KEY (pathway_id) REFERENCES pathway_node (pathway_id)
    LABEL PARTICIPATES_IN
    PROPERTIES (tp_id, role, importance_score)
);

با این کار، گرافی به‌نام drug_target_interaction_graph در مجموعه داده شما ایجاد می‌شود.

طرح‌واره گراف

۵. پرس‌وجو ۱: نمایه کامل اتصال هدف برای هر ترکیب

بیایید اولین پُرسمان نمودارمان را اجرا کنیم. این یک پیمایش ۱-پرشی است که به این سؤال پاسخ می‌دهد: کدام ترکیبات به کدام اهداف متصل می‌شوند و میل ترکیبی آن‌ها چقدر است؟

پُرسمان GQL

پُرسمان زیر را در «ویرایشگر SQL» اجرا کنید:

SELECT
  compound_name,
  dev_stage,
  target_name,
  gene_name,
  target_class,
  interaction_type,
  ROUND(affinity_nm, 3) AS affinity_nm,
  ROUND(ic50_nm, 3)     AS ic50_nm,
  pchembl_value
FROM GRAPH_TABLE(
  drug_target_graph.drug_target_interaction_graph
  MATCH (c:Compound)-[b:BINDS_TO]->(t:Target)
  COLUMNS (
    c.compound_name    AS compound_name,
    c.dev_stage        AS dev_stage,
    t.target_name      AS target_name,
    t.gene_name        AS gene_name,
    t.target_class     AS target_class,
    b.interaction_type AS interaction_type,
    b.affinity_nm      AS affinity_nm,
    b.ic50_nm          AS ic50_nm,
    b.pchembl_value    AS pchembl_value
  )
)
ORDER BY compound_name, interaction_type, affinity_nm;

در اینجا آنچه را در نتایج خواهید دید آورده‌ایم:

نتیجه گراف Q1

‫۶. پرس‌وجو ۲: تشخیص خطر قلبی

سؤال کسب‌وکار

در فرایند کشف دارو، یکی از رایج‌ترین دلایلی که یک ترکیب امیدوارکننده در آزمایش‌های بالینی شکست می‌خورد، سمیت قلبی است — به‌ویژه، اتصال ناخواسته به پروتئین hERG (ژن: KCNH2)، یک کانال یون پتاسیم که ریتم قلب را تنظیم می‌کند. تأثیر ناخواسته بر hERG می‌تواند باعث آریتمی‌های کشنده شود و مسئول چندین مورد جمع‌آوری داروهای معروف بوده است.

سؤالی که می‌خواهیم به آن پاسخ دهیم این است:

«کدام ترکیبات در خط لوله ما دارای رویداد اتصال غیرهدفمند روی پروتئین hERG هستند — و این امر کدام مسیرهای قلبی را درمعرض خطر قرار می‌دهد؟»

این یک پرسش ۲-پرشی است: باید از یک ترکیب، ازطریق یک هدف (hERG)، به یک مسیر برویم — سه نوع موجودیت را در دو رابطه در یک پُرسمان واحد متصل کنیم.

نوشتن پُرسمان GQL

پُرسمان زیر را در «ویرایشگر BQ SQL» اجرا کنید:

SELECT
  compound_name,
  dev_stage,
  therapeutic_area,
  target_name,
  ROUND(affinity_nm, 3) AS herg_affinity_nm,
  pathway_name,
  disease_area          AS pathway_disease_area
FROM GRAPH_TABLE(
  drug_target_graph.drug_target_interaction_graph
  MATCH (c:Compound)-[b:BINDS_TO]->(t:Target)-[p:PARTICIPATES_IN]->(pw:Pathway)
  WHERE t.gene_name        = 'KCNH2'
    AND b.interaction_type = 'off-target'
    AND pw.disease_area    = 'Cardiovascular'
  COLUMNS (
    c.compound_name    AS compound_name,
    c.dev_stage        AS dev_stage,
    c.therapeutic_area AS therapeutic_area,
    t.target_name      AS target_name,
    b.affinity_nm      AS affinity_nm,
    pw.pathway_name    AS pathway_name,
    pw.disease_area    AS disease_area
  )
)
ORDER BY herg_affinity_nm;

توجه کنید که عبارت MATCH تقریباً مانند یک جمله خوانده می‌شود: «ترکیبی را پیدا کنید که به هدفی متصل می‌شود که در یک مسیر شرکت می‌کند» — با فیلترهایی که در هر گره و لبه در طول مسیر اعمال می‌شوند.

