抗体监测：从文献中文本挖掘抗体特异性

抗体是广泛用于检测蛋白质及其他抗原表达的试剂。然而，当抗体不能特异性结合其供应商所设计靶向的蛋白质时，它们可能并不总是可靠地产生结果，从而导致不可靠的研究结果。尽管已提出许多方案来应对抗体特异性问题，但要覆盖研究人员可用的数百万种抗体仍然具有挑战性。在本研究中，我们探讨了通过提取文献中报道的关于抗体特异性的陈述，自动向问题抗体使用者生成警报的可行性。提取的警报可用于构建包含问题抗体支持性陈述的“抗体监测（Antibody Watch）”知识库。我们开发了一个深度神经网络系统，并使用报道了抗体使用的两千余篇文献语料库测试了其性能。我们将该问题划分为两个任务。给定一篇输入文章，第一个任务是识别关于抗体特异性的片段，并分类这些片段是否报告了任何抗体表现出非特异性，从而存在问题。第二个任务是将这些片段中的每一个链接到片段中提到的一种或多种抗体。实验评估表明，我们的系统可以准确地执行分类和链接任务，加权 F 值分别超过 0.925 和 0.923，在合并完成联合任务时总体为 0.914。我们利用研究资源标识符（RRID）精确识别与提取的特异性片段相关联的抗体。结果表明，通过文本挖掘构建关于问题抗体的可靠知识库是可行的。