生物醫(yī)學(xué)文獻(xiàn)中的蛋白質(zhì)名識別.pdf

1、近年來，由于人類基因組計劃(HumanGenomeProject)的實施以及分子生物學(xué)、信息科學(xué)的發(fā)展，DNA、RNA以及蛋白質(zhì)等生物數(shù)據(jù)量空前增長，同時功能基因組和蛋白質(zhì)組的大量數(shù)據(jù)已開始涌現(xiàn)。生物醫(yī)學(xué)文獻(xiàn)的數(shù)量也是在迅速的膨脹，數(shù)據(jù)不等同于知識，但卻是信息和知識的源泉。激增的數(shù)據(jù)背后隱藏著許多重要的信息，如何從海量的醫(yī)學(xué)數(shù)據(jù)中抽取知識成為當(dāng)前一個研究的熱點，要從生物醫(yī)學(xué)文獻(xiàn)中抽取知識，首先要做的就是正確識別文獻(xiàn)中出現(xiàn)的大量的生物實體

2、名。實體識別準(zhǔn)確率的高低直接影響著數(shù)據(jù)挖掘系統(tǒng)的好壞與否，因此實體識別在生物醫(yī)學(xué)文獻(xiàn)的挖掘中成為關(guān)鍵性的一步。 目前對于實體識別采用的方法主要有以下幾種，基于人工組織規(guī)則的方法，基于詞典的方法和基于機器學(xué)習(xí)的方法，比較常用的就是基于詞典的方法和基于機器學(xué)習(xí)的方法。詞典法可以提供實體名的ID信息，機器學(xué)習(xí)法可以在訓(xùn)練中逐步提高自己的識別能力，但是由于生物實體名的特殊性，比如沒有統(tǒng)一的命名規(guī)則，同一實體，可能會有不同的命名，兩種方法

3、還都沒有達(dá)到理想的效果，第一個問題就是由于蛋白質(zhì)名拼寫的多樣性造成了大量的錯誤的識別。另一個問題就是很多的蛋白質(zhì)名是由兩個或兩個以上的單詞組成，多個單詞組成實體名就出現(xiàn)詞序問題，詞典中只有一種最常用的排列，而常用的搭配算法很難把文獻(xiàn)中出現(xiàn)的其他的順序的實體名全部找到，因而造成很多變形寫法不能識別。因此不能簡單的通過查找在詞典中出現(xiàn)的詞作為目標(biāo)詞。機器學(xué)習(xí)方法經(jīng)實驗證明是一個非常有效的方法，只是它不能提供關(guān)于被識別詞條的驗證信息。另外機器

4、學(xué)習(xí)的方法需要大規(guī)模的訓(xùn)練文本來提高識別能力，但是目前這樣的訓(xùn)練文本還不夠多。 本文就生物實體識別進行了研究，結(jié)合了詞典法和機器學(xué)習(xí)法的優(yōu)點,提高了識別的準(zhǔn)確率和查全率，識別過程包含兩個步驟：一是識別階段，即通過蛋白質(zhì)名詞典和近似匹配算法確定蛋白質(zhì)名候選詞，解決了拼寫的多樣化的問題，提高了查全率；二是過濾階段，即通過機器學(xué)習(xí)方法訓(xùn)練一個分類器，把利用近似匹配算法錯誤識別出來的假蛋白質(zhì)名過濾掉，以提高識別的準(zhǔn)確率。但是仍然有些問題