داده‌هایی که در نتایج خواهید دید در اینجا آمده است:

نتیجه جدول سؤال ۲ نمودار

تجسم شبکه ریسک به‌صورت نمودار

جدول داده‌ها را به ما نشان می‌دهد — اما ساختار ریسک را به ما نشان نمی‌دهد. آیا چندین ترکیب در یک مسیر همگرا می‌شوند؟ آیا یک ترکیب پرخطر وجود دارد یا چند ترکیب؟

تجسم نموداری این موضوع را فوراً قابل‌مشاهده می‌کند. سلول زیر را اجرا کنید تا همان پیمایش ۲-پرشی را به‌عنوان یک شبکه تعاملی ارائه دهید:

GRAPH `drug_target_graph.drug_target_interaction_graph`
MATCH pt = (c:Compound)-[b:BINDS_TO]->(t:Target)-[p:PARTICIPATES_IN]->(pw:Pathway)
WHERE t.gene_name     = 'KCNH2'
  AND pw.disease_area = 'Cardiovascular'
RETURN
  TO_JSON(pt) AS path

باید نموداری مثل این ببینید:

نمایش تصویری گراف

هر مسیر در نمودار یک زنجیره مسئولیت کامل را ردیابی می‌کند: یک ترکیب (گره‌های آبی) به پروتئین hERG در مرکز متصل می‌شود، که به یک یا چند مسیر قلبی (گره‌های سبز) متصل می‌شود. آنچه در جدول به‌صورت فهرست مسطحی از ردیف‌ها بود، اکنون به شبکه ریسک قابل‌مشاهده‌ای تبدیل شده است — ترکیباتی که درمعرض چندین مسیر قرار دارند بلافاصله به‌عنوان اولویت بالاتر برای بررسی ایمنی برجسته می‌شوند.

ببینید چرا GQL از SQL ظریف‌تر است

برای اجرای همان پُرسمان ۲-پرشی در SQL استاندارد، به ۴ پیوند صریح نیاز دارید. شما تلاش شناختی خود را صرف توصیف نحوه پیوستن به جدول‌ها می‌کنید، نه رابطه‌ای که به‌دنبال آن هستید. GQL به شما امکان می‌دهد روی سؤال تمرکز کنید.

SELECT
  c.compound_name,
  c.dev_stage,
  c.therapeutic_area,
  t.target_name,
  ROUND(i.affinity_nm, 3) AS herg_affinity_nm,
  pw.pathway_name,
  pw.disease_area         AS pathway_disease_area
FROM drug_target_graph.compounds c
JOIN drug_target_graph.interactions i ON c.compound_id = i.compound_id
JOIN drug_target_graph.targets t ON i.target_id = t.target_id
JOIN drug_target_graph.target_pathways tp ON t.target_id = tp.target_id
JOIN drug_target_graph.pathways pw ON tp.pathway_id = pw.pathway_id
WHERE t.gene_name = 'KCNH2'
  AND i.interaction_type = 'off-target'
  AND pw.disease_area = 'Cardiovascular'
ORDER BY herg_affinity_nm;

عمیق‌تر شدن — تشخیص خطر متابولیت چندپرشی

پرس‌وجوی بالا ترکیباتی را شناسایی می‌کند که مستقیماً به پروتئین hERG متصل می‌شوند. اما در گردش‌های کاری واقعی ایمنی دارو، گاهی‌اوقات خطر یک گام دورتر است: ممکن است یک ترکیب به‌طور متابولیکی در بدن به یک مولکول ثانویه (متابولیت) تبدیل شود که سپس به hERG متصل می‌شود — مسئولیتی که سنجش‌های اتصال مستقیم می‌توانند کاملاً ازدست بدهند.

اگر نمودار دارایی شما شامل جدول گره Metabolite و لبه METABOLISES_INTO باشد، می‌توانید همان الگوی MATCH را به پیمایش ۳-پرشی گسترش دهید:

(Compound)-[METABOLISES_INTO]->(Metabolite)-[BINDS_TO]->
(Target)-[PARTICIPATES_IN]->(Pathway)

ساختار پُرسمان GQL دقیقاً با یک گره و یک لبه تغییر می‌کند. SQL معادل به دو JOIN دیگر نیاز دارد. این همان الگویی است که پیمایش گراف را به‌ویژه برای تجزیه‌وتحلیل آبشار ایمنی قدرتمند می‌کند — پیچیدگی پُرسمان به‌صورت خطی رشد می‌کند درحالی‌که بینش زیست‌شناختی به‌صورت نمایی رشد می‌کند.

