Artykuł metodologiczny

Podejście oparte na grafie wiedzy w celu wyjaśnienia roli szlaków organellarnych w chorobie za pomocą raportów biomedycznych

2.8K wyświetleń

⸱

DOI:

10.3791/65084

⸱

13 października 2023

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Physiology, UCLA School of Medicine, 2Scalable Analytics Institute (ScAi) at Department of Computer Science, UCLA School of Engineering, 3NIH BRIDGE2AI Center at UCLA & NHLBI Integrated Cardiovascular Data Science Training Program, UCLA, 4Medical Informatics, University of California at Los Angeles (UCLA), 5Department of Medicine (Cardiology), UCLA School of Medicine

W tym artykule

Podsumowanie

Przedstawiono protokół obliczeniowy, CaseOLAP LIFT, oraz przypadek użycia do badania białek mitochondrialnych i ich powiązań z chorobami sercowo-naczyniowymi, jak opisano w raportach biomedycznych. Protokół ten można łatwo dostosować do badania wybranych przez użytkownika składników komórkowych i chorób.

Streszczenie

Szybko rosnąca i ogromna ilość raportów biomedycznych, z których każdy zawiera liczne jednostki i bogate informacje, stanowi bogate źródło dla zastosowań biomedycznych do eksploracji tekstów. Narzędzia te umożliwiają badaczom integrację, konceptualizację i przełożenie tych odkryć w celu uzyskania nowych informacji na temat patologii chorób i terapii. W tym protokole przedstawiamy CaseOLAP LIFT, nowy potok obliczeniowy do badania komponentów komórkowych i ich powiązań chorobowych poprzez wyodrębnianie wybranych przez użytkownika informacji z tekstowych zestawów danych (np. literatury biomedycznej). Oprogramowanie identyfikuje białka subkomórkowe i ich funkcjonalnych partnerów w dokumentach istotnych dla choroby. Dodatkowe dokumenty związane z chorobą są identyfikowane za pomocą metody imputacji etykiet oprogramowania. Aby nadać kontekst wynikowym powiązaniom białko-choroba i zintegrować informacje z wielu istotnych zasobów biomedycznych, automatycznie tworzony jest wykres wiedzy do dalszych analiz. Przedstawiamy jeden przypadek użycia z korpusem ~ 34 milionów dokumentów tekstowych pobranych online, aby podać przykład wyjaśnienia roli białek mitochondrialnych w różnych fenotypach chorób sercowo-naczyniowych przy użyciu tej metody. Co więcej, model głębokiego uczenia został zastosowany do wynikowego wykresu wiedzy, aby przewidzieć wcześniej nieraportowane relacje między białkami a chorobą, w wyniku czego uzyskano 1 583 powiązania z przewidywanym prawdopodobieństwem >0,90 i z obszarem pod krzywą charakterystyki operacyjnej odbiornika (AUROC) wynoszącym 0,91 na zestawie testowym. To oprogramowanie oferuje wysoce konfigurowalny i zautomatyzowany przepływ pracy, z szerokim zakresem surowych danych dostępnych do analizy; W związku z tym, korzystając z tej metody, można zidentyfikować powiązania białko-choroba ze zwiększoną wiarygodnością w korpusie tekstowym.

Wprowadzenie

Badanie białek związanych z chorobą poszerza wiedzę naukową na temat patogenezy i pomaga zidentyfikować potencjalne terapie. Kilka dużych korpusów tekstowych publikacji biomedycznych, takich jak 34 miliony artykułów PubMed zawierających tytuły publikacji, streszczenia i dokumenty pełnotekstowe, informuje o nowych odkryciach, które łączą białka z chorobami. Jednak odkrycia te są rozdrobnione w różnych źródłach i muszą zostać zintegrowane, aby uzyskać nowe informacje biomedyczne. Istnieje kilka zasobów biomedycznych, które integrują powiązania białkowo-chorobowe1,2,3,4,5,6,7. Jednak te wyselekcjonowane zasoby są często niekompletne i mogą nie obejmować najnowszych wyników badań. Podejścia oparte na eksploracji tekstu są niezbędne do wyodrębnienia i zsyntetyzowania powiązań białko-choroba w dużych korpusach tekstowych, co skutkowałoby bardziej wszechstronnym zrozumieniem tych koncepcji biomedycznych w literaturze naukowej.

Istnieje wiele podejść do eksploracji tekstu biomedycznego, które pozwalają odkryć zależności między białkami a chorobami8,9,10,11,12,13,14i inne przyczyniają się częściowo do określenia tych zależności, identyfikując białka, choroby lub inne jednostki biomedyczne wymienione w text13,15,16,17,18,19. Jednak wiele z tych narzędzi nie ma dostępu do najbardziej aktualnej literatury, z wyjątkiem kilku, które są okresowo aktualizowane8,11,13,15. Podobnie, wiele narzędzi ma również ograniczony zakres badań, ponieważ są one ograniczone do szerokich, predefiniowanych chorób lub białek9,13. Kilka podejść jest również podatnych na identyfikację fałszywych alarmów w tekście; Inni rozwiązali te problemy za pomocą interpretowalnej i globalnej czarnej listy nazw białek9,11 lub mniej interpretowalnych technik rozpoznawania jednostek nazw15,20. Podczas gdy większość zasobów przedstawia tylko wstępnie obliczone wyniki, niektóre narzędzia oferują interaktywność za pośrednictwem aplikacji internetowych lub dostępnego oprogramowania code8,9,11.

