-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathsharp_dag.html
More file actions
1362 lines (1166 loc) · 43.6 KB
/
Copy pathsharp_dag.html
File metadata and controls
1362 lines (1166 loc) · 43.6 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
<!DOCTYPE html>
<html lang="pt-BR">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>S(H)ARP · Pipeline DAG</title>
<link rel="preconnect" href="https://fonts.googleapis.com">
<link rel="preconnect" href="https://fonts.gstatic.com" crossorigin>
<link href="https://fonts.googleapis.com/css2?family=Geist:wght@300;400;500;600&family=JetBrains+Mono:wght@400;500;600&display=swap" rel="stylesheet">
<style>
:root {
--bg: #f7f5f0;
--bg-grid: #ece9e0;
--surface: #ffffff;
--surface-2: #faf8f3;
--ink: #1c1c1f;
--ink-2: #4a4a52;
--ink-3: #8b8b91;
--ink-4: #b8b8be;
--ink-5: #9A651C;
--border: #ddd9cd;
--border-strong: #bcb7a6;
--border-stronger: #8a8576;
--db-fill: #fbf3d8;
--db-border: #c9a957;
--db-ink: #75571a;
--file-fill: #ffffff;
--file-border: #b5b0a0;
--file-ink: #2c2c30;
--script-fill: #e6edf4;
--script-border: #6f8db0;
--script-ink: #1f3a5c;
--user-accent: #b8500e;
--user-tint: #fbe8d6;
--user-strong: #7c3408;
--edge: #8b8579;
--edge-strong: #1c1c1f;
--font-sans: 'Geist', system-ui, -apple-system, sans-serif;
--font-mono: 'JetBrains Mono', ui-monospace, monospace;
}
* { box-sizing: border-box; }
html, body {
margin: 0;
padding: 0;
background: var(--bg);
color: var(--ink);
font-family: var(--font-sans);
font-size: 13.5px;
line-height: 1.55;
-webkit-font-smoothing: antialiased;
}
/* ─────────────── TOPBAR ─────────────── */
.topbar {
position: sticky;
top: 0;
background: rgba(247, 245, 240, 0.92);
backdrop-filter: saturate(180%) blur(12px);
-webkit-backdrop-filter: saturate(180%) blur(12px);
border-bottom: 1px solid var(--border);
padding: 12px 28px;
display: flex;
align-items: center;
justify-content: space-between;
gap: 24px;
z-index: 100;
}
.brand {
display: flex;
align-items: baseline;
gap: 12px;
}
.brand-name {
font-family: var(--font-mono);
font-size: 12.5px;
font-weight: 600;
letter-spacing: -0.02em;
color: var(--ink);
}
.brand-path {
font-family: var(--font-mono);
font-size: 11px;
color: var(--ink-3);
letter-spacing: -0.01em;
}
.brand-path::before { content: "/ "; color: var(--ink-4); }
.legend {
display: flex;
gap: 18px;
align-items: center;
font-size: 11.5px;
color: var(--ink-2);
font-family: var(--font-mono);
font-weight: 400;
}
.legend-item {
display: flex;
align-items: center;
gap: 7px;
white-space: nowrap;
}
.legend-swatch {
width: 16px;
height: 12px;
border-radius: 2px;
flex-shrink: 0;
}
.legend-swatch.db { background: var(--db-fill); border: 1px solid var(--db-border); }
.legend-swatch.script { background: var(--script-fill); border: 1px solid var(--script-border); }
.legend-swatch.file { background: var(--file-fill); border: 1px solid var(--file-border); }
.legend-swatch.user {
background: transparent;
border: 2px solid var(--user-accent);
border-radius: 3px;
}
/* ─────────────── LAYOUT ─────────────── */
.layout {
display: grid;
grid-template-columns: minmax(0, 1fr) 460px;
align-items: start;
}
/* ─────────────── CANVAS ─────────────── */
.canvas-wrap {
background:
linear-gradient(0deg, transparent calc(100% - 1px), var(--bg-grid) calc(100% - 1px)) 0 0 / 24px 24px,
linear-gradient(90deg, transparent calc(100% - 1px), var(--bg-grid) calc(100% - 1px)) 0 0 / 24px 24px,
var(--bg);
padding: 32px 20px 80px;
overflow-x: auto;
border-right: 1px solid var(--border);
min-height: calc(100vh - 50px);
}
.canvas-inner {
width: 760px;
margin: 0 auto;
position: relative;
}
.canvas-title {
font-family: var(--font-mono);
font-size: 10.5px;
font-weight: 600;
letter-spacing: 0.08em;
text-transform: uppercase;
color: var(--ink-3);
margin: 0 0 4px;
padding-left: 4px;
}
.canvas-subtitle {
font-size: 12.5px;
color: var(--ink-2);
margin: 0 0 24px;
padding-left: 4px;
}
svg.dag {
display: block;
width: 760px;
height: auto;
user-select: none;
}
/* SVG NODES */
.node { cursor: pointer; }
