基于生物醫(yī)學(xué)文獻(xiàn)的知識(shí)發(fā)現(xiàn)方法研究.pdf

1、文獻(xiàn)挖掘是一種文本數(shù)據(jù)自動(dòng)分析方法，涉及到數(shù)據(jù)挖掘、文本挖掘和自然語(yǔ)言處理等多個(gè)研究領(lǐng)域。作為一種從文獻(xiàn)中提取、整合并發(fā)現(xiàn)知識(shí)的高效工具，能夠快速處理大量文獻(xiàn)并挖掘得到特定領(lǐng)域的知識(shí)。隨著相關(guān)算法的引入與語(yǔ)料庫(kù)的完善，文獻(xiàn)挖掘的性能與可靠程度不斷提高，因而在科學(xué)研究中得到越來(lái)越廣泛的應(yīng)用。 生物醫(yī)學(xué)研究積累了大量的文獻(xiàn)數(shù)據(jù)，其中記載了大量的不同類(lèi)型的知識(shí)。另一方面，生物信息技術(shù)研究的目的是管理并分析生物醫(yī)學(xué)實(shí)驗(yàn)得到的海量數(shù)據(jù)，以

2、及提供預(yù)測(cè)性或者指導(dǎo)性結(jié)論。作為生物信息技術(shù)研究的一個(gè)新興方向，文獻(xiàn)挖掘技術(shù)以生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)為分析對(duì)象，提取和整合散布于文本數(shù)據(jù)中的知識(shí)，從而實(shí)現(xiàn)展示并推理文獻(xiàn)中隱含的新知識(shí)的目的。本文以PubMed數(shù)據(jù)為研究對(duì)象，開(kāi)發(fā)并整合多種文獻(xiàn)挖掘方法，提取蛋白質(zhì)、疾病和化合物相關(guān)的知識(shí)，并加以整合后用于新知識(shí)的發(fā)現(xiàn)。主要研究?jī)?nèi)容如下： 1) 識(shí)別文獻(xiàn)數(shù)據(jù)中的實(shí)體，并映射到分子生物學(xué)數(shù)據(jù)庫(kù)。文獻(xiàn)中的實(shí)體識(shí)別是其他工作的基礎(chǔ)。識(shí)別不同領(lǐng)域

3、不同類(lèi)型的實(shí)體所使用的方法各不相同，因而從生物醫(yī)學(xué)文獻(xiàn)中識(shí)別基因/蛋白質(zhì)、疾病和化合物三類(lèi)常見(jiàn)實(shí)體采用了不同的方法。利用基于統(tǒng)計(jì)的條件隨機(jī)場(chǎng)方法，統(tǒng)計(jì)學(xué)習(xí)基因/蛋白質(zhì)的命名特點(diǎn)與規(guī)律，從文獻(xiàn)中識(shí)別出基因/蛋白質(zhì)實(shí)體。利用基于詞典的方法，從文獻(xiàn)中提取出MeSH詞典所描述的21類(lèi)三級(jí)以下的疾病實(shí)體。同樣，利用基于詞典的方法從文獻(xiàn)中提取出各類(lèi)化合物實(shí)體。對(duì)于識(shí)別得到的基因/蛋白質(zhì)實(shí)體，采用了分級(jí)映射方法，分別把實(shí)體映射到不同規(guī)范化程度的Ent

4、rez Gene數(shù)據(jù)庫(kù)。按照與完備基因詞典、中等基因詞典和精簡(jiǎn)基因詞典的匹配程度，把實(shí)體分為準(zhǔn)確實(shí)體、可靠實(shí)體、相似實(shí)體和未知實(shí)體四部分。 2) 制定實(shí)體關(guān)聯(lián)規(guī)則，整合實(shí)體之間的關(guān)聯(lián)，得到六類(lèi)關(guān)聯(lián)實(shí)體。文本中識(shí)別得到的三類(lèi)實(shí)體之間存在六種關(guān)聯(lián)：蛋白質(zhì)－蛋白質(zhì)、疾病－疾病、化合物－化合物、蛋白質(zhì)－疾病、蛋白質(zhì)－化合物和疾?。衔铩Ｊ紫韧ㄟ^(guò)共出現(xiàn)頻率方法得到存在關(guān)聯(lián)的各類(lèi)實(shí)體。然后對(duì)存在共出現(xiàn)實(shí)體的句子進(jìn)行詞性標(biāo)注，進(jìn)而迭代提取出

5、四類(lèi)共536個(gè)描述實(shí)體關(guān)聯(lián)的關(guān)聯(lián)動(dòng)詞列表。以關(guān)聯(lián)動(dòng)詞列表為基礎(chǔ)，構(gòu)建實(shí)體關(guān)聯(lián)規(guī)則庫(kù)。文本數(shù)據(jù)與關(guān)聯(lián)規(guī)則庫(kù)匹配后，得到六類(lèi)關(guān)聯(lián)實(shí)體數(shù)據(jù)。此外討論了六類(lèi)關(guān)聯(lián)實(shí)體可能表示的生物醫(yī)學(xué)意義以及相應(yīng)的處理策略。 3) 基于實(shí)體關(guān)聯(lián)數(shù)據(jù)構(gòu)建相應(yīng)的實(shí)體關(guān)聯(lián)網(wǎng)絡(luò)，并提供了兩種網(wǎng)絡(luò)分解方案來(lái)發(fā)現(xiàn)新的知識(shí)。以六類(lèi)實(shí)體關(guān)聯(lián)數(shù)據(jù)為基礎(chǔ)，構(gòu)建了6個(gè)簡(jiǎn)單實(shí)體關(guān)聯(lián)網(wǎng)絡(luò)。整合不同的簡(jiǎn)單實(shí)體關(guān)聯(lián)網(wǎng)絡(luò)后得到了2個(gè)雜合實(shí)體關(guān)聯(lián)網(wǎng)絡(luò)：分子相互作用網(wǎng)絡(luò)與全關(guān)聯(lián)網(wǎng)絡(luò)。分析了

6、8個(gè)實(shí)體關(guān)聯(lián)網(wǎng)絡(luò)的拓?fù)湫再|(zhì)，并且把網(wǎng)絡(luò)分解為連通子圖、Hub子圖和關(guān)聯(lián)子圖，從而得到存在間接關(guān)聯(lián)的實(shí)體、活躍實(shí)體和一組關(guān)聯(lián)實(shí)體構(gòu)成的關(guān)聯(lián)途徑等新知識(shí)。 4) 構(gòu)建了基于文獻(xiàn)挖掘的生物醫(yī)學(xué)知識(shí)發(fā)現(xiàn)平臺(tái)的原型系統(tǒng)。平臺(tái)整合了文獻(xiàn)挖掘中所需的第三方工具以及自行開(kāi)發(fā)的工具，提供統(tǒng)一的訪(fǎng)問(wèn)接口和數(shù)據(jù)格式。該平臺(tái)能夠完成實(shí)體識(shí)別、實(shí)體關(guān)聯(lián)挖掘和實(shí)體關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建三類(lèi)知識(shí)發(fā)現(xiàn)任務(wù)，并且提供與第三方圖顯示工具兼容的數(shù)據(jù)格式，滿(mǎn)足實(shí)體關(guān)聯(lián)網(wǎng)絡(luò)以及子