面向生物医学文献的数据挖掘平台

技术成果简介

将计算机自然语言处理方法和生物本体学方法结合起来，发展一套面向生物医学文献的数据挖掘技术，建立了一个文献挖掘平台。该平台可以对生物医学文献进行数据挖掘，发现隐含在文献中的生物学实体及其联系，发现深层次的生物医学知识，自动获取大量的第一手生物医学数据。例如，挖掘与人类基因相关的信息，挖掘蛋白质相关信息，发现基因的功能，发现基因与疾病之间，发现蛋白质之间的相互作用等。
对于一组给定的文献，该平台首先进行句法分析和生物学术语标定，然后进行语义分析，提炼每条语句的生物学含义，提取文献中的生物医学关联特性，以发现文献中的基因、蛋白质、疾病以及它们的关系。
利用该平台，我们分析1万篇生物医学文献，重点挖掘其中的基因相关信息，包括基因的功能、基因与疾病的关系、基因之间的相互作用等，并由此建立了一个基因与疾病关系数据库GDRM。该数据库将不同文献的精华集成在一个数据库中，提供基因及疾病相关信息查询，并可以进行深层次基因相关信息发掘。