.node-rect {
stroke-width: 1;
transition: filter 0.15s ease, stroke 0.15s ease, stroke-width 0.15s ease;
}
.node[data-type="db"] .node-rect {
fill: var(--db-fill);
stroke: var(--db-border);
}
.node[data-type="script"] .node-rect {
fill: var(--script-fill);
stroke: var(--script-border);
}
.node[data-type="file"] .node-rect {
fill: var(--file-fill);
stroke: var(--file-border);
}
.node[data-user="true"] .node-rect {
stroke: var(--user-accent);
stroke-width: 1.75;
}
.node[data-user="true"] .node-ring {
fill: none;
stroke: var(--user-accent);
stroke-width: 0.5;
stroke-opacity: 0.55;
}
.node:hover .node-rect {
filter: brightness(0.97);
}
.node.selected .node-rect {
stroke-width: 2.5;
stroke: var(--ink);
}
.node[data-user="true"].selected .node-rect {
stroke: var(--user-strong);
}
.node.dimmed { opacity: 0.32; }
.node-label {
font-family: var(--font-mono);
font-size: 11.5px;
font-weight: 500;
fill: var(--ink);
pointer-events: none;
letter-spacing: -0.01em;
}
.node-label-secondary {
font-family: var(--font-sans);
font-size: 10px;
fill: var(--ink-3);
pointer-events: none;
font-weight: 400;
}
.node-badge {
font-family: var(--font-mono);
font-size: 8.5px;
font-weight: 600;
letter-spacing: 0.08em;
fill: var(--ink-3);
pointer-events: none;
text-transform: uppercase;
}
.node[data-type="db"] .node-badge { fill: var(--db-ink); }
.node[data-type="script"] .node-badge { fill: var(--script-ink); }
.node[data-type="file"] .node-badge { fill: var(--ink-3); }
.node[data-user="true"] .node-badge { fill: var(--user-strong); }
/* SVG EDGES */
.edge {
fill: none;
stroke: var(--edge);
stroke-width: 1.3;
transition: stroke 0.15s ease, stroke-width 0.15s ease, stroke-opacity 0.15s ease;
}
.edge.dashed {
stroke-dasharray: 4 4;
stroke-opacity: 0.7;
}
.edge.dimmed { stroke-opacity: 0.15; }
.edge.highlighted {
stroke: var(--user-accent);
stroke-width: 1.8;
stroke-opacity: 1;
}
.edge.highlighted.dashed { stroke-dasharray: 5 4; }
/* SECTION DIVIDERS */
.section-divider {
stroke: var(--border);
stroke-width: 1;
stroke-dasharray: 2 4;
}
.section-label {
font-family: var(--font-mono);
font-size: 10px;
font-weight: 600;
letter-spacing: 0.14em;
text-transform: uppercase;
fill: var(--ink-5);
pointer-events: none;
}
/* ─────────────── SIDE PANEL ─────────────── */
.side-panel {
position: sticky;
top: 49px;
height: calc(100vh - 49px);
overflow-y: auto;
background: var(--surface-2);
padding: 24px 28px;
}
.side-panel::-webkit-scrollbar { width: 8px; }
.side-panel::-webkit-scrollbar-thumb { background: var(--border-strong); border-radius: 4px; }
.side-panel::-webkit-scrollbar-track { background: transparent; }
.panel-empty {
padding: 24px 0;
}
.panel-empty-title {
font-family: var(--font-mono);
font-size: 11px;
letter-spacing: 0.14em;
text-transform: uppercase;
color: var(--ink-3);
margin: 0 0 14px;
font-weight: 600;
}
.panel-empty p {
font-size: 13px;
color: var(--ink-2);
margin: 0 0 12px;
line-height: 1.65;
}
.panel-stats {
margin-top: 24px;
display: grid;
grid-template-columns: 1fr 1fr;
gap: 12px;
}
.stat-card {
background: var(--surface);
border: 1px solid var(--border);
border-radius: 6px;
padding: 14px 16px;
}
.stat-num {
font-family: var(--font-mono);
font-size: 22px;
font-weight: 500;
color: var(--ink);
letter-spacing: -0.02em;
line-height: 1;
margin-bottom: 6px;
}
.stat-num.accent { color: var(--user-accent); }
.stat-label {
font-family: var(--font-mono);
font-size: 10px;
text-transform: uppercase;
letter-spacing: 0.1em;
color: var(--ink-3);
}
.panel-header {
display: flex;
align-items: flex-start;
gap: 12px;
margin-bottom: 6px;
}
.panel-type-tag {
font-family: var(--font-mono);
font-size: 9.5px;
font-weight: 600;
letter-spacing: 0.12em;
text-transform: uppercase;
padding: 4px 8px;
border-radius: 3px;
flex-shrink: 0;
margin-top: 4px;
}
.panel-type-tag.db { background: var(--db-fill); color: var(--db-ink); border: 1px solid var(--db-border); }
.panel-type-tag.script { background: var(--script-fill); color: var(--script-ink); border: 1px solid var(--script-border); }
