MộT Số TÀI NGUYÊN CHO NHẬN DẠNG THỰC THể Y SINH

Chia sẻ: Bluesky_12 Bluesky_12 | Ngày: | Loại File: PPT | Số trang:23

Thêm vào BST

Báo xấu

88
lượt xem 10
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Các thực thể y sinh phổ biến: DNA, RNA, Cell line, Cell type, Gene…  Disease (bệnh), Symptom (triệu chứng), Virus, Atom… = Kiểu hình(Phenotype), Gene, Bệnh (Disease) , Hóa chất (Chemical)  Protein,

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: MộT Số TÀI NGUYÊN CHO NHẬN DẠNG THỰC THể Y SINH

MộT Số TÀI NGUYÊN CHO NHậN DạNG THựC THể Y SINH TRẦN MAI VŨ
NỘI DUNG Thực thể y sinh  Một số kho dữ liệu về y sinh  Một số công cụ nhận diện thực thể y sinh  Kế hoạch tiếp theo 
Thực thể y sinh 3 Các thực thể y sinh phổ biến:  Protein, DNA, RNA, Cell line, Cell type,  Gene…  Disease (bệnh), Symptom (triệu chứng), Virus, Atom… => Kiểu hình(Phenotype), Gene, Bệnh (Disease) , Hóa chất (Chemical)
Thách thức 4 Thiếu quy ước đặc tên trong sinh học  Sự đa dạng trong thuật ngữ:  Dùng từ tiếng Anh: Vd: light, map, complement,…tên gene  Sử dụng số: Vd: 9-cis retinoic acid  Sử dụng các ký tự và mã: M(2)201  Sự lồng nhau giữa các tên:  Vd: “[leukaemic[T [cell line]] Kit225]”  Sự phối hợp: “B and T cells”  Sự đồng âm  Tính đa nghĩa  Nhiều biến thể của một tên:  Vd: “-150 CD28 response element (CD28RE)/AP-1 site” cũng  là “-150 CD28RE/AP-1 site”.
Phenotype Entity 5 Kiểu hình(Phenotype):  Đặc tính ấn định bởi di truyền có thể quan  sát được của một tế bào hoặc sinh vật [1] Tổ hợp của các đặc điểm quan sát được hoặc  những đặc điểm của một sinh vật: như hình thái, sự phát triển, đặc tính sinh hóa hoặc sinh lý, vật hậu học (phenology), hành vi, và các sản phẩm của hành vi (chẳng hạn như tổ của một con chim).[2] Ví dụ: 4-5 finger syndactyly  [1]. Strachan, T., Read, A.: Human Molecular Genetics, 3rd edn. Garland Science/Taylor & Francis Group (2003) [2]. http://en.wikipedia.org/wiki/Phenotype
Pubmed 6 PubMed Central (Trung tâm lưu trữ báo  điện tử về y sinh và khoa học đời sống của Viện Y học quốc gia Mỹ) PubMed cung cấp quyền truy cập miễn phí  tới CSDL Medline. MEDLINE: là csdl thư mục hàng đầu của thư viện y khoa quốc gia Hoa Kỳ, gồm: - 4.800 nhan đề tạp chí về y khoa - 19 triệu tham chiếu (references) lưu trữ từ đầu thập niên 50’ đến nay.
Pubmed
MeSH MeSH(Medical Subject Heading): Tiêu đề  y khoa là tập các từ vựng dùng để phân loại các bài báo trong Medline. Các từ vựng này được mô tả theo cấu trúc cây. Ví dụ:  21,973 mô tả  Hàng nghìn tham chiếu chéo 
UMLS UMLS(Unified Medical Language  System): bao gồm các cụm khái niệm y học cùng nghĩa(đồng nghĩa, biến thể của từ, từ trong các ngôn ngữ, từ viết tắt) Hơn 1.5 triệu từ tiếng Anh  nằm trong hơn 60 nhóm và được tổ chức trong 775 nghìn khái niệm
MedTag L. Smith và cộng sự. MedTag là CSDL kết  hợp của 3 bộ MedPost: 6700 câu đã gắn nhãn từ loại  (POSTagger chính xác 97.4%) GENETAG: 15000 câu đã gắn nhãn Gene và  Protein. ABGene: 4000 câu đã gắn nhãn Gene và  Protein
GENIA 11 Junichi Tsujii (University of Tokyo)  Genia Corpus   44 nhãn thực thể Genia Ontology  Genia Tools   GENIA Sentence Splitter: Tách câu (mô hình ME)  GENIA Tagger: PosTag, NER, Shallow parsing
CALBC Corpora CALBC (Collaborative Annotation of a  Large Biomedical Corpus) Challenge task A: Named Entity Recognition Challenge task B: Concept identification
CALBC Corpora CALBC-SSC-III-Small:  174,999 Medline abstracts,  2,548,900 annotations CALBC-SSC-III-Big:  714,283 Medline abstracts,  10,304,172 annotations 16 nhãn ngữ nghĩa và 133 nhãn con tương ứng UMLS
Human Phenotype Ontology Là ontology về các kiểu hình trên người,  phát triển dựa trên các thông tin từ kho dữ liệu OMIM (Online Mendelian Inheritance in Man) Gần 10 nghìn từ về kiểu hình trên người  Gần 50 nghìn chú thích về sự di truyền  bệnh
Một số Corpora khác
B. Settles (2004). Biomedical Named Entity Recognition Using Conditional Random Fields and Rich F . In Proceedings of the International Joint Workshop on Natural Language Processing in ABNER Biomedicine and its Applications (NLPBA), Geneva, Switzerland, pages 104-107. Tác giả Burr Settles  http://pages.cs.wisc.edu/~bsettles/abner/ (Java)  Sử dụng mô hình CRF(Mallet) và 2 loại đặc trưng  chính: Chính tả: viết hoa, chữ số,…   Ngữ nghĩa: Thêm đặc trưng lớp ngữ nghĩa của từ Ví dụ:
Leaman, R. & Gonzalez G. (2008) BANNER: An executable survey of advances in biomedical named entity recog . Pacific Symposium on Biocomputing 13:652-663(2008) Banner Tác giả Bob Leaman và Graciela Gonzalez  http://banner.sourceforge.net/ (Java)  Sử dụng mô hình CRF  Sử dụng thêm đặc trưng phân tích cú pháp ở mức sâu 
Banner
Các loại đặc trưng 20 S SVM sh Dạng tự sy Nhãn cú pháp H HMM gn Chuỗi gene tr Luật C CRF wv Biến thể của từ ab Viết tắt M MEMM ln Độ dài từ ca Các thực thể khác lx Từ vựng gz Tra từ điển do Thông tin tài liệu af Các thông tin liên quan (ngram) po Nhãn từ loại pa Dấu ngoặc or Chính tả np Nhãn cụm danh từ pr Sử dụng các nhãn đã dữ đoán