Aby rozwiązać powyższe ograniczenia, przedstawiamy następujący protokół, CaseOLAP z imputacją etykiety i pełnym tekstem (CaseOLAP LIFT), jako elastyczną i konfigurowalną platformę do badania powiązań między białkami (np. białkami związanymi z komponentem komórkowym) a chorobami z tekstowych zestawów danych. Platforma ta oferuje zautomatyzowaną selekcję białek specyficznych dla ontologii genów (GO) (np. białek specyficznych dla organelli), imputację brakujących etykiet tematów dokumentów, analizę dokumentów pełnotekstowych, a także narzędzia analityczne i predykcyjne (Rysunek 1, Rysunek 2 i Tabela 1). CaseOLAP LIFT selekcjonuje białka specyficzne dla organelli przy użyciu terminów GO dostarczonych przez użytkownika (np. przedział organelli) i funkcjonalnie powiązanych białek za pomocą STRING21, Reactome22 i GRNdb23. Dokumenty dotyczące badania choroby są identyfikowane za pomocą etykiet nagłówka tematu medycznego (MeSH) z adnotacjami PubMed. W przypadku ~15,1% dokumentów bez etykiet etykiety są przypisywane, jeśli w tytule znajduje się co najmniej jeden synonim terminu MeSH lub co najmniej dwa znajdują się w streszczeniu. Dzięki temu wcześniej nieskategoryzowane publikacje mogą zostać uwzględnione w analizie eksploracji tekstu. CaseOLAP LIFT pozwala również użytkownikowi na wybór sekcji publikacji (np. tylko tytuły i abstrakty, pełny tekst lub pełny tekst z wyłączeniem metod) w określonym przedziale czasowym (np. 2012-2022). Oprogramowanie półautomatycznie tworzy również czarną listę nazw białek dla danego przypadku użycia, co znacznie zmniejsza liczbę fałszywie dodatnich powiązań białko-choroba obecnych w innych podejściach. Ogólnie rzecz biorąc, ulepszenia te umożliwiają większe możliwości dostosowywania i automatyzacji, zwiększają ilość danych dostępnych do analizy i zapewniają bardziej pewne powiązania białko-choroba z dużych korpusów tekstu biomedycznego.

CaseOLAP LIFT zawiera wiedzę biomedyczną i reprezentuje relacje różnych koncepcji biomedycznych za pomocą grafu wiedzy, który jest wykorzystywany do przewidywania ukrytych relacji na wykresie. Ostatnio metody obliczeniowe oparte na grafach zostały zastosowane w środowiskach biologicznych, w tym w integracji i organizowaniu koncepcji biomedycznych24,25, zmiana przeznaczenia i rozwój leków26,27,28, oraz do podejmowania decyzji klinicznych na podstawie danych proteomicznych29.

Aby zademonstrować użyteczność CaseOLAP LIFT w kontekście konstruowania grafu wiedzy, przedstawiamy przypadek użycia dotyczący badania powiązań między białkami mitochondrialnymi a ośmioma kategoriami chorób sercowo-naczyniowych. Przeanalizowano dowody z ~ 362 000 dokumentów związanych z chorobą w celu zidentyfikowania najważniejszych białek mitochondrialnych i szlaków związanych z chorobami. Następnie białka te, ich funkcjonalnie powiązane białka oraz wyniki eksploracji tekstu zostały włączone do grafu wiedzy. Wykres ten został wykorzystany w analizie predykcji powiązań opartej na głębokim uczeniu się do przewidywania powiązań między białkami a chorobami, które do tej pory nie zostały zgłoszone w publikacjach biomedycznych.

Sekcja wprowadzająca opisuje podstawowe informacje i cele naszego protokołu. W poniższej sekcji opisano kroki protokołu obliczeniowego. Następnie opisano reprezentatywne wyniki tego protokołu. Na koniec pokrótce omówimy przypadki użycia protokołu obliczeniowego, zalety, wady i przyszłe zastosowania.

Protokół

1. Uruchamianie kontenera docker

  1. Pobierz kontener docker CaseOLAP LIFT, korzystając z okna terminala i wpisując docker pull caseolap/caseolap_lift:latest.
  2. Utwórz katalog, w którym będą przechowywane wszystkie dane i dane wyjściowe programu (np. mkdir caseolap_lift_shared_folder).
  3. Uruchom kontener platformy docker za pomocą polecenia docker run --name caseolap_lift -it -v PATH_TO_FOLDER:/caseolap_lift_shared_folder caseolap/caseolap_lift:latest bash z PATH_TO_FOLDER jako pełną ścieżką do pliku (np. /Users/caseolap/caseolap_lift_shared_folder). Przyszłe polecenia z sekcji 2 będą wydawane w tym oknie terminala.
  4. Rozpocznij wyszukiwanie elastyczne w kontenerze. W nowym oknie terminalu wpisz docker exec -it --user elastic caseolap_lift bash /workspace/start_elastic_search.sh.
    UWAGA: W tym protokole CaseOLAP LIFT jest uruchamiany interaktywnie, a każdy krok jest wykonywany sekwencyjnie. Analizę tę można również wykonać od początku do końca, przekazując ją jako plik parameters.txt. parameters.txt użyte w tym badaniu znajdują się w /workspace/caseolap_lift/parameters.txt. Aby uzyskać więcej informacji na temat każdego kroku, uruchom polecenie z flagą --help lub zapoznaj się z dokumentacją w repozytorium GitHub (https://github.com/CaseOLAP/caseolap_lift).

2. Przygotowanie chorób i białek

  1. Przejdź do folderu caseolap_lift za pomocą polecenia cd /workspace/caseolap_lift
  2. Upewnij się, że łącza pobierania w config/knowledge_base_links.json są aktualne i dokładne dla najnowszej wersji każdego zasobu bazy wiedzy. Domyślnie pliki są pobierane tylko raz; Aby zaktualizować te pliki i ponownie je pobrać, uruchom krok przetwarzania wstępnego za pomocą opcji -r w kroku 2.4.
  3. Określ termin GO i kategorie chorób, które mają być używane w tym badaniu. Znajdź identyfikatory wszystkich terminów GO i identyfikatorów MeSH odpowiednio w http://geneontology.org/ i https://meshb.nlm.nih.gov/.
  4. Uruchom moduł przetwarzania wstępnego przy użyciu opcji wiersza polecenia. Ten etap wstępnego przetwarzania gromadzi określone choroby, wymienia białka do zbadania i gromadzi synonimy białek do eksploracji tekstu. Wskaż zdefiniowane przez użytkownika badane terminy GO za pomocą flagi -c i numery drzewa choroby MeSH za pomocą flagi -d i określ skróty za pomocą -a.
    Przykładowe polecenie:
    python caseolap_lift.py przetwarzanie wstępne -a "CM ARR CHD VD IHD CCD VOO OTH" -d "C14.280.238,C14.280.434 C14.280.067,C23.550.073 C14.280.400 C14.280.484 C14.280.647 C14.280.123 C14.280.955 C14.280.195,C14.280.282,C14.280.383,C14.280.470,
    C14.280.945,C14.280.459,C14.280.720" -c "GO:0005739" --include-synonimy --include-ppi -k 1 -s 0.99 --include-pw -n 4 -r 0.5 --include-tfd
  5. Sprawdź pliki categories.txt, core_proteins.txt i proteins_of_interest.txt z poprzedniego kroku w folderze wyjściowym. Upewnij się, że wszystkie kategorie chorób w categories.txt są prawidłowe i że w core_proteins.txt i proteins_of_interest.txt zidentyfikowano rozsądną ilość białek. W razie potrzeby powtórz krok 2.4 i zmodyfikuj parametry tak, aby obejmowały większą lub mniejszą liczbę białek.
    UWAGA: Liczba białek uwzględnionych w badaniu jest określana przez flagi --include-ppi, --include-pw i --include-tfd, aby uwzględnić odpowiednio interakcje białko-białko, białka ze wspólnymi szlakami reaktomii i białka z zależnością od czynnika transkrypcyjnego. Ich specyficzna funkcjonalność jest określana za pomocą dodatkowych flag, takich jak -k, -s, -n i -r (zobacz dokumentację).