.panel-type-tag.file { background: var(--file-fill); color: var(--ink-2); border: 1px solid var(--file-border); }
.panel-user-tag {
font-family: var(--font-mono);
font-size: 9.5px;
font-weight: 600;
letter-spacing: 0.12em;
text-transform: uppercase;
padding: 4px 8px;
border-radius: 3px;
background: var(--user-tint);
color: var(--user-strong);
border: 1px solid var(--user-accent);
margin-left: auto;
flex-shrink: 0;
margin-top: 4px;
}
.panel-title {
font-family: var(--font-mono);
font-size: 18px;
font-weight: 500;
letter-spacing: -0.02em;
margin: 14px 0 0;
word-break: break-word;
color: var(--ink);
}
.panel-subtitle {
font-size: 12px;
color: var(--ink-3);
margin: 6px 0 0;
font-family: var(--font-mono);
}
.panel-divider {
border: none;
border-top: 1px solid var(--border);
margin: 22px 0;
}
.panel-section {
margin-bottom: 22px;
}
.panel-section-title {
font-family: var(--font-mono);
font-size: 10px;
font-weight: 600;
letter-spacing: 0.14em;
text-transform: uppercase;
color: var(--ink-3);
margin: 0 0 10px;
}
.panel-text {
font-size: 13px;
color: var(--ink-2);
line-height: 1.65;
margin: 0;
}
.panel-files {
display: flex;
flex-direction: column;
gap: 6px;
margin: 0;
padding: 0;
list-style: none;
}
.panel-file {
font-family: var(--font-mono);
font-size: 12px;
color: var(--ink);
padding: 6px 10px;
background: var(--surface);
border: 1px solid var(--border);
border-radius: 4px;
word-break: break-all;
}
.ref-list {
display: flex;
flex-direction: column;
gap: 4px;
margin: 0;
padding: 0;
list-style: none;
}
.ref-item {
display: flex;
align-items: center;
gap: 8px;
padding: 7px 10px;
background: var(--surface);
border: 1px solid var(--border);
border-radius: 4px;
cursor: pointer;
transition: border-color 0.15s, background 0.15s;
}
.ref-item:hover {
border-color: var(--ink-3);
background: var(--surface-2);
}
.ref-marker {
width: 8px;
height: 8px;
border-radius: 2px;
flex-shrink: 0;
}
.ref-marker.db { background: var(--db-fill); border: 1px solid var(--db-border); }
.ref-marker.script { background: var(--script-fill); border: 1px solid var(--script-border); }
.ref-marker.file { background: var(--file-fill); border: 1px solid var(--file-border); }
.ref-item[data-user="true"] .ref-marker {
box-shadow: 0 0 0 1.5px var(--user-accent);
}
.ref-name {
font-family: var(--font-mono);
font-size: 12px;
color: var(--ink);
flex: 1;
word-break: break-all;
}
.ref-meta {
font-family: var(--font-mono);
font-size: 10px;
color: var(--ink-3);
flex-shrink: 0;
}
.note-block {
background: var(--user-tint);
border: 1px solid var(--user-accent);
border-left: 3px solid var(--user-accent);
border-radius: 4px;
padding: 12px 14px;
margin-bottom: 8px;
}
.note-label {
font-family: var(--font-mono);
font-size: 9.5px;
font-weight: 600;
letter-spacing: 0.14em;
text-transform: uppercase;
color: var(--user-strong);
margin-bottom: 4px;
}
.note-text {
font-size: 12.5px;
color: var(--ink);
line-height: 1.55;
margin: 0;
}
.tool-pill {
display: inline-block;
font-family: var(--font-mono);
font-size: 11px;
background: var(--surface);
border: 1px solid var(--border);
border-radius: 3px;
padding: 3px 8px;
color: var(--ink-2);
margin-right: 4px;
}
.kbd-hint {
font-family: var(--font-mono);
font-size: 10px;
color: var(--ink-3);
padding: 14px 0 0;
border-top: 1px dashed var(--border);
margin-top: 18px;
}
.kbd {
font-family: var(--font-mono);
display: inline-block;
padding: 1px 6px;
background: var(--surface);
border: 1px solid var(--border-strong);
border-bottom-width: 2px;
border-radius: 3px;
font-size: 10px;
color: var(--ink-2);
}
@media (max-width: 1100px) {
.layout { grid-template-columns: 1fr; }
.side-panel { position: static; height: auto; }
.canvas-wrap { border-right: none; border-bottom: 1px solid var(--border); }
}
</style>
</head>
<body>
<header class="topbar">
<div class="brand">
<span class="brand-name">S(H)ARP</span>
<span class="brand-path">pipeline DAG</span>
</div>
<div class="legend">
<span class="legend-item"><span class="legend-swatch db"></span>database</span>
