基于文本挖掘的基因-藥物-不良反應(yīng)關(guān)系網(wǎng)絡(luò)構(gòu)建研究.pdf

1、目的:藥物不良反應(yīng)的發(fā)作機制錯綜復(fù)雜，不僅與藥物本身有關(guān)，更與患者個體因素——基因有關(guān)。尤其隨著科技發(fā)展，新藥層出不窮，已有藥物不良反應(yīng)數(shù)據(jù)庫已無法跟上更新的速度，大量與新藥品有關(guān)的信息則以非結(jié)構(gòu)化信息——文獻(xiàn)的方式存儲。本課題擬從不同的生物醫(yī)學(xué)文獻(xiàn)集中識別并提取基因-藥物和藥物-不良反應(yīng)關(guān)系，進(jìn)而推測基因表達(dá)與藥物不良反應(yīng)之間的潛在關(guān)聯(lián)。
　　方法:從PubMed數(shù)據(jù)庫下載獲取藥物-不良反應(yīng)相關(guān)和藥物-基因相關(guān)文獻(xiàn)集合，對于藥物

2、、不良反應(yīng)命名實體，采用結(jié)合多種特征，包括詞法特征、領(lǐng)域知識特征、詞典匹配特征和無監(jiān)督學(xué)習(xí)特征的條件隨機場模型進(jìn)行識別;對于基因?qū)嶓w，借助已有工具和詞典進(jìn)行識別。識別后，對于每個在句中共同出現(xiàn)的藥物-不良反應(yīng)和藥物-基因?qū)Ω鶕?jù)其共現(xiàn)頻次、主題詞關(guān)聯(lián)、關(guān)聯(lián)詞、是否與已知關(guān)聯(lián)共現(xiàn)、與已知關(guān)聯(lián)相似度等特征變量構(gòu)建logistic回歸模型，以預(yù)測得分為基礎(chǔ)生成藥物-不良反應(yīng)矩陣和藥物-基因矩陣，進(jìn)而通過矩陣乘法獲得基因-不良反應(yīng)矩陣;借助網(wǎng)絡(luò)分

3、析和聚類分析等對三者關(guān)系進(jìn)行解讀驗證。
　　結(jié)果:本課題構(gòu)建了同時識別藥物及其不良反應(yīng)實體的模型，包括詞法特征、領(lǐng)域知識特征、詞典匹配特征和無監(jiān)督學(xué)習(xí)特征，藥物實體和不良反應(yīng)實體在Biocreative V的測試集上F值分別為88.24％、82.99％。隨后我們根據(jù)其頻次、主題詞關(guān)聯(lián)、關(guān)聯(lián)詞、與已知關(guān)系共現(xiàn)、與已知關(guān)聯(lián)相似度等變量構(gòu)建logistic回歸模型，用于提取藥物-不良反應(yīng)和藥物-基因關(guān)聯(lián)。應(yīng)用上述模型我們分別從兩個文獻(xiàn)集

4、合中識別并提取了9106個藥物-不良反應(yīng)對和7457個藥物-基因?qū)?，預(yù)測到78014個潛在的基因-不良反應(yīng)關(guān)聯(lián)。部分預(yù)測結(jié)果可通過網(wǎng)絡(luò)-聚類-通路分析解釋，并可在文獻(xiàn)/數(shù)據(jù)庫中得到驗證。
　　結(jié)論:通過文本挖掘方法得到的潛在基因-藥物-不良反應(yīng)關(guān)聯(lián)并對其文獻(xiàn)和數(shù)據(jù)庫驗證后發(fā)現(xiàn)部分關(guān)聯(lián)與已有知識經(jīng)驗相吻合，同時也存在大量關(guān)聯(lián)有待驗證。本課題構(gòu)建的基因-藥物-不良反應(yīng)網(wǎng)絡(luò)可以為推測潛在受藥物作用的基因表達(dá)與藥物不良反應(yīng)之間的可能關(guān)聯(lián)提