3. Eksploracja tekstu

  1. Upewnij się, że pliki categories.txt, core_proteins.txt i proteins_of_interest.txt z poprzedniego kroku znajdują się w folderze wyjściowym. Użyj tych plików jako danych wejściowych do eksploracji tekstu. Opcjonalnie dostosuj konfiguracje dotyczące analizowania i indeksowania dokumentów w folderze konfiguracji. Zobacz poprzednią wersję protokołu CaseOLAP, aby uzyskać więcej informacji na temat konfiguracji i rozwiązywania problemów8.
  2. Wykonaj moduł wyszukiwania tekstu za pomocą caseolap_lift.py text_mining języka Python. Dodaj flagę -l, aby przypisać tematy dokumentów bez kategorii, oraz flagę -t, aby pobrać pełny tekst dokumentów związanych z chorobą. Inne opcjonalne flagi określają zakres dat publikacji do pobrania (-d) i udostępniają opcje filtrowania nazw białek (opisane w kroku 3.3). Próbka przeanalizowanego dokumentu jest pokazana w Rysunek 3.
    Przykładowe polecenie: python caseolap_lift.py text_mining -d "2012-10-01,2022-10-01" -l -t
    UWAGA: Większość czasu protokołu obliczeniowego poświęca się na krok 3.2, który może potencjalnie trwać ponad 24 godziny. Czas wykonywania będzie zależał od rozmiaru korpusu tekstowego do pobrania, który będzie również zależał od zakresu dat i tego, czy włączone jest imputowanie etykiet i funkcja pełnotekstowa.
  3. (Zalecane) Przesiewaj nazwy białek. Nazwy białek zidentyfikowane w publikacjach związanych z chorobą przyczyniają się do powiązań z chorobami białkowymi, ale są podatne na wyniki fałszywie dodatnie (tj. homonimy z innymi słowami). Aby rozwiązać ten problem, wymień możliwe homonimy na czarnej liście (config/remove_these_synonyms.txt), aby zostały wykluczone z dalszych kroków.
    1. Znajdź nazwy do sprawdzenia: W folderze wyników znajdź nazwy białek o najwyższej częstości w obszarze all_proteins lub core_proteins (ranked_synonyms/ranked_synonyms_TOTAL.txt) oraz nazwy białek z najwyższymi wynikami w folderach w ranked_proteins w zależności od interesujących Cię wyników. Jeśli istnieje wiele nazw, nadaj priorytet inspekcji najwyżej ocenianych nazw.
    2. Sprawdź nazwy: Wpisz python caseolap_lift.py text_mining -c, a następnie nazwę białka, aby wyświetlić do 10 publikacji zawierających nazwy. Następnie dla każdej nazwy sprawdź, czy nazwa jest specyficzna dla białka.
    3. Przelicz wyniki: Wpisz python caseolap_lift.py text_mining -s. Powtarzaj kroki 3.1, 3.2 i 3.3, aż nazwy w kroku 3.1 będą poprawne.

4. Analiza wyników

  1. Upewnij się, że wyniki wyszukiwania tekstu znajdują się w folderze wyników (np. katalogi wynik/all_proteins i wynik/core_proteins oraz powiązane pliki), który będzie używany jako dane wejściowe dla kroku analizy. W szczególności wynik wskazujący na siłę każdego związku białko-choroba jest podawany w caseolap.csv wynikach eksploracji tekstu. Wskaż, który zestaw wyników wyszukiwania tekstu ma zostać użyty do analizy, określając --analyze_core_proteins , aby uwzględnić tylko białka związane z GO, lub --analyze_all_proteins , aby uwzględnić wszystkie funkcjonalnie powiązane białka.
  2. Zidentyfikuj najważniejsze białka i szlaki dla każdej choroby. Znaczące powiązania białko-choroba definiuje się jako te, których wyniki przekraczają określony próg. Wskaźnik Z przekształca wyniki CaseOLAP w ramach każdej kategorii choroby i traktuje białka z wynikami powyżej określonego progu (wskazywanego przez flagę -z) jako znaczące.
    UWAGA: Szlaki biologiczne istotne dla każdej choroby są identyfikowane automatycznie przy użyciu istotnych białek jako danych wejściowych do analizy szlaku reaktomowego. Wszystkie takie białka są zgłaszane w wynikowym result_table.csv w folderze analysis_results, a odpowiednie dane liczbowe i wyniki analizy ścieżki są automatycznie generowane w folderze analysis_results.
    Przykładowe polecenie: python caseolap_lift.py analyze_results -z 3.0 --analyze_core_proteins
  3. Przejrzyj wyniki analizy i dostosuj je w razie potrzeby. Liczba białek, a tym samym wzbogacone szlaki reaktomii istotne dla każdej kategorii choroby, zależą od progu z-score zastosowanego w analizie. Tabela z-score, wygenerowana na wyjściu/analysis_results/zscore_cutoff_table.csv, wskazuje liczbę białek istotnych dla każdej kategorii choroby, aby pomóc w wyborze jak najwyższego progu z-score, jednocześnie dając kilka białek istotnych dla każdej kategorii choroby.

