一种面向基因与疾病关系的文本挖掘方法 - 东南大学学报.pdf

第４０卷第３期 东南大学学报（自然科 学版 ） Ｖｏｌ．４０ Ｎｏ．３ 　 ２０１０年５月 ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ｍａｙ２０１０ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－０５０５．２０１０．０３．０１０ 一种面向基因与疾病关系的文本挖掘方法 １，２ １ １ １ １ 龚乐君 　 韦有兵　谢建明　 袁志栋　 孙　啸 １ （东南大学生物电子学国家重点实验室，南京２１００９６） ２ （淮阴工学院计算机工程学院，淮安２２３００３） 摘要：结合模式匹配、生物医学本体及共现技术，设计了一种自动抽取基因与疾病、基因与基因 之间关系的文本挖掘方法，并开发了一个可以处理海量文本数据的系统．该系统可抽取与疾病相 关的基因实体，挖掘基因与疾病、基因与基因之间的关系，衡量基因与疾病实体的相关性，并为分 析基因与疾病、基因与基因之间的关系提供了网络可视化工具．实验结果表明，系统在测试数据 集上抽取基因与疾病之间的关系可获得８３．０％的综合测评率，抽取基因与基因之间的关系可获 得７８５％的综合测评率．该系统已成功应用于乳腺癌及相关基因的研究． 关键词：生物医学；文本挖掘；关系抽取；实体识别 中图分类号：ＴＰ３９１　　文献标志码：Ａ　　文章编号：１００１－０５０５（２０１０）０３０４８６０５ Ｔｅｘｔｍｉｎｉｎｇａｐｐｒｏａｃｈｆｏｒｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎｇｅｎｅｓａｎｄｄｉｓｅａｓｅｓ １，２ １ １ １ １ ＧｏｎｇＬｅｊｕｎ 　 ＷｅｉＹｏｕｂｉｎｇ　 ＸｉｅＪｉａｎｍｉｎｇ　 ＹｕａｎＺｈｉｄｏｎｇ　ＳｕｎＸｉａｏ １ （ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＢｉｏｅｌｅｃｔｒｏｎｉｃｓ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ） ２ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｉｙｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｕａｉａｎ２２３００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｔｅｘｔｍｉｎｉｎｇａｐｐｒｏａｃｈｉｓｄｅｓｉｇｎｅｄｆｏｒａｕｔｏｍａｔｉｃａｌｌｙｅｘｔｒａｃｔｉｎｇｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎ ｇｅｎｅｓａｎｄｄｉｓｅａｓｅｓａｎｄｔｈｏｓｅｂｅｔｗｅｅｎｇｅｎｅｓａｎｄｇｅｎｅｓｂｙｃｏｍｂｉｎｉｎｇｐａｔｔｅｒｎｍａｔｃｈａｎｄｂｉｏｍｅｄｉｃａｌ ｏｎｔｏｌｏｇｙｗｉｔｈｃｏｏｃｃｕｒｒｅｎｃｅｔｅｃｈｎｉｑｕｅｓ．Ａｎｄａｓｙｓｔｅｍｉｓｄｅｖｅｌｏｐｅｄｆｏｒｐｒｏｃｅｓｓｉｎｇｌａｒｇｅｓｃａｌｅｔｅｘｔ ｄａｔａｓｅｔｓ．Ｔｈｅｓｙｓｔｅｍｃａｎｅｘｔｒａｃｔｇｅｎｅｅｎｔｉｔｉｅｓｒｅｌａｔｅｄｔｏｄｉｓｅａｓｅｓ，ｍｉｎｅｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎ ｇｅｎｅｓａｎｄｄｉｓｅａｓｅｓａｎｄｔｈｏｓｅｂｅｔｗｅｅｎｇｅｎｅｓａｎｄｇｅｎｅｓ，ａｎｄｒａｎｋｔｈｅｒｅｌｅｖａｎｃｅｏｆｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎｇｅｎｅｓａｎｄｄｉｓｅａｓｅｓ．Ｍｏｒｅｏｖｅｒ，ｎｅｔｗｏｒｋｖｉｓｕａｌｉｚａｔｉｏｎｔｏｏｌｓａｒｅｐｒｏｖｉｄｅｄｆｏｒａｎａｌｙｚｉｎｇｔｈｅｒｅ ｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎｇｅｎｅｓａｎｄｄｉｓｅａｓｅｓａｎｄｔｈｏｓｅｂｅｔｗｅｅｎｇｅｎｅｓａｎｄｇｅｎｅｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓ ｓｈｏｗａｎＦｓｃｏｒｅ