EnzChemRED：丰富的酶化学关系抽取数据集
计算与语言
2024-04-23 v1
摘要
专家策展是捕捉酶功能知识于FAIR开放知识库中不可或缺的，但无法跟上新发现和新出版物的速度。在本工作中，我们提出EnzChemRED，即酶化学关系抽取数据集，用于支持Natural Language Processing（NLP）方法（如（大型）语言模型）的开发，这些方法可帮助酶策展。EnzChemRED包含1,210个由专家策展的PubMed摘要，其中对酶及其催化的化学反应进行注释，使用来自UniProt知识库（UniProtKB）和化学生物学兴趣本体（ChEBI）的标识符。我们表明，通过EnzChemRED微调预训练语言模型可显著提升其识别文本中蛋白质和化学品提及（命名实体识别，简称NER）和提取其参与的化学转换（关系抽取，简称RE）的能力，NER平均F1分为86.30%，化学转换对的RE为86.66%，化学转换对和链接酶的RE为83.79%。我们组合使用EnzChemRED进行微调后表现最好的方法，创建一个从文本中提取知识的端到端管道，并应用于PubMed规模的摘要，以创建酶功能文献图的草案，以指导UniProtKB和反应知识库Rhea中的策展工作。EnzChemRED语料库可在https://ftp.expasy.org/databases/rhea/nlp/免费获取。
引用
@article{arxiv.2404.14209,
title = {EnzChemRED, a rich enzyme chemistry relation extraction dataset},
author = {Po-Ting Lai and Elisabeth Coudert and Lucila Aimo and Kristian Axelsen and Lionel Breuza and Edouard de Castro and Marc Feuermann and Anne Morgat and Lucille Pourcel and Ivo Pedruzzi and Sylvain Poux and Nicole Redaschi and Catherine Rivoire and Anastasia Sveshnikova and Chih-Hsuan Wei and Robert Leaman and Ling Luo and Zhiyong Lu and Alan Bridge},
journal= {arXiv preprint arXiv:2404.14209},
year = {2024}
}