<span class="legend-item"><span class="legend-swatch script"></span>script</span>
<span class="legend-item"><span class="legend-swatch file"></span>file</span>
<span class="legend-item"><span class="legend-swatch user"></span>modelagem & IA</span>
</div>
</header>
<div class="layout">
<div class="canvas-wrap">
<div class="canvas-inner">
<p class="canvas-title">DAG · 33 nodes · 40 edges</p>
<p class="canvas-subtitle">Clique em qualquer nó para inspecionar. Cada arquivo é um node próprio (não há mais agrupamentos), pra que se possa ver exatamente qual arquivo alimenta cada script. Linhas tracejadas = dependência de banco.</p>
<svg class="dag" viewBox="0 0 760 2140" id="dag" xmlns="http://www.w3.org/2000/svg">
<defs>
<marker id="arr" viewBox="0 0 10 10" refX="9" refY="5" markerWidth="6" markerHeight="6" orient="auto">
<path d="M0,0 L10,5 L0,10 z" fill="#8b8579"/>
</marker>
<marker id="arr-hl" viewBox="0 0 10 10" refX="9" refY="5" markerWidth="7" markerHeight="7" orient="auto">
<path d="M0,0 L10,5 L0,10 z" fill="#b8500e"/>
</marker>
</defs>
<g id="sections"></g>
<g id="edges-layer"></g>
<g id="nodes-layer"></g>
</svg>
</div>
</div>
<aside class="side-panel" id="panel"></aside>
</div>
<script>
// ─────────────── DATA ───────────────
const NODES = [
// Pre-requisites (databases + pre-built artifacts), top rail
{ id: 'mibig', type: 'db', x: 70, y: 60, w: 100, h: 44,
label: 'MiBIG',
badge: 'EXT',
description: 'Banco curado de BGCs conhecidos (~2 500 entradas), com anotação manual de cluster, classe biossintética e produto.',
detail: 'Download direto de mibig.secondarymetabolites.org. Atualizado periodicamente. É a fonte gold-standard de rótulos positivos para treino e benchmark.' },
{ id: 'bgcatlas', type: 'db', x: 195, y: 60, w: 110, h: 44,
label: 'BGC Atlas',
badge: 'EXT',
description: 'Catálogo amplo de BGCs preditos em metagenomas. Cobertura muito maior que MiBIG, em troca de ruído maior (sem curadoria manual).',
detail: 'Usado em conjunto com MiBIG durante a construção do knowledge graph para enriquecer a cobertura de arquiteturas conhecidas.' },
{ id: 'pfam', type: 'db', x: 327, y: 60, w: 130, h: 44,
label: 'pfam_models.hmm',
badge: 'HMM',
description: 'Banco padrão de HMMs do Pfam para identificação de domínios proteicos.',
detail: 'Baixado de InterPro / Pfam. Consumido pelo hmmscan na etapa de anotação de domínios.' },
{ id: 'sarp', type: 'db', x: 478, y: 60, w: 130, h: 44,
label: 'sarp_models.hmm',
badge: 'HMM',
description: 'HMMs construídos a partir de SARPs de referência. Detecta arquitetura HTH-BTAD com ou sem domínios acessórios (NB-ARC, TPR, AAA, LuxR).',
detail: 'Construído via build_sarp_hmm.py (hmmbuild) durante setup. É o motor da detecção de âncoras na etapa 02a.' },
{ id: 'kg', type: 'db', x: 630, y: 60, w: 100, h: 44,
label: 'kg.gpickle',
badge: 'GRAPH',
description: 'Knowledge graph derivado de MiBIG + BGC Atlas. Nós: clusters, domínios, classes. Arestas: relações conhecidas.',
detail: 'Construído via build_kg.py durante setup, usando NetworkX. Consultado em runtime para extrair features de contexto biológico para cada região candidata.' },
// ─────── INPUT ───────
{ id: 'genome', type: 'file', x: 380, y: 178, w: 180, h: 44,
label: 'genome.fasta',
badge: 'INPUT',
description: 'Entrada do pipeline: genoma cru de actinomiceto em FASTA. Pode ser de NCBI ou de isolado próprio.',
detail: 'Nenhuma anotação pressuposta. O pipeline lida com isso na etapa 01. Consumido pela anotação (s_annotate) e pela busca de motivos em DNA (s_hepta).' },
// ─────── ANNOTATION ───────
{ id: 's_annotate', type: 'script', x: 380, y: 268, w: 180, h: 48,
label: 'annotate.py',
tool: 'Bakta',
description: 'Wrapper sobre Bakta. Detecta ORFs, traduz para proteínas, anota função quando há similaridade com bancos.',
detail: 'Bakta é mais rápido e específico para procariotos do que Prokka. Produz três outputs: proteínas em FASTA, genoma anotado em GenBank e tabela de genes em GFF.' },
// Antes era um node f_annot agrupando 3 arquivos. Agora cada arquivo é um node próprio.