5. Analiza predykcyjna

  1. Skonstruuj graf wiedzy.
    1. Upewnij się, że wymagane pliki znajdują się w folderze wyników, w tym w folderze kg wygenerowanym na podstawie przetwarzania wstępnego (krok 2.4) i caseolap.csv z wyników wyszukiwania tekstu w folderach all_proteins lub core_proteins (krok 3.2).
    2. Zaprojektuj wykres wiedzy. W zależności od zadania podrzędnego dołącz lub wyklucz składniki kompletnego grafu wiedzy. Graf wiedzy składa się z wyników chorób białkowych z eksploracji tekstu i połączeń z zasobami bazy wiedzy użytymi w kroku 2.4 (Rysunek 4). Uwzględnij drzewo chorób MeSH z flagą --include_mesh, interakcje białko-białko z STRING z --include_ppi, współdzielone szlaki reaktomu z --include_pw, a zależność od czynnika transkrypcyjnego z GRNdb/GTEx z --include_tfd.
    3. Uruchom moduł budowy grafu wiedzy. Wskaż, który zestaw wyników wyszukiwania tekstu ma być używany do analizy, określając --analyze_core_proteins , aby uwzględnić tylko białka związane z GO-term lub --analyze_all_proteins , aby uwzględnić wszystkie funkcjonalnie powiązane białka. Domyślnie surowe wyniki CaseOLAP są ładowane jako wagi krawędzi między węzłami białka i choroby; Aby przeskalować grubości krawędzi, wskaż --use_z_score lub nieujemne współczynniki Z za pomocą --scale_z_score.
      Przykładowe polecenie: python caseolap_lift.py prepare_knowledge_graph --scale_z_score
  2. Przewidywanie nowych powiązań między białkami a chorobami.
    1. Upewnij się, że pliki grafu wiedzy, merged_edges.tsv i merged_nodes.tsv, są danymi wyjściowymi z poprzedniego kroku (krok 5.1.3).
    2. Uruchom skrypt predykcyjny grafu wiedzy, aby przewidzieć powiązania białko-choroba, które do tej pory nie zostały zgłoszone w literaturze naukowej, wpisując python kg_analysis/run_kg_analysis.py. Jest to zaimplementowane za pomocą GraPE30 i wykorzystuje DistMult31 do tworzenia osadzonych grafów wiedzy, które wielowarstwowy perceptron wykorzystuje do przewidywania powiązań białko-choroba. W folderze output/kg_analysis zapisywane są przewidywania z przewidywanym prawdopodobieństwem >0,90 (predictions.csv) i metrykami oceny modelu (eval_results.csv).
      UWAGA: W niniejszej pracy wybrane parametry modelu (np. metoda osadzania, model predykcji linków, hiperparametry) zostały dostosowane do reprezentatywnego badania. Kod ten służy jako przykład i punkt wyjścia do innych analiz. Aby zapoznać się z parametrami modelu, zapoznaj się z dokumentacją GraPE (https://github.com/AnacletoLAB/grape).

Wyniki

Reprezentatywne wyniki uzyskano po zastosowaniu tego protokołu w celu zbadania powiązań między białkami mitochondrialnymi (Tabela 2) a ośmioma kategoriami chorób sercowo-naczyniowych (Tabela 3). W tych kategoriach znaleźliśmy 363 567 publikacji wydanych od 2012 roku do października 2022 roku (362 878 skategoryzowanych na podstawie metadanych MeSH, 6 923 skategoryzowanych poprzez imputację etykiet). Wszystkie publikacje posiadały tytuły, 276 524 posiadały streszczenia, a 51 065 posiadało dostępny pełny tekst. Ogółem z 1 687 analizowanych białek mitochondrialnych zidentyfikowano w publikacjach 584, natomiast z 8 026 analizowanych białek funkcjonalnie powiązanych zidentyfikowano 3 284. Łącznie zidentyfikowano 14 unikalnych białek z istotnymi wyników we wszystkich kategoriach chorób, przy przyjęciu progu z-score wynoszącego 3,0 (Rysunek 5). Analiza szlaków Reactome dla tych białek wykazała 12 szlaków istotnych dla wszystkich chorób (Rysunek 6). Wszystkie białka, szlaki, choroby i wyniki zostały zintegrowane w grafie wiedzy (Tabela 4). Graf wiedzy ten wykorzystano do przewidzenia 12 688 nowych powiązań białko-choroba, a następnie przefiltrowano je przy użyciu wyniku prawdopodobieństwa 0,90, co pozwoliło uzyskać 1 583 przewidywań o wysokiej pewności. Przykład dwóch powiązań białko-choroba przedstawiono na Rysunku 7, zilustrowany w kontekście innych istotnych encji biologicznych funkcjonalnie powiązanych z białkami. Metryki oceny modelu przedstawiono w Tabeli 5.

Schemat procesu powiązań między białkami a chorobami: przygotowanie, wydobywanie tekstu, analiza, analiza predykcyjna.
Rysunek 1: Dynamiczny widok schematu przepływu pracy. Rysunek ten przedstawia cztery główne etapy tego procesu. Po pierwsze, odpowiednie białka są selekcjonowane na podstawie dostarczonych przez użytkownika terminów GO (np. składników komórkowych), a kategorie chorób są przygotowywane na podstawie dostarczonych przez użytkownika identyfikatorów MeSH dla chorób. Po drugie, w etapie wydobywania tekstu (text-mining) obliczane są powiązania między białkami a chorobami. Publikacje z określonego zakresu dat są pobierane i indeksowane. Identyfikowane są publikacje dotyczące chorób (poprzez etykiety MeSH i opcjonalnie poprzez etykiety imputowane), a następnie ich pełne teksty są pobierane i indeksowane. Nazwy białek są wyszukiwane w publikacjach i wykorzystywane do obliczenia wyników powiązań białko-choroba. Następnie, po wydobyciu tekstu, wyniki te pomagają zidentyfikować najważniejsze powiązania między białkami a szlakami sygnałowymi. Na koniec konstruowany jest graf wiedzy obejmujący te białka, choroby oraz ich relacje w ramach bazy wiedzy biomedycznej. Nowe powiązania białko-choroba są przewidywane na podstawie skonstruowanego grafu wiedzy. Kroki te wykorzystują najnowsze dostępne dane z biomedycznych baz wiedzy oraz PubMed. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Diagram istotności białko-choroba z wykorzystaniem etykiet MeSH; rozszerzanie zbioru encji za pomocą analizy PPI, PW i TFD.
Rysunek 2Architektura techniczna przepływu pracy. Szczegóły techniczne tego schematu postępowania przedstawiono na poniższej rysunku. Użytkownik podaje numery drzew MeSH dla kategorii chorób oraz terminy GO. Dokumenty tekstowe są pobierane z bazy PubMed, dokumenty powiązane z chorobami są identyfikowane na podstawie podanych etykiet MeSH, a dokumenty pozbawione etykiet MeSH wskazujących na temat otrzymują przypisane etykiety kategorii. Pobierane są białka powiązane z podanymi terminami GO. Zbiór białek ten jest rozszerzany o białka powiązane funkcjonalnie. poprzez oddziaływania białko-białko, wspólne szlaki biologiczne oraz zależność od czynników transkrypcyjnych. Białka te są analizowane w dokumentach związanych z danymi chorobami, a następnie oceniane przez CaseOLAP. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Fragment kodu JSON wyróżniający metadane badania 6-minutowego testuy chodzenia dla celów badań kardiologicznych.
Rysunek 3: Przykład przetworzonego dokumentu. Przedstawiono tutaj przykład przeanalizowanego i zaindeksowanego dokumentu tekstowego. Kolejno, odpowiednie pola wskazują nazwę indeksu (_index, _type), identyfikator PubMed (_id, pmid), podsekcje dokumentu (title, abstract, full_text, introduction, methods, results, discussion) oraz inne metadane (year, MeSH, location, journal). Wyłącznie w celu prezentacji, podsekcje dokumentu zostały skrócone za pomocą wielokropków. Pole MeSH zawiera tematy dokumentu, które mogą być czasami dostarczone przez nasz etap imputacji etykiet. Aby wyświetlić większą wersję tego rysunku, kliknij tutaj.

