基于文本挖掘的蛋白質(zhì)相互作用對(duì)抽取方法的研究.pdf

1、在生物信息學(xué)上，蛋白質(zhì)相互作用的研究是重點(diǎn)之一，其對(duì)于理解各種生物學(xué)過程以及在疾病治療、診斷中起著非常大的作用。在生物醫(yī)學(xué)文本挖掘中，從MEDLINE摘要或者相關(guān)研究文獻(xiàn)的全文中挖掘出蛋白質(zhì)相互作用關(guān)系是一個(gè)我們急需解決并且最具有挑戰(zhàn)性的工作。而大量有關(guān)蛋白質(zhì)相互作用的生物醫(yī)學(xué)文獻(xiàn)保存在NCBI PubMed數(shù)據(jù)庫中，提出一種自動(dòng)抽取相互作用蛋白質(zhì)的方法尤其重要。
　　首先，根據(jù)蛋白質(zhì)相互作用對(duì)與其相互作用詞共同出現(xiàn)的抽取原則，本

2、文提出了一種從文獻(xiàn)中自動(dòng)抽取蛋白質(zhì)相互作用對(duì)的方法。主要分三個(gè)階段實(shí)現(xiàn)自動(dòng)抽取蛋白質(zhì)相互作用對(duì)。在實(shí)體識(shí)別中，本文使用條件隨機(jī)場(chǎng)算法并結(jié)合規(guī)則識(shí)別出蛋白質(zhì)實(shí)體。然后，建立蛋白質(zhì)基因標(biāo)準(zhǔn)庫，并設(shè)計(jì)算法將識(shí)別出的蛋白質(zhì)實(shí)體轉(zhuǎn)換為對(duì)應(yīng)的標(biāo)準(zhǔn)官方基因名稱。在蛋白質(zhì)相互作用對(duì)抽取模塊中，先使用Stanford Parser將標(biāo)準(zhǔn)化后的句子解析成語法樹，再使用Tregex結(jié)合關(guān)系詞并使用所設(shè)計(jì)的四條規(guī)則抽取出候選蛋白質(zhì)相互作用對(duì)，并通過否定詞等常用

3、語法知識(shí)排除候選蛋白質(zhì)作用對(duì)中的錯(cuò)誤蛋白質(zhì)。在從單個(gè)文獻(xiàn)中自動(dòng)抽取蛋白質(zhì)相互作用對(duì)的基礎(chǔ)上，進(jìn)一步分析了NCBI中最新下載的2000余萬條PubMed數(shù)據(jù)，構(gòu)建了蛋白質(zhì)相互作用網(wǎng)絡(luò)。
　　其次，課題主要部分在于實(shí)現(xiàn)自動(dòng)抽取蛋白質(zhì)相互作用對(duì)，為了驗(yàn)證自動(dòng)抽取的準(zhǔn)確率，本文使用國際評(píng)測(cè)機(jī)構(gòu)提供的Biocreative-II中識(shí)別、標(biāo)準(zhǔn)化、自動(dòng)抽取部分?jǐn)?shù)據(jù)進(jìn)行評(píng)測(cè)。在識(shí)別模塊中，準(zhǔn)確率達(dá)到87.18％，標(biāo)準(zhǔn)化準(zhǔn)確率達(dá)到65.84%，蛋白