基于语义的疾病相关蛋白质知识抽取 - 山东大学学报（理学版）.pdfVIP

　第５１卷　第３期 山　东　大　学　学　报　（理　学　版） ２０１６年３月　 　 　 　 　 　 　Ｖｏｌ．５１　 Ｎｏ．３　 　 　 　 　 ＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ） Ｍａｒ．２０１６　 　文章编号：１６７１９３５２（２０１６）０３０１０４０７　　　ＤＯＩ：１０６０４０／ｊ．ｉｓｓｎ．１６７１９３５２１．２０１５．０２５ 基于语义的疾病相关蛋白质知识抽取 李智恒，杨志豪，林鸿飞 （大连理工大学计算机科学与技术学院，辽宁 大连 １１６０２４） 摘要：随着人类基因组学研究和高通量技术的发展，涉及蛋白质知识以及相关疾病、药物的医学文献呈指数增长。 利用文本挖掘技术从大量的生物医学文本中发现和抽取有价值的、新颖的蛋白质知识已经成为可能。基于 ＳｅｍＲｅｐ得到的特定疾病的ＭＥＤＬＩＮＥ文献的语义输出，通过显著信息提取算法对该语义输出进行打分排序，抽取 得到与特定疾病相关的蛋白质以及蛋白质和药物之间的联系。之后与ＫＥＧＧ数据库中列出的该疾病相关的蛋白 质、基因进行比较。实验结果对理解疾病的病因、蛋白质功能预测以及药物辅助设计都有重要的研究意义。 关键词：语义关系；信息抽取；ＳｅｍＲｅｐ；ＫＥＧＧ 中图分类号：ＴＰ３９１　　　文献标志码：Ａ 引用格式：李智恒，杨志豪，林鸿飞．基于语义的疾病相关蛋白质知识抽取［Ｊ］．山东大学学报（理学版），２０１６，５１（３）：１０４１１０． Ｓｅｍａｎｔｉｃｏｕｔｐｕｔｏｕｔｐｕｔｂａｓｅｄｄｉｓｅａｓｅｐｒｏｔｅｉｎｋｎｏｗｌｅｄｇｅｅｘｔｒａｃｔｉｏｎ  ＬＩＺｈｉｈｅｎｇ，ＹＡＮＧＺｈｉｈａｏ，ＬＩＮＨｏｎｇｆｅｉ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｄａｌｉａｎ１１６０２４，Ｌｉａｏｎｉｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｗｉｔｈｔｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆｇｅｎｏｍｉｃｓａｎｄｈｉｇｈｔｈｒｏｕｇｈｐｕｔｔｅｃｈｎｏｌｏｇｉｅｓ，ｌａｒｇｅａｍｏｕｎｔｏｆｂｉｏｍｅｄｉｃａｌｌｉｔｅｒａ ｔｕｒｅｓａｂｏｕｔｇｅｎｅｓａｎｄｐｒｏｔｅｉｎｓａｐｐｅａｒ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅｕｓｅｏｆｔｅｘｔｍｉｎｉｎｇｔｅｃｈｎｏｌｏｇｙｄｉｓｃｏｖｅｒｙａｎｄｅｘｃａｖａｔｉｏｎｏｆｎｅｗ， ｖａｌｕａｂｌｅｋｎｏｗｌｅｄｇｅｏｆｐｒｏｔｅｉｎｆｒｏｍｔｈｅｍａｓｓｏｆｍｅｄｉｃａｌｔｅｘｔｓｈａｓｂｅｃｏｍｅｐｏｓｓｉｂｌｅ．Ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｓｙｓｔｅｍｗｈｉｃｈ ｅｘｔｒａｃｔｓｔｈｅｒｅｌａｔｉｏｎｓｂｅｔｗｅｅｎｐｒｏｔｅｉｎｓａｎｄｃｅｒｔａｉｎｄｉｓｅａｓｅｓｆｒｏｍｂｉｏｍｅｄｉｃａｌｌｉｔｅｒａｔｕｒｅｂａｓｅｄｏｎｓｅｍａｎｔｉｃｏｕｔｐｕｔｇｅｎｅｒａｔｅｄ ｂｙＳｅｍＲｅｐ，ａｎｄｔｈｅｎｅｘｔｒａｃｔｓｎｏｖｅｌ，ｖａｌｕａｂｌｅｐｒｏｔｅｉｎｋｎｏｗｌｅｄｇｅ．Ｔｈｅｓｙｓｔｅｍｓｕｍｍａｒｉｚｅｓｔｈｅｓａｌｉｅｎｔｒｅｌａｔｉｏｎｓｂｙｔｈｅ ｓａｌｉｅｎｔｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｕｓｉｎｇｔｈｅｓｐｅｃｉｆｉｃｓｕｂｊｅｃｔＭＥＤＬＩＮＥｃｏｒｐｕｓ．Ｓｕｂｓｅｑｕｅｎｔｌｙ，ｔｈｅｒｅｓｕｌｔｓｅｘｔｒａｃｔｅｄｂｙｔｈｅｓｙｓ ｔｅｍａｒｅｃｏｍｐａｒｅｄｗｉｔｈｄａｔａｆｒｏｍＫＥＧＧｄａｔａｂａｓｅ．Ｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｔｈｅｓｙｓｔｅｍｈａｓｉｍｐｏｒｔａｎｔｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｕｎｄｅｒ ｓｔａｎｄｉｎｇｔｈｅｍａｊｏｒｃａｕｓｅｓｏｆｍａｎｙｄｉｓｅａｓｅｓ，ｐｒｏｔｅｉｎｆｕｎｃｔｉｏｎｐｒｅｄｉｃｔｉｏｎａｎ