Diagram szlaków biologicznych i interakcji białkowych; wyniki CaseOLAP łączą CVDs i białka.
Rycina 4: Schemat grafu wiedzy i zasoby biomedyczne. Ta rycina przedstawia schemat grafu wiedzy. Każdy węzeł i krawędź reprezentują odpowiednio typ węzła lub typ krawędzi. Krawędzie między chorobami układu sercowo-naczyniowego (CVDs) a białkami są ważone wynikami CaseOLAP. Krawędzie interakcji białko-białko (PPI) są ważone wynikami zaufania STRING. Krawędzie zależności czynników transkrypcyjnych (TFD) pochodzące z GRNdb/GTEx, krawędzie drzewa chorób pochodne z MeSH oraz krawędzie szlaków pochodne z reactome są nieważone. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Wykres skrzypcowy z wynikami z-score; dane o ekspresji białek; analiza porównawcza; wyniki statystyczne.
Rysunek 5: Najważniejsze powiązania białko-choroba. Na tym rysunku przedstawiono białka mitochondrialne istotne dla każdej kategorii chorób. Transformacja z-score została zastosowana do wyników CaseOLAP w obrębie każdej kategorii, aby zidentyfikować istotne białka przy użyciu progu 3,0. (Góra) Liczba białek mitochondrialnych istotnych dla każdej choroby: te wykresy skrzypcowe obrazują rozkład z-score dla białek w każdej kategorii chorób. Całkowita liczba białek istotnych dla każdej kategorii chorób jest podana nad każdym wykresem. W sumie 14 unikalnych białek zostało zidentyfikowanych jako istotne dla wszystkich chorób, a niektóre białka były istotne dla wielu jednostek chorobowych. (Dół) Białka z najwyższymi wynikami: mapa ciepła przedstawia 10 białek, które uzyskały najwyższe średnie z-score we wszystkich badanych chorobach. Puste wartości oznaczają brak uzyskanego wyniku pomiędzy białkiem a chorobą. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Mapa ciepła analizy ekspresji genów; szlaki białkowe; regulacja transkrypcji; wizualne porównywanie danych.
Rycina 6Najważniejsze powiązania między szlakami a chorobami. Rysunek ten przedstawia najważniejsze szlaki biologiczne powiązane z analizowanymi kategoriami chorób, określone na podstawie poprzez analiza szlaków Reactome. Wszystkie analizy szlaków zostały przefiltrowane przy użyciu p < 0,05. Wartości na mapie ciepła reprezentują średni wynik z dla wszystkich białek w danej ścieżce. (Góra) Szlaki zachowane we wszystkich chorobach: Ogólnie zidentyfikowano 14 białek istotnych dla wszystkich kategorii chorób oraz ujawniono 12 szlaków zachowanych we wszystkich kategoriach chorób. Na podstawie hierarchicznej struktury szlaków skonstruowano dendrogram, aby powiązać szlaki o podobnych funkcjach biologicznych. Wysokość dendrogramu reprezentuje względną głębokość w hierarchii szlaków; szerokie funkcje biologiczne mają dłuższe ramiona, a bardziej specyficzne szlaki mają krótsze ramiona. (Dół) Ścieżki charakterystyczne dla kategorii choroby: Analizę ścieżek przeprowadzono z wykorzystaniem białek, które uzyskały istotny wynik z-score w każdej chorobie. Trzy ścieżki o najniższych pWartości p powiązane z każdą chorobą są przedstawione i oznaczone gwiazdkami. Te same szlaki metaboliczne mogły znaleźć się w pierwszej trójce w przypadku wielu chorób. Kliknij tutaj, aby wyświetlić powiększoną wersję tej figury.

Schemat sieci oddziaływań białkowych; wizualizacja procesów transkrypcji i szlaków za pomocą węzłów i krawędzi.
Rysunek 7: Zastosowanie głębokiego uczenia do uzupełniania grafu wiedzy. Na tym rysunku przedstawiono przykład zastosowania głębokiego uczenia w odniesieniu do specyficznego dla danej choroby grafu wiedzy. Przewidziane zostały ukryte relacje między białkami a chorobą, które zaznaczono kolorem niebieskim. Wyświetlono obliczone prawdopodobieństwa dla obu przewidywań, gdzie wartości wahają się od 0,0 do 1,0, a 1,0 oznacza silne przewidywanie. Uwzględniono kilka białek o znanych oddziaływaniach, reprezentujących oddziaływania białko-białko, zależność od czynników transkrypcyjnych oraz wspólne szlaki biologiczne. W celu wizualizacji przedstawiono podgraf składający się z kilku węzłów istotnych dla wyróżnionego przykładu. Legenda: IHD = niedokrwienna choroba serca; R-HSA-1430728 = metabolizm; O14949 = podjednostka 8 kompleksu cytochromu b-c1; P17568 = podjednostka 7 beta subkompleksu dehydrogenazy NADH (ubichinonu); Q9NYF8 = czynnik transkrypcyjny 1 związany z Bcl-2, wynik: 7,24 x 10−7; P49821 = flawoproteina 1 dehydrogenazy NADH (ubichinonu), mitochondrialna, wynik: 1,06 x 10−5; P31930 = podjednostka 1 kompleksu cytochromu b-c1, mitochondrialna, wynik: 4,98 x 10−5; P99999 = cytochrom c, wynik: 0,399. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Tabela 1: Przepływ pracy i etapy krytyczne. Tabela ta przedstawia szacunkowy czas obliczeniowy dla każdego etapu przepływu pracy. Decyzje dotyczące włączenia poszczególnych komponentów potoku zmienią całkowity czas uruchomienia niezbędny do ukończenia analizy. Całkowita szacunkowa wartość czasu różni się w zależności od dostępnych zasobów obliczeniowych, w tym specyfikacji sprzętowej i ustawień oprogramowania. Według szacunków protokół wymagał 36 h aktywnego czasu pracy na naszym serwerze obliczeniowym, wyposażonym w sześć rdzeni, 32 Gb pamięci RAM i 2 Tb przestrzeni dyskowej, jednak na innych urządzeniach proces ten może przebiegać szybciej lub wolniej. Prosimy kliknąć tutaj, aby pobrać tę tabelę.

