基于文本挖掘的蛋白質(zhì)相互作用對抽取方法的研究.pdf

1、在生物信息學上，蛋白質(zhì)相互作用的研究是重點之一，其對于理解各種生物學過程以及在疾病治療、診斷中起著非常大的作用。在生物醫(yī)學文本挖掘中，從MEDLINE摘要或者相關(guān)研究文獻的全文中挖掘出蛋白質(zhì)相互作用關(guān)系是一個我們急需解決并且最具有挑戰(zhàn)性的工作。而大量有關(guān)蛋白質(zhì)相互作用的生物醫(yī)學文獻保存在NCBI PubMed數(shù)據(jù)庫中，提出一種自動抽取相互作用蛋白質(zhì)的方法尤其重要。
　　首先，根據(jù)蛋白質(zhì)相互作用對與其相互作用詞共同出現(xiàn)的抽取原則，本

2、文提出了一種從文獻中自動抽取蛋白質(zhì)相互作用對的方法。主要分三個階段實現(xiàn)自動抽取蛋白質(zhì)相互作用對。在實體識別中，本文使用條件隨機場算法并結(jié)合規(guī)則識別出蛋白質(zhì)實體。然后，建立蛋白質(zhì)基因標準庫，并設(shè)計算法將識別出的蛋白質(zhì)實體轉(zhuǎn)換為對應(yīng)的標準官方基因名稱。在蛋白質(zhì)相互作用對抽取模塊中，先使用Stanford Parser將標準化后的句子解析成語法樹，再使用Tregex結(jié)合關(guān)系詞并使用所設(shè)計的四條規(guī)則抽取出候選蛋白質(zhì)相互作用對，并通過否定詞等常用

3、語法知識排除候選蛋白質(zhì)作用對中的錯誤蛋白質(zhì)。在從單個文獻中自動抽取蛋白質(zhì)相互作用對的基礎(chǔ)上，進一步分析了NCBI中最新下載的2000余萬條PubMed數(shù)據(jù)，構(gòu)建了蛋白質(zhì)相互作用網(wǎng)絡(luò)。
　　其次，課題主要部分在于實現(xiàn)自動抽取蛋白質(zhì)相互作用對，為了驗證自動抽取的準確率，本文使用國際評測機構(gòu)提供的Biocreative-II中識別、標準化、自動抽取部分數(shù)據(jù)進行評測。在識別模塊中，準確率達到87.18％，標準化準確率達到65.84%，蛋白