PubMed 摘要中基因/蛋白质相互作用的全局映射：一个框架及基于 P53 相互作用的实验
分子网络
2022-04-25 v1 机器学习
社会与信息网络
应用统计
摘要
基因/蛋白质相互作用为深入理解细胞过程提供了关键信息。近来，构建与分析全基因组基因网络已引起相当的关注与投入。庞大的生物医学文献是基因/蛋白质相互作用信息的重要来源。文本挖掘工具的最新进展使得从自由文本文献中自动提取此类已记载的相互作用成为可能。本文提出一个综合框架，基于使用文本挖掘工具从生物医学文献库中提取的基因/蛋白质相互作用，构建并分析大规模基因功能网络。我们提出的框架由网络拓扑分析、网络拓扑—基因功能关系分析以及时间网络演化分析组成，以提炼文献中基因功能相互作用所蕴含的有价值信息。我们以 P53 相关的 PubMed 摘要测试集演示该框架的应用，表明基于文献的 P53 网络呈现小世界与无标度特性。我们还发现，基于文献的网络中高度数基因有较高概率出现在人工策展数据库中，且同一通路中的基因倾向于在我们的文献网络中形成局部簇。时间分析显示，与众多其他基因相互作用的基因往往涉及大量新发现的相互作用。
引用
@article{arxiv.2204.10476,
title = {Global Mapping of Gene/Protein Interactions in PubMed Abstracts: A Framework and an Experiment with P53 Interactions},
author = {Xin Li and Hsinchun Chen and Zan Huang and Hua Su and Jesse D. Martinez},
journal= {arXiv preprint arXiv:2204.10476},
year = {2022}
}