Tabela 2: Automatyczny montaż białek komponentów komórkowych. Tabela ta przedstawia liczbę białek związanych z danym komponentem komórkowym (tzn. terminem GO) oraz białka z nimi powiązane funkcjonalnie poprzez oddziaływania białko-białko (PPI), wspólne szlaki (PW) oraz zależność od czynników transkrypcyjnych (TFD). Całkowita liczba białek stanowi sumę białek ze wszystkich powyższych kategorii. Wszystkie białka powiązane funkcjonalnie zostały wyłonione przy użyciu domyślnych parametrów narzędzia CaseOLAP LIFT. Prosimy kliknąć tutaj, aby pobrać tę tabelę.

Tabela 3: Statystyki imputacji etykiet MeSH.W tabeli przedstawiono kategorie chorób, numery drzew MeSH użyte jako terminy nadrzędne dla wszystkich chorób zawartych w danej kategorii, liczbę artykułów z bazy PubMed znalezionych w każdej kategorii w latach 2012-2022 oraz liczbę dodatkowych artykułów włączonych na podstawie etapu imputacji etykiet. Kliknij tutaj, aby pobrać tę tabelę.

Tabela 4: Statystyki konstrukcji grafu wiedzy. Tabela ta opisuje statystyki dotyczące rozmiaru skonstruowanego grafu wiedzy, w tym różnych typów węzłów i krawędzi. Wyniki CaseOLAP reprezentują relację między białkiem a kategorią choroby układu sercowo-naczyniowego (CVD). Kliknij tutaj, aby pobrać tę tabelę.

Tabela 5: Statystyki i walidacje przewidywań grafu wiedzy.W tabeli przedstawiono mierniki oceny przewidywania krawędzi w grafie wiedzy dla nowych/ukrytych powiązań białko-choroba. Krawędzie grafu wiedzy podzielono na zbiory treningowy i testowy w stosunku 70/30, zachowując spójność połączeń grafu w obu zbiorach. Dokładność (accuracy) określa proporcję poprawnie sklasyfikowanych przewidywań, natomiast zbalansowana dokładność (balanced accuracy) koryguje wynik o niezrównoważenie klas. Specyficzność (specificity) określa proporcję poprawnie sklasyfikowanych przewidywań negatywnych. Precyzja (precision) określa proporcję poprawnych przewidywań pozytywnych spośród wszystkich przewidywań pozytywnych, natomiast czułość (recall) określa proporcję poprawnych przewidywań pozytywnych spośród wszystkich krawędzi pozytywnych (tj. powiązań białko-choroba zidentyfikowanych poprzez text-mining). Wynik F1 (F1 score) jest średnią harmoniczną precyzji i czułości. Pole pod krzywą charakterystyki operacyjnej odbiornika (AUROC) opisuje, jak dobrze model odróżnia przewidywania pozytywne od negatywnych, gdzie wartość 1,0 oznacza klasyfikator idealny. Pole pod krzywą precyzja-czułość (AUPRC) mierzy kompromis między precyzją a czułością przy różnych progach prawdopodobieństwa, przy czym wyższe wartości wskazują na lepszą wydajność. Kliknij tutaj, aby pobrać tę tabelę.

Dyskusja

CaseOLAP LIFT umożliwia naukowcom badanie powiązań między białkami funkcjonalnymi (np. białkami związanymi z komponentem komórkowym, procesem biologicznym lub funkcją molekularną) a kategoriami biologicznymi (np. chorobami). Opisany protokół powinien być wykonywany w określonej kolejności, przy czym sekcja protokołu 2 i sekcja protokołu 3 są najbardziej krytycznymi krokami, ponieważ sekcja protokołu 4 i sekcja protokołu 5 zależą od ich wyników. Alternatywą dla sekcji 1 protokołu jest klonowanie kodu CaseOLAP LIFT i uzyskiwanie do niego dostępu z repozytorium GitHub (https://github.com/CaseOLAP/caseolap_lift). Należy zauważyć, że pomimo testowania w trakcie tworzenia oprogramowania, mogą wystąpić błędy. Jeśli tak, krok, który zakończył się niepowodzeniem, należy powtórzyć. Jeśli problem będzie się powtarzał, zaleca się powtórzenie sekcji 1 protokołu, aby upewnić się, że używana jest najnowsza wersja kontenera platformy Docker. Dalsza pomoc jest dostępna przez utworzenie problemu w repozytorium GitHub w celu uzyskania dodatkowej pomocy.

Metoda ta wspomaga generowanie hipotez, umożliwiając badaczom identyfikację interesujących podmiotów i ujawnienie potencjalnych powiązań między nimi, które mogą nie być łatwo dostępne w istniejących zasobach biomedycznych. Uzyskane w ten sposób powiązania białko-choroba pozwalają naukowcom uzyskać nowe informacje dzięki możliwym do zinterpretowania wskaźnikom wyników: wyniki popularności wskazują na najczęściej badane białka w odniesieniu do choroby, wyniki odrębności wskazują na choroby najbardziej unikalne dla białka, a połączony wynik CaseOLAP jest kombinacją tych dwóch. Aby zapobiec fałszywie dodatnim identyfikacjom (np. z powodu homonimów), niektóre narzędzia do eksploracji tekstu wykorzystują czarną listę terminów, aby uniknąć 9,11. Podobnie, CaseOLAP LIFT również wykorzystuje czarną listę, ale pozwala użytkownikowi dostosować czarną listę do swojego przypadku użycia. Na przykład, podczas badania choroby wieńcowej (CAD), "CAD" nie powinien być uważany za nazwę białka "dezoksyrybonukleaza aktywowana kaspazą". Jednak podczas studiowania innych tematów "CAD" może zwykle odnosić się do białka.

