基于文本挖掘的蛋白質相互作用對抽取方法的研究.pdf

1、在生物信息學上，蛋白質相互作用的研究是重點之一，其對于理解各種生物學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)學文本挖掘中，從MEDLINE摘要或者相關研究文獻的全文中挖掘出蛋白質相互作用關系是一個我們急需解決并且最具有挑戰(zhàn)性的工作。而大量有關蛋白質相互作用的生物醫(yī)學文獻保存在NCBI PubMed數據庫中，提出一種自動抽取相互作用蛋白質的方法尤其重要。
　　首先，根據蛋白質相互作用對與其相互作用詞共同出現的抽取原則，本

2、文提出了一種從文獻中自動抽取蛋白質相互作用對的方法。主要分三個階段實現自動抽取蛋白質相互作用對。在實體識別中，本文使用條件隨機場算法并結合規(guī)則識別出蛋白質實體。然后，建立蛋白質基因標準庫，并設計算法將識別出的蛋白質實體轉換為對應的標準官方基因名稱。在蛋白質相互作用對抽取模塊中，先使用Stanford Parser將標準化后的句子解析成語法樹，再使用Tregex結合關系詞并使用所設計的四條規(guī)則抽取出候選蛋白質相互作用對，并通過否定詞等常用

3、語法知識排除候選蛋白質作用對中的錯誤蛋白質。在從單個文獻中自動抽取蛋白質相互作用對的基礎上，進一步分析了NCBI中最新下載的2000余萬條PubMed數據，構建了蛋白質相互作用網絡。
　　其次，課題主要部分在于實現自動抽取蛋白質相互作用對，為了驗證自動抽取的準確率，本文使用國際評測機構提供的Biocreative-II中識別、標準化、自動抽取部分數據進行評測。在識別模塊中，準確率達到87.18％，標準化準確率達到65.84%，蛋白