{ id: 'f_proteins', type: 'file', x: 180, y: 378, w: 150, h: 44,
label: 'proteins.faa',
description: 'FASTA com todas as proteínas preditas no genoma. Uma sequência por ORF anotada.',
detail: 'Saída direta do Bakta. IDs consistentes com o GenBank correspondente. Consumido apenas pela detecção de SARP (hmmscan precisa de FASTA puro).' },
{ id: 'f_genbank', type: 'file', x: 380, y: 378, w: 160, h: 44,
label: 'annotated.gbk',
description: 'Genoma anotado em formato GenBank. Contém sequência, coordenadas de genes e anotação funcional num único arquivo.',
detail: 'Formato canônico para passagem de informação entre etapas. Usado pela extração de vizinhança para localizar genes e recortar regiões em torno das âncoras.' },
{ id: 'f_gff', type: 'file', x: 585, y: 378, w: 130, h: 44,
label: 'genes.gff',
description: 'Coordenadas dos genes em formato GFF3. Tabela: contig, tipo, start, end, strand, attributes.',
detail: 'Saída auxiliar do Bakta, útil para inspeção visual em ferramentas como IGV. Não é consumida pelo pipeline atual — mantida para debug e exportação para outras ferramentas.' },
// ─────── ANCHOR DETECTION ───────
{ id: 's_sarp', type: 'script', x: 220, y: 488, w: 180, h: 48,
label: 'detect_sarp.py',
tool: 'hmmscan',
description: 'Roda hmmscan das proteínas anotadas contra os modelos de SARP. Anota a posição genômica de cada hit.',
detail: 'Identifica SARPs pequenos (HTH-BTAD), médios (+ NB-ARC) e grandes (+ TPR / AAA / LuxR). Cada hit vira uma âncora candidata. Consome proteins.faa.' },
{ id: 's_hepta', type: 'script', x: 540, y: 488, w: 180, h: 48,
label: 'detect_heptarepeats.py',
tool: 'FIMO (MEME)',
description: 'Busca motivos heptaméricos no DNA (afsR-box e similares). Cada match indica uma região regulatória de BGC candidata.',
detail: 'Complementa a detecção via SARP. A combinação dos dois sinais (proteína + DNA) aumenta a robustez. Consome o genoma cru, não o anotado.' },
{ id: 'f_anchors', type: 'file', x: 380, y: 594, w: 180, h: 44,
label: 'anchors.tsv',
description: 'Tabela unificada de âncoras: (contig, start, end, type, score). Type ∈ {SARP, heptarepeat}.',
detail: 'É o ponto de partida para definir as regiões candidatas a BGC.' },
// ─────── NEIGHBORHOOD ───────
{ id: 's_neigh', type: 'script', x: 380, y: 684, w: 220, h: 48,
label: 'extract_neighborhood.py',
description: 'Para cada âncora, expande ±20 genes ou ±20 kb (o que for maior). Âncoras próximas são agrupadas em uma região.',
detail: 'Consome anchors.tsv (coordenadas) e annotated.gbk (genes + sequências). A política de agrupamento evita contar o mesmo cluster duas vezes quando há múltiplas âncoras dentro dele.' },
// Antes era um node f_neigh agrupando 3 arquivos.
