基于UMLS和通路數(shù)據(jù)的潛在語(yǔ)義分析技術(shù)的研究與實(shí)現(xiàn).pdf

1、在21世紀(jì)信息時(shí)代的浪潮中，隨著高通量基因組技術(shù)的飛速發(fā)展，生物學(xué)領(lǐng)域涌現(xiàn)出眾多文獻(xiàn)資料，很多文獻(xiàn)內(nèi)部存在著潛在語(yǔ)義，如果能有效的挖掘文獻(xiàn)中的潛在語(yǔ)義信息，對(duì)我們以后的生物學(xué)探索幫助很大。然而數(shù)據(jù)組織的異構(gòu)性和知識(shí)的不同表達(dá)形式對(duì)正確的解釋生物實(shí)驗(yàn)結(jié)果提出了挑戰(zhàn)，同義詞和多義詞在完整的整合和準(zhǔn)確的提取生物信息方面起到了極大的干擾作用。為了從文獻(xiàn)中挖掘基因之間的潛在關(guān)系，基于生物信息學(xué)和數(shù)據(jù)挖掘理論的潛在語(yǔ)義分析技術(shù)迅速發(fā)展起來(lái)。本文首先

2、利用UMLS整合從T-HOD網(wǎng)站中提取的Ⅰ型糖尿病相關(guān)基因，然后運(yùn)用交叉影響分析技術(shù)將基因合成基因組，最后在潛在語(yǔ)義分析方法中加入通路數(shù)據(jù)從而得到基因、基因組與疾病之間的相關(guān)程度，為疾病的預(yù)防、診斷、治療提供了必要的生物信息學(xué)參照，也為生物靶向制藥提供了實(shí)驗(yàn)依據(jù)和研制方向。
　　實(shí)驗(yàn)的數(shù)據(jù)來(lái)源于兩方面，一方面是經(jīng)過(guò)UMLS過(guò)濾的Ⅰ型糖尿病相關(guān)基因，另一方面是通路數(shù)據(jù)。UMLS是關(guān)于生物醫(yī)學(xué)與人類健康領(lǐng)域的知識(shí)數(shù)據(jù)庫(kù)，為生物醫(yī)學(xué)研究

3、者提供最新的專業(yè)術(shù)語(yǔ)及相關(guān)概念。UMLS主要的兩個(gè)功能是查詢生物術(shù)語(yǔ)，包括它的名稱，ID，語(yǔ)義類型，定義，相關(guān)概念等等，另一個(gè)功能是從文章中提取生物概念，這個(gè)過(guò)程主要運(yùn)用了UMLS映射方法的核心——Metamap，文章摘要通過(guò)Metamap預(yù)處理，能夠準(zhǔn)確的提取出生物概念，即CUI（生物概念的ID），也可以添加選項(xiàng)選擇想要提取的術(shù)語(yǔ)的特征。通路數(shù)據(jù)是從iSubpathwayMiner系統(tǒng)中獲取的，作為可信信息參與到算法中，用來(lái)提高算法的

4、準(zhǔn)確性。iSubpathwayMiner系統(tǒng)是網(wǎng)絡(luò)生物學(xué)資源，作為一種方便的接入點(diǎn)從公共數(shù)據(jù)庫(kù)收集生物通路信息。這里所有的數(shù)據(jù)獲取都是免費(fèi)的。
　　在實(shí)驗(yàn)中，通過(guò)參照通路數(shù)據(jù)的信息比較基因與疾病的關(guān)系排名，結(jié)果證明用潛在語(yǔ)義分析方法挖掘基因、基因組與疾病的相關(guān)度是合理的。接著將加入通路數(shù)據(jù)與未加入通路數(shù)據(jù)的結(jié)果進(jìn)行對(duì)比，與疾病關(guān)系越大的基因相似性分?jǐn)?shù)增加的越多，結(jié)果證明加入通路數(shù)據(jù)可以提高實(shí)驗(yàn)結(jié)果的準(zhǔn)確度。另外，從基因與疾病的關(guān)系