‫۷. پرسمان ۳: جفت‌های مرکب هدف مشترک

برای پیدا کردن نامزدهای درمان ترکیبی، می‌توانیم تشخیص دهیم که چه زمانی دو ترکیب مختلف به یک گره هدف متصل می‌شوند. ما از تطابق دوطرفه برای پاسخ به این سؤال استفاده می‌کنیم: کدام ترکیبات سرطان‌شناسی دقیقاً به یک هدف همگرا می‌شوند؟

پُرسمان زیر را در «ویرایشگر SQL» اجرا کنید:

SELECT
  compound_a,
  compound_b,
  shared_target,
  gene_name,
  ROUND(affinity_a_nm, 3) AS affinity_a_nm,
  ROUND(affinity_b_nm, 3) AS affinity_b_nm
FROM GRAPH_TABLE(
  drug_target_graph.drug_target_interaction_graph
  MATCH (c1:Compound)-[b1:BINDS_TO]->(t:Target)<-[b2:BINDS_TO]-(c2:Compound)
  WHERE c1.compound_id < c2.compound_id
    AND c1.therapeutic_area = 'Oncology'
    AND c2.therapeutic_area = 'Oncology'
  COLUMNS (
    c1.compound_name AS compound_a,
    c2.compound_name AS compound_b,
    t.target_name    AS shared_target,
    t.gene_name      AS gene_name,
    b1.affinity_nm   AS affinity_a_nm,
    b2.affinity_nm   AS affinity_b_nm
  )
)
ORDER BY compound_a, compound_b, affinity_a_nm;

داده‌هایی که در نتایج خواهید دید در اینجا آمده است:

نتیجه گراف Q3

نمایش تصویری گراف

با اجرای کد زیر در ویرایشگر SQL، می‌توانید «نمودار» را مستقیماً در BigQuery تجسم کنید.

GRAPH `drug_target_graph.drug_target_interaction_graph`
MATCH p = (c1:Compound)-[b1:BINDS_TO]->(t:Target)<-[b2:BINDS_TO]-(c2:Compound)
WHERE c1.compound_id < c2.compound_id
  AND c1.therapeutic_area = 'Oncology'
RETURN
  TO_JSON(p) AS path

این پیمایش دوطرفه جفت‌های ترکیبی را که روی یک هدف پروتئینی همگرا می‌شوند، آشکار می‌کند — الگویی که تشخیص آن در یک جدول تعاملات مسطح دشوار است اما بلافاصله به‌عنوان یک نمودار قابل‌مشاهده است. در کشف دارو، جفت‌های هدف مشترک نقطه شروعی برای طراحی درمان ترکیبی هستند: دو ترکیب که به یک گره در مسیر سرطان برخورد می‌کنند ممکن است اثر هم‌افزایی ایجاد کنند، یا به‌طور جایگزین، سیگنالی از یک افزونگی ناخواسته در خط لوله باشند

نمایش تصویری گراف

‫۸. پرسمان ۴: شعاع انفجار مسیر بیماری

تأثیر بیولوژیکی هر ترکیب چقدر گسترده است؟ بیایید پیمایش ۲پرشی با انبوهش را برای پاسخ به این سؤال انجام دهیم: هر ترکیب بر چند مسیر زیستی و هدف متمایز تأثیر می‌گذارد، که براساس حوزه بیماری گروه‌بندی شده‌اند؟

پُرسمان زیر را در «ویرایشگر SQL» اجرا کنید:

SELECT
  compound_name,
  dev_stage,
  disease_area,
  COUNT(DISTINCT pathway_id) AS pathways_affected,
  COUNT(DISTINCT target_id)  AS targets_involved,
  STRING_AGG(DISTINCT pathway_name ORDER BY pathway_name) AS pathway_list
FROM GRAPH_TABLE(
  drug_target_graph.drug_target_interaction_graph
  MATCH (c:Compound)-[b:BINDS_TO]->(t:Target)-[p:PARTICIPATES_IN]->(pw:Pathway)
  COLUMNS (
    c.compound_name AS compound_name,
    c.dev_stage     AS dev_stage,
    t.target_id     AS target_id,
    pw.pathway_id   AS pathway_id,
    pw.pathway_name AS pathway_name,
    pw.disease_area AS disease_area
  )
)
GROUP BY compound_name, dev_stage, disease_area
ORDER BY compound_name, pathways_affected DESC;

در اینجا آنچه را در نتایج خواهید دید آورده‌ایم:

Graph q4 Result

‫۹. پُرسمان ۵: انتخاب ترکیب ایمن

درنهایت، بیایید ترکیباتی را جستجو کنیم که پوشش سرطان‌شناسی بالایی دارند اما به‌طور صریح از مسئولیت‌های غیرهدف hERG (قلبی) اجتناب می‌کنند. این با الگوهای انتخاب رایج «ایمنی در اولویت» در خطوط لوله کشف دارو مطابقت دارد.