CaseOLAP LIFT dostosowuje się do ilości danych dostępnych do eksploracji tekstu. Funkcjonalność zakresu dat zmniejsza obciążenie obliczeniowe i zapewnia elastyczność w generowaniu hipotez (np. badaniu, jak wiedza naukowa na temat związku białko-choroba zmieniała się w czasie). Tymczasem imputacja etykiet i komponenty pełnotekstowe zwiększają zakres danych dostępnych do eksploracji tekstu. Oba komponenty są domyślnie wyłączone w celu zmniejszenia kosztów obliczeniowych, ale użytkownik może zdecydować się na dołączenie dowolnego komponentu. Imputacja etykiety jest konserwatywna i kategoryzuje większość publikacji poprawnie (87% precyzji), ale pomija etykiety innych kategorii (2% zapamiętania). Metoda ta opiera się obecnie na heurystyce opartej na regułach, która dopasowuje słowa kluczowe choroby, a w planach jest zwiększenie wydajności poprzez zastosowanie technik modelowania tematów dokumentów. Ponieważ wiele nieskategoryzowanych raportów to zwykle najnowsze publikacje, badania badające niedawny zakres dat (np. wszystkie publikacje z ostatnich 3 lat) lepiej sprawdzają się poprzez wyłączenie imputacji etykiet. Komponent pełnotekstowy zwiększa wymagania dotyczące środowiska uruchomieniowego i pamięci masowej. Warto zauważyć, że tylko niewielka część dokumentów ma dostępny pełny tekst (~14% dokumentów w naszym badaniu). Zakładając, że nazwy białek wymienione w sekcji metod publikacji są mniej związane z tematami choroby, zaleca się przeszukiwanie artykułów pełnotekstowych z wyłączeniem sekcji metod.

Uzyskane wyniki asocjacji białko-choroba są przydatne w tradycyjnych analizach, takich jak grupowanie, redukcja wymiarowości lub analizy wzbogacania (np. GO, ścieżki), z pewną implementacją zawartą w tym pakiecie oprogramowania. Aby umieścić te wyniki w kontekście istniejącej wiedzy biomedycznej, automatycznie konstruowany jest wykres wiedzy, który można eksplorować za pomocą narzędzi do wizualizacji wykresów (np. Neo4j32, Cytoscape33). Wykres wiedzy może być również wykorzystywany do analiz predykcyjnych (np. przewidywanie powiązań niezgłoszonych relacji białko-choroba, wykrywanie sieci białkowych w społecznościach, metody zbierania nagród za chodzenie po ścieżkach).

Przeanalizowaliśmy wskaźniki oceny modelu dla przewidywanych powiązań białko-choroba (Tabela 5). Model przypisuje wynik prawdopodobieństwa od 0,0 do 1,0 do każdego związku białko-choroba, przy czym wyniki bliższe 1,0 wskazują na wyższy poziom ufności przewidywania. Wewnętrzna ocena wydajności modelu, która opierała się na różnych wskaźnikach, w tym AUROC, dokładności, zrównoważonej dokładności, swoistości i kompletności, wykazała doskonałą ogólną wydajność jego pracy. Jednak ocena wykazała również raczej słaby wynik za precyzję (0,15) modelu, co skutkowało zarówno niższym wynikiem AUPRC, jak i F1. Przyszłe badania mające na celu ulepszenie tej metryki pomogą podnieść ogólną wydajność modelu. Przewidujemy, że można to osiągnąć poprzez wdrożenie bardziej zaawansowanych modeli osadzania grafów wiedzy i predykcji grafów. Opierając się na precyzji modelu wynoszącej 0,15, badacze powinni spodziewać się około 15% pozytywnych identyfikacji; W szczególności spośród wszystkich 12 688 powiązań białko-choroba przewidywanych przez model, około 15% to skojarzenia prawdziwie dodatnie. Można to złagodzić, biorąc pod uwagę tylko powiązania białko-choroba o wysokim wyniku prawdopodobieństwa (np. >0,90); W naszym przypadku użycia filtrowanie z progiem prawdopodobieństwa 0,90 doprowadziło do przewidywań o wysokim poziomie ufności 1 583 asocjacji. Badacze mogą uznać za pomocne ręczne sprawdzenie tych przewidywań w celu zapewnienia wysokiej trafności (patrz rysunek 7 jako przykład). Zewnętrzna ocena naszych przewidywań wykazała, że spośród 310 powiązań białko-choroba z obszernej, wyselekcjonowanej bazy danych DisGeNet19, 103 zostały zidentyfikowane w naszym badaniu eksploracji tekstu, a 88 dodatkowych powiązań zostało przewidywanych przez naszą analizę grafu wiedzy z wynikiem prawdopodobieństwa >0,90.

Ogólnie rzecz biorąc, CaseOLAP LIFT charakteryzuje się zwiększoną elastycznością i użytecznością w projektowaniu niestandardowych analiz powiązań między funkcjonalnymi grupami białek a wieloma kategoriami chorób w korpusach o dużej objętości tekstu. Ten pakiet jest usprawniony w nowym, przyjaznym dla użytkownika interfejsie wiersza poleceń i jest wydawany jako kontener docker, zmniejszając w ten sposób problemy związane z konfiguracją środowisk programistycznych i zależności oprogramowania. Linia produkcyjna CaseOLAP LIFT do badania białek mitochondrialnych w chorobach sercowo-naczyniowych może być łatwo dostosowana; Na przykład przyszłe zastosowania tej techniki mogą obejmować badanie powiązań między dowolnymi białkami związanymi z dowolnymi terminami GO a dowolną kategorią biomedyczną. Co więcej, uszeregowane powiązania białko-choroba zidentyfikowane przez tę platformę eksploracji tekstu są ważne w przygotowaniu zbioru danych do wykorzystania zaawansowanych technik języka naturalnego. Uzyskany w ten sposób wykres wiedzy umożliwia badaczom przekształcenie tych ustaleń w wiedzę biologiczną i stanowi podstawę do dalszych analiz opartych na wykresach.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

Ta praca była wspierana przez National Institutes of Health (NIH) R35 HL135772 do P.P., NIH T32 HL13945 do A.R.P. i D.S., NIH T32 EB016640 do A.R.P., National Science Foundation Research Traineeship (NRT) 1829071 do A.R.P. i D.S., NIH R01 HL146739 dla I.A., J.R., A.V., K.B. oraz TC Laubisch Endowment dla P.P. na UCLA.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Oprogramowanie - DockerDockerN/Adocker.com

