R-BERT-CNN：从生物医学文献中抽取药物-靶标相互作用
计算与语言
2021-11-09 v1 人工智能
信息检索
摘要
在本研究中，我们展示了参与 BioCreative VII 挑战赛 DrugProt 任务的工作。药物-靶标相互作用（DTI）对药物发现与重定位至关重要，通常从实验文章中人工抽取。PubMed 上有超过 3200 万篇生物医学文章，从如此庞大的知识库中人工抽取 DTI 颇具挑战。为解决此问题，我们为 Track 1 提供方案，旨在抽取药物与蛋白质实体间的 10 类相互作用。我们应用了一种将 BioMed-RoBERTa（一种最先进的语言模型）与卷积神经网络（CNN）相结合的集成分类器模型来抽取这些关系。尽管 BioCreative VII DrugProt 测试语料存在类别不平衡，我们的模型相较于挑战赛中其他提交的平均水平取得了良好性能，微平均 F1 分数为 55.67%（在 BioCreative VI ChemProt 测试语料上为 63%）。结果显示了深度学习在抽取各类 DTI 上的潜力。
引用
@article{arxiv.2111.00611,
title = {R-BERT-CNN: Drug-target interactions extraction from biomedical literature},
author = {Jehad Aldahdooh and Ziaurrehman Tanoli and Jing Tang},
journal= {arXiv preprint arXiv:2111.00611},
year = {2021}
}