پُرسمان زیر را در «ویرایشگر SQL» اجرا کنید:

WITH oncology_compounds AS (
  SELECT DISTINCT compound_id, compound_name, dev_stage
  FROM GRAPH_TABLE(
    drug_target_graph.drug_target_interaction_graph
    MATCH (c:Compound)-[b:BINDS_TO]->(t:Target)-[p:PARTICIPATES_IN]->(pw:Pathway)
    WHERE pw.disease_area     = 'Oncology'
      AND pw.cancer_relevance = 'high'
    COLUMNS (
      c.compound_id   AS compound_id,
      c.compound_name AS compound_name,
      c.dev_stage     AS dev_stage
    )
  )
),
herg_risk_compounds AS (
  SELECT DISTINCT compound_id
  FROM GRAPH_TABLE(
    drug_target_graph.drug_target_interaction_graph
    MATCH (c:Compound)-[b:BINDS_TO]->(t:Target)
    WHERE t.gene_name = 'KCNH2'
    COLUMNS (c.compound_id AS compound_id)
  )
)
SELECT
  o.compound_name,
  o.dev_stage,
  'Clean cardiac profile' AS cardiac_safety
FROM oncology_compounds o
LEFT JOIN herg_risk_compounds h ON o.compound_id = h.compound_id
WHERE h.compound_id IS NULL
ORDER BY o.dev_stage, o.compound_name;

خروجی‌ای که در نتایج خواهید دید در اینجا آمده است:

نتیجه Graph Q5

شما باموفقیت پیمایش‌های پیشرفته نمودار را در BigQuery اجرا کردید تا نمایه‌های کلیدی ایمنی و اثربخشی را استخراج کنید!

‫۱۰. بخش پاداش: گپ زدن با نمودار

«تحلیل مکالمه‌ای» BigQuery اکنون از گراف به‌عنوان منبع دانش پشتیبانی می‌کند. این کار به شما امکان می‌دهد با نموداری که به‌تازگی ایجاد کرده‌اید به زبان طبیعی گپ بزنید.

شروع به کار: افزودن نمودار به‌عنوان منبع دانش

برای شروع، با دنبال کردن مراحل اینجا، عامل مکالمه‌ای ایجاد کنید. نموداری را که از نوار جستجو ایجاد کرده‌اید انتخاب کنید.

راه‌اندازی Graph Conversational Analytics

استفاده کردن از «تحلیل مکالمه‌ای» BigQuery برای گپ زدن با نمودار

پس‌از افزودن منبع دانش به‌عنوان گراف، بقیه راه‌اندازی نماینده تجزیه‌وتحلیل مکالمه‌ای را تکمیل کنید.

سپس می‌توانید با زبان طبیعی با نمودارتان گپ بزنید!

با نمودارتان گپ بزنید!

سؤالات اضافی

  1. همه اهداف ترکیباتی که درحال‌حاضر در فاز ۲ آزمایش هستند چیست؟
  2. کدام اهداف بین ترکیبات قلبی عروقی و سرطان‌شناسی مشترک هستند؟

‫۱۱. مرتب‌سازی

برای جلوگیری از کسر هزینه‌های جاری از حساب Google Cloud، منابع ایجادشده درطول این codelab را حذف کنید.

برای حذف طرح‌واره و همه جدول‌ها به‌صورت آبشاری، پُرسمان زیر را اجرا کنید:

DROP SCHEMA IF EXISTS drug_target_graph CASCADE;

‫۱۲. تبریک می‌گوییم

تبریک! شما بااستفاده از BigQuery Graph، یک شبکه تعامل هدف دارویی را باموفقیت مدل‌سازی و تجزیه‌وتحلیل کرده‌اید.

آنچه آموخته‌اید

  • نحوه مدل‌سازی روابط موجودیت (ترکیبات، اهداف، مسیرها) به‌عنوان گراف ویژگی.
  • نحوه تعریف طرح‌واره و ایجاد «گراف ویژگی» در BigQuery.
  • نحوه نوشتن پیمایش‌های پیچیده گراف بااستفاده از GQL و مقایسه آن‌ها با SQL سنتی.
  • نحوه بهره‌برداری از GRAPH_TABLE، MATCH، و تطابق دوطرفه برای حل مشکلات حوزه علوم زیستی.

اسناد مرجع