{ id: 'f_neighborhoods', type: 'file', x: 180, y: 794, w: 160, h: 44,
label: 'neighborhoods.tsv',
description: 'Tabela com uma linha por região candidata: region_id, contig, start, end, anchor_ids, n_proteins.',
detail: 'Define o escopo de cada candidato. Consumida pelo extrator de features de KG para identificar contextualmente a região.' },
{ id: 'f_neigh_prot', type: 'file', x: 380, y: 794, w: 200, h: 44,
label: 'neighborhood_proteins.faa',
description: 'FASTA com as proteínas internas de cada região candidata. Cabeçalho inclui region_id.',
detail: 'Subset de proteins.faa filtrado pelas coordenadas das regiões. Único input dos dois scripts de caracterização (anotação de domínios + extração de embeddings).' },
{ id: 'f_neigh_dna', type: 'file', x: 585, y: 794, w: 170, h: 44,
label: 'neighborhood_dna.fna',
description: 'FASTA com o DNA bruto de cada região candidata.',
detail: 'Reservado para expansões futuras: um modelo de linguagem nucleotídica (Evo) operaria sobre essas sequências para gerar embeddings complementares. Não consumido no MVP.' },
// ─────── CHARACTERIZATION (parallel) ───────
{ id: 's_domains', type: 'script', x: 220, y: 908, w: 200, h: 48,
label: 'annotate_domains.py',
tool: 'hmmscan',
description: 'Anota domínios Pfam em todas as proteínas das regiões candidatas. Saída por (proteína, domínio, e-value, coords).',
detail: 'Os domínios viram a base "categórica" das features do classificador. Por exemplo, a arquitetura de domínios de uma região é a base do "match" contra o knowledge graph.' },
{ id: 's_embed', type: 'script', x: 540, y: 908, w: 200, h: 48, user: true,
label: 'extract_embeddings.py',
tool: 'ESM-2',
description: 'Gera embedding por proteína via modelo de linguagem. Mean pooling sobre tokens. Vetor de ~1280 dimensões por proteína.',
detail: 'O ponto forte sobre HMMs: captura similaridade funcional mesmo quando a similaridade de sequência é baixa. Atinge proteínas divergentes que HMMs perdem.',
mvp: 'ESM-2 sobre aminoácido apenas. Mean pooling. Um único parquet de saída.',
expansion: 'Adicionar Evo (modelo de linguagem em nucleotídeo, consumiria neighborhood_dna.fna) e ESM-IF ou Foldseek (embeddings estruturais via AlphaFold). Cada modalidade vira um parquet separado.' },
{ id: 'f_domains', type: 'file', x: 220, y: 1014, w: 200, h: 44,
label: 'domains.tsv',
description: 'protein_id, region_id, domain, e_value, coords. Consumido por kg_features (matching de arquitetura) e por train.py (one-hot direto).',
detail: 'Tipicamente uma proteína tem 0–3 domínios mapeados. Duas vias de consumo: contextual (via KG) e direto (one-hot por região).' },
{ id: 'f_embed', type: 'file', x: 540, y: 1014, w: 220, h: 44, user: true,
label: 'embeddings.parquet',
description: 'protein_id, region_id, vec[1280]. Embedding ESM-2 por proteína (após mean pooling).',
detail: 'Para usar como feature por região, agregar por region_id (média, max, ou concat) na etapa de treino.' },
// ─────── CONTEXT FEATURES ───────
{ id: 's_kg_features', type: 'script', x: 380, y: 1126, w: 240, h: 48, user: true,
label: 'extract_kg_features.py',
description: 'Para cada região, consulta o knowledge graph: quantos clusters MiBIG têm arquitetura de domínios similar? Qual a classe modal? Há SARP grande?',
detail: 'Aqui está o seu canal de "contexto biológico" que complementa o sinal sequência-baseado dos embeddings. Consome neighborhoods.tsv (IDs de região) e domains.tsv (arquitetura).',
mvp: 'Features tabulares simples: contagens, matches diretos de arquitetura, classes modais entre clusters similares.',
expansion: 'Embeddings do próprio grafo via GNN (PyTorch Geometric), capturando relações de vizinhança no KG.' },
{ id: 'f_kg_features', type: 'file', x: 380, y: 1232, w: 220, h: 44, user: true,
label: 'kg_features.parquet',
description: 'region_id, n_similar_clusters, modal_class, has_large_sarp, ...',
detail: 'Já está agregado por region_id, ao contrário dos embeddings e domains (que ainda são por proteína).' },
// ─────── MODELING ───────
{ id: 's_train', type: 'script', x: 380, y: 1326, w: 200, h: 48, user: true,
label: 'train.py',
tool: 'LightGBM',
description: 'Agrega features por região (pooling de embeddings + one-hot de domínios + features KG), treina classificador com k-fold cruzada.',
detail: 'Três fontes de feature combinadas: embeddings.parquet (proteína→região via pooling), domains.tsv (proteína→região via one-hot), kg_features.parquet (já agregado por região). Rótulos do MiBIG.',
mvp: 'Classificador binário (BGC ou não). LightGBM. Saída de probabilidade contínua + métricas de CV.',
expansion: 'Multi-classe (T1PKS, T2PKS, NRPS, terpeno, RiPP...); ensemble com modelos especializados por modalidade.' },
// Antes era um node f_model agrupando 3 arquivos.
