מדוע דירוג מספרי של קשרי ישות-קטגוריה חשוב עבור תיקוף מטרה?

המרה של קישורי ישות-קטגוריה לציוני CaseOLAP מספריים מאפשרת הערכה אובייקטיבית וניתנת לשחזור של קשרי מטרה-מחלה, ובכך מפחיתה את ההסתמכות על סקירת ספרות סובייקטיבית. דבר זה תומך בבחינת השערות באמצעות מדדים כמותיים שניתן לעקוב אחריהם לאורך פרויקטים וצוותים שונים. הציון משלב שלמות, פופולריות וייחודיות כדי לשקף את החוזק והספציפיות של הקשרים.

כיצד בידוד של משתנים בלתי תלויים (ישויות וקטגוריות) משפר את יעילות צינור התגליות?

על ידי מתן אפשרות למשתמשים להגדיר ישויות ספציפיות (למשל, חלבונים, גנים) וקטגוריות (למשל, מחלות באמצעות MeSH), הפרוטוקול מבודד משתנים רלוונטיים לצורך ניתוח ממוקד. דבר זה מאפשר כימות מדויק של קשרים ללא הפרעה מצד מונחים שאינם קשורים. הקלט המובנה מבטיח שחזוריות ויכולת הרחבה על פני מאגרי טקסט ביו-רפואיים גדולים.

מה מאפשרות מדידות כמותיות של המשתנה התלוי (ציוני CaseOLAP) בקבלת החלטות פרה-קליניות?

ציוני CaseOLAP מספקים קריאה מספרית של חוזק הקשר בין ישות לקטגוריה, ובכך מאפשרים השוואה בין מטרות, תנאים או נקודות זמן. ציונים אלו תומכים בתעדוף מבוסס נתונים על ידי הדגשת ישויות בעלות קשרים חזקים ועקביים לקטגוריות מחלה. ניתן לשלב את התוצאות עם קיבוץ (clustering) או PCA כדי לחשוף דפוסים חבויים בקשרים ביולוגיים.

מדוע דרישות שחזור חשובות לשיתוף פעולה בין-תפקודי בתהליכי עבודה של כריית טקסט?

הפרוטוקול מדגיש את יכולת השחזור באמצעות שלבי עיבוד מקדים, אינדוקס ודירוג סטנדרטיים, המבטיחים תוצאות עקביות בעת חזרה על התהליך. קבצי פלט משותפים (למשל, metadata_pmid2pcount.json, textcube_stat.txt) מאפשרים לצוותים לתקף ממצאים ולהבססם על עבודות קודמות. אמינות זו חיונית לסנכרון בין צוותי הגילוי, האינפורמטיקה והמחקר התרגומי סביב ראיות משותפות.

אילו יכולות ניתוח סטטיסטי נדרשות לפני יישום חישוב מדד ה-CaseOLAP?

היישום דורש גישה לקבצי מטא-נתונים שחושבו מראש (metadata_pmid2pcount.json ו-metadata_cell2pmid.json) אשר נוצרו במהלך שלב עדכון המטא-נתונים. קבצים אלו משמשים כקלטים לחישוב ציון ה-online analytical processing הסמנטי מודע-ההקשר. המערכת מסתמכת גם על השלמה מוקדמת של יצירת ה-text-cube וספירת ישויות כדי להבטיח את שלמות הנתונים.

צירוף המבוסס על ענן צמתים הכרייה וניתוח של ההתאגדות הביטוי-הקטגוריה מוגדרת על-ידי המשתמש בפרסומים ביו

10.9K צפיות

צוטט 8 פעמים

09:20 דק'

23 בפברואר 2019

10.3791/59108-v

23 בפברואר 2019

10.9K צפיות

Dibakar Sigdel^*¹^,² , Vincent Kyi^*¹^,² , Aiden Zhang^*¹ , Shaun P. Setty³ , David A. Liem¹^,²^,⁴ , Yu Shi⁵ , Xuan Wang⁵ , Jiaming Shen⁵ , Wei Wang¹^,⁶^,⁷ , JiaWei Han⁵ , Peipei Ping¹^,²^,⁴^,⁶

¹The NIH BD2K Center of Excellence in Biomedical Computing, University of California, Los Angeles, ²Department of Physiology, University of California, Los Angeles, ³Department of Pediatric and Adult Congenital Heart Surgery, Miller Children's and Women's Hospital and Long Beach Memorial Hospital, ⁴Department of Medicine/Cardiology, University of California, Los Angeles, ⁵NIH BD2K Program Centers of Excellence for Big Data Computing -- KnowEng Center, Department of Computer Science, University of Illinois at Urbana-Champaign (UIUC), ⁶Scalable Analytics Institute (ScAi), University of California, Los Angeles, ⁷Department of Computer Science, University of California, Los Angeles

^* These authors contributed equally

אנו מציגים פרוטוקול ו משויך קוד תיכנות, כמו גם דגימות מטה-נתונים כדי לתמוך מזהה אוטומטי המבוסס על ענן צמתים אגודת משפטים-קטגוריה מייצגת קונספט יחודי בתחום הידע שנבחר משתמש בספרות הביו-רפואית. האגודה הביטוי-קטגוריה לכמת על ידי פרוטוקול זה יכול להקל על בניתוחי עומק בתחום הידע שנבחר.