使用Bio-LDA在近期PubMed文章中寻找复杂生物学关系
定量方法
2011-03-29 v1
摘要
生命科学领域学术文献的庞大数量给希望跟上与其研究相关重要进展的科学家带来了重大挑战，但也为发现关于基因、疾病、化合物及其相互作用的最新信息提供了有用资源。本文描述了一种名为Bio-LDA的算法，该算法使用提取的生物学术语自动识别潜在主题，并提供多种度量来揭示主题与生物术语之间的假定关系。通过这些方法识别出的关系与生命科学数据集中的现有数据相结合，以提供额外的见解。三个案例研究展示了Bio-LDA模型的实用性，包括关联预测、关联搜索和连接图谱生成。这种组合方法为生物学许多领域的知识发现提供了新机遇，包括靶点识别、先导化合物跳跃和药物重定位。
引用
@article{arxiv.1103.5181,
title = {Finding Complex Biological Relationships in Recent PubMed Articles Using Bio-LDA},
author = {Huijun Wang and Ying Ding and Jie Tang and Xiao Dong and Bing He and Judy Qiu and David J. Wild},
journal= {arXiv preprint arXiv:1103.5181},
year = {2011}
}
备注
14 pages, 8 figures, 10 tables