生物医学文本挖掘及其应用.pptVIP

生物医学文本挖掘及其应用 例子：二者关系 进行性多灶性白质脑病（progressive multifocal leukoencephalopathy，PML） 抗体antibodies Monoclonal antibodies，efalizumab（依法珠单克隆抗体） HGNC database of human gene names  HUGO Gene Nomenclature Committee/ 网上在线检索的基因名称信息 下载的基因名称信息 NER的原理 关联度 假设有t1和t2两个词共现，最简单的信度指标就是含有这两个词的文章数c（t1t2），但是要标准化，去掉两个词各自出现频次对共现次数的影响。 点间互信息 p为文章数除以文章总数。 关系抽取：共现 GoDisease：/ 输入‘‘leukoencephalopathy, progressive multifocal’’[mh] 返回结果： 所有提及PML的文摘中的基因。 出现次数越多的基因，越可能与PML有关联。如果某基因在PML中不成比例地高于其他疾病，则该基因可能与PML有特殊关系。 关系抽取：确切关系 明确描述的关系：比共现更好的证据。 例如： ‘‘We describe a PML in a 67-year-old woman with a destructive polyarthritis（多关节炎） associated with anti-JO1 antibodies treated with corticosteroids’’ PML与抗-JO1抗体有明确关系。 将这种关系简化为三元体：两个名词+一个动词。 PML is associated with anti-JO1 antibodies 识别动词： 词性标注：part-of-speech (POS) tagger 三元体表述因其简单而功能强大，但是忽略了文章中的重要的细节。比如有些证据是来自于临床病例报告。 关系抽取：PPI protein-protein interactions (PPI)：文本挖掘的重头戏 利用三元体表达，构建PPI网络，节点是蛋白质，动词为边。 分析文本挖掘出来的PPI网络时，应当注意阅读和理解支撑信息。 例如，蛋白质间相互作用可以是直接的，也可以是间接的，取决于动词 直接动词有to bind, to stabilize, to phosphorylate 间接的动词有to induce, to trigger, to block。 文献中描述的蛋白质相互作用的不同性质部分地反映了所采用的实验方法和相互作用本身的性质。 常用的捕获文本变异的方法就是把各种表达方式辨认出来，并写下捕获这些变异的规则。 捕获磷酸化的模式，应当依次含有： 一种酶的名字 磷酸化的动词 一种基质的名字 发现关系的工具 FACTA：Medline文本中概念共现情况。 MedGene 和BioGene：利用共现发现基因优先级别。 Endeavour 和G2D 利用文本和其他数据源分析基因优先级别。 PolySearch利用启发式加权技术，给不同的共现不同的权重。 Anni使用文本轮廓测量术语之间的关系。 iHOP：挖掘PPI最流行的工具。 RLIMS-P 利用语言模式发现磷酸化过程中的激酶、基质和磷酸。 E3Miner发现泛素化，包括上下文信息。 http://text0.mib.man.ac.uk/software/facta/main.html GoDisease+iHOP+Cytoscape 发现：Discovery Besides finding relationships, text miners are also interested in discovering relationships Swanson：undiscovered public knowledge 【见例子1】 GenCLIP 文本挖掘的过程 命名体识别 关系抽取 发现知识 掌握原理，会用软件，你就可以探索了！ 欢迎你的加入！！ MedPost PMID 1847596 #9： Surprisingly, NO3- inhibited the rate of K+ swelling by 82%. Surprisingly_RR ,_, NO3-_NN inhibited_VVD the_DD rate_NN of_II K+_NN swelling_VVGN by_II 82_MC %_SYM ._. 1.检索文献 选70种基因，每一种基因的相关文献以XML格式下载 用Excel的宏命令抽取文摘，另存作为文本分析样本 Papers on Gen