曾堅(jiān)陽(yáng)研究組提出從大規(guī)?？茖W(xué)文獻(xiàn)中提取生物醫(yī)學(xué)實(shí)體關(guān)系的新型深度學(xué)習(xí)模型
曾堅(jiān)陽(yáng)研究組提出從大規(guī)模科學(xué)文獻(xiàn)中提取生物醫(yī)學(xué)實(shí)體關(guān)系的新型深度學(xué)習(xí)模型
2020年06月09日 瀏覽次數(shù): 0
? ? ? 近日，清華大學(xué)交叉信息院曾堅(jiān)陽(yáng)研究組成功開(kāi)發(fā)了從大規(guī)?？茖W(xué)文獻(xiàn)中提取生物醫(yī)學(xué)實(shí)體關(guān)系的深度學(xué)習(xí)模型，相關(guān)研究成果《A novel machine learning framework for automated biomedical relation extraction from large-scale literature repositories》于6月8日在《Nature Machine Intelligence》上在線發(fā)表。
? ? ? ?理解藥物、靶點(diǎn)、病毒、副作用等等生物醫(yī)學(xué)實(shí)體之間的相互作用規(guī)律，是生物醫(yī)學(xué)研究者們長(zhǎng)期以來(lái)致力于探索和研究的問(wèn)題，關(guān)于這些作用規(guī)律的研究成果廣泛分布在超過(guò)3千萬(wàn)篇的科研文獻(xiàn)當(dāng)中，且文獻(xiàn)的數(shù)量還在不斷增加。目前，大多數(shù)知名的生物醫(yī)學(xué)數(shù)據(jù)庫(kù)，例如DrugBank、CTD、SIDER和BioGRID，都是由人類(lèi)科學(xué)家花費(fèi)大量的時(shí)間和精力從科學(xué)文獻(xiàn)中整理而來(lái)的。雖然深度學(xué)習(xí)技術(shù)可以被用來(lái)加速這一過(guò)程，但在生物醫(yī)學(xué)這種專(zhuān)業(yè)性領(lǐng)域，大規(guī)模的訓(xùn)練數(shù)據(jù)卻并非能夠輕易得到。為了解決這一問(wèn)題，來(lái)自清華大學(xué)的曾堅(jiān)陽(yáng)研究團(tuán)隊(duì)采用了一種基于遠(yuǎn)監(jiān)督的深度學(xué)習(xí)策略，使得模型能夠在不依賴(lài)于人工標(biāo)注數(shù)據(jù)的情況下應(yīng)用到各種生物醫(yī)學(xué)關(guān)系抽取場(chǎng)景當(dāng)中。此外，作者所提出的集成了隱式句法樹(shù)學(xué)習(xí)和注意力機(jī)制的模型，在多項(xiàng)生物醫(yī)學(xué)關(guān)系抽取任務(wù)當(dāng)中，都取得了領(lǐng)先的實(shí)驗(yàn)結(jié)果。這項(xiàng)研究成果表明，這種新型的機(jī)器學(xué)習(xí)框架能夠?yàn)樯镝t(yī)學(xué)關(guān)系發(fā)現(xiàn)提供有力的幫助。目前，該工作已被應(yīng)用到一項(xiàng)旨在從已有的老藥中發(fā)現(xiàn)治療COVID-19的潛在藥物的工作當(dāng)中，相關(guān)的研究成果已發(fā)布在生物預(yù)印本網(wǎng)站bioRxiv上。（https://www.biorxiv.org/content/10.1101/2020.03.11.986836v1）。
? ? ? ?目前，曾堅(jiān)陽(yáng)研究組所提出的生物醫(yī)學(xué)關(guān)系自動(dòng)抽取框架已成功應(yīng)用到多個(gè)生物醫(yī)學(xué)場(chǎng)景當(dāng)中，包括：
? ? ? 1.? 通過(guò)抽取出的提示性信息指導(dǎo)了若干濕實(shí)驗(yàn)驗(yàn)證，從而確認(rèn)了新的藥物-靶點(diǎn)作用關(guān)系。
? ? ? 2.? 在一項(xiàng)針對(duì)新冠肺炎的老藥新用研發(fā)任務(wù)中，該關(guān)系抽取模型被應(yīng)用到一個(gè)回顧性研究當(dāng)中，即通過(guò)查找文獻(xiàn)支持來(lái)驗(yàn)證針對(duì)SARS或MERS的老藥新用策略的可行性，從而間接證明該老藥新用策略針對(duì)COVID-19的有效性。
? ? ? 3.? ?針對(duì)更多的生物實(shí)體間的作用關(guān)系抽取，如病毒-宿主、藥物-副作用間的關(guān)系抽取，該框架已在初步實(shí)驗(yàn)中驗(yàn)證了其有效性。
圖：生物醫(yī)學(xué)實(shí)體關(guān)系抽取的流程圖
?
? ? ? ?該論文通訊作者為清華大學(xué)交叉信息院曾堅(jiān)陽(yáng)副教授和趙誕助理研究員，第一作者為清華大學(xué)交叉信息研究院碩士生洪禮翔。該研究由國(guó)家自然科學(xué)基金、南京圖靈人工智能研究院和中關(guān)村海華前沿信息技術(shù)研究院支持。
論文原文鏈接：https://www.nature.com/articles/s42256-020-0189-y
版權(quán)與免責(zé)聲明：本網(wǎng)頁(yè)的內(nèi)容由收集互聯(lián)網(wǎng)上公開(kāi)發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點(diǎn)或證實(shí)其真實(shí)性，也不構(gòu)成其他建議。僅提供交流平臺(tái)，不為其版權(quán)負(fù)責(zé)。如涉及侵權(quán)，請(qǐng)聯(lián)系我們及時(shí)修改或刪除。郵箱：sales@allpeptide.com