蛋白質(zhì)相互作用文獻(xiàn)挖掘方法、注釋體系及挖掘平臺研究.pdf

1、蛋白質(zhì)相互作用（Protein-Protein Interaction, PPI）是細(xì)胞中一類極其重要的生物分子活動，這類活動參與細(xì)胞生命周期各個(gè)生物學(xué)過程。對其研究不僅有助于我們認(rèn)識生命活動更深的層次，同時(shí)對臨床疾病的診斷和治療也具有重要意義。隨著生命科學(xué)研究的發(fā)展，研究成果文獻(xiàn)也日益增多。這些文獻(xiàn)中含有大量的PPI知識以及PPI最新的研究發(fā)現(xiàn)。然而傳統(tǒng)的手工閱讀文獻(xiàn)方式已經(jīng)難以及時(shí)、高效地收集和整理這些信息，從而使得分子生物學(xué)家的研

2、究工作變得越發(fā)困難，成為人們面臨的一大挑戰(zhàn)。采用自動化的挖掘方法從文獻(xiàn)中獲取蛋白質(zhì)相互作用信息并進(jìn)行信息結(jié)構(gòu)化存儲和展示是解決這一難題的有效途徑。然而目前蛋白質(zhì)相互作用自動挖掘研究領(lǐng)域仍存在不少不足之處：蛋白質(zhì)相互作用關(guān)系挖掘方法性能仍需進(jìn)一步提高；缺乏合理的描述蛋白質(zhì)相互作用的注釋體系，限制了蛋白質(zhì)相互作用重要功能注釋信息的深入挖掘；缺少滿足批量化數(shù)據(jù)處理需求的蛋白質(zhì)相互作用輔助挖掘平臺以及對文獻(xiàn)挖掘結(jié)果進(jìn)行結(jié)構(gòu)化存儲和展示的蛋白質(zhì)相

3、互作用知識庫等等。針對這一系列問題，我們提出本課題研究目標(biāo)：在蛋白質(zhì)相互作用關(guān)系挖掘方法提升基礎(chǔ)上，進(jìn)一步構(gòu)建蛋白質(zhì)相互作用本體用于挖掘蛋白質(zhì)相互作用注釋信息；同時(shí)，基于建立的蛋白質(zhì)相互作用挖掘方法開發(fā)適合當(dāng)前需求的蛋白質(zhì)相互作用挖掘平臺，設(shè)計(jì)適合存儲和展示文獻(xiàn)挖掘結(jié)果的蛋白質(zhì)相互作用知識庫。
　　首先，我們建立了對文獻(xiàn)數(shù)據(jù)進(jìn)行蛋白質(zhì)相互作用關(guān)系挖掘的支持向量機(jī)（Support Vector Machines, SVM）方法。該方

4、法整合四種有效句子特征，即關(guān)鍵詞特征、詞性特征、邏輯特征以及依存句法特征，并對這些特征進(jìn)行組合優(yōu)化研究。在LLL05測試語料上，基于SVM方法取得了準(zhǔn)確率為81.8％，召回率為96.4%和F值為88.5%的良好效果。方法的效果優(yōu)于當(dāng)前在同一測試集上最好方法。
　　然后，我們構(gòu)建了蛋白質(zhì)相互作用功能注釋體系——蛋白質(zhì)相互作用本體（PPI Ontology）。為了更好地挖掘蛋白質(zhì)相互作用注釋信息，我們從蛋白質(zhì)相互作用本質(zhì)——生物分子事

5、件的角度出發(fā)，提出蛋白質(zhì)相互作用本體框架，包含蛋白質(zhì)相互作用發(fā)生時(shí)間、地點(diǎn)、發(fā)生方式、結(jié)果以及證據(jù)等方面信息。通過這個(gè)框架明確了蛋白質(zhì)相互作用信息的范疇，通過重用現(xiàn)有相關(guān)本體以及重新構(gòu)建蛋白質(zhì)相互相互作用類型本體，整合得到了包括相互作用參與者的角色及狀態(tài)、生物學(xué)過程、亞細(xì)胞定位、相互作用類型、生物學(xué)功能以及檢測方法六個(gè)部分在內(nèi)的蛋白質(zhì)相互作用本體。該本體在BC-PPI測試語料集以及人類肝臟相關(guān)文獻(xiàn)蛋白質(zhì)相互作用注釋信息挖掘應(yīng)用上取得了較

6、好效果。
　　進(jìn)一步，我們在構(gòu)建的蛋白質(zhì)相互作用挖掘方法基礎(chǔ)上，開發(fā)了蛋白質(zhì)相互作用文獻(xiàn)挖掘平臺（PPICurator）。該平臺考慮了當(dāng)前批量化文獻(xiàn)及蛋白質(zhì)數(shù)據(jù)處理的需求。同時(shí)，用戶可以在文獻(xiàn)檢索及蛋白質(zhì)相互作用挖掘結(jié)果階段進(jìn)行數(shù)據(jù)篩選。平臺還具有對蛋白質(zhì)相互作用挖掘結(jié)果進(jìn)行導(dǎo)出和可視化等功能。該系統(tǒng)可以有效提高研究人員挖掘領(lǐng)域相關(guān)文獻(xiàn)的蛋白質(zhì)相互作用信息的速度。
　　最后，我們設(shè)計(jì)并實(shí)現(xiàn)了用于存儲從文獻(xiàn)挖掘得到的蛋白質(zhì)相互

7、作用數(shù)據(jù)的知識庫系統(tǒng)（dbPPII）。該系統(tǒng)采用瀏覽器/服務(wù)器（B/S）架構(gòu)，能為用戶提供基于本體概念名稱、蛋白質(zhì)名稱和蛋白質(zhì)名稱對三種方式來查詢和獲取蛋白質(zhì)相互作用信息。同時(shí)本體的層次結(jié)構(gòu)可以直觀展示蛋白質(zhì)相互作用的功能分布，具有導(dǎo)航和瀏覽作用，為用戶查找相應(yīng)功能蛋白質(zhì)相互作用提供了垂直、便捷的方式。
　　綜上所述，本研究工作有以下幾點(diǎn)創(chuàng)新之處：
　　（1）基于SVM模型探索了關(guān)鍵詞特征、詞性特征、邏輯特征以及依存句法特征

8、多個(gè)有效的學(xué)習(xí)特征在蛋白質(zhì)相互作用關(guān)系挖掘中的不同作用效果，并最終獲得了這些特征的最優(yōu)組合，是目前在同一測試數(shù)據(jù)集上的最好方法。
　?。?）新的蛋白質(zhì)相互作用注釋體系的構(gòu)建。該體系首次從生物分子事件的角度描述蛋白質(zhì)相互作用，建立蛋白質(zhì)相互作用本體，更符合蛋白質(zhì)相互作用知識表示以及適用于文獻(xiàn)挖掘任務(wù)。在相互作用注釋信息挖掘任務(wù)中取得了較好的效果。
　?。?）基于研發(fā)的SVM蛋白質(zhì)相互作用挖掘方法搭建全新的蛋白質(zhì)相互作用挖掘平臺