Bibliografia

  1. The UniProt Consortium et al. UniProt: The universal protein knowledgebase in 2021. Nucleic Acids Research. 49, D480-D489 (2021).
  2. Davis, A. P., et al. Comparative toxicogenomics database (CTD): Update 2023. Nucleic Acids Research. 51, D1257-D1262 (2023).
  3. Mohtashamian, M., Abeysinghe, R., Hao, X., Cui, L. Identifying missing IS-A relations in orphanet rare disease ontology. Proceedings. IEEE International Conference on Bioinformatics and Biomedicine. 2022, 3274-3279 (2022).
  4. Rehm, H. L., et al. ClinGen - The clinical genome resource. New England Journal of Medicine. 372 (23), 2235-2242 (2015).
  5. Caulfield, M., et al. The National Genomics Research and Healthcare Knowledgebase. , (2019).
  6. Ma, X., Lee, H., Wang, L., Sun, F. CGI: A new approach for prioritizing genes by combining gene expression and protein-protein interaction data. Bioinformatics. 23 (2), 215-221 (2007).
  7. Gutiérrez-Sacristán, A., et al. Text mining and expert curation to develop a database on psychiatric diseases and their genes. Database. 2017, 043(2017).
  8. Sigdel, D., et al. Cloud-based phrase mining and analysis of user-defined phrase-category association in biomedical publications. Journal of Visualized Experiments. (144), e59108(2019).
  9. Yu, K. -H., et al. Systematic protein prioritization for targeted proteomics studies through literature mining. Journal of Proteome Research. 17 (4), 1383-1396 (2018).
  10. Lau, E., et al. Identifying high-priority proteins across the human diseasome using semantic similarity. Journal of Proteome Research. 17 (12), 4267-4278 (2018).
  11. Pletscher-Frankild, S., Pallejà, A., Tsafou, K., Binder, J. X., Jensen, L. J. DISEASES: Text mining and data integration of disease-gene associations. Methods. 74, 83-89 (2015).
  12. Liu, Y., Liang, Y., Wishart, D. PolySearch2: A significantly improved text-mining system for discovering associations between human diseases, genes, drugs, metabolites, toxins and more. Nucleic Acids Research. 43, W535-W542 (2015).
  13. Minot, S. S., Barry, K. C., Kasman, C., Golob, J. L., Willis, A. D. geneshot: Gene-level metagenomics identifies genome islands associated with immunotherapy response. Genome Biology. 22 (1), 135(2021).
  14. Lee, S., et al. BEST: Next-generation biomedical entity search tool for knowledge discovery from biomedical literature. PloS One. 11 (10), 0164680(2016).
  15. Wei, C. -H., Allot, A., Leaman, R., Lu, Z. PubTator central: Automated concept annotation for biomedical full text articles. Nucleic Acids Research. 47 (W1), W587-W593 (2019).
  16. Jimeno-Yepes, A. J., Sticco, J. C., Mork, J. G., Aronson, A. R. GeneRIF indexing: Sentence selection based on machine learning. BMC Bioinformatics. 14 (1), 171(2013).
  17. Wei, C. -H., et al. tmVar 2.0: Integrating genomic variant information from literature with dbSNP and ClinVar for precision medicine. Bioinformatics. 34 (1), 80-87 (2018).
  18. Maglott, D., Ostell, J., Pruitt, K. D., Tatusova, T. Entrez Gene: Gene-centered information at NCBI. Nucleic Acids Research. 33, D54-D58 (2005).
  19. Piñero, J., et al. The DisGeNET knowledge platform for disease genomics: 2019 update. Nucleic Acids Research. 48, D845-D855 (2019).
  20. Lee, J., et al. BioBERT: A pre-trained biomedical language representation model for biomedical text mining. Bioinformatics. 36 (4), 1234-1240 (2020).
  21. Szklarczyk, D., et al. STRING v11: Protein-protein association networks with increased coverage, supporting functional discovery in genome-wide experimental datasets. Nucleic Acids Research. 47, D607-D613 (2019).
  22. Gillespie, M., et al. The reactome pathway knowledgebase 2022. Nucleic Acids Research. 50, D687-D692 (2022).
  23. Fang, L., et al. GRNdb: Decoding the gene regulatory networks in diverse human and mouse conditions. Nucleic Acids Research. 49, D97-D103 (2021).
  24. Doğan, T., et al. CROssBAR: Comprehensive resource of biomedical relations with knowledge graph representations. Nucleic Acids Research. 49 (16), 96(2021).
  25. Fernández-Torras, A., Duran-Frigola, M., Bertoni, M., Locatelli, M., Aloy, P. Integrating and formatting biomedical data as pre-calculated knowledge graph embeddings in the Bioteque. Nature Communications. 13 (1), 5304(2022).
  26. Himmelstein, D. S., et al. Systematic integration of biomedical knowledge prioritizes drugs for repurposing. eLife. 6, e26726(2017).
  27. Zheng, S., et al. PharmKG: A dedicated knowledge graph benchmark for biomedical data mining. Briefings in Bioinformatics. 22 (4), (2021).
  28. Morselli Gysi, D., et al. Network medicine framework for identifying drug-repurposing opportunities for COVID-19. Proceedings of the National Academy of Sciences of the United States of America. 118 (19), 2025581118(2021).
  29. Santos, A., et al. A knowledge graph to interpret clinical proteomics data. Nature Biotechnology. 40 (5), 692-702 (2022).
  30. Cappelletti, L., et al. GraPE: Fast and scalable graph processing and embedding. arXiv. , (2021).
  31. Yang, B., Yih, W., He, X., Gao, J., Deng, L. Embedding entities and relations for learning and inference in knowledge bases. arXiv. , (2014).
  32. Neo4j Graph Data Platform. , Available from: https://neo4j.com/ (2022).
  33. Shannon, P., et al. Cytoscape: A software environment for integrated models of biomolecular interaction networks. Genome Research. 13 (11), 2498-2504 (2003).

Przedruki i uprawnienia

Tagi

Wydobywanie tekstów biomedycznychasocjacje białko-chorobakomponenty komórkowepredykcja głębokim uczeniembiałka mitochondrialneszlaki choroboweCaseOLAP LIFTmoduł wydobywania tekstówszlaki Reactome
Podejście oparte na grafie wiedzy w celu wyjaśnienia roli szlaków organellarnych w chorobie za pomocą raportów biomedycznych
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.