- 8 次围观
**背景：** 生物分子数据集的构建通常需要从异构数据存储库中进行协调检索、标识符映射、交叉引用增强、特定来源解析以及来源记录。这些操作往往通过项目特定的脚本实现，使得数据获取过程难以检查、复现或在不同研究之间进行调整。我们提出了 SilkRoute，这是一个开源的 Python 框架，将生物分子数据获取形式化为由描述符定义、具有来源感知且可追踪来源信息的工作流，为多来源生物分子数据集构建提供了可复现的基础。 **结果：** SilkRoute 使用机器可读的 YAML 描述符来规定数据集意图、生物分子模态、工作流模式、查询逻辑、增强资源、执行参数和导出设置。这些描述符驱动一个通用的执行模型，在保留特定来源输出、可用时的相互作用证据、原始工作流配置、元数据以及运行摘要的同时，协调主检索及其下游增强过程。我们通过三个具有代表性的数据获取场景对该模型进行了评估，涵盖蛋白质、化合物和分子相互作用。在以蛋白质为中心的工作流中，SilkRoute 从 UniProt 检索到 2,444 条经审阅的抗菌蛋白记录，并生成了来自 AlphaFold DB、InterPro、Pathway Commons 和 Protein Data Bank 的补充输出。在以化合物为中心的工作流中，一个 ChEMBL IC$_{50}$ 查询产生了 1,445,939 条活性记录，并按照查询定义的效力范围进行组织。在以相互作用为中心的工作流中，2,253 条 UniProt 蛋白记录被扩展为包含 902,713 条 BioGRID 相互作用记录和 5,702 条 STRING 相互作用伙伴记录。在这些场景中，该框架成功地将同一套由描述符定义的数据获取模型应用于不同的生物分子实体类型、检索策略、增强路径和输出结构。 **结论：** SilkRoute 并不局限于序列检索，而是通过为多来源生物分子数据集构建提供可复用的数据获取层进行了扩展。通过将主检索与增强过程分离，并在保留工作流描述符和执行元数据的同时保留来源感知的输出，该框架使数据获取过程更易于检查、复现、归档和调整。SilkRoute 并不替代生物学整理、标签验证、去重、数据划分或基准测试，但它提供了结构化且可追踪的数据获取包，以支持这些下游过程。
SilkRoute：一个以描述符驱动的可复现多源生物分子数据获取框架 | bioRxiv
跳转至主要内容 主页 关于 提交 提醒 / RSS 搜索此关键词 高级搜索 最新结果
SilkRoute：一个以描述符驱动的可复现多源生物分子数据获取框架
Diego Fernandez Julian Garcia Vinuesa Diego Alvarez Michelle Soto-Garcia Jose L Medina-Franco Julieta H Sepulveda-Yanez Xavier Cadet Frederic Cadet Mehdi D. Davari Roberto Uribe-Paredes Fabio Herrera-Rocha David Medina-Ortiz
doi： https://doi.org/10.64898/2026.08.11.744100
Diego Fernandez 1 智利蓬塔阿雷纳斯，马加兰斯大学，计算机工程系； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY 4.0 国际许可协议 进行提供。
返回顶部 上一篇 发布于 2026 年 8 月 15 日。 下载 PDF 补充材料 数据/代码 电子邮件 感谢您有兴趣帮助传播 bioRxiv 的内容。 您的电子邮件 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或用逗号分隔。 您将发送以下内容 SilkRoute：一个用于可复现多来源生物分子数据获取的描述符驱动框架 邮件主题 （您的姓名）已从 bioRxiv 转发一个页面给您 邮件正文 （您的姓名）认为您会希望查看 bioRxiv 网站上的这个页面。 您的个人留言 验证码 此问题用于测试您是否为人类访问者，并防止自动化垃圾信息提交。 分享 SilkRoute：一个用于可复现多来源生物分子数据获取的描述符驱动框架 Diego Fernandez， Julian Garcia Vinuesa， Diego Alvarez， Michelle Soto-Garcia， Jose L Medina-Franco， Julieta H Sepulveda-Yanez， Xavier Cadet， Frederic Cadet， Mehdi D. Davari， Roberto Uribe-Paredes， Fabio Herrera-Rocha， David Medina-Ortiz bioRxiv 2026.08.11.744100； doi： https://doi.org/10.64898/2026.08.11.744100
分享本文： 复制 引文工具 SilkRoute：一个用于可复现多来源生物分子数据获取的描述符驱动框架 Diego Fernandez， Julian Garcia Vinuesa， Diego Alvarez， Michelle Soto-Garcia， Jose L Medina-Franco， Julieta H Sepulveda-Yanez， Xavier Cadet， Frederic Cadet， Mehdi D. Davari， Roberto Uribe-Paredes， Fabio Herrera-Rocha， David Medina-Ortiz bioRxiv 2026.08.11.744100； doi： https://doi.org/10.64898/2026.08.11.744100
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.11.744100v1?rss=1
🏷️ 生物分子数据获取 多源数据整合 可复现工作流 来源追踪 描述符驱动