利用从生物医学文献生成的膳食补充剂知识图谱发现新型药物-补充剂相互作用
摘要
目的：利用现有的生物医学自然语言处理工具和膳食补充剂（DS）领域术语，构建一个包含膳食补充剂信息的新颖且全面的知识图谱，用于发现膳食补充剂与药物之间或药物-补充剂相互作用（DSI）的相互作用。材料与方法：我们创建了 SemRepDS（SemRep 的扩展），能够通过利用包含 28,884 个 UMLS 中未收录的 DS 术语的 DS 专用术语表（iDISK）从摘要中提取语义关系。使用 SemRepDS 处理 PubMed 摘要以生成语义关系，随后使用基于 PubMedBERT 的模型进行过滤以去除错误关系，再生成我们的知识图谱（SuppKG）。采用两条通路来识别潜在的药物-补充剂相互作用，并由医学专业人员对其机制合理性进行评估。结果：对比分析发现，SemRepDS 比 SemRep 多返回 206.9% 的 DS 关系和 158.5% 的 DS 实体。微调后的 BERT 模型获得了 0.8605 的 F1 分数，去除了 43.86% 的关系，与过滤前相比将关系的精确率提高了 26.4%。SuppKG 包含 2,928 个 DS 专用节点。对发现的手动审查确定 44 条（88%）提出的 DS-基因-药物通路和 32 条（64%）提出的 DS-基因1-功能-基因2-药物通路在机制上合理。讨论：使用 SemRepDS 提取的额外关系生成了 SuppKG，该图谱被用于发现当前文献中未记载的 plausible DSI。由于 SuppKG 的性质，若不使用扩展的 DS 术语表，这些相互作用不太可能通过 SemRep 发现。结论：我们成功扩展了 SemRep 以纳入 DS 信息并生成 SuppKG，可用于发现潜在的药物-补充剂相互作用。
引用
@article{arxiv.2106.12741,
title = {Discovering novel drug-supplement interactions using a dietary supplements knowledge graph generated from the biomedical literature},
author = {Dalton Schutte and Jake Vasilakes and Anu Bompelli and Yuqi Zhou and Marcelo Fiszman and Hua Xu and Halil Kilicoglu and Jeffrey R. Bishop and Terrence Adam and Rui Zhang},
journal= {arXiv preprint arXiv:2106.12741},
year = {2021}
}
备注
14 pages, 4 tables, 1 figure