{ id: 'f_modelpkl', type: 'file', x: 180, y: 1432, w: 130, h: 44, user: true,
label: 'model.pkl',
description: 'Modelo LightGBM serializado em pickle. Inclui hiperparâmetros e estado pós-treino.',
detail: 'É o que o pipeline em produção carrega para gerar predições. Versionar por hash de dataset + config é desejável para reproducibilidade.' },
{ id: 'f_metrics', type: 'file', x: 380, y: 1432, w: 150, h: 44, user: true,
label: 'metrics.json',
description: 'Métricas do treino: AUROC, F1, precision/recall por classe, score por fold da CV.',
detail: 'Não é consumida pelo pipeline downstream — fica como artefato de avaliação e documentação do modelo. Útil para tracking durante experimentação.' },
{ id: 'f_featimp', type: 'file', x: 585, y: 1432, w: 200, h: 44, user: true,
label: 'feature_importance.tsv',
description: 'Importância de cada feature segundo o LightGBM (gain/split). Tabela ordenada.',
detail: 'Não consumida pelo pipeline. Útil para análise de erros e priorização de quais features expandir.' },
// ─────── INFERENCE ───────
{ id: 's_predict', type: 'script', x: 380, y: 1546, w: 180, h: 48,
label: 'predict.py',
description: 'Aplica o modelo treinado a novas regiões. Atribui p_bgc e classe predita por region_id.',
detail: 'Em produção: o usuário fornece um genoma, o pipeline corre todas as etapas anteriores (que produzem as mesmas features usadas no treino) e este script gera as predições.' },
{ id: 'f_preds', type: 'file', x: 380, y: 1646, w: 220, h: 44,
label: 'predictions.parquet',
description: 'region_id, p_bgc, predicted_class, top_features.',
detail: 'Saída crua do modelo, antes de filtragem heurística.' },
// ─────── OUTPUT BRANCHES ───────
{ id: 's_filter', type: 'script', x: 220, y: 1750, w: 180, h: 48,
label: 'filter.py',
description: 'Regras heurísticas: remove regiões só com proteína ribossomal, escores abaixo de threshold, vizinhanças não-canônicas.',
detail: 'É um polimento final, fora do modelo. Útil para reduzir falsos positivos antes do relatório.' },
{ id: 's_evaluate', type: 'script', x: 540, y: 1750, w: 180, h: 48, user: true,
label: 'evaluate.py',
description: 'Compara predições com MiBIG ground truth. Métricas: precision, recall, F1, AUROC, a nível de cluster e gene.',
detail: 'Opcionalmente roda antiSMASH no mesmo conjunto e gera relatório comparativo. É o feedback loop que valida cada mudança no modelo.',
mvp: 'Métricas básicas + comparação direta com antiSMASH em subset do MiBIG.',
expansion: 'Métricas por classe biossintética; análise de erros (false positives/negatives) com inspeção visual.',
note: { label: 'Crítico', text: 'Sem benchmark, não há como afirmar se uma mudança no classificador é melhoria ou regressão. Esta etapa precede a otimização do modelo.' } },
{ id: 'f_filtered', type: 'file', x: 220, y: 1856, w: 220, h: 44,
label: 'filtered_predictions.parquet',
description: 'Predições após filtragem heurística.',
detail: 'Pronto para entrar no relatório final.' },
// Antes era um node f_bench agrupando 2 arquivos.
