采用主题词和自然语言处理相结合的方法挖掘急性白血病和相关基因的关系.pdfVIP

中华医学会第十五次全国医学信息学术会议 论文汇编 1 PU-31-0021 Myeloid Leukemia，AML))为研究主题。 采用主题词与自然语言处理相结合的方法挖掘急 2.2 研究样本 性白血病与相关基因的关系 通过PubMed (/ 闫雷 姜鹏 崔雷∗ PubMed)以“ leukemia [majr]AND genes [majr]”为检索 中国医科大学信息管理与信息系统（医学）系 110001 策略检索相关文献，检索时间为1966 年到2005 年9 月，共 检到相关文献 3529 篇，将检索结果分别以 XML 格式和 1. 前言 MEDLINE 格式进行保存，作为挖掘样本。 近年来，随着快速序列测定、基因重组、多维核磁共振 2.3 研究工具 等技术的应用，分子生物学得到了迅猛的发展，人类基因组 MetaMap(/batch-mode/metam 草图和多种模式生物基因组的测序，产生了大量核酸和蛋白 ap.shtml)：为美国国立医学图书馆开发的一个自然语言处 质数据。在分子生物学领域里，高密度微列阵技术的提出， 理程序，其作用是把专家解析器（SPECIALIST parser）发 使得人们首次可以同时测量特定基因组的全部或大部分基 现的 Medline 格式文本中的自由词与一体化医学语言系统 因的表达水平。在典型的微列阵实验中，早期的研究多采用 超级词表（UMLS Metathesaurus）中的概念相匹配，本研究 聚类分析的方法来探索基因之间的相似性，或者根据基因区 用其对文献进行自然语言处理。 分不同表现型（如疾病类型或细胞类型）的能力来辨认基因。 BICOMS：书目信息共现挖掘系统（Bibliographic Item 这种条件下常用的聚类分析的方法主要是系统聚类法、自组 Co-Occurrence Mining System）,为崔雷课题组开发的面向 织图和 K-均值法。这些方法最终都将基因分成了组（或类 生物医学数据库和引文数据库的文本挖掘系统，本研究用其 别），它们之间的关系完全是以微列阵的实验数据为基础的。 完成文献中的主题词/副主题词信息的提取。 但是，通过这种方法对基因分组或分类的目的是了解生物学 自编MetaMap 处理结果分析程序：提取经MetaMap 处理 机制或者为其标注上“生物学含义”。在这一点上，对实验 结果中的基因相关概念，及生成疾病与基因的共现矩阵。 室数据的聚类分析结果如何解释成为困扰生物学专业人员 GenePattern 的难题之一。 （/cancer/software/genepatt 在生物数据以超乎寻常的速度增长的同时，生物医学文 ern/）：Broad 研究所开发的用于分析和可视化分子生物学 献也正在以爆炸的速度增长着。大量的文献既给获取相关信 相关数据的软件包，本研究使用其对共现矩阵进行聚类分 息带来机会，但同时也带来了在海量文献集中有效定位感兴 析。 趣的信息的困难，没有研究人员能够处理如此巨量的信息特 2.4 研究方法 别是那些跨学科的信息。 通过共词聚类分析的方法挖掘急性白血病与相关基因 综上所述，一方面，对实验室聚类分析数据的解释上存 之间的联系。 在着困难，另一方面，文献中又蕴藏着大量的信息和知识， 对数据进行处理，生成疾病与基因共现矩阵，其中疾病 同时也开发出诸