基于生物医学文献的蛋白质关系发现

                      作者：彭春艳　张晖　包玲玉　陈昌平

　　论文关键词：知识发现　生物命名实体识别　实体关联

　　论文摘要：实验提出了一种基于词频统计的蛋白质关系知识发现方法．该方法首先通过生物命名实体识别技术识别出蛋白质实体．然后统计共出现频率，形成候选实体对，从而发现最有可能的实体关联。

　　1引言

　　分子生物学研究的飞速发展，使生物医学文献呈指数级增长。如此多的文献资源，为科研人员运用数据挖掘和文本挖掘技术，发现隐含的、有价值的知识提供了有利的条件。

　　由于大多数的生物信息都保存在文本中。因此对生物医学的研究一般采用文本挖掘技术。文本挖掘是一个交叉的研究领域，它涉及了数据挖掘、信息检索、自然语言处理等多个研究领域的内容。利用文本挖掘技术，可以发现许多有用的信息。一些科研人员利用文本挖掘工具，发现了许多对人类有用的知识，例如：鱼肝油可治疗雷诺式症、蛋白质之间的相互作用等。另外，从生物医学文献中抽取蛋白质基因1相互作用关系对蛋白质知识网络的建立、蛋白质关系预测以及辅助新药的研制等都具有重要的意义。

　　2相关研究

　　生物医学的知识发现，一般针对文献进行研究。基于文献的知识发现，主要有基于统计、关联规则、信息测度和基于语义的方法。华盛顿大学的Swanson教授提出了基于单词的词频统计方法。首先统计出共出现的单词的频率，然后对文献集进行分析。通过这种方法，Swanson发现了许多对人类有益的知识。例如，鱼肝油对于雷诺氏症的治疗作用，镁的缺失会引起偏头痛，某些病毒可以成为潜在的生化武器等等，这些发现都得到了临床上的证实。

　　Hristovski日将关联规则挖掘引入了基于文献的知识发现。他将生物文献看作数据库中的事务，而用来代表文献内容的词则看作是规则中的项，通过设置支持度阈值和置信度阈值来产生关联的词汇。Wren为词汇间具有信息的关联。他使用互信息方法来计算词的关联度，通过互信息值的大小来表示关联的强度。他的方法具有领域无关的特性，可以用来推广到很多的研究领域。

　　WeebeIlq等人设计了一个文本挖掘工具DAD系统。它利用自然语言处理系统MetaMap将文献中的语句映射为UMLS本体中的生物概念。用概念来取代词汇作为知识发现的基础。该方法实现了语义层次上的知识发现。他们利用DAD系统找出了生姜潜在的医疗作用。在关联规则挖掘中，有效阈值的设定很困难。如果阈值设置的过低，会产生大量的候选规则，而设置的过高，则有可能过滤掉许多有意义的规则。另外，基于语义的方法，需要构建领域本体，这需要许多专业人士的共同参与。因此，本文在Swanson的理论基础提出了一种基于命名实体的词频统计方法，该方法通过实体提取、句子分析等过程发现蛋白质之间潜在的关系。该方法阈值的设定对实验结果影响不大，而且不需要领域专家的参与。

　　3方法描述

　　本文实现了一个蛋白质知识发现系统。该系统使用Medline中随机生成的2000篇摘要进行分析。系统首先对语料进行蛋白质实体识别，形成蛋白质实体列表，然后对句中的每个蛋白质实体对进行共出现频率统计，进而生成候选实体对，最后找出最高出现频率的实体对，从而发现最可能的实体关联。该系统的框架如图1所示。

　　3．1蛋白质实体识别

　　在对生物医学领域的文本挖掘中，实体识别的目的是对文本中的专业词汇，包括基因、蛋白质、DNA和RNA等加以确认和分类。对蛋白质的知识发现，第一步就是进行蛋白质实体的识别。实验采用了一种基于条件随机域的生物实体识别方法，该方法以Mallet工具为基础，并增加了单词的数字、字母、以及距离依赖特性。

百度搜索“yundocx”或“云文档网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，云文档网，提供经典计算机基于生物医学文献的蛋白质关系发现在线全文阅读。