{ id: 'f_bench', type: 'file', x: 510, y: 1856, w: 160, h: 44, user: true,
label: 'benchmark.json',
description: 'Métricas de validação contra MiBIG: precision, recall, F1, AUROC. Comparação com antiSMASH quando aplicável.',
detail: 'Saída numérica do loop de validação. Fica em disco para tracking ao longo do desenvolvimento.' },
{ id: 'f_compreport', type: 'file', x: 695, y: 1856, w: 130, h: 44, user: true,
label: 'comparison.html',
description: 'Relatório HTML detalhando comparação com antiSMASH: BGCs recuperados, missed, e adicionais detectados pelo S(H)ARP.',
detail: 'Artefato para comunicação científica e discussão de erros — não vai para o usuário final do software. Nome real do arquivo: comparison_report.html.' },
{ id: 's_report', type: 'script', x: 220, y: 1970, w: 180, h: 48,
label: 'generate_report.py',
tool: 'Jinja2',
description: 'Gera relatório HTML para o usuário do software com cada BGC predito: arquitetura de domínios, classe, escore, coordenadas.',
detail: 'Saída final consumida por quem usa o S(H)ARP em um genoma novo.' },
{ id: 'f_report', type: 'file', x: 220, y: 2076, w: 180, h: 44,
label: 'report.html',
description: 'Relatório final entregue ao usuário do software.',
detail: 'Produto final do pipeline em produção.' },
];
const EDGES = [
// ─ Input → Annotation ─
['genome', 's_annotate'],
['s_annotate', 'f_proteins'],
['s_annotate', 'f_genbank'],
['s_annotate', 'f_gff'],
// ─ Anchor detection ─
['f_proteins', 's_sarp'],
['genome', 's_hepta'],
['s_sarp', 'f_anchors'],
['s_hepta', 'f_anchors'],
// ─ Neighborhood ─
['f_genbank', 's_neigh'], // long: pula por cima da linha de anchors
['f_anchors', 's_neigh'],
['s_neigh', 'f_neighborhoods'],
['s_neigh', 'f_neigh_prot'],
['s_neigh', 'f_neigh_dna'],
// ─ Characterization ─
['f_neigh_prot', 's_domains'],
['f_neigh_prot', 's_embed'],
['s_domains', 'f_domains'],
['s_embed', 'f_embed'],
// ─ Context features (KG) ─
['f_neighborhoods', 's_kg_features'],
['f_domains', 's_kg_features'],
['s_kg_features', 'f_kg_features'],
// ─ Training (3 fontes de feature) ─
['f_embed', 's_train'],
['f_domains', 's_train'], // novo: train usa one-hot de domínios direto
['f_kg_features', 's_train'],
['s_train', 'f_modelpkl'],
['s_train', 'f_metrics'],
['s_train', 'f_featimp'],
// ─ Inference ─
['f_modelpkl', 's_predict'],
['s_predict', 'f_preds'],
// ─ Output branches ─
['f_preds', 's_filter'],
['f_preds', 's_evaluate'],
['s_filter', 'f_filtered'],
['s_evaluate', 'f_bench'],
['s_evaluate', 'f_compreport'],
// ─ Final report ─
['f_filtered', 's_report'],
['s_report', 'f_report'],
// ─ DB dependencies (dashed) ─
['sarp', 's_sarp', true],
['pfam', 's_domains', true],
['kg', 's_kg_features', true],
['mibig', 's_train', true],
['mibig', 's_evaluate', true],
];
const SECTIONS = [
{ label: 'pre-requisites', y: 30, y2: 130 },
{ label: '00 · input', y: 140, y2: 230 },
{ label: '01 · annotation', y: 240, y2: 450 },
{ label: '02 · anchor detection', y: 460, y2: 660 },
{ label: '03 · neighborhood', y: 670, y2: 870 },
{ label: '04 & 05 · characterization', y: 880, y2: 1090 },
{ label: '06 · context features', y: 1100, y2: 1290 },
{ label: '07 · modeling', y: 1300, y2: 1510 },
{ label: '08 · inference', y: 1520, y2: 1720 },
{ label: '09 · branches', y: 1730, y2: 1930 },
{ label: '10 · final report', y: 1940, y2: 2120 },
];
// ─────────────── RENDER ───────────────
const nodeMap = Object.fromEntries(NODES.map(n => [n.id, n]));
const SVG_NS = 'http://www.w3.org/2000/svg';
function el(tag, attrs = {}, parent) {
const e = document.createElementNS(SVG_NS, tag);
for (const [k, v] of Object.entries(attrs)) e.setAttribute(k, v);
if (parent) parent.appendChild(e);
return e;
}
function renderSections() {
const layer = document.getElementById('sections');
SECTIONS.forEach(s => {
el('line', {
x1: 0, y1: s.y, x2: 760, y2: s.y,
class: 'section-divider'
}, layer);
el('text', {
x: 8, y: s.y - 5,
class: 'section-label'
}, layer).textContent = s.label;
});
}
function renderNodes() {
const layer = document.getElementById('nodes-layer');
NODES.forEach(n => {
const g = el('g', {
class: 'node',
'data-id': n.id,
'data-type': n.type,
'data-user': n.user ? 'true' : 'false',
transform: `translate(${n.x}, ${n.y})`
}, layer);
const w = n.w || 180;
const h = n.h || 44;
const rx = n.type === 'db' ? 6 : (n.type === 'script' ? 3 : 2);
if (n.user) {
el('rect', {
class: 'node-ring',
x: -w/2 - 4, y: -h/2 - 4,
width: w + 8, height: h + 8,
rx: rx + 4
}, g);
}
el('rect', {
class: 'node-rect',
x: -w/2, y: -h/2,
width: w, height: h,
rx: rx
}, g);