LuanVan.vnLuận Văn
Gửi thư

DESIGN AND IMPLEMENTATION OF BIOFLOW-SCOPE - AN AI-ASSISTED WEB PLATFORM FOR REPRODUCIBLE BIOINFORMATICS PIPELINES

Khoá luận tốt nghiệp · Đại học · năm 2026 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Duy Khánh
Người hướng dẫnHồ Quang Thái
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2026
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Modern bioinformatics research requires scientists to combine many commandline tools (BLAST, MUSCLE, FastQC, SPAdes, etc.) together with several reference databases to analyze genes and proteins. These analysis pipelines are typically hard to reproduce, hard to share, and heavily dependent on programming skills and the local computing environment. Moreover, annotating the biological function of a protein from its raw amino-acid sequence is difficult when relying solely on traditional similarity search, which loses sensitivity for distantly related proteins. This project builds BioFlow-Scope, an AI-assisted integrated web platform that unifies three functional areas in a single system: reproducible bioinformatics pipeline management through a visual editor with containerized execution; protein semantic search based on protein-language-model embeddings; and an AI research assistant that can operate the platform through tools under human-in-the-loop approval control. The system is developed as a modular monolith with a Spring Boot 3.3 (Java 21) backend, a Next.js 14 (TypeScript) frontend, and a Python FastAPI sidecar for ESM2 inference. Bioinformatics tools run as BioContainers in Docker; semantic protein search uses Qdrant for vector storage and retrieval; and the AI assistant is built on LangChain4j with multi-provider model routing. An iterative, milestone-based development process was applied. The project delivered a working web platform covering authentication and authorization; pipeline authoring, execution and provenance; dataset and artifact management; protein semantic search; an AI assistant combining RAG, tool calling and human-in-the-loop approval; and workspace, sharing and reproducibility functions. The final testing record dated 08 August 2026 reports 47/47 functional test cases passed; backend execution recorded 1,133 passes, one environment-dependent skip and no failures; frontend type checking completed without errors; and 35 Playwright end-to-end scenarios were recorded as passed. JaCoCo measured 51.70% instruction coverage and 57.28% class coverage. These results support the tested local scenarios but are not interpreted as a claim of production readiness or universal scientific accuracy. Keywords: Bioinformatics, reproducible pipelines, protein semantic search, protein language model, AI assistant, human-in-the-loop approval. Nghiên cứu tin sinh học hiện đại đòi hỏi nhà khoa học phối hợp nhiều công cụ dòng lệnh (BLAST, MUSCLE, FastQC, SPAdes…) cùng nhiều cơ sở dữ liệu tham chiếu để phân tích gene và protein. Các quy trình phân tích này thường khó tái lập, khó chia sẻ và phụ thuộc nhiều vào kỹ năng lập trình cũng như môi trường máy tính của từng người. Bên cạnh đó, việc chú giải chức năng của một protein từ trình tự axit amin thô là bài toán khó khi chỉ dựa vào so khớp tương đồng truyền thống, vốn mất độ nhạy với những protein có quan hệ họ hàng xa. Thực tế này đặt ra nhu cầu về một nền tảng tập trung, thân thiện với nhà nghiên cứu, giúp quản lý quy trình một cách tái lập và khai thác được sức mạnh của trí tuệ nhân tạo. Đề tài xây dựng BioFlow-Scope, một nền tảng web tích hợp trí tuệ nhân tạo hợp nhất ba nhóm chức năng trong cùng một hệ thống: quản lý và thực thi quy trình (pipeline) tin sinh học tái lập được thông qua trình soạn thảo trực quan và thực thi trong container; tìm kiếm protein theo ngữ nghĩa dựa trên embedding của mô hình ngôn ngữ protein; và một trợ lý nghiên cứu AI có khả năng thao tác nền tảng thông qua các công cụ, dưới sự kiểm soát phê duyệt của con người. Hệ thống được phát triển theo kiến trúc modular monolith với backend Spring Boot 3.3 (Java 21), giao diện Next.js 14 (TypeScript) và một sidecar Python FastAPI phục vụ suy luận mô hình ESM-2. Việc thực thi công cụ tin sinh sử dụng các image BioContainers chạy trong Docker; tìm kiếm ngữ nghĩa sử dụng Qdrant để lưu và truy vấn vector protein; trợ lý AI được xây dựng trên LangChain4j với khả năng định tuyến nhiều nhà cung cấp mô hình. Đề tài á
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.