Knowledge4COVID-19：一种基于语义的方法，用于从多源构建COVID-19相关知识图谱并分析治疗毒性
数据库
2022-10-10 v2
摘要
在本文中，我们提出Knowledge4COVID-19，一个旨在展示整合异构知识源以发现由COVID-19治疗药物与既有疾病用药之间药物相互作用所引起的不良药物效应的框架。最初，我们侧重于使用RDF Mapping Language从映射规则的声明式定义构建Knowledge4COVID-19知识图谱（KG）。由于关于药物治疗、药物相互作用和副作用的宝贵信息存在于科学数据库（如DrugBank）或科学文献（如CORD-19，Covid-19 Open Research Dataset）的文本描述中，Knowledge4COVID-19框架实现了自然语言处理（Natural Language Processing）。Knowledge4COVID-19框架提取相关实体与谓词，从而能够对COVID-19治疗以及当这些治疗与常见合并症（如高血压、糖尿病或哮喘）的治疗联用时可能潜在的不良事件进行细粒度描述。此外，在KG之上，开发了多种用于发现和预测药物相互作用及潜在药物不良效应的技术，以期提出更精准的抗病毒治疗策略。我们提供遍历KG并可视化一组药物对治疗结果可能产生影响的服务。Knowledge4COVID-19曾作为2020年4月泛欧黑客松#EUvsVirus的一部分，并作为资源通过GitHub仓库（https://github.com/SDM-TIB/Knowledge4COVID-19）和DOI（https://zenodo.org/record/4701817#.YH336-8zbol）公开可用。
引用
@article{arxiv.2206.07375,
title = {Knowledge4COVID-19: A Semantic-based Approach for Constructing a COVID-19 related Knowledge Graph from Various Sources and Analysing Treatments' Toxicities},
author = {Ahmad Sakor and Samaneh Jozashoori and Emetis Niazmand and Ariam Rivas and Kostantinos Bougiatiotis and Fotis Aisopos and Enrique Iglesias and Philipp D. Rohde and Trupti Padiya and Anastasia Krithara and Georgios Paliouras and Maria-Esther Vidal},
journal= {arXiv preprint arXiv:2